2015年签署的《巴黎协定》,目标是在本世纪末将全球温度相比于前工业时代的提升值控制在2 ℃以内,并力争在1.5 ℃内[1],这一目标相当于为全球的碳排放设定了总上限.我国政府高度重视节能减排工作,2020年9月,习近平总书记在第七十五届联合国大会一般性辩论上发表重要讲话,提出“2030年碳达峰、2060年碳中和”的宏伟目标,这标志着“双碳”目标成为我国的国家战略.交通系统历来是人类社会碳排放的重要组成部分,2018年,我国交通部门能耗占全国能源消耗10.7%[2].为服务国家“双碳”目标,交通部门须尽快实现低碳发展转型[3].物流系统是交通系统的重要组成部分,特别是随着近年来电子商务和关联快递业务的蓬勃发展,物流系统的运行压力日益增长[4].来自全国邮政管理工作会的数据显示,2020年我国快递业务量为830亿件,同比增长30.8%,2021年预计将达955亿件.巨大业务增长在带来利润增加的同时,也对物流企业的高效运行提出更高要求,亦对其绿色可持续发展提出新标准.
一般而言,物流网络可分为地区物流网络和外部物流网络,地区物流网络由若干区域物流中心和各类快递终端组成.一方面,外部物流网络流入的货物由区域物流中心集散,并通过转运车辆运输至各快递终端,完成区域进口货物的分拣集散和终端用户投递任务;另一方面,各类快递终端通过转运车辆将货物集中运输至区域物流中心,经中心完成分拣打包后接入外部物流网络,完成地区货物出口任务[8].由此可知,物流中心在物流网络中起承上启下的作用,处于网络核心位置,其运转将对物流网络的运行效率产生巨大影响[9].为进行海量的货物处理,各类型运输车辆将在物流中心保持高密度运行,各类分拣设备,如货物分拣机、传送皮带系统亦将保持不间断运行[10],因此物流中心所产生的碳排放总量大且集中,是物流企业应当关注的重点问题.
目前,为控制交通系统的碳排放强度,交通电气化已经成为不可逆转的发展趋势,传统基于化石燃料的车辆正逐步转向电气化以提升能源效率.高度电气化的物流中心需为电气化车辆提供充电服务,并为各类物流设备供能,从而具有微电网的典型结构.在此背景下,以物流中心为研究重点,分析物流网络和物流中心的关系,介绍物流中心的生产运作和管理流程.在此基础上,提出物流中心微电网概念,并通过调研现有研究提出4类物流中心节能减排的措施,最后提出3类物流中心微电网需解决的关键问题.
1 物流网络与物流中心
1.1 物流网络
区域物流网络的主要功能是完成外界交通系统与用户端的货物交换,我国某市实际邮政网络结构如图1所示.由图可知,陆运物流中心是区域物流网络的核心,通过集散来自用户的货物,经过打包分拣后接入外界交通系统中,完成货物的进口及出口.与此同时,物流中心之间亦存在物流联系,如陆运出口物流中心会将省内互寄货物转运至陆运进口物流中心, 陆运进口物流中心会将省级经转货物转至陆运出口物流中心.综合以上运行流程可知,物流中心是区域物流网络的核心,在完成货物集散的同时影响着整个网络的运行效率.受运输成本和当地进出口贸易影响,陆运物流中心的货物吞吐量大于航运物流中心,在区域物流网络中处于核心地位.以陆地物流中心为研究重点,分析各类节能减排措施对陆运物流中心的影响.
图1
1.2 陆运物流中心
为分析陆运物流中心的节能减排效果,需首先分析其结构和运行流程.一般而言,陆运物流中心可分为常规物流中心、冷链物流中心、公共物流中心和自用物流中心.在物流调度中这几类中心具有类似管理模式,因此以常规物流中心为例描述其物流运行流程.而对其他几类物流中心则在总体结构中描述其各自特点.
某实际物流中心运行流程如图2所示,详细工作流程如图3所示.在图2中,转运车辆首先沿绿色箭头所示的“进口卸车”进入物流中心,在货物完成卸装后,进入中央的自动分拣设备中.货物分拣分为两步,首先皮带传送系统将货物汇集到中央环形的传送系统中,再通过扫码确定其流向,完成黄色箭头所示的“出口装车”.货物在进行自动分拣和打包后,货物沿“出口装车”流程完成货物处理.在图3中,物流中心的工作流程主要包括3个主要步骤:① 进口卸车;② 货物分拣;③ 出口装车.在货物分拣步骤可分为“可上机”和“人工处理”两类,第1类是目前的主要类型,因而在绝大多数场景中,物流分拣步骤可实现无人化运行.在我国某区域物流网络的物流中心里,主要分拣设备为双层分拣机和简易分拣机两类,处理能力分别为65万件/d和20万件/d,总综合处理能力为85万件/d.从以上工作流程可知,物流中心的主要物流设备包括转运车辆和货物分拣机, 这两类设备的节能减排亦是提高物流中心能效的主要手段.
图2
图3
2 物流中心微电网
2.1 总体结构
在转运车辆和货物分拣机两类主要的物流设备中,货物分拣机已实现完全的电气化,但转运车辆目前仍主要依赖化石能源运行.近年来随着电力电子技术的成熟,交通电气化已成为交通领域节能减排的重要技术措施,物流网络作为一类特殊的交通系统,电气化同样是一种有效的节能减排技术手段.当转运车辆与货物分拣机两类主要设备均完成电气化后,物流中心除为自身电气化物流设备供能外,还需向服务车辆提供充电服务,还可能接入各类新能源以提供清洁的充电服务,这将形成微电网的典型结构,而对于较为特殊的冷链物流中心,物流中心微电网还需要提供冷/热功率以保存冷链货物,如图4所示.
图4
目前,微电网作为一种兼具灵活性与经济性的电力系统,利用电力作为主要的能源分配方式,可方便地提供各类电力服务,亦可接入各类设备提高系统能源效率,因而日益受到学界和工业界的关注,已在各类工商业中取得应用,如数据中心[11]、工厂[12]、医院[13]、港口[14]等.而在这些微电网中,不同类型的能流与信息流交叉融合,对其控制与优化带来了相当的挑战,由此诞生了信息物理系统(Cyber-Physical Systems,CPS).信息物理系统作为计算进程和物理进程的统一体,是集成计算、通信与控制于一体的下一代智能系统.而在物流中心微电网中,物流任务的完成伴随着能量流的优化调度,因此需建立相应的信息物理系统模型以实现其高效可靠运行,其中的关键问题如下.
(1) 物流中心微电网中各类服务设备的能量模型.包括服务车辆物流操作消耗电力的定量关系模型、其他主要物流设备的能耗模型、各类型传送机械及冷链运输存储仓库能源消耗模型.以上模型是实现交通流和能量流融合的关键节点.
(2) 物流中心微电网中的信息流模型.传统物流中心通过中央控制器对各类物流转运设备进行集中控制,如控制转运车辆和传送系统完成相应的物流任务.而在物流中心微电网中,交通和能量深度耦合,信息流不仅需要对物流设备进行控制,还需要对各类设备的供能和协调提供控制信息.而这一信息流模型是构建未来物流中心微电网的关键技术.
2.2 能流类型与耦合方式
图4中给出物流中心微电网的典型结构,其主要能流类型包括电力流、物流和冷/热流.这些能流的发、输、配、用过程均包含特定设备,重点介绍如下.
(1) 电力流.物流中心微电网中电力流是主要的能流类型,承担能量的传输分配任务.电力流的主要来源仍然是上级电网,并通过物流中心微电网的电力网络进行传输分配,供给区域内各种生产设备及非生产负荷.在物流中心微电网中生产设备包括各类传送设备、转运车辆,在冷链物流中心中还包括冷链货物的存储仓库.同时,物流中心微电网中还存在非生产负荷,即办公区域的负荷,同样由微电网进行能量供给.为进一步提高物流中心微电网的能效,未来以光伏为代表的新能源亦将逐步接入,储能设备亦将作为重要的能量缓冲器提高物流中心微电网运行的灵活性.物流中心微电网的电力流建模与传统微电网建模类似,不再赘述.
(2) 物流.物流是物流中心微电网需要承担的首要任务,即完成货物的流程化处理.在物流中心微电网中,普通货物首先通过各类转运车辆运输至传送系统,传送系统则完成货物的分拣、打包和分配,完成相应操作后通过转运车辆运送出物流中心.而对于较为特殊的冷链物流货物,则由转运车辆首先运送至存储仓库,然后在仓库中进行分配转运,最终完成冷链运输过程.需指出的是随着交通电气化的发展,传统基于物流的调度方法开始具有能量属性,形成“交通-能源”耦合运行模式,这一部分是物流中心微电网研究的关键问题.
(3) 冷/热流.物流中心微电网中,冷/热流主要用于冷链货物的存储.在货物进入物流中心后,转运车辆将其运送至冷链仓库,在仓库中货物将进行分配,相应的转运车辆将承担冷链货物的转运任务.而冷链货物一般不能即时完成处理,相当数量的冷链货物将存储在仓库中,因此物流中心微电网的冷/热流即用于冷链仓库中.目前冷/热流的供应方式主要为电制冷,随着未来峰谷电价差日益增大,通过在物流中心微电网中加装联供热电机组将成为一种节能减排的新方式.在当前研究中,冷/热流的建模已较为成熟,而且物流中心微电网的建模中需注意与其他网络的耦合关系.
3 节能减排措施
随着“双碳”目标成为国家战略,各类能源系统均需进行节能减排以促进“双碳”目标的尽早实现.而物流中心作为重要的交通节点对国民经济意义重大,需在保证物流效率的同时逐步提高其能源效率并最终实现“双碳”目标.从全局角度考虑,任何节能减排措施均有助于实现“双碳”目标,但各方法间具有技术成熟度和减排效果的差异.为明确物流中心微电网节能减排的主要趋势,重点分析以下4类节能减排方法.
3.1 电动汽车
近年来,随着电池技术的不断发展进步,各类锂基电池,如磷酸铁锂、三元锂电池等,均可在有限电池体积下实现车辆的长时间续航,续航里程可达数十至数百千米[16].这类技术进步驱动了电动汽车行业的蓬勃发展,已成为改变交通运输行业运行方式的新型技术.世界各国政府均提出电动汽车的发展计划,新加坡政府提出在2040年实现汽车的100%电力化,中国政府提出2060年将60%的汽车电力化并集中力量开发新型的清洁能源汽车.截至2020年,实现商业化的电动汽车类型已超过400类,在可见的将来,这一数量还将持续增加.从全寿命周期角度,电动汽车的减排效果取决于所在地区的电力生产方式,若地区的电力生产来源由各类清洁能源为主,则电动汽车也会有突出的减排效果.随着国家电网公司提出建设以“新能源为主体的新型电力系统”构想[17],电动汽车对交通系统脱碳的影响也将日益增长.
由于物流行业与交通系统的深度耦合关系,电动汽车在物流行业节能减排中的作用已得到持续关注[18].传统交通系统中各类汽车路线随机性大,运行方式多样,因而难以精准控制.在物流企业的转运车辆管理中,车辆运行均有规定的路线和时间要求,这类可控性可带来更高的节能减排潜力.文献[19]中指出,当前对电动汽车的研究主要以私人应用为主,而对交通物流的影响分析较少.该研究将车辆类型分为全电池驱动车辆、混合动力车辆和燃料电池车辆对问题进行综述,分析清洁能源车辆取代传统车辆所带来的减排潜力,然后提出车队规模、最优路径两类重点研究方向.最后指出,由于清洁能源汽车与能源系统的强耦合关系,传统基于交通运输效率最优的路径选择研究已不能适应当前的发展形势,因此提出了“交通-能源”耦合的最优途径(Optimal Paths)研究,即同时考虑交通和能源的双重最优特性.文献[20]中对物流管理中电动汽车替代传统汽车的问题进行研究,提出电动汽车的供能问题是阻碍其推广的关键因素,并由此提出物流电动汽车充电站选址和容量规划两类关键问题;同时指出,电动汽车对传统汽车的替代将使最优路径、任务分配等传统物流问题具有能量特性,其建模方法值得深入研究.文献[21]中以某港口区域为例,分析电动汽车接入后所需的充电容量.文献[22]中以巴西里约热内卢城市物流网络中“最后一英里”为研究对象,分析电动汽车替代传统化石能源汽车的可行性.文献[23]中以意大利西西里岛区域物流网络为例,分析新能源、充电设施等对电动汽车接入的作用.
图5
图5(a)中共统计111类电动转运车辆的技术成熟度,其中处于预备投产和商业应用的车辆共87类,可见从技术角度电动转运车辆已经较为成熟.图5(b)中统计预备投产和商业应用的87类电动转运车辆的驱动类型,其中可知全电池驱动在N1~N3中的比例逐渐下降,但始终处于主导地位.以上特性说明,由于物流中心实际是一个闭环交通系统(Closed Transportation System)[25]而毋需长距离运输,因此全电池驱动具有显著的环保和经济优势.在实际运行中,新加坡裕廊物流中心对混合动力及全电池转运车辆的实际减排效果进行测算,分析表明两类车辆分别可减少60%和90%的碳排放.而在其他国家和地区的减排效果依赖于当地能源结构,当地能源中清洁能源比例越高,电气化车辆的减排效果越好.
综上所述,转运车辆电气化对实现物流中心节能减排的重要作用已被众多研究和实践证明,而如何在问题中考虑物流中心的闭环运行特性是目前研究的关键.图6给出物流中心转运车辆的典型运行方式.
图6
总体上电动转运车辆分为运行—充电—闲置的循环状态,而车辆在运行和充电之间存在空载—有载—堵塞的运行循环.在以上循环中,闲置与运行、空载和有载的切换属于任务调度问题(Task Assignment)[26⇓-28],为避免堵塞发生,需要最优车队寻址 (Vehicle Routing)[29⇓⇓⇓⇓⇓⇓-36].随着车辆电气化带来的能量管理问题则包含于充电与闲置的切换中,包含车辆的有序充电[37⇓-39]等研究.总体而言,物流中心的“能源-交通”融合特性使传统物流管理问题具有能量特性.近年来这一问题已引起学术界的重视,文献[40-41]中对电动汽车转运的能量管理问题进行研究,证明电动转运车辆调度具有相当的灵活性,合理利用可提高系统的全局社会效益.同时,电动转运车辆调度可受峰谷电价、分时电价、固定时间段任务量、运输路段堵塞状态等多种因素影响,具备较强的需求侧响应潜力.
3.2 车辆调度与优化
在当前研究的基础上提出“交面-能源”融合模型,可按问题是否处于物流中心分为两类.第1类是物流中心外的车辆调度与优化问题,主要功能是实现外部交通系统与物流中心的货物交流,包括车辆最优路径、车辆充放电需求分析、充电站建设等.第2类是物流中心内的车辆调度与优化,包括车辆进场顺序、服务叉车安排等,实现进场货物的快速卸装与装载.
对第1类问题,车辆最优路径通过选择外界物流网络与物流中心的连接方式,保证物流中心处理的货物能及时高效地转运[29].目前已有较多研究对这一问题进行分析,由于路径选择问题包含大量整数变量,所以这类问题是大规模混合整数规划问题,传统求解方法包括图搜索法[32]、结构搜索法[33]、人工势能场法[34]、智能算法[35]等,为简化模型求解,基于规则的方法(Rule-based Method)亦已得到使用[36].这些研究均是传统交通管理的经典问题,当基于化石燃料的传统汽车被电动汽车大量替代以后,由于电动汽车的充电时间远长于燃料加注,且电能无法大量长期储存,所以车辆调度与优化问题还需考虑车辆的充电需求分析,即通过分析物流线路上车辆的运行特点,得出车辆充电的时空耦合关系.在目前的研究中,基于蒙特卡洛模拟[37]、贝叶斯网络[38]、强化学习[39]等方法的车辆充电功率预测方法,均可应用在分析物流线路充电功率中.为满足车辆的充电功率,保障货物转运效率,在物流路线上需进行充电站建设,包括选址和定容两类问题.文献[20]中强调充电站的规划建设应当与物流调度相配合,才能同时保障交通和能量的最优性,但目前研究中针对物流网络电动汽车充电站建设的研究较少,在后续的研究中需重点考虑物流网络运行特性建立优化规划模型,在确保物流效率的同时为转运车辆提供经济可靠的充电功率.对第2类问题,主要是当转运车辆进场时,物流中心的服务车辆配合进行卸货、转运等操作,完成转运车辆与货物分拣机之间的物流操作.为保障物流效率,这类问题需尽可能保证转运车辆和货物分拣机均处于不间断运行状态[10].但若投入太多的服务车辆又可能导致阻塞等问题,因此第2类问题首先需解决最优车队规模优化(Optimal Fleet Sizing)[42].同时,服务车辆与转运车辆不同,通常需物流中心提供能量供应,当服务车辆完成电气化后,物流中心需建设相应充电场提供充电功率,同样涉及充电设施的选址和定容问题,但目前这类研究尚不是学术界的重点.
3.3 新能源与储能系统接入
随着“双碳”目标成为国家战略,能源效率在国民经济各部门中均是关注重点.从系统整体角度考虑,各类物流设备的电气化相当于将局部区域的碳排放集中于发电区域,因此能源系统的总体能效实际取决于所采用的发电方式.若该地区电力生产主要以清洁能源为主,则相当于各类电气化物流设备具有更高能效水平.因此,以清洁能源接入为代表的能源替代是实现物流中心“双碳”目标的根本途径.
由于功能不同,物流中心的地理位置可能存在巨大差异.如:服务社区的物流中心可能处于人口密集区,服务港口、铁路货运站的物流中心则可能处于距离城市较远的位置.不同位置的物流中心在接入新能源类型上具有显著不同.在如图2所示的实际物流中心内,工程规划面积高达70 000 m2,而在各类建筑屋顶、车辆停放区域、货物堆场均有大量面积可安装光伏等清洁能源,可为各类服务车辆提供清洁的充电功率.假设有 10 000 m2的屋顶装设光伏设备,并网容量即可达600~1 400 kW,而普通转运车辆的电池容量在40~80 kW·h[44],仅使用光伏即可实现数十辆转运车辆的清洁用电.在新加坡裕廊港物流中心内,屋顶光伏的并网容量高达9.8 MW[45].以此为基础,新加坡提出“零碳物流”的宏伟目标.光伏设备的主要优势在于不影响物流中心的原有建筑结构,其扩展建设的附带成本更低.除光伏接入以外,物流中心还可因地制宜地接入各类新能源,如西班牙的海滨物流中心接入潮汐能供应清洁能源[46],德国汉堡港接入风电供应物流中心能源[47].
作为一个局域的微电网,物流中心微电网同样可以利用储能接入提升能量侧运行的灵活性.一方面,储能设备接入可以提高新能源接入比例,促进物流中心范围内新能源的有效消纳,从而提高整体能效;另一方面,储能设备同样可与电动转运汽车进行配合,获得更大的整体效益.
3.4 需求侧响应
图7
皮带传送系统能耗问题一直是工业网络研究的重点.DIN 22101标准[49]对皮带传送系统能耗进行建模,其功率由头滑轮质量、单位长度皮带质量、单位时间传送质量和运行速度共同决定.文献[50]中结合ISO 5048提出皮带传送系统功率计算的非线性模型,并提出基于最小二乘和递归最小二乘的模型参数估计方法.在此基础上,文献[51]中建立基于速度调整的皮带传送系统能效非线性优化模型,计算结果表明,完成同样的传输任务,变速皮带传送系统可节省35.2%的能量消耗.文献[52]中由此提出皮带传送系统消耗功率的需求侧响应模型,并应用于矿山开采.在物流中心的运行管理中,利用皮带传送系统的变速性能进行节能减排亦是可行的思路.
对于冷链仓库,其冷/热负荷与温度相关,因此具有一定的运行灵活性.已有文献[53-54]表明合理的冷/热管理可减少约10%的能源消耗.由于物流中心运行特性,冷链仓库的冷/热负荷具有两种提供方式.一种是利用电网电力,然后采用电热泵、暖通空调等转化为冷/热能流控制仓库温度.这种方式需消耗大量电力,因此从能量品位角度相当于消耗高品位的电能提供低品位的冷/热能,整个过程包含较大的㶲损失[55].另一种是采用加装热电联供机组的方式,利用联供机组产生的副产热能提供冷链仓库所需的能量.这一方式随着目前工商业峰谷电价差的逐步增加已具备套利空间,重庆来福士广场和湖北荆州市医院均采用“联供机组+冰蓄冷”的设备组合实现削峰填谷的功能,这一模式在具备大容量冷链仓库的物流中心亦适用.综合以上背景,物流中心冷/热负荷的需求侧响应研究需在当前研究基础上体现以上工程实际.
4 关键问题
4.1 “交通-能源”融合模型
从前文可知,在各类物流设备实现电气化以后,物流中心将具有多能源微电网的典型结构,形成“以电力为核心,电冷耦合运行的交通综合能源系统”.在这一系统中,传统物流管理将与能源侧产生深度耦合,即物流管理会影响系统的能量调度方案,而不同的能量调度方案亦可改变物流管理方案.为建立这一运行方式下物流中心的最优管理模型,需建立响应的“交通-能源”融合模型,其中关键性代表如下.
(3) 交通与能源耦合控制的信息物理系统模型.从运行角度,交通流以空间尺度进行控制而能源流以时间尺度进行控制.物流中心的“交通-能源”耦合特性将使物流中心微电网的运行控制具有时空耦合特性.为完成两部分子系统的协调运行,亟需交通与能源耦合控制的信息物理系统模型,在确保物流任务可靠完成的同时尽可能提高能源侧的经济与环保特性.
4.2 结构/设备规划
由4.1节可知,未来的物流中心微电网是“交通-能源”耦合的多能源系统,但各子系统间的耦合方式尚存在一定不确定性,因此其结构/设备规划是物流中心微电网研究的关键问题.以冷链仓库与电力侧的耦合方式及充电设施的规划为代表,分析结构/设备规划对物流中心微电网的关键作用.
(1) 冷链-电力耦合方式.目前在物流中心里,电力仍然作为冷链运行的主要能量来源,即冷负荷网络是连接在电力网络下的子网络,这一运行方式具有结构简单和不影响总体能流格局的优势,但这一模式也存在能效低和无法实现能量梯级利用的劣势,且工商业峰谷电价差的不断增大也在逐步恶化这一方式的经济性.借鉴目前在综合能源工程领域的实际经验,使用电热联供机组+冰蓄冷的冷链-电力耦合方式为物流中心微电网提供了新的运行方式,在多类型场景中分析这一方式的经济性是目前结构/设备规划中的关键问题.
(2) 充电设施规划.本文在3.1和3.2节中均提出,转运车辆电气化为物流网络带来的首要问题是如何满足车辆的充电需求.在物流中心外的运输线路上需建设充电站,而在物流中心内需建立服务车辆的充电设施,这均是在物流和能量双重约束下的充电设施选址定容问题,目前已有较多文献对其进行研究.文献[56]中针对电动汽车从居民区前往工作地点的充电负荷进行研究,结果表明在居民停车场建设充电设施可满足90%的需求,从而引入一类针对停车场充电设施规划的研究[57-58].但不同于居民车辆随机不可控的运行特性,物流车辆运行具有较高的规律性,通常具有固定的路线基时间表.因此对物流车辆充电设施的建设应建立在固定的路线及时刻上,通过采集任一物流路线车流量及运行速度的数据集,分析获得总充电功率需求,并以此为基础建立充电设施规划模型.
4.3 最优运行方法
在完成系统侧的规划后,为提升系统的总体能源效率,其最优运行方法是其中的关键问题.对于物流中心微电网而言,各类物流设备具有的柔性是提升系统总体能效的重要资源,因此需求侧响应是物流中心微电网最优运行的主要研究对象.
需求侧管理是电力系统中的经典概念,即当系统的供给侧调整能力不足时,通过调整需求侧优化系统的运行状态,这一运行思路已在电力系统中取得较多应用[59⇓⇓-62].在交通系统中,同样可通过调度措施影响需求侧.文献[63]中以港口机械为例,说明调整设备操作时间可降低设备功率.文献[14]中由此提出考虑需求侧响应的港口微电网模型,实现“交通-能量”的耦合调度.与之类似,物流中心亦是一种物流节点,亦可通过调整转运车辆的服务次序、货物堆场的库存量等影响转运的需求量,从而调整物流中心的能源需求,实现物流中心微电网的需求侧管理.一般而言,物流中心的需求侧响应可视为工作时间和消耗功率的交换,即通过延长/缩短服务时间减少/增加系统消耗功率,而物流中心的货物处理量具有峰谷差,利用这一差异配合需求侧响应即可达成系统服务需求的“削峰填谷”,从而提升物流中心作为独立能量区域的总体能效水平.
5 结语
为服务国家“双碳”目标,交通系统亟需在能源侧进行快速的转型升级.以交通电气化为代表的新型技术已在各类型交通系统中取得应用.物流网络是交通系统的重要组成部分,但长期以来电气化对物流网络节能减排的影响分析得到的关注较少.以物流网络中的物流中心为研究对象,首先分析区域物流网络的构成及物流中心的基本功能,然后在分析物流中心运行及工作流程基础上,调研当前研究现状,提出物流中心微电网的概念和典型结构,最后提出“交通-能源”融合、结构/设备规划和最优运行方法3类关键问题,以期为物流网络的节能减排提供技术参考.
参考文献
Paris agreement
[C]//
交通部门CO2排放、能源消费和交通服务量达峰规律研究
[J].
Peaking rule of CO2 emissions, energy consumption and transport volume in transportation sector
[J].
“流空间”视角的电子商务快递物流网络结构研究--以珠三角城市群为例
[J].
Structure of E-commerce express logistics network from the perspective of flow space: Take the Pearl River Delta urban agglomeration as example
[J].
Drivers and barriers to energy efficiency management for sustainable development
[J].DOI:10.1002/sd.1567 URL [本文引用: 1]
Evaluation and difference analysis of regional energy efficiency in China under the carbon neutrality targets: Insights from DEA and Theil models
[J].DOI:10.1016/j.jenvman.2021.112958 URL [本文引用: 1]
Rethinking the future low-carbon city: Carbon neutrality, green design, and sustainability tensions in the making of Masdar City
[J].
Methodical approach to design of system of the logistic centers and wholesale warehouses at the regional level
[J].
Interregional logistic center as the growth point of regional economics
[J].DOI:10.1016/S2212-5671(14)00486-9 URL [本文引用: 1]
Vehicle Scheduling problem in terminals: A review
[C]//
Toward optimal operation of internet data center microgrid
[J].DOI:10.1109/TSG.2016.2572402 URL [本文引用: 1]
A multi-objective optimization framework for energy and asset management in an industrial microgrid
[J].DOI:10.1016/j.jclepro.2016.08.138 URL [本文引用: 1]
Sustainable microgrids with energy storage as a means to increase power resilience in critical facilities: An application to a hospital
[J].DOI:10.1016/j.ijepes.2020.105865 URL [本文引用: 1]
Toward future green maritime transportation: An overview of seaport microgrids and all-electric ships
[J].DOI:10.1109/TVT.25 URL [本文引用: 2]
A carbon emission evaluation for an integrated logistics system-A case study of the port of Shenzhen
[J].DOI:10.3390/su9030462 URL [本文引用: 1]
Electric vehicle development in Beijing: An analysis of consumer purchase intention
[J].DOI:10.1016/j.jclepro.2019.01.231 URL [本文引用: 1]
能源转型中我国新一代电力系统的技术特征
[J].
Technology features of the new generation power system in China
[J].
Electrification of class 8 trucking: Economic analysis of in-motion wireless power transfer compared to long-range batteries
[C]//
50th anniversary invited article goods distribution with electric vehicles: Review and research perspectives
[J].
DOI:10.1287/trsc.2015.0646
URL
[本文引用: 1]
Since the mid-2000s, electric vehicles have gained popularity in several countries even though their market share is still relatively low. However, most gains have been made in the area of passenger vehicles and most technical and scientific studies have been devoted to this case. By contrast, the potential of electric vehicular technology for goods distribution has received less attention. The issues related to the use of electric vehicles for goods distribution reveal a wide range of relevant research problems. The aims of this survey paper are to provide transportation researchers an overview of the technological and marketing background needed to conduct research in this area, to present a survey of the existing research in this field, and to offer perspectives for future research.
Electric vehicles in logistics and transportation: A survey on emerging environmental, strategic, and operational challenges
[J].DOI:10.3390/en9020086 URL [本文引用: 2]
Passengers and freight mobility with electric vehicles: A methodology to plan green transport and logistic services near port areas
[J].DOI:10.1016/j.trpro.2018.12.208 URL [本文引用: 1]
Electric vehicles in the last mile of urban freight transportation: A sustainability assessment of postal deliveries in Rio de Janeiro-Brazil
[J].DOI:10.1016/j.trd.2018.12.017 URL [本文引用: 1]
Freight distribution with electric vehicles: A case study in Sicily. RES, infrastructures and vehicle routing
[J].DOI:10.1016/j.treng.2021.100047 URL [本文引用: 1]
Current status of the electrification of transport logistic vehicles - Early niche markets and commercialization opportunities
[C]//
Assessing the potential of different charging strategies for electric vehicle fleets in closed transport systems
[J].DOI:10.1016/j.enpol.2014.08.008 URL [本文引用: 2]
A workload balanced algorithm for task assignment and path planning of inhomogeneous autonomous underwater vehicle system
[J].DOI:10.1109/TCDS URL [本文引用: 1]
Clustering-based algorithms for multivehicle task assignment in a time-invariant drift field
[J].DOI:10.1109/LRA.2017.2722541 URL [本文引用: 1]
Optimal task assignment with delay constraint for parked vehicle assisted edge computing: A Stackelberg game approach
[J].DOI:10.1109/COML.4234 URL [本文引用: 1]
Metaheuristics for solving the vehicle routing problem with the time windows and energy consumption in cold chain logistics
[J].DOI:10.1016/j.asoc.2020.106561 URL [本文引用: 2]
考虑顾客取货半径的电动汽车路径优化与服务策略研究
[J].
Study on the electric vehicle routing optimization and service strategy with the consideration of customer self-pickup radius
[J].
需求可拆分电动汽车车辆路径问题及其改进分支定价算法研究
[J].
Split delivery routing problem of electric vehicles and its modified branch-and-price algorithm
[J].
Improvement of A-star algorithm and its application in AGV path planning
[J].
An analytically tractable potential field model of free space and its application in obstacle avoidance
[J].DOI:10.1109/3477.718522 URL [本文引用: 2]
Improved artificial potential field method for dynamic target path planning in LBS
[C]//
Research on path planning for robots based on PSO optimization for fuzzy controller
[C]//
A rule-based recourse for the vehicle routing problem with stochastic demands
[J].
DOI:10.1287/trsc.2018.0876
URL
[本文引用: 2]
In this paper we consider the vehicle routing problem with stochastic demands (VRPSD). We consider that customer demands are only revealed when a vehicle arrives at customer locations. Failures occur whenever the residual capacity of the vehicle is insufficient to serve the observed demand of a customer. Such failures entail that recourse actions be taken to recover route feasibility. These recourse actions usually take the form of return trips to the depot, which can be either done in a reactive or proactive fashion. Over the years, there have been various policies defined to perform these recourse actions in either a static or a dynamic setting. In the present paper, we propose policies that better reflect the fixed operational rules that can be observed in practice and that also enable implementing preventive recourse actions. We define the considered operational rules and show how, for a planned route, these operational rules can be implemented using a fixed threshold-based policy to govern the recourse actions. An exact solution algorithm is developed to solve the VRPSD under the considered policies. Finally, we conduct an extensive computational study, which shows that significantly better solutions can be obtained when using the proposed policies compared with solving the problem under the classic recourse definition.
Markov chain Monte-Carlo simulation of electric vehicle use for network integration studies
[J].DOI:10.1016/j.ijepes.2018.01.008 URL [本文引用: 2]
A Bayesian real-time electric vehicle charging strategy for mitigating renewable energy fluctuations
[J].DOI:10.1109/TII.9424 URL [本文引用: 2]
Electric vehicle charging load forecasting: A comparative study of deep learning approaches
[J].
DOI:10.3390/en12142692
URL
[本文引用: 2]
Load forecasting is one of the major challenges of power system operation and is crucial to the effective scheduling for economic dispatch at multiple time scales. Numerous load forecasting methods have been proposed for household and commercial demand, as well as for loads at various nodes in a power grid. However, compared with conventional loads, the uncoordinated charging of the large penetration of plug-in electric vehicles is different in terms of periodicity and fluctuation, which renders current load forecasting techniques ineffective. Deep learning methods, empowered by unprecedented learning ability from extensive data, provide novel approaches for solving challenging forecasting tasks. This research proposes a comparative study of deep learning approaches to forecast the super-short-term stochastic charging load of plug-in electric vehicles. Several popular and novel deep-learning based methods have been utilized in establishing the forecasting models using minute-level real-world data of a plug-in electric vehicle charging station to compare the forecasting performance. Numerical results of twelve cases on various time steps show that deep learning methods obtain high accuracy in super-short-term plug-in electric load forecasting. Among the various deep learning approaches, the long-short-term memory method performs the best by reducing over 30% forecasting error compared with the conventional artificial neural network model.
A model for range estimation and energy-efficient routing of electric vehicles in real-world conditions
[J].DOI:10.1109/TITS.6979 URL [本文引用: 1]
Electric vehicle route optimization considering time-of-use electricity price by learnable partheno-genetic algorithm
[J].DOI:10.1109/TSG.2014.2382684 URL [本文引用: 2]
Fleet sizing of reusable articles under uncertain demand and turnaround times
[J].DOI:10.1016/j.ejor.2020.02.004 URL [本文引用: 1]
Coordinating assignment and routing decisions in transit vehicle schedules: A variable-splitting lagrangian decomposition approach for solution symmetry breaking
[J].DOI:10.1016/j.trb.2017.11.003 URL [本文引用: 1]
Electrification of transport logistic vehicles (eLogV): HEV TCP Task 27
[DB/OL]. (
Jurong Port starts world’s largest port-based solar facility
[DB/OL]. (
Integration of marine wave energy converters into seaports: A case study in the Port of Valencia
[J].
DOI:10.3390/en12050787
URL
[本文引用: 1]
A feasibility study for the installation of Wave Energy Converters (WEC) in a Spanish Mediterranean port is evaluated in this paper. The final aim is to evaluate the possibility of building a new infrastructure which combines a breakwater and a WEC able to provide energy to the commercial port of Valencia. An estimation of the wave power potential is made according to existing databases from different sources. A review of the existing WEC types is carried out in order to choose the most suitable technology for its installation in a port environment. The authors discuss the main advantages and issues of the integration of WEC in port breakwaters. A prospective study for the Port of Valencia is made, considering the port energy demand evolution, historical data on wave energy potential and the port expansion plans. We conclude that Overtopping Devices (OTDs) are the most suitable ones to allow the good integration with the new breakwater needed for the expansion of the Port of Valencia and we give an estimation on the power available from the resource in our case study.
Energy cooperation port of Hamburg
[DB/OL]. (
Green operations of belt conveyors by means of speed control
[J].DOI:10.1016/j.apenergy.2016.12.017 URL [本文引用: 1]
Continuous conveyors-belt conveyors for loos bulk materials-basics for calculation and dimensioning: Standard DIN 22101
[S].
Optimal control of operation efficiency of belt conveyor systems
[J].DOI:10.1016/j.apenergy.2010.01.006 URL [本文引用: 1]
Modeling and energy efficiency optimization of belt conveyors
[J].DOI:10.1016/j.apenergy.2011.03.015 URL [本文引用: 1]
Optimal scheduling method for belt conveyor system in coal mine considering silo virtual energy storage
[J].DOI:10.1016/j.apenergy.2020.115368 URL [本文引用: 2]
Emission-aware and cost-effective distributed demand response system for extensively electrified large ports
[J].DOI:10.1109/TPWRS.59 URL [本文引用: 1]
Cooling down: A simulation approach to reduce energy peaks of reefers at terminals
[J].DOI:10.1016/j.jclepro.2018.04.258 URL [本文引用: 1]
Multi-objective planning for integrated energy systems considering both exergy efficiency and economy
[J].DOI:10.1016/j.energy.2020.117155 URL [本文引用: 1]
An empirical assessment of the feasibility of battery electric vehicles for day-to-day driving
[J].DOI:10.1016/j.tra.2014.05.011 URL [本文引用: 1]
A four-step method for electric-vehicle charging facility deployment in a dense city: An empirical study in Singapore
[J].DOI:10.1016/j.tra.2018.11.012 URL [本文引用: 1]
Optimal charging scheduling of plug-in electric vehicles for maximizing penetration within a workplace car park
[C]//
Demand side management: Benefits and challenges
[J].DOI:10.1016/j.enpol.2008.09.030 URL [本文引用: 1]
Demand side management: Demand response, intelligent energy systems, and smart loads
[J].DOI:10.1109/TII.2011.2158841 URL [本文引用: 1]
Energy demand side management within micro-grid networks enhanced by blockchain
[J].DOI:10.1016/j.apenergy.2018.07.012 URL [本文引用: 1]
A review on energy storage and demand side management solutions in smart energy islands
[J].DOI:10.1016/j.rser.2020.110183 URL [本文引用: 1]
Energy harvesting from harbor cranes with flywheel energy storage systems
[J].DOI:10.1109/TIA.28 URL [本文引用: 1]
