[发明专利]基于二次聚类的大规模电动汽车充电调度系统及其优化方法

权利要求书

1.基于二次聚类的大规模电动汽车充电调度系统，其特征在于：包含充电站、后台管理系统、地图服务、微信公众平台，所述后台管理系统包含数据接收模块、调度模型建立模块、分配计算模块和GIS系统；

其中：充电站，用于提供电动汽车充电所需电能；

GIS系统，用于获取各电动汽车至各充电站的最优路径距离；

数据接收模块，用于接收用户的充电请求以及充电站的实时信息；

调度模型建立模块，用于计算各个充电站内的电动汽车数是否均匀分配，根据来自微信公众平台的充电请求、电动汽车位置坐标、电动汽车电池剩余里程，以及GIS系统获取的各电动汽车至各充电站的最优路径距离，建立电动汽车充电调度模型；

分配结果计算模块，用于采用空间分配算法和遗传算法求解第i辆电动汽车分配至哪个充电站，并发送至微信公众平台，同时发送的还有来自地图服务中关于该充电站的位置导航服务；

地图服务，用于提供实时路况信息查询和导航服务。

2.根据权利要求1所述的基于二次聚类的大规模电动汽车充电调度系统，其特征在于：所述用户的充电请求包括用户的微信账号、当前位置、车型；所述充电站实时信息包括充电站的名称、充电站的地址、充电站内的电动汽车数。

3.根据权利要求1所述的基于二次聚类的大规模电动汽车充电调度系统，其特征在于：所述充电站与后台管理系统通过光纤有线通信的方式进行数据传输。

4.根据权利要求1所述的基于二次聚类的大规模电动汽车充电调度系统，其特征在于：其中，电动汽车调度模型如下：

每个充电站内分配的电动汽车数与充电桩数比值的差值其中其中，S_j表示充电站CS_j内的电动汽车个数；或1，1表示电动汽车EV_i选择充电站CS_j充电，0表示否；所有的电动汽车与前往充电的充电站的行驶时间之和其中，l_ij表示电动汽车EV_i到充电站CS_j的最优路径距离，为电动汽车EV_i的平均行驶速度；根据最小化充电站内充电桩的利用率和前往充电站充电的平均行驶时间可建模为minF＝α₁F₁+α₂F₂，其中α₁,α₂(α≥0)是平衡因子。

5.根据权利要求1所述的基于二次聚类的大规模电动汽车充电调度系统，其特征在于：空间分配算法包括层次聚类算法和K-means聚类算法。

6.根据权利要求1所述的基于二次聚类的大规模电动汽车充电调度系统，其特征在于：微信公众平台与地图服务之间数据传输的方式是光纤通信方式，后台管理系统与地图服务之间数据传输的方式是光纤通信方式。

7.一种基于二次聚类的大规模电动汽车充电调度优化方法，其特征在：具体包含如下步骤：

步骤1，用户通过微信公众号向微信公众平台发送充电请求；

步骤2，后台管理系统的数据接收模块负责接收用户的充电请求，并从各个充电站收集当前站内的待充电电动汽车数；

步骤3，数据接收模块通过调用GIS系统，得到该电动汽车EV_i到充电站CS_j最优路径距离信息l_ij，并将该信息以及充电站信息发送给调度模型建立模块；

步骤4，调度模型建立模块计算各个充电站内的电动汽车数是否均匀分配，根据各电动汽车至不同充电站的最优路径距离l_ij，建立电动汽车充电调度模型；

步骤5分配结果计算模块计算电动汽车EV_i分配至充电站充电CS_j的决策变量

步骤6，分配结果计算模块将分配结果通过微信公众平台发送至用户的微信公众号，同时发送的还有来自地图服务中关于该充电站的位置导航服务。

8.根据权利要求7所述的一种基于二次聚类的大规模电动汽车充电调度优化方法，其特征在于：所述步骤5具体方法如下：

1)通过凝聚型层次聚类算法将同一时间有充电请求的电动汽车进行聚类，设层次聚类后获得的类个数为K，某个电动汽车群数量为Q_i，最小充电桩数为q，则该电动汽车群的聚类指标为从电动汽车群Q_i中任选k_i个样本作为初始聚类中心

2)对电动汽车群Q_i中每个样本x_i找到离它最近的聚类中心z_q，并将其分配到z_q所表明的类u_q；

3)采取平均的方法计算重新分类后的各类心；

4)计算

其中，D是指每个聚类里面电动汽车与聚类中心坐标点距离的和；

5)如果D值收敛，则及每个类内的电动汽车集合，并进行电动汽车群Q_i+1的聚类，否则转至2)；

6)获取电动汽车类个数为以及各个类的聚类中心及电动汽车集合；

7)采用遗传算法来求解，建立初始群体，其中，染色体上的基因表示电动汽车类选择的充电站类型；

8)计算各个体的适应度；

9)根据遗传概率，通过选择、交叉、突变操作，不断循环执行，逐渐逼近全局最优解，进而求得