买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：国网江西省电力有限公司南昌供电分公司;国家电网有限公司

摘要：本发明公开了一种基于人工智能的电动车充电站选址方法及系统，该方法采集公共交通数据、社会经济数据、电动车使用数据和地理信息系统数据，并进行数据标注和数据扩充，得到电动车充电桩选址因素数据集；采用生态系统优化算法对神经网络进行训练，采用训练后的神经网络对电动车充电桩选址因素数据集进行特征提取；对提取的特征进行降维处理；将降维后的特征输入分类器中，得到电动车充电站选址分类结果。本发明提高泛化能力，提高了特征提取的精度和效率，有效支持了复杂的选址决策需求。

主权项：1.基于人工智能的电动车充电站选址方法，其特征在于，包括如下步骤：S1、采集公共交通数据、社会经济数据、电动车使用数据和地理信息系统数据，并进行数据标注和数据扩充，得到电动车充电桩选址因素数据集；S2、采用生态系统优化算法对神经网络进行训练，采用训练后的神经网络对电动车充电桩选址因素数据集进行特征提取；S3、对提取的特征进行降维处理；S4、将降维后的特征输入分类器中，对分类器进行训练；S5、采集待分类的电动车充电桩选址因素数据，并进行特征提取和降维处理后，将所得降维后的特征输入训练好的分类器中分类，得到电动车充电站选址分类结果；其中，采用生态系统优化算法对神经网络进行训练的流程如下：S21、生成一个初始生态系统，并对生态系统进行初始化操作；S22、计算每个个体的适应度；个体的适应度更新函数为： ；其中，为个体和之间的相互作用强度，为考虑生态相互作用后的第i个个体的适应度；是权重调整系数；为自适应调整后第i个个体与第j个个体的竞争强度，为自适应调整后第i个个体与第j个个体的共生强度； 和的自适应调整是根据性能反馈函数进行调整；性能反馈函数基于神经网络在验证集上的表现来评估当前生态网络的整体状态；S23、模拟自然选择过程，选择适应度高的个体进行繁衍，同时淘汰适应度低的个体；S24、进行再生与繁衍，模拟生物的遗传变异过程，适应度高的个体通过遗传算法中的交叉和变异操作产生后代；S25、模拟个体间的生态相互作用，进行个体的适应度更新；S26、模拟环境变化对生态系统的影响，调整适应度；S27、根据生态系统中最终的个体的适应度和生态动态，更新神经网络的参数；生成一个初始生态系统，并对生态系统进行初始化操作的过程包括：构建一个包含N个个体的生态系统，第个个体的初始适应度由其在特定任务上的性能决定，；其中，代表环境变量，代表遗传因素,为第个个体的参数集，，其中和分别代表神经网络的权重和偏置；初始适应度计算函数表示如下： ；其中，为遗传因素函数，为性能评估函数，为环境相互作用函数，用于描述个体参数与环境变量之间的动态相互作用；Sig•为Sigmoid激活函数，分别为性能评估、环境变量、遗传因素、个体参数与环境相互作用的权重系数；遗传因素函数计算方式表示为： ；其中，和分别是第一、第二权重系数；表示权重和偏置的方差，用于衡量参数的多样性，n表示神经元的总数量，表示第i个个体参数中第j个神经元的权重，表示第i个个体参数中第j个神经元的偏置；环境相互作用函数表示为： ；其中，是第三权重系数，代表环境变量的第个元素，代表与环境变量相关联的输入特征，是双曲正切函数；性能评估函数表示为： ；其中，代表损失函数，是真实标签；是预测标签，由预设的Softmax函数得到；步骤S22中，对竞争强度和共生强度进行自适应调整的方式表示为： ； ；其中，为第i个个体与第j个个体的竞争强度，Sij为第i个个体与第j个个体的共生强度，和分别是调整竞争和共生强度的自适应函数，代表性能反馈函数变化量；性能反馈函数的计算方式表示为： ；其中，分别是准确率、复杂度、多样性和时间的权重系数；各组件函数分别为：准确率函数：；复杂度函数：；多样性函数：；时间函数：；其中，P为准确率，L为平均损失值；C为网络复杂度，与参数量成正比；H为数据多样性指数，与数据特征的方差成正比；T为训练时间，与迭代次数成正比； ； ；其中，和分别代表第i个体和第j个个体对第种资源的需求，是资源的总类别数。

全文数据：

权利要求：

百度查询： 国网江西省电力有限公司南昌供电分公司 国家电网有限公司 基于人工智能的电动车充电站选址方法及系统