[发明专利]基于随机粒子群算法的EV充电站位置生成方法及装置

权利要求书

1.一种基于随机粒子群算法的EV充电站位置生成方法，其特征在于，包括：

步骤S1：采集地理信息数据；

步骤S2：基于地理信息数据，根据配电网因素、交通因素和社会因素构建优化问题的目标函数及约束条件；

步骤S3：结合PSO与Bagging算法，求解所述优化问题，生成最优充电站位置。

2.根据权利要求1所述的一种基于随机粒子群算法的EV充电站位置生成方法，其特征在于，所述目标函数为：

其中：α为调节系数，p_a为第a个充电站的建设成本，β为调节系数，f(s_j)为第j个充电站的便利度，P为充电站建设成本集合，s充电站集合；

所述约束条件为：

其中：s_j为第j个充电站的容量，s_j,e为充电站容量和，ε_s为限制区域充电站容量和的裕度，w为区域b_w的编号，n为供电站的数目，为区域b_w内第r个供电站，为区域供电容量，ε_g为限制区域供电容量的裕度，l_k为第k个道路段，为第k个道路段的坐标，为第j个充电站的坐标，R_j为第j个充电站的充电服务半径，ε_R为限制充电服务半径的裕度，S为供电站的容量集合，G为供电站集合，L为道路集合。

3.根据权利要求2所述的一种基于随机粒子群算法的EV充电站位置生成方法，其特征在于，所述步骤S3具体包括：

步骤S31：通过Bagging算法划分样本集；

步骤S32：对一个未处理的样本集，初始化其粒子群的速度和位置，其中，任一粒子对应于一充电站位置；

步骤S33：计算粒子群的适应度，并找到个体最优值；

步骤S34：判断是否遍历完成所有样本集，若为是，则执行步骤S35，反之，则执行步骤S32；

步骤S35：找到全局最优值，并更新粒子群的速度和位置；

步骤S36：判断是否满足迭代条件，若为是，则执行步骤S37，反之，则返回步骤S33；

步骤S37：将当前各粒子的速度和位置对应的充电站位置作为结果输出。

4.根据权利要求3所述的一种基于随机粒子群算法的EV充电站位置生成方法，其特征在于，所述步骤S35中，更新粒子群的速度和位置的表达式具体为：

其中：为更新后粒子的速度，为更新后粒子的位置，V为粒子的惯性，v_t为更新前粒子的速度，C₁为个体最优对粒子t的影响率，d₁、d₂为相对位置关系与速度间的转换关系，q_t为粒子最优位置，z_t为更新前粒子的位置，C₂为种群最优对粒子t的影响率，q_h为全局最优位置。

5.一种基于随机粒子群算法的EV充电站位置生成装置，其特征在于，包括存储器、处理器，以及存储于存储器中并由所述处理器执行的程序，所述处理器执行所述程序时实现以下步骤：

步骤S1：采集地理信息数据；

步骤S2：基于地理信息数据，根据配电网因素、交通因素和社会因素构建优化问题的目标函数及约束条件；

步骤S3：结合PSO与Bagging算法，求解所述优化问题，生成最优充电站位置。