城市轨道交通供电系统研究(Matlab代码实现)

简介: 城市轨道交通供电系统研究(Matlab代码实现)

💥 💥 💞 💞 欢迎来到本博客 ❤️ ❤️ 💥 💥

🏆 博主优势: 🌞 🌞 🌞博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。

⛳ 座右铭:行百里者,半于九十。

📋 📋 📋 本文目录如下: 🎁 🎁 🎁

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码实现


💥1 概述

城市轨道交通供电系统是为城市轨道交通运营提供所需电能的系统,不仅为城市轨道交通电动列车提供牵引用电,而且还为城市轨道交通运营服务的其他设施提供电能,如照明、通风、空调、给排水、通信、信号、防灾报警、自动扶梯等,应具备安全可靠、技术先进、功能齐全、调度方便和经济合理等特点。


在城市轨道交通的运营中,供电一旦中断,不仅会造成城市轨道交通运输系统的瘫痪,还会危及乘客生命与财产安全。因此, 高度安全可靠而又经济合理的电力供给是城市轨道交通正常运营的重要保证和前提。


📚2 运行结果


f5873296f3531a7ee2ee9ca2dd3b238e.png


4e5372b746619a45606fed53846c0f29.png


15742683b66983d1db25be7fc2acbd3f.png


d5672d35d5ce8664fc98f95184543b4b.png


9606d442c6ba0db9e73ff5f309275d16.png


部分代码:

clear;
clc;
load('Tram.mat');
pelect=zeros(size(T,2),1);
% Extracting the power demand from the data structure T
for i=1:size(T,2)
pelect(i,1)=T(1,i).pelec;
end
figure;
plot(1:size(T,2),pelect);
title('Power Supply Profile');
% Calculating the maximum power demand of the time period
pmax=max(pelect);
ptotal=0;
for i=1:size(pelect,1)
ptotal=ptotal+pelect(i,1);
end
% ptotal=sum(pelect);
% Calculating the average pwower demand over the time period
pavg=ptotal/size(pelect,1);
disp('Average power: ' );
disp(pavg);
% Calculating the PPH
% If both average and maximum are greater than zero,
% Pavg and Pmax will mostly be greater than zero.
% If it is less than zero, we definitely need storage and hence PPH is set
% to 1.
if(pavg>=0 && pmax>0)
pph=1-(pavg/pmax);
else
pph=1;
end
disp('Potential for hybridization in power: ' );
disp(pph)
energyInBatt=zeros(size(pelect,1)-1,1);
% Pavg is assumed to be provided by the external supplier and the peaks
% shall be managed by the storage, so the energy in battery shall be
% calculated on the basis of the difference between the electrical power
% and the average power.
for i=2:size(pelect,1)
energyInBatt(i,1)=energyInBatt(i-1,1)-(pelect(i-1,1)-pavg);
end
figure;
plot(energyInBatt);
title('Energy in battery (in J)');
% Useful energy of a battery is definaed as the difference between the maximum and
% minimum energy stored in a time cycle
eu=max(energyInBatt)-min(energyInBatt);
disp(strcat('Useful Energy (in Joules): ',num2str(eu)));
if(eu~=0 && pmax>=0)
phe=pmax/eu;
else
phe=Inf;
end
disp('Potential for hybridization in energy: ' );
disp(phe)
% So using the PHE and PPH values, we can idetify that either power or
% energy is more influential for the design of the battery system.


🎉3 参考文献

部分理论来源于网络,如有侵权请联系删除。

[1]鲁宗相,王彩霞,闵勇,周双喜,吕金祥,王云波.微电网研究综述[J].电力系统自动化,2007(19):100-107.


🌈4 Matlab代码实现

相关文章
|
15天前
|
机器学习/深度学习 算法 5G
基于MIMO系统的SDR-AltMin混合预编码算法matlab性能仿真
基于MIMO系统的SDR-AltMin混合预编码算法通过结合半定松弛和交替最小化技术,优化大规模MIMO系统的预编码矩阵,提高信号质量。Matlab 2022a仿真结果显示,该算法能有效提升系统性能并降低计算复杂度。核心程序包括预编码和接收矩阵的设计,以及不同信噪比下的性能评估。
34 3
|
1月前
|
监控 算法 数据安全/隐私保护
基于三帧差算法的运动目标检测系统FPGA实现,包含testbench和MATLAB辅助验证程序
本项目展示了基于FPGA与MATLAB实现的三帧差算法运动目标检测。使用Vivado 2019.2和MATLAB 2022a开发环境,通过对比连续三帧图像的像素值变化,有效识别运动区域。项目包括完整无水印的运行效果预览、详细中文注释的代码及操作步骤视频,适合学习和研究。
|
1月前
|
算法 5G 数据安全/隐私保护
MIMO系统中差分空间调制解调matlab误码率仿真
本项目展示了一种基于Matlab 2022a的差分空间调制(Differential Space Modulation, DMS)算法。DMS是一种应用于MIMO通信系统的信号传输技术,通过空间域的不同天线传输符号序列,并利用差分编码进行解调。项目包括算法运行效果图预览、核心代码及详细中文注释、理论概述等内容。在发送端,每次仅激活一个天线发送符号;在接收端,通过差分解调估计符号和天线选择。DMS在快速衰落信道中表现出色,尤其适用于高速移动和卫星通信系统。
|
1月前
|
安全 调度
电力系统的负荷损失和潮流计算matlab仿真,对比最高度数,最高介数以及最高关键度等节点攻击
本课题研究节点攻击对电力系统稳定性的影响,通过模拟最高度数、最高介数和最高关键度攻击,对比不同攻击方式下的停电规模。采用MATLAB 2022a 进行系统仿真,核心程序实现线路断开、潮流计算及优化。研究表明,节点攻击会导致负荷损失和系统瘫痪,对电力系统的安全构成严重威胁。通过分析负荷损失率和潮流计算,提出减少负荷损失的方法,以提升电力系统的稳定性和安全性。
|
1月前
|
算法
基于最小二乘递推算法的系统参数辨识matlab仿真
该程序基于最小二乘递推(RLS)算法实现系统参数辨识,对参数a1、b1、a2、b2进行估计并计算误差及收敛曲线,对比不同信噪比下的估计误差。在MATLAB 2022a环境下运行,结果显示了四组误差曲线。RLS算法适用于实时、连续数据流中的动态参数辨识,通过递推方式快速调整参数估计,保持较低计算复杂度。
|
1月前
|
Python
基于python-django的matlab护照识别网站系统
基于python-django的matlab护照识别网站系统
16 0
|
3月前
|
安全
【2023高教社杯】D题 圈养湖羊的空间利用率 问题分析、数学模型及MATLAB代码
本文介绍了2023年高教社杯数学建模竞赛D题的圈养湖羊空间利用率问题,包括问题分析、数学模型建立和MATLAB代码实现,旨在优化养殖场的生产计划和空间利用效率。
200 6
【2023高教社杯】D题 圈养湖羊的空间利用率 问题分析、数学模型及MATLAB代码
|
3月前
|
存储 算法 搜索推荐
【2022年华为杯数学建模】B题 方形件组批优化问题 方案及MATLAB代码实现
本文提供了2022年华为杯数学建模竞赛B题的详细方案和MATLAB代码实现,包括方形件组批优化问题和排样优化问题,以及相关数学模型的建立和求解方法。
129 3
【2022年华为杯数学建模】B题 方形件组批优化问题 方案及MATLAB代码实现
|
2月前
|
算法
基于极大似然算法的系统参数辨识matlab仿真
本程序基于极大似然算法实现系统参数辨识,对参数a1、b1、a2、b2进行估计,并计算估计误差及收敛曲线,对比不同信噪比下的误差表现。在MATLAB2022a版本中运行,展示了参数估计值及其误差曲线。极大似然估计方法通过最大化观测数据的似然函数来估计未知参数,适用于多种系统模型。
|
3月前
|
算法 数据安全/隐私保护
基于LS算法的OFDM+QPSK系统信道估计均衡matlab性能仿真
基于MATLAB 2022a的仿真展示了OFDM+QPSK系统中最小二乘(LS)算法的信道估计与均衡效果。OFDM利用多个低速率子载波提高频谱效率,通过循环前缀克服多径衰落。LS算法依据导频符号估计信道参数,进而设计均衡器以恢复数据符号。核心程序实现了OFDM信号处理流程,包括加性高斯白噪声的加入、保护间隔去除、快速傅立叶变换及信道估计与均衡等步骤,并最终计算误码率,验证了算法的有效性。
96 2

热门文章

最新文章