在矿山这片广袤而繁忙的土地上，每一天都有无数车辆在来回穿梭，它们承载着矿石，驱动着矿山的运转。然而，随着全球对环境保护和可持续发展的重视，传统燃油矿卡的高能耗、高排放问题日益凸显。为了响应国家“双碳”战略目标，矿山行业正经历一场绿色化、智能化的转型。在这场变革中，新能源矿卡凭借其零排放、低噪音、能量可回收等优势，逐渐成为矿山运输的新宠。但新能源矿卡的广泛应用，也对矿山的调度管理提出了新的挑战。今天，我们通过西安建筑科技大学资源工程学院顾清华教授团队发表在《金属矿山》期刊上的论文《基于峰谷能耗成本的露天矿新能源矿卡调度优化》，来探索一项针对新能源矿卡的调度优化技术，看看它是如何帮助矿山实现降本增效的绿色革命。

在过去，矿山运输主要依赖传统燃油矿卡。这些矿卡虽然力量强大，但它们的能耗和排放问题却不容小觑。随着全球对环境保护的日益重视，以及新能源技术的快速发展，新能源矿卡逐渐崭露头角。新能源矿卡通常采用电动或混合动力驱动，具有零排放、低噪音、维护成本低等优点。更重要的是，新能源矿卡还能在制动和下坡时回收能量，进一步提高能源利用效率。

在矿山运输中，矿卡的能耗成本是生产成本的重要组成部分。对于新能源矿卡来说，充电成本占据了能耗成本的大部分。而电价并不是一成不变的，它随着用电需求的变化而波动。在工业用电中，通常存在峰谷电价差异。峰时电价较高，谷时电价较低。因此，合理安排新能源矿卡的充电时间，充分利用谷时电价进行充电，可以大幅降低矿卡的能耗成本。

除了考虑电价波动外，新能源矿卡的调度还需要考虑多个目标。一方面，要最小化矿卡的能耗成本；另一方面，还要最小化矿卡的等待时间，以提高运输效率；同时，还要最大化矿石的运量，以满足矿山的生产需求。这三个目标之间相互冲突、相互制约，如何找到最优的调度方案，成为矿山管理者面临的又一难题。

为此，研究人员提出了一种基于多目标优化的新能源矿卡调度方法。他们首先构建了以能耗成本最小化、等待时间最小化、矿石运量最大化的多目标优化模型。这个模型考虑了电价波动、道路坡度变化、矿卡能量回收与利用等多种因素，通过精确的计算和仿真，找出最优的调度方案。

以华北某露天矿山为例，研究人员利用30辆纯电动自卸矿卡的数据进行了仿真应用。通过多目标优化模型，他们找到了既能降低能耗成本，又能减少等待时间，还能提高矿石运量的最优调度方案。仿真结果表明，与传统的调度方法相比，采用多目标优化方法后，矿卡的能耗成本降低了约20%，等待时间减少了约15%，矿石运量提高了约10%。

多目标优化模型虽然能够找到最优的调度方案，但其求解过程却十分复杂。由于矿山运输系统的复杂性和不确定性，传统的优化算法往往难以胜任。为此，研究人员提出了一种基于非支配排序的反向学习差分进化算法（NDODE）。这种算法结合了帕累托最优原理和非支配排序策略，通过反向学习提高算法的局部搜索能力，从而快速找到最优解。

NDODE 算法流程

在华北某露天矿山的仿真应用中，NDODE算法展现出了优异的性能。与传统的差分进化算法（DE）、非支配排序遗传算法（NSGA2）和强度帕累托进化算法（SPEA2）相比，NDODE算法在能耗成本、等待时间和矿石运量三个目标上均表现出了更好的综合性能。仿真结果表明，采用NDODE算法后，矿卡的能耗成本降低了约10%，等待时间减少了约20%，矿石运量提高了约5%。

华北某露天矿全景

实战效果：新能源矿卡调度的“成绩单”

理论模型和优化算法虽然重要，但真正的考验还在实战中。在华北某露天矿山的实际应用中，新能源矿卡的调度优化方案取得了显著的成效。通过科学调度和合理安排充电时间，矿山管理者成功降低了新能源矿卡的能耗成本。同时，通过优化运输路线和减少等待时间，他们还提高了运输效率和矿石运量。

结语