1 简介
电动汽车的数据模型种类繁多,但是用到比较高阶数学方法的并不多,本次分享的程序是下图所示的文章。
采用分布鲁棒优化模型,用到鲁棒对等转换,并采用ADMM算法进行求解,程序和文章方法一致,具有较好的参考价值。
2 关键知识点
2.1 三类电动汽车模型
根据文章所述,三类电动汽车模型分别如下所示:
对应程序代码如下(第二类电动汽车):
con1=[]; for i=1:sumA1n2 for t=1:T k=k+1; if t==1 con1=[con1,x_socu1(i,t)==u1soc(i)+yita*x_pju1(i,t)/El];%soc约束 con1=[con1,x_pju1(i,t)==pcr*timeu1(i,t)];%充电功率约束 else con1=[con1,x_socu1(i,t)==x_socu1(i,t-1)+yita*x_pju1(i,t)/El]; %soc约束 con1=[con1,sum(lind(k,:))==1, implies(lind(k,1),[x_socu1(i,t-1)>=Scr,0<=x_pju1(i,t)<=pcr*timeu1(i,t)]);%soc大于0.4时充电功率约束 implies(lind(k,2),[x_socu1(i,t-1)<=Scr,x_pju1(i,t)==pcr*timeu1(i,t)])];%soc小于0.4时充电功率约束 end % con1=[con1,0<=x_pju1(i,t)<=pcr*timeu1(i,t)]; end end for i=1:u1sum20 con1=[con1,Slex<=x_socu1(i,24)<=1];%离网soc约束 end con1=[con1,0<=x_socu1<=1];
2.2 发电机启停约束
发电机启停时间约束是编程的一个难点,具体约束表达形式列写在下面,详细与原理可以参见视频讲解部分。
Horizon = size(x,2); C = []; for k = 2:size(x,2) for unit = 1:size(x,1) % indicator 代表机组启停动作 indicator = x(unit,k)-x(unit,k-1); range = k:min(Horizon,k+minup(unit)-1);%约束状态,状态维持不变,开关机至少保持时间范围 % Constraints will be redundant unless indicator = 1 affected = x(unit,range); if strcmp(class(affected),'sdpvar') % 开关机状态约束,只要开机,必然维持最小运转时间 C = [C, affected >= indicator]; end end end
2.3 ADMM算法迭代部分
迭代部分是程序运行的灵魂所在,但是对于模块化编程,这部分确实不好展示,就把模块化代码列在此处,详细信息可以下载程序源码了解。
for i=1:10%循环次数,次数越多越收敛,但是运算时间就长 [PDN,x_pd1,x_pd2,x_pv1,x_pv2,x_pw1,x_pw2]=mp(PAjr,lamr,P2j1,P3j1,P2j2,P3j2,P2j3,P3j3,P2j4,P3j4);%主问题 [P1j1,P2j1,P3j1,PA1t,x_pjd1,x_pju1,x_pjh1,x_socd1,x_socu1,x_soch1]=eva1(PDN,lamr,A1n1,A1n2,A1n3);%子问题1 [P1j2,P2j2,P3j2,PA2t,x_pjd2,x_pju2,x_pjh2,x_socd2,x_socu2,x_soch2]=eva2(PDN,lamr,A2n1,A2n2,A2n3);%子问题2 % [P1j3,P2j3,P3j3,PA3t,x_pjd3,x_pju3,x_pjh3,x_socd3,x_socu3,x_soch3]=eva3(PDN,lamr,A3n1,A3n2,A3n3);%子问题3 [P1j4,P2j4,P3j4,PA4t,x_pjd4,x_pju4,x_pjh4,x_socd4,x_socu4,x_soch4]=eva4(PDN,lamr,A4n1,A4n2,A4n3);%子问题4 PAjr=[P1j1+P2j1+P3j1;P1j2+P2j2+P3j2;P1j3+P2j3+P3j3;P1j4+P2j4+P3j4]; lamr=lamr+pho.*(PDN-PAjr); slp(i)=(sum(sum((PDN-PAjr).*(PDN-PAjr))))^0.5; end
3 程序结果
视频讲解
电动汽车集群并网的分布鲁棒优化模型matlab