CN112070300B - 一种基于多目标优化的电动汽车充电平台选取方法 - Google Patents
一种基于多目标优化的电动汽车充电平台选取方法 Download PDFInfo
- Publication number
- CN112070300B CN112070300B CN202010928113.3A CN202010928113A CN112070300B CN 112070300 B CN112070300 B CN 112070300B CN 202010928113 A CN202010928113 A CN 202010928113A CN 112070300 B CN112070300 B CN 112070300B
- Authority
- CN
- China
- Prior art keywords
- charging
- charging platform
- user
- objective
- charge
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明公开了一种基于多目标优化的电动汽车充电平台选取方法,该选取方法以电动汽车当前位置到充电平台的总路程、完成一次充电的总时间以及总费用为子目标函数;以电动汽车当前状态下的最大续航路程、路段拥堵情况、用户接受的充电总时间为限制条件,在此基础之上进行多目标优化。该方法包括:1)获取电动汽车发起的充电请求;2)根据充电请求、路段拥堵情况、电动汽车附近充电平台信息进行分析,建立一个多目标优化的数学模型;3)通过深度学***台。本发明结合多目标优化模型对多个充电平台进行比对选取,通过深度学***台,达到最智能人性化的用户体验。
Description
技术领域
本发明属于优化决策技术领域,更为具体地讲,涉及一种基于多目标优化的电动汽车充电平台选取方法。
背景技术
随着新能源电动汽车的逐步普及,新能源电动汽车的充电续航问题也值得进一步的考究。在错综复杂的城市交通网络中,道路状况十分严重,新能源电动汽车充电站点又十分有限。因此,无论是从电动汽车车主选择充电路径,还是对于电动汽车充电平台分布的规划,都值得仔细分析。针对该基于多目标优化的电动汽车充电平台选取方法的问题,运用大数据分析与深度学***台。多目标优化是通过对各种影响因素的分析,涉及到一系列状态变量,能够制定出相对优化合理的方案。然而由于多目标优化的各个子目标具有一定的复杂性,需要多方面、多层次地综合考虑相关因素,借助大数据分析和深度学习通过计算机模拟各种方案,从而分析得到相对优化的方案。
发明内容
本发明的技术解决问题是:克服目前技术的不足,提供一种基于多目标优化的电动汽车充电平台的选取方法,进行多角度综合考虑,充分体现了各个优化子目标的差异性与相似性,提高了选取决策的准确性和智能性。
本发明的技术解决方案是:这种基于多目标优化的电动汽车充电平台的选取方法,包括以下步骤:
(1)获取电动汽车发起的充电请求信息,请求内容包括电动汽车当前剩余续航路程、当前位置,用户能够接受的充电时间;
(2)根据电动汽车发起充电请求位置,分析该位置附近充电平台分布,结合分析当前车辆可续航的路程,基于行驶路程进行单目标规划,规划当前条件下最优充电平台;结合道路拥堵情况和用户接受的充电时间,基于所需要消耗的时间进行单目标规划,规划当前条件最优的充电平台站点;结合到电动汽车到充电平台的费用以及充电费用,基于花费费用进行单目标规划,规划一个当前条件下最优的充电平台站点;对这三个多目标线性加权,建立一个多目标优化的数学模型;
(3)通过深度学***台。
本发明的目的是这样实现的。
本发明基于多目标优化的电动汽车充电平台选取方法,其中充电平台包括:充电站、电池更换站和移动充电车。该选取方法以电动汽车当前位置到充电平台的总路程、完成一次充电的总时间(通过充电站、电池更换站和移动充电车进行续航统称为充电)以及总费用为子目标函数;以电动汽车当前状态下的最大续航路程、路段拥堵情况、用户接受的充电总时间为限制条件,在此基础之上进行多目标优化。该方法包括:1)获取电动汽车发起的充电请求;2)根据充电请求、路段拥堵情况、电动汽车附近充电平台信息进行分析,建立一个多目标优化的数学模型;3)通过深度学***台。本发明结合多目标优化模型对多个充电平台进行比对选取,通过深度学***台,达到最智能人性化的用户体验。
附图说明
图1是本发明基于多目标优化的电动汽车充电平台选取方法一种具体实施方式的流程图;
图2是本发明中基于深度学***台一种具体实施方式的模型图。
具体实施方式
下面结合附图对本发明的具体实施方式进行描述,以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是,在以下的描述中,当已知功能和设计的详细描述也许会淡化本发明的主要内容时,这些描述在这里将被忽略。
如图1所示,本发明基于多目标优化的电动汽车充电平台选取方法,包括以下步骤:
(1)获取电动汽车发起的充电请求信息,请求内容包括电动汽车当前剩余续航路程、当前位置,用户能够接受的充电时间;
(2)根据电动汽车发起充电请求位置,分析该位置附近充电平台分布,结合分析当前车辆可续航的路程,基于行驶路程进行单目标规划,规划当前条件下最优充电平台;结合道路拥堵情况和用户接受的充电时间,基于所需要消耗的时间进行单目标规划,规划当前条件最优的充电平台站点;结合到电动汽车到充电平台的费用以及充电费用,基于花费费用进行单目标规划,规划一个当前条件下最优的充电平台站点。对这三个多目标线性加权,建立一个多目标优化的数学模型;
(3)通过深度学***台。
本发明公开了一种基于多目标优化的电动汽车充电平台选取方法。其中充电平台包括:充电站、电池更换站和移动充电车。该选取方法以电动汽车当前位置到充电平台的总路程、完成一次充电的总时间(通过充电站、电池更换站和移动充电车进行续航统称为充电)以及总费用为子目标函数;以电动汽车当前状态下的最大续航路程、路段拥堵情况、用户接受的充电总时间为限制条件,在此基础之上进行多目标优化。本发明结合多目标优化模型对多个充电平台进行比对选取,通过深度学***台,达到最智能人性化的用户体验。
具体地可以采用如下步骤:
步骤一:确定研究对象的总目标和分目标,总目标为最符合用户需求的充电站点,分目标分别为距离最近的充电站点、消耗时间最少的充电站点和花费费用最少的充电站点。
步骤二:对距离最近的充电站点,即总路程最少的充电站点,进行单目标规划。假设在充电时,用户倾向于选择从起点到终点总距离最小的行驶路径,道路网中2个节点之间的路段称为路段a,起点s与终点e之间的路径k的几何长度为则最优行驶路径选择的目标函数Tdis为:
其中ai为行驶某一路段的几何长度;Lmax当前电量可续航的最大距离。
步骤三:对消耗时间最少的充电站点,即综合时间阻抗最小化的充电站点,进行单目标规划。综合时间阻抗可以理解为是道路时间阻抗/>和充电时间阻抗/>两部分。假设用户在充电时,倾向于选择消耗的综合时间最少的方案,且能够接受的最大总消耗时间为Tmax,则最优化目标函数Ttime为:
路段ai上车辆的平均行驶速度又受到路段拥堵率的影响。在电动汽车电量充足的情况下,假设实际行驶速度与拥堵率具有线性相关性,当道路堵死(拥堵率/>为1),则无法通行;当道路畅通无阻(拥堵率/>为0),则可达到设定速度/>行驶。
充电时间阻抗可以分为两种情况来讨论,一是充电;二是直接更换电池。若直接更换电池,可以认为充电时间阻抗/>为th;充电时间阻抗与消耗电量与充电效率有关。设电动汽车蓄电池满电时续航电量为Emax,电池消耗量e与行驶路程l成一次线性关系,即:/>
e(l)=hl
进一步假设充电时间与待充电池消耗电量e和充电效率η成一次线性关系,故充电时间阻抗可以表示为:
由于是否更换电池存在用户的主观选择,这里设用户的主观选择为:
综合时间阻抗最小的目标函数为:
步骤四:对花费费用最少的充电站点进行单目标规划。续航的方式有两种:一是充电;二是直接更换电池。
假设充电费用Qc与充电时间成一次线性关系,则有:
而直接更换电池的费用可直接设为Qh,要求达到续航费用的最小化,就是取Qc与Qh的较小值,于是续航费用规划的目标函数为:
Qk=min{Qc,Qh}=min{phηl,Qh}
步骤五:由上面的讨论可知,电动汽车充电平台最优化选取的多目标规划模型为:
在该多目标规划问题中,由于上述几个子目标的量纲不同,因此可以采用极差化法对变量进行无量纲处理。
无量纲化的公式如下:
其中,x′i为变量xi无量纲化后的值;max(xi)和min(xi)分别表示变量xi在论域上的最大值和最小值。通过无量纲化,可以将各个变量分别变换为[0,1]区间上的值。
利用线性加权法对多目标规划模型进行加权,则最终建立的模型可表示为:
λ1λ2λ3分别为子目标的权重系数。
步骤六:根据获取到的大数据信息,分析在电动汽车需要充电情况下,用户对于路程最短、消耗时间最少、花费费用最少这三个子优化目标的选择比重倾向,得到三个具体的比重系数λ1λ2λ3,初步得到多个相对优化选取的充电平台。确定多目标优化的结果后,用户对于已选取的充电平台进行二次判断,选择具体前往的充电平台。
用户选择后,记录此次用户的选择,并且根据用户的选择相应调整三者的权重系数,进行深度学***台。并将该深度学习训练后的权重系数上传,方便该选取方法对于其他用户进行选取时的深度学习训练参考。
尽管上面对本发明说明性的具体实施方式进行了描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
Claims (3)
1.一种基于多目标优化的电动汽车充电平台选取方法,其特征在于,包括以下步骤:
步骤1:获取电动汽车发起的充电请求信息,请求内容包括电动汽车当前剩余续航路程、当前位置,用户能够接受的充电时间;
步骤2:根据电动汽车发起充电请求位置,分析该位置附近充电平台分布,结合分析当前车辆可续航的路程,基于行驶路程进行单目标规划,规划当前条件下最优充电平台;结合道路拥堵情况和用户接受的充电时间,基于所需要消耗的时间进行单目标规划,规划当前条件最优的充电平台站点;结合电动汽车到充电平台的费用以及充电费用,基于花费费用进行单目标规划,规划一个当前条件下最优的充电平台站点;对这三个单目标线性加权,建立一个多目标优化的数学模型;
步骤3:通过深度学***台;
步骤2进行多目标线性加权规划,这里,多目标函数为:
其中:
Qk=Qh·δhc+phηl·(1-δhc) (4)
式(1)中,λ1λ2λ3分别为子目标的权重系数,优化目标T(k)表示为根据多目标优化模型分析求解得到的最优充电平台;表示从电动汽车起点位置s到充电平台e之间的路径K的几何长度;/>表示从电动汽车起点位置s到充电平台e完成一次充电需要的总时长;Qk表示完成一次充电的费用;而/>(Qk)′则表示/>Qk在无量纲化后的标准化表达式;式(2)中,ai表示从电动汽车起点位置s到充电平台e之间的路径k之间包含的各个子路段;式(3)中,/>表示从电动汽车起点位置s到充电平台e之间的路径k消耗的时间,/>表示充电花费的时间;/>表示路段ai的拥堵情况,/>表示在路段ai的平均行驶速度,δhc表示用户选择充电或直接更换电池,th表示充电需要的时间,l表示行驶的路程,η表示充电效率系数,h表示电量与路程关系待定参数;Qh表示直接更换电池的费用,p表示充电费用与充电时间关系待定参数;
写出多目标规划目标的限制条件:
其具体子模型的限制条件如下:
式(6)中,Tmax为用户能接受的完成一次充电的时间,Lmax为当前可以续航的最大路程,Emax为当前电动汽车最大电量值。
3.根据权利要求1所述的基于多目标优化的电动汽车充电平台选取方法,其特征在于,步骤3中子目标的权重系数λ1λ2λ3的权重通过大数据分析,以及用户多次操作行为偏好分析进行选择与调整,从而达到一个最符合用户倾向的比重;其具体步骤可以表述为如下:
步骤3-1:根据获取到的大数据信息,分析在电动汽车需要充电情况下,用户对于路程最短、消耗时间最少、花费费用最少这三个子优化目标的选择比重倾向,得到三个具体的比重系数λ1λ2λ3,初步得到多个相对优化选取的充电平台;
步骤3-2:在步骤3-1确定多目标优化的结果后,用户对于已选取的充电平台进行二次判断,选择具体前往的充电平台;用户选择后,记录此次用户的选择,并且根据用户的选择相应调整三者的权重系数,进行深度学习训练过程;
步骤3-3:在完成步骤3-2中的深度学***台;并将该深度学习训练后的权重系数上传,方便该选取方法对于其他用户进行选取时的深度学习训练参考。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010928113.3A CN112070300B (zh) | 2020-09-07 | 2020-09-07 | 一种基于多目标优化的电动汽车充电平台选取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010928113.3A CN112070300B (zh) | 2020-09-07 | 2020-09-07 | 一种基于多目标优化的电动汽车充电平台选取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112070300A CN112070300A (zh) | 2020-12-11 |
CN112070300B true CN112070300B (zh) | 2023-05-23 |
Family
ID=73663724
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010928113.3A Active CN112070300B (zh) | 2020-09-07 | 2020-09-07 | 一种基于多目标优化的电动汽车充电平台选取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112070300B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113191547B (zh) * | 2021-04-29 | 2023-03-24 | 浙江吉利控股集团有限公司 | 一种新能源车辆动力电池充电优化方法及*** |
CN113459861B (zh) * | 2021-07-05 | 2023-05-23 | 清陶(昆山)能源发展股份有限公司 | 一种电动车辆的充电方法、装置、计算机设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010101745A (ja) * | 2008-10-23 | 2010-05-06 | Denso It Laboratory Inc | 経路探索装置、経路探索方法、およびプログラム |
CN105046356A (zh) * | 2015-07-13 | 2015-11-11 | 武汉大学 | 一种电动汽车续航里程优化装置及方法 |
CN108981736A (zh) * | 2018-05-28 | 2018-12-11 | 国网江苏省电力有限公司电力科学研究院 | 一种基于用户出行规律的电动汽车充电路径优化方法 |
DE102017211689A1 (de) * | 2017-07-07 | 2019-01-10 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zur Routenplanung und Routenoptimierung für ein elektrisch fahrendes Fahrzeug |
CN109693576A (zh) * | 2019-01-10 | 2019-04-30 | 浙江工业大学 | 一种基于模拟退火算法的电动汽车充电调度优化方法 |
CN109840624A (zh) * | 2019-01-08 | 2019-06-04 | 浙江工业大学 | 一种基于狄克斯特拉算法的电动汽车充电调度优化方法 |
CN110388932A (zh) * | 2019-07-12 | 2019-10-29 | 上海电机学院 | 一种电动汽车充电导航方法 |
-
2020
- 2020-09-07 CN CN202010928113.3A patent/CN112070300B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010101745A (ja) * | 2008-10-23 | 2010-05-06 | Denso It Laboratory Inc | 経路探索装置、経路探索方法、およびプログラム |
CN105046356A (zh) * | 2015-07-13 | 2015-11-11 | 武汉大学 | 一种电动汽车续航里程优化装置及方法 |
DE102017211689A1 (de) * | 2017-07-07 | 2019-01-10 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zur Routenplanung und Routenoptimierung für ein elektrisch fahrendes Fahrzeug |
CN108981736A (zh) * | 2018-05-28 | 2018-12-11 | 国网江苏省电力有限公司电力科学研究院 | 一种基于用户出行规律的电动汽车充电路径优化方法 |
CN109840624A (zh) * | 2019-01-08 | 2019-06-04 | 浙江工业大学 | 一种基于狄克斯特拉算法的电动汽车充电调度优化方法 |
CN109693576A (zh) * | 2019-01-10 | 2019-04-30 | 浙江工业大学 | 一种基于模拟退火算法的电动汽车充电调度优化方法 |
CN110388932A (zh) * | 2019-07-12 | 2019-10-29 | 上海电机学院 | 一种电动汽车充电导航方法 |
Non-Patent Citations (5)
Title |
---|
Optimal charging navigation strategy for electric vehicles;Xu Guo 等;2016 International Conference on Industrial Informatics-Computing Technology, Intelligent Technology, Industrial Information Integration;222-225 * |
一种电动汽车智能充电最优引导优化模型;李鹏程 等;电器与能效管理技术(第18期);63-69+78 * |
基于云计算的电动汽车智能充电导航方法研究;夏淼;中国优秀硕士学位论文全文数据库工程科技II辑(第07期);C035-547 * |
基于信息交互的大规模电动汽车充电路径规划;张书玮 等;清华大学学报(自然科学版);第58卷(第3期);279-285 * |
电动汽车智能充电路径规划算法研究;赵薪智;中国优秀硕士学位论文全文数据库工程科技II辑(第03期);C034-823 * |
Also Published As
Publication number | Publication date |
---|---|
CN112070300A (zh) | 2020-12-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107490386B (zh) | 一种电动汽车最优路径和驾驶方式的规划方法及*** | |
CN109693576B (zh) | 一种基于模拟退火算法的电动汽车充电调度优化方法 | |
CN112070300B (zh) | 一种基于多目标优化的电动汽车充电平台选取方法 | |
CN111311122B (zh) | 面向智慧城市的充电站建设方法 | |
CN110936949B (zh) | 基于行驶工况的能量控制方法、设备、存储介质及装置 | |
CN105644548B (zh) | 混合动力汽车的能量控制方法及装置 | |
CN107346460B (zh) | 基于智能网联***下前车运行信息的未来工况预测方法 | |
CN112193116B (zh) | 一种考虑奖励机制的电动汽车充电优化引导策略 | |
CN109177802B (zh) | 一种基于无线通信的电动汽车有序充电***及其方法 | |
CN108596667B (zh) | 一种基于车联网的电动汽车实时充电电价计算方法 | |
CN107730049B (zh) | 电动汽车快速充电最优位置选择方法 | |
CN107818377A (zh) | 基于云计算平台的车辆全局优化控制方法、***、车辆和云计算平台 | |
CN113459871B (zh) | 换电站的电池充电方法、装置以及存储介质、电子设备 | |
CN109636067B (zh) | 一种基于粒子群算法的电动汽车充电调度优化方法 | |
CN112686453A (zh) | 机车能耗智能预测方法及*** | |
CN111397620A (zh) | 快充/慢充模式下的电动汽车充电导航方法及*** | |
CN115345451A (zh) | 一种基于充电站推荐策略的电动汽车充电引导方法 | |
CN115146946A (zh) | 基于多源数据的汽车充电设施选择及规划方法 | |
CN111429014A (zh) | 基于双队列动态定价模型的电动汽车充电站选择方法 | |
CN113642768A (zh) | 一种基于工况重构的车辆行驶能耗预测方法 | |
CN115660346A (zh) | 一种基于边缘控制的规模化车网互动负荷调控方法 | |
CN113029176B (zh) | 面向多层级体验的电动汽车最优充电路径规划方法 | |
CN113071336B (zh) | 一种车辆的增程器控制方法、***及车辆 | |
CN111401786B (zh) | 一种基于路况信息考虑双边利益权衡的电动汽车充电调度方法 | |
CN112418742A (zh) | 信息物理融合的电动汽车换电站网络双层控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |