[发明专利]考虑随机交通流量偏移的电动汽车换电站鲁棒选址方法

说明书

本发明公开了一种考虑随机交通流量偏移的电动汽车换电站鲁棒选址方法，包括：获取运输网络所对应的OD对集合和选址点集合；根据OD对集合生成路径，并根据线性衰减函数表示路径需求截获比例；利用不确定分布函数集合建立DR‑DFRL模型；通过增加虚拟节点对运输网络进行扩展；基于扩展网络，以选址决策、路径选择决策和服务单个用户收益决策为决策变量，重构DR‑DFRL模型；利用外部估计算法求解DR‑DFRL模型，求解过程中迭代加入约束条件，得到符合约束条件的决策变量最优解。通过本发明的技术方案，同时考虑用户路径选择行为和需求不确定性，使决策更加符合实际运营情况，实用性更强，降低了决策风险，且可实现高效求解。

技术领域

本发明涉及运营管理及运筹学技术领域，尤其涉及一种考虑随机交通流量偏移的电动汽车换电站鲁棒选址方法。

背景技术

随着全球能源危机与气候变化的加剧，世界各国都在寻求解决方案。在运输领域，电动汽车的推广受到了大力支持。当前，电动汽车能源补充有两种模式：充电模式和换电模式。但是充电模式有以下不足之处：充电时间长、投资成本高和车辆行驶里程有限。为了解决电动汽车充电模式的不足，电动汽车行业开始探索换电模式。虽然换电模式在2013年由于Better Place公司的破产而宣布失败。但是近年来，多家企业开始重新探索换电模式。例如，北汽新能源推出“擎天柱计划”，旨在将新能源汽车、动力电池、换电站、光伏发电进行深度融合，计划到2022年在全国超过100个城市，建成3000座光储换电站，投放换电车辆50万台。

电动汽车换电站的选址对于换电服务运营至关重要。决策者需要在短期投资成本和长期收益之间权衡，这主要取决于电动汽车换电需求量。关于选址问题，最早出现的是确定性的选址模型。确定性选址模型可以分为三类：基于节点的选址模型、基于弧的选址模型和基于路径的选址模型。目前，大多数选址模型都是基于路径的模型。Hodgson最早开始研究基于路径的选址模型，他提出了截流选址(Flow Capturing Location,FCL)模型，在给定建站个数的约束下，该模型的目标是最大化给定起始终点(Origin-Destination,OD)对间服务的总需求。该模型假设一条路径上只要有一个站，这条路径上的需求即可被服务，但是该模型没有考虑到车辆的有限续航里程。在Hodgson提出FCL模型之后，很多学者提出了改进的模型：考虑车辆续航里程的流量续航选址(Flow Refueling Location,FRL)模型，考虑车站容量约束的有约束的流量续航选址(Capacitated Flow Capturing Location,CFRL)模型等。但上述模型都需要预生成大量的可行选址点组合，因此有学者对其进行改进提出新的模型：新的基于节点和基于弧的FRL模型，扩展网络模型。但这些模型都没有考虑到需求的不确定性和用户路径选择行为。

从宏观层面上讲，给定的OD对之间的换电需求取决于人口分布、电动汽车普及率以及其他的经济技术因素，需求通常都是动态变化的，因此在基础设施规划阶段需求是不确定的。确定性的流量续航选址模型认为每一个OD对间的需求都是确定的，而不确定性的存在使得确定性问题的最优解并非最优甚至不可行。故而出现了针对换电站选址问题中不确定性的研究，有随机选址模型和鲁棒选址模型。

从微观层面上讲，换电站服务的换电需求还取决于用户的路径选择。由于有限的车辆行驶里程和换电站数量，最短路径并不总是可行的。用户可能必须要走非最短路才可行。目前的路径偏移模型认为旅行需求随偏移距离的增加而减少，但是大都认为需求是确定的。

发明内容