[发明专利]一种基于改进的TLBO算法的电动车充电桩的布局方法

说明书

本发明公开一种基于改进的TLBO算法的电动车充电桩的布局方法，该方法通过计算从用户需求到充电桩的K距离，并将K距离的邻域点保存在集合N_k‑dist()中，由已知的K距离和K距离邻域点求出K距离的平均值以及K距离平均值的均值，并得到K距离因子；比较K距离的平均值与K距离平均值的均值的大小，得出的结果保存在集合f(x)中，来确定安装充电桩的位置；根据K距离因子，计算出用户需求充电桩的数量。本发明的方法平衡了用户与电动车充电桩位置与数量供求之间的关系，更好的实现人机交互有序充电。

技术领域

本发明属于算法规划领域，具体设计一种基于改进的TLBO算法的电动车充电桩的布局的方法。

背景技术

随着我国电动车数量越来越多，电动车的随机性与流动性愈发之大，相应所需的充电设备也随之增加；同时，电动车充电问题存在许多障碍，用户若自行使用家用电进行充电存在安全隐患。目前我国电动车充电设备供不应求，机体的流动性与随机性，对安装充电桩的位置难以确定，无法解决需求与充电桩量之间关系的平衡性。

对现有的群智能优化算法中，如粒子群算法，DE算法，TLBO算法等，由于本身参数少，算法简单，每个个体都在向目标靠拢聚集，搜索速度快，适合求解低维问题和高维单峰值得优化问题。但是个体的多样性容易丢失，并且在求解多峰值复杂问题时容易陷入局部最优，全局搜索能力较差，不易求得目标函数的全局最优值。

发明内容

针对现有技术的缺陷，本发明一种基于改进的TLBO算法的电动车充电桩的布局方法，该方法基于离散多目标问题，定义K距离和K距离有关的参数，确定用户与电动车充电桩数量以及位置之间的关系。具体技术方案如下：

一种基于改进的TLBO算法的电动车充电桩的布局方法，其特征在于，该方法包括如下步骤：

S1：计算第i个用户需求到第j个充电桩的K距离dist(i，j)，其中i∈D，D为用户需求数据集；

S2：将S1得到的dist(i，j)带入到下式，得到i的K距离领域点N_k-dist(i)

N_k-dist(i)＝{i∈D|Dp(i，j)＝dist(i，j)，dist(i，j)≤k-dist(i)}

式中，Dp(i，j)表示i的K距离领域点N_k-dist(i)集合中元素点的表达式；k-dist(i)表示第i个用户需求到数据集D中每个点的K距离。

S3：将S2中的N_k-dist(i)中所有元素求和，再与k-dist(i)累加后，除以(N_k(j)+1)，得到i的K距离的平均值AKD_k(i)，其中，N_k(j)表示第i个用户需求到第j个充电桩的K距离邻域点所有个数。

∑Dp(i，j)表示i的K距离领域点每个元素的求和；

S4：将AKD_k(i)取得的所有值进行和运算，再除以个数n，得到AKD_k(i)的平均值，具体如下式：

S5：根据下式计算i的K距离因子KDF_k(i)

式中，M_k(i)表示第i个用户需求到第j个充电桩的K距离的个数，(∑Dp(i，j))/n表示i的K距离领域点的平均值；