1.一种在多种充电方式并存环境下的电动汽车充电路径规划方法，应用于多种充电方式并存的充电环境，其特征在于，包括以下步骤：S1.创建应用于电动汽车的多种充电方式并存的充电环境，初始化环境参数；所述充电环境包括四种充电方式：动态无线充电，即电动汽车通过行驶在无线充电道路上进行充电；

静态无线充电，即电动汽车在充电站的排队等候区域进行排队等候时，进行静态无线充电；

快速有线充电，即电动汽车在充电站内通过充电桩进行快速充电；慢速有线充电，即电动汽车在充电站内通过充电桩进行慢速充电；

S2.初始化蚁群算法的相关参数；

所述步骤S2中进行初始化的蚁群算法的相关参数包括：蚁群数量m、信息素重要程度因子α、启发函数重要程度因子β、信息素挥发因子ρ、信息素释放总量Φ、最大迭代次数iter_max、迭代次数初始值iter＝1、各个信息素浓度τt赋初值为1；

S3.基于所述多种充电方式并存的充电模型，通过蚁群算法对电动汽车进行最优充电路径规划；

所述步骤S3具体包括以下步骤：

S3.1.进行迭代前的准备：设电动汽车在起始节点坐标O的初始电量为QO，在目的地节点坐标D的电量为QD；其中QO即电动汽车在规划充电路径前的电量；QD在每次路径规划前预先设定，表示到达目的地节点坐标D时的期望电量；

在充电路径迭代搜寻过程中，蚁群中的每个蚂蚁k代表一辆电动汽车，为电动汽车进行充电路径搜寻，其中k＝1,2,…,m；电动汽车的当前电量为q，在每次迭代开始前，将每个蚂k k蚁k所代表的电动汽车当前电量q设置为初始电量QO，即q＝QO；

k

S3.2.计算路网节点转移概率Pt(xij)，确定要转移的下一个路网节点j：将各个蚂蚁置于起始节点O，对每个蚂蚁计算第t次迭代中蚂蚁k从当前路网节点i转移k到下一个路网节点j的概率Pt(xij)：

τt(xij)为第t次迭代中，选择从当前路网节点i转移到下一个路网节点j的信息素浓度；

τt(xij)由步骤S2进行初始化，并由步骤S3.7进行迭代更新；

η(xij)为启发函数，表示选择从当前路网节点i转移到下一个路网节点j的期望程度；Ni代表所有与节点i相连节点的集合；

k k

根据计算得到的概率Pt (xij)随机选择要转移的下一个路网节点j，其中Pt (xij)值越大，表明选择节点j为下一个要转移的节点的概率越大；若选择节点j为下一个要转移的节点，则xij＝1；否则xij＝0；

k

若选择的结果为节点j，则从当前路网节点i转移到下一个路网节点j，对当前电量q 进行更新：k k

q＝q‑dijec

dijec为从节点i到j的电量消耗，dij为路网节点i和j之间路段的行驶距离，ec为电动汽车每公里耗电量；dij、ec由步骤S1获得；

S3.3.根据S3.2确定的下一个路网节点j，判断并计算从当前路网节点i到下一个路网k k节点j的路段i到j进行动态无线充电的概率Pt(yij)，对当前电量q进行更新：根据步骤S3.2确定的要转移的下一个路网节点j，判断当前路网节点i到下一个路网节点j之间的路段是否为动态无线充电路段，若否，则直接进行步骤S3.4；若是，则计算路段ik到j进行动态无线充电的概率Pt(yij)；

τt(yij＝1)为第t次迭代中，在路段i到j选择进行动态无线充电的信息素浓度；τt(yij＝

0)为第t次迭代中，在路段i到j不选择进行动态无线充电的信息素浓度；τt(yij＝1)、τt(yij＝0)由步骤S2中进行初始化，并由步骤S3.7进行迭代更新；

η(yij)为启发函数，η(yij＝1)表示在路段i到j选择进行动态无线充电的期望程度；η(yij＝0)表示在路段i到j不选择进行动态无线充电的期望程度；

k

根据计算得到的概率Pt (yij)进行随机选择；若选择在路段i到j选择进行动态无线充k电，则yij＝1，否则yij＝0；其中Pt (yij＝1)值越大，表明选择进行动态无线充电的概率越大；

k

若Pt (yij＝0)值越大，则表明不选择动态无线充电的概率越大；若选择的结果为yij＝0，则直接进行步骤S3.4；若选择的结果为yij＝1，则在路段i到j选择进行动态无线充电，对当前k电量q进行更新：

k k d d

q＝q+TijPη

d d

其中TijPη为在路段i到j进行动态无线充电后增加的电量， Tij为路段i到jd d

的平均通过时间，dij为路网节点i和j之间路段的行驶距离， 为道路实时平均行驶，P与ηd d分别为动态无线充电的充电功率与动态无线充电的充电效率；其中dij、 P、η由步骤S1获得；

S3.4.根据S3.2确定的下一个路网节点j，判断下一个路网节点j是否为充电站节点l，k k计算在充电站节点l进行充电的概率Pt (zl)、充电电量Ql的选择概率，然后对当前电量q 进行更新；

k k

S3.5.对电动汽车的当前电量q 进行判断，若电量q小于0则该电动汽车所对应的那只蚂蚁停止搜寻，否则重复S3.1‑S3.4，直至蚂蚁搜寻到达目的地节点坐标D后停止搜寻；

S3.6.当蚁群中的所有蚂蚁停止搜寻时，对所有成功搜寻到达目的地节点坐标D，并且k满足q ＞QD的蚂蚁k，根据重复S3.1‑S3.4的计算结果计算迭代中蚂蚁k所对应的综合成本其中，Time是时间成本，Cost是充电成本；是时间折算系数，将时间折算成金钱开销；

(1‑γ)与γ分别是时间成本与充电成本的比例系数，其中0≤γ≤1；(1‑γ)代表时间成本重要程度所占的比例，γ代表充电成本重要程度所占的比例；

S3.7.对各个信息素进行更新；

S3.8.设置迭代次数：iter＝iter+1，重复步骤S3.1‑步骤S3.7，直至iter等于最大迭代次数，即iter＝iter_max；

S3.9.根据各次迭代中电动汽车的综合成本取得最小值所对应的变量，即满足所对应的变量，输出电动汽车的最优充电路径规划。

2.根据权利要求1所述的电动汽车充电路径规划方法，其特征在于，所述步骤S1中进行初始化的环境参数包括：电动汽车相关参数：电动汽车电池的额定容量Eca、每公里耗电量ec、电动汽车起始节点坐标O与目的地节点坐标D；

路况相关参数：电动汽车所在区域路网的当前路网节点i以及下一个路网节点j、路网节点i和j之间路段的行驶距离dij、道路实时平均行驶的速度d d

充电相关参数：动态无线充电的充电功率P 、动态无线充电的充电效率η、动态无线充d电的充电价格p 、电动汽车所在区域的充电站节点l、充电站节点l在各时间段预计需等待wait的时间Tl 、各充电站充电桩个数cl、充电站节点l在正在使用中的充电桩个数sl；

s f

充电桩的：静态无线充电的充电功率P、快速有线充电的充电功率P 、慢速有线充电的r s f充电功率P、静态无线充电的充电效率η、快速有线充电的充电效率η、慢速有线充电的充r电效率η、充电桩的充电价格p。

3.根据权利要求1所述的电动汽车充电路径规划方法，其特征在于，所述步骤S3.4具体包括：S3.4.1.根据步骤S3.2确定的要转移的下一个路网节点j，判断下一个路网节点是否为k充电站节点l，若否，则直接进行步骤S3.5；若是，则计算在充电站节点l进行充电的概率Pt(zl)：其中τt(zl＝1)为第t次迭代中，在充电站节点l选择充电的信息素浓度；τt(zl＝0)为第t次迭代中，在充电站节点l不选择充电的信息素浓度；τt(zl＝1)、τt(zl＝0)由步骤S2进行初始化，并由步骤S3.7进行迭代更新；

η(zl)为启发函数，η(zl＝1)表示在充电站节点l选择充电的期望程度；η(zl＝0)表示在充电站节点l选择不充电的期望程度；

k

根据计算得到的概率Pt(zl)进行随机选择；若选择在充电站节点l充电，则zl＝1；否则k kzl＝0；其中Pt(zl＝1)值越大，表明在充电站节点l选择充电的概率越大；若Pt(zl＝0)值越大，则表明在充电站节点l选择不充电的概率越大；

S3.4.2.若步骤S3.4.1选择的结果为zl＝0则直接进行步骤S3.5；若zl＝1，即选择在充电站节点l充电，则分别计算不同充电方式组合的选择概率；

在充电站节点l充电共有4种不同的充电方式组合，分别定义为：a.[快充]，表示只选择快速有线充电完成充电；

b.[慢充]，表示只选择慢速有线充电完成充电；

c.[无线+快充]，表示通过排队等候时进行静态无线充电后，再进行快速有线充电；

d.[无线+慢充]，表示通过排队等候时进行静态无线充电后，再进行慢速有线充电；分k k k k别计算上述4种充电方式组合的选择概率Pt(ul＝a)、Pt(ul＝b)、Pt(ul＝c)、Pt(ul＝d)：ul＝a,b,c,d，分别代表着在充电站节点l中4种不同的充电方式；其中ul＝a表示[快充]；ul＝b表示[慢充]；ul＝c表示[无线+快充]；ul＝d表示[无线+慢充]；

其中τt(ul＝a)、τt(ul＝b)、τt(ul＝c)、τt(ul＝d)分别为第t次迭代中，在充电站节点l选择充电方式a,b,c,d这4种充电方式下各自的信息素浓度；τt(ul＝a)、τt(ul＝b)、τt(ul＝c)、τt(ul＝d)由步骤S2进行初始化，并由步骤S3.7进行迭代更新；

η(ul)为启发函数，η(ul＝a)、η(ul＝b)、η(ul＝c)、η(ul＝d)分别表示在充电站节点l选择4种充电方式的期望程度；

k k k k

根据计算得到的选择概率Pt (ul＝a)、Pt (ul＝b)、Pt (ul＝c)、Pt (ul＝d)进行随机选k k择；其中Pt (ul＝a)值越大，表明在充电站节点l选择充电方式a的概率越大；Pt (ul＝b)值越k大，表明在充电站节点l选择充电方式b的概率越大；Pt (ul＝c)值越大，表明在充电站节点lk选择充电方式c的概率越大；Pt(ul＝d)值越大，表明在充电站节点l选择充电方式d的概率越大；

S3.4.3.若步骤S3.4.1选择的结果为zl＝1，即选择在充电站节点l充电，计算充电电量kQl的选择概率Pt(Ql)：

其中Eca是电动汽车电池的额定容量，SOC为电量百分比，SOC·Eca为要充电的容量，以

5％为步进电量，计算各个电量段的选择概率；

τt(Ql＝SOC·Eca)为第t次迭代中，在充电站节点l选择充电电量为Ql＝SOC·Eca的信息素浓度，其中SOC＝5％,10％,…100％；τt(Ql＝SOC·Eca)由步骤S2进行初始化，并由步骤S3.7进行迭代更新；

η(Ql＝SOC·Eca)为启发函数，表示在充电站节点l选择各个充电电量段的期望程度；

k

根据计算得到的选择概率Pt (Ql)进行随机选择，从而确定电动汽车在充电站节点l要k充电的电量Ql，对当前电量q进行更新：

k k

q＝q+Ql。

4.根据权利要求3所述的电动汽车充电路径规划方法，其特征在于，所述步骤S3.6具体包括：S3.6.1.时间成本Time包括行驶时间Tdrive、等待时间Twait和充电时间Tcharge：Time＝Tdrive+Twait+Tcharge行驶时间Tdrive：

其中xij的值由步骤S3.2得到；Tij为路段i到j的平均通过时间，通过计算 获得，N是全部道路节点的集合；

等待时间Twait：

wt

zl由步骤S3.4.1得到，ul由步骤S3.4.2得到；Tl (ul)为在充电站节点l各种充电方式下wt wt的排队时间，其中充电方式a与充电方式c的充电排队时间相同，即Tl (ul＝a)＝Tl (ul＝wt wtc)；充电方式b与充电方式d的充电排队时间相同，即Tl (ul＝b)＝Tl (ul＝d)，R是全部充电站节点l的集合；

充电时间Tcharge：

ch

Tl (ul)为在充电站l各种充电方式下的充电时间，各种充电方式下的充电时间通过以下式子计算得到：s f r

Ql的值由步骤S3.4得到，P 、P、P 分别为静态无线充电的充电功率、快速有线充电的充s f r电功率、慢速有线充电的充电功率；η、η、η分别为静态无线充电的充电效率、快速有线充电的充电效率、慢速有线充电的充电效率；所述的充电功率和充电效率由步骤S1得到；

S3.6.2.充电成本包括在无线充电道路上充电的成本Cdwc和在充电站进行充电的成本Ccs：Cost＝Cdwc+Ccs无线充电道路上充电的成本Cdwc：

d

其中yij的值由S3.3得到；Tij为路段i到j的平均通过时间，通过计算 获得；P、dp分别是动态无线充电的充电功率与动态无线充电的充电价格，由所述步骤S1获得；N是全部路网节点的集合；

在充电站进行充电的成本Ccs：

Cl(ul)为在充电站l各种充电方式下的充电成本，通过以下式计算得到：wt wt

Ql的值由步骤S3.4得到；ul＝c时，Q 为排队等候时进行静态无线充电的电量，(Ql‑Q )wt为结束静态无线充电后，再进行快速有线充电的电量；ul＝d时，Q 为排队等候时进行静态wt无线充电的电量，(Ql‑Q )为结束静态无线充电后，再进行慢速有线充电的电量；

wt s s wt s s

其中Q ＝PηTl (ul)，P、η分别是静态无线充电的充电功率与静态无线充电的充电效率，由步骤S1获得。

5.根据权利要求4所述的电动汽车充电路径规划方法，其特征在于，所述步骤S3.7具体包括：对步骤S3.1‑S3.4的搜寻过程中各个选择信息素τt(xij)、τt(yij)、τt(zl)、τt(ul)、τt(Ql)进行更新：其中，n为所有成功搜寻到达目的地节点坐标D的蚂蚁个数；

其中Φ为常数，表示蚂蚁循环一次所释放的信息素总量，在所述步骤S2中进行初始化。

6.根据权利要求4所述的电动汽车充电路径规划方法，其特征在于，所述步骤S3.9具体包括：选择满足 所对应的变量xij、yij、zl、ul、Ql；

其中xij决定行驶路径，yij决定进行动态无线充电的路段，zl决定是否在充电站节点l进行充电，ul决定在充电站节点l进行充电的方式，Ql决定在充电站节点l选择充电的电量；

根据所述变量xij、yij、zl、ul、Ql的取值获得电动汽车综合成本最小的最优充电路径规划。