申请/专利权人：金陵科技学院

申请日：2023-05-10

公开（公告）日：2024-06-21

公开（公告）号：CN116629413B

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q10/047;G06Q10/0631;G06Q30/0202;G06Q50/06;G06N5/01;G06N20/20

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2023.09.08#实质审查的生效;2023.08.22#公开

摘要：基于随机森林及Dijkstra的移动充电装置全局最优自动部署方法，首先该方法承载装置为一种可自主移动巡航的新能源汽车充电装置。在此装置基础上本方法提出一种移动充电装置全局最优自动部署方法。首先在城市各节点随机弥散布置一定数量的移动充电装置，然后收集各节点的车辆流量数据、人口密度、历史充电数据、节点附近商场数目、节假日信息等，将这些数据输入到云端的随机森林算法中预测未来各节点的充电需求指数，当预测到某一节点充电需求指数较高时，则利用Dijkstra算法计算其他需求指数低的节点与该节点的最短路径，挑出最优值，将需求指数低的节点中的移动充电装置平衡到充电需求指数较高的节点当中，从而自动平衡整个城市各地点的充电需求指数。

主权项：1.基于随机森林及Dijkstra的移动充电装置全局最优自动部署方法，具体步骤如下，其特征在于：1各节点初始随机分布装置数量；2节点特征信息反馈；在步骤S1中，完成了城市各个节点移动充电装置的初始化部署为新能源车提高充电服务，在提供充电服务时，其中收集各节点的特征信息，包括车辆流量数据、人口密度、历史充电数据、节点附近商场数目以及节假日信息；其中各节点车辆流量数据从当地交通局获得，人口密度则根据人口密度分布图来确定，节点附近商场数目通过人工记录，节假日信息可以通过云端获取信息，历史充电数据则为历史前3天节点移动充电装置使用频率，其计算公式为： 其中Di为第i个节点处移动充电装置使用频率，Ki为第i个节点处移动充电装置前三天使用总次数，Pi为第i个节点处移动充电装置数目；隔天提取目标值未来充电需求指数，其中充电需求指数计算公式为： 其中Y为充电需求指数，M为节点所有移动充电装置一天使用总时长，U为节点所有移动充电装置一天总消耗电量，W为单个移动充电装置工作一小时总消耗电量，P为节点移动充电装置的数目；3需求指数算法训练；采用随机森林算法预测未来充电需求指数，特征项分别为车辆流量数据、人口密度、历史前3天节点移动充电装置使用频率、节点附近商场数目以及节假日信息，预测值为未来充电需求指数；首先将步骤S2收集到的特征信息进行数据归一化处理，对特征信息的缺失、异常值基于实际情形均采用当前节点过往特征值均值填充，公式表现为： 其中Xi为第i个节点上传到云端的异常值、缺失值替换项，L则为拥有的总数据数量特征，xij则为第i个节点的第j条数据值；数据预处理完成后对数据进行训练集以及测试集的划分，随后进行随机森林建模训练，并对决策树数目、最大深度、叶节点上所需的最小样本数、随机选择的特征数目这样的超参数调节,评估标准采用均方误差进行评判，当训练集与测试集误差值均较低时，即完成模型的训练；4需求指数算法求解信息；将步骤S3中训练好的模型搭建到云端服务器，各个节点将自己收集来的特征信息上传到算法模型当中，需求指数算法则做回归拟合分析，预测出各个节点未来充电需求指数；5各节点标签值优化，通过均衡标准值计算公式和具体调节数量公式进行优化；采用全局节点需求指数均衡法则，低于该均衡标准值则表示该节点的充电需求指数较低，移动充电装置需要向外迁移，高于该均衡标准值则表示该节点的充电需求指数较高，需要其他移动充电装置的补充,其中均衡标准值计算公式为： 其中，w为均衡标准值，n为总节点数量，Yi为第i个节点的需求指数；获取各节点的需求指数以及均衡标准值后，需要对节点需求指数进行优化，及移动充电装置数量的调节，其中具体调节数量公式为： 其中，G为需要调节的移动装置具体数量，Y为当前节点的需求指数，w为均衡标准值，P则为当前节点的移动充电装置具体数目,如果Y值大于w时则表示向该节点输送G辆移动充电装置，Y值小于w时则表示该节点输出G辆移动充电装置到其余节点处；6节点最优路径权重引入；在步骤S5中计算的到各节点需要输入或输出的移动充电装置数量，具体节点的移动充电装置之间的输送路径则根据Dijkstra算法测得；应用中Dijkstra算法的城市地图数据直接由市政地图信息获得并将其直接转化为算法所需要的图形结构图,其中边的信息则为每个路段的距离值大小，当两个路段可以通行则设置为权重设置为距离值，但当两个路段无法通行时，则权重为无限大；获得各个边的信息以及权重值，则进行迭代，迭代起点为需要向外输送移动充电装置的节点，目的地则为需要被输入移动充电装置的节点，然后开始寻找最短路径，其中包括更新当前路段到其相邻路段的距离，对于每个相邻路段，计算通过当前路段到达该路段的距离，并将该距离与之前记录的距离进行比较，如果通过当前路段到达相邻路段的距离更短，则更新距离字典中的距离值，标记当前路段为已访问，并将其添加为已访问，从未访问的节点中选择距离最短的路段作为下一个当前路段，即选择距离字典中具有最小距离值的路段，然后多次重复该步骤一直到所有路段都被标记为已访问或者所有未访问节点的距离为无穷大时，停止Dijkstra算法计算，输出节点间的最短路径并进行比较；7可自主移动充电装置全局最优部署；实现可自主移动充电装置全局最优部署，全局平衡移动充电装置的数量，管理者随时查看整个地区各个节点的充电需求指数，当公式⑹计算获得的均衡指标值处于管理者一个可接受范围的值时，则自动优化部署调节，但当全局均衡标准值一直处于一个较低的值时，则代表整个区域不需要当前数量的移动充电装置，可将一部分移动充电装置转移走，而当全局均衡标准值一直处于一个较高值时，则代表整个区域需要再次添加额外数量的移动充电装置。

全文数据：

权利要求：

百度查询： 金陵科技学院 基于随机森林及Dijkstra的移动充电装置全局最优自动部署方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD