电动汽车行驶路径优化及其价格响应特性分析

摘要

随着我国经济的快速发展以及交通基础设施的不断完善，区域内物资和人员的流通日益频繁，物流业逐渐成为社会经济的重要组成部分。配送是物流业的终端，配送环节的车辆路径优化是提高运输速度、降低运输成本的重要手段。目前，普通燃料汽车是物流配送的主要工具，但随着石油危机、能源安全和环境保护等问题的凸显，电动汽车作为新型经济环保的交通工具，有取代普通燃料汽车的趋势，进而引出了电动汽车行驶路径优化问题。电动汽车使用电能，与普通燃料汽车在能量补给方式和使用特性上有明显区别，使得电动汽车行驶路径优化问题比传统车辆路径问题更加复杂。因此，对该问题的研究在理论和现实应用方面都有重要意义。
　　首先，构建了固定电价下的单辆电动汽车行驶路径优化模型。该模型同时考虑了电动汽车在配送过程中的快速充电行为，载货量对单位里程耗电量的影响以及快速充电对电池寿命的损耗，在满足路径约束和电池容量约束条件下实现配送成本最小。由电动汽车在同一充电站多次快速充电所带来的模型表述困难，通过引入充电站虚拟节点加以解决。模型采用遗传算法求解，在种群初始化阶段构建染色体标准化操作，使得构造的染色体适应于遗传算法的交叉操作。算法使用MATLAB编程，32节点配送系统的数值仿真显示了电动汽车在使用成本方面的优势，验证了模型的有效性。
　　其次，构建了考虑分时充电成本的多辆电动汽车行驶路径优化模型。该模型同时考虑了电动汽车的快速充电行为，返回配送中心的常规充电优化以及快速充电对电池寿命的损耗，在满足路径约束、时间约束、载货量约束和电池容量约束条件下，实现配送成本最小。构建学习型单亲遗传算法对模型进行求解，该算法在种群初始化阶段制定了初始化规则，克服了多约束条件下初始可行解生成困难的问题;在基因变异阶段构建充电站节点删除算子和节点添加算子，保证算法的全局收敛性;构建包含了精英个体知识和专家经验知识的知识模型，通过个体对知识的学习，提升算法求解效能。基于62节点配送系统和112节点配送系统进行数值仿真，与遗传算法和禁忌算法的优化结果比较，显示出学习型单亲遗传算法在求解速度、求解质量和稳定性方面的优势。基于62节点配送系统，对比分析了电动汽车的配送成本和行驶路径对分时电价、固定电价和折扣电价等三种电价的响应特性。基于一小型配电网，研究了三种电价下较大规模电动汽车的充电负荷对配电系统用电负荷的影响。

目录

声明

摘要

第一章 绪论

1．1 研究背景及意义

1．1．1 物流配送与VRP问题

1．1．2 电动汽车的发展与优势

1．1．3 研究意义

1．2 车辆路径问题研究现状

1．3 电动汽车行驶路径问题研究现状

1．4 本文的主要工作

第二章 VRP问题与相关知识综述

2．1 VRP问题分类

2．2 VRP问题求解算法

2．2．1 精确算法

2．2．2 经典启发式算法

2．2．3 现代启发式算法

2．3 电动汽车充电方式

2．4 分时电价

2．5 本章小结

第三章 考虑恒定充电成本的单电动汽车行驶路径优化研究

3．1 单电动汽车行驶路径优化模型

3．1．1 目标函数

3．1．2 约束条件

3．2 遗传算法及求解

3．2．1 遗传算法理论

3．2．2 遗传算法求解

3．3 算例分析

3．3．1 系统描述与参数设置

3．3．2 行驶路径优化结果

3．3．3 与普通燃料汽车的经济性比较

3．3．4 客户需求量对行驶路径影响分析

3．4 本章小结

第四章 考虑分时充电成本的多电动汽车行驶路径优化研究

4．1 多电动汽车行驶路径优化模型

4．1．1 目标函数

4．1．2 约束条件

4．2 学习型单亲遗传算法及求解

4．2．1 知识模型构建

4．2．2 学习型单亲遗传算法求解

4．3 算例分析

4．3．1 系统描述与参数设置

4．3．2 算法性能分析

4．3．3 价格响应特性分析

4．3．4 配送时段对配送成本影响分析

4．3．5 充电负荷对配电系统的影响分析

4．4 本章小结

结论与展望

参考文献

致谢

攻读硕士学位期间发表论文及专利目录

攻读硕士学位期间参加的相关课题