互动环境下分布式电源与电动汽车充电站的优化配置方法研究-全文复现matlab

简介: 互动环境下分布式电源与电动汽车充电站的优化配置方法研究-全文复现matlab

一、主要内容

本程序包含论文二、三、四、五共五章算例内容,每章内容如下:

第二章的主要研究内容为计及光伏电站快速无功响应特性的分布式电源优化配置方法。考虑越来越多的敏感负荷接入配电系统,以及 PV-STATCOM 这一将光伏逆变器用作 STATCOM 以提供快速无功响应功能的新技术,本章提出了一类加权电压支撑能力指标以量化光伏电站在紧急状态下对敏感负荷节点电压恢复效率的影响,并将其嵌入到分布式电源优化配置模型中。对应的算例结果表明,基于这一改进模型得到的分布式电源配置方案可以有效提高瞬时故障后重要电力节点的电压恢复效率,减少电压暂降等电能质量问题给敏感负荷带来的损失。

 

第三章的主要研究内容为含多类型充电桩的电动汽车充电站优化配置方法。随着电动汽车快充技术的发展,越来越多的不同类型不同功率的充电设施接入了配电系统。这些充电设施在满足电动汽车车主多样化的充电需求的同时,也改变了电动汽车负荷的时空分布情况,从而给电动汽车充电站的优化配置带来了新的挑战。基于这一新趋势,本章提出了一种含多类型充电桩的电动汽车充电站优化配置模型,及其相应的简化处理方法,并分析了同时配置多种功率充电桩所带来的经济效益。

第四章的主要研究内容为考虑充电负荷空间可调度特性的分布式电源与电动汽车充电站联合配置方法。随着手机、平板电脑等移动智能终端的普及,以及无线通讯技术的发展,越来越多的汽车车主依赖于实时导航技术决定自己的驾驶及泊车行为。对电动汽车而言,泊车地点在很大程度上决定了其充电行为的发生处所,即对应的充电负荷的接入位置。基于这一背景,本章认为实时导航技术的普及使得电动汽车负荷在一定程度上、一定空间范围内是可调度的,并建立了相应的分布式电源与电动汽车充电站联合配置模型,分析了这种空间可调度特性对分布式电源与电动汽车充电站配置方案的影响。

第五章的主要研究内容为单向/双向 V2G 环境下分布式电源与电动汽车充电站联合配置方法。V2G 技术的发展使得电动汽车负荷成为一类可控的资源,能够为电网运行提供峰荷转移、电压调节、旋转备用等诸多类型的辅助服务。这一技术的出现,大大增加了电动汽车与电网间的互动频率及互动深度,对传统的分布式电源与电动汽车充电站优化配置方法形成了挑战。基于这一背景,本章提出了单向/双向 V2G 环境下分布式电源与电动汽车充电站联合配置模型,分别分析了无序充电模式、单向 V2G 模式、双向 V2G模式对分布式电源与电动汽车充电站配置方案的影响。

二、部分代码

%构建负荷矩阵
for i=1:nb
   if sty_jd(i)==1
       pload(i,1:T)=P1(i).*pc_jm_w;%春 工作日
       pload(i,T+1:2*T)=P1(i).*pc_jm_wd;%春 周末
       pload(i,2*T+1:3*T)=P1(i).*px_jm_w;%夏 工作日
       pload(i,3*T+1:4*T)=P1(i).*px_jm_wd;%夏 周末
       pload(i,4*T+1:5*T)=P1(i).*pq_jm_w;%秋 工作日
       pload(i,5*T+1:6*T)=P1(i).*pq_jm_wd;%秋 周末
       pload(i,6*T+1:7*T)=P1(i).*pd_jm_w;%冬 工作日
       pload(i,7*T+1:8*T)=P1(i).*pd_jm_wd;%冬 周末
   elseif sty_jd(i)==2
       pload(i,1:T)=P1(i).*pc_sc_w;%春 工作日
       pload(i,T+1:2*T)=P1(i).*pc_sc_wd;%春 周末
       pload(i,2*T+1:3*T)=P1(i).*px_sc_w;%夏 工作日
       pload(i,3*T+1:4*T)=P1(i).*px_sc_wd;%夏 周末
       pload(i,4*T+1:5*T)=P1(i).*pq_sc_w;%秋 工作日
       pload(i,5*T+1:6*T)=P1(i).*pq_sc_wd;%秋 周末
       pload(i,6*T+1:7*T)=P1(i).*pd_sc_w;%冬 工作日
       pload(i,7*T+1:8*T)=P1(i).*pd_sc_wd;%冬 周末
   else
       pload(i,1:T)=P1(i).*pc_bg_w;%春 工作日
       pload(i,T+1:2*T)=P1(i).*pc_bg_wd;%春 周末
       pload(i,2*T+1:3*T)=P1(i).*px_bg_w;%夏 工作日
       pload(i,3*T+1:4*T)=P1(i).*px_bg_wd;%夏 周末
       pload(i,4*T+1:5*T)=P1(i).*pq_bg_w;%秋 工作日
       pload(i,5*T+1:6*T)=P1(i).*pq_bg_wd;%秋 周末
       pload(i,6*T+1:7*T)=P1(i).*pd_bg_w;%冬 工作日
       pload(i,7*T+1:8*T)=P1(i).*pd_bg_wd;%冬 周末
   end
end
qload=repmat(Q1,1,8*T);
num_w=[];num_wd=[];
for i=1:nb%分别计算工作日和周末时序停车数量
    if sty_jd(i)==1
    num_w(i,:)=round(num_peak(i).*arr_jm_w./max(arr_jm_w));
    num_wd(i,:)=round(num_peak(i).*arr_jm_wd./max(arr_jm_wd));
    %停车时长分布,样本数量不足,没法用停车时长概率曲线来计算,随机产生停车时长
    elseif sty_jd(i)==2
    num_w(i,:)=round(num_peak(i).*arr_sc_w./max(arr_sc_w));
    num_wd(i,:)=round(num_peak(i).*arr_sc_wd./max(arr_sc_wd));
    else
    num_w(i,:)=round(num_peak(i).*arr_bg_w./max(arr_bg_w));
    num_wd(i,:)=round(num_peak(i).*arr_bg_wd./max(arr_bg_wd));
    end
end
%建立节点电动汽车矩阵
sum_num_w=sum(num_w);
sum_num_wd=sum(num_wd);
max_num=max(sum_num_w,sum_num_wd);
% k=1;
% for t=1:T
%     k1=1;
%     for i=1:nb
%         if stay_time_w(i,t)~=0%计算每个电动汽车的充电时长
%             for y=1:stay_time_w(i,t)
%                 st(k1,t)=t*0.25;
%             end
%             k1=k1+1;
%         end
%     end
% end
k=1;
for t=1:T
    for i=1:nb
    if num_w(i,t)~=0
       for jj=1:num_w(i,t)
           soc=rand;%(0,1)均匀分布
           st(k)=round(1+95*rand)*0.25;%充电时长
            if soc<0.9
                linf=find(distance(i,:)==min(distance(i,:)));
        evjd_w(k,:)=[t,i,soc,linf(1),min(st(k),prl*(1-soc)/pev),sty_jd(i),min(distance(i,:))];%时间,节点,soc,充电节点,充电时长,节点区域类型,调度距离
                k=k+1;
            end
%             if gdch(i)~=0
%                 evjd_w(k,4)=gdch(i);
%             end
 
 
        end
    end
    end
end
%周末情况
 k=1;
for t=1:T
    for i=1:nb
    if num_w(i,t)~=0
       for jj=1:num_w(i,t)
           soc=rand;
           st(k)=round(1+95*rand)*0.25;%充电时长
            if soc<0.9
                linf=find(distance(i,:)==min(distance(i,:)));
        evjd_wd(k,:)=[t,i,soc,linf(1),min(st(k),prl*(1-soc)/pev),sty_jd(i),min(distance(i,:))];%时间,节点,soc,充电节点,充电时长,节点区域类型,调度距离
                k=k+1;
            end
%             if gdch(i)~=0
%                 evjd_wd(k,4)=gdch(i);
%             end
 
 
        end
    end
    end
end
 
 
%% 1.设参
branch = mpc.branch;
branch(:,3) = branch(:,3)*100/(12.66^2);%求阻抗标幺值
r=real(branch(:,3));
x=imag(branch(:,3));
r=r(1:32);
x=x(1:32);
upstream=zeros(nb,nl);%代表流入节点支路
dnstream=zeros(nb,nl);%代表流出节点支路
for i=1:32
    upstream(i,i)=1;
end
for i=[1:16,18:20,22:23,25:31]
    dnstream(i,i+1)=1;
end
dnstream(1,18)=1;
dnstream(2,22)=1;
dnstream(5,25)=1;
dnstream(33,1)=1;
 
 
Vmax=[1.05*1.05*ones(32,1);1.05*1.05*ones(1,1)];
Vmin=[0.95*0.95*ones(32,1);1.05*1.05*ones(1,1)];
Pgmax=[zeros(32,1);100.*ones(1,1)];
Qgmax=[zeros(32,1);100.*ones(1,1)];
%定义变量
V = sdpvar(nb,8*T);%电压的平方
I = sdpvar(nl,8*T);%电流的平方
P = sdpvar(nl,8*T);%线路有功
Q = sdpvar(nl,8*T);%线路无功
Pg = sdpvar(nb,8*T);%发电机有功
Qg = sdpvar(nb,8*T);%发电机无功
Nev = intvar(7,1);%备选节点充电桩数量
Npv = intvar(8,1);%光伏节点安装数量
%pv = sdpvar(nb,8*T);
qv = sdpvar(nb,8*T);
%sv = sdpvar(nb,8*T);
Ng = intvar(8,1);%燃气轮机安装数量
pg = intvar(nb,8*T);
Constraints = [];
%工作日充电桩情况
s_sumev=zeros(7,T);
[at,~]=size(evjd_w);
for k=1:at
  for i=1:7
   for t=1:T
       if evjd_w(k,4)==i && evjd_w(k,1)==t
        s_sumev(i,t)=s_sumev(i,t)+1;%计算节点充电电动汽车数量
       end
   end
  end
end
%周末充电站情况
s_sumevd=zeros(7,T);
[at,~]=size(evjd_wd);
for k=1:at
  for i=1:7
   for t=1:T
       if evjd_wd(k,4)==i && evjd_wd(k,1)==t
        s_sumevd(i,t)=s_sumevd(i,t)+1;%计算节点充电电动汽车数量
       end
   end
  end
end

三、程序链接

有需要的可以留言。

相关文章
|
1天前
|
机器学习/深度学习 算法 数据可视化
m基于PSO-LSTM粒子群优化长短记忆网络的电力负荷数据预测算法matlab仿真
在MATLAB 2022a中,应用PSO优化的LSTM模型提升了电力负荷预测效果。优化前预测波动大,优化后预测更稳定。PSO借鉴群体智能,寻找LSTM超参数(如学习率、隐藏层大小)的最优组合,以最小化误差。LSTM通过门控机制处理序列数据。代码显示了模型训练、预测及误差可视化过程。经过优化,模型性能得到改善。
14 6
|
1天前
|
算法 调度
基于变异混合蛙跳算法的车间调度最优化matlab仿真,可以任意调整工件数和机器数,输出甘特图
**摘要:** 实现变异混合蛙跳算法的MATLAB2022a版车间调度优化程序,支持动态调整工件和机器数,输出甘特图。核心算法结合SFLA与变异策略,解决Job-Shop Scheduling Problem,最小化总完成时间。SFLA模拟蛙群行为,分组进行局部搜索和全局信息交换。变异策略增强全局探索,避免局部最优。程序初始化随机解,按规则更新,经多次迭代和信息交换后终止。
|
1月前
|
数据安全/隐私保护
耐震时程曲线,matlab代码,自定义反应谱与地震波,优化源代码,地震波耐震时程曲线
地震波格式转换、时程转换、峰值调整、规范反应谱、计算反应谱、计算持时、生成人工波、时频域转换、数据滤波、基线校正、Arias截波、傅里叶变换、耐震时程曲线、脉冲波合成与提取、三联反应谱、地震动参数、延性反应谱、地震波缩尺、功率谱密度
基于混合整数规划的微网储能电池容量规划(matlab代码)
基于混合整数规划的微网储能电池容量规划(matlab代码)
|
1月前
|
算法 调度
含多微网租赁共享储能的配电网博弈优化调度(含matlab代码)
含多微网租赁共享储能的配电网博弈优化调度(含matlab代码)
|
1月前
|
Serverless
基于Logistic函数的负荷需求响应(matlab代码)
基于Logistic函数的负荷需求响应(matlab代码)
|
1月前
|
供应链 算法
基于分布式优化的多产消者非合作博弈能量共享(Matlab代码)
基于分布式优化的多产消者非合作博弈能量共享(Matlab代码)
|
1月前
|
算法 调度
基于多目标粒子群算法冷热电联供综合能源系统运行优化(matlab代码)
基于多目标粒子群算法冷热电联供综合能源系统运行优化(matlab代码)
|
1月前
|
算法 调度 SoC
电动汽车充放电V2G模型(Matlab代码)
电动汽车充放电V2G模型(Matlab代码)
|
1月前
|
算法
【免费】基于ADMM算法的多微网电能交互分布式运行策略(matlab代码)
【免费】基于ADMM算法的多微网电能交互分布式运行策略(matlab代码)

热门文章

最新文章