【技術實現步驟摘要】
本申請涉及運力任務調度，具體涉及一種基于補能場景的新能源運力任務調度方法及系統。
技術介紹
1、近年來，隨著全球對環境保護和可持續發展的日益重視及能源結構的調整，新能源汽車作為減少碳排放、促進綠色出行的重要手段，其應用與普及率迅速提升。然而，新能源汽車在實際運營中面臨的一個關鍵挑戰是能源補給問題，例如：中長距離運輸任務中如何高效、經濟地管理車輛的補能需求，在不同補能站不同時段的價格存在差異時復雜補能方案對調度人員的決策壓力等，這些成為制約新能源運力發展的瓶頸，遏制了產業的發展。
2、當前市場上雖已存在多種新能源車輛調度系統，但大多側重于車輛分配、路線規劃等基本功能，對于補能場景下的精細化管理和優化調度考慮不足。這些系統往往忽略了車輛實時能量狀態、補能站分布及電價波動等關鍵因素對調度決策的影響，導致在實際運營中可能出現能源浪費、成本增加或任務延誤等問題。
技術實現思路
1、為了解決上述技術問題中的至少一項技術缺陷，本申請提供一種基于補能場景的新能源運力任務調度方法及系統。
2、本申請實施例提供了一種基于補能場景的新能源運力任務調度方法，包括以下步驟：
3、采集、預處理車輛的能量、位置、能耗的實時數據；
4、根據預處理后的實時數據進行車輛續航評估和補能判斷；
5、根據續航評估和補能判斷的結果，篩選符合預設條件的補能站點；
6、對所篩選的補能站點進行方案計算和成本計算；
7、通過智能調度決策算法對比方案計
8、對新增運力任務循環調度，并根據實際情況動態調整、實時更新調度方案；
9、其中，智能調度決策算法基于遺傳算法用于分析出能耗最低的路徑組合方案，遺傳算法的應用過程包括：
10、定義參數；
11、染色體編碼；
12、適應度函數計算染色體總能耗；
13、迭代直到達到終止條件（例如迭代次數t）：
14、數學表達式總結，收斂到最低能耗的路徑組合方案。
15、在本申請的實施例中，實時數據的采集、預處理包括：
16、實時獲取新能源車輛的當前能量狀態與位置信息；
17、建模并根據能耗預測模型，結合車輛歷史行駛數據與實時路況信息，動態計算車輛的每公里平均能耗；
18、實時更新補能站點的位置信息與電價表，確保數據的時效性與準確性；
19、續航評估和補能判斷包括：
20、根據車輛當前剩余電量與每公里平均能耗，結合任務裝卸貨點的距離，評估車輛是否能夠從當前位置行駛至卸貨點并保留20%的電量余量；
21、若評估結果顯示電量不足，則自動啟動補能方案；
22、篩選符合預設條件的補能站點包括：
23、采用補能站點篩選算法，以當前位置至卸貨點位置為直徑繪制圓形區域，綜合考量能耗（距離）與電價因素，篩選出圓形區域內距離車輛最近的多個（如三個）補能站點與電價最低的多個（如三個）補能站點；
24、運用地理信息系統（gis）與數據分析算法，實現補能站點的快速定位與篩選，進行補能站點信息集成；
25、方案計算和成本計算包括：
26、針對篩選出的多個（如上述的三個加三個）補能站點，利用路線導航算法計算各方案從當前位置到補能站點再到卸貨點的路線規劃、路徑長度與預計能耗；
27、結合各補能站點的電價信息，計算出多個方案（如上述的三個加三個）的總花費（包括行駛能耗成本與補能成本），進行成本計算；
28、智能調度決策包括：
29、對比多個方案的總花費，通過多方案比較與優化，選擇成本最低的方案作為最終的調度方案；
30、調度系統根據選定的方案，向駕駛員或者自動駕駛系統發送調度指令，包括補能站點、行駛路線及預計到達時間等，實現智能補能判斷與方案生成；
31、循環調度包括：
32、每次新增運單時，重復調度流程，動態調度與實時優化，確保調度方案的實時性與準確性；
33、實時更新包括：
34、系統持續監控車輛狀態與補能資源變化，根據實際情況動態優化調度方案，動態調度，實時優化，支持循環派遣等復雜場景的高效運營；
35、多方案比較包括：
36、利用路線導航算法，計算各補能方案的路徑長度與能耗；
37、綜合考量能耗與電價，智能篩選，結合電價信息，計算各方案的總花費（包括能耗成本和電價成本）；
38、通過比較算法，自動選擇總花費最低的方案作為最終調度方案；
39、智能篩選包括：
40、通過篩選算法，綜合考慮距離與電價兩個關鍵因素，生成多個備選方案，并通過精細化計算選出最優解，提高調度決策的科學性和準確性。
41、在本申請的實施例中，定義參數，包括：
42、種群（p），用于代表一組可能的解決方案；
43、染色體（c），用于代表一個潛在的解決方案；
44、基因（g），染色體中的一個單元，用于代表解決方案的一個組成部分；
45、適應度函數（f），用于評估染色體質量的函數；
46、選擇算子（s），用于選擇下一代染色體的過程；
47、交叉算子（x），用于結合兩個染色體產生新染色體的過程；
48、變異算子（m），用于隨機改變染色體的部分基因以引入多樣性；
49、迭代次數（t），用于代表遺傳算法運行的總代數；
50、染色體編碼，包括：
51、基因1，用于代表補能站點編號g1∈{1，2，…，6}；
52、基因2，用于代表裝貨點g2=l，l表示裝貨點的集合；
53、基因3，用于代表卸貨點g3=u，u表示卸貨點的集合；
54、基因4，用于代表補能站點編號g4∈{1，2，…，6}或空（）；
55、適應度函數，包括：
56、適應度函數f(c)用于計算染色體c的總能耗，染色體c的適應度f(c)通過下述公式計算得出：
57、如果g1=（沒有補能站點）：f(c)=d0l+dlu；
58、如果g4=（沒有補能站點）：f(c)=d0il+dui；
59、否則（存在補能站點）：f(c)=min(d0il+dui，d0i+dliu)；
60、其中：
61、d0l代表從當前位置到裝貨點的距離；
62、dlu代表從裝貨點到卸貨點的距離；
63、d0il代表從當前位置經過補能站點i到裝貨點的距離；
64、dui代表從卸貨點到補能站點i的距離；
65、d0i代表從當前位置到補能站點i的距離；
66、dliu代表從裝貨點經過補能站點i到卸貨點的距離。
67、在本申請的實施例中，迭代過程包本文檔來自技高網...
【技術保護點】
1.一種基于補能場景的新能源運力任務調度方法，其特征在于，包括以下步驟：
2.如權利要求1所述的基于補能場景的新能源運力任務調度方法，其特征在于：
3.如權利要求2所述的基于補能場景的新能源運力任務調度方法，其特征在于：
4.如權利要求3所述的基于補能場景的新能源運力任務調度方法，其特征在于，
5.如權利要求4所述的基于補能場景的新能源運力任務調度方法，其特征在于：
6.如權利要求2所述的基于補能場景的新能源運力任務調度方法，其特征在于：
7.一種基于補能場景的新能源運力任務調度系統，其特征在于，采用權利要求1-6任一所述的基于補能場景的新能源運力任務調度方法，所述系統包括：
【技術特征摘要】
1.一種基于補能場景的新能源運力任務調度方法，其特征在于，包括以下步驟：
2.如權利要求1所述的基于補能場景的新能源運力任務調度方法，其特征在于：
3.如權利要求2所述的基于補能場景的新能源運力任務調度方法，其特征在于：
4.如權利要求3所述的基于補能場景的新能源運力任務調度方法，其特征在于...
【專利技術屬性】
技術研發人員：孫平逸夫，魏飛，張文波，
申請(專利權)人：四川開物信息技術有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。