82文章解读与程序——EI\CSCD\北大核心《电动汽车充电负荷时空分布预测》已提供下载资源

电网论文源程序

已于 2024-04-29 11:18:52 修改

阅读量974

点赞数 33

分类专栏：论文与完整源程序文章标签：程序

于 2024-04-25 08:15:00 首次发布

本文链接：https://blog.csdn.net/LIANG674027206/article/details/137881519

版权

论文与完整源程序专栏收录该内容

239 篇文章 225 订阅

订阅专栏

👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆下载资源链接👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆

《《《《《《《《更多资源还请持续关注本专栏》》》》》》》

论文与完整源程序_电网论文源程序的博客-CSDN博客https://blog.csdn.net/liang674027206/category_12531414.html

电网论文源程序-CSDN博客电网论文源程序擅长文章解读,论文与完整源程序,等方面的知识,电网论文源程序关注python,机器学习,计算机视觉,深度学习,神经网络,数据挖掘领域.https://blog.csdn.net/LIANG674027206?type=download

可参考文档：

基于动态交通信息的电动汽车充电负荷时空分布预测

基于动态交通信息的电动汽车充电需求预测模型及其对配网的影响分析

考虑多源信息实时交互和用户后悔心理的电动汽车充电负荷预测电动汽车充电负荷预测是研究电动汽车与电网互动的重要前提。针对交通路网信息对电动汽车行驶规律的影响，考虑电动汽车的交通工具特性和移动负荷特性，提出了一种基于动态交通信息的电动汽车充电负荷时空分布预测方法。该方法首先针对城市路网多交叉口特征，提出建立考虑路段阻抗和节点阻抗的动态路网模型。并根据路网规模确定了相应的交通网-配电网的交互模型。其次引入OD矩阵分析方法和实时Dijkstra动态路径搜索算法为电动汽车分配起止节点和规划行驶路径，模拟其动态行驶过程和充电行为。最后设计了电动汽车路径规划实验和典型区域实际路网充电负荷预测实验。结果表明，电动汽车充电负荷在不同功能区域分布存在差异且时间分布上不均匀，验证所提方法的有效性和可行性。

部分代码展示：

function mpcModel = fcnSetStageParam( imput )
	% iteration: Total hours to be considered;
	% horizon: prediction horizon;
	%snd_from_fst: data needed from the first layer;
%% Do not modify this part
tol_opt       = 1e-8;
opt_option    = 1; 
iprint        = 5;
[tol_opt, opt_option, iprint, printClosedloopDataFunc]...
    = fcnChooseAlgorithm(tol_opt, opt_option, iprint, @printClosedloopData);
%Do not modify this part END

	if strcmp( imput , 'fst')
        % MPC Parameters
        mpcModel.name = 'fst';
		mpcModel.iter = 24*2; %7days: 168
		mpcModel.horizon = 48; %48 as default
        % Variable Inicitialization
        mpcModel.u0      = repmat( [4.99999;0.00001], 1, mpcModel.horizon ); %2 initial control variables
        mpcModel.xmeasure    = [0.000, 50]; %2 initial state
        % Optimization Alrogithm
        mpcModel.option = fcnChooseOption(opt_option, tol_opt, mpcModel.u0);
        % Funcitions
        mpcModel.costfunction = @costfunction ;
        mpcModel.nonlinearconstraints = @nonlinearconstraints ;
        mpcModel.runningcosts = @runningcosts;
        mpcModel.terminalcosts = @terminalcosts;
        mpcModel.nl_constraints = @nl_constraints;
        mpcModel.nl_terminalconstraints = @nl_terminalconstraints;
        mpcModel.l_constraints = @l_constraints;
        mpcModel.system_model = @system_model;
        %System Models:
        mpcModel.battery = batteryModel();
        %Recording Parameters:
        mpcModel.u = [];
        mpcModel.x = [];
        mpcModel.f = [];
        % Print Settings
        mpcModel.iprint = iprint;
        mpcModel.printClosedloopData = printClosedloopDataFunc;
        
    elseif strcmp( imput , 'snd')
        % MPC Parameters
        mpcModel.name = 'snd';
		mpcModel.from_fst = 2; %2
		mpcModel.iter = 12; %12
		mpcModel.horizon = 12; %12
        % Funcitions
        mpcModel.costfunction = @snd_costfunction;
        mpcModel.nonlinearconstraints = @snd_nonlinearconstraints;
        mpcModel.runningcosts = @snd_runningcosts;
        mpcModel.terminalcosts = @snd_terminalcosts;
        mpcModel.nl_constraints = @snd_nl_constraints;
        mpcModel.nl_terminalconstraints = @snd_nl_terminalconstraints;
        mpcModel.l_constraints = @snd_l_constraints;
        mpcModel.system_model = @snd_system_model;
        % System Models
        mpcModel.battery = batteryModel();
        %Recording Parameters:
        mpcModel.x = [];
        mpcModel.u = [];
        
        % Print Settings
        mpcModel.iprint = iprint;
        mpcModel.printClosedloopData = printClosedloopDataFunc;
        
        mpcModel.flag = 0;  
    else
        error('Parameter setting is wrong. Please check your input');
	end
end

效果展示：