SSB蓄电池电动矿山多车队电池交换的协同调度：基于模拟的优化方法

2026-03-10 20:20:44

摘要

全球碳减排政策加速了露天矿场的电气化转型。为满足矿用卡车车队的连续作业需求，电池更换（BS）模式已成为高效解决方案。本研究针对配备分布式BS站与集中式充电设施的露天采矿系统（包括电动矿用卡车和电池运输车辆），探究多车队协同调度问题。本文提出了一种基于离散事件模拟（DES）的创新优化框架，该框架通过利用BS需求与电池供应的可控性，协调供需两侧运营，从而释放潜在效率并推导出最优调度方案，涵盖矿用卡车作业、BS活动及电池物流。所开发的DES模型可模拟异构车队、多样化资源设施之间的交互作用，以及运营流程、BS环节与电池取用过程中因排队引发的级联延迟效应。此外，DES模型还被用作修复工具以快速修正不可行解。针对基于模拟的优化中固有的维度灾难问题，本文提出了基于非支配排序的群体大邻域搜索算法（NSPLNS），该算法融合了群体多目标搜索与个体导向强化的优势。研究设计了一系列用于提升解质量的定制化算子，并明确将用于提升算法效率的并行模拟技术整合至算法框架中。本研究采用中国内蒙古地区的实际案例来评估所提出的框架与算法。通过数值实验分析了算法性能、定制化算子的影响并开展敏感性分析。数值结果表明，所构建的模型与算法能通过利润最大化提升运营经济效益，同时通过最小化排队时间与基站时长来优化基站效率。本研究的源代码已公开于：https://github.com/HonghuiZou/NSPLNS.

Introduction

过去十年间，在"电动化能够抑制温室气体排放并改善城市空气质量"这一广泛共识的推动下，全球电动汽车保有量快速增长[1]。不断扩张的电动汽车市场催生了电池置换（BS）模式，该模式可降低车辆持有与维护成本，并缓解驾驶员的里程焦虑[2]。迄今为止，关于BS系统的研究主要集中于轻型车辆，仅少数研究涉及电动卡车[3,4]，而针对工业场景的研究依然匮乏。值得庆幸的是，中国的碳减排政策正在加速露天矿场的电动化进程，促使采矿企业以电动运输卡车替代传统柴油动力车辆。这一转变为工业重型车辆在BS模式下的研究与应用提供了全新场景。
露天挖矿作业需全天候连续运行，包含钻孔、爆破、装载、运输和破碎五个阶段。本研究调查的煤矿场地中，配备528千瓦时电池的电动矿用卡车通常仅能运行4小时，即便采用快充也需至少1小时充电。这种局限性导致多次作业班次延误，每次延误造成的营收损失估计约为20万元人民币（折合2.8万美元）。为提高经济效益与生产效率，采矿企业采用BS模式[5,6]。矿用卡车车队密集的充电需求（每块电池需0.5兆瓦充电功率）对电网造成压力。为此，矿区采用集中式充电站以充分利用有限的电网资源，同时配备电池配送车辆，通过将电池从该充电站运输至分布式换电站，缩短车队的往返距离。由于装载与运输环节占采矿作业成本的51%，露天矿挖矿作业成本[7]指出，优化车队管理至关重要。露天矿场电气化为车队管理带来了显著的复杂性，因为调度时不仅需要考虑矿卡车队的运营与电池置换（BS），还需统筹电池配送车队的调派。采矿企业亟需解决这些技术难题的解决方案。然而，现有关于露天矿场车队管理的研究大多集中于燃油动力矿用卡车[8]，而针对电池置换模式的研究主要聚焦于城市场景。只有Xiao等学者...[9] 研究了采矿环境中无集中充电的电池交换（BS）模式下单一车队的调度问题。为填补这一研究空白，我们创新性地探索了融合离散事件模拟（DES）的优化方法，该方法统筹调度矿用卡车车队与电池配送车队，并整合分布式BS系统与集中式充电设施。本研究的主要挑战可归纳为以下三方面：
首先，露天矿场的电池交换（BS）与充电系统与城市环境存在本质差异。城市环境中的出行需求具有随机性，受个体出行行为和交通状况影响。因此，现有城市BS系统的研究主要集中于不确定条件下的供给侧管理，以实现实时需求平衡。相比之下，矿用卡车车队按固定调度路线运行，其电池需求具有可预测性和可控性。该场景下的电池供应由电池运输车辆的调度策略决定。由此，卡车作业、BS流程与集中式充电三者间的有效协同变得至关重要。这要求建立供需双侧协同优化框架，通过同步调度提升运输生产率和能源利用效率。
其次，露天矿挖矿生产过程不可避免地面临资源短缺与排队问题，二者共同影响整体系统效率。具体而言，由于分布式换电站的电池储备量小于所分配矿用卡车车队的规模，需求集中的高峰换电时段会导致电池配送车辆频繁往返于换电站与充电站之间进行电池运输。与此同时，充电站有限的充电桩数量与冗长的充电时长，使其无法在短时间内提供充足的电量满荷电池。这导致换电站的电池供给延迟，形成电池短缺的恶性循环。此外，当矿用卡车与电池配送车辆大批量到达时，装载区、换电站及充电站均会出现排队现象。例如，挖矿卡车可能需要等待铲车完成装载或其他卡车完成BS（转载作业），而电池运输车辆则需等待电池完成充电。更为关键的是，挖矿卡车作业流程中任何环节的排队等候都可能引发连锁延误，波及后续所有步骤及其他卡车的作业。所谓连锁延误，是指系统中某一部分的延迟会引发连锁效应，导致后续所有环节延迟，从而扰乱整个作业流程。
第三，在这种高度耦合的系统中，每个调度方案都会扳机一系列影响系统状态的事件链，例如排队延迟或资源可用性，从而影响后续决策。例如，是否有足够的电池可供使用，或到达的卡车是否能立即得到服务，都取决于早期动作的累积效应。因此，优化模型的线性和非线性约束会随着系统状态的动态变化而不断演化。
传统优化方法（如混合整数线性规划MILP）无法有效建模排队现象、实时交互及动态约束，缺乏适应这些现实因素的灵活性与可调节性。尽管实时调度系统可通过持续重新优化实现动态调整，但其短视的规划范围常导致决策缺乏远见。基于离散事件模拟（DES）的优化为此提供了高效求解框架。给定一个车队调度方案，我们可以采用与优化模型等效的离散事件模拟（DES）模型来模拟露天矿中车队的完整运营过程，从而全面评估该方案的性能。相比之下，预先计算的调度方案能够更好地预测复杂挖矿环境中的资源交互，并提供更强的鲁棒性。通过整合启发式算法，我们可以在模拟环境中识别具有最优目标值的解决方案，这些方案被视为实际应用中的最优解。然而，基于个体的搜索算法无法模拟群体行为，而基于群体的算法由于无法实现局部优化，存在模拟时间长、解质量差的缺陷。为此，我们设计了一种能够进行并行模拟计算的高效混合启发式算法。通过真实案例研究验证了模型与算法性能，本文还提供了管理启示。本研究的主要贡献如下：

• (1)
  我们研究了分布式基站与集中式充电系统下矿用卡车车队与电池配送车队的实际协同调度问题。提出了一种基于离散事件仿真（DES）的优化框架，以全面适应系统特性并模拟多个子系统间的交互作用。
• (2)
  设计了一种混合启发式算法——非支配排序种群大邻域搜索（NSPLNS），该算法将非支配排序的全局探索能力与大邻域搜索的深度局部开发能力协同整合。特别值得注意的是，该算法明确采用了提升计算效率的并行仿真架构。
• (3)
  基于问题特征，本研究设计了一系列定制化算子以有效提升解的质量，实验结果对此进行了定量验证。此外创新性地采用DES模型作为修复算子，在优化过程中快速修正不可行解。