基于信息化的冷链运营节能调度方法、装置、设备及介质
本发明属于智能调度领域,特别是涉及基于信息化的冷链运营节能调度方法、装置、设备及介质。
背景技术:
1、随着冷链物流领域技术的快速发展,出现了基于物联网和多源传感的冷链监控技术,该技术能够实时采集车厢内温度、冷机状态、车辆位置等运行数据,为冷链运输的精细化管理提供了数据基础,进而引出了目前主流的冷链调度方式,即基于固定温控阈值和经验的规则式调度方法。
2、传统技术中,冷链运输车辆的制冷控制通常采用简单的pid或开关式控制策略,以车厢内回风温度或单个温度探头的读数为反馈信号,当温度超过设定阈值时启动制冷或提升压缩机档位,低于阈值时停止或降档。车辆的调度排班和路径规划则主要依靠调度员的经验,结合固定的配送顺序和装卸时间预估进行安排。对于多温区车辆,各温区的温度设定和冷量分配往往在装车前一次性确定,运行过程中不再调整。
3、然而,目前的规则式调度方法存在以下问题:制冷控制存在显著滞后,冷机从指令到输出稳定冷量需要数分钟响应时间,而温度传感器的采样频率较低,导致控制策略始终落后于实际温度变化,尤其在车辆进出隧道、高架桥阴影区或遭遇突发降雨时,环境温度骤降而制冷系统仍按原功率运行,造成车厢内温度过低和能源浪费。传统能耗模型仅考虑行驶过程中的稳态制冷负荷,忽略了频繁装卸导致的瞬态能耗峰值,当配送路径包含多个卸货点时,每次开门造成的热量侵入需要额外制冷补偿,但现有模型无法准确量化这种脉冲式热负荷。卸货顺序对制冷负荷的影响未被纳入调度决策,不同的卸货顺序会导致车厢内各温区的开门次数和时间分布截然不同,进而影响冷机的累计能耗和温度恢复时间,但现有调度系统无法根据卸货顺序动态调整制冷策略。
技术实现思路
1、基于此,有必要针对上述技术问题,提供一种能够引入热动态模型预测短期内各事件引发的温度变化,以提高调度优化的可靠性的基于信息化的冷链运营节能调度方法、装置、设备及介质。
2、第一方面,本技术提供了一种基于信息化的冷链运营节能调度方法,包括:
3、获取装卸货计划和预测行驶路线对应的预测环境数据,并基于装卸货计划和预测环境数据,进行温度变化事件预测,得到事件预测序列;
4、将事件预测序列输入至车厢热动态模型中,模拟各温区的温度变化轨迹,得到温度预测轨迹;
5、基于车厢热动态模型和事件预测序列,以温度预测轨迹为参照,以最小化目标函数值为目标,通过序列二次规划求解器进行优化决策,得到制冷控制指令;其中,制冷控制指令包括压缩机目标档位和各温区的膨胀阀目标开度。
6、进一步地,车厢热动态模型是通过以下方法训练的,包括:
7、获取温区货物分布清单,并基于温区货物分布清单,计算各温区的基准温控参数,得到温控参数向量;
8、基于温控参数向量和车辆结构参数,建立得到各温区对应的热动态模型框架;
9、将历史事件序列输入至热动态模型框架中,进行历史温度变化轨迹预测,得到理论温度轨迹,并计算理论温度轨迹和实际温度轨迹之间的误差,得到误差累计值;
10、以误差的累计值最小为目标,求解热动态模型框架的可更新参数,得到校准模型参数;其中,校准模型参数包括车厢总传热系数、换气次数和冷机响应时间常数;
11、基于校准模型参数,更新热动态模型框架,得到车厢热动态模型。
12、进一步地,温控参数向量包括等效热容和呼吸热速率;
13、基于温控参数向量和车辆结构参数,建立得到各温区对应的热动态模型框架,包括:
14、从车辆结构参数中提取温区总数、温区容积和邻舱关系,并基于温区总数、温区容积和邻舱关系,计算各温区对外界的外壁传热系数和各温区之间的耦合传热系数,得到几何传热参数;
15、基于几何传热参数和呼吸热速率,联立得到各温区的传导热量,并基于传导热量和等效热容,联立得到温区热平衡方程组;
16、从车辆结构参数中提取制冷参数,并基于制冷参数,计算各温区的制冷量;
17、在温区热平衡方程组中添加开门侵入热量,得到侵入热平衡方程组,并将制冷量方程和侵入热平衡方程组连接,得到基础热动态模型框架;
18、初始化基础热动态模型框架中的可更新参数,得到热动态模型框架。
19、进一步地,将制冷量方程和侵入热平衡方程组连接,得到基础热动态模型框架,包括:
20、其中,基础热动态模型框架的表达式为:
21、;
22、其中,为温区的等效热容,为温区索引,为温区的舱内温度,为温区的外壁传热热量,为温区和相邻温区的耦合传热热量,为相邻温区索引,为温区的邻舱索引集合,为温区的通风渗透热量,为温区的呼吸热量,为温区的开门侵入热量,为时间自变量,为制冷量方程;
23、其中,开门侵入热量的计算公式为:
24、;
25、其中,为温区的开门侵入热量,为温区的开门标志函数,为温区的门开口面积,为开门对流传热系数,为环境温度,为温区的舱内温度。
26、进一步地,基于车厢热动态模型和事件预测序列,以温度预测轨迹为参照,以最小化目标函数值为目标,通过序列二次规划求解器进行优化决策,得到制冷控制指令,包括:
27、加载并基于优化变量、约束条件和目标函数,构建得到优化问题;其中,目标函数包括能耗项和货损惩罚项;
28、基于当前冷机状态对应的优化变量,设置得到初始控制序列,并基于温度预测轨迹和初始控制序列,通过目标函数计算得到基线目标函数值;
29、以初始控制序列为起点,以基线目标函数值为参照,基于事件预测序列和车厢热动态模型,对优化问题进行迭代优化求解,得到最优控制序列;
30、将最优控制序列中的第一个控制指令设置为候选制冷控制指令,并对候选制冷控制指令进行硬件可行性修正,得到制冷控制指令。
31、进一步地,以初始控制序列为起点,以基线目标函数值为参照,基于事件预测序列和车厢热动态模型,对优化问题进行迭代优化求解,得到最优控制序列,包括:
32、将初始控制序列设置为初始的当前最优序列,将基线目标函数值设置为初始的目标函数值;
33、步骤601,以当前最优序列为起点,通过序列二次规划算法,搜索使目标函数值变小的优化变量的值,得到候选控制序列;
34、步骤602,将候选控制序列和事件预测序列输入至车厢热动态模型中,进行温度变化仿真,得到仿真温度轨迹,并基于候选控制序列和仿真温度轨迹,通过目标函数,计算得到仿真目标函数值;
35、步骤603,基于约束条件,对仿真温度轨迹进行硬约束检查,得到可行评估结果,并分别比对仿真目标函数值和基线目标函数值之间的能耗项和货损惩罚项,得到有效评估结果;
36、步骤604,若可行评估结果和有效评估结果为真,且仿真目标函数值小于当前最优序列对应的目标函数值,则将候选控制序列设置为当前最优序列;
37、迭代步骤601至步骤604,直至当前最优序列满足迭代停止条件,并将满足迭代停止条件的当前最优序列设置为最优控制序列。
38、第二方面,本技术还提供了一种基于信息化的冷链运营节能调度装置,包括:
39、预测模块,用于获取装卸货计划和预测行驶路线对应的预测环境数据,并基于装卸货计划和预测环境数据,进行温度变化事件预测,得到事件预测序列;
40、基准模块,用于将事件预测序列输入至车厢热动态模型中,模拟各温区的温度变化轨迹,得到温度预测轨迹;
41、决策模块,用于基于车厢热动态模型和事件预测序列,以温度预测轨迹为参照,以最小化目标函数值为目标,通过序列二次规划求解器进行优化决策,得到制冷控制指令;其中,制冷控制指令包括压缩机目标档位和各温区的膨胀阀目标开度。
42、第三方面,本技术还提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现如本技术第一方面所提供方法的任一步骤。
43、第四方面,本技术还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如本技术第一方面所提供方法的任一步骤。
44、上述基于信息化的冷链运营节能调度方法、装置、设备及介质,获取装卸货计划和预测行驶路线对应的预测环境数据,并基于装卸货计划和预测环境数据,进行温度变化事件预测,得到事件预测序列;将事件预测序列输入至车厢热动态模型中,模拟各温区的温度变化轨迹,得到温度预测轨迹;基于车厢热动态模型和事件预测序列,以温度预测轨迹为参照,以最小化目标函数值为目标,通过序列二次规划求解器进行优化决策,得到制冷控制指令;其中,制冷控制指令包括压缩机目标档位和各温区的膨胀阀目标开度。通过引入环境预测与卸货事件前馈,消除冷机响应滞后导致的过冲和过冷,减少卸货导致的温度漂移;引入车厢热动态模型,量化开门造成的热负荷,减少温度预测的误差;通过运行数据校准车厢热动态模型,贴合车辆实际物理状态,提高冷链运输车辆运营的可靠性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com