论文部分内容阅读
近年来,因汽车尾气的大量排放,导致环境污染加重,同时,化石燃料越发稀少,而随着国家经济的发展,汽车生产越来越多,能源越发紧张。因为使用的清洁以及能源的可再生性,电动汽车(Electric Vehicles,EV)展现了广阔的发展空间。成为了各国政府及企业纷纷大力发展的对象。其中电动汽车电池能量补给有充电和换电两种模式。因公交车的运营往往遵循提前制订的发车计划和较为固定的行驶路线,并且车辆和电池规格统一,换电模式因能量补给快在电动公交车内得到广泛推广。伴随着电动公交车换电站的快速发展,电动公交车的行车计划杂乱、换电站电池组和充电桩等资源的冗余、充电的无序等问题开始出现,亟需解决。换电站的定容以及充换电调度成为了影响电动电动公交车换电站发展的关键因素。本文以换电站的定容以及充换电调度为核心、公交车的行车计划优化为辅展开了深入研究。针对换电站的行车计划调度问题,本文根据电动公交车的续驶里程以及客流数据,考虑到电量是否能满足下一次行驶需要以及换电次数和换电时间对行车计划的影响,以换电站日运营成本最低为目标函数,提出了一种改进遗传算法(Improved Genetic,IG),优化了公交车的行车计划调度,节约了换电站的运营成本,同时为后面换电站的定容及充换电调度做好了准备工作。针对换电站的定容以及充换电调度问题。本文提出了两种算法,首先根据现有相关换电站容量配置算法和充换电调度算法的不足,提出一种以电动公交车换电站成本最低为目标函数的定容-调度算法(Constant Volume-Scheduling,CV-S)。该算法首先解决换电站的定容问题,提出一种以电动公交车换电站成本(电池组成本和充电桩成本)最低为目标函数的定容算法,并采用差分进化算法(Differential Evolution,DE)对模型进行优化求解,很大程度地节约了换电站的成本。在求解出了最优的电动公交车换电站容量配置后,提出一种以电动公交车换电站充电成本最低为目标函数的充换电调度算法,然后利用0-1整数规划(0-1 Integer Programming,0-1IP)对算法进行优化求解,节省了换电站的充电成本。接着,本文提出了一种联合算法(Joint Optimization,JO),是对CV-S算法的优化和改进。考虑到充电成本对换电站总成本有影响,同时会影响换电站的电池组数量及充电桩数量的配置,联合算法以电动公交车换电站成本(电池组成本、充电桩成本和充电成本)最低为目标函数,采用JO算法,同时优化求解出电动公交车换电站的充电桩数量、电池组数量以及电池组的充换电调度,更加优化了换电站的容量配置及充换电调度。