电动汽车电池换电站选址与定容（Matlab代码实现）

news2024/11/16 13:02:40

💥💥💥💞💞💞欢迎来到本博客❤️❤️❤️💥💥💥
🎉作者研究：🏅🏅🏅主要研究方向是电力系统和智能算法、机器学习和深度学习。目前熟悉python网页爬虫、机器学习、群智能算法、深度学习的相关内容。希望将计算机和电网有效结合！⭐️⭐️⭐️
🏆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。
📝目前更新：🌟🌟🌟电力系统相关知识，期刊论文，算法，机器学习和人工智能学习。
🚀支持：🎁🎁🎁如果觉得博主的文章还不错或者您用得到的话，可以关注一下博主，如果三连收藏支持就更好啦！这就是给予我最大的支持！

📋📋📋本文目录如下：⛳️⛳️⛳️

目录

1 概述

2 运行结果

2.1 电动汽车充电最大效用

2.2 电池换电站选址选址

2.3 EVs_4kw

2.4 EVs_7kW

2.5 no_EVs

2.6 最佳距离

3 参考文献

4 Matlab代码实现

1 概述

随着电动汽车保有量的逐年增长,城市中电动汽车充换电基础设施的建设覆盖率越来越广，充换电基础设施的选址定容规划更是成为了城市交通网络规划建设中不可或缺的重要组成部分。本文对于“集中充电、统一配送”的换电模式下电池换电站的选址定容规划问题作出研究与探讨，对该模式下充换电基础设施的选址定容规划问题进行进一步研究与完善。与插充模式不同，换电模式需要考虑集中充电站与电池换电站的共同影响，从而进行电池换电站的选址定容规划。

电池换电站的选址定容规划问题须先考虑当地的电动汽车日充换电需求负荷，因此本文围绕电动汽车日充电负荷预测问题，首先介绍了基于有序充电策略的四类不同用途电动汽车的充电行为模式，采用蒙特卡洛法分别随机抽取电动汽车的起始充电时间分布和日行驶里程数，计算出车辆的起始荷电状态和充满电所需时长，分别得出四类电动汽车的日充电总负荷，并对这四类电动汽车的日充电总负荷进行叠加进而得出总的电动汽车日充电负荷。

2 运行结果

2.1 电动汽车充电最大效用

2.2 电池换电站选址选址

2.3 EVs_4kw

2.4 EVs_7kW

2.5 no_EVs

2.6 最佳距离

部分代码：

%% 可视化

%电流 / 载流量
figure
bar(peak_line_currents)
hold on
plot(1:length(peak_line_currents), ones(size(peak_line_currents)), 'k--')
axis([1 length(peak_line_currents) 0 1.5])
xlabel('线路数')
ylabel('电流 / 载流量')
grid on


% 负载电压
figure
bar(peak_node_voltages,'BaseValue',1)
hold on
plot(1:length(peak_node_voltages), 1.1* ones(size(peak_node_voltages)), 'k--')
plot(1:length(peak_node_voltages), 0.9* ones(size(peak_node_voltages)), 'k--')
axis([1 length(peak_node_voltages) 0.8 1.2])
xlabel('负载数')
ylabel('电压 (p.u.)')
grid on

%变压器视在功率
figure
plot(1:length(trafo_power), trafo_power)
hold on
plot(1:length(trafo_power), 0.8 * ones(1,length(trafo_power)), 'k--')
xlim([1 length(trafo_power)])
xlabel('时间(min)')
ylabel({'变压器', '视在功率(MVA)'})
grid on