考虑临时驻车充放电管理的电动汽车配送路径规划方法_汪顺其.pdf

第 43 卷 第 7 期2023 年 7 月电 力 自 动 化 设 备Electric Power Automation EquipmentVol.43 No.7Jul.2023考虑临时驻车充放电管理的电动汽车配送路径规划方法汪顺其，向月，王晏亮（四川大学 电气工程学院，四川 成都 610065）摘要：随着充电基础设施保障能力的提升，电动汽车配送工作过程中的长时间驻车行为与电网存在的交互行为与能量转移存在研究价值。为提高电动汽车参与物流配送的效率，提出日调度背景下考虑临时驻车充放电管理的电动汽车配送路径规划方法。计及实时电价、车载电量、载货限重、单侧送达时间窗约束，考虑电池损耗、充电站服务时间、分时电价及实时服务费，构建以配送时间、耗电成本、车辆成本、配送延迟惩罚之和最小为目标的电动汽车配送路径优化模型，采用模拟退火改进的非支配排序遗传算法求解。以某26节点路网系统为算例，验证了所提方法能有效减少配送总成本，降低续航不足的风险，提升交通与能源互动潜力。关键词：电动汽车；物资配送；临时驻车；路径优化；充放电管理中图分类号：U469.72 文献标志码：ADOI：10.16081/j.epae.2022080420 引言随着低碳政策的落实及电动汽车（electric vehicle，EV）的普及，EV广泛应用于交通出行1。然而，EV的续航以及能量补给方式与传统燃油车存在显著差异，近年来引起广大学者的关注。其中，EV配送交通路径规划问题实际可以从数学上描述为多车辆路径规划问题2（multi vehicle routing problem，MVRP）并逐渐发展为复杂的系统调度优化问题。车辆由固定配送点出发，面向指定用户点有序配送，在满足一定约束条件的前提下，实现目标函数最优解。而由于电动汽车续航里程较普通燃油车更短，同时充电时间较长，EV参与的配送需要考虑续航问题以及充电决策的建立。EV配送及路径规划问题的研究大多集中于能耗、充电成本等方向的精细化建模。文献 3 提取EV行驶工况的特征参数，分析其与能耗的相关系数，提出了动态能耗预测模型，估计了耗电量的变化趋势；文献 4 考虑了动态负载对能耗的影响；文献 5 将快充引起的电池寿命损耗纳入目标函数，进而考虑EV配送；文献 6 考虑了实时信息，通过群感知将大规模用户行为纳入配送计算；文献 7 考虑实时路网、坡道势能等因素，建立了能耗最小模型；文献 8同时考虑了不同充电站点之间的实时电价差异。上述研究未考虑充电站的服务时间，忽略了因充电站运营不在服务时间内的规划造成EV续航不足的风险。EV 续航或与能源交互研究方面，一般通过快充、慢充、换电续航模式、通过车入网9（vehicle-to-grid，V2G）技术放电、通过实时充电路径导航，综合建立响应目标函数获取最优充放电函数。文献 10在EV配送过程中通过V2G，根据分时电价的影响向电力市场出售电力获取利润。文献 11 在EV结束配送后，于配送中心借助V2G功能向电网放电获取收益；文献 12 以共享汽车为研究对象，额外考虑了换车的续航模式；文献 13 建立“车-网-站”综合模型，通过深度强化学习建立实时充电行为决策的奖励函数与优化模型；文献 14 考虑订单热力分布对充换电路径导航的影响，对电动网约车最小充换电成本进行优化；文献 15 通过深度增强学习，建立充电的价值评估函数，实现满足续航需求下的最优充电控制；文献 16 通过问卷收集分析车主行为偏好，并基于此制定差异化充电策略；文献 17 针对EV物流配送，单辆车配送周期约为24 h；文献 18 考虑了不同多车型混合配送，对于长途配送，优先使用续航能力更长的燃油车。上述研究多集中在以EV单次充放电管理为依据的短时间尺度或中等续航要求下的路径规划、充放电决策，如起始电量不足或出行周期为1 h至若干小时19，未考虑在半天或更长的时间尺度、单次充放电难以满足里程要求时的综合充放电管理。可见，在“充电-停车”一体化背景下，当前关于EV续航路径规划的研究通常针对一定区域内个别充电站开展，多侧重于充电站的选择与导航过程本身，忽略了基于驾驶目的驱动的临时驻车行为与充放电管理间的耦合关系。目前尚未有研究涉及EV临时驻车时的充放电管理，而EV应用于物流配送，因其驻车时间长的特点，作为研究切入点有重要意义。对此，本文提出一种考虑临时驻车充放电管理的EV配送路径规划方法：在充电站服务时间范围内，EV在驻车期间进行快慢充决策；在充电站广泛覆盖的背景下，重构充电路网模型；建立时空分布电价差异下的充电成本的优化方式；通过获取各节点分时电价，以充电费用最优、配送成本最低、客户满意度最收稿日期：20220428；修回日期：20220810在线出版日期：20220829基金项目：国家自然科学基金资助项目（52111530067）Project supported by the National Natural Science Foundation of China（52111530067）94第 7 期汪顺其，等：考虑临时驻车充放电管理的电动汽车配送路径规划方法高为目标进行优化，同时考虑路网拓扑、车载电量、载货限重、服务时间约束，实现EV配送路径规划。1 研究架构EV物流配送问题描述为：在指定中心管理下，EV遵循调度约束及交通要求，实现配送与充电路径规划。典型EV配送模型如图1所示，配送中心根据实时用户需求数据，以EV耗电费用最少、电池损耗最小、行驶时间最小、充电等候时间最小等为优化目标，通过优化算法进行路径优化。相比于一般车辆路径问题20（vehicle routing problem，VRP），除了优化目标的增多，EV物流配送涉及不定量车辆派遣决策、充电决策的步骤，模型更为复杂。本文以多车辆路径规划问题为基础，探讨“考虑临时驻车充放电管理的EV配送”这一核心问题，物流EV参与交通能源互联示意图如图2所示，对其作如下说明。1）单次行程里程数大，驻车服务时间久，日内行驶周期长。基于此背景，考虑续航问题和充电站的服务时间范围，同时考虑分时电价。另一方面，随着充电设施保障的提高21，认为“充电-停车”一体化。2）配送公司对EV路径规划实现按时配送，保证用户节点满意度；同时，物流公司合理进行充电管理，减小大电流对电网的冲击，辅助填谷。从电网侧看，在负荷高峰时段，物流公司参与电力系统需求响应，通过EV向电网提供放电服务，实现能源互动。3）为满足EV在一日出行结束后，仍能支持后续出行并可选择隔日充电的调度需求19，本文提出电量平衡的配送方式，并基于对单站点物资中心开展研究。4）作为配送需要，考虑路径规划约束、时间窗约束、需求与载重约束。同时具有EV特性，考虑荷电状态（state of charge，SOC）约束、充电时间约束，并根据电力需求响应产生充放电决策约束。约束之间耦合，以配送时间、配送费用、用户满意度为指标，实现联合优化。2 EV配送与充电站交互信息2.1EV行驶信息依据交通流量，根据大量用户上传的实时交通数据，可以获得2个配送节点间的速度为：vn，d=ld/tn，d（1）v d=1Nun=1Nvn，d（2）|vij=1Dd=1Ddv d s.t.d=ld/d=1Dld（3）式中：vn，d、tn，d分别为车辆 n行驶在路段d的行驶速度、行驶时间；ld为单个路段d的距离；v d为根据大量用户上传得到得单一路段行驶平均速度；Nu为对应上传数据的用户数目；vij为用户节点i、j 间的整个行驶过程的平均速度；D为对应节点间的路段数。由Dijkstra算法计算所得vij对应经过路段满足路网可达性条件，如式（4）所示。mind=1Dldv d（4）EV配送到达节点满足以下时间关系：ti.end=ti.start+ti.park+ti.serve（5）图1典型EV配送模型Fig.1Typical EV distribution model图2物流EV参与交通能源互联示意图Fig.2Schematic diagram of logistics EV s participation in transportation and energy interaction95电 力 自 动 化 设 备第 43 卷 tj.start=ti.end+dij/vij xij，k=1（6）式中：ti.start、ti.end分别为到达、离开节点i的时刻；ti.park为在节点i的寻找并确定停车位产生的附加时间；ti.serve为到达物流点后，需要停留产生的附加时间；dij为节点i、j 之间的距离；xij，k为0-1变量，车辆k由节点i至 j 计为1，否则计为0。2.2充电站信息上海发改委2021年文件 关于本市电动汽车充电设施用电价格政策有关事项的通知指出22指出，充电费包括电价及服务费，其中服务费在政府引导下自主制定，上限不高于1.3元（kW h）；电价根据充电站地域性质决定，其分为一般工商业及其他用电、居民用电平均电价水平以及目录电价。设定充电电价为：(i，t)=e(i，t)+serve(i，t)（7）式中：e(i，t)、serve(i，t)分别为充电站i在时刻t的电价、服务费，其中电价遵循不同制定标准下的分时电价或统一电价机制；(i，t)为实际需要支付的费用。故单次充电总费用Cchar为：Cchar=Pti(i，t)+cparkti（8）式中：为充电效率；P为充电功率，在本模型中取决于充电种类；ti为充电和停车的时间；cpark为单位时长的停车费用。同时，考虑充电站的服务时间，充电时间应满足：Ai.minti.char.startti.char.endAi.max（9）式中：Ai.min、Ai.max分别为充电站开放服务的开始、结束时间；ti.char.start、ti.char.end分别为车辆充电的开始、结束时间。3 充电决策模型建立EV配送的充电决策模型，将EV所有节点集合计为N，对EV配送过程中的行为进行分类，分类指示器a可表示为23：a=|2 快充1 慢充0 停车等待-1 行驶-2 放电（10）研究表明，与慢充相比，快充会给EV电池带来不可逆的寿命损耗，慢充带来的电池损耗可忽略24。其中快充损耗模型为25：Qsite=crefTaccSaccDaccNk（11）式中：Qsite为电池容量的永久减少量；Tacc为与温度有关的常数；Sacc为与电池容量有关的常数；cref、Dacc为与电池自身其余参数有关的系数；Nk为充放电次数。忽略外界环境温度影响，电池损耗主要来源于充电时的电池发热，其主要由快充所产生大电流引起，可以得到单次快充引起电池主要损耗成本为26：Closs=CkQ0+CchargeYmaxQmaxtstarttendPfastdt（12）式中：Closs为单次快充引起电池主要损耗成本；Qmax为当前电池最大容量；Q0为额定容量；Ck为单位容量电池成本；Ymax为最大循环充电次数；积分项为快充充电电量；Pfast为极限快充功率；Ccharge为等效极限快充功率所充的电量；tstart、tend分别为快充的起始、终止时间。为提高时间利用率，考虑针对配送服务时间间隔进行充电决策，设定2种充电策略，分别为优先考虑慢充、在慢充不满足电量平衡条件下加入快充的充电模型，以及现有研究常用的路径规划快充模型，具体说明如下。1）优先慢充，浅充浅放。在服务时长总和足够使慢充满足符合电量平衡约束的条件下，采用慢充策略。根据电价时空分布情况根据电费成本最低原则选择充电节点。EV 在节点i处的实际充电电量Qi.char满足约束：Qi.char=Pchar.slowti.charyslowi，k iN，kV（13）|iNQchariNjNdijvijxij，kQchar=Pchar.slowti.char（14）式中：yslowi，k为表示慢充决策的0-1变量，仅慢充条件下取1，否则取0；ti.char为在节点i的充电时间；Pchar.slow分别为慢充速率；V为所有EV的集合；Qchar为不分节点的理论充电量。若全程慢充不足以抵消行程所需的电量损耗，则