基于改进免疫算法的电动汽车充电站选址方法及系统技术方案

本发明专利技术公开了一种基于改进免疫算法的电动汽车充电站选址方法及系统，包括：获取设定区域内的建筑区域分布情况，分别获取不同建筑区域的人员数量信息，选取不同数量的需求点；在所述的需求点中，选取若干个电动汽车充电站选址候选点；计算需求点i到候选点j的欧式距离；基于所述欧氏距离构建用户充电满意度函数，进而构建电动汽车充电站选址模型，将选取的需求点和候选点输入到所述模型中，采用改进的免疫算法对所述模型进行求解，得到最优的电动汽车充电站选址方案。本发明专利技术采用改进的免疫算法对电动汽车充电站选址模型进行求解，降低了计算时间成本，在相同迭代次数下，提高了最终选址结果的精度。终选址结果的精度。终选址结果的精度。

【技术实现步骤摘要】
基于改进免疫算法的电动汽车充电站选址方法及系统


[0001]本专利技术涉及电动汽车充电站选址
，尤其涉及一种基于改进免疫算法的电动汽车充电站选址方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]目前，随着交通运输所造成的环境污染问题及消耗的不可再生能源日渐增加，纯电动汽车逐渐成为新能源汽车发展的主要方向。
[0004]然而，在电动汽车普及发展的过程中，仍遇到了不少的发展瓶颈，其中最大的瓶颈是目前电动汽车的电池电量不能支持用户日常出行的问题，相关研究学者提出了两种解决方案：一是发展电动汽车电池技术，以提高电动汽车的续航能力，但此技术的发展过程漫长，暂时不能有效的解决目前问题。二是对电动汽车充电站进行合理的选址，以达到在电动汽车需要充电的时候，能随时随地进行充电。从目前技术的发展水平来看，第二种方案更能解决电动汽车普及发展的问题。
[0005]目前，不同的学者对电动汽车充电站进行选址所采用的算法不同，大部分的人一般使用遗传算法对电动汽车充电站进行选址，而遗传算法需要对问题进行编码,找到最优解之后还需要对问题进行解码，使算法变得较为复杂化，由于算法没有记忆细胞库的产生，使该算法收敛性较差，容易出现提前收敛的情况，甚至严重影响解的品质。
[0006]免疫算法在对个体的评价中是通过计算亲和度得到的，个体的选择也以亲和度为基础，能够更好的反应系统的真实性与多样性，对个体的评价也更客观，能更好的选择出合适的个体。而传统的免疫算法在交叉和变异的流程中采用的是轮盘赌选择和排除适应度最低的抗体的思想，然后随机的进行交叉变异，然后用test程序或其他程序，对不符合交叉变异结果的抗体进行排除，这使最佳适应度和平均适应度数据的收敛性较差，也使计算时间延长了，在较少迭代的情况下，计算精度较低。

技术实现思路

[0007]为了解决上述问题，本专利技术提出了一种基于改进免疫算法的电动汽车充电站选址方法及系统，通过过改进免疫算法流程中的变异环节和交叉环节，使其随机变异和随机交叉的部分按照数学模型最优的方向进行交叉变异，从而提高了电动汽车充电站选址结果的准确度，同时提高计算效率。
[0008]在一些实施方式中，采用如下技术方案：
[0009]一种基于改进免疫算法的电动汽车充电站选址方法，包括：
[0010]获取设定区域内的建筑区域分布情况，分别获取不同建筑区域的人员数量信息，基于人员数量确定该建筑区域对于电动汽车充电站的需求程度，从而选取不同数量的需求点；
[0011]在所述的需求点中，选取若干个电动汽车充电站选址候选点；计算需求点i到候选点j的欧式距离；
[0012]基于所述欧氏距离构建用户充电满意度函数，进而构建电动汽车充电站选址模型，将选取的需求点和候选点输入到所述模型中，采用改进的免疫算法对所述模型进行求解，得到最优的电动汽车充电站选址方案。
[0013]进一步地，基于所述欧氏距离构建用户充电满意度函数，具体包括：
[0014][0015]其中，F(d
ij
)为用户充电满意度函数，d
ij
为需求点i到候选点j的欧式距离，L
i
为用户在需求点充电时满意度变化的最小值，U
i
为用户在需求点充电时满意度变化的最大值。
[0016]进一步地，构建电动汽车充电站选址模型，具体包括：
[0017][0018]其中，i为需求点，n为需求点的个数，j为充电的候选点，m为候选点的个数，F(d
ij
)为用户充电满意度函数，h
i
为在i点的需求量，Y
ij
＝1表示在需求点i处建设充电站，Y
ij
＝0表示不在需求点i处建设充电站。
[0019]进一步地，所述电动汽车充电站选址模型的约束条件包括：
[0020]每个需求点的用户只能到相同的充电站接受充电服务；
[0021]在一个候选点至多只能建设一个充电站；
[0022]用户只能到建设充电站的候选站点接收充电服务。
[0023]进一步地，采用改进的免疫算法对所述模型进行求解时，第一次迭代完成后，将期望值较高的抗体直接保留到记忆细胞库中；将第一代产生的父代与记忆细胞库都进行交叉变异；然后合并记忆细胞库；进行下一次迭代。
[0024]进一步地，采用改进的免疫算法对所述模型进行求解时，交叉过程中，选取两个相似度为零的第一抗体和第二抗体，对于第一抗体，将其中满意度较低的元素用第二抗体中满意度较高的元素替代；对于第二抗体，将其中满意度较低的元素用第一抗体中满意度较高的元素替代。
[0025]进一步地，采用改进的免疫算法对所述模型进行求解时，选取种群中的最优抗体开始变异。
[0026]在另一些实施方式中，采用如下技术方案：
[0027]一种基于改进免疫算法的电动汽车充电站选址系统，包括：
[0028]需求点获取模块，用于获取设定区域内的建筑区域分布情况，根据不同建筑区域
内对于电动汽车充电站的需求程度，分别选取不同数量的需求点；
[0029]候选点确定模块，用于在所述的需求点中，选取若干个电动汽车充电站选址候选点；计算候选点需求点i到候选点j的欧式距离；
[0030]电动汽车充电站选址模块，用于基于所述欧氏距离构建用户充电满意度函数，进而构建电动汽车充电站选址模型，将选取的需求点和候选点输入到所述模型中，采用改进的免疫算法对所述模型进行求解，得到最优的电动汽车充电站选址方案。
[0031]在另一些实施方式中，采用如下技术方案：
[0032]一种终端设备，其包括处理器和存储器，处理器用于实现各指令；存储器用于存储多条指令，所述指令适于由处理器加载并执行上述的基于改进免疫算法的电动汽车充电站选址方法。
[0033]在另一些实施方式中，采用如下技术方案：
[0034]一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行上述的基于改进免疫算法的电动汽车充电站选址方法。与现有技术相比，本专利技术的有益效果是：
[0035](1)本专利技术采用改进的免疫算法对电动汽车充电站选址模型进行求解，通过改进记忆细胞库更新流程、交叉过程以及变异过程，能够使得产生的整体种群的数据更加收敛，叉更加的科学、灵活，同时也保证交叉后所得抗体满意度总是上升的，降低了计算时间成本，在相同迭代次数下，提高了最终选址结果的精度。
[0036]本专利技术的其他特征和附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本方面的实践了解到。
附图说明
[0037]图1为本专利技术实施例中基于改进免疫算法的电动汽车充电站选址方法流程图；
[0038]图2为本专利技术实施例中改进免疫算法流程图；
[0039]图3为本专利技术实施例中改进记忆细胞库更新流程图；
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进免疫算法的电动汽车充电站选址方法，其特征在于，包括：获取设定区域内的建筑区域分布情况，分别获取不同建筑区域的人员数量信息，基于人员数量确定该建筑区域对于电动汽车充电站的需求程度，从而选取不同数量的需求点；在所述的需求点中，选取若干个电动汽车充电站选址候选点；计算需求点i到候选点j的欧式距离；基于所述欧氏距离构建用户充电满意度函数，进而构建电动汽车充电站选址模型，将选取的需求点和候选点输入到所述模型中，采用改进的免疫算法对所述模型进行求解，得到最优的电动汽车充电站选址方案。2.如权利要求1所述的一种基于改进免疫算法的电动汽车充电站选址方法，其特征在于，基于所述欧氏距离构建用户充电满意度函数，具体包括：其中，F(d
ij
)为用户充电满意度函数，d
ij
为需求点i到候选点j的欧式距离，L
i
为用户在需求点充电时满意度变化的最小值，U
i
为用户在需求点充电时满意度变化的最大值。3.如权利要求1所述的一种基于改进免疫算法的电动汽车充电站选址方法，其特征在于，构建电动汽车充电站选址模型，具体包括：其中，i为需求点，n为需求点的个数，j为充电的候选点，m为候选点的个数，F(d
ij
)为用户充电满意度函数，h
i
为在i点的需求量，Y
ij
＝1表示在需求点i处建设充电站，Y
ij
＝0表示不在需求点i处建设充电站。4.如权利要求3所述的一种基于改进免疫算法的电动汽车充电站选址方法，其特征在于，所述电动汽车充电站选址模型的约束条件包括：每个需求点的用户只能到相同的充电站接受充电服务；在一个候选点至多只能建设一个充电站；用户只能到建设充电站的候选站点接收充电服务。5.如权利要求1所述的一种基于改进免疫算法的电动汽车充...

【专利技术属性】
技术研发人员：裴文卉，徐帝，马彦君，
申请(专利权)人：山东交通学院，
类型：发明
国别省市：