目錄

1?主要內(nèi)容

峰谷電價(jià)優(yōu)化

電動(dòng)汽車(chē)充電負(fù)荷變化

2?部分代碼

3?程序結(jié)果

1?主要內(nèi)容

該程序基本復(fù)現(xiàn)《基于峰谷分時(shí)電價(jià)引導(dǎo)下的電動(dòng)汽車(chē)充電負(fù)荷優(yōu)化》，代碼主要做的是基于NSGA-II的電動(dòng)汽車(chē)充電負(fù)荷優(yōu)化，首先，在研究電動(dòng)汽車(chē)用戶充電需求的前提下，利用蒙特卡洛方法對(duì)２種不同充電方式進(jìn)行模擬并對(duì)其進(jìn)行分析；分析用戶響應(yīng)度對(duì)電動(dòng)汽車(chē)有序充電的影響，建立峰谷分時(shí)電價(jià)對(duì)電動(dòng)汽車(chē)負(fù)荷影響的模型，在模擬出電動(dòng)汽車(chē)無(wú)序充電負(fù)荷的基礎(chǔ)上，用實(shí)際案例對(duì)模型進(jìn)行驗(yàn)證，利用多目標(biāo)遺傳優(yōu)化算法進(jìn)行求解，驗(yàn)證峰谷分時(shí)電價(jià)對(duì)電網(wǎng)負(fù)荷優(yōu)化的有效性。

該程序主要分成兩部分，第一部分是峰谷電價(jià)優(yōu)化部分，第二部分通過(guò)確定的峰谷平電價(jià)觀測(cè)電動(dòng)汽車(chē)充電負(fù)荷變化情況。

• 峰谷電價(jià)優(yōu)化

1. 程序采用NSGA-II算法，該算法是非常成熟、常用的多目標(biāo)求解算法，是遺傳算法的一種，作為智能優(yōu)化算法，最關(guān)鍵的點(diǎn)是找到程序的輸入和輸出，剩下的即是采用算法進(jìn)行連接即可，在該程序中，輸入是分時(shí)電價(jià)作為變量，輸出是兩個(gè)目標(biāo)，分別是負(fù)荷均方差最小和電動(dòng)汽車(chē)用戶充電費(fèi)用最小。

目標(biāo)1：

目標(biāo)2：

優(yōu)化結(jié)果：

對(duì)于帕累托多目標(biāo)而言，會(huì)存在多組運(yùn)行結(jié)果，即多個(gè)自變量+目標(biāo)函數(shù)的組合，求解此類(lèi)問(wèn)題的帕累托最優(yōu)解有以下常用的幾種方法：權(quán)重系數(shù)變換法，給每個(gè)子目標(biāo)函數(shù)賦予權(quán)重系數(shù)后轉(zhuǎn)變?yōu)閱文繕?biāo)優(yōu)化問(wèn)題；并列選擇法，將群體所有個(gè)體按照子目標(biāo)函數(shù)劃分子群體，各自選出適應(yīng)度高的個(gè)體以得到新的子群體，再將其合并，不斷進(jìn)行 至 最 大 次 數(shù)，最 終 得 到 多 目 標(biāo) 優(yōu) 化 的帕累托最優(yōu)解。

• 電動(dòng)汽車(chē)充電負(fù)荷變化

該部分利用確定好的峰谷平電價(jià)，抽取1000輛電動(dòng)汽車(chē)進(jìn)行分析，考慮電動(dòng)汽車(chē)的充電開(kāi)始時(shí)刻、充電時(shí)長(zhǎng)、行駛路程和價(jià)格彈性矩陣，得到電動(dòng)汽車(chē)充電與原始負(fù)荷對(duì)比。

2?部分代碼

M=2;%目標(biāo)函數(shù)個(gè)數(shù)
p=1;
pop_size=200;           % 種群規(guī)模
no_runs=1;              % 計(jì)數(shù)器
gen_max=100;            % 最大遺傳代數(shù)
fname='test_case';      % 目標(biāo)函數(shù)    
V=3;                    %優(yōu)化變量的數(shù)量
txl=[-5*ones(1,V);zeros(1,V);-5*ones(1,V);-1000*ones(1,V);zeros(1,V);-1/sqrt(V)*ones(1,V);zeros(1,V); 0 -5*ones(1,V-1);zeros(1,V)];
txu=[10*ones(1,V); ones(1,V);5*ones(1,V);1000*ones(1,V);ones(1,V);1/sqrt(V) *ones(1,V);ones(1,V);1 5*ones(1,V-1);ones(1,V)];
xl=[0.2  0.25  0.25] ;      % 變量的下限，最低電價(jià)0.25元每千瓦時(shí)
xu=[2  2  2] ;              % 變量的上限，最高電價(jià)2元每千瓦時(shí)
etac = 20;                  % 交叉分布指數(shù)
etam = 20;                  % 突變分布指數(shù)/突變常數(shù)
pm=1/V;                     % 變異概率
pcars=caculateload(1000);   %無(wú)序時(shí)負(fù)荷
 %原電網(wǎng)24小時(shí)負(fù)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];
%價(jià)格彈性矩陣，初始電價(jià)1元
priceq=[-0.623   0.3241    0.2305;       %峰時(shí)彈性16-24
        0.3553   -0.6166   0.2216;      %平時(shí)彈性8-16
        0.3215   0.3038   -0.6065];     %谷時(shí)彈性0-8 
Q=[]; 
for run = 1:no_runs    
    %% 原始種群
    xl_temp=repmat(xl, pop_size,1);
    xu_temp=repmat(xu, pop_size,1);
    x = xl_temp+((xu_temp-xl_temp).*rand(pop_size,V));?

3?程序結(jié)果

第一部分已經(jīng)展示了運(yùn)行結(jié)果，該部分展示一下原文結(jié)果圖，以便對(duì)比?。

通過(guò)對(duì)比可見(jiàn)，程序復(fù)現(xiàn)效果很好?！文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-619155.html

到了這里，關(guān)于基于峰谷分時(shí)電價(jià)引導(dǎo)下的電動(dòng)汽車(chē)充電負(fù)荷優(yōu)化（matlab代碼）的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！