本文主要是介绍Matlab|基于V图的配电网电动汽车充电站选址定容-可视化,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
1主要内容
基于粒子群算法的电动汽车充电站和光伏最优选址和定容
关键词:选址定容 电动汽车 充电站位置
仿真平台:MATLAB
主要内容:代码主要做的是一个电动汽车充电站和分布式光伏的选址定容问题,提出了能够计及地理因素和服务半径的2步筛选法,以此来确定充电站的候选站址。以规划期内充电站的建设运行成本、充电途中耗时成本、网损费用以及考虑碳排放流成本之和最小为目标,考虑了相关的约束条件,构造了电动汽车充电站最优规划的数学模型,并采用粒子群算法快速求解!
可结合下图文献学习(注:程序备注不多,适合有编程经验同学)。
2程序结果
3部分程序
function [Fcost,CCS,fcs,ucs,NchI,Ep,CVT,CVTI,CDL,f]=VorCostCDEV(x,y,b,bcs,BL,X) % x=X(1:Tn,pk);y=X(Tn+1:end,pk);b=bb;bcs=bcs(1,:);BL=BL; %% 说明:计算电动汽车规划目标函数,即适应值 %输入 %x,y为充电站坐标;为外界交互变换参数。x和y保证是列矩阵。 %b为充电需求点坐标和充电需求,第1,2列为横坐标和纵坐标,第3列为充电需求,为固定参数; %bcs为配送区域的集中充电站坐标,第1,2列为横、纵坐标。 %BL为图坐标与实际坐标的比例,为固定参数。 %输出 %Fcost为年社会成本 %CCS为建设运行成本 %fcs为固定建设成本 %ucs为运行管理成本,取fcs的0.1 %NchI为各充电站规模,即充电机数量 %Ep为个充电站服务的快充车辆数,即充电需求 %CVT为用户充电途中耗时成本 %CVTI为各充电站的用户充电途中耗时成本 Rz=(rr*(1+rr).^ms)./((1+rr).^ms-1); mui=0.6; dr=1; m=1.5; Ep=[]; vv=VoronoiArea([x,y],3); [va,~]=size(vv);vv(find(isnan(vv),2))=500*rand; bax=b; for k=1:length(x)Ai=find(vv(:,3)==k);xx=vv(Ai,1);yy=vv(Ai,2);kk=convhull(xx,yy); in=inpolygon(bax(:,1),bax(:,2),xx(kk),yy(kk));bax(in,4)=k; end f=zhiliupf33(X); for i=1:length(x)gb=bax(bax(:,4)==i,:);Ep=[Ep;[sum(gb(:,3)),i]]; dtI=sqrt(((gb(:,1))-x(i)).^2+((gb(:,2))-y(i)).^2).*BL;if all((lmd.*dtI>dmax)==0)==0dp=1e5;elsedp=0; end CVTI(i,:)=(1+dp).*365.*beta.*(sum(gb(:,3).*lmd.*dtI)./(v*1e3)); end
下载链接
这篇关于Matlab|基于V图的配电网电动汽车充电站选址定容-可视化的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!