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

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

一种基于多目标优化的电动汽车充电平台选取方法

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T_dis为：

其中a_i为行驶某一路段的几何长度；L_max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T_max，则最优化目标函数T_time为：

而

接下来就仔细讨论/>

与/>

是道路时间阻抗，其决定因素有：各个路段a_i的拥堵率/>

从起点到终点的行驶路径/>

以及车辆在路段a_i上的行驶速度/>

在匀速行驶的过程中，路程＝速度×时间。假设车辆在各个路段a_i，由于路段拥堵情况的不同，以各个速度不同的速度

保持匀速运动。则道路时间阻抗可以表示为：

路段a_i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。

因此，路段a_i上的行驶速度可以表示为

故道路时间阻抗为：

而行驶的总路程

应该受到当前电量可续航的最大距离L_max的约束，即：

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t_h；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E_max，电池消耗量e与行驶路程l成一次线性关系，即：/>

e(l)＝hl

其中h为比例系数，0≤l≤L_max，

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：

其中h为比例系数，0≤l≤L_max，

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：

故充电时间阻抗

部分可以表示为：

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Q_c与充电时间成一次线性关系，则有：

其中p为比例系数(p>0)。在选择充电时，δ_hc＝0，故

因此充电费用可以表示为：

/>

其中0≤l≤L_max，

而直接更换电池的费用可直接设为Q_h，要求达到续航费用的最小化，就是取Q_c与Q_h的较小值，于是续航费用规划的目标函数为：

Q_k＝min{Q_c,Q_h}＝min{phηl,Q_h}

当

时，Q_k＝Q_h；当/>

时，Q_k＝phηl，即：

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x_i无量纲化后的值；max(x_i)和min(x_i)分别表示变量x_i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。

假设无量纲化后的子目标函数分别为

(Q_k)',则多目标规划模型可表示为最小化标准形式，即：

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：

Q_k＝Q_h·δ_hc+phηl·(1-δ_hc) (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；Q_k表示完成一次充电的费用；而/>

(Q_k)′则表示/>

Q_k在无量纲化后的标准化表达式；式(2)中，a_i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a_i的拥堵情况，/>

表示在路段a_i的平均行驶速度，δ_hc表示用户选择充电或直接更换电池，t_h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；Q_h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，T_max为用户能接受的完成一次充电的时间，L_max为当前可以续航的最大路程，E_max为当前电动汽车最大电量值。

2.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2建立多目标优化模型进行无量纲化时采用极差化法，其转化公式如下：

式(7)中，x_i′为无量纲化后的标准形式，x_i为待无量纲化的一般函数表达式，max(x_i)为待无量纲化函数x_i的最大值，min(x_i)为待无量纲化函数x_i的最小值。

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。

Images