150文章解读与程序——SCI《考虑充电需求差异性的电动汽车协同充放电调度方法》已提供下载资源

👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆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

大量电动汽车(EV)的不协调充电会 导致峰值负荷的大幅激增,这将进一步影响电力系统的运行。因此 ,本研究提出了一种微电网中电动汽车的协调充电调度方法,以将负荷需求从高峰期转移到低谷期.在所提出的方法中基于充电紧迫性指标选择电动汽车的充电模式,该指标可以反映不同的充电需求。然后建立协调充电调度优化模型,以最小化整体峰谷负荷差异。对慢速充电电动汽车、快速充电电动汽车和微电网运行考虑了各种限制。此外,蒙特卡罗模拟(MCS)被 用来模拟电动汽车的随机性结果揭示了电动汽车车主的充电模式选择以及微电网运行的削峰填谷。因此,该模型可以支持更友好的电力供需互动,以适应电动汽车的日益普及和柔性微电网的快速发展。

部分代码展示：

%统计家庭充电模式下EV信息表
function [] = printHomeEV(EV)

    init;%获取全局变量
    
    f = figure;%生成图窗
%     sgtitle('家庭充电模式EV信息');%图标题
    set(gcf,'position',[250 100 1000 600]);%设置图窗大小
    
    %绘制以15分钟为间隔计数的EV到达时刻频数分布直方图
    subplot(2,3,1);
    N = zeros(96,1);
    C = tabulate(EV.J_c(:));%对每个元素进行统计
    N(C(:,1))=N(C(:,1))+C(:,2);
    bar(1-0.5:1:96-0.5,N,1);%绘图   
    title('EV接入时隙频数直方图');%图标题
    xlabel('Arrival time slots');%x轴单位
    ylabel('frequency ');  %y轴单位
    set(gca,'xtick',0:12:96); %x轴刻度
    
    %绘制以1小时为间隔计数的EV到达时刻的频率分布直方图,并叠加画出家庭充电模式的概率密度函数 
    subplot(2,3,2);   
    N = histcounts(EV.t_c,0:1:24);%按照一个小时的区间计数，赋给N
    bar(0.5:1:23.5,N/sum(N),1);%显示直方图
    hold on;
    %画出家庭充电模式的概率密度函数 
    x = [0.001:0.001:24];%采样密度
    y = normpdf(x,mu_1tc,sigma_1tc).*( mu_1tc-12<x & x<=24 )+...
        normpdf(x+24,mu_1tc,sigma_1tc).*( 0<x & x<=mu_1tc-12 );%论文中描述的概率密度函数
    plot(x,y,'LineWidth',2,'Color','red');%画粗的红线       
    title('EV接入时刻频率直方图');%图标题
    xlabel('Arrival time (h)');%x轴单位
    ylabel('probability');  %y轴单位
    %set(gca,'xtick',0:1:24); %x轴刻度
    legend('Collected Data','PDF');%增加图例
    legend('Location','northwest');%图例放在左上角
       
    %绘制以15分钟为间隔计数的EV离开时刻频数分布直方图
    subplot(2,3,4);
    N = zeros(96,1);
    C = tabulate(EV.J_dis(:));%对每个元素进行统计
    N(C(:,1))=N(C(:,1))+C(:,2);
    bar(1-0.5:1:96-0.5,N,1);%绘图  
    title('EV离开时隙频数直方图');%图标题
    xlabel('Departure time slots');%x轴单位
    ylabel('frequency ');  %y轴单位
    set(gca,'xtick',0:12:96); %x轴刻度
    %set(gca,'position',[0.05,0.08,0.30,0.37]);
    
    %绘制以1小时为间隔计数的EV离开时刻的频率分布直方图,并叠加画出家庭充电模式的概率密度函数 
    subplot(2,3,5);
    N = histcounts(EV.t_dis,0:1:24);%按照一个小时的区间计数，赋给N
    bar(0.5:1:23.5,N/sum(N),1);%显示直方图
    hold on;
    %画出家庭充电模式的概率密度函数 
    x = [0.01:0.01:24];
    y = normpdf(x,mu_1tdis,sigma_1tdis).*( 0<x & x<=mu_1tdis+12 )+...
        normpdf(x-24,mu_1tdis,sigma_1tdis).*( mu_1tdis+12<x & x<=24 );
    plot(x,y,'LineWidth',2,'Color','red');   
    title('EV接入时刻频率直方图');%图标题
    xlabel('Departure time (h)');%x轴单位
    ylabel('probability');  %y轴单位
    %set(gca,'xtick',0:1:24); %x轴刻度
    legend('Collected Data','PDF');%增加图例
    legend('Location','northeast');%图例放在右上角

    %绘制电池状态的频率分布直方图，并叠加画出对应概率密度函数
    subplot(2,3,[3 6]);
    scatter(1:size(EV),EV.SOC_con,'filled');
    hold on;
    scatter(1:size(EV),EV.SOC_min,'filled');
    hold on;
    scatter(1:size(EV),EV.SOC_max,'filled');
    hold on;    
    title('EV电池SOC频率直方图');%图标题
    ylabel('SOC (%)'); %x轴单位
    xlabel('i-th EV');  %y轴单位
    %xlim([-10,size(EV)+10]);%对X轴设定显示范围 
    legend('con','min','max');%增加图例
    legend('Location','northwest');%图例放在左上角
    
    %立即绘制
    hold off;
end

效果展示：

150号资源-源程序：《考虑充电需求差异性的电动汽车协同充放电调度方法》本人博客有解读资源-CSDN文库https://download.csdn.net/download/LIANG674027206/89652650👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆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