半开放式的多车场移动充电车路径优化

为解决移动充电平台投入运营成本高的问题,考虑应急服务点时间窗、流量平衡及充电车里程限制等约束,建立包括移动充电车为应急服务点提供充电服务的车辆启动成本、行驶成本和违反应急服务点的时间窗惩罚成本三者总和最小的混合整数非线性规划模型,通过分支定界法和遗传算法研究了半开放式的多车场移动充电车路径优化问题。结果表明：对半开放式的多车场移动充电车路径优化问题进行10次求解,GAP均值为1.22%,说明遗传算法具有良好的稳定性;与单车场独立服务模式对比分析,半开放式多车场联合服务可为移动充电车提供更多路径选择,减少充电车行驶里程,降低平台运营成本;对比顾客点集中分布情形,在顾客点随机分布和混合分布情形下,移动充电平台的成本节约效果更为显著。     

基于K-means算法的电动汽车充电站在线能量管理

针对电动汽车的充电需求以及未知的实时电价,探讨完整的充电方案,提出一种电动汽车充电站能量管理在线算法,建立由风能、太阳能及电网供电的充电站充电成本优化问题。在电价、风能和太阳能发电量等系统信息已知的条件下,采用离线算法即遗传算法搜索成本最小化问题的全局最优解。由于遗传算法需要已知所有时隙的系统信息,但这些信息是随机分布的,因此提出仅依赖当前信息的在线算法,即基于K-means聚类算法的在线能量管理方案。仿真结果表明,提出的K-means在线算法获得的平均成本优于遗传离线算法,且K-means在线算法收敛速度更快。因此,在电价、风能和太阳能发电量未知的情况下,采用K-means在线算法可控制充电成本。     

基于遗传算法的航空装备备件送修调度优化

针对航空部队备件配送效率低的实际,构建了带时间窗的双向多目标备件送修调度优化模型。该模型放松了对时间窗的约束,通过优化车辆路径方案,在一定行车总时间和单车车载容量的条件下,能以最少的车辆投入满足各作战部队的需求,有效降低了部队的运输服务成本。为解决模型求解中车辆数量的不确定性和行车路径的多选择性等问题,改进了遗传算法的染色体编码和进化算子,提高了算法的效率。理论分析和仿真试验表明,该算法能有效解决多目标规划情形下航空作战部队备件送修任务。     

基于实时电价的含电动汽车微电网两阶段优化调度

为解决大量电动汽车无序充电对微电网负荷曲线产生新的峰值或峰上加峰等现象,提出了V2G(vehicle to grid)下两阶段优化方法,第一阶段考虑实时电价的前提下以满足用户充电需求为目标建立电动汽车有序充放电模型,第二阶段以微电网综合成本最低和微电网出力波动最小为目标,确定电动汽车有序充放电功率。为了解决多目标优化的问题,本文采用改进型多目标粒子群算法（IMPSO）。为验证本文方法的有效性,用蒙特卡洛法模拟某微电网内电动汽车的充电需求后采用本文方法优化,结果证明本文调度方法降低微电网经济成本和出力波动的同时,降低了用户成本。     

考虑拥堵道路停车惩罚的定制公交调度研究

为了满足城市产业聚集区乘客出行的个性化需求,同时缓解路网过饱和问题,提出了考虑拥堵道路停车惩罚的定制公交调度模型。分析定制公交运营条件和调度规则,标定拥堵道路停车载客成本惩罚函数和违反乘客时间窗惩罚函数,以乘客在车时间成本、车辆运行时间成本、违反乘客时间窗惩罚成本和拥堵道路停车惩罚成本构成的系统总成本最优为目标,建立了响应实时需求的定制公交调度决策模型。设计了改进遗传算法和插入算法进行问题的求解,以中关村软件园为实例来验证模型和算法的有效性。结果表明,定制公交在班次时长、满载率以及成本控制等目标上均能达到预期效果,模型和算法具有一定的可行性。     

基于异质性出行需求的公交线路组合调度研究

为进一步研究异质性需求公交线路的组合调度,设计全程车、区间车和大站快车组合调度研究模型:以公交线路总成本(包括用户成本和运营成本)为目标函数,以各种调度模式发车频率、大站快车跳过站点为优化参数,以满足乘客出行需求为约束条件。模型首先基于Logit模型计算换乘比例,将乘客的出行需求进行分类,然后对组合调度方案进行建模。设计一种混合遗传算法的布谷鸟算法求解算例,获得最优解,并对模型参数进行敏感性分析。计算分析结果表明:此组合调度方法相较于全程车、全程车+区间车调度模式,总成本分别减少24.3%和14.4%;并优化乘客出行方式;乘客时间价值和单位运营成本对结果影响较大。通过这种组合调度优化方法,为公交运营企业调度方案提供一种新思路。     

考虑路网拥堵状态的电动公交调度双阶段优化模型

为使公交到站时间符合计划时刻表,该文统筹考虑实时路网状态及客流需求,建立电动公交调度双阶段协同优化模型。路网轻微拥堵时,构建以提高公交服务水平与降低运营成本为目标,以电动公交续航里程与充电时间为约束的优化模型,运用非支配排序遗传算法(NSGA-Ⅱ)求解,得出优化后发车间隔;路网严重拥堵时,构建全程车与区间车组合调度模型,运用模拟退火算法求解,得出组合调度发车时刻表。基于北京市361路运营数据对模型进行验证。结果表明,在满足客流需求且不增加运营成本的前提下,该文模型能够显著提升乘客满意度,公交准点率提高82.38%,乘客平均候车时间减少182.2 s。     

改进的粒子群算法及其在带软时间窗车辆调度问题中的应用

针对微粒群优化算法容易陷入局部极值的缺陷,提出多相粒子群优化算法(Multi-pha-ses Particle Swarm Optimization,MPSO).建立了带软时间窗车辆调度问题数学模型,并将该方法运用于带软时间窗车辆调度路径优化.根据多相粒子群并行搜索的思想,给出MPSO算法在带软时间窗物流配送车辆调度路径优化的实现流程.仿真结果表明:多相粒子群算法可以快速、有效地求得车辆路径问题的优化解,是一种求解带软时间窗车辆路径问题的较好方案.     

基于通用变邻域搜索的多AGV分拣调度优化

为了解决物流仓储分拣中心多台AGV处理大量包裹调度优化困难的问题,在考虑分拣作业时间窗和充电需求的基础上,研究了大规模AGV调度问题。以最小化分拣作业周期为目标,提出了一种通用变邻域搜索(general variable neighborhood search, GVNS)算法,为各台AGV指定转运任务和作业排序,采用遍历插入启发式策略生成满足时间窗约束的初始解,设计了10种邻域算子对初始解迭代寻优,并对比不同规模算例的算法性能,分析AGV充电速率和数量配置对分拣效率的影响。结果表明,GVNS算法具有计算时间和求解性能方面的优势,能在较短时间内求得近似最优解,平均计算时间仅为532.78 s,明显优于混合整数规划模型和约束规划模型;当包裹数为100时,最合适的AGV配置为14辆。因此,GVNS可以有效解决分拣中心考虑充电需求和硬时间窗的大规模多AGV调度问题,提高物流分拣效率,帮助企业找到科学、合理的AGV配置方案。     

带硬时间窗的冷链电动车辆路径问题研究

【目的】针对电动汽车应用于冷链物流配送的情形，充分考虑电动汽车能耗特点和社会充电桩的充电需求，研究了带硬时间窗的冷链电动车辆路径问题。【方法】首先构建以配送总成本最少为优化目标的规划模型；然后基于蚁群算法，设计了充电站优化算法和局部优化策略，形成混合蚁群算法求解问题；最后，改编形成硬时间窗冷链电动车辆路径问题的算例集，通过实验比较验证了蚁群算法和混合算法的性能。【结果】搜索解的改进率达到11-82%。【结论】带局部优化策略的混合蚁群算法能较大程度改进求解能力，算法性能总体得到大幅提升，且结果更稳定。     

考虑订单优先级带时间窗的多车型开放式车辆路径问题研究

针对物流运输中具有优先级的配送订单情况以及新能源车辆、燃油车辆混合配送的车辆路径优化问题,同时考虑车辆可行驶区域限制、车辆载重量、客户送货时间需求、新能源车辆充电约束,构建以碳排放成本、货运成本和时间窗惩罚成本总和最小的目标函数。根据订单优先配送特征设计带有优先策略的粒子群算法求解问题,并基于条件采用适应性算例进行实验,验证算法对考虑优先级订单序列带有时间窗的多车型开放式车辆路径问题的有效性。     

基于动态分时电价的电动汽车有序充放电调度策略

针对电动汽车无序充放电行为对电网的影响,以及传统的峰谷分时电价容易造成新的负荷高峰、无法考虑电动汽车的动态特性等问题,建立了动态分时电价的有序充放电调度策略。以电动汽车充放电电价、电动汽车充放电状态和充放电功率为决策变量,构建了以电动汽车充放电成本最小、电动汽车接入造成的网络损耗最小和节点电压偏差最小为优化目标的电动汽车充放电调度数学模型,并通过凸优化算法解决了多变量、多目标和高维优化问题;综合考虑电动汽车充电需求和配电网运行约束,在改进的IEEE33节点系统中进行算例验证。结果表明,动态分时电价克服了传统峰谷分时电价下的弊端,能够根据电动汽车的动态特性来调整电价。所提调度策略融合了灵敏度分析方法,可大幅缩短调度过程中潮流计算的时间,并能有效降低电动汽车的充放电成本以及电动汽车接入对网络损耗和节点电压的影响,对于含电动汽车的电网实际调度具有一定的参考意义。     

计及差异化用户偏好的光储充一体化家庭用能系统多目标优化调度

基于价格型需求响应的家庭能源管理系统优化调度可显著提升家庭用能体验。同时,用户侧光储充一体化用电新模式也给家庭能源管理带来新的挑战。针对供给侧光伏出力问题,提出了一种耦合改进惯性权重混沌粒子群算法和长短期记忆神经网络的ICPSO-LSTM组合预测模型,对光伏发电进行精准化预测;针对用能侧负荷多样性特点,将其划分为不可调度、可中断、可转移三类进行精细化建模,并综合考虑电动汽车短途、中途、长途个性化用能行为及反向供电模式Vehicle to Home(V2H)。在此基础上,根据不同用能偏好,将用户划分为经济型、标准型和舒适型,构建考虑用户用能成本和舒适度的多目标优化模型,并采用ICPSO算法进行求解。最后,对比分析了典型场景下家庭能源管理系统的实施效果。     

基于数字孪生技术的危化品车辆运输路径优化方法

针对危化品物流管控成本高、安全隐患检测困难、不确定因素较多等特点,基于数字孪生技术,建立孪生数据驱动下的危化品物流配送系统整体框架,实现对驾驶员疲劳状态及车辆故障预警等参数的实时监测。根据物理参数实现对危化品车辆调度物理空间的精准模拟与迭代优化。构建单一配送中心,带有时间窗约束的路径优化模型,以配送总成本最小为目标函数,结合孪生数据动态调整客户服务时间,采用遗传算法内核利用MATLAB求解数学模型。该方法有效解决了危化品物流调度过程中由于动态不安全因素对危化品运输成本带来的波动。     

电动汽车有序充放电分群调度策略

为解决大规模电动汽车无序入网会给配电网安全稳定运行带来一系列不良影响问题,提出了车联网(vehicle to grid,V2G)模式下电动汽车有序充放电实时响应分群调度策略.从日前-日内多时间尺度出发,充分计及车主响应意愿及响应能力,对电动汽车集群进行细致划分.针对每个调度时段,综合考虑电网、电池、车主等约束条件,建立电动汽车有序充放电优化模型.模型分为上、下两层求取电动汽车充放电调度计划:上层以调度时间区间内的配电网方差负荷曲线最小为目标,求取当前时段集群总的充放电功率;下层以电动汽车车主费用最低为目标,求取单辆电动汽车的充放电计划.通过算例仿真,验证所提模型的有效性.     

考虑优先级和时间窗约束的应急物资调配模型

突发公共卫生事件的不确定性和突发性特点,使得高效精准的应急物资调配方案显得尤为重要。构建突发公共卫生事件背景下生活物资配送中转站的选址模型,并考虑特殊事件的发生,改进优先级系数和时间窗的计算,以运输距离、违反车辆容量与时间窗约束的惩罚成本最小为多目标,构建物资配送路径规划模型,通过K-means聚类算法解决选址问题,设置遗传算法和大邻域搜索算法的混合遗传算法求解最优配送路径。最后以长春市朝阳区的物资配送为例进行实证分析,结果表明可以将200个小区聚类为60个物资需求站点进行配送,需要26辆车将物资从调配中心转运到需求站点,并得到4类最优的物资配送方案,为解决突发公共卫生事件下应急物资配置提供了新的思路。     

含电动汽车的主动配电网优化调度

电动汽车随机充电功率会影响主动配电网优化调度,为了解决这一问题。提出了含电动汽车的主动配电网优化调度模型,模型分为两个目标函数。首先,需要以负荷曲线的最小方差优化电动汽车的充电功率作为优化调度之前的目标函数,可以获得电动汽车连接电网的时间和充电功率。然后,建立以分布电源功率为控制变量使得配电网运行成本最低的主动配电网日前优化调度模型。最后,建立的模型在IEEE33节点配电网系统中进行多场景分析电动汽车对主动配电网优化调度造成的影响,并采用CPLEX优化规划软件来求解模型。结果表明:所建立的模型和方法不仅可以保证配电网经济运行,而且还能有效的利用电动汽车的充电来减少配电网负荷曲线的方差。     

高速公路充电站选址定容问题的多目标优化方法

[目的]高速公路充电站位置选择和容量确定对电动汽车应用推广具有重要意义.[方法]针对高速公路充电站选址定容问题,通过引入充电站的平均适配率,即电动汽车的充电需求与当前充电站总容量之间的匹配程度,以充电站的建设成本最小和充电站的平均适配率最大为 目标建立了新的多目标优化模型.[结果]利用多 目标优化问题的NSGA-Ⅱ算法...