融合動(dòng)態(tài)能耗與路網(wǎng)信息的電動(dòng)汽車(chē)充電路徑規(guī)劃策略

林歆悠 周斌豪 夏玉田

1.福州大學(xué)機(jī)械工程及自動(dòng)化學(xué)院，福州，350108 2.流體動(dòng)力與電液智能控制福建省高等學(xué)校重點(diǎn)實(shí)驗(yàn)室(福州大學(xué))，福州，350108

0 引言

電動(dòng)汽車(chē)與傳統(tǒng)的燃油汽車(chē)相比，能夠有效減少環(huán)境污染和燃油消耗[1-2]，隨著電動(dòng)汽車(chē)普及率的提高，電動(dòng)汽車(chē)的充電需求也會(huì)擴(kuò)大[3]。但電動(dòng)汽車(chē)具有續(xù)駛里程短的缺點(diǎn)，需要在充電基站補(bǔ)充電能以繼續(xù)行駛，為緩解駕駛員因車(chē)輛續(xù)駛里程不足而產(chǎn)生的里程焦慮，需要結(jié)合交通信息、充電基站地理、位置信息等，合理規(guī)劃出一條最優(yōu)充電路徑[4]。因此，有必要建立一種靈活可靠的電動(dòng)車(chē)輛充電路徑規(guī)劃方案，為駕駛者的出行安排提供保障。

針對(duì)電動(dòng)汽車(chē)?yán)m(xù)駛里程短的缺點(diǎn)，需要在行程中途或目的地進(jìn)行電能補(bǔ)充，為此，學(xué)者們開(kāi)展了電動(dòng)汽車(chē)充電行為對(duì)電網(wǎng)影響與路徑規(guī)劃方面的研究。文獻(xiàn)[5]研究了不同充電策略對(duì)電動(dòng)汽車(chē)經(jīng)濟(jì)性能的影響以及對(duì)當(dāng)?shù)嘏潆娋W(wǎng)的影響，結(jié)果表明，結(jié)合電價(jià)的智能充電和車(chē)輛到電網(wǎng)(vehicle-to-grid，V2G)的充電策略能顯著降低電動(dòng)汽車(chē)的充電成本，但同時(shí)也增加了配電網(wǎng)的壓力；文獻(xiàn)[6]采用單向V2G技術(shù)，并利用模糊集理論來(lái)降低充電成本和大規(guī)模充電對(duì)電網(wǎng)負(fù)載的影響；文獻(xiàn)[7]提出了一種考慮電網(wǎng)、電壓以及功率約束的充電規(guī)劃方法，該方法在滿足電動(dòng)汽車(chē)用戶需求的同時(shí)，為每輛汽車(chē)制定了單獨(dú)的充電計(jì)劃，避免了配電網(wǎng)的高峰用電期。

文獻(xiàn)[8]基于高效的路徑搜索算法，結(jié)合每個(gè)路段的交通信息，從而快速地找到了一條最優(yōu)路徑；文獻(xiàn)[9]基于不同地形和交通狀況，通過(guò)計(jì)算到達(dá)目的地的最小能量路徑來(lái)增加續(xù)駛里程，緩解了駕駛員的里程焦慮。但文獻(xiàn)[8-9]只考慮了道路交通信息，并未考慮電動(dòng)汽車(chē)與充電站的信息交互。目前，已有一些文獻(xiàn)研究同時(shí)考慮了道路交通信息和充電站(電網(wǎng))信息。文獻(xiàn)[10]通過(guò)移動(dòng)網(wǎng)絡(luò)通信獲取汽車(chē)與充電站的實(shí)時(shí)信息，以總充電時(shí)間最小為目標(biāo)進(jìn)行充電路徑選擇；文獻(xiàn)[11]基于路況信息，提出了一種可以根據(jù)不同道路情況規(guī)劃充電路線的有效方法；文獻(xiàn)[12]利用計(jì)算好的地圖來(lái)獲得所有充電站之間的最短路徑，但這種方法并不實(shí)用；文獻(xiàn)[13]將充電等待時(shí)間引入到能量成本最優(yōu)路徑規(guī)劃模型中，然而這種策略沒(méi)有考慮電力系統(tǒng)的約束；文獻(xiàn)[14]構(gòu)建了一種基于人群感知的電動(dòng)汽車(chē)最優(yōu)路徑選擇和充電導(dǎo)航模型，通過(guò)實(shí)時(shí)獲取交通和充電站信息，在路徑選擇、行駛時(shí)間、電池容量、充放電約束等多種約束下，將電動(dòng)汽車(chē)用戶的出行時(shí)間、充電成本最小化；文獻(xiàn)[15]提出了一種融合電網(wǎng)和路網(wǎng)信息的大規(guī)模充電調(diào)度策略，可以從一定程度上緩解電網(wǎng)壓力。

綜上所述，目前的研究大多局限于電動(dòng)汽車(chē)與配電網(wǎng)的交互以及電動(dòng)汽車(chē)與交通網(wǎng)的交互。本文提出了一種基于交通信息融合的智能預(yù)測(cè)策略，可將電網(wǎng)信息和路況交通環(huán)境信息相結(jié)合，當(dāng)車(chē)輛的電池電量不足以滿足整個(gè)行程時(shí)，針對(duì)行駛目的地，綜合考慮時(shí)間、能耗、距離和充電等各種成本因素，建立了靈活可靠的電動(dòng)車(chē)輛充電路徑規(guī)劃方案。

1 “車(chē)-路-網(wǎng)”智能模型

基于大數(shù)據(jù)的車(chē)聯(lián)網(wǎng)技術(shù)將電動(dòng)汽車(chē)、智能交通系統(tǒng)、充電管理系統(tǒng)相互聯(lián)系在一起，打破了各系統(tǒng)之間信息共享的壁壘，并形成了一個(gè)完善的電動(dòng)汽車(chē)“車(chē)-路-網(wǎng)”智能系統(tǒng)，其結(jié)構(gòu)如圖1所示。在大數(shù)據(jù)系統(tǒng)的輔助下，車(chē)輛可以通過(guò)智能交通系統(tǒng)(intelligent traffic system，ITS)實(shí)時(shí)查詢其行駛道路前方任意時(shí)間位置節(jié)點(diǎn)的路況信息，以便駕駛員基于路況信息選擇較佳的行車(chē)路線，并計(jì)算和預(yù)測(cè)電動(dòng)汽車(chē)在行駛里程內(nèi)的平均車(chē)速、路面標(biāo)高、剩余里程、剩余里程時(shí)間、實(shí)時(shí)道路交通信息，且車(chē)輛通過(guò)智能電網(wǎng)系統(tǒng)可實(shí)時(shí)查詢充電站分布等信息，因此，基于該廣義的“車(chē)-路-網(wǎng)”智能系統(tǒng)的新能源車(chē)輛充電規(guī)劃具有如下特點(diǎn)：

圖1 “車(chē)-路-網(wǎng)”智能系統(tǒng)Fig.1 “Vehicle-road-network” intelligent system

(1)前方路況及交通的動(dòng)態(tài)變化會(huì)直接約束電動(dòng)汽車(chē)到達(dá)充電站的時(shí)間及能量消耗；

(2)綜合考慮車(chē)輛的充電成本和效率，所選擇的充電站的充電等待時(shí)間以及實(shí)際充電時(shí)間會(huì)對(duì)充電路徑規(guī)劃產(chǎn)生更加直接的影響；

(3)新能源電動(dòng)汽車(chē)的類型存在多種構(gòu)型，不同類型的新能源車(chē)輛對(duì)外接充電的充電站的依賴程度也是不同的。

1.1 道路拓?fù)淠Ｐ?/h3>

拓?fù)涞貓D模型用道路交叉的節(jié)點(diǎn)來(lái)表示地圖中不同道路之間的特定位置，其所含的信息主要是道路的路網(wǎng)及節(jié)點(diǎn)信息，對(duì)大規(guī)模環(huán)境下的路徑規(guī)劃是適用的，因此本文選用拓?fù)涞貓D作為環(huán)境地圖模型來(lái)進(jìn)行路徑規(guī)劃。通過(guò)將路網(wǎng)信息抽象化，基于實(shí)際道路連接狀態(tài)以及單行道等約束條件，將實(shí)際道路網(wǎng)絡(luò)轉(zhuǎn)化成數(shù)學(xué)模型，通過(guò)建立元素之間的節(jié)點(diǎn)關(guān)系，可以基于拓?fù)渚W(wǎng)絡(luò)地圖從一條道路到達(dá)任何其他道路，而道路間的關(guān)系也正是通過(guò)節(jié)點(diǎn)與節(jié)點(diǎn)之間的拓?fù)潢P(guān)系聯(lián)系在一起的。

參考福州市主要骨干道路網(wǎng)以及道路間的節(jié)點(diǎn)關(guān)系(圖2)，建立能夠充分反映道路網(wǎng)絡(luò)規(guī)模、道路等級(jí)等屬性的道路交通網(wǎng)絡(luò)模型，本文采用簡(jiǎn)化的思路，只選擇主要道路節(jié)點(diǎn)建立簡(jiǎn)化的拓?fù)渚W(wǎng)絡(luò)，最終所建立的道路拓?fù)淠Ｐ腿鐖D3所示。

圖2 福州主城區(qū)主要充電站分布及交通路網(wǎng)Fig.2 Charging stations distribution and traffic road network of main urban areas in Fuzhou

圖3 福州主城區(qū)主要道路拓?fù)淠Ｐ虵ig.3 Road topology model of main urban areas in Fuzhou

基于包含交通信息的拓?fù)涞貓D，將交通路網(wǎng)表達(dá)為G(A,R,V,T)。其中，A為基于交通信息建立的路網(wǎng)中所有節(jié)點(diǎn)的集合；R為所有路段Rij的集合，Rij為路網(wǎng)節(jié)點(diǎn)Ai到路網(wǎng)節(jié)點(diǎn)Aj之間的路段；V為與路段Rij相關(guān)的權(quán)Vij的集合,表示路段Rij上包含的交通信息(如路段長(zhǎng)度、路段平均速度、路段充電站及擁堵?tīng)顩r等信息)；T為道路綜合阻抗變化可獲知或預(yù)測(cè)的時(shí)間段。

1.2 綜合阻抗評(píng)價(jià)指標(biāo)模型

考慮到車(chē)輛進(jìn)行充電規(guī)劃時(shí)會(huì)受到各種影響因素的影響，因此需要構(gòu)建一個(gè)綜合性的評(píng)價(jià)指標(biāo)體系來(lái)評(píng)估由路網(wǎng)節(jié)點(diǎn)Ai出發(fā)行駛到路網(wǎng)節(jié)點(diǎn)Aj之間的交通綜合阻抗成本，將道路交通綜合阻抗成本函數(shù)表示為

Γcost={ΓT,Γcharge,Γenergy}={f(X1),f(X2),f(X3)}

(1)

其中，X={Xs|s=1,2,3}表示交通綜合阻抗成本的評(píng)價(jià)指標(biāo)；f(X1)為在該路段行駛所用時(shí)間(即行駛時(shí)間阻抗成本)；f(X2)為在該路段充電時(shí)所消耗的等待時(shí)間成本(即充電阻抗成本)；f(X3)為該路段行駛所消耗的能源成本(即能耗阻抗成本)。

(2)

則車(chē)輛到達(dá)目的地時(shí)的總行駛時(shí)間阻抗成本可表示為

(3)

基于“車(chē)-路-網(wǎng)”智能交通系統(tǒng)，根據(jù)道路編號(hào)可以獲得各路段Rij中充電站的分布信息。若某路段上沒(méi)有充電站，則該路段無(wú)法進(jìn)行電量補(bǔ)充(即該路段充電成本為fij(X2)=0)；若到達(dá)充電站時(shí)充電設(shè)施有空閑，則可以直接進(jìn)行充電服務(wù)；若充電設(shè)施沒(méi)有空閑，則需要排隊(duì)等候。

基于“車(chē)-路-網(wǎng)”智能電網(wǎng)系統(tǒng)，駕駛者可以提前預(yù)約充電站。假設(shè)駕駛者到達(dá)充電站前就進(jìn)行充電設(shè)施的預(yù)約，預(yù)約時(shí)長(zhǎng)為T(mén)order，汽車(chē)到達(dá)充電站所需的時(shí)間為T(mén)ij，則等待充電時(shí)間Twait可以通過(guò)下式預(yù)估：

(4)

車(chē)輛的充電時(shí)間可表示為

(5)

式中，ΔQ為車(chē)輛電池組在充電時(shí)所需要消耗的電量，A·h；Icharge為車(chē)輛充電電流，A。

假設(shè)車(chē)輛在路段Rij進(jìn)行充電，則可以預(yù)測(cè)在該路段充電時(shí)所消耗的等待時(shí)間成本，即充電阻抗成本為

(6)

根據(jù)規(guī)劃路線結(jié)合駕駛員需求進(jìn)行充電站選擇，則總充電阻抗成本可表示為

Γcharge=∑fij(X2)=∑(Twait+Tcharge)

(7)

在進(jìn)行充電路徑規(guī)劃時(shí)，還需要了解各路段的能量消耗，即建立各路段的行駛能耗阻抗成本函數(shù)，進(jìn)而對(duì)所選擇路線的總能量消耗進(jìn)行預(yù)測(cè)。汽車(chē)在路段Rij的驅(qū)動(dòng)力可表示為

(8)

式中，m為整車(chē)質(zhì)量；g為重力加速度；vij為該路段車(chē)輛行駛速度；fr為滾動(dòng)阻力系數(shù)；CD為空氣阻力系數(shù)；Aw為汽車(chē)的迎風(fēng)面積；iij為道路坡度；δ為汽車(chē)旋轉(zhuǎn)質(zhì)量換算系數(shù)；t為行駛時(shí)間。

車(chē)輛的驅(qū)動(dòng)力是與道路坡度、車(chē)輛行駛速度以及車(chē)輛參數(shù)相關(guān)的物理量，根據(jù)驅(qū)動(dòng)力方程忽略電池組電壓變化，可估算在路段Rij由電池組驅(qū)動(dòng)時(shí)的車(chē)輛平均驅(qū)動(dòng)功率和平均驅(qū)動(dòng)電流:

(9)

(10)

則車(chē)輛在整個(gè)行程的總能耗阻抗成本可表示為

Γenergy=∑fij(X3)=∑ΔQij

(11)

所建立的評(píng)價(jià)體系中各評(píng)價(jià)指標(biāo)之間存在一定耦合關(guān)系，在進(jìn)行實(shí)時(shí)路徑規(guī)劃時(shí)，到達(dá)目的地所用的時(shí)間、能耗及選擇充電站進(jìn)行充電所需要的時(shí)間均與各路段的實(shí)際里程、道路的交通狀況以及各路段的平均車(chē)速直接相關(guān)。在進(jìn)行最優(yōu)路徑搜索時(shí)，根據(jù)不同駕駛需求，存在傾向于時(shí)間最短、能耗最小以及綜合阻抗成本最小的3種選擇，可表示為

(12)

其中，fij(X)表示由節(jié)點(diǎn)Ai到Aj之間路段Rij的阻抗成本。當(dāng)節(jié)點(diǎn)Ai和Aj不連通時(shí)，則fij=∞，在路徑規(guī)劃時(shí)采用如下目標(biāo)函數(shù)：

J=min(Γcost)

(13)

考慮充電的動(dòng)態(tài)路徑規(guī)劃問(wèn)題可描述為：基于所建立的車(chē)輛充電規(guī)劃評(píng)價(jià)指標(biāo)體系，引入充電選擇特征參數(shù)，構(gòu)建能夠反映充電選擇特征的交通路網(wǎng)G(A,R,V,T)，從中尋找一條從T時(shí)刻出發(fā)、自起始點(diǎn)A0經(jīng)過(guò)當(dāng)前節(jié)點(diǎn)Ak再到目標(biāo)點(diǎn)An的能夠滿足駕駛員個(gè)性化需求的最佳路徑Π={A0,…,Ak,…An}，并使得目標(biāo)函數(shù)值最小。

2 基于啟發(fā)式搜索算法的路徑規(guī)劃

利用路徑搜索算法，從車(chē)輛設(shè)置的起始點(diǎn)出發(fā)，逐步搜索到目標(biāo)點(diǎn)，計(jì)算相應(yīng)的阻抗成本，最終可以得到成本最優(yōu)的充電可行路徑規(guī)劃。啟發(fā)式搜索算法在決定節(jié)點(diǎn)拓展順序的估價(jià)函數(shù)中引入啟發(fā)值，避免了盲目搜索，從而有利于提高搜索效率。A*算法是啟發(fā)式搜索算法中的一種，A*算法對(duì)每個(gè)道路節(jié)點(diǎn)均設(shè)計(jì)一個(gè)估價(jià)函數(shù)，其表達(dá)式如下：

F(Ak)=g(Ak)+h(Ak)

(14)

其中，F(xiàn)(Ak)表示從起始節(jié)點(diǎn)A0經(jīng)過(guò)當(dāng)前節(jié)點(diǎn)Ak再到目標(biāo)節(jié)點(diǎn)An的估算總成本值；h(Ak)表示當(dāng)前節(jié)點(diǎn)Ak到目標(biāo)節(jié)點(diǎn)An的估算路徑成本值(即啟發(fā)函數(shù)，根據(jù)所采用的評(píng)估函數(shù)的不同而變化)；g(Ak)表示從起始節(jié)點(diǎn)A0到當(dāng)前節(jié)點(diǎn)Ak的實(shí)際路徑成本值，可以根據(jù)當(dāng)前節(jié)點(diǎn)Ak之前的節(jié)點(diǎn)和實(shí)際規(guī)劃路徑計(jì)算得到，其表達(dá)式如下：

(15)

其中，cost(Ai,Ai+1)表示從節(jié)點(diǎn)Ai到節(jié)點(diǎn)Ai+1的實(shí)際路徑成本值，根據(jù)不同需求，可以選擇不同的交通綜合阻抗成本函數(shù)來(lái)作為實(shí)際路徑成本值的計(jì)算函數(shù)，即

cost(Ai,Ai+1)=

(16)

因此，在考慮充電過(guò)程的路徑規(guī)劃過(guò)程中，將所建立的車(chē)輛交通綜合阻抗模型中的阻抗評(píng)價(jià)指標(biāo)與路徑搜索算法相結(jié)合，根據(jù)不同路段交通情況來(lái)計(jì)算車(chē)輛路徑規(guī)劃中的實(shí)際路徑成本，將前文所構(gòu)建的目標(biāo)函數(shù)作為實(shí)際路徑成本值的計(jì)算函數(shù)，即

(17)

A*算法能搜索到最優(yōu)路徑的前提條件如下：

h(Ak)≤cost*(Ak,An)

(18)

其中，cost*(Ak,An)為當(dāng)前節(jié)點(diǎn)Ak到目標(biāo)節(jié)點(diǎn)An的最優(yōu)距離。滿足式(18)的h(Ak)值越大，則拓展節(jié)點(diǎn)越少，為了保證搜索路徑的最優(yōu)性，將當(dāng)前節(jié)點(diǎn)到目標(biāo)節(jié)點(diǎn)的歐幾里德距離作為啟發(fā)函數(shù)。給定這兩個(gè)節(jié)點(diǎn)的坐標(biāo)(xk,yk)和(xn,yn)，則兩節(jié)點(diǎn)間的歐幾里德距離可表示為

(19)

A*算法用Sopen和Sclosed兩個(gè)集合來(lái)管理道路節(jié)點(diǎn)，Sopen集合用于存放路徑搜索過(guò)程中已拓展過(guò)的道路節(jié)點(diǎn)的可達(dá)子節(jié)點(diǎn)，它們屬于待拓展的節(jié)點(diǎn)；Sclosed集合則用于存放在路徑搜索過(guò)程中已經(jīng)拓展過(guò)的節(jié)點(diǎn)。

初始時(shí)Sopen只存放A0節(jié)點(diǎn)，而Sclosed為空集，且除了A0節(jié)點(diǎn)外，其他所有節(jié)點(diǎn)的g(Ai)值均初始化為無(wú)窮大，A0節(jié)點(diǎn)的成本值可表示為

(20)

路徑搜索算法的具體實(shí)現(xiàn)流程如圖4所示，每次都從Sopen中選擇F(Ai)值最小的節(jié)點(diǎn)Ai進(jìn)行拓展，節(jié)點(diǎn)Ai拓展的可達(dá)子節(jié)點(diǎn)存放在Sopen中，節(jié)點(diǎn)Ai拓展完后，將節(jié)點(diǎn)Ai從Sopen中移到Sclosed中，并判斷Ai是否是目標(biāo)節(jié)點(diǎn)，若是，則搜索成功，若Ai不是目標(biāo)節(jié)點(diǎn)，則繼續(xù)拓展Ai的可達(dá)子節(jié)點(diǎn)Asuc；根據(jù)子輩節(jié)點(diǎn)Asuc的g(Asuc)值和父輩節(jié)點(diǎn)Aold的g(Aold)值來(lái)更新父輩節(jié)點(diǎn)的g(Aold)值和F(Aold)值；循環(huán)上述過(guò)程，直到拓展到目標(biāo)節(jié)點(diǎn)或者Sopen為空集時(shí)，算法才終止，若算法搜索到目標(biāo)節(jié)點(diǎn)，則搜索成功；若Sopen為空集，則搜索失敗。

圖4 A*算法流程圖Fig.4 Flow chart of A* algorithm

3 樣例實(shí)現(xiàn)及驗(yàn)證分析

本文以福州主要道路網(wǎng)絡(luò)為基礎(chǔ)，選擇城市的主干道和快速路這兩種主要類型的城市工況建立電動(dòng)汽車(chē)的運(yùn)行環(huán)境來(lái)進(jìn)行驗(yàn)證分析，對(duì)劃分路段進(jìn)行分類，快速路主要路段包括{R5,6,R1,6,R6,10,R11,12,R8,12,R12,13,R3,8,R4,13,R8,13}，其他路段則屬于城市主干道。對(duì)福州市特定城市主干道和快速路路段進(jìn)行主要行駛參數(shù)數(shù)據(jù)的采集，獲得兩種類型的工況片段，并將這些工況片段與所建立拓?fù)鋱D地圖中的劃分路段相匹配，如圖5和圖6所示。

(a) 匹配路段R11,12

(a) 匹配路段R5,9

3.1 路段阻抗成本計(jì)算

車(chē)輛通過(guò)GPS導(dǎo)航系統(tǒng)獲取預(yù)期行駛區(qū)域的所有路段號(hào)和路段長(zhǎng)度，并對(duì)實(shí)時(shí)的交通道路信息數(shù)據(jù)進(jìn)行解碼，然后按照路段號(hào)獲取不同路段的平均車(chē)速、行駛時(shí)間等信息，并將獲取的路段各項(xiàng)信息以表格的形式存儲(chǔ)?；诘缆仿窂狡蔚膭澐?，結(jié)合工況片段的匹配將工況的運(yùn)行時(shí)間作為該路段的行駛時(shí)間阻抗成本。基于全國(guó)道路設(shè)計(jì)規(guī)范和道路限速等規(guī)范，對(duì)不同車(chē)速和不同坡度下所建立的車(chē)輛模型在單位行駛里程的純電力驅(qū)動(dòng)行駛模式下的能量消耗E進(jìn)行計(jì)算，并作為能耗預(yù)測(cè)的參考基礎(chǔ)數(shù)據(jù)，獲得的結(jié)果如圖7所示。根據(jù)路段的平均行駛速度、道路長(zhǎng)度、平均坡度和電池組放電電壓，參考該能量消耗可以預(yù)估通過(guò)不同路段的能耗阻抗成本。

圖7 純電動(dòng)模式下的能量消耗Fig.7 Energy consumption of electric vehicle in pure electric mode

針對(duì)可以進(jìn)行充電的路段，根據(jù)智能電網(wǎng)的預(yù)約系統(tǒng)可以預(yù)估汽車(chē)到達(dá)充電站之后的等待時(shí)間，并根據(jù)未完成路徑的長(zhǎng)度估計(jì)車(chē)輛需要補(bǔ)充的能耗，進(jìn)而確定實(shí)際充電時(shí)間，得到充電路段的綜合時(shí)間阻抗成本。本文參考了國(guó)家電網(wǎng)交流充電樁的兩種規(guī)格：16 A@220 V(3.5 kW)和32 A@220 V(7 kW)，對(duì)不同充電路段進(jìn)行了規(guī)劃，得到相應(yīng)的各項(xiàng)時(shí)間成本和充電參數(shù)如表1所示。

表1 充電路段各項(xiàng)時(shí)間成本和充電參數(shù)Tab.1 Time costs and charging parameter of charging sections

3.2 基于A*算法的路徑搜索

基于福州市地理位置信息，將行駛起點(diǎn)設(shè)置為福州大學(xué)(即出發(fā)點(diǎn)設(shè)為拓?fù)涞貓D中的A0)、終點(diǎn)設(shè)置為鼓山中學(xué)(即節(jié)點(diǎn)A13)來(lái)進(jìn)行路徑規(guī)劃，通過(guò)車(chē)載導(dǎo)航系統(tǒng)和智能交通系統(tǒng)獲得實(shí)時(shí)的路況信息和路線里程信息，整車(chē)控制器(vehicle control unit,VCU)采用A*算法計(jì)算出每個(gè)路線方案中的里程、能耗、耗時(shí)等信息，根據(jù)不同的需求獲得不同規(guī)劃路徑的節(jié)點(diǎn)選擇，最終根據(jù)實(shí)際需求確定路線。

節(jié)點(diǎn)選擇的拓展過(guò)程如圖8所示，初始節(jié)點(diǎn)為A0，目標(biāo)節(jié)點(diǎn)為A13，在該過(guò)程中不斷更新Sopen和Sclosed集合中的節(jié)點(diǎn)來(lái)表示路徑的選擇，最終確定路徑的選擇節(jié)點(diǎn)，將各節(jié)點(diǎn)間的匹配工況組合在一起構(gòu)成路徑規(guī)劃的最終車(chē)輛行駛工況。圖8給出了以能耗最優(yōu)、時(shí)間最優(yōu)和綜合最優(yōu)為目標(biāo)計(jì)算得到的路徑節(jié)點(diǎn)，根據(jù)路線規(guī)劃結(jié)果得到規(guī)劃路線的路段組合，并獲得不同路線的運(yùn)行工況，不同路線下的工況統(tǒng)計(jì)參數(shù)如表2所示。

表2 組合仿真工況參數(shù)表Tab.2 Main parameters of combined driving cycles

圖8 路徑規(guī)劃行駛方案Fig.8 Route planning driving scheme

3.3 路徑規(guī)劃有效性驗(yàn)證

基于圖8的節(jié)點(diǎn)選擇結(jié)果，將不同節(jié)點(diǎn)之間的路線用上述匹配的工況片段來(lái)表示，根據(jù)節(jié)點(diǎn)順序進(jìn)行組合工況的匹配，在不考慮充電的情況下獲得的匹配組合工況如圖9所示。

(a) 組合工況A

通過(guò)比較三種工況的快速路工況和普通城市主干道工況占比，在路線選擇方面可以看出，三種工況的偏向有著明顯的區(qū)別。組合工況A、B主要都是城市主干道，而快速路選擇較少，而組合工況C恰恰相反，主要由快速路工況組成。根據(jù)所建立的整車(chē)模型對(duì)所獲得的三種組合工況進(jìn)行分析，在不考慮充電時(shí)，三種組合工況下的荷電狀態(tài)(state of charge,SOC)變化和綜合能耗變化如圖10所示。

由圖9和圖10可以看出，前兩種組合工況A、B主要包含的是城市主干道工況，車(chē)輛平均行駛速度相對(duì)較低，因此，電量消耗速率相對(duì)較慢，最終的能量消耗也相對(duì)較??；而組合工況C則是以快速路工況為主，電量消耗速率較快，導(dǎo)致行駛過(guò)程中的綜合能量消耗較大，但最終行駛時(shí)間得到了明顯的縮短。由此可知，組合工況A、B下，路徑規(guī)劃更偏向于能耗更優(yōu)，而組合工況C更加偏向于時(shí)間更優(yōu)。

(a) SOC

結(jié)合在路徑規(guī)劃的過(guò)程中對(duì)充電時(shí)間成本的考慮，在圖9和圖10的基礎(chǔ)上，匹配這三種組合工況中充電路段的充電等待時(shí)間和實(shí)際充電時(shí)間，獲得的三種考慮充電的匹配組合工況如圖11所示，其相應(yīng)的SOC變化和能耗對(duì)比如圖12所示。

(a) 考慮充電的組合工況A

(a) SOC

由圖11和圖12可以看出,組合工況A采用能耗最優(yōu)的充電路徑規(guī)劃原則，與組合工況B、C相比消耗了更長(zhǎng)的充電時(shí)間，但組合工況A主要由城市主干道組成，所以最終的能量消耗最優(yōu)。組合工況B是以時(shí)間和能耗綜合最優(yōu)為目標(biāo)所得到的優(yōu)化路徑，與組合工況A相比，組合工況B下車(chē)輛的充電等待時(shí)間和實(shí)際充電時(shí)間縮短了34.8%，行駛時(shí)間縮短了7.79%，其行駛里程與組合工況A的行駛里程也十分接近(表2)，最終的綜合能耗相對(duì)于組合工況A僅僅增加了2.8%。組合工況C以時(shí)間最優(yōu)為目標(biāo)，選擇的工況多數(shù)為快速路工況，雖然組合工況C的行駛里程有所增加(表2)，最終的能耗相比于組合工況A增加了25.1%，但是組合工況C選擇的充電站充電功率比其他充電站的充電功率大，且充電時(shí)間較短，相比于組合工況A充電消耗時(shí)間縮短了39.1%，行駛時(shí)間縮短了18.1%。

綜上比較可得，在不同的路徑選擇下，車(chē)輛可以選擇合理的充電地點(diǎn)，最終可以保證在行駛結(jié)束時(shí)，電池的SOC保持在一定的值，使車(chē)輛保持一定的電量，而不同需求下路徑規(guī)劃的結(jié)果也存在一定的差異。所提出的基于A*算法的充電路徑規(guī)劃策略可以依據(jù)不同的需求獲得合理的規(guī)劃路徑，從而為駕駛者的出行提供更加合理和多樣性的選擇。

4 結(jié)論

(1)本文對(duì)基于交通信息的充電管理控制進(jìn)行了研究，構(gòu)建了在路徑規(guī)劃中用于滿足不同需求的綜合阻抗評(píng)價(jià)指標(biāo)體系，對(duì)行程時(shí)間、能量消耗和等待時(shí)間進(jìn)行了估算，根據(jù)不同的需求設(shè)計(jì)了電動(dòng)汽車(chē)充電路徑規(guī)劃方案，采用A*算法來(lái)獲取最優(yōu)的充電路徑。參考福州市主要道路分布拓?fù)渚W(wǎng)絡(luò)，建立了福州市主要區(qū)域路網(wǎng)模型，用于進(jìn)行所建立的充電路徑規(guī)劃驗(yàn)證分析。

(2)考慮充電的路徑規(guī)劃在行駛過(guò)程中增加了充電階段，雖然增加了行駛時(shí)間，但是基于不同的需求可以獲得不同的行車(chē)路線和充電策略。在以綜合最優(yōu)為目標(biāo)的組合工況B下，車(chē)輛的充電等待時(shí)間和實(shí)際充電時(shí)間相比于以能耗最優(yōu)為目標(biāo)的組合工況A縮短了34.8%，行駛時(shí)間縮短了7.79%，綜合能耗相對(duì)于組合工況A僅僅增加了2.8%。組合工況C以時(shí)間最優(yōu)為目標(biāo)，其能耗相比于以能耗最優(yōu)為目標(biāo)的組合工況A增加了25.1%，但組合工況C獲得的充電功率大，且充電時(shí)間短，相比于組合工況A充電消耗時(shí)間縮短了39.1%，行駛時(shí)間縮短了18.1%。這表明所提出的基于A*算法的充電路徑規(guī)劃策略可以根據(jù)不同的需求獲得合理的規(guī)劃路徑，從而為駕駛者的出行提供更加合理和多樣性的選擇。