[发明专利]基于最大轮廓聚类的电动汽车充电需求空间分布预测方法

权利要求书

1.基于最大轮廓聚类的电动汽车充电需求空间分布预测方法，其特征在于，包括如下步骤：

步骤A：根据用地类型和周围道路划分交通网格，构建充电需求指标用以描述交通网格周围道路中电动汽车的充电需求；

步骤B：以交通网格为聚类样本，以交通网格的充电需求指标和地理坐标为聚类样本属性进行群簇聚类，采用密度峰值聚类方法对聚类样本进行聚类运算，得到多组聚类结果；

步骤C：定义轮廓系数用以表征聚类结果的质量，基于轮廓系数，计算各聚类结果的总体轮廓系数，选择最大轮廓系数的聚类结果作为最佳结果，得到电动汽车充电需求指标的空间分布；

步骤D：根据充电需求总量和各聚类群簇的总充电需求指标，计算各群簇的充电需求，得到电动汽车充电负荷的空间分布；

所述步骤A包括：

A1.对交通网格内的动态交通数据进行分析，计算每个交通网格内的平均交通流量指数，计算方式如下：

式中，f_ij为第i个交通网格周围第j个路口的典型日出行高峰交通流量，n_i为第i个交通网格周围的路口数，f_ave,i交通网格平均交通流量指数，q_i表示第i个交通网格的平均交通流量指数，N为交通网格总数，f_ave,i为第i个交通网格的平均交通流量。

A2.对交通网格内的静态交通数据进行分析，根据交通网格内停车场对外开放程度定义对外开放指数h_i；

A3.构建充电需求指标C_bi，其表达式为：

c_bi＝h_iq_i

A4.以交通网格的充电需求为聚类样本w_i(i∈[1,N])，其属性包括：充电需求指标C_bi和地理坐标，i为交通网格编号，N为交通网格总个数；

所述步骤C包括：

计算步骤B中各聚类结果的轮廓系数，计算方法为：

式中，群簇的内聚度a_i为样本w_i到所有它所属的簇中其他样本的距离，群簇的分离度b_i为样本w_i与最近簇中所有点的平均距离；

聚类结果总体的平均轮廓系数s表达式如下：

2.根据权利要求1所述的基于最大轮廓聚类的电动汽车充电需求空间分布预测方法，其特征在于，所述步骤B包括：

B1.合理取值选择聚类群簇个数区间[n_min,n_max]，

B2.在区间内根据局部密度ρ_i和距离δ_i进行群簇聚类，计算方式如下：

式中，ρ_i为局部密度，δ_i为样本之间的距离，I_S为交通网格的序号集，c_bj为第j个交通网格的充电需求指标，d_ij为第i个和第j个交通网格中心的空间距离，d_c为截断距离，用于限定交通网格的充电容量服务范围，为局部密度大于第i个交通网格的网格序号集，针对每个聚类个数n∈[n_min,n_max]，选取n个样本点作为聚类中心，得到多组群簇聚类结果。

3.根据权利要求1所述的基于最大轮廓聚类的电动汽车充电需求空间分布预测方法，其特征在于，所述步骤D包括:

各群簇的充电需求计算公式如下：

式中，表示各P_i类型电动汽车的充电功率，n为规划区域内电动汽车保有量预测值；η表示电动汽车充电的同时率，P_ci为群簇i充电需求负荷，q_ti表示群簇i的交通密集指数，M为群簇个数。