《Journal of Cleaner Production》：Economic and environmental right-sizing of battery-electric haulage fleets in open-pit mines
编辑推荐：
本研究提出了一种基于流量的混合整数线性规划（MILP）模型，用于对露天矿电池-电动运输车队进行合理规模优化。充电约束是导致电动矿卡（BEV）车队规模增加的主要因素。与柴油矿卡相比，电动矿卡运输可使运营二氧化碳当量（CO2e）排放降低61.7%–63.5%（若计
本研究提出了一种基于流量的混合整数线性规划（MILP）模型，用于对露天矿电池-电动运输车队进行合理规模优化。充电约束是导致电动矿卡（BEV）车队规模增加的主要因素。与柴油矿卡相比，电动矿卡运输可使运营二氧化碳当量（CO2e）排放降低61.7%–63.5%（若计入隐含排放则为57%–62%）。电动矿卡的成本溢价相对较小，且取决于充电基础设施条件，范围为?1%至＋7.4%。成本最优的设计方案可能与评估中排放最低的设计方案不同。该模型将充电约束与内生交通拥堵纳入统一优化框架，以确定合适的矿卡类别、车队规模和电池容量。模型与调度策略无关，采用稳态流量而非单车轨迹表示运营过程，适用于战略性设计研究。除识别成本最优解外，研究还评估了低、中、高碳电网情景下的运营CO2e强度、电池隐含排放、在用车队电池容量及已安装充电容量等环境指标，从而支持在经济与环境双重标准下对设计方案进行比较。主要方法贡献在于集成化建模：对于给定的矿卡类别和电池容量，模型在充电约束及内生、类别特定的交通拥堵条件下，联合求解成本最优的车队规模与流量。矿卡类别和电池容量作为设计参数处理，通过在设计网格上求解MILP并跨案例比较来确定成本最优选择。环境指标作为后处理评估层应用于优化设计，而非作为求解器中的附加决策变量。清洁生产方面的贡献在于将优化与系统级量化相结合，揭示车队规模、矿卡类别、电池容量、充电容量、拥堵程度及电网碳强度如何共同影响成本、CO2e强度和基础设施负担。主要贡献包括：提出扩展状态网络上的MILP核心优化模型，同时捕捉载重状态与电池荷电状态（SOC）；通过贝叶斯推断标定延迟曲线并以分段线性近似嵌入模型，实现内生拥堵建模；建立后处理环境评估层，计算运营电力相关CO2e排放、电池隐含排放、在用车队电池容量及已安装充电容量；通过多矿山尺度实验表明，拥堵与充电约束影响车队设计，矿卡类别选择不当的成本惩罚随矿山规模增大而增加，且成本最优设计可能与评估网格中排放最低的方案存在差异。
论文解读：露天矿电池-电动运输车队的合理规模优化研究
一、研究背景与问题
卡车-铲运（truck–shovel）运输系统是众多露天矿中主导性的物料搬运方式，负责将矿石和废石从装载点运至卸载点。传统上，该作业依赖柴油驱动矿卡，而柴油矿卡是露天采矿中运营温室气体排放的最大单一来源。电池-电动矿卡（Battery-Electric Vehicle, BEV）日益被视为露天采矿脱碳的可行路径。然而，电气化的环境效益不能简单地通过逐车替换来评估。在高利用率矿山运输系统中，车队规模、矿卡类别、电池容量、充电功率、拥堵程度与生产吞吐量紧密耦合，共同决定运营成本、电力消耗、排放强度、在用电池容量及充电基础设施负担。
传统上，矿卡尺寸的选择基于生产需求、铲车-矿卡匹配及运输条件。在柴油实践中，这些决策基本解耦：先根据生产目标和台阶几何确定矿卡类别，车队规模随后由铲车-矿卡匹配因子平衡得出，能源与充电维度不进入选型问题，因为柴油矿卡加油快速且频率低。这种分离模式下，较大类别通常更受青睐，因为车辆数量少可减少操作人员，从而降低劳动力成本——这是柴油运输经济性的主导成分。自动驾驶运输系统（Autonomous Haulage Systems, AHS）的采用削弱了车队规模与劳动力需求之间的耦合：由于矿卡无需车载驾驶员，增加车辆不再增加操作人员，额外矿卡的边际成本从劳动力转向充电、拥堵及充电基础设施需求。因此，在电气化矿山设计中，较小或中间类别的矿卡值得重新关注，主要权衡转向充电需求、拥堵效应与基础设施规模。
现有方法难以适应这一新的设计问题。基于循环时间的传统方法通常孤立处理车队规模，未明确考虑能耗或充电约束；仿真方法可详细评估候选车队配置，但不适合系统搜索大规模设计空间；调度方法的结果依赖于所采用的调度逻辑，且多数现有框架未明确捕捉充电约束。因此，需要一种可解的优化框架，在考虑充电约束与内生交通拥堵的同时评估矿卡类别、车队规模与电池容量。
二、研究内容与结论
研究人员提出了一种集成充电约束与内生交通拥堵的优化模型，以确定合适的矿卡类别、车队规模和电池容量。模型与调度策略无关，采用稳态流量而非单车轨迹表示运营过程，适用于战略性设计研究。除识别成本最优解外，还评估了低、中、高碳电网情景下的运营CO2e强度、电池隐含排放、在用车队电池容量及已安装充电容量等环境指标。
主要结论包括：充电约束是导致电动矿卡车队规模增加的主要驱动因素；与柴油矿卡相比，电动矿卡运输可使运营CO2e排放降低61.7%–63.5%（计入隐含排放后为57%–62%）；电动矿卡成本溢价相对较小且取决于基础设施条件，范围为?1%至＋7.4%；成本最优设计可能与排放最低的设计方案不同。研究还发现，拥堵与充电约束影响车队设计，矿卡类别选择不当的成本惩罚随矿山规模增大而增加。该论文发表于《Journal of Cleaner Production》。
三、关键技术与方法
研究人员构建了一个扩展状态网络上的混合整数线性规划（Mixed-Integer Linear Programming, MILP）模型，状态空间涵盖载重状态与电池荷电状态（State of Charge, SOC），在充电约束下对给定矿卡类别和电池容量优化车队规模与流量。交通拥堵通过贝叶斯推断标定延迟曲线并以分段线性近似嵌入模型，实现内生拥堵建模。矿卡类别与电池容量作为设计参数，通过在设计网格上求解MILP并跨案例比较确定成本最优选择。环境指标作为后处理评估层计算。研究采用合成矿山地图进行实验，并通过组件级校验验证模型行为。
四、研究结果
4.1 核心优化模型
研究将车队合理规模问题建模为扩展状态网络上的MILP，同时捕捉载重状态与SOC，在充电约束下优化车队规模与流量。矿卡类别与电池容量通过扫描设计网格并比较各案例成本来确定。
4.2 内生拥堵建模
研究通过贝叶斯推断标定延迟曲线，并以分段线性近似嵌入MILP，捕捉车队规模与拥堵之间的反馈关系。拥堵参数具有类别特异性，因为冲突车辆之间的安全间隔随车辆长度缩放。
4.3 后处理环境评估
研究建立了环境评估层，在给定优化设计后计算运营电力相关CO2e排放、电池隐含排放、在用车队电池容量及已安装充电容量，实现在明确系统边界内对电动运输方案进行经济与环境联合比较。
4.4 设计洞察
通过多矿山尺度实验，研究表明：拥堵与充电约束显著影响车队设计；矿卡类别选择不当的成本惩罚随矿山规模增大而增加；成本最优设计可能与评估网格中排放最低的方案存在差异。在成本方面，电动矿卡相对于柴油的成本溢价为?1%至＋7.4%，取决于充电基础设施条件。在环境方面，电动矿卡运输可使运营CO2e排放降低61.7%–63.5%，计入电池隐含排放后为57%–62%。
五、讨论与结论
讨论部分指出，现有研究在车队规模与设备选择、仿真评估、调度优化、电池-电动采矿运营及环境评估等方面各有侧重，但均未将矿卡类别、车队规模、电池容量、充电基础设施与交通拥堵作为耦合设计变量统一处理。本研究的模型定位为战略性设计筛选工具，而非替代现场标定的调度仿真或完整生命周期评估。
研究结论表明，所提出的流量基MILP模型能够在充电约束与内生拥堵条件下有效确定成本最优的车队规模与流量。充电约束是车队规模增加的主要驱动因素，而电动化可显著降低运营碳排放。成本最优设计与最低排放设计可能存在差异，提示在矿山电气化规划中需要同时考虑经济与环境双重标准。未来研究方向包括将模型扩展至更复杂的矿山网络结构、纳入更多不确定性因素，以及与现场数据标定的调度仿真相结合以进一步提高设计可靠性。
