推广 热搜: 公司  快速  上海  中国  企业    未来  政策  系统  公司2 

【优化求解】基于matlab遗传算法求解峰谷分时电价电动汽车充电负荷优化问题【含Matlab源码 210期】

   日期:2024-12-16     作者:25cnzz    caijiyuan   评论:0    移动:http://www78564.xrbh.cn/mobile/news/30322.html
核心提示:⛳️座右铭:行百里者,半于九十。 更多Matlab优化求解仿真内容点击👇 ①Matlab优化求解 (进阶版

⛳️座右铭:行百里者,半于九十。
更多Matlab优化求解仿真内容点击👇
①Matlab优化求解 (进阶版
②付费专栏Matlab优化求解(初级版

⛳️关注CSDN海神之光,更多资源等你来

近年来,在国内外石油资源紧缺,环境问题日益严重的情况下,电动汽车因具有显著的经济性与环境性,其发展迅速,在中国,至0年,电动汽车数量将达到0万辆。随着电动汽车数量的不断增加,由于其负荷在时间与空间上所具有的不确定性,使得当大规模电动汽车并网进行充电时会对电网造成负荷冲击。虽然会加剧负荷的波动性与随机性,但是若能够将电动汽车负荷好好利用作为可调度负荷资源,则能够抑制电网系统的峰谷差,为电网安全稳定运行提供更强有力的保障。因此,实现电动汽车充电负荷的合理控制,避免电动汽车在系统负荷高峰时大量充电造成尖峰,高效的抑制峰谷负荷差,是电网面临的重要挑战。目前,国内有很多学者参与了峰谷分时电价引导电动汽车用户参与有序充电的研究,根据电动汽车类型的不同采用相适应的充电负荷计算方法,对电动汽车充电负荷进行较为精准的预测;建立电动汽车负荷最优潮流模型,通过调配各机组出力以优化系统发电成本,在用户侧,将电池损耗和充电等待时间成本计入用户充电费用中,运用双层模型进行优化;从电动汽车充电运营商方面考虑,利用动态响应峰谷电价形成有序充电,但文章未能考虑负荷波动造成电网的不稳定,大量电动汽车在后半夜充电又造成另一个用电高峰;以电网峰谷差为目标函数,利用电网电价时段的划分来平抑区域配电网负荷的波动,使得电网安全稳定的运行。该文在以上研究的基础上,根据电动汽车负荷影响因素进行分析,利用蒙特卡洛方法模拟电动汽车无序充电和有序充电负荷曲线,设立不同的响应系数以研究用户参与有序充电时负荷曲线的特点。研究峰谷分时电价价格弹性与电动汽车负荷之间的关系,建立峰谷分时电价优化模型,利用多目标优化遗传算法对模型进行求解,分析峰谷电价对电网负荷以及用户的影响。

(2)电动汽车电价引导充电方式建模
峰谷分时电价是实施管理用户侧需求的有效措施之一,电网运行商根据负荷曲线的高峰低谷来划分峰谷电价,峰谷时段电价的改变将直接影响充电负荷的变化。在经济学中,价格是影响消费者进行消费的重要因素,该文只考虑电价对电动汽车用户充电行为的影响,忽略其他因素,引入价格弹性来表示电价变化对负荷造成的变化。价格弹性为某一时刻电价的变化将影响所有时刻电量需求的变化,影响本身时刻的电量需求变化称为自价格弹性,系数通常为负,而影响其余时刻的电量需求变化则称为交叉价格弹性,系数通常为正。

clc
clear all
close all
t=1:24;%时间轴
N=1000;%input(‘请输入电动公交车数量:’);
length=exp(normrnd(3.2,0.88,[1 N]));%抽取路程
pcar=zeros(1,1440);%负荷储存
start=zeros(1,N);%开始充电时间储存
T=zeros(1,N);%充电时长储存
p1=0.9699;%normspec([336,1440],1056,204,‘inside’);
%p2=normspec([0,336],-384,204,‘inside’);
%原电网24小时负荷
p0=[ 455.39
405.948
333.086
275.836
205.576
145.725
130.112
130.112
137.918
150.929
163.941
182.156
208.178
195.167
156.134
150.929
161.338
169.145
169.145
176.952
195.167
210.781
296.654
497.026];
%价格弹性矩阵,初始电价1元
priceq=[-0.623 0.3241 0.2305; %峰时弹性16-24
0.3553 -0.6166 0.2216; %平时弹性8-16
0.3215 0.3038 -0.6065]; %谷时弹性0-8
for j=1:fix(Np1)
for i=1:5000
startt=normrnd(1056,204,[1 1]);%抽取充电初始时刻,上午五点三十六到晚上二十四点正态分布
if startt>336&&startt<=1440
start(j)=startt;
break
end
end
end
for j=(fix(N
p1)+1):N
for i=1:5000
startt=normrnd(-384,204,[1 1]);%抽取充电初始时刻,0点到5.6点
if startt>=1&&startt<=336
start(j)=startt;
break
end
end
end
for i=1:N
T(i)=length(i)30/2.7;%充电时间
if T(i)>351
T(i)=351;
end
if (start(i)+T(i))<=1440
for m=fix(start(i)):fix(start(i)+T(i))
pcar(m)=3+pcar(m);
end
elseif (start(i)+T(i))>1440
for n=fix(start(i)):1440
pcar(n)=3+pcar(n);
end
for j=1:fix((start(i)+T(i))-1440)
pcar(j)=3+pcar(j);
end
end
end
for i=1:24
pcarrand(i)=sum(pcar((60
(i-1)+1):60i))0.001;
end
pcar24=pcarrand;
pcars=pcarrand;
figure
plot(t,pcars)
xlabel(‘时间/小时’)
ylabel(‘充电负荷/MW’)
for i=1:24
pcarrand(i)=pcarrand(i)+p0(i);
end
function pcar=caculateload(N)
t=1:1440;%时间轴
x=1:1000;
length=exp(normrnd(3.2,0.88,[1 N]));%抽取路程
pcar=zeros(1,1440);%负荷储存
start=zeros(1,N);%开始充电时间储存
T=zeros(1,N);%充电时长储存
p1=0.9699;
%p2=normspec([0,336],-384,204,‘inside’);
for j=1:fix(N
p1)
for i=1:5000
startt=normrnd(1056,204,[1 1]);%抽取充电初始时刻,上午五点三十六到晚上二十四点正态分布
if startt>336&&startt<=1440
start(j)=startt;
break
end
end
end
for j=(fix(N
p1)+1):N
for i=1:5000
startt=normrnd(-384,204,[1 1]);%抽取充电初始时刻,0点到5.6点
if startt>=1&&startt<=336
start(j)=startt;
break
end
end
end
for i=1:N
T(i)=length(i)*30/2.7;%充电时间
if T(i)>351
T(i)=351;
end
if (start(i)+T(i))<=1440
for m=fix(start(i)):fix(start(i)+T(i))
pcar(m)=3+pcar(m);
end
elseif (start(i)+T(i))>1440
for n=fix(start(i)):1440
pcar(n)=3+pcar(n);
end
for j=1:fix((start(i)+T(i))-1440)
pcar(j)=3+pcar(j);
end
end
end

1 matlab版本
2014a

2 参考文献
[1]欧名勇,陈仲伟,谭玉东,文明,周志成.基于峰谷分时电价引导下的电动汽车充电负荷优化[J].电力科学与技术学报,0年9月

3 备注
简介此部分摘自互联网,仅供参考,若侵权,联系删除

🍅 仿真咨询
1 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化

2 机器学习和深度学习方面
卷积神经网络(CNN)、LSTM、支持向量机(SVM)、最小二乘支持向量机(LSSVM)、极限学习机(ELM)、核极限学习机(KELM)、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

3 图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

4 路径规划方面
旅行商问题(TSP)、车辆路径问题(VRP、MVRP、CVRP、VRPTW等)、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

5 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配

6 无线传感器定位及布局方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

7 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置

9 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长

本文地址:http://www78564.xrbh.cn/news/30322.html    迅博思语 http://www78564.xrbh.cn/ , 查看更多

特别提示:本信息由相关用户自行提供,真实性未证实,仅供参考。请谨慎采用,风险自负。

 
 
更多>同类最新资讯
0相关评论

文章列表
相关文章
最新动态
推荐图文
最新资讯
点击排行
网站首页  |  二维码  |  关于我们  |  联系方式  |  使用协议  |  版权隐私  |  网站地图  |  排名推广  |  广告服务  |  积分换礼  |  网站留言  |  RSS订阅  |  违规举报  |  粤ICP备2023022329号