CN115496277A - 一种基于改进猫群算法的移动补电装置调度方法及*** - Google Patents
一种基于改进猫群算法的移动补电装置调度方法及*** Download PDFInfo
- Publication number
- CN115496277A CN115496277A CN202211142328.8A CN202211142328A CN115496277A CN 115496277 A CN115496277 A CN 115496277A CN 202211142328 A CN202211142328 A CN 202211142328A CN 115496277 A CN115496277 A CN 115496277A
- Authority
- CN
- China
- Prior art keywords
- cat
- charged
- information
- supplementing
- electric vehicle
- 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.)
- Granted
Links
- 241000282326 Felis catus Species 0.000 title claims abstract description 121
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000001502 supplementing effect Effects 0.000 claims abstract description 94
- 238000005457 optimization Methods 0.000 claims abstract description 80
- 230000005611 electricity Effects 0.000 claims abstract description 63
- 230000004044 response Effects 0.000 claims abstract description 41
- 238000012163 sequencing technique Methods 0.000 claims abstract description 37
- 230000001174 ascending effect Effects 0.000 claims abstract description 31
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 3
- 238000011217 control strategy Methods 0.000 claims description 3
- 238000004836 empirical method Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 3
- 230000002035 prolonged effect Effects 0.000 abstract description 2
- 230000008901 benefit Effects 0.000 description 5
- 239000013589 supplement Substances 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/12—Electric charging stations
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Biomedical Technology (AREA)
- Entrepreneurship & Innovation (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明公开了一种基于改进猫群算法的移动补电装置调度方法,包括以下步骤:获取目标区域内所有待充电电动车的信息,以及所有可工作的移动补电装置的位置相关信息;根据给定的限制条件得到多个路径优化方案信息;根据预设的规则计算移动补电装置补电响应时间;对补电响应时间进行升序排序,并按照排序结果显示预设数量的路径优化方案信息。调度***包括:数据获取模块、算法优化模块、显示输出模块。本发明根据改进猫群算法计算出最短响应时长的最优补电路径,可以有效解决有车难充电的缺点,延长可续里程,解决目前固定充电桩落地上的问题,同时优化路径响应时间短满足车辆的紧急续航需求。
Description
技术领域
本发明涉及一种调度方法及***,尤其涉及一种基于改进猫群算法的移动补电装置调度方法及***,属于新能源技术领域。
背景技术
移动补电装置相当于一座小型“充电站”,作为分布式储能电源或应急电源其作用是随时随地为电动汽车应急充电。利用快充模式,在无桩地区或充电设施故障等紧急情况下,给电动汽车充电10分钟,可供其续驶40公里左右。但是当新能源汽车发出充电需求时,移动补电装置如何快速到达待充点;或者是当新能源汽车发出充电需求时,***如何响应给出最短时间的路径规划使得新能源汽车与移动补电装置接驳补电。因此对移动补电装置供电路径优化的研究是新能源汽车行业发展的关键环节。
发明内容
为了解决上述技术所存在的不足之处,本发明提供了一种基于改进猫群算法的移动补电装置调度方法及***,通过提供移动补电装置的调度优化路径,解决现有电动汽车充电难的问题。
为了解决以上技术问题,本发明采用的技术方案是:一种基于改进猫群算法的移动补电装置调度方法,包括以下步骤:
获取目标区域内所有待充电电动车的位置信息和可续航信息,以及所有可工作的移动补电装置的位置相关信息;
根据给定的限制条件,所有待充电电动车的位置信息、可续航信息和路况信息,以及所有可工作的移动补电装置的位置相关信息得到多个路径优化方案信息;
根据预设的补电续航里程规则计算多个路径优化方案信息的移动补电装置补电响应时间;
对多个路径优化方案信息的移动补电装置补电响应时间进行升序排序,并按照排序结果显示预设数量的路径优化方案信息。
优选的,移动补电装置补电响应时间信息包括移动补电装置的位置信息、待充电电动车发出补电信息时的位置信息、以及可工作的移动补电装置到达待充电电动车位置所用时间长短。
优选的,给定的限制条件包括:待充电电动车发出补电信息时可续航的里程数无法到达固定充电桩位置,或者附近的充电桩无空闲可供充电的,以及待充电电动车所处交通位置路况符合移动补电装置交通规定。
优选的,对多个路径优化方案信息的移动补电装置响应时间进行升序排序,包括:按照所有可工作的移动补电装置的补电路径响应时间排序显示;
如果按照所有移动补电装置的补电响应时间进行排序显示时,存在至少两个路径优化方案的响应时间相同,则对至少两个路径优化方案按照总路程进行升序排序;
如果对至少两个路径优化方案按照总路程进行升序排序时,存在至少两个路径优化方案的总路程基本相同,则按照每台移动补电装置到达待充电电动车位置后,该位置附近可工作的移动补电装置数量进行排序。
一种基于改进猫群算法的移动补电装置调度方法的***,该***包括:
数据获取模块:用于获取目标区域内所有待充电电动车的位置信息和可续航信息、可工作的移动补电装置的位置信息、以及所有临近移动补电装置位置的空闲固定充电桩的位置相关信息;
算法优化模块:用于根据给定的限制条件、所有待充电电动车的位置信息和可续航信息,以及所有可工作的移动补电装置的位置信息得到多个路径优化方案信息;
算法优化模块还用于根据预设的多个待充电电动车所在位置信息计算多个路径优化方案信息的响应时间,并对多个路径优化方案信息的响应时间进行升序排序;
显示输出模块:用于按照排序结果显示预设路径优化方案的方案信息。
优选的,给定的限制条件包括待充电电动车无法续航到固定充电桩的位置、或者固定充电桩地点无空闲充电桩,可工作的移动补电装置至少可以为待充电电动车补电续航到下个固定充电点或者完成续航要求,待充电电动车所处位置便于移动补电装置工作符合交通规定限制条件。
优选的,算法优化模块用于按照多个路径优化方案信息中移动补电装置到达待充电电动车的时间升序排序;
如果按照移动补电装置到达待充电电动车的时间进行升序排序时存在至少两个路径优化方案的时间相同,则对至少两个路径优化方案按照移动补电装置运行的路程或补电返航总时间进行升序排序;
如果对至少两个路径优化方案按照总时长进行升序排序时存在至少两个路径优化方案的总路程和总时长相同,则按照每台移动补电装置到达待充电电动车位置后,该位置附近可工作的移动补电装置数量进行排序。
优选的,算法优化模块根据改进猫群算法计算出最短响应时长的最优补电路径;首先针对所缺网址点采用移动补电装置进行补位,其约束条件为:
a.出行时电动车需要充电位置距离固定充电桩较远;
b.移动补电装置响应时间预设小于电动车完全耗电到零的时间;
c.移动补电装置设置网点符合电动车出行对充电站的要求;
d.出行状况符合交通规定限制。
优选的,猫群算法包括以下步骤:
步骤1、将猫群初始化;
步骤2、根据MR将猫群随机分组,即分为搜寻模式和跟踪模式;
步骤3、执行相应的算子对猫的位置进行更新,计算所有猫的适应度,选取并进行记录,最终保留种群中适应度最优的猫;
步骤4、如果满足结束条件则立刻终止算法,否则在返回步骤2;
假设,第i只猫即待充电电动车在D维空间的位置和速度为:
xi=(xi,1,xi,2,xi,3,…,xi,D),i=1,2,3…,D
vi=(vi,1,vi,2,vi,3,…,vi,D),i=1,2,3…,D
运算过程中局部最优解的猫表示为:
xg,best=(xg,best,1,xg,best,2,xg,best,3,…xg,best,D)
首先确定这个模式下的猫更新速度,即
vi(n+1)=vi(n)+c·rand[xg,best(n)-xi(n)]
式中:vi(n+1)为位置更新以后第i只猫的速度值,c为常数值,rand为[0,1]的随机值;
猫的位置是通过速度变化而变化的,则更新第i只猫的位置为:
xi(n+1)=xi(n)+vi(n+1)=xi(n)+vi(n)+c·rand[xg,best(n)-xi(n)]。
优选的,采用模糊理论对猫群算法的参数c进行调试,改进后的模糊猫群算法更新公式为:
xi(n+1)=xi(n)+vi(n+1)=xi(n)+vi(n)+cx(n)·rand[xg,best(n)-xi(n)]
cx(n)=a+x(n)(b-a)
x(n)=ux(n-1)[1-x(n-1)]
其中,猫群的位置变量cx(n),u为模糊控制参数,根据经验法选择模糊范围值;
采用改进的猫群算法对电动车需求模型进行优化调度求解,改进的猫群算法包括以下步骤:
步骤1、随机初始化符合约束条件的猫群***置即待充电电动车初始位置,处于[a,b]区间,种群大小设为N,分组率为MR,考虑到MR值固定,为了加快计算速度可动态更新MR值,计算公式为:
其中,DT为当前的迭代次数;
步骤2、通过参照猫群的初始位置来计算猫群体适应度值,选取合适位置并记录种群中的最大适应度值;
步骤3、根据新的动态分组率MR对猫群进行随机分组;
步骤4、搜寻模式:复制猫的样本,将复制好的样本存入记忆池SMP中;
步骤5、跟踪模式:整个猫群所经历过的最佳位置就是搜索到的最优解;
步骤6、计算适应度值并记录,最后保留种群中适应度最优的猫;
步骤7、判断是否满足约束条件:是,则输出最优解路径,结束程序;否,则利用模糊控制策略对猫群算法参数进行更新,重复步骤2~步骤7进行寻优迭代处理。
本发明提供一种基于改进猫群算法的移动补电装置调度方法及***,调度***根据改进猫群算法计算出最短响应时长的最优补电路径,可以有效解决有车难充电的缺点,给电动汽车充电10分钟,可供其续驶40公里左右,延长可续里程,解决目前固定充电桩落地上的问题,同时优化路径响应时间短满足车辆的紧急续航需求。
本发明的调度******,电动汽车用户在出行时可以在该***中输入电动汽车电量信息和出行距离信息,***可以预测下一次充电的时间及给出沿途充电桩的信息便于用户及时充电,同时通过多个电动汽车用户的充电需求数据,构建模型预测多辆电动车出行时的充电需求,引进猫群算法对模型进行求解,且在传统猫群的基础上进行改进优化了移动补电装置调度过程中的路径,缩短了移动补电装置的调度时间,使得补电响应迅速。
附图说明
图1为本发明改进猫群算法的流程图。
图2为本发明实施例中移动补电装置的路径优化路线图a。
图3为本发明实施例中移动补电装置的路径优化路线图b。
图4为本发明实施例中移动补电装置的调度***图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细的说明。
一种基于改进猫群算法的移动补电装置调度方法,包括以下步骤:
获取目标区域内所有待充电电动车的位置信息和可续航信息,以及所有可工作的移动补电装置的位置相关信息;
用户发出充电需求后,***可以直接给出最优的补电路径指导方案,根据同时段不同地点用户发出的充电需求信息,结合目标区域内的固定充电桩的信息(空闲可用)和附近可以使用的移动补电装置信息(可供电量和地理位置),以路径最短和接驳时间最短为目标,***给出最优的调度方案。
可以直接给用户提供沿途及停车附近的目标区域内充电站的位置信息和使用率信息,以及所有等待充电的电动汽车的位置信息;
根据给定的限制条件,所有待充电电动车的位置信息、可续航信息和路况信息,以及所有可工作的移动补电装置的位置相关信息(包括所有移动补电装置到达待充电电动车的时间)得到多个路径优化方案信息;
其中,给定的限制条件包括:待充电电动车发出补电信息时可续航的里程数无法到达固定充电桩位置,或者附近的充电桩无空闲可供充电的,以及待充电电动车所处交通位置路况符合移动补电装置交通规定。
给定的限制条件还可以为:待充电电动车发出补电信息时的可续航路程不超过其到达固定充电桩的距离、移动补电装置位置距离待充电电动车的距离不超过预设距离、待充电电动车在可以边充边行驶的道路上或者可以在续航允许的范围内找到可停点等待充电。
根据预设的补电续航里程规则(用户输入的信息预设的等待充电时间)计算多个路径优化方案信息的移动补电装置补电响应时间;
对多个路径优化方案信息的移动补电装置补电响应时间进行升序排序,并按照排序结果显示预设数量的路径优化方案信息。
移动补电装置补电响应时间信息包括移动补电装置的位置信息、待充电电动车发出补电信息时的位置信息、以及可工作的移动补电装置到达待充电电动车位置所用时间长短。
对多个路径优化方案信息的移动补电装置响应时间进行升序排序,包括:按照所有可工作的移动补电装置的补电路径响应时间排序显示;
如果按照所有移动补电装置的补电响应时间进行排序显示时,存在至少两个路径优化方案的响应时间相同,则对至少两个路径优化方案按照总路程进行升序排序;
如果对至少两个路径优化方案按照总路程进行升序排序时,存在至少两个路径优化方案的总路程基本相同,则按照每台移动补电装置到达待充电电动车位置后,该位置附近可工作的移动补电装置数量进行排序。
对多个路径优化方案信息的移动补电装置到达待充电电动车的时间进行升序排序(等待时间越短越好)还包括:按照多个路径优化方案信息中充电后可续航的路程进行降序排序;此处按照可续航路径排序,可续航路径最长为最优,所以采用降序排序。
如果按照多个路径优化方案信息的移动补电装置到达待充电电动车的时间相同,则对至少两个路径优化方案按照充电后可续航的路程进行降序排序;
如果对至少两个路径优化方案按照充电后可续航的路程进行降序排序时存在至少两个路径优化方案的续航总路程相同,则按照补电后移动补电装置返航时长的指标进行排序。移动补电装置为待充电电动车充满电后或者充电任务完成后需要返回集中点进行补电。
如图4所示,一种基于改进猫群算法的移动补电装置调度方法的***,该***包括:
数据获取模块:用于获取目标区域内所有待充电电动车的位置信息和可续航信息、可工作的移动补电装置的位置信息、以及所有临近移动补电装置位置的空闲固定充电桩的位置相关信息;
获取的数据包括:待充电电动车发出充电要求后,其所在的地理位置信息、车辆所剩余的电量可以续航的信息等。
算法优化模块:用于根据给定的限制条件、所有待充电电动车的位置信息和可续航信息,以及所有可工作的移动补电装置的位置信息得到多个路径优化方案信息;
算法优化模块还用于根据预设的多个待充电电动车所在位置信息计算多个路径优化方案信息的响应时间,并对多个路径优化方案信息的响应时间进行升序排序;
显示输出模块:用于按照排序结果显示预设路径优化方案的方案信息。
给定的限制条件包括待充电电动车无法续航到固定充电桩的位置、或者固定充电桩地点无空闲充电桩,可工作的移动补电装置至少可以为待充电电动车补电续航到下个固定充电点或者完成续航要求,待充电电动车所处位置便于移动补电装置工作符合交通规定限制条件。
响应时间包括可工作的移动补电装置到达待充电电动车位置所用时间长短。
算法优化模块用于按照多个路径优化方案信息中移动补电装置到达待充电电动车的时间升序排序;
如果按照移动补电装置到达待充电电动车的时间进行升序排序时存在至少两个路径优化方案的时间相同,则对至少两个路径优化方案按照移动补电装置运行的路程或补电返航总时间进行升序排序;
如果对至少两个路径优化方案按照总时长进行升序排序时存在至少两个路径优化方案的总路程和总时长相同,则按照每台移动补电装置到达待充电电动车位置后,该位置附近可工作的移动补电装置数量进行排序。
也就是说如果车辆处在中间位置,可由两个地点派出移动补电装置,以派出地可以工作的移动补电装置数量多的派出,也就是如果另外一个地方只有一辆移动补电装置就可以等待下一个要求的发出再准备派出。
该***通过算法优化模块首先分析电动汽车出行时需要充电的数据信息及已经有的固定充电桩的位置信息,得出需要布置移动补电装置的网点。
电动汽车充电需求模型构建:
出行时间:电动汽车一次出行时刻t服从正态分布,其概率密度函数为:
式中μ是行程开始时间的期望值,σ是标准方差。
出行距离:电动车用用户每段出行距离d服从对数正态分布,其概率密度行数为:
式中σD是出行距离标准方差,μD是出行距离的期望值。
停留时间:用户在到达目的地之后,到达下一次行程开始的时间t服从正态分布:
驾驶人行为决策:充电起始电荷状态x服从正态分布:
用电充电最低电荷状态x的概率密度函数为:
分析用户出行时充电需求模型结合已经有的固定充电桩网址已经在地图中标志出来(三角形标注)见图2、图3,***可以将各固定充电桩一开始设置为移动补电装置的虚拟网址,以投资建设成本和用户便利两方面进行考虑对移动补电装置(即移动补电车)增设选址构建模型,分配出最佳移动补电装置增设点,***可以将各固定充电桩一开始设置为移动补电装置的虚拟网址,便于调度***计算出最佳响应时间值(如果待充电电动车距离固定充电桩较近,且续航可以完成,则***无需给出优化路径,节省运行成本)。
分析已经有的固定充电桩网址与模型计算出的网址的误差,针对所缺网址点采用移动补电装置进行补位,其约束条件为:
a.出行时电动车需要充电位置距离固定充电桩较远;
b.移动补电装置响应时间预设小于电动车完全耗电到零的时间;
c.移动补电装置设置网点符合电动车出行对充电站的要求;
d.出行状况符合交通规定限制。
猫群算法包括以下步骤:
步骤1、将猫群初始化;
步骤2、根据MR(mixture ratio)将猫群随机分组,即分为搜寻模式和跟踪模式(MR一般取一个较小的值);
步骤3、执行相应的算子对猫的位置进行更新,计算所有猫的适应度,选取并进行记录,最终保留种群中适应度最优的猫;
步骤4、如果满足结束条件则立刻终止算法,否则在返回步骤2;
假设,第i只猫即待充电电动车在D维空间的位置和速度为:
xi=(xi,1,xi,2,xi,3,…,xi,D),i=1,2,3…,D
vi=(vi,1,vi,2,vi,3,…,vi,D),i=1,2,3…,D
运算过程中局部最优解的猫表示为:
xg,best=(xg,best,1,xg,best,2,xg,best,3,…xg,best,D)
其中,xg,best表示算法优化后车辆所在最优位置;
首先确定这个模式下的猫更新速度,即
vi(n+1)=vi(n)+c·rand[xg,best(n)-xi(n)]
式中:vi(n+1)为位置更新以后第i只猫的速度值,c为常数值,rand为[0,1]的随机值;
猫的位置是通过速度变化而变化的,则更新第i只猫的位置为:
xi(n+1)=xi(n)+vi(n+1)=xi(n)+vi(n)+c·rand[xg,best(n)-xi(n)]。
猫群算法的优点是原理简单,且设置参数少,但其自身也存在着很多的局限性。猫群算法中的猫执行的不同模式是根据分组率随机划分的,而该分组率是定值,算法自始至终处于2种模式的猫的数量是一定的。在算法前期也会有部分猫在执行跟踪模式,这部分猫缺乏全局搜索性质,算法多样性较差;在算法后期仍然有部分猫处于搜索模式,在无目标搜索之中,导致收敛速度下降,全局的最优值跟踪精度不高。
参数c在猫群算法寻优过程中有很重要的作用,因此可以通过在一定范围内改变c值来提高算法的全局寻优能力。在此采用模糊理论对猫群算法的参数c进行调试,改进后的模糊猫群算法更新公式为:
xi(n+1)=xi(n)+vi(n+1)=xi(n)+vi(n)+cx(n)·rand[xg,best(n)-xi(n)]
cx(n)=a+x(n)(b-a)
x(n)=ux(n-1)[1-x(n-1)]
其中,猫群的位置变量cx(n),u为模糊控制参数,根据经验法选择模糊范围值;
如图1所示,采用改进的猫群算法对电动车需求模型进行优化调度求解,改进的猫群算法包括以下步骤:
步骤1、随机初始化符合约束条件的猫群***置即待充电电动车初始位置,处于[a,b]区间,种群大小设为N,分组率为MR(mixture ratio),考虑到MR值固定,为了加快计算速度可动态更新MR值,计算公式为:
其中,DT为当前的迭代次数;
步骤2、通过参照猫群的初始位置来计算猫群体适应度值,选取合适位置并记录种群中的最大适应度值;
步骤3、根据新的动态分组率MR对猫群进行随机分组;
步骤4、搜寻模式:复制猫的样本,将复制好的样本存入记忆池SMP中;
步骤5、跟踪模式:整个猫群所经历过的最佳位置就是搜索到的最优解;
步骤6、计算适应度值并记录,最后保留种群中适应度最优的猫;
步骤7、判断是否满足约束条件:是,则输出最优解路径,结束程序;否,则利用模糊控制策略对猫群算法参数进行更新,重复步骤2~步骤7进行寻优迭代处理。
通过上述改进的猫群算法,得到待充电电动车的最优补电路径。以南通市崇川区和开发区为例,设定某一点出现待充电电动车,***给出的调度路径规划如图2、图3所示。
上述实施方式并非是对本发明的限制,本发明也并不仅限于上述举例,本技术领域的技术人员在本发明的技术方案范围内所做出的变化、改型、添加或替换,也均属于本发明的保护范围。
Claims (10)
1.一种基于改进猫群算法的移动补电装置调度方法,其特征在于:该方法包括以下步骤:
获取目标区域内所有待充电电动车的位置信息和可续航信息,以及所有可工作的移动补电装置的位置相关信息;
根据给定的限制条件,所有待充电电动车的位置信息、可续航信息和路况信息,以及所有可工作的移动补电装置的位置相关信息得到多个路径优化方案信息;
根据预设的补电续航里程规则计算多个路径优化方案信息的移动补电装置补电响应时间;
对多个路径优化方案信息的移动补电装置补电响应时间进行升序排序,并按照排序结果显示预设数量的路径优化方案信息。
2.根据权利要求1所述的基于改进猫群算法的移动补电装置调度方法,其特征在于:移动补电装置补电响应时间信息包括移动补电装置的位置信息、待充电电动车发出补电信息时的位置信息、以及可工作的移动补电装置到达待充电电动车位置所用时间长短。
3.根据权利要求2所述的基于改进猫群算法的移动补电装置调度方法,其特征在于:给定的限制条件包括:待充电电动车发出补电信息时可续航的里程数无法到达固定充电桩位置,或者附近的充电桩无空闲可供充电的,以及待充电电动车所处交通位置路况符合移动补电装置交通规定。
4.根据权利要求3所述的基于改进猫群算法的移动补电装置调度方法,其特征在于:对多个路径优化方案信息的移动补电装置响应时间进行升序排序,包括:按照所有可工作的移动补电装置的补电路径响应时间排序显示;
如果按照所有移动补电装置的补电响应时间进行排序显示时,存在至少两个路径优化方案的响应时间相同,则对至少两个路径优化方案按照总路程进行升序排序;
如果对至少两个路径优化方案按照总路程进行升序排序时,存在至少两个路径优化方案的总路程基本相同,则按照每台移动补电装置到达待充电电动车位置后,该位置附近可工作的移动补电装置数量进行排序。
5.一种如权利要求1-4任一项所述的基于改进猫群算法的移动补电装置调度方法的***,其特征在于:该***包括:
数据获取模块:用于获取目标区域内所有待充电电动车的位置信息和可续航信息、可工作的移动补电装置的位置信息、以及所有临近移动补电装置位置的空闲固定充电桩的位置相关信息;
算法优化模块:用于根据给定的限制条件、所有待充电电动车的位置信息和可续航信息,以及所有可工作的移动补电装置的位置信息得到多个路径优化方案信息;
算法优化模块还用于根据预设的多个待充电电动车所在位置信息计算多个路径优化方案信息的响应时间,并对多个路径优化方案信息的响应时间进行升序排序;
显示输出模块:用于按照排序结果显示预设路径优化方案的方案信息。
6.根据权利要求5所述的基于改进猫群算法的移动补电装置调度方法的***,其特征在于:给定的限制条件包括待充电电动车无法续航到固定充电桩的位置、或者固定充电桩地点无空闲充电桩,可工作的移动补电装置至少可以为待充电电动车补电续航到下个固定充电点或者完成续航要求,待充电电动车所处位置便于移动补电装置工作符合交通规定限制条件。
7.根据权利要求5所述的基于改进猫群算法的移动补电装置调度方法的***,其特征在于:算法优化模块用于按照多个路径优化方案信息中移动补电装置到达待充电电动车的时间升序排序;
如果按照移动补电装置到达待充电电动车的时间进行升序排序时存在至少两个路径优化方案的时间相同,则对至少两个路径优化方案按照移动补电装置运行的路程或补电返航总时间进行升序排序;
如果对至少两个路径优化方案按照总时长进行升序排序时存在至少两个路径优化方案的总路程和总时长相同,则按照每台移动补电装置到达待充电电动车位置后,该位置附近可工作的移动补电装置数量进行排序。
8.根据权利要求5所述的基于改进猫群算法的移动补电装置调度方法的***,其特征在于:所述算法优化模块根据改进猫群算法计算出最短响应时长的最优补电路径;首先针对所缺网址点采用移动补电装置进行补位,其约束条件为:
a.出行时电动车需要充电位置距离固定充电桩较远;
b.移动补电装置响应时间预设小于电动车完全耗电到零的时间;
c.移动补电装置设置网点符合电动车出行对充电站的要求;
d.出行状况符合交通规定限制。
9.根据权利要求8所述的基于改进猫群算法的移动补电装置调度方法的***,其特征在于:猫群算法包括以下步骤:
步骤1、将猫群初始化;
步骤2、根据MR将猫群随机分组,即分为搜寻模式和跟踪模式;
步骤3、执行相应的算子对猫的位置进行更新,计算所有猫的适应度,选取并进行记录,最终保留种群中适应度最优的猫;
步骤4、如果满足结束条件则立刻终止算法,否则在返回步骤2;
假设,第i只猫即待充电电动车在D维空间的位置和速度为:
xi=(xi,1,xi,2,xi,3,…,xi,D),i=1,2,3…,D
vi=(vi,1,vi,2,vi,3,…,vi,D),i=1,2,3…,D
运算过程中局部最优解的猫表示为:
xg,best=(xg,best,1,xg,best,2,xg,best,3,…xg,best,D)
首先确定这个模式下的猫更新速度,即
vi(n+1)=vi(n)+c·rand[xg,best(n)-xi(n)]
式中:vi(n+1)为位置更新以后第i只猫的速度值,c为常数值,rand为[0,1]的随机值;
猫的位置是通过速度变化而变化的,则更新第i只猫的位置为:
xi(n+1)=xi(n)+vi(n+1)=xi(n)+vi(n)+c·rand[xg,best(n)-xi(n)]。
10.根据权利要求9所述的基于改进猫群算法的移动补电装置调度方法的***,其特征在于:采用模糊理论对猫群算法的参数c进行调试,改进后的模糊猫群算法更新公式为:
xi(n+1)=xi(n)+vi(n+1)=xi(n)+vi(n)+cx(n)·rand[xg,best(n)-xi(n)]
cx(n)=a+x(n)(b-a)
x(n)=ux(n-1)[1-x(n-1)]
其中,猫群的位置变量cx(n),u为模糊控制参数,根据经验法选择模糊范围值;
采用改进的猫群算法对电动车需求模型进行优化调度求解,改进的猫群算法包括以下步骤:
步骤1、随机初始化符合约束条件的猫群***置即待充电电动车初始位置,处于[a,b]区间,种群大小设为N,分组率为MR,考虑到MR值固定,为了加快计算速度可动态更新MR值,计算公式为:
其中,DT为当前的迭代次数;
步骤2、通过参照猫群的初始位置来计算猫群体适应度值,选取合适位置并记录种群中的最大适应度值;
步骤3、根据新的动态分组率MR对猫群进行随机分组;
步骤4、搜寻模式:复制猫的样本,将复制好的样本存入记忆池SMP中;
步骤5、跟踪模式:整个猫群所经历过的最佳位置就是搜索到的最优解;
步骤6、计算适应度值并记录,最后保留种群中适应度最优的猫;
步骤7、判断是否满足约束条件:是,则输出最优解路径,结束程序;否,则利用模糊控制策略对猫群算法参数进行更新,重复步骤2~步骤7进行寻优迭代处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211142328.8A CN115496277B (zh) | 2022-09-20 | 2022-09-20 | 一种基于改进猫群算法的移动补电装置调度方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211142328.8A CN115496277B (zh) | 2022-09-20 | 2022-09-20 | 一种基于改进猫群算法的移动补电装置调度方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115496277A true CN115496277A (zh) | 2022-12-20 |
CN115496277B CN115496277B (zh) | 2024-02-06 |
Family
ID=84471296
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211142328.8A Active CN115496277B (zh) | 2022-09-20 | 2022-09-20 | 一种基于改进猫群算法的移动补电装置调度方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115496277B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116629413A (zh) * | 2023-05-10 | 2023-08-22 | 金陵科技学院 | 基于随机森林及Dijkstra的移动充电装置全局最优自动部署方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105974794A (zh) * | 2016-06-08 | 2016-09-28 | 江南大学 | 基于改进的猫群算法的离散制造车间调度方法 |
CN110956325A (zh) * | 2019-11-29 | 2020-04-03 | 浙江工业大学 | 一种带时间窗的电动汽车路径规划方法 |
CN111338765A (zh) * | 2020-03-23 | 2020-06-26 | 武汉轻工大学 | 基于猫群算法的虚拟机部署方法、装置、设备及存储介质 |
DE102021111275A1 (de) * | 2020-08-27 | 2022-05-25 | GM Global Technology Operations LLC | Ladesysteme und -verfahren für elektrische fahrzeuge |
CN114781269A (zh) * | 2022-05-09 | 2022-07-22 | 江苏佳利达国际物流股份有限公司 | 一种基于猫群算法的立体式仓储优化方法及立体式仓库 |
CN114861998A (zh) * | 2022-04-22 | 2022-08-05 | 南通大学 | 一种基于混沌猫群算法的移动补电车调度方法及其*** |
-
2022
- 2022-09-20 CN CN202211142328.8A patent/CN115496277B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105974794A (zh) * | 2016-06-08 | 2016-09-28 | 江南大学 | 基于改进的猫群算法的离散制造车间调度方法 |
CN110956325A (zh) * | 2019-11-29 | 2020-04-03 | 浙江工业大学 | 一种带时间窗的电动汽车路径规划方法 |
CN111338765A (zh) * | 2020-03-23 | 2020-06-26 | 武汉轻工大学 | 基于猫群算法的虚拟机部署方法、装置、设备及存储介质 |
DE102021111275A1 (de) * | 2020-08-27 | 2022-05-25 | GM Global Technology Operations LLC | Ladesysteme und -verfahren für elektrische fahrzeuge |
CN114861998A (zh) * | 2022-04-22 | 2022-08-05 | 南通大学 | 一种基于混沌猫群算法的移动补电车调度方法及其*** |
CN114781269A (zh) * | 2022-05-09 | 2022-07-22 | 江苏佳利达国际物流股份有限公司 | 一种基于猫群算法的立体式仓储优化方法及立体式仓库 |
Non-Patent Citations (1)
Title |
---|
王加驰 等: "解决无优化问题的一种改进猫群算法", 《电子设计工程》, vol. 27, no. 11, pages 23 - 27 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116629413A (zh) * | 2023-05-10 | 2023-08-22 | 金陵科技学院 | 基于随机森林及Dijkstra的移动充电装置全局最优自动部署方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115496277B (zh) | 2024-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111532166A (zh) | 一种电动汽车充电路径规划方法、装置、汽车及计算机存储介质 | |
CN103339664B (zh) | 充电器配置计划支持装置、充电器配置计划支持方法 | |
CN105091892B (zh) | 车辆用能量管理装置 | |
CN108199100B (zh) | 智能交通中电动汽车长途运行充电规划方法 | |
US9090255B2 (en) | Hybrid vehicle fuel efficiency using inverse reinforcement learning | |
CN102884401B (zh) | 用于将电池操作的运输装置引导至重整站的方法和引导单元 | |
CN110816549A (zh) | 能源管理装置、模型管理方法以及计算机程序 | |
CN103575285A (zh) | 路径搜索装置 | |
CN103542858A (zh) | 车辆到达目标能力评估方法,数据库生成方法、导航*** | |
CN105636850A (zh) | 移动支持设备、移动支持方法和驱动支持*** | |
CN113071474B (zh) | 一种车辆的能量管理方法、***及车辆 | |
Ferreira et al. | Data mining approach for range prediction of electric vehicle | |
CN114670707A (zh) | 一种充电路线确定方法、装置和可读存储介质 | |
CN115496277A (zh) | 一种基于改进猫群算法的移动补电装置调度方法及*** | |
CN115689083A (zh) | 一种预见性能量管理方法、装置、电子设备及存储介质 | |
Grubwinkler et al. | A modular and dynamic approach to predict the energy consumption of electric vehicles | |
CN115164922A (zh) | 一种路径规划方法、***、设备及存储介质 | |
CN117498325A (zh) | 一种新能源汽车用电量预测及充电资源调度优化方法 | |
CN113984079A (zh) | 电动车的路线规划方法、装置、电子设备和存储介质 | |
CN116432985B (zh) | 一种基于物联网的智慧社区信息处理方法及*** | |
CN103134500B (zh) | 用于搜索路线的导航设备和方法 | |
CN116968767A (zh) | 基于多维数据融合的新能源汽车充电路径规划方法及*** | |
JP2020201796A (ja) | 経路計画装置、経路計画方法及び経路計画システム | |
CN112406874B (zh) | 一种电动汽车远距离充电辅助决策方法 | |
CN114861998A (zh) | 一种基于混沌猫群算法的移动补电车调度方法及其*** |
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 |