[发明专利]基于遗传算法的共享汽车定价规划模型的多目标优化方法

说明书

基于遗传算法的共享汽车定价规划模型的多目标优化方法，包括以下步骤：步骤一:首先获取路网各路径共享汽车车流的历史数据，路径行驶速度与驾驶时长；通过大数据方法对各路径各时间段共享电动汽车流量进行日前预测与地图映射，然后建立多目标模型；步骤二:构建约束条件，并通过遗传算法对多目标模型进行求解并找到非支配解解集，利用折衷解方法，在所有非支配解中寻找最优的方案；本发明为共享系统节约了运营成本，增加系统收益，同时提高了用户对于共享服务使用的满意度并且降低了共享电动汽车充电行为对于电网稳定性的负面影响。

技术领域

本发明涉及电力电网技术领域，特别涉及基于遗传算法的共享汽车定价规划模型的多目标优化方法，可应用于考虑时间与路径的价格弹性的共享电动汽车充电规划与路径定价决策中。

背景技术

电动汽车共享系统是近年来的一种新型的城市共享经济。电动汽车作为一种环保、低碳的交通方式，与共享系统的结合将极大的提升地理服务覆盖范围，并为用户提供灵活的出行计划。到目前为止，国内外在共享电动汽车定价方案方面的研究还比较初步，尚没有形成完整而系统的定价决策模型与优化方法。首先现有大多数研究并没有考虑客户对不同共享价格应对的反向决策。事实上，共享价格的变化不仅会影响用户数量，同时还会改变用户的路径选择与使用时间。因此建立基于价格的客户路径偏好与出行请求的时空分布模型，才能促进运营商的优化管理与利润提升。同时，在决策共享电动汽车的充电计划与里程价格时，电动汽车对外部电网的运行的影响也应在共享定价方案决策过程中予以考虑。另外，车辆共享价格决策的过程中通常需要对车辆共享系统的服务质量进行衡量与要求。与传统的汽车租赁服务不同，当共享电动车电池容量不能满足用户的里程要求时，需要对其充电且充电的时间往往远大于传统车辆的加油时长。目前的研究均通过对用户需求拒绝的百分比来衡量电动汽车共享系统的服务质量，其假设如果所有的电动汽车都无法提供满足顾客里程需求服务时，那么用户订单将被取消。然而，在实际情况下，用户通常允许并希望等待少量的时间直到电动车重新充电完成再使用共享电动车，这相比较于直接拒绝用户需求更为符合实际情况。

发明内容

针对上述现有技术的不足，本发明提出了一种基于遗传算法的共享汽车定价规划模型的多目标优化方法，同时考虑了共享充电行为对电网稳定性的影响与最大化用户的共享服务质量体验，在满足相关约束条件下，以考虑减少用户等待充电时长来提升电动汽车共享系统的服务质量，同时该发明模型可以进一步的提升共享系统的服务使用效率与收益，并减少共享系统对配电网电压偏移的负面影响。

为了达到上述目的，本发明采用以下的技术方案：

基于遗传算法的共享汽车定价规划模型的多目标优化方法，包括以下步骤：

步骤一:首先获取路网各路径共享汽车车流的历史数据，路径行驶速度与驾驶时长；通过大数据方法对各路径各时间段共享电动汽车流量进行日前预测与地图映射，然后建立多目标模型；

步骤二:构建约束条件，并通过遗传算法对多目标模型进行求解并找到非支配解解集，利用折衷解方法，在所有非支配解中寻找最优的方案。

步骤一所述的建立多目标定价决策模型，为三个模型：最大化共享系统利润收益目标模型、最大化用户共享服务满意度目标模型和最小化配电网系统电压波动影响目标模型，具体为：

最大化共享系统利润等于用户出行收入RCR与其他电动汽车共享系统成本RCS之差，最大化共享系统利润收益目标模型WPR由下式计算表示：

式中：k,j表示路径起点与终点，A1为时间t内路径kj上的共享电动车数量集合，K’表示共享充电站点集合，T’为时间集合，表示路径kj 的行驶时间；R_CS由站点维护成本、电动汽车折旧成本、电动汽车充电成本、电动汽车维护成本和移动成本组成；

其中，用户出行收入R_CR与其他电动汽车共享系统成本计算如下：