一种充电站选址适应性评估的层次模糊评价方法

技术领域

本发明涉及智能选址技术领域，尤其是涉及一种充电站选址适应性评估的层次模糊评价方法。

背景技术

目前，电动汽车做为清洁能源行动工具，对促进城市的低碳发展、绿色交通有着至关重要的作用，逐步成为新的主流代步工具，但充电站位置设置不合理，电动汽车存在着充电难的问题，使电动汽车的推广受到限制。

城市各区域因为分布的功能不同，划分为不同的功能区，如居住区、商业服务区、行政商务区、工业仓储区、工业制造区等，对于不同的功能区，电动汽车的行驶习惯和充电模式有所差异，充电设施的布局选址也应差异化规划。

而传统的模糊综合评价法仅通过专家打分值标定，存在一定缺陷性。

因此，如何根据各区域的功能，科学合理地布局充电设施位置，有效提高充电设施的利用率，是目前亟待解决的问题。

发明内容

本发明的目的是提供一种充电站选址适应性评估的层次模糊评价方法，对充电设施候选地址进行多种因素的评价，采用模糊综合评价法，相互比较以最优的评价因素值为基准，形成全面综合性评价指标，实现对候选地址的定量评价。

第一方面，本发明的上述发明目的通过以下技术方案得以实现：

一种充电站选址适应性评估的层次模糊评价方法，构建候选地址区域的评价因素集，基于各评价因素构建成对比较阵列，计算每个评价因素的权重，建立模糊综合评价指标评语集V，对候选地址区域打分，采用三角隶属函数，计算候选地址区域的每个因素指标在评价域中对应的隶属度，基于各隶属度建立评判矩阵，采用算子算法，对评判矩阵与评价因素权重进行模糊合成，得到综合评价矩阵，将综合评价指标评语集与综合评价矩阵合成，得到综合评价结果，用于判断候选地址区域是否适合建设充电设施。

本发明进一步设置为：构建候选地址区域的两级评价因素集，基于各评价因素构建成对比较阵列，计算每个评价因素的权重；其中各一级评价因素的子因素组成该一级评价因素的子因素组，所有的子因素组成二级评价因素集；

建立模糊综合评价指标评语集V，对候选地址区域打分，采用三角隶属函数，计算候选地址区域的每个子因素指标在评价域中对应的隶属度，基于各隶属度建立子因素评判矩阵；

采用算子算法，对子因素评判矩阵与子因素权重进行模糊合成，得到第一级综合评价矩阵B

继续采用算子算法，对子因素总评价矩阵R与一级评价因素的权重进行模糊合成，得到第二级综合评价矩阵B；

将综合评价指标评语集V与第二级综合评价矩阵B合成，得到综合评价结果，用于判断候选地址区域是否适合建设充电设施。

本发明进一步设置为：分析每个因素的重要程度，对各一级评价因素及各子因素组中的子因素，利用1-9级比例标度，进行重要程度标定，评价一级评价因素之间的相对重要性及同一个子因素组中的各子因素之间的相对重要性，构建成对比较阵列P

本发明进一步设置为：一级评价因素的成对比较阵列P

式中，a

各子因素组的成对比较阵列P

式中，a

本发明进一步设置为：基于每个成对比较阵列，计算最大特征根λ

本发明进一步设置为：一致性指标CI如下式所示：

式中，λ

随机一致性指标RI：与阵列阶数有关，不同阶数的RI不同，每一阶数的RI为一固定值；

一致性比率CR如下式所示：

CR＝CI/RI (4)；

设在n≦2时，CR的值等于0；若CR的值＜0.1，则认为该判断矩阵通过一致性检验，否则就不具有满意一致性。

本发明进一步设置为：建立模糊综合评价指标评语集

V＝(v

v

采用三角隶属函数，计算候选地址的每个子因素在评价域中对应的隶属度f

式中，a、c、b分别为评语集中每个评价域的上限值、中间值、下限值，x表示对候选地址评价子因素的打分值；f

子因素评判矩阵R

本发明进一步设置为：采用算子算法，对子因素特征向量矩阵W

W

总评价矩阵R:

式中，W

本发明进一步设置为：采用算子算法，对子因素总评价矩阵R与一组评价因素的权重W进行模糊合成W○R，得到第二级综合评价矩阵B:

B＝W*R (11)；

W＝(ω

W表示一级评价因素权重矩阵，ω

本发明进一步设置为：将综合评价指标评语集V与第二级综合评价矩阵B合成，得到综合评价结果P:

P＝B(v

式中，V＝(v

第二方面，本发明的上述发明目的通过以下技术方案得以实现：

一种充电站选址适应性评估的层次模糊评价终端，包括存储器、处理器、以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本申请所述方法。

第三方面，本发明的上述发明目的通过以下技术方案得以实现：

一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被所述处理器执行时实现本申请所述方法。

与现有技术相比，本申请的有益技术效果为：

1.本申请通过对不同功能区域建立两级评价因素，充分考虑了不同区域的各种条件，并基于评价因素进行层次分析，实现了对不同功能区域充电设施的布局；

2.进一步地，本申请通过比较判断各个因素的重要程度，根据不同功能区的特性计算出各因素所占的权重，得到定性定量地评判结果，使评判更准确；

3.进一步地，本申请利用模糊综合评价法，依据各类评价因素的特征，确定评价值与评价因素值之间的隶属函数关系，实现对各评价因素的正确评估；

4.利用隶属函数和打分值，计算子因素评判矩阵；确定候选站址所属功能区后，利用模糊合成方法，合理评判出所选地址的适应性指标，实现了对候选地址的定量定性评价。

具体实施方式

以下对本发明作进一步详细说明。

具体实施例一

本申请的一种充电站选址适应性评估的层次模糊评价方法，包括：构建候选地址区域的评价因素集，基于各评价因素构建成对比较阵列，计算每个评价因素的权重，建立模糊综合评价指标评语集V，对候选地址区域打分，采用三角隶属函数，计算候选地址区域的每个因素指标在评价域中对应的隶属度，基于各隶属度建立评判矩阵，采用算子算法，对评判矩阵与评价因素权重进行模糊合成，得到综合评价矩阵，将综合评价指标评语集与综合评价矩阵合成，得到综合评价结果，用于判断候选地址区域是否适合建设充电设施。

设评价因素集中有n个评价因素(c

1-9比例标度，如下表1所示：

表1：

成对比较阵列如下：

式中，a

计算成对比较阵列的最大特征根值λ

利用一致性指标，对得出的各评价因素权重值做一致性校验。

定义一致性指标公式如下：

式中：CI值等于0时，有完全一致性；CI值接近于0，有满意的一致性；CI值越大，不一致越严重，且：n≦2时，CI值默认为0。为衡量CI值的大小，引入随机一致性指标RI，如表2所示。

表2：

考虑到一致性的偏离可能是由于随机原因造成的，因此在检验判断矩阵是否具有满意的一致性时，需将CI和随机一致性指标RI进行比较，得出检验系数CR，公式如下：

RI值等于0时，无需计算CR，默认n≦2时，CI＝0；若CR＜0.1，则认为该成对比较阵列通过一致性检验，否则就不具有满意一致性。

建立模糊综合评价指标评语集V＝(V

对候选地址进行评判打分，将打分值与评语集进行归属。

应用三角隶属函数，计算候选站址的每个评价因素的指标在评价域中对应的隶属度。

隶属度函数如下：

式中：a、c、b分别为评语集中每个评价域的上下范围值及中间值，x表示对候选地址评价因素的打分值；f

评价因素的评价矩阵R，如下式所示：

采用算子算法，对评价因素评判矩阵R与评价因素权重矩阵W进行模糊合成W○R，得到综合评价矩阵B:

B＝W*R (21)；

式中，W＝(ω

其中，ω

将综合评价指标评语集V与综合评价矩阵B合成，得到综合评价结果P:

P＝B(v

V＝(v

对不同候选地址进行以上综合评价，从所有候选地址的综合评价结果中，选择出综合评价最优的，做为建立充电站地址，实现对充电站地址的合理标定。

具体实施例二

本申请的一种充电站选址适应性评估的层次模糊评价方法，包括：构建候选地址区域的两级评价因素集，基于各评价因素构建成对比较阵列，计算每个评价因素的权重；其中各一级评价因素的子因素组成该一级评价因素的子因素组，所有的子因素组成二级评价因素集；

建立模糊综合评价指标评语集V，对候选地址区域打分，采用三角隶属函数，计算候选地址区域的每个子因素指标在评价域中对应的隶属度，基于各隶属度建立子因素评判矩阵；

采用算子算法，对子因素评判矩阵与子因素权重进行模糊合成，得到第一级综合评价矩阵B

继续采用算子算法，对子因素总评价矩阵R与一级评价因素的权重进行模糊合成，得到第二级综合评价矩阵B；

将综合评价指标评语集V与第二级综合评价矩阵B合成，得到综合评价结果，用于判断候选地址区域是否适合建设充电设施。

设一级评价因素集有n个评价因素(c

二级评价因素集中有n个子因素组，每个子因素组对应为一个一级评价因素的子因素，每个子因素组中包括的子因素数量，是不同的或相同的。

在本实施例中，为了说明的方便，设各子因素组中包含h个子因素，表示为(c

分析每个因素的重要程度，对各一级评价因素及各子因素组中的子因素，利用表1所示的1-9级比例标度，进行重要程度标定，评价一级评价因素之间的相对重要性及同一个子因素组中的各子因素之间的相对重要性，构建成对比较阵列P

对n个子因素组分别构建n个成对比较阵列(P

成对比较阵列P

式中，a

各子因素组的成对比较阵列P

式中，a

对每一个成对比较阵列P

利用一致性指标、随机一致性指标和一致性比率，采用公式(17)、表2、公式(18)，对每个子因素权重和一级评价因素权重做一致性校验。

建立模糊综合评价指标评语集V：

V＝(V

其中，V

给候选地址建站的各评价因素和子因素打分，计算每个评价因素和子因素的打分分值属于指标评语的隶属度。

采用三角隶属函数，计算候选地址的每个子因素在评价域中对应的隶属度f

式中，a、c、b分别为评语集中每个评价域的上限值、中间值、下限值，x表示对候选地址评价子因素的打分值；f

根据各子因素的隶属度，建立子因素评判矩阵R

算子算法的合成公式如下：

采用算子算法，将子因素评判矩阵R

W

式中，ω

将所有子因素的第一级综合评价矩阵B

继续采用算子算法，将总评价矩阵R与一级评价因素的权重矩阵W进行模糊合成WR，得到第二级综合评价矩阵B。

B＝W*R (33)；

W＝(ω

ω

将综合评价指标评语集V与第二级综合评价矩阵B合成，得到综合评价结果P:

P＝B(v

V＝(v

其中，v

本申请建立评价因素集，进行多种因素的评价，采用层次分析法，计算每个因素的权重，定性定量地评判优劣性因素，科学地得出不同因素所占的权重。再采用模糊综合评价法，对每个因素的评分值和权重，采用算子算法计算出最终评价值，相互比较以最优的评价因素值为基准，形成全面综合性评价指标，实现对候选地址的定量评价。

对不同候选地址的最终评价值，进行评比，用于选择最合适建站的地址。

具体实施例三

本发明一实施例提供的一种充电站选址适应性评估的层次模糊评价终端设备，该实施例的终端设备包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，例如模糊计算程序，所述处理器执行所述计算机程序时实现实施例1中方法。

示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述充电站选址适应性评估的层次模糊评价终端设备中的执行过程。例如，所述计算机程序可以被分割成多个模块，各模块具体功能如下：

1.权重计算模块，用于计算各因素的权重；

2.一致性校验模块，用于评价各因素权重的一致性；

3.综合评价模块，用于计算各因素的综合评价结果。

所述充电站选址适应性评估的层次模糊评价终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述充电站选址适应性评估的层次模糊评价终端设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述上述示例仅仅是所述充电站选址适应性评估的层次模糊评价终端设备的示例，并不构成对所述充电站选址适应性评估的层次模糊评价终端设备的限定，可以包括比图示更多或更少的部件，或组合某些部件，或不同的部件，例如所述充电站选址适应性评估的层次模糊评价终端设备还可以包括输入输出设备、网络接入设备、总线等。

所述处理器可以是中央处理单元(Central Processing Unit，CPU),还可以是其他通用处理器、数据信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述一种充电站选址适应性评估的层次模糊评价终端设备的控制中心，利用各种接口和线路连接整个一种充电站选址适应性评估的层次模糊评价终端设备的各个部分。

所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述一种充电站选址适应性评估的层次模糊评价终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

具体实施例四

所述一种充电站选址适应性评估的层次模糊评价终端设备集成的模块/单元，如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

本具体实施方式的实施例均为本发明的较佳实施例，并非依此限制本发明的保护范围，故：凡依本发明的结构、形状、原理所做的等效变化，均应涵盖于本发明的保护范围之内。