论文部分内容阅读
由于电动汽车(Battery Electric Vehicles,BEVs)环境友好型的特性,无尾气排放,运行噪音小,因此受到越来越多的关注。各国政府对BEVs实行免费停车等福利政策,大力促进BEVs的普及和推广。由于BEVs与燃油汽车(Fuel Vehicles,FVs)相比,运行距离短,因此驾驶员有较大的焦虑里程。短期内,提高BEVs电池技术,使其运行范围与FVs接近是不现实的。而目前存在的插入式充电,充电车道,电池更换站三种充电方式,只能在固定位置为BEVs补充电量,灵活度低,不能较好的解决BEVs的充电问题。移动充电车辆(Mobile Charging Vehicles,MCVs)可以根据BEV驾驶员发送的充电请求,到达指定位置,在服务时间窗内提供充电服务。并且,在充电服务过程中,BEV驾驶员可以不停留在车内。因此,MCVs可以较好的解决BEVs的充电问题。目前,移动充电服务由e约充电公司和Nio Power公司运营。但是,两公司运营的MCVs存在一定差异。e约充电公司使用的为燃油型MCVs(Fuel MCVs,FMCVs)。FMCVs携带的电池仅用于在顾客节点(BEVs请求进行电量补充的位置)为BEVs补充电量。当电量不足时,其将到达充电站进行电量补充。而Nio Power公司使用的为电动型MCVs(Electric MCVs,EMCVs)。EMCVs携带的电池不仅用于在节点间的运行,也需在顾客节点为BEVs补充电量。当其电量不足时,也将到达充电站进行电量补充。然而,两种MCVs为BEVs的充电方式较为简单,仅为车辆间的电量传递。因此,基于两种MCVs的电量消耗和补充方式,本文首先研究两种车型的路径规划问题(Vehicle Routing Problem,VRP)。两种移动充电车辆的混合整数VRP线性模型被建立。并且,基于EMCVs的VRP研究,本文进一步深入研究了 EMCVs的定位-路径规划问题(Location-Routing Problem,LRP)。在EMCVs 的 LRP 问题,本文假设了三种不同成本,不同充电速率的充电站。在战略层,EMCVs运营商需在一定成本下,确定合作的充电站位置,数目以及充电设备的充电速率。随后,在策略层,运营商需同时优化EMCV是的服务路径。最后,通过线性化处理以及模型等价性证明,本文建立了线性的多种充电速率的EMCVs的LRP模型。本文针对三个模型,分别基于著名的Solomon实例生成36个测试实例,进行数值分析。在基本的数值结果中,具有较宽时间窗的实例,请求的MCVs数目较少且总的运行距离较短。随后,我们对MCVs的电池容量,充电速率,服务速率等多个可能影响MCVs路径的因素进行灵敏度分析。在灵敏度分析结果中,较大的电池容量,较快的充电速率,较高的服务效率等都可提高MCVs的服务灵活性,从而减少总的被请求的MCVs数目以及总的运行距离。最后,我们对文章的贡献,研究内容,以及结果进行了总结,并且对未来可能的研究方向进行简单阐述。图19幅,表15个,参考文献134篇。