1 主要内容

该程序复现博士文章《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》第三章《含多类型充电桩的电动汽车充电站优化配置方法》，本章选择3种典型的电动汽车充电桩，研究了含多类型充电桩的电动汽车充电站优化配置方法。按照充电功率的升序排列，所选取的3种电动汽车充电桩依次代表了慢速充电设施（Slow charging facility，SCF）、快速充电设施（Fast charging facility，FCF）和超级快速充电设施（Ultra-fast charging facility，UCF）。为了处理由多类型充电桩间相互影响导致的条件场景约束，同时降低电动汽车充电站优化配置模型的复杂度，本章提出了针对条件场景约束的二步等价方法，并应用二阶锥松弛技术将混合整数非线性规划问题转化为混合整数二阶锥规划问题。为了检验上述模型与方法的有效性，本章采用江苏地区一个实际的电气-地理信息耦合系统作为算例，通过对比不同电动汽车充电站优化配置方案的年化社会总成本，证明了在优化配置问题中同时考虑多种类型充电桩的意义与价值。

目标函数

约束条件

系统潮流约束
电压幅值约束
支路电流约束
二阶锥约束
电动汽车负荷调度中的数量平衡约束
充电区域选择范围限制
充电桩数量约束

程序亮点

该程序巧妙的将不同类型电动汽车充电站和文中30节点网络优化结合起来，采用二阶锥模型，程序采用整型变量的方式表达备选节点不同类型充电桩数量，同时结合四季和工作日/周末特点，很值得参考学习！

2 部分代码

T = 96;%时段数为1小时
nb = 31;%节点数,根节点为33
nl = 30;%支路数
P1=1e-5.*[500 200 250 180 180 120 240 240 240 240 240 160 160 400 320 300 300 300 300 800 0 80 200 100 60 40 500 200 80 30 0]';
Q1=1e-5.*[300 90 160 90 60 60 80 80 80 120 120 90 100 75 100 125 100 100 100 320 0 40 100 40 25 15 160 120 30 10 0]';
addpath('数据出力');
load pc_jm_w;
load pc_jm_wd;
load px_jm_w;
load px_jm_wd;
load pq_jm_w;
load pq_jm_wd;
load pd_jm_w;
load pd_jm_wd;
load pc_sc_w;
load pc_sc_wd;
load px_sc_w;
load px_sc_wd;
load pq_sc_w;
load pq_sc_wd;
load pd_sc_w;
load pd_sc_wd;
load pc_bg_w;
load pc_bg_wd;
load px_bg_w;
load px_bg_wd;
load pq_bg_w;
load pq_bg_wd;
load pd_bg_w;
load pd_bg_wd;
%电动汽车
prl=100;%容量
cdz=[7 30 60;400 3250 5600;40 325 560;10 10 10];%充电桩数据
cr=106.5;%单位容量增容成本
cl=80;%单位网损费用
plmax=600*1e-4;%线路最大电流
d=0.03;%折现率
num_peak=[1 2 5 1.*ones(1,28)];%测试数据，下为正式数据，运行速度太慢
%num_peak=[30 12 15 11 11 7 14 14 14 14 14 10 10 24 19 18 18 18 18 48 0 5 12 6 4 2 30 12 5 2 0]';%峰值电动汽车停车数量
load arr_jm_w;
load arr_jm_wd;
load arr_sc_w;
load arr_sc_wd;
load arr_bg_w;
load arr_bg_wd;
load stay_jm_w;
load stay_jm_wd;
load stay_sc_w;
load stay_sc_wd;
load stay_bg_w;
load stay_bg_wd;
sty_jd=[2 2 1 3 3 2 1 1 1 1 1 1 1 2 2 2 2 1 1 2 1 3 2 2 3 3 3 1 2 3 1];%节点区域类型
%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=1:31%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;
           st(k)=round(1+95*rand)*0.25;%充电时长
            if st(k)*cdz(1,1)>=prl*(1-soc)
        evjd_w(k,:)=[t,i,soc,0,st(k),1,sty_jd(i)];%时间，节点，soc，充电节点，充电时长，充电桩选择，节点区域类型
            elseif st(k)*cdz(1,1)<=prl*(1-soc) && prl*(1-soc)<=st(k)*cdz(1,2)
        evjd_w(k,:)=[t,i,soc,0,st(k),2,sty_jd(i)];%时间，节点，soc，充电节点，充电时长，充电桩选择，节点区域类型 
            else
        evjd_w(k,:)=[t,i,soc,0,st(k),3,sty_jd(i)];%时间，节点，soc，充电节点，充电时长，充电桩选择，节点区域类型  
            end
%             if gdch(i)~=0
%                 evjd_w(k,4)=gdch(i);
%             end
        k=k+1;
        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 st(k)*cdz(1,1)>=prl*(1-soc)
        evjd_wd(k,:)=[t,i,soc,0,st(k),1,sty_jd(i)];%时间，节点，soc，充电节点，充电时长，充电桩选择，节点区域类型
            elseif st(k)*cdz(1,1)<=prl*(1-soc) && prl*(1-soc)<=st(k)*cdz(1,2)
        evjd_wd(k,:)=[t,i,soc,0,st(k),2,sty_jd(i)];%时间，节点，soc，充电节点，充电时长，充电桩选择，节点区域类型 
            else
        evjd_wd(k,:)=[t,i,soc,0,st(k),3,sty_jd(i)];%时间，节点，soc，充电节点，充电时长，充电桩选择，节点区域类型  
            end
%             if gdch(i)~=0
%                 evjd_wd(k,4)=gdch(i);
%             end
        k=k+1;
        end
    end
    end
end