时变特性下考虑充电排队时间的电动车路径优化

为解决电动车物流配送过程中因充电站容量有限,车辆可能需要排队才能充电的问题,综合考虑车辆装载量、电池容量、充电站服务能力、客户服务时间窗、随时间变化的充电站排队时间等约束条件,构建了混合整数规划模型。首先,将一天划分为不同时间段,将充电站车辆到达强度用阶跃函数表示,以此描述充电站车辆排队等待时间的时变特性;其次,为求解该模型,设计了一种自适应大邻域搜索算法(ALNS),提出了相应的初始解生成规则和邻域搜索算子;最后,参照Solomon案例设计了小型、中型、大型算例,用Gurobi求解器和ALNS算法求解算例,Gurobi求解器得到的精确解用于验证ALNS算法的有效性,算例结果证明了ALNS算法有良好的求解结果和收敛性。通过对充电站车辆排队时间对车辆配送路径的影响进行研究,结果表明,较长的排队时间会导致使用车辆数增加,车辆充电时间会选择在整个车辆配送路径的后半段。

考虑充电排队时间的电动汽车混合交通路网均衡

为分析充电排队时间对电动汽车用户路径选择以及路网均衡的影响,分别考虑充电排队时间与充电站充电流量、充电时间与充电量的关系,构建了相应的混合交通路网模型。证明了解的唯一性,并推导了混合交通网络模型对应的KKT条件,证明其与Wardrop第一原理等价。基于梯度投影法设计了求解算法,构建了一个算例验证了模型及算法的有效性。研究结果表明:固定排队时间下的最优解对应的充电站充电流量分布不唯一,非固定排队时间下的最优解对应的充电站充电流量分布唯一。在非固定排队时间下,电动汽车用户为了规避过长的充电排队时间,充电站充电流量分布会更加均衡;服务能力对充电站利用率的均衡性有显著影响;路网的总充电排队时间以及总出行时间随充电站服务能力的增大而逐渐减少。

蜂群无人机充电排队优化方法

针对蜂群无人机快速充电排队问题,首次提出以平均队列长度和平均等待时间作为蜂群无人机充电排队优劣的评价指标。并通过理论分析和数值计算,在多充电平台的条件下,对蜂群无人机的分布式充电和集中式充电2种充电排队方式进行了比较和分析。得出蜂群无人机在泊松到达的条件下,随着服务强度的增加,评价指标对应的曲线出现了一个交叉点。在这个交叉点前,即服务强度较弱时,集中式充电排队方式优于分布式充电排队方式。在交叉点之后,即随着服务强度的增强,分布式充电排队方式将逐渐优于集中式充电排队方式。本文为蜂群无人机高效地完成任务提供了快速充电排队解决方案。

基于遗传算法的电动汽车排队充电策略研究

电动汽车的发展非常迅速,如何解决排队充电问题是个新兴的研究课题。本文利用遗传算法对其进行研究,首先建立其充电排队的约束条件,然后利用遗传算法对问题进行求解,最后利用仿真实验验证了算法的有效性。

电动汽车预约充电排队问题研究

21世纪伊始,中国资源环境问题日益突出,大气污染不断加重。为保障国民经济的可持续发展,国家实施了节能减排战略,其中发展新能源汽车尤其是电动汽车成为节能减排战略的重要环节。

新能源汽车排队充电策略研究

新能源汽车的发展意义重大。文章在不提高新能源汽车充电效率的基础上,对新能源汽车排队充电的策略进行研究。利用智能算法中性能优良的粒子群算法对建立的模型进行求解,得到的充电排序方法能够满足实际的需要,为现实环境的新能源汽车的排队充电提供了理论依据。

多信息融合下电动汽车充电路径规划

由于电动汽车用户难以找到充电时间与充电地点之间的平衡点,不能准确把握何时何地进行充电行为。文中首先选取能够准确反映实际道路中用户独特驾驶特性的行驶工况特征参数,采用工况识别法构建电动汽车在实时动态路况下的剩余电量估算模型,判断其出行过程中何时有充电需求;当有充电需求时,通过预测充电站的抵达车辆数,建立电动汽车排队等待时间模型,为用户规划有效充电时段,作为选择充电地点的依据;考虑到充电时间与充电地点的耦合关系,从用户角度出发,在电池剩余电量的约束下,构建用户出行距离、出行时间及充电成本三者权值之和最优为目标的电动汽车充电路径模型,并将其应用于实际交通路网区域中,采用蚁群算法对其进行仿真验证。

纯电动汽车充电桩的数量优化

充电基础设施对纯电动汽车的发展有直接影响,优化充电桩数量有利于基础设施建设。利用随机离散事件建立排队模型,仿真深圳某充电站内排队指标。结果表明充电桩最优数量低于当前数量,通过优化配置可以降低充电服务成本,为企业规划与基础设施建设提供参考。