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系统的服务能力，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。
技术实现要素：
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，本发明中的坐标系统为地理坐标系统，用经度和纬度来进行坐标表示。
优选的，本发明中的坐标系统为在地理坐标系统中增加时间轴构成的三维坐标系统，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系统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系统为地理坐标系统，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，所采用的坐标系统为在地理坐标系统中增加时间轴构成的三维坐标系统，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系统中的投影为换电站选址的坐标。
其中三维坐标系统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。