(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211293410.0 (22)申请日 2022.10.21 (71)申请人 江苏大学 地址 212013 江苏省镇江市京口区学府路 301号 (72)发明人 何美玲　李其鹏　武晓晖　杨梅　 吕一鸣　 (74)专利代理 机构 南京智造力知识产权代理有 限公司 32382 专利代理师 屠志炜 (51)Int.Cl. G06F 30/20(2020.01) G06N 3/00(2006.01) G06Q 10/00(2012.01) G06T 17/20(2006.01)G06F 17/13(2006.01) G06F 17/18(2006.01) (54)发明名称 一种新能源汽车废旧电池回收箱选址规划 方法、 系统及终端设备 (57)摘要 本发明提供了一种新能源汽车废旧电池回 收箱选址规划方法、 系统和终端设备， 包括： 对规 划区域进行划分， 并获取各区域的相关信息； 通 过平滑处理的灰色模型对各区域新能源汽车废 旧电池回收数量进行预测； 确定网络仿真模型， 将各区域参数信息映射到改进的人工蜂群算法 中的蜂群参数信息； 通过改进的人工蜂群算法进 行仿真分析， 求解仿真模型， 得到回收箱选址布 局站址信息； 根据站址服务区域及区域内废旧电 池预测回收量确定各站点新能源汽车废旧 电池 回收箱数量配置。 本发明能够规范新能源汽车废 旧电池回收箱的选址规划流程， 减少废旧电池回 收箱安装前期的经费投入， 促进退役废旧电池高 效回收。 权利要求书4页 说明书11页 附图3页 CN 115510682 A 2022.12.23 CN 115510682 A 1.一种新能源 汽车废旧电池回收箱选 址规划方法， 其特 征在于， 包括如下步骤： 对规划区域进行网格划分， 获取第i区域内的各年 的新能源汽车保有量Di和报废量Si， 从而确定各网格内新能源汽车报废量占规划区域总的新能源汽车报废量的比例PN＝(P1, P2,...Pi,…,Pn)， 其中， i表示第i区域对应的社区， n 为区域总数， 通过平滑处理的灰色预测模型对各区域 新能源汽车废旧电池回收量进行 预测； 确定网络仿真模型， 将各区域参数信息映射到改进的人工蜂群算法中的蜂群参数信 息； 通过改进的人工蜂群算法进行仿真 分析， 求解仿真模型， 得到回收箱 布局站址信息； 根据站址服务区域及区域内废旧电池预测回收量确定各站点新能源汽车废旧电池回 收箱数量配置 。 2.根据权利要求1所述的新能源汽车废旧电池回收箱选址规划方法， 其特征在于， 所述 通过平滑处理的灰色预测模型对各区域新能源汽车废旧电池回收量进 行预测， 包括如下步 骤如下： 将第i区域内的各年的新能源汽车保有 量Di、 各网格内新能源汽车报废量占规划区域总 的新能源汽车报废量的比例PN、 第i区域内新能源汽车报废量占保有量的比例Pi分别进行排 序生成原始数据系列X(0)＝(x(0)(1),x(0)(2),…,x(0)(k),…,x(0)(n))的形式， 其中， x(0)(k) ≥0,k＝0,1,2, …,n； 采用三点平滑法对原 始数据系列进行 预处理， 具体如下： 中间数据单独处 理为： 其中， k＝2,3,…,n‑1； 两端数据单独处 理为： 使用灰色模型对预处理后的数据进行预测， 对系列 通过一次累加形成新的序列 其中， 对系列 建立微分方程 式中， α为发展系数， 用于表征 和 的发 展态势； u为内生控制灰 数； 参数α和u通过最小二乘法确定， [α,u]T＝(BTB)‑1BTY， 其中， B为数据矩阵， Y为数据向量， 分别表示 为：权　利　要　求　书 1/4 页 2 CN 115510682 A 2对微分方程进行求 解得 其中k＝1,2,...,n； 对 进行累减运 算， 得到数据系列的预测值： 其中， k＝1,2,...,n。 3.根据权利要求1所述的新能源汽车废旧电池回收箱选址规划方法， 其特征在于， 确定 网络仿真模型， 具体为： 将客户的便利程度以人力成本来表示， 用便利因子系数和需求点与废旧电池回收箱布 局点之间的距离相乘求得， 所述网络 仿真模型的目标函数为： 其中， U表示网络总成本； Fa为在需求点a布局废旧电池回收箱的固定费用和运营费用； 决策变量ha∈{0,1}， 取1表示需求点i被选为废旧电池回收箱布局点， 取0表示没有被选中； fab＝ξ·Xab为客户的人力成本， Xab为需求点a与 废旧电池回收箱布局点b之间的距离， ξ为便 利因子系数； xab表示需求点a产生废旧电池回收需求， 并在废旧电池回收箱布局点b进行回 收的预测量。 4.根据权利要求1所述的新能源汽车废旧电池回收箱选址规划方法， 其特征在于， 所述 改进的人工蜂群算法中的蜂群参数信息包括蜜源， 所述蜜源代表问题 的可行解， 蜜源通过自然数的编码方式产生， 蜜源编码中的各数值 由侦察蜂和跟随蜂产生， 蜜源编码代表规划区域各网格对应社区的编号； 蜜源的质量由问 题的适应度来表示， 所述适应度值通过网络仿真模型求得； 蜜源的优化通过蜜蜂的搜索行 为完成， 其中搜索行为 为蜂群算法的过程； 蜜源通过自然数的编码方式产生具体如下： 对于一个在N个需求点中选出M个位置进行 废旧电池回收箱布局的问题， 每个蜜源对应一个两行H列的二维矩阵， H＝max{M,N}； 每个蜜 源的第一行Xa表示该需求点是否被选中用于布局废旧电池回收箱， 0表示未被选中， 自然数 z表示该点被选中为第z个废旧电池回收箱布局点； 每个蜜源的第二行Xb表示该需求点由第 几个布局点 服务， 产生|M ‑N|个虚拟点并赋值 为0将二维矩阵补充完整。 5.根据权利要求4所述的新能源汽车废旧电池回收箱选址规划方法， 其特征在于， 通过 改进的人工蜂群算法进 行仿真分析， 求解仿 真模型， 得到回收箱布局站址信息， 具体包括如权　利　要　求　书 2/4 页 3 CN 115510682 A 3