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Nk-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。
1.一种基于改进的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Nk-dist(i)Nk-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Nk-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Nk-dist(i)中所有元素求和，再与k-dist(i)累加后，除以(Nk(j)+1)，得到i的K距离的平均值AKDk(i)，其中，Nk(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AKDk(i)取得的所有值进行和运算，再除以个数n，得到AKDk(i)的平均值，具体如下式：S5：根据下式计算i的K距离因子KDFk(i)
式中，Mk(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；
S6：在得到每个i的K距离的平均值AKDk(i)与AKDk(i)的平均值后，设置AKDk(i)＜AKDk(i)的平均值的个数为A，AKDk(i)＞AKDk(i)的平均值的个数为B，若A＜B，则保存所有A的值在集合f(x)中；若A＞B，则删除所有B个数的值。得到在集合f(x)中的值，即为安装充电桩位置的集合。
其中，di，j表示第i个用户需求到第j个充电桩的关系式。
S8：根据所述的充电桩的需求量关系式g(x)和安装充电桩位置的集合f(x)即可进行充电桩的位置规划。
2.根据权利要求1所述的改进的TLBO算法的电动车充电桩的布局方法，其特征在于，同一路径上相邻两个充电桩之间的距离la，b满足如下的关系式：
一种基于改进的TLBO算法的电动车充电桩的布局方法
技术领域
[0001] 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
[0002] 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。
[0003] 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
[0004] 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：
[0005] 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：
[0006] 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；
[0007] S2：将S1得到的dist(i，j)带入到下式，得到i的K距离领域点Nk-dist(i)[0008] Nk-dist(i)＝{i∈D|Dp(i，j)＝dist(i，j)，dist(i，j)≤k-dist(i)}[0009] 式中，Dp(i，j)表示i的K距离领域点Nk-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。
[0010] S3：将S2中的Nk-dist(i)中所有元素求和，再与k-dist(i)累加后，除以(Nk(j)+1)，得到i的K距离的平均值AKDk(i)，其中，Nk(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。
[0011]
[0012] ∑Dp(i，j)表示i的K距离领域点每个元素的求和；
[0013] S4：将AKDk(i)取得的所有值进行和运算，再除以个数n，得到AKDk(i)的平均值，具体如下式：
[0014]
[0015] S5：根据下式计算i的K距离因子KDFk(i)
[0016]
[0017] 式中，Mk(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；
[0018] S6：在得到每个i的K距离的平均值AKDk(i)与AKDk(i)的平均值后，设置AKDk(i)
AKDk(i)的平均值的个数为B，若AB，则删除所有B个数的值。得到在集合f(x)中的值，即为安装充电桩位置的集合。[0019] S7：根据下式得到充电桩的需求量关系式g(x)
[0020]
[0021] 其中，di，j表示第i个用户需求到第j个充电桩的关系式。
[0022] S8：根据所述的充电桩的需求量关系式g(x)和安装充电桩位置的集合f(x)即可进行充电桩的位置规划。
[0023] 进一步地，同一路径上相邻两个充电桩之间的距离Ia，b满足如下的关系式：
[0024] 0.7Sav≤la，b≤0.95Sav
[0025] 式中，Sav为电动车的平均续航里程。
[0026] 与现有技术相比，本发明的有益效果如下：
[0027] 本发明采用改进的TLBO算法，它拓展了搜索空间，增加的所需目标函数解得多样性，加快了收敛速度，可以解决离散多目标的优化问题，对非线性问题具有高精度和良好的收敛性，实现全局最优解；将其应用到电动车充电桩的布局时，它可以确定电动车充电桩数量，规划安装充电桩的最优位置，可以将人机交互引入到自由有序充电策略中，保证充电设施与充电需求的平衡性。
附图说明
[0028] 图1是改进TLBO算法过程。
具体实施方式
[0029] 下面根据附图和优选实施例详细描述本发明，本发明的目的和效果将变得更加明白，以下结合附图和实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0030] 一种基于改进的TLBO算法的电动车充电桩的布局方法，如图1所示，该方法包括如下步骤：
[0031] 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；
[0032] S2：将S1得到的dist(i，j)带入到下式，得到i的K距离领域点Nk-dist(i)[0033] Nk-dist(i)＝{i∈D|Dp(i，j)＝dist(i，j)，dist(i，j)≤k-dist(i)}[0034] 式中，Dp(i，j)表示i的K距离领域点Nk-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。
[0035] S3：将S2中的Nk-dist(i)中所有元素求和，再与k-dist(i)累加后，除以(Nk(j)+1)，得到i的K距离的平均值AKDk(i)，其中，Nk(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。
[0036]
[0037] ∑Dp(i，j)表示i的K距离领域点每个元素的求和；
[0038] S4：将AKDk(i)取得的所有值进行和运算，再除以个数n，得到AKDk(i)的平均值，具体如下式：
[0039]
[0040] S5：根据下式计算i的K距离因子KDFk(i)
[0041]
[0042] 式中，Mk(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；
[0043] i的K距离因子KDFk(i)充分显示了用户需求i点的分散程度，若KDFk(i)越大，则表示在充电桩j周围具有较大密度的i用户需求。若KDFk(i)很小，则表示充电桩j周围的i用户需求密度较小。
[0044] S6：在得到每个i的K距离的平均值AKDk(i)与AKDk(i)的平均值后，设置AKDk(i)
AKDk(i)的平均值的个数为B，若AB，则删除所有B个数的值。得到在集合f(x)中的值，即为安装充电桩位置的集合。[0045] S7：根据下式得到充电桩的需求量关系式g(x)
[0046]
[0047] 其中，di，j表示第i个用户需求到第j个充电桩的关系式。
[0048] S8：根据所述的充电桩的需求量关系式g(x)和安装充电桩位置的集合f(x)即可进行充电桩的位置规划。
[0049] 优选地，同一路径上相邻两个充电桩之间的距离la，b满足如下的关系式：
[0050] 0.7Sav≤la，b≤0.95Sav
[0051] 式中，Sav为电动车的平均续航里程。
[0052] 本领域普通技术人员可以理解，以上所述仅为发明的优选实例而已，并不用于限制发明，尽管参照前述实例对发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实例记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在发明的精神和原则之内，所做的修改、等同替换等均应包含在发明的保护范围之内。
