[发明专利]基于拉格朗日松弛算法的电动公交日间运行充电优化方法

说明书

一种基于拉格朗日松弛算法的电动公交日间运行充电优化方法,在保证车辆预定时刻表的前提下，以最小化系统总充电时间为目标，基于离散电池电量状态获得全线路网络级充电方案整数优化原问题模型，然后转换为拉格朗日松弛问题，接着分解为多个子问题，最后转化为多个紧凑子问题，通过求解多个紧凑子问题的最优解，获得还原后的原问题模型P的最优解，精准描述大规模公交网络的充电问题，一步步减少模型中的决策变量和约束条件数量，缩减问题规模，提升求解效率，进行快速高效的求解。

技术领域

本发明涉及一种基于拉格朗日松弛算法的电动公交日间运行充电优化方法。

背景技术

城市化和机动化导致车辆拥有量急剧上升，造成了大量环境（如噪音和污染物排放）和社会（如能源消耗、交通拥堵）问题，交通领域产生的能源消耗已达到全球能源消耗总量的25%以上，温室气体排放量占比27%，燃油车的使用被认为是对全球变暖的严重威胁。

电动车作为燃油车的替代品，对减少城市交通对气候的负面影响和改善空气质量条件有巨大帮助。过去数十年来，全球许多城市，都在城市交通电气化方面提供大量持续投资，尤其在公共交通电气化方面取得显著成效。

而电动公交车相比于燃油公交车的最大不足在于，有限的电池容量无法满足全天的运营能耗需求，需要在日间运行过程中补电；电池充电时间与电量状态之间的非线性关系对于掌控公交行程电量带来挑战。

而现有研究中，缺乏将电动公交车的非线性充电过程与行程途中的电量状态跟踪进行融合考虑，大规模网络中公交运营时刻表与充电时序的协调尚未形成快速有效的求解办法。

发明内容

本发明要解决的技术问题是提供一种基于拉格朗日松弛算法的电动公交日间运行充电优化策略，根据车辆运营时刻表与路网信息，通过刻画电池充电的非线性过程，跟踪记录车辆到离各站点的电量状态，建立基于拉格朗日松弛算法的电动公交日间运行充电优化模型，并设计了高效的求解算法。

为了解决上述技术问题，本发明采用的技术方案是：一种基于拉格朗日松弛算法的电动公交日间运行充电优化方法，包括以下具体步骤：S1、获取电动公交数据和包含线路数量的线路运行数据，构建基于离散电池电量状态的全线路网络级充电方案整数优化模型，获得包含耦合约束的原问题模型P；S2、通过引入拉格朗日乘子将所述耦合约束转换到原问题模型P的目标函数中，从而获得具有新的约束条件的拉格朗日松弛问题P’(μ,λ)；S3、根据所述线路数量，将所述拉格朗日松弛问题P’(μ,λ)分解为多个子问题P_l’，引入新的决策变量，即相应线路的车辆是否在相应站点充电的决策变量，从而将多个所述子问题P_l’转化为多个紧凑子问题P_l”；S4、通过求解多个紧凑子问题P_l”，求解出P’(μ,λ)的目标函数，即可求解出原问题模型P的目标函数，将求解原问题模型P的下界的最优解转化为求解拉格朗日对偶问题P_LD，利用次梯度下降法求解拉格朗日对偶问题P_LD，并在每次迭代求解后根据当前解更新拉格朗日乘子，采用k-greedy算法计算原问题模型P的上界的最优解，直至原问题模型P的上界的最优解等于下界的最优解，算法达到终止条件，获得原问题模型P的最优解，即获得各电动公交车辆日间运行充电方案，完成对电动公交日间运行充电的优化。

在某些实施方式中，所述电动公交数据包括每辆公交车在各站点的最大充电次数、车辆最低电量保护值、电动公交电量状态，所述线路运行数据包括途径站点、各站点的到发时间表、各站点的充电桩数目。

在某些实施方式中，步骤S1中的原问题模型P的目标函数具体为：

s.t.

，

，

，

，