车-电-路网时空分布负荷预测研究（Matlab代码）

news2025/1/19 14:24:13

💥💥💞💞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

电动汽车作为交通工具和移动负荷的载体，其出行分布和路径规划会受到交通信息的影响，而充

电需求和充电策略会影响电网经济性与安全运行，因此建立图1所示的路网-配电网-车网交互模型分析EV充电负荷的时空分布。

在建立各个模型后，下图给出了充电负荷时空分布预测具体流程。

由图3可知，充电负荷时空分布预测流程如下。

1) 首先按一定比例在各交通节点引入不同类型电动汽车数量；

2) 通过蒙特卡洛模拟为各EV随机抽样生成相应的行驶特性参数和充电特性参数；

3) EV用户按照行程时间最小为目标，采用实时Dijkstra算法规划的路径进行行驶，并实时更新特性

参数；

4) 通过用电区域功能类型划分，对该区域充电的EV功率进行累加计算得到区域配网节点负荷，完

成整体充电负荷时空预测。

📚2 运行结果

运行视频：

车-电-路网负荷预测（Matlab代码）

部分代码：

%% 创建汽车MC信息矩阵
Mcar=zeros(sumNcar,6); %生成Mcar=sumNcar*6阶矩阵用来储存每辆车的信息，依次为，车辆编号Mcar(:,1)、车辆种类Mcar(:,2)，1私家车，2出租车，3公交车
%1
Mcar(:,1)=1:sumNcar; %给sumNcar辆汽车依次进行编号
%2
carkind=ceil(100*rand(sumNcar,1));
for i=1:sumNcar
if carkind(i)<=Per_car(1) %carkind(i)<=25的私家车，即生成25%的私家车
carkind(i)=1;
elseif carkind(i)<=Per_car(1)+Per_car(2) %25<Per_car(1)+Per_car(2)<=70的出租车，即生成百分之45的出租车
carkind(i)=2;
else %等价于70<Per_car(1)+Per_car(2)<=100的出租车，即生成百分之30的出租车
carkind(i)=3;
end
end
Mcar(:,2)=carkind; %给sumNcar辆汽车依次进行种类编号
%34
%OD节点概率向量 ,建立OD出行概率矩阵
Pod=ones(1,32)/32; %创建一个1*32阶的全1矩阵，并将元素都除以32变成1*32阶的全00313矩阵
Pod_arry=zeros(1,10000); %创建一个1*10000阶的全1矩阵
Pod_arry(1:ceil(10000*Pod(1)))=1; %Pod(1)=0.0313 ， 10000*Pod(1)=312.5000 ，ceil(10000*Pod(1))=313 ，Pod_arry(1:ceil(10000*Pod(1)))=1相当于将Pod_arry第1-313列的元素全部换为1
for i=2:32
Pod_arry(ceil(10000*sum(Pod(1:i-1)))+1:ceil(10000*sum(Pod(1:i))))=i;
%当i=2时，Pod(1:i-1)=Pod(1:1)=0.0313，sum(Pod(1:i-1))=0.0313，ceil(10000*sum(Pod(1:i-1)))=313
%当i=2时，Pod(1:i)=Pod(1:2)=【0.0313,0.0313】，sum(Pod(1:i))=0.0625，ceil(10000*sum(Pod(1:i)))=625
%当i=2时，Pod_arry(ceil(10000*sum(Pod(1:i-1)))+1:ceil(10000*sum(Pod(1:i))))=i ，即为Pod_arry(313+1:625)=2，相当于将Pod_arry第314-625列的元素全部换为1
%同理依次退出i=3 ,i=4 , ...... , i=32 ;
%1*10000阶的矩阵Pod_arry，其中最大的元素也就是i=32
end
Mcar(:,3)=Pod_arry(randperm(10000,sumNcar))'; %确定EV初始位置Mcar(:,3)
Mcar(:,4)=Pod_arry(randperm(10000,sumNcar))'; %确定EV目的地Mcar(:,4)
% 5678
Mcar(:,5)=6+2*rand(sumNcar,1); %初始时刻Mcar(:,5)，这个初试出发时刻不应该这么随机生成，应该参考文献服从正态分布函数公式来吧
Mcar(:,6)=18+2*rand(sumNcar,1); %返程时刻Mcar(:,6)，同理这个返程时刻，想想应该怎么办
Mcar(:,7)=200+100*rand(sumNcar,1); %ev容量，这个ev容量确定的也不合理
Mcar(:,8)=normrnd(0.3,0.1,[sumNcar,1]); %生成服从正态分布的初始soc
Mcar(:,9)=normrnd(40,1,[sumNcar,1]); %生成服从正态分布的速度，这个速度的生成是不是有点不合理