[發(fā)明專利]一種基于蟻群算法的電動汽車充電調(diào)度優(yōu)化方法

有效

• 申請?zhí)枺?/td>: 201910025110.6
• 申請日: 2019-01-11
• 公開（公告）號: CN109784558B
• 公開（公告）日: 2021-05-18
• 發(fā)明（設(shè)計）人: 錢麗萍;周欣悅;黃玉蘋;吳遠(yuǎn)
• 申請（專利權(quán)）人: 浙江工業(yè)大學(xué)
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/00
• 代理公司: 杭州斯可睿專利事務(wù)所有限公司 33241
• 代理人: 王利強(qiáng)

1.一種基于蟻群算法的電動汽車充電調(diào)度優(yōu)化方法，其特征在于所述調(diào)度優(yōu)化方法包括如下步驟：

1)當(dāng)電動汽車處于電量值較低時，用戶先向服務(wù)器發(fā)送充電請求，服務(wù)器收到請求后會先收集電動汽車電池的剩余能量、空調(diào)狀態(tài)、電動汽車的當(dāng)前位置及周邊充電站分布情況，同時要參考周圍道路擁堵情況，步驟如下：

步驟1.1：通過測算流入和流出的庫侖量并采用庫侖計數(shù)法來估算電動汽車剩余能量，在測量過程中，電池容量以安培小時為計量單位，計算公式為：

A_l＝A_max-A_u (1-1)

其中，各參數(shù)定義如下：

A_max：滿電狀態(tài)下電池容量；

A_u：當(dāng)前已使用的電池容量；

A_l：剩余可使用的電池容量；

E_max：滿電狀態(tài)下電池的能量；

E_l：電池剩余能量；

步驟1.2：在電動汽車行駛過程中，電動汽車到達(dá)充電站的時間往往受到道路擁堵情況的影響，引入擁堵系數(shù)ε表示道路的擁堵情況，再根據(jù)每段路的擁堵情況計算出電動汽車在該道路的行駛時間，計算公式為：

其中，各參數(shù)定義如下：

num:進(jìn)入道路的車輛數(shù)；

T:閾值容量，保證道路順暢通行的最大車輛數(shù)；

C:臨界值，引起道路擁堵的車輛數(shù)；

t:電動汽車在道路的行駛時間；

電動汽車在該道路順暢通行的平均行駛時間；

步驟1.3：根據(jù)電動汽車行駛消耗的能量和電動汽車行駛過程中空調(diào)所消耗的能量計算電動汽車在道路上行駛消耗的總能量為：

E₁＝d×E(v) (1-6)

E₂＝t×E (1-7)

E＝E₁+E₂ (1-8)

其中，各參數(shù)定義如下：

v:電動汽車在道路上的行駛速度；

d:道路長度；

E(V):電動汽車以速度v行駛所對應(yīng)的能耗；

E₁:電動汽車上行駛的總能耗；

E₂:電動汽車的空調(diào)總能耗；

E:電動汽車需要的總能耗；

步驟1.4：篩選出允許電動汽車充電的f個充電站，引入索引集I＝{1,2,…,i,…f}，可允許充電的充電站記為{CS_i}_i∈I；

2)將道路網(wǎng)格化，假設(shè)電動汽車只能在路口f和路口m間的水平道路x_fm以及路口n和路口m垂直道路y_nm上行駛，水平和垂直方向路網(wǎng)的相鄰兩點的道路集合為{x₁₁,x₁₂,…x_fm}和{y₁₁,y₁₂,…y_nm}，水平和垂直方向的擁堵系數(shù)集合為和f個充電站依次排列在路網(wǎng)的終端，結(jié)合步驟1)，電動汽車充電調(diào)度問題描述成如下的優(yōu)化問題：

s.t.x_fm,y_nm＝{0,1} (2-1)

x₁₁+y₁₁＝1 (2-2)

x_nm+y_nm＝x_nm'+y_n'm (2-3)

x_fm＝x_fm'+y_nm (2-4)

在此，各參數(shù)定義如下：

t_f:選擇的充電站的等待時間；

水平路段的道路數(shù)；

垂直路段的道路數(shù)；

電動汽車在水平路段x_fm的行駛能耗；

電動汽車在垂直路段y_nm的行駛能耗；

E_l：電動汽車的剩余能量；

其中，m'＝m-1、n'＝n-1，若m'＝0、n'＝0，則對應(yīng)的x_nm'、y_nm'、x_fm'為0；

3)針對這個問題模型，采用蟻群算法為電動汽車選擇合適的目標(biāo)充電站以及到達(dá)目標(biāo)充電站的最優(yōu)行駛路徑，步驟如下：

步驟3.1：將迭代計數(shù)器N置0并設(shè)置最大的迭代次數(shù)N_max；再初始化路網(wǎng)模型，設(shè)置電動汽車的當(dāng)前位置為起點，各充電站為終點，假設(shè)每條路段的信息素const都相等；初始化禁忌表tabu，禁忌表用來保存螞蟻已經(jīng)走過的節(jié)點，從而保證螞蟻正常行駛時不會重復(fù)經(jīng)過某個節(jié)點；

步驟3.2：設(shè)置螞蟻的數(shù)量z，并將z只螞蟻放在起點處；

步驟3.3：螞蟻k在第N次迭代時，水平路段x_fm轉(zhuǎn)移的概率為：

其中，allowed_k＝{C-tabu_k}；同理求出垂直路段y_nm的轉(zhuǎn)移概率

在此，各參數(shù)定義如下：

螞蟻k轉(zhuǎn)移到水平路段x_fm的概率；

螞蟻k轉(zhuǎn)移到垂直路段y_nm的概率；

C：所有的路段集合；

tabu_k：螞蟻k經(jīng)過的路段集合；

allowed_k：螞蟻k下一步可選擇的路段集合；

α：信息啟發(fā)式因子，該值越大，表示螞蟻更傾向選擇其他螞蟻經(jīng)過的路徑，這里設(shè)為定值10；

β：期望啟發(fā)式因子，該值越大，表示螞蟻路段轉(zhuǎn)移的概率越接近于貪婪規(guī)則，這里設(shè)為定值1；

η(N)：啟發(fā)函數(shù)；

τ(N)：迭代N次時，路段上的信息濃度；

而啟發(fā)函數(shù)η(N)的表達(dá)式為：

F(N)＝t+t_c (3-3)

在此，各參數(shù)定義如下：

F(N)：路段的權(quán)重；

t：選擇路段的行駛時間；

t_c：保證計算魯棒性而添加的時間常數(shù)；

步驟3.4：若螞蟻k在選擇路徑時，沒有滿足公式(2-3)的約束條件，則螞蟻k將自動死亡；如果螞蟻k未死亡,則將所選擇的路徑加入禁忌表tabu_k中；

步驟3.5：計算本次迭代的局部最優(yōu)解若優(yōu)于全局最優(yōu)解T，則令T＝T_l；

步驟3.6：為了避免殘留信息過多淹沒了啟發(fā)信息，在螞蟻k走到終點后，要對殘留信息及時進(jìn)行更新，在信息不斷更新的同時，路徑上的殘留信息則隨著時間的推移逐漸淡化，路徑上的信息素更新規(guī)則表達(dá)式為：

各參數(shù)定義如下：

Δτ^k(N)：第k只螞蟻在本次循環(huán)中留在每個路段上的信息量；

Q:信息素強(qiáng)度，這里設(shè)為定值100；

T^k：第k只螞蟻的在本次循環(huán)中求得的解；

ρ：信息素?fù)]發(fā)系數(shù)，取值范圍一般為(0,1)，這里設(shè)為定值0.2；

Δτ(N)：本次循環(huán)中每個路段上的信息素增量，初始時刻Δτ(0)＝0；

步驟3.7：若N＜N_max，則清空禁忌表中的所有數(shù)據(jù)，令Δτ(N)＝0，N＝N+1并且回到步驟3.2開始新一輪的計算；否則，則退出循環(huán)，輸出結(jié)果；

4)之后，只要服務(wù)器和電動汽車處于連接狀態(tài)，服務(wù)器會將目標(biāo)充電站和到達(dá)目標(biāo)充電站最優(yōu)路徑的信息發(fā)送給用戶。