1. 课程导入与工程全景
在移动机器人（AGV/AMR）真正进入产线、仓储和园区之后，决定它能不能“连续干活”的，往往不是导航精度，也不是单次搬运速度，而是能源与班次运行之间的匹配关系。一台 AMR 单次任务跑得再漂亮，如果电量在班次中段见底、充电位被占、换电节拍与产线不匹配，整条物流链就会在看似“自动化”的状态下频繁停摆。本课程要解决的，正是这类发生在现场、却常被忽略的工程问题。
一、核心问题：不是“能跑多久”，而是“班次内能否持续可用”
能源管理常被简化为“电池容量够不够”。但在班次运行语境下，真正要回答的是四个相互耦合的问题：
- 能量预算问题：一个班次内，机器人需要完成多少任务、行驶多少里程、举升/顶升多少次，对应消耗多少 Wh？
- 补能策略问题：是机会充电、换电，还是下班集中充电？充电窗口出现在什么时刻、持续多久？
- 资源竞争问题：充电桩/换电位数量有限，多台机器人同时低电量时如何排队、调度、避免死锁？
- 班次连续性问题：交接班、休息、产线换型时，能源状态如何平滑过渡，避免“人换班、车趴窝”。
这四者不是独立模块，而是一条从任务需求 → 能量消耗 → 补能决策 → 可用性约束的闭环。任何一环估算失真，都会在班次后段集中暴露。
二、系统边界：把“车、电、桩、调度、班次”放进同一张图
做能源管理，首先要明确系统边界。若只盯着电池 BMS，就会漏掉充电桩功率、调度任务分配、班次时间窗这些外部约束。一个完整的工程边界通常包含：
- 车载侧：电池组、BMS、DC/DC、驱动与举升负载、电量 SOC/SOH 估计；
- 补能侧：充电桩输出功率、充电曲线（CC/CV）、换电站电池库存与换电耗时；
- 调度侧：任务队列、路径长度、任务优先级、机器人分配逻辑；
- 班次侧：班次时长、休息窗口、交接班规则、产线节拍与停机窗口。
下面这张图给出本节最值得先建立的整体关系：能量从任务需求出发，经过消耗与补能，最终落到班次可用性判断上，同时受调度与班次规则约束。
三、学习路径：从能量核算到班次调度
本课程按“先算清、再管住、后优化”的顺序展开。第一步是能量核算：把一次搬运拆成行驶、举升、待机三段，分别估算 Wh 消耗，得到单任务能量成本。第二步是补能策略：根据 SOC 阈值、充电功率曲线和任务间隙，决定何时充、充多久、是否换电。第三步是班次调度：把补能窗口嵌入班次时间轴，处理多车排队与充电位竞争。第四步是运行监控与复盘：用 SOC 轨迹、充电次数、停机时长等指标判断策略是否有效。
这条路径不是线性的，而是迭代的。现场常见的情况是：能量核算发现某车型单班需要 2.3 次充电，但充电位只有 1 个，于是必须回到调度层调整任务分配，或改用换电方案。课程会反复在“算—管—调”之间往返。
四、实战目标：能算、能配、能判
学完本课程，你应当能够独立完成三件事：
- 能算：给定车型、任务量和班次时长，估算单班总能耗与所需补能次数；
- 能配：根据充电桩功率、SOC 窗口和任务间隙，配置机会充电或换电策略；
- 能判：通过 SOC 曲线、可用率和停机记录，判断当前策略是否满足班次连续性要求，并给出调整方向。
示例参数（合理假设，非实测）：某潜伏顶升式 AMR，电池 48V/40Ah（约 1.92kWh），空载行驶功耗约 180W，满载约 260W，顶升一次约 0.8Wh，待机约 25W。若一个班次 8 小时，实际任务行驶 3.5 小时、举升 120 次、待机 2 小时，则粗略估算：行驶约 0.26kW×3.5h≈0.91kWh，举升 120×0.8Wh≈0.096kWh，待机 0.025kW×2h≈0.05kWh，合计约 1.06kWh，占电池容量约 55%。这意味着理论上单班可不补能，但若考虑 SOC 下限 20%、电池衰减和低温，实际可能需要一次 30～40 分钟的机会充电。
常见误区：把“电池容量”直接等同于“班次可用能量”。实际可用能量受 SOC 下限、放电倍率、温度、SOH 衰减共同影响。工程上应以“可用能量窗口”而非“标称容量”做预算。