CN107016451B - 基于聚类分析的换电站选址方法 - Google Patents
基于聚类分析的换电站选址方法 Download PDFInfo
- Publication number
- CN107016451B CN107016451B CN201610887399.9A CN201610887399A CN107016451B CN 107016451 B CN107016451 B CN 107016451B CN 201610887399 A CN201610887399 A CN 201610887399A CN 107016451 B CN107016451 B CN 107016451B
- Authority
- CN
- China
- Prior art keywords
- coordinates
- vehicle
- station
- cluster
- point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000007621 cluster analysis Methods 0.000 title claims description 5
- 238000010187 selection method Methods 0.000 title description 7
- 238000000034 method Methods 0.000 claims abstract description 18
- 238000006243 chemical reaction Methods 0.000 claims abstract description 15
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000005457 optimization Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于聚类分析的换电站选址方法,步骤为:1、获取所有换电需求的车辆坐标;2、设定K个种子点;3、分别计算每个车辆坐标与各种子点的距离,分别将各车辆坐标归入与其距离最近的种子点对应的聚类;4、判断各种子点对应的聚类中各车辆坐标的数量N[i]是否大于换电站设定时间段T中理论服务车辆数n;若大于,将超出部分的车辆坐标归入包含车辆坐标个数小于n且车辆坐标与种子点距离最小的聚类;5、将各种子点移动至其对应聚类的中心点;6、重复3至5直至各种子点的移动距离均小于设定阈值,此时各种子点的坐标为换电站选址的坐标。本发明降低了换电站选址的复杂度,实现了良好扩展性。
Description
技术领域
本发明涉及电动汽车充换电领域,具体涉及一种基于聚类分析的换电站选址方法。
背景技术
换电站的选址直接影响到整体换电站***的服务能力,和换电站整体网络建设的投入产出比直接相关。
换电站的选址问题由车辆分布和换电需求驱动,受站点布置的客观条件限制,以提高换电站服务能力和服务效率,最大程度的满足换电需求为目标,在若干统计数据和合理假设前提下寻找最佳实现方法。
现有技术把选址问题建模成优化问题,通过优化目标函数的选择,如换电时间最短、等待时间最短、换电站单次换电成本最低等作为优化目标,利用粒子群算法等随机优化方法寻求最优解。
本发明从换电需求的自然属性出发考虑,引入K-means算法进行选址,进一步简化算法,降低复杂度。
发明内容
为了解决现有技术中的上述问题,本发明提出了一种基于聚类分析的换电站选址方法,降低了换电站选址的复杂度,实现了良好扩展性。
本发明提出的一种基于聚类分析的换电站选址方法,包括以下步骤:
步骤1,获取设定区域内设定时间段T中所有换电需求的车辆坐标,构成换电需求的车辆坐标集,设定聚类个数k;
步骤2,在设定区域内随机设定K个种子点;
步骤3,分别计算每个车辆坐标与各种子点的距离,分别将各车辆坐标归入与其距离最近的种子点对应的聚类;
步骤4,判断各种子点对应的聚类中各车辆坐标的数量N[i]是否大于n,n为换电站设定时间段T中理论服务车辆数;
若N[i]﹥n,将超出部分的车辆坐标,归入包含车辆坐标个数小于n,且车辆坐标与种子点距离最小的聚类;
步骤5,将各种子点移动至其对应聚类的中心点,并更新种子点的坐标;
步骤6,重复步骤3至步骤5直至各种子点的移动距离均小于设定阈值,提取此时各种子点的坐标为换电站选址的坐标。
优选的,所述的聚类个数k的计算方法为:
k=m/(n*s)
其中,m为设定区域内设定时间段T中具有换电需求的车辆总数,s为每个换电站在设定时间段T内可用工作时间比例。
优选的,聚类的中心点坐标的计算方法为:取聚类中所有车辆坐标的各维度的算术平均值为中心点的坐标值。
优选的,计算每个车辆坐标与各种子点的欧几里得距离作为步骤3中所述的距离。
优选的,步骤1中确定换电需求的车辆坐标时,若设定区域内已建有换电站,分别以对应换电站设定时间段T中理论服务车辆数量E[i]为第i个换电站对应聚类包含的车辆坐标数量,并从步骤1中获得的所有换电需求的车辆坐标中依次删除距离第i个换电站最近的E[i]个车辆坐标,形成新的换电需求的车辆坐标集。
优选的,所述设定时间段T为一个自然日。
优选的,本发明中的坐标***为地理坐标***,用经度和纬度来进行坐标表示。
优选的,本发明中的坐标***为在地理坐标***中增加时间轴构成的三维坐标***,用经度、纬度、时间来进行坐标表示。
优选的,步骤6中确定各种子点的坐标后,以该坐标在地理坐标***中的投影为换电站选址的坐标。
本发明从换电需求的自然属性出发考虑,引入K-means算法进行选址,算法实现简单,计算复杂度低,可扩展性好,还能引入每个站点的服务能力等限制条件,更具有灵活性和可操作性。
附图说明
图1是本发明基于聚类分析的换电站选址方法的流程示意图。
具体实施方式
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非旨在限制本发明的保护范围。
K-means算法的基本思想是:以空间中k个点为中心进行聚类,对最靠近他们的对象归类。通过迭代的方法,逐次更新各聚类中心的值,直至得到最好的聚类结果。k个聚类具有以下特点:各聚类本身尽可能的紧凑,而各聚类之间尽可能的分开。
结合换电站选址问题,有两点需要考虑:(1)k个对象即为最后的k类,k类由换电总需求和每个换电站的服务能力决定;(2)K-means算法最终结果对每一类内数据对象的数量没有规定,但每个换电站有服务能力限制,每一类的数量需要固定,不能超过换电站服务能力。本发明结合这两点考虑,对换电站选址算法进行设计。
实施例一
如图1所示,本发明的一种基于聚类分析的换电站选址方法,包括以下步骤:
步骤1,获取设定区域内设定时间段T中所有换电需求的车辆坐标,构成换电需求的车辆坐标集,设定聚类个数k;时间段T为一个自然日。
聚类个数k的计算方法如公式(1)所示:
k=m/(n*s) (1)
其中,m为设定区域内设定时间段T中具有换电需求的车辆总数,n为换电站设定时间段T中理论服务车辆数,s为每个换电站在设定时间段T内可用工作时间比例。
本实施例所采用的坐标***为地理坐标***,用经度和纬度来进行坐标表示。
步骤2,在设定区域内随机设定K个种子点。
步骤3,分别计算每个车辆坐标与各种子点的欧几里得距离,分别将各车辆坐标归入与其距离最近的种子点对应的聚类。
步骤4,判断各种子点对应的聚类中各车辆坐标的数量N[i]是否大于n。
若N[i]﹥n,将超出部分的车辆坐标,归入包含车辆坐标个数小于n,且车辆坐标与种子点距离最小的聚类。
步骤5,将各种子点移动至其对应聚类的中心点,并更新种子点的坐标。
聚类的中心点坐标的计算方法为:取聚类中所有车辆坐标的各维度的算术平均值为中心点的坐标值。
步骤6,重复步骤3至步骤5直至各种子点的移动距离均小于设定阈值,提取此时各种子点的坐标为换电站选址的坐标。
本实施例充分考虑到该方法的扩展性,对存在已建设有换电站的区域进行新换电站建设的选址时,可以在步骤1中确定换电需求的车辆坐标时,增加是否存在已建设有换电站的判断,具体为:若设定区域内已建有换电站,分别以对应换电站设定时间段T中理论服务车辆数量E[i]为第i个换电站对应聚类包含的车辆坐标数量,并从步骤1中获得的所有换电需求的车辆坐标中依次删除距离第i个换电站最近的E[i]个车辆坐标,形成新的换电需求的车辆坐标集。
实施例二
本实施例与实施例一的区别在于,所采用的坐标***为在地理坐标***中增加时间轴构成的三维坐标***,用经度、纬度、时间来进行坐标表示。步骤6中确定各种子点的坐标后,以该坐标在地理坐标***中的投影为换电站选址的坐标。
其中三维坐标***中时间轴的最小单位为天。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征作出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (8)
1.一种基于聚类分析的换电站选址方法,其特征在于,包括以下步骤:
步骤1,获取设定区域内设定时间段T中所有换电需求的车辆坐标,构成换电需求的车辆坐标集,设定聚类个数k;
其中,k个聚类中,每一聚类内的数据对象的数量需要固定且不能超过对应于其的换电站的服务能力,聚类与聚类之间的数量相同或者不同;
步骤2,在设定区域内随机设定K个种子点;
步骤3,分别计算每个车辆坐标与各种子点的距离,分别将各车辆坐标归入与其距离最近的种子点对应的聚类;
步骤4,判断各种子点对应的聚类中各车辆坐标的数量N[i]是否大于n,n为换电站设定时间段T中理论服务车辆数;
若N[i]﹥n,将超出部分的车辆坐标,归入包含车辆坐标个数小于n,且车辆坐标与种子点距离最小的聚类;
步骤5,将各种子点移动至其对应聚类的中心点,并更新种子点的坐标;
步骤6,重复步骤3至步骤5直至各种子点的移动距离均小于设定阈值,提取此时各种子点的坐标为换电站选址的坐标;
在步骤1中,在确定换电需求的车辆坐标时,若设定区域内已建有换电站,分别以对应换电站设定时间段T中理论服务车辆数量E[i]为第i个换电站对应聚类包含的车辆坐标数量,并从步骤1中获得的所有换电需求的车辆坐标中依次删除距离第i个换电站最近的E[i]个车辆坐标,形成新的换电需求的车辆坐标集。
2.根据权利要求1所述的方法,其特征在于,所述的聚类个数k的计算方法为:
k=m/(n*s)
其中,m为设定区域内设定时间段T中具有换电需求的车辆总数,s为每个换电站在设定时间段T内可用工作时间比例。
3.根据权利要求2所述的方法,其特征在于,聚类的中心点坐标的计算方法为:取聚类中所有车辆坐标的各维度的算术平均值为中心点的坐标值。
4.根据权利要求3所述的方法,其特征在于,计算每个车辆坐标与各种子点的欧几里得距离作为步骤3中所述的距离。
5.根据权利要求1所述的方法,其特征在于,所述设定时间段T为一个自然日。
6.根据权利要求1所述的方法,其特征在于,本方法中的坐标***为地理坐标***,用经度和纬度来进行坐标表示。
7.根据权利要求1所述的方法,其特征在于,本方法中的坐标***为在地理坐标***中增加时间轴构成的三维坐标***,用经度、纬度、时间来进行坐标表示。
8.根据权利要求7所述的方法,其特征在于,在步骤6中,确定各种子点的坐标后,以该坐标在地理坐标***中的投影为换电站选址的坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610887399.9A CN107016451B (zh) | 2016-10-11 | 2016-10-11 | 基于聚类分析的换电站选址方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610887399.9A CN107016451B (zh) | 2016-10-11 | 2016-10-11 | 基于聚类分析的换电站选址方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107016451A CN107016451A (zh) | 2017-08-04 |
CN107016451B true CN107016451B (zh) | 2020-12-04 |
Family
ID=59438731
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610887399.9A Active CN107016451B (zh) | 2016-10-11 | 2016-10-11 | 基于聚类分析的换电站选址方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107016451B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107590560B (zh) * | 2017-09-04 | 2020-09-22 | 佛山佳牧乐科技有限公司 | 一种配送中心的选址方法和装置 |
CN108062438B (zh) * | 2017-12-07 | 2023-05-12 | 北京天润新能投资有限公司 | 一种用于风电场运行道路的选线***及选线方法 |
CN108833144B (zh) * | 2018-05-30 | 2021-01-26 | 南京海兴电网技术有限公司 | 一种基于聚类统计模型的智能电表集中器选址方法 |
CN113326989A (zh) * | 2021-06-15 | 2021-08-31 | 北京沃东天骏信息技术有限公司 | 一种车辆路线优化的方法和*** |
CN114626762B (zh) * | 2022-04-28 | 2023-04-07 | 北京建筑大学 | 移动换电网络选址方法、电池调度方法、装置及*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102496078A (zh) * | 2011-12-07 | 2012-06-13 | 山东电力集团公司济宁供电公司 | 一种电动汽车换电站***电池配送中心选址方法 |
CN102521488A (zh) * | 2011-11-28 | 2012-06-27 | 山东电力集团公司济南供电公司 | 一种电动汽车换电站选址方法 |
CN102722767A (zh) * | 2012-07-02 | 2012-10-10 | 山东鲁能智能技术有限公司 | 电动汽车充换电站布点规划***及方法 |
CN102880921A (zh) * | 2012-10-16 | 2013-01-16 | 山东电力集团公司电力科学研究院 | 一种电动汽车充电站选址优化方法 |
CN103793750A (zh) * | 2012-10-30 | 2014-05-14 | 国际商业机器公司 | 部署充/换电站的方法和装置 |
CN104463183A (zh) * | 2013-09-13 | 2015-03-25 | 株式会社理光 | 聚类中心选取方法和*** |
CN105809278A (zh) * | 2016-03-03 | 2016-07-27 | 华北电力大学(保定) | 一种基于排队论算法的电动汽车换电站选址规划方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140089036A1 (en) * | 2012-09-26 | 2014-03-27 | Xerox Corporation | Dynamic city zoning for understanding passenger travel demand |
-
2016
- 2016-10-11 CN CN201610887399.9A patent/CN107016451B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102521488A (zh) * | 2011-11-28 | 2012-06-27 | 山东电力集团公司济南供电公司 | 一种电动汽车换电站选址方法 |
CN102496078A (zh) * | 2011-12-07 | 2012-06-13 | 山东电力集团公司济宁供电公司 | 一种电动汽车换电站***电池配送中心选址方法 |
CN102722767A (zh) * | 2012-07-02 | 2012-10-10 | 山东鲁能智能技术有限公司 | 电动汽车充换电站布点规划***及方法 |
CN102880921A (zh) * | 2012-10-16 | 2013-01-16 | 山东电力集团公司电力科学研究院 | 一种电动汽车充电站选址优化方法 |
CN103793750A (zh) * | 2012-10-30 | 2014-05-14 | 国际商业机器公司 | 部署充/换电站的方法和装置 |
CN104463183A (zh) * | 2013-09-13 | 2015-03-25 | 株式会社理光 | 聚类中心选取方法和*** |
CN105809278A (zh) * | 2016-03-03 | 2016-07-27 | 华北电力大学(保定) | 一种基于排队论算法的电动汽车换电站选址规划方法 |
Non-Patent Citations (3)
Title |
---|
Optimizing charging station locations for urban taxi providers;JohannesAsamer等;《Transportation Research Part A: Policy and Practice》;20160212;第85卷;第233-246页 * |
Simulation–optimization model for location of a public electric vehicle charging infrastructure;XiaominXi等;《Transportation Research Part D: Transport and Environment》;20130416;第22卷;第60-69页 * |
宁波中心城区电动汽车充换电站规划与选址研究;吕世斌;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20160215(第02期);第C034-561页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107016451A (zh) | 2017-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107016451B (zh) | 基于聚类分析的换电站选址方法 | |
CN107547633B (zh) | 一种用户常驻点的处理方法、装置和存储介质 | |
CN110493333B (zh) | 一种目标位置点的确定方法、装置、设备及存储介质 | |
CN109583665B (zh) | 一种无线传感器网络中的无人机充电任务调度方法 | |
CN105933294A (zh) | 网络用户定位方法、装置及终端 | |
CN107031444B (zh) | 用于确定移动充电车充电路径的方法和设备 | |
CN103164529B (zh) | 一种基于Voronoi图的反k最近邻查询方法 | |
CN103177572B (zh) | 出租车智能调度 | |
CN103034267A (zh) | 用于控制设施装置的设备和方法 | |
US20220289069A1 (en) | Dynamic state-of-charge bounds for vehicle battery management | |
CN112579614A (zh) | 地图数据的采集方法、装置、电子设备和介质 | |
WO2023174095A1 (zh) | 用于驻车空调的控制方法及装置、驻车空调、存储介质 | |
CN109858951A (zh) | 新能源汽车加电或换电需求的预测 | |
CN101819586A (zh) | 一种智能分拣服务器及统计数据的方法和*** | |
CN110472736B (zh) | 一种裁剪神经网络模型的方法和电子设备 | |
CN116353399B (zh) | 充电桩的动态运行方法、装置、设备及可读存储介质 | |
CN111242403A (zh) | 一种充电站充电负荷预测方法、装置设备及存储介质 | |
CN103853900B (zh) | 一种异常轨迹数据的修正方法、装置及交通管理*** | |
WO2015008361A1 (ja) | 情報管理システム、情報管理装置、情報管理方法、及びプログラム | |
Galba et al. | Public transportation bigdata clustering | |
CN114443914A (zh) | 元宇宙空间服务器的数据存储、索引、查询方法及*** | |
CN106997504B (zh) | 车辆能源补充行为分析方法和分析*** | |
CN117671392B (zh) | 国土空间数据的网格划分方法、装置、设备及介质 | |
CN113076321B (zh) | 一种数据处理方法、装置、终端及可读存储介质 | |
CN107883963B (zh) | 一种基于irwqs与模糊特征相结合的位置预测算法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20200826 Address after: Susong Road West and Shenzhen Road North, Hefei Economic and Technological Development Zone, Anhui Province Applicant after: Weilai (Anhui) Holding Co., Ltd Address before: Room 502, Bank of America Center, Cecil Harcourt Road, central, Hongkong, China, 12 Applicant before: NIO NEXTEV Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |