1.一种基于多目标优化的电动汽车充电平台选取方法，其特征在于，包括以下步骤：

步骤1：获取电动汽车发起的充电请求信息，请求内容包括电动汽车当前剩余续航路程、当前位置，用户能够接受的充电时间；

步骤2：根据电动汽车发起充电请求位置，分析该位置附近充电平台分布，结合分析当前车辆可续航的路程，基于行驶路程进行单目标规划，规划当前条件下最优充电平台；结合道路拥堵情况和用户接受的充电时间，基于所需要消耗的时间进行单目标规划，规划当前条件最优的充电平台站点；结合电动汽车到充电平台的费用以及充电费用，基于花费费用进行单目标规划，规划一个当前条件下最优的充电平台站点；对这三个单目标线性加权，建立一个多目标优化的数学模型；

步骤3：通过深度学习算法，得到符合用户需求的最优充电平台；

步骤2进行多目标线性加权规划，这里，多目标函数为：

其中：

Qk＝Qh·δhc+phηl·(1‑δhc) (4)

式(1)中，λ1λ2λ3分别为子目标的权重系数，优化目标T(k)表示为根据多目标优化模型分析求解得到的最优充电平台； 表示从电动汽车起点位置s到充电平台e之间的路径K的几何长度； 表示从电动汽车起点位置s到充电平台e完成一次充电需要的总时长；Qk表示完成一次充电的费用；而 (Qk)′则表示 Qk在无量纲化后的标准化表达式；式(2)中，ai表示从电动汽车起点位置s到充电平台e之间的路径k之间包含的各个子路段；式(3)中， 表示从电动汽车起点位置s到充电平台e之间的路径k消耗的时间，表示充电花费的时间； 表示路段ai的拥堵情况， 表示在路段ai的平均行驶速度，δhc表示用户选择充电或直接更换电池，th表示充电需要的时间，l表示行驶的路程，η表示充电效率系数，h表示电量与路程关系待定参数；Qh表示直接更换电池的费用，p表示充电费用与充电时间关系待定参数；

写出多目标规划目标的限制条件：

其具体子模型的限制条件如下：

式(6)中，Tmax为用户能接受的完成一次充电的时间，Lmax为当前可以续航的最大路程，Emax为当前电动汽车最大电量值。

2.根据权利要求1所述的基于多目标优化的电动汽车充电平台选取方法，其特征在于，步骤2建立多目标优化模型进行无量纲化时采用极差化法，其转化公式如下：式(7)中，xi′为无量纲化后的标准形式，xi为待无量纲化的一般函数表达式，max(xi)为待无量纲化函数xi的最大值，min(xi)为待无量纲化函数xi的最小值。

3.根据权利要求1所述的基于多目标优化的电动汽车充电平台选取方法，其特征在于，步骤3中子目标的权重系数λ1λ2λ3的权重通过大数据分析，以及用户多次操作行为偏好分析进行选择与调整，从而达到一个最符合用户倾向的比重；其具体步骤可以表述为如下：步骤3‑1：根据获取到的大数据信息，分析在电动汽车需要充电情况下，用户对于路程最短、消耗时间最少、花费费用最少这三个子优化目标的选择比重倾向，得到三个具体的比重系数λ1λ2λ3，初步得到多个相对优化选取的充电平台；

步骤3‑2：在步骤3‑1确定多目标优化的结果后，用户对于已选取的充电平台进行二次判断，选择具体前往的充电平台；用户选择后，记录此次用户的选择，并且根据用户的选择相应调整三者的权重系数，进行深度学习训练过程；

步骤3‑3：在完成步骤3‑2中的深度学习优化训练、调整三者优化权重系数后，该选取方法可得一个符合用户需求的、具有一般性以及具体用户特殊性的充电平台；并将该深度学习训练后的权重系数上传，方便该选取方法对于其他用户进行选取时的深度学习训练参考。