CN104504280A - 考虑规划需求的电动汽车充电桩集群管理系统通信方式综合评价方法 - Google Patents

Abstract

一种考虑规划需求的电动汽车充电桩集群管理系统通信方式的综合评价方法，综合考虑经济性、技术性、适用性构建充电桩集群管理系统通信方式的评价指标体系，利用云模型表征定性评语，体现评语的模糊性和随机性，并综合多组评价意见计算综合云模型，基于最大云相似度原则实现定性指标的定量转换；为使综合评价结果更符合实际，对各指标引入充电站的规划需求因素；最后，采用考虑规划需求的灰色综合评价方法进行综合评价。本发明对不同的集群环境有很好的适应性，具有较好的实用价值，对充电桩集群管理系统的通信网络建设有一定的参考意义。

Description

考虑规划需求的电动汽车充电桩集群管理系统通信方式综合评价方法

技术领域：

本发明涉及通信方式评价领域，特别涉及一种考虑规划需求的电动汽车充电桩集群管理系统通信方式综合评价方法。

背景技术：

电动汽车(EV)充电桩集群与系统运维、监控管理中心之间信息的流畅交互是提高服务效率和减少运营成本的关键因素之一。目前国内外关于电动汽车充电站的研究主要集中在建模、布局规划以及经济运行策略分析等方面，而在具体的充电桩集群管理系统底层通信组网方案方面的研究尚不完备，管理系统通信组网方案仍缺乏统一标准且具有很强的多样性。几乎所有上层的应用和需求都依赖于底层通信技术的支撑，因此，如何结合充电桩集群的实际情况，科学地优选出经济实用的管理系统底层通信组网方案，是进一步探讨上层应用的前提和关键。

由于对复杂事物的特性分析或决策中通常存在着不确定性，国内外涌现出多种评价方法和思想。在电力系统通信领域，非专利文献1提出基于层次分析法和逼近理想解排序法的脆弱度因子量化方法，实现了对变电站自动化通信系统的脆弱性评估，对系统安全策略的制定起指导作用；非专利文献2提出用模糊一致的层次分析评价方法对多种通信方式进行适应性评价，提供了一种分布式电源并网监控的解决方案。上述评价方法均期望通过计及各种因素避免主观影响、引导人们对评价对象做出正确的特性分析或决策，具有较高的理论和工程实用价值。但是目前尚缺乏针对充电桩集群管理系统通信方式综合评价方面的研究。

云模型是在随机数学和模糊数学的基础上，用于某种定性概念与其数值描述之间的不确定性转换数学模型，实现定性和定量的相互映射。灰色关联分析是一种广泛应用的建模、决策方法，其思想是根据问题的实际情况确定理想序列，然后根据方案与理想序列间的关联程度对方案进行评价。

本发明专利结合充电桩集群的具体情况，基于云模型和灰色关联分析理论提出一种电动汽车充电桩集群管理系统通信方式综合评价方法，对各通信方式进行适应性评价，为集群管理系统提供一种通信组网解决方案。

引用列表：

[非专利文献1]“网络环境下变电站自动化通信系统脆弱性评估”，电力系统自动化，2008，32(8)；

[非专利文献2]“一种分布式电源并网监控通信适应性评价方法”，电力系统自动化，2014，38(8)。

发明内容：

本发明的目的是要克服EV充电桩集群管理系统通信组网方案缺乏统一标准且具有很强多样性等问题，针对集群管理系统的实际情况，综合考虑经济性、技术性、适用性构建电动汽车充电桩集群管理系统通信方式的评价指标体系，提出一种考虑规划需求的电动汽车充电桩集群管理系统通信方式综合评价方法。具体评价方法框图如附图1所示，技术方案的具体过程如下：

步骤1、构建充电桩集群管理系统组网方案综合评价体系；

综合考虑充电桩集群的实际情况以及通信方式的性能，从经济性、技术性、适用性3个方面共10个指标构建系统组网方案综合评价体系，评价内容如附图2所示。

步骤2、引入云模型相关理论，将步骤1所述的综合评价体系中存在的定性指标转化为直观的数值描述；

利用云模型的三个数字特征将定性指标分为五个等级：好、较好、一般、较差、差，分别记为：C₁(E_x1,E_n1,H_e1)、C₂(E_x2,E_n2,H_e2)、C₃(E_x3,E_n3,H_e3)、C₄(E_x4,E_n4,H_e4)、C₅(E_x5,E_n5,H_e5)。其数字特征可表示为：

E_x1＝x_max,E_x5＝x_min,

E_x2＝E_x3+0.382(E_x3-x_min),

E_x3＝(x_min+x_max)/2,                    (1)

E_x4＝E_x3-0.382(E_x3-x_min)；

E_n1＝E_n5＝E_n2/0.618,

E_n2＝E_n4＝0.382(x_max-x_min)/6,              (2)

E_n3＝0.618E_n2；

H_e1＝H_e5＝0.618H_e3,

H_e2＝H_e4＝H_e3/0.618,                    (3)

H_e3＝η.

其中，[x_min,x_max]表示有效论域空间范围；η为常数，可根据变量的模糊程度具体调整。

为了更连续的反映定性指标的真实情况，将上述云模型的中间云表示为C_l-(E_xl-,E_nl-,H_el-)，对应两种评语的中间评价，其中：

$\left\{\begin{array}{c}{E}_{\mathrm{xl}-}=(E_{\mathrm{xl}}+E_{x(l+1)})/2\\ E_{\mathrm{nl}-}=(E_{\mathrm{xl}}-E_{x(l+1)})/3,l=\mathrm{1,2,3,4}.\\ H_{\mathrm{el}-}=(H_{\mathrm{el}}+H_{e(l+1)})/2\end{array}\right.---\left(4\right)$

设有m种待选的EV充电桩集群管理系统通信技术，综合评价指标体系中有n项评价指标，其中有定性指标v项，对于每一项定性指标，h组定性评语对应h组评价云模型，各云模型的期望值组成A＝(a_ij)_m×h。用方差衡量各专家评判者评语接近真实指标情况的程度，用P反映各评判者对定量转换结果的贡献度。各专家的评价意见方差和贡献度分别为：

$s_j^2=\left(\frac{1}{m-1}\right)\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{(a_{\mathrm{ij}}-E_{A_i})}^2---\left(5\right)$

$p_j=(\underset{1\≤j\≤h}{\max }\left(s_j^2\right)-s_j^2)/\underset{j=1}{\overset{h}{\mathrm{\Σ}}}(\underset{1\≤j\≤h}{\max }\left(s_j^2\right)-s_j^2)---\left(6\right)$

其中，表示指标i的几何平均值；h：专家评判者人数；

h位专家评判者的评价云综合成一个云模型C(E_x,E_n,H_e)，其中

$E_x=\frac{E_x^1{E}_n^1{p}_1+E_x^2{E}_n^2{p}_2+...+E_x^h{E}_n^h{p}_h}{E_n^1{p}_1+E_n^2{p}_2+...+E_n^h{p}_h}---\left(7\right)$

$E_n=E_n^1{p}_1+E_n^2{p}_2+...+E_n^h{p}_h---\left(8\right)$

式中，分别表示第j个专家评价云的期望和熵。

设定性指标的定量转换结果为上述评价云中与综合云模型相似度最高的云模型对应的期望。云模型C_a(E_xa,E_na,H_ea)与C_b(E_xb,E_nb,H_eb)的相似度表示为

$\mathrm{ECM}(C_a,C_b)=\frac{2S}{\sqrt{2\mathrm{\π}}(E_{\mathrm{na}}+E_{\mathrm{nb}})}---\left(9\right)$

式中，S为两个云模型的期望曲线重叠部分的面积，与期望E_x和熵E_n有关。

步骤3、决策数据调整及无量纲化处理；

调研各待选通信方式的定量指标值，并结合行业专家评判，利用步骤2所述的定性指标定量转换方法，得到初始决策矩阵B＝(b_ik)_n×m；对初始决策矩阵B＝(b_ik)_n×m作进一步调整，调整后的矩阵为D＝(d_ik)_n×m，调整方法如下：

式中，1<i<n；k＝1,…,m；q＝1,…,μ(μ为充电站数目)，表示充电站q对通信技术的规划需求，其中表示对每台充电桩的经济性费用规划，表示对通信技术在C₂₁方面的需求，其余变量解释与此相同；δ_k表示技术k是否满足规划需求的标志因子，δ_k取1表示技术k满足该充电站的规划需求，δ_k取0表示技术k不满足该充电站的规划需求。起始时，设所有待选通信技术的标志因子都为1，如果d_ik<0或技术k的经济性建设费用大于将标志因子δ_k置零，N_q表示充电站q中充电桩的数量。

对指标值进行无量纲化处理，无量纲化后的矩阵记作F＝(f_ik)_n×m，其中

$f_{\mathrm{ik}}=1-|d_{\mathrm{ik}}-d_i^{*}|/{\mathrm{\&sigma;}}_i---\left(11\right)$

式中，表示第i个指标的最优值，对于效益型指标，为数值最大的指标值，对于成本型指标，为数值最小的指标值；i＝1,2,…,n，k＝1,2,…,m；σ_i表示d_ik与之差绝对值的最大值：

${\mathrm{\&sigma;}}_i=\underset{1\&le;k\&le;m}{\max }\left\{\right|d_{\mathrm{ik}}-d_i^{*}\left|\right\}---\left(12\right)$

步骤4、结合层次分析法(AHP)和熵权法客观地确定各评价指标的综合权重系数；

设利用AHP确定的指标主观权重为w_S，考虑到w_S容易失去客观性，采用熵权法对w_S进行修正，设由熵权法得到客观权重w_O，则基于乘法组合法融合主客观权重得到各指标的综合权重系数：

w＝(w₁,w₂,…,w_n)              (13)

式中，i＝1,2,…,n；w_Si、w_Oi分别表示w_S和w_O中的第i个元素。

步骤5、运用考虑规划需求的灰色综合评价，通过对各待选技术优劣的排序，在待选技术中进行最优选择；

在决策矩阵F中，表示经过无量纲化处理后的第i个指标的最优值。此时，由这些最优指标值构成的集合称为灰色关联分析的参考数列，作为理想方案的指标值与各评价对象进行比较。将第k种通信技术的第i个评价指标与最优值进行比较，得到灰色关联系数：

${\mathrm{\&epsiv;}}_{\mathrm{ik}}=\frac{\underset{1\&le;k\&le;m}{\min }\underset{1\&le;i\&le;n}{\min }|f_i^{*}-f_{\mathrm{ik}}|+\mathrm{\&rho;}\underset{1\&le;k\&le;m}{\max }\underset{1\&le;i\&le;n}{\max }|f_i^{*}-f_{\mathrm{ik}}|}{|f_i^{*}-f_{\mathrm{ik}}|+\mathrm{\&rho;}\underset{1\&le;k\&le;m}{\max }\underset{1\&le;i\&le;n}{\max }|f_i^{*}-f_{\mathrm{ik}}|}---\left(14\right)$

式中，ρ为分辨系数，一般取0.5。从式(14)可知，f_ik越接近就越小，则关联系数ε_ik越大，说明两者间的关联程度越高，反之亦然。计算m种方案的各指标的关联系数可得评价关联矩阵E。

由评价指标综合权重w和评价关联矩阵E，利用考虑规划需求的灰色综合评价方法可以得到综合评价结果：

R＝(diag(δ^T·(w·E)))^T＝(r₁,r₂,…,r_m)                   (15)

式中，元素k＝1,2,…,m；函数diag(A)表示取矩阵A的对角元素；δ＝(δ₁,δ₂,…,δ_m)。

综合上述步骤，根据最大关联程度原则在待选方案中进行最优选择，即向量R中的最大值对应的通信技术为EV充电桩集群管理系统的最佳通信技术。

本发明的有益效果在于，为量化综合评价指标体系中的定性指标，引入云模型相关理论转换评判者的语言型评价，既符合人的主观感受又能表达主观评价信息的不确定性和模糊性。利用考虑规划需求的灰色综合评价方法综合各指标综合权重及与理想方案间的关联进行全面决策，使综合评价结果更直观地反映通信技术是否满足实际需求，具有较好的技术区分度，提高了决策结果的可信程度。本发明对不同的集群环境有很好的适应性，拥有较好的实用价值，对充电桩集群管理系统的通信网络建设有一定参考意义。

附图说明：

图1本发明的综合评价方法示意图

图2本发明的集群管理系统通信方式综合评价内容

图3本发明的管理系统分层通信架构

图4本发明的评价云模型生成图

具体实施方式：

下面结合实施例及附图，对本发明作进一步的详细说明，但本发明的实施方式不限于此。

步骤1、构建充电桩集群管理系统组网方案综合评价体系

综合考虑充电桩集群的实际情况以及通信方式的性能，从经济性、技术性、适用性3个方面共10个指标构建系统组网方案综合评价体系，具体评价内容如附图2所示。

步骤2、引入云模型相关理论，将步骤1所述的综合评价体系中存在的定性指标转化为直观的数值描述

利用云模型的三个数字特征将定性指标分为五个等级：好、较好、一般、较差、差，分别记为：C₁(E_x1,E_n1,H_e1)、C₂(E_x2,E_n2,H_e2)、C₃(E_x3,E_n3,H_e3)、C₄(E_x4,E_n4,H_e4)、C₅(E_x5,E_n5,H_e5)。其数字特征如式(1)～(3)所示。

为了更连续的反映定性指标的真实情况，将上述云模型的中间云表示为C_l-(E_xl-,E_nl-,H_el-)，对应两种评语的中间评价，如式(4)所示。

设有m种待选的EV充电桩集群管理系统通信技术，综合评价指标体系中有n项评价指标，其中有定性指标v项。邀请h位专家评判者对这v项定性指标做主观偏好评价，对于每一项定性指标，h组定性评语对应h组评价云模型，各云模型的期望值组成A＝(a_ij)_m×h。用方差衡量各专家评判者评语接近真实指标情况的程度，用P反映各评判者对定量转换结果的贡献度。各专家的评价意见方差和贡献度如式(5)～(6)所示。

h位专家评判者的评价云综合成一个云模型C(E_x,E_n,H_e)，其中E_x和E_n的表达式如式(7)～(8)所示。

结合上述分析，设定定性指标的定量转换结果为上述评价云中与综合云模型相似度最高的云模型对应的期望。云模型C_a(E_xa,E_na,H_ea)与C_b(E_xb,E_nb,H_eb)的相似度如式(9)所示。

步骤3、决策数据调整及无量纲化处理

调研各待选通信方式的定量指标值，并结合行业专家评判，利用步骤2所述的定性指标定量转换方法，得到初始决策矩阵B＝(b_ik)_n×m，对初始决策矩阵B＝(b_ik)_n×m作进一步调整，调整后的矩阵为D＝(d_ik)_n×m，调整方法如式(10)所示。

对指标值进行无量纲化处理，无量纲化后的矩阵记作F＝(f_ik)_n×m，其中f_ik如式(11)所示。

步骤4、结合层次分析法(AHP)和熵权法客观地确定各评价指标的综合权重系数

设利用AHP确定的指标主观权重为w_S，考虑到w_S容易失去客观性，采用熵权法对w_S进行修正，设由熵权法得到客观权重w_O，则基于乘法组合法融合主客观权重得到各指标的综合权重系数如式(13)所示。

步骤5、运用考虑规划需求的灰色综合评价，通过对各待选技术优劣的排序，在待选技术中进行最优选择

在决策矩阵F中，表示经过无量纲化处理后的第i个指标的最优值。此时，由这些最优指标值构成的集合称为灰色关联分析的参考数列，作为理想方案的指标值与各评价对象进行比较。将第k种通信技术的第i个评价指标与最优值进行比较，得到灰色关联系数ε_ik，如式(14)所示。计算m种方案的各指标的关联系数可得评价关联矩阵E。

由评价指标综合权重w和评价关联矩阵E，利用考虑规划需求的灰色综合评价方法可以得到综合评价结果如式(15)所示。

综合上述步骤，根据最大关联程度原则在待选方案中进行最优选择，即向量R中的最大值对应的通信技术为EV充电桩集群管理系统的最佳通信技术。

本实施例将在某市下辖某规划新区中进行，该区面积为51.2Km²，横跨9120m，纵跨8280m；辖区内日均车流总量4.8万辆。实例所述区域内的6个充电站共有218台充电桩，考虑到区域中存在多个充电站，结合管理系统的通信业务分类，为实现数据的高效交互及便于管理，EV充电桩集群管理系统的分层通信架构如附图3所示，分为现场设备层、接入层和骨干层三个部分。

调研电力系统领域各种常用通信方式的特性，考虑对管理系统通信现状的传承与发展，选定以太网、光纤、电力线载波通信(PLC)、无线传感器网络(WSN)、时分长期演进(TD-LTE)、全球微波互联接入(WiMax)和通用无线分组业务(GPRS)技术进行适应性分析与评价。实例所述区域内的充电桩集群与管理中心待建一个通信网络负责各充电桩与管理中心的数据交互。针对该充电桩集群的特定环境，在步骤1的基础上，利用考虑需求规划的灰色综合评价方法首先就骨干层对上述7种通信方式进行适应性评价，然后分别就接入层中的各充电站对上述通信方式进行适应性评价，以期确定管理系统的最优组网方案。

设在规划水平年该区域电动汽车的市场占有率ξ为0.2，结合充电站的规划和要求，该区域规划建设的充电站的参数如表1所示，充电桩集群管理中心的位置为(4421，3525)。表中，D₁表示一级网络的端到端时延；d_i表示充电站i的站内通信距离，本文设其值为(S_i)^1/2，其中S_i表示充电站i的面积；E_xa表示云模型C_a的期望。

表1 各充电站的基本情况和规划需求

定义有效论域空间范围为[1，9]，选定η为0.07，则通过步骤2中的式(1)～(4)计算得到9类评价云模型的生成图，如附图4所示。附图4充分体现了定性评语的不确定性和模糊性，可以看出在有效论域内，C₅(差)、C₃(一般)、C₁(好)3种评价云的跨度相对C₄(较差)、C₂(较好)要小，说明其概念模糊程度小，符合人的主观感觉，方便针对定性指标的评价。

邀请5位行业专家基于9类评价云模型对评价体系中的定性指标进行评价，并具体量化定量指标，7种通信方式的技术性、适用性评价指标如表2所示。

表2 通信方式评价指标

表2中，C_a/C_b/C_c/C_d/C_e表示5位评判者对某一种通信技术的相应定性指标所作的评价，其中C_a、C_b、…、C_e分别表示第一位、第二位、…、第五位评判者给出的评价。

在具体对定性指标实施定量转换的过程中，对于评价指标体系中的每一项定性指标，5组评价云模型对应的期望值组成初始决策矩阵A，利用式(5)～(6)计算出各评判者就该项定性指标转换结果的贡献度P，然后分别对各通信技术由式(7)～(9)计算综合云模型与9类评价云模型的相似度，并根据最大相似度原则确定各通信技术在该定性指标上的量化结果。为了方便分析，本文对表2中的定量指标的量化结果作如下处理：1)给出范围a～b时，取(a+b)/2；2)给出范围<a时，取a；3)给出范围>b时，取b。根据上述定性、定量指标的处理方式，7种通信技术的初始决策结果如表3所示。对于经济性指标C₁₁，设贴现率r₀为8％，通信系统设计使用年限为20a，其初始决策结果见表4。

表3 初始决策结果

表4 经济性指标

基于以上分析计算，首先需要针对骨干层对各通信方式进行综合评价，以此为例诠释通信方式的综合评价过程。利用AHP确定指标主观权重系数，如表5所示。

表5 评价指标的主观权重系数

对于各二层次指标权重系数向量，为消除指标数量的差异对总体主观权重的影响，这里对各向量附乘其指标数所占总指标数的比例，再经过归一化处理得到主观权重：

w_S＝[0.1297,0.1600,0.2000,0.0538,0.0279,0.0279,0.0857,0.1216,0.0967,0.0967]。

类比于充电站的规划需求，设骨干层对通信技术的规划需求为：

(800,100,10^-3,E_x3,E_x3,E_x3,8.033×10^-3×n,E_x3,d_m,E_x3-)，其中d_m为各充电站到管理中心距离的最大值。

将初始决策矩阵中的各指标值按式(10)修正后分别代入式(11)进行无量纲化处理，得到决策矩阵F，然后利用熵权法确定客观权重系数；结合主观权重，代入式(13)中可得到指标综合权重系数：

w＝[0.0903,0.1671,5.5372×10^-6,0.0107,0.0388,0.0032,0.3435,0.0627,0.1029,0.1808]。

将决策矩阵F中的各元素分别代入式(14)计算得到关联矩阵E，且有δ＝[1,1,0,0,1,1,0]，则通过式(15)计算出综合评价结果向量为：R＝[0.6110,0.8299,0,0,0.5353,0.5345,0]。

根据最大关联度原则，充当负责骨干层信息传递的一级网络的最优通信方式为光纤通信，因此表1中变量D₁＝0.1。接入层中，针对各充电站的通信方式综合评价过程与此相同，综合评价结果如表6所示。

表6 综合评价结果

结果表明，适于站1～站6的二级网络的最优通信方式分别为：M2、N1、M2、M2、M2、M1。

综上，上述优选出的骨干层、接入层各通信方式按附图3组合构成了集群管理系统的组网方案。

如上所述，便可较好地实现本发明，上述实施例仅为本发明的典型实施例，并非用来限定本发明的实施范围，在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同限定。

Claims (1)

1.一种考虑规划需求的电动汽车(EV)充电桩集群管理系统通信方式综合评价方法，其特征在于，包括如下步骤：

步骤1、构建充电桩集群管理系统组网方案综合评价体系；

综合考虑充电桩集群的实际情况以及通信方式的性能，从经济性、技术性、适用性3个方面共10个指标构建系统组网方案综合评价体系；

步骤2、将步骤1所述的综合评价体系中存在的定性指标转化为直观的数值描述；

利用云模型的三个数字特征将定性指标分为五个等级：好、较好、一般、较差、差，分别记为：C₁(E_x1,E_n1,H_e1)、C₂(E_x2,E_n2,H_e2)、C₃(E_x3,E_n3,H_e3)、C₄(E_x4,E_n4,H_e4)、C₅(E_x5,E_n5,H_e5)；其数字特征可表示为：

E_x1＝x_max,E_x5＝x_min,

E_x2＝E_x3+0.382(E_x3-x_min),

E_x3＝(x_min+x_max)/2,                    (1)

E_x4＝E_x3-0.382(E_x3-x_min)；

E_n1＝E_n5＝E_n2/0.618,

E_n2＝E_n4＝0.382(x_max-x_min)/6,             (2)

E_n3＝0.618E_n2；

H_e1＝H_e5＝0.618H_e3,

H_e2＝H_e4＝H_e3/0.618,                   (3)

H_e3＝η.

其中，[x_min,x_max]表示有效论域空间范围；η为常数，可根据变量的模糊程度具体调整；

为了更连续的反映定性指标的真实情况，将上述云模型的中间云表示为C_l-(E_xl-,E_nl-,H_el-)，对应两种评语的中间评价，其中：

$\left\{\begin{array}{c}{E}_{\mathrm{xl}-}=(E_{\mathrm{xl}}+E_{x(l+1)})/2\\ E_{\mathrm{nl}-}=(E_{\mathrm{xl}}-E_{x(l+1)})/3\\ H_{\mathrm{el}-}=(H_{\mathrm{el}}+H_{e(l+1)})/2\end{array}\right.,l=\mathrm{1,2,3,4}.---\left(4\right)$

设有m种待选的EV充电桩集群管理系统通信技术，综合评价指标体系中有n项评价指标，其中有定性指标v项，对于每一项定性指标，h组定性评语对应h组评价云模型，各云模型的期望值组成A＝(a_ij)_m×h；用方差衡量各专家评判者评语接近真实指标情况的程度，用P反映各评判者对定量转换结果的贡献度；

各专家的评价意见方差和贡献度分别为：

$s_j^2=\left(\frac{1}{m-1}\right)\underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}{(a_{\mathrm{ij}}-E_{A_i})}^2---\left(5\right)$

$p_j=(\underset{1\&le;j\&le;h}{\max }\left(s_j^2\right)-s_j^2)/\underset{j=1}{\overset{h}{\mathrm{\&Sigma;}}}(\underset{1\&le;j\&le;h}{\max }\left(s_j^2\right)-s_j^2)---\left(6\right)$

其中，i＝1,2,…,m，表示指标i的几何平均值；h：专家评判者人数；

h位专家评判者的评价云综合成一个云模型C(E_x,E_n,H_e)，其中

$E_x=\frac{E_x^1{E}_n^1{p}_1+E_x^2{E}_n^2{p}_2+\&CenterDot;\&CenterDot;\&CenterDot;+E_x^h{E}_n^h{p}_h}{E_n^1{p}_1+E_n^2{p}_2+\&CenterDot;\&CenterDot;\&CenterDot;+E_n^h{p}_h}---\left(7\right)$

$E_n=E_n^1{p}_1+E_n^2{p}_2+\&CenterDot;\&CenterDot;\&CenterDot;+E_n^h{p}_h---\left(8\right)$

式中，分别表示第j个专家评价云的期望和熵；

设定性指标的定量转换结果为上述评价云中与综合云模型相似度最高的的云模型对应的期望；云模型C_a(E_xa,E_na,H_ea)与C_b(E_xb,E_nb,H_eb)的相似度表示为：

$\mathrm{ECM}(C_a,C_b)=\frac{2S}{\sqrt{2\mathrm{\&pi;}}(E_{\mathrm{na}}+E_{\mathrm{nb}})}---\left(9\right)$

式中，S为两个云模型的期望曲线重叠部分的面积，与期望E_xa、E_xb和熵E_na、E_nb有关；

步骤3、决策数据调整及无量纲化处理；

调研各待选通信方式的定量指标值，并结合行业专家评判，利用步骤2所述的定性指标定量转换方法，得到初始决策矩阵B＝(b_ik)_n×m；对初始决策矩阵B＝(b_ik)_n×m作进一步调整，调整后的矩阵为D＝(d_ik)_n×m，调整方法如下：

式中，1<i<n；k＝1,…,m；q＝1,…,μ(μ为充电站数目)，表示充电站q对通信技术的规划需求，其中表示对每台充电桩的经济性费用规划，表示对通信技术在C₂₁方面的需求，其余变量的解释与此相同；δ_k表示技术k是否满足规划需求的标志因子，δ_k取1表示技术k满足该充电站的规划需求，δ_k取0表示技术k不满足该充电站的规划需求；起始时，设所有待选通信技术的标志因子都为1，如果d_ik<0或技术k的经济性建设费用大于将标志因子δ_k置零，N_q表示充电站q中充电桩的数量；

对各指标值进行无量纲化处理，无量纲化后的矩阵记作F＝(f_ik)_n×m，其中

$f_{\mathrm{ik}}=1-|d_{\mathrm{ik}}-d_i^{*}|/{\mathrm{\&sigma;}}_i---\left(11\right)$

式中，表示第i个指标的最优值，对于效益型指标，为数值最大的指标值，对于成本型指标，为数值最小的指标值；i＝1,2,…,n，k＝1,2,…,m；σ_i表示d_ik与之差绝对值的最大值：

${\mathrm{\&sigma;}}_i=\underset{1\&le;k\&le;m}{\max }\left\{\right|d_{\mathrm{ik}}-d_i^{*}\left|\right\}---\left(12\right)$

步骤4、结合层次分析法(AHP)和熵权法客观地确定各评价指标的综合权重系数；

设利用AHP确定的指标主观权重为w_S，考虑到w_S容易失去客观性，采用熵权法对w_S进行修正；设由熵权法得到客观权重w_O，则基于乘法组合法融合主客观权重得到各指标的综合权重系数：

w＝(w₁,w₂,…,w_n)                      (13)

式中，i＝1,2,…,n；w_Si、w_Oi分别表示w_S和w_O中的第i个元素；

步骤5、运用考虑规划需求的灰色综合评价，通过对各待选技术优劣的排序，在待选技术中进行最优选择；

在决策矩阵F中，表示经过无量纲化处理后的第i个指标的最优值；此时，由这些最优指标值构成的集合称为灰色关联分析的参考数列，作为理想方案的指标值与各评价对象进行比较；将第k种通信技术的第i个评价指标与最优值进行比较，得到灰色关联系数：

${\mathrm{\&epsiv;}}_{\mathrm{ik}}=\frac{\underset{1\&le;k\&le;m}{\min }\underset{1\&le;i\&le;n}{\min }|f_i^{*}-f_{\mathrm{ik}}|+\mathrm{\&rho;}\underset{1\&le;k\&le;m}{\max }\underset{1\&le;i\&le;n}{\max }|f_i^{*}-f_{\mathrm{ik}}|}{|f_i^{*}-f_{\mathrm{ik}}|+\mathrm{\&rho;}\underset{1\&le;k\&le;m}{\max }\underset{1\&le;i\&le;n}{\max }|f_i^{*}-f_{\mathrm{ik}}|}---\left(14\right)$

式中，ρ为分辨系数，一般取0.5；从式(14)可知，f_ik越接近就越小，则关联系数ε_ik越大，说明两者间的关联程度越高，反之亦然；计算m种方案的各指标的关联系数可得评价关联矩阵E；

由评价指标综合权重w和评价关联矩阵E，利用考虑规划需求的灰色综合评价方法可以得到综合评价结果：

R＝(diag(δ^T·(w·E)))^T＝(r₁,r₂,…,r_m)                  (15)

式中，元素k＝1,2,…,m；函数diag(A)表示取矩阵A的对角元素；δ＝(δ₁,δ₂,…,δ_m)；

根据最大关联程度原则在待选方案中进行最优选择，即向量R中的最大值对应的通信技术为EV充电桩集群管理系统的最佳通信技术。