基于再生能耗耦合与机会补能的矿卡动态调度方法及系统与流程

本发明涉及矿山运输，具体涉及一种基于再生能耗耦合与机会补能的矿卡动态调度方法及系统。

背景技术：

1、露天矿山的物料运输由矿卡在采场装载点、破碎站、排土场之间循环完成，矿卡运输成本通常占露天开采总成本的一半左右。目前多数矿山采用人工调度或固定配对调度，即由调度员凭经验将矿卡固定分配给某台挖掘机，按既定路线往返。设备数量增多、装卸点分散后，这种方式的缺陷十分明显：装载点前排队与破碎站空等并存，车流在坡道交汇处拥堵，运力浪费与能耗上升同时发生。

2、同时，在露天矿山中，采场与卸点之间存在数十米以上的高差，同一台车重载与空载、上坡与下坡的能耗存在较大差异，对纯电动矿卡而言，重载下坡段还可通过再生制动回收可观电能，而回收能力又受电池荷电状态与充电接受功率的物理限制。

3、并且实际采矿流程中，会出现车辆故障、道路被落石阻断、卸料点满仓等突发情况，可能打断某个矿卡的工作流程，从而影响整个调度系统的运行流程。

4、此外，纯电动矿卡的充电环节在现有系统中独立于运输调度，电量低于固定阈值即中断任务、专程驶向充电站，产生额外空驶里程，充电桩前还常出现多车集中排队。

技术实现思路

1、本发明为了解决上述技术问题，提供一种基于再生能耗耦合与机会补能的矿卡动态调度方法及系统，以按坡度与载重逐路段核算的净能耗，并在突发事件下仅对受影响车辆子集进行局部重决策，降低矿区运输净耗电量，同时避免所有车辆进行全部重决策。

2、本发明通过下述技术方案实现：

3、一种基于再生能耗耦合与机会补能的矿卡动态调度方法，应用于云端调度平台，包括：

4、获取各矿卡上报的车辆状态数据、各装载点的节点状态数据、各卸载点的节点状态数据和路网状态数据，构建调度状态；所述车辆状态数据包括载重和电池荷电状态，所述路网状态数据包括各路段的坡度信息；

5、当任一矿卡进入空闲状态时，根据所述调度状态与预设的决策依据，通过调度决策模型确定该矿卡的运输任务，所述运输任务包括装载点、卸载点和行驶路径；

6、监测调度运行中的突发事件，监测到突发事件时，确定受该突发事件影响的矿卡子集，仅对所述矿卡子集中的矿卡重新确定运输任务；

7、将确定的运输任务下发至对应的矿卡执行。

8、可选地，所述决策依据包括净能耗；核算所述净能耗时，根据该矿卡的载重与各路段的坡度信息，对行驶路径的每一路段按下式计算牵引力需求：；

9、当时，该路段的驱动耗电量为；

10、当时，该路段的再生制动回收电量为；

11、其中，为矿卡的整备质量，为当前载重，为重力加速度，为滚动阻力系数，为路段坡角，为路段计划车速，为气动阻力集总参数，为路段长度，为电驱效率，为再生制动回收效率；

12、各路段的驱动耗电量之和减去各路段的再生制动回收电量之和为所述净能耗。

13、可选地，所述再生制动回收效率满足；

14、其中，为基础回收效率；

15、为电池接受能力因子，当电池荷电状态不高于预设的第一门限时，，在电池荷电状态由所述第一门限升高至预设的截止值的过程中，由1单调降低至0，所述截止值大于所述第一门限；

16、为功率限制因子，为该路段的制动功率，为电池最大充电接受功率。

17、可选地，确定运输任务前，对不可行的候选任务进行屏蔽，被屏蔽的候选任务包括：卸载点满仓程度超限的候选任务、行驶路径包含封闭路段的候选任务、电量不可行的候选任务；

18、其中，电量不可行的判定条件为，为矿卡的当前电池荷电状态，为该矿卡执行候选任务并抵达最近充电站的预计电量消耗，为预设的安全冗余电量。

19、可选地，所述调度决策模型为多目标深度强化学习模型，其奖励函数满足：，其中，为运输任务产生的排队等待时长，为所述净能耗，为空驶里程，、、为归一化基准值，、、为权重系数。

20、可选地，重新确定运输任务采用双时间尺度，包括：

21、按预设周期对全部矿卡进行全局滚动优化，在监测到突发事件时触发针对所述矿卡子集的局部重决策；

22、所述突发事件分为硬事件与软事件，所述硬事件包括车辆故障、道路封闭、卸载点设备故障，所述软事件包括排队数量或路段拥堵程度超过预设事件阈值；

23、确定所述矿卡子集，具体包括：

24、将当前运输任务的装载点、卸载点或行驶路径与突发事件所涉及元素相交的矿卡作为初始受影响集合；

25、在车辆与装卸点构成的排队耦合图上自所述初始受影响集合按预设传播深度进行广度优先扩展，得到所述矿卡子集；

26、并且，当所述矿卡子集占全部矿卡的比例超过预设比例阈值时，改为对全部矿卡进行全局重优化。

27、进一步，所述方法还包括：将充电站作为虚拟任务节点插入矿卡的任务链；

28、矿卡的电池荷电状态低于第一阈值时强制插入充电任务；

29、电池荷电状态处于所述第一阈值与第二阈值之间时，在插入代价低于预设代价阈值的情况下插入充电任务，所述第二阈值大于所述第一阈值；

30、其中，根据绕行增加里程、充电站预计排队时长以及到站电量低于所述第一阈值的风险量确定所述插入代价，所述到站电量根据行驶路径逐路段核算的驱动耗电量与再生制动回收电量预估得到。

31、可选地，插入的充电任务的目标充电量满足：，其中，为该矿卡已排任务链的预计耗电占比，为预设的安全冗余电量，为充电上限，为电池接受能力不衰减的荷电状态门限，为已排任务链中重载下坡路段的预计可回收电量，为电池容量。

32、一种无人驾驶矿卡调度系统，包括车载终端和云端调度平台；

33、所述车载终端设置于矿卡上，与所述云端调度平台通信连接；

34、所述车载终端用于采集并上报车辆状态数据，接收并执行所述云端调度平台下发的运输任务；所述车辆状态数据包括载重和电池荷电状态；

35、所述云端调度平台包括状态融合模块、调度决策模块、事件监测模块和局部重调度模块；

36、所述状态融合模块用于根据各车载终端上报的车辆状态数据、各装载点与各卸载点的节点状态数据以及路网状态数据构建调度状态；

37、所述调度决策模块与所述状态融合模块连接，用于根据所述调度状态为空闲的矿卡确定运输任务，且决策依据为净能耗；

38、所述事件监测模块用于监测调度运行中的突发事件；

39、所述局部重调度模块分别与所述事件监测模块和所述调度决策模块连接，用于在监测到突发事件时确定受影响的矿卡子集，并仅对所述矿卡子集重新确定运输任务。

40、可选地，所述云端调度平台还包括充电规划模块，所述充电规划模块与所述调度决策模块连接，用于根据矿卡的电池荷电状态与插入代价，将充电站作为虚拟任务节点插入该矿卡的任务链；

41、所述车载终端还用于执行本地避障与速度规划，并在与所述云端调度平台的通信中断超过预设时长时，按最近接收的有效运输任务继续行驶，任务完成后控制矿卡驶入安全停靠区等待通信恢复。

42、本发明通过将坡度-载重-净能耗嵌入任务分派决策，并通过局部重决策替代全局重排，实现了低能耗且抗扰动的矿卡调度；本发明与现有技术相比，具有如下有益效果：

43、基于再生能耗耦合，净能耗按载重与坡度逐路段核算，再生回收量受电池荷电状态与充电接受功率双因子截断，从而实现低电量车优先承担重载下坡任务，高电量电车优先承担轻载下坡或者重载短下坡任务；

44、在突发事件下，仅对受影响的矿卡子集重新决策，从而降低了突发事件下的无效折返与空驶里程。

45、基于机会补能，将充电作为虚拟任务节点按插入代价顺路安排，并且在充电时为后续再生回收预留电池接受空间，减少充电时长，并节能。