1.一种考虑多因素多场景的电动汽车充电站推荐方法，其特征在于，包括以下步骤：1)对任一用户j，设置最大推荐个数为N个；建立该用户场景集合Θ (j) ；2)实时获取用户j的车辆当前SOC及车辆当前位置；3)判断该用户是否发起充电推荐请求：如果是，则进入步骤5)；如果否，进入步骤4)；4)进入主动推荐模式；具体步骤如下：4-1)获取当前场景ζ；获取当前场景的当前主动推荐模式SOC阈值 4-2)判断车辆当前SOC是否小于 如果是，则进入步骤6)；如果否，则重新返回步骤2)；5)进入被动推荐模式；判断用户是否选择充电目标：如果是，则进入步骤7)；如果否，则进入步骤6)；6)充电站推荐；具体步骤如下：6-1)根据车辆当前位置获取与用户j的车辆距离最近的前N个充电站，组成电动汽车充电站当前推荐集合Φ；6-2)对Φ中每个充电站，获取该充电站对应的8个指标指，包括：6-2-1)充电站充电设施占用比例；6-2-2)充电站所处配电网负载率；6-2-3)用户j的车辆到达充电站距离；6-2-4)充电站附近无其余服务指标；计算表达式如下：其中，Service (k) 表示充电站k周围500m内的餐厅、购物场所和娱乐场所数量；Service max ＝max{Service (k) },k∈Φ，表示集合Φ的充电站附近的餐厅、购物场所和娱乐场所数量的最大值；6-2-5)用户j在该充电站的总充电成本；对每个充电站，计算表达式为：C＝(1-SOC)QC 1 +C 0 ；其中C代表用户在该充电站充电的总成本；C 0 代表在该充电站充电的固定成本；C 1 表示该充电站每度电的收费；Q代表电池容量；SOC代表荷电状态；6-2-6)预计用户j到达该充电站的行驶时间；计算表达式如下：其中，v ij 为电动汽车驶过路段ij时路段的平均行驶车速；L ij 为路段节点ij之间的路线的距离；T ij 为电动汽车驶过路段ij所用的时间；Ω为车辆到达充电站所需要经过的线路的集合；6-2-7)预计用户j选择该充电站充电的花费总时间，为驾驶时间、排队等待时间和充电时间之和：T＝T drive +T wait +T charge ；式中T为花费总时间；T drive 为用户j的车辆从当前位置行驶到该充电站的时间；T wait 为用户j的车辆在该充电站中的排队等待时间；T charge 为用户j的车辆在该充电站中的充电时间，表达式如下：式中，P为该充电站中充电桩的充电功率；η为充电效率；6-2-8)用户对充电站的不熟悉度；对任一充电站k,该指标计算表达式为： f (k) 表示用户在充电站k充电的次数，f all 表示该用户历史充电总次数；6-3)对每个充电站的所有指标进行归一化；对每个充电站的每个指标，归一化方法如下：其中， 是归一化后的第k个充电站第i个指标的值，取值范围为 是归一化前第k个充电站第i个指标的值； 是归一化前所有充电站中的第i个指标最小值； 是归一化前所有充电站中的第i个指标最大值；归一化完毕后，每个充电站归一化的8个指标值作为该充电站的评价指标向量，充电站k的指标向量表达式如下：6-4)根据步骤6-3)的结果，计算集合Φ中的各充电站的得分，其中第k个充电站的得分为： 其中，定义用户j在场景ζ下的当前权重向量为：其中， 中的每个元素代表用户j在场景ζ下对对应指标的敏感程度；6-5)利用步骤6-4)的结果，将集合Φ中的所有充电站的得分Score (k) 从小到大进行排序，得到N个充电站的排序结果即为当前对用户j的充电站的推荐结果，然后进入步骤8)；7)按照用户选择的充电目标对所有充电站排序；其中用户的充电目标选择包括：最快充电、最近充电、最经济充电、最舒适充电、最休闲充电；在每种充电目标下，通过比较每个充电站指标向量X (k) 中的对应指标值并按照从小到大进行排序，输出N个充电站的排序结果作为该充电目标下当前对用户j的充电站的推荐结果；然后进入步骤8)；其中，最快充电对应的指标为预计用户j选择该充电站充电的花费总时间、最近充电对应的指标为用户j的车辆到达充电站距离、最经济充电对应的指标为用户j在该充电站的总充电成本、最舒适充电对应的指标为用户对充电站的不熟悉度、最休闲充电对应的指标为充电站附近无其余服务指标；8)经过车辆充电总耗时T后，判断用户j的车辆是否完成充电：如果是，则进入步骤9)；如果否，则重新返回步骤2)；9)更新当前场景的主动推荐模式SOC阈值和权重向量，并更新用户的充电次数信息；具体步骤如下：9-1)确定用户选择的电动汽车充电站在推荐结果中的排位，记用户选择的是推荐结果中排名第k位的充电站；9-2)根据用户j的车辆充电起始SOC更新该场景的当前主动推荐模式SOC阈值，并将更新后的阈值作为新的该场景的当前主动推荐模式SOC阈值；计算方法如下：其中SOC 0 是本次充电的起始SOC，α是场景阈值学习率； 是更新后的主动推荐模式SOC阈值；9-3)根据选择的第k位的充电站，更新该场景ζ下的当前权重向量 并将更新后的权重向量作为新的当前权重向量；计算方法如下：其中，β是权重向量的学习率， 是更新后的用户j的权重向量；9-4)更新用户在该充电站充电的次数和该用户历史充电总次数；然后重新返回步骤2)。
