[发明专利]一种基于蚁群算法的电动汽车充电调度优化方法

权利要求书

1.一种基于蚁群算法的电动汽车充电调度优化方法，其特征在于所述调度优化方法包括如下步骤：

1)当电动汽车处于电量值较低时，用户先向服务器发送充电请求，服务器收到请求后会先收集电动汽车电池的剩余能量、空调状态、电动汽车的当前位置及周边充电站分布情况，同时要参考周围道路拥堵情况，步骤如下：

步骤1.1：通过测算流入和流出的库仑量并采用库仑计数法来估算电动汽车剩余能量，在测量过程中，电池容量以安培小时为计量单位，计算公式为：

A_l＝A_max-A_u (1-1)

其中，各参数定义如下：

A_max：满电状态下电池容量；

A_u：当前已使用的电池容量；

A_l：剩余可使用的电池容量；

E_max：满电状态下电池的能量；

E_l：电池剩余能量；

步骤1.2：在电动汽车行驶过程中，电动汽车到达充电站的时间往往受到道路拥堵情况的影响，引入拥堵系数ε表示道路的拥堵情况，再根据每段路的拥堵情况计算出电动汽车在该道路的行驶时间，计算公式为：

其中，各参数定义如下：

num:进入道路的车辆数；

T:阈值容量，保证道路顺畅通行的最大车辆数；

C:临界值，引起道路拥堵的车辆数；

t:电动汽车在道路的行驶时间；

电动汽车在该道路顺畅通行的平均行驶时间；

步骤1.3：根据电动汽车行驶消耗的能量和电动汽车行驶过程中空调所消耗的能量计算电动汽车在道路上行驶消耗的总能量为：

E₁＝d×E(v) (1-6)

E₂＝t×E (1-7)

E＝E₁+E₂ (1-8)

其中，各参数定义如下：

v:电动汽车在道路上的行驶速度；

d:道路长度；

E(V):电动汽车以速度v行驶所对应的能耗；

E₁:电动汽车上行驶的总能耗；

E₂:电动汽车的空调总能耗；

E:电动汽车需要的总能耗；

步骤1.4：筛选出允许电动汽车充电的f个充电站，引入索引集I＝{1,2,…,i,…f}，可允许充电的充电站记为{CS_i}_i∈I；

2)将道路网格化，假设电动汽车只能在路口f和路口m间的水平道路x_fm以及路口n和路口m垂直道路y_nm上行驶，水平和垂直方向路网的相邻两点的道路集合为{x₁₁,x₁₂,…x_fm}和{y₁₁,y₁₂,…y_nm}，水平和垂直方向的拥堵系数集合为和f个充电站依次排列在路网的终端，结合步骤1)，电动汽车充电调度问题描述成如下的优化问题：

s.t.x_fm,y_nm＝{0,1} (2-1)

x₁₁+y₁₁＝1 (2-2)

x_nm+y_nm＝x_nm'+y_n'm (2-3)

x_fm＝x_fm'+y_nm (2-4)

在此，各参数定义如下：

t_f:选择的充电站的等待时间；

水平路段的道路数；

垂直路段的道路数；

电动汽车在水平路段x_fm的行驶能耗；

电动汽车在垂直路段y_nm的行驶能耗；

E_l：电动汽车的剩余能量；

其中，m'＝m-1、n'＝n-1，若m'＝0、n'＝0，则对应的x_nm'、y_nm'、x_fm'为0；

3)针对这个问题模型，采用蚁群算法为电动汽车选择合适的目标充电站以及到达目标充电站的最优行驶路径，步骤如下：

步骤3.1：将迭代计数器N置0并设置最大的迭代次数N_max；再初始化路网模型，设置电动汽车的当前位置为起点，各充电站为终点，假设每条路段的信息素const都相等；初始化禁忌表tabu，禁忌表用来保存蚂蚁已经走过的节点，从而保证蚂蚁正常行驶时不会重复经过某个节点；

步骤3.2：设置蚂蚁的数量z，并将z只蚂蚁放在起点处；

步骤3.3：蚂蚁k在第N次迭代时，水平路段x_fm转移的概率为：

其中，allowed_k＝{C-tabu_k}；同理求出垂直路段y_nm的转移概率

在此，各参数定义如下：

蚂蚁k转移到水平路段x_fm的概率；

蚂蚁k转移到垂直路段y_nm的概率；

C：所有的路段集合；

tabu_k：蚂蚁k经过的路段集合；

allowed_k：蚂蚁k下一步可选择的路段集合；

α：信息启发式因子，该值越大，表示蚂蚁更倾向选择其他蚂蚁经过的路径，这里设为定值10；

β：期望启发式因子，该值越大，表示蚂蚁路段转移的概率越接近于贪婪规则，这里设为定值1；

η(N)：启发函数；

τ(N)：迭代N次时，路段上的信息浓度；

而启发函数η(N)的表达式为：

F(N)＝t+t_c (3-3)

在此，各参数定义如下：

F(N)：路段的权重；

t：选择路段的行驶时间；

t_c：保证计算鲁棒性而添加的时间常数；

步骤3.4：若蚂蚁k在选择路径时，没有满足公式(2-3)的约束条件，则蚂蚁k将自动死亡；如果蚂蚁k未死亡,则将所选择的路径加入禁忌表tabu_k中；

步骤3.5：计算本次迭代的局部最优解若优于全局最优解T，则令T＝T_l；

步骤3.6：为了避免残留信息过多淹没了启发信息，在蚂蚁k走到终点后，要对残留信息及时进行更新，在信息不断更新的同时，路径上的残留信息则随着时间的推移逐渐淡化，路径上的信息素更新规则表达式为：

各参数定义如下：

Δτ^k(N)：第k只蚂蚁在本次循环中留在每个路段上的信息量；

Q:信息素强度，这里设为定值100；

T^k：第k只蚂蚁的在本次循环中求得的解；

ρ：信息素挥发系数，取值范围一般为(0,1)，这里设为定值0.2；

Δτ(N)：本次循环中每个路段上的信息素增量，初始时刻Δτ(0)＝0；

步骤3.7：若N＜N_max，则清空禁忌表中的所有数据，令Δτ(N)＝0，N＝N+1并且回到步骤3.2开始新一轮的计算；否则，则退出循环，输出结果；

4)之后，只要服务器和电动汽车处于连接状态，服务器会将目标充电站和到达目标充电站最优路径的信息发送给用户。