在matlab中利用蒙特卡洛抽样电动汽车无序充电负荷

目录

目录

简述

整体计算流程

总体负荷功率

总结

---

简述

当大规模电动汽车接入电网中特别是无序充电必定会引起一系列的问题：加大峰谷差，引起电压波动、供需不平衡、电网谐波污染等，因此需要对大规模电动汽车充放电进行引导，动态调正充电功率和时间，达到削峰填谷的作用。

蒙特卡罗方法又称统计模拟法、随机抽样技术，是一种随机模拟方法，以概率和统计理论方法为基础的一种计算方法，是使用随机数(或更常见的伪随机数)来解决很多计算问题的方法。将所求解的问题同一定的概率模型相联系，用电子计算机实现统计模拟或抽样，以获得问题的近似解。为象征性地表明这一方法的概率统计特征，故借用赌城蒙特卡罗命名，利用蒙特卡洛进行电动汽车无序充电负荷预测。

整体计算流程

首先EV用户群行驶里程负荷对数正太分布图，可以在matlab中利用其函数做出；

us_M;
ds_M;
P=lognrnd(us_M,ds_M);

提示：其均值和标注差可根据统计数值得到

在设定有一定数量的电动汽车时，可以画出相应的概率图：

f_m=lognpdf(n,us_M,ds_M);

根据概率密度函数得出分布函数图像：

F_m=logncdf(n,us_M,ds_M);

其次出行时间负荷正太分布，从一天24小时来整体观成；

  if xx>us_T-12 && xx<=24
        T=round(normrnd(us_T,ds_T ));
      if 25<=T && T<30
             T=T-24;
      end

    else
        T=round(normrnd(-(24-us_T),ds_T ));
        if T <=0
             T=24+T;
        end
    end

提示：其均值和标注差可根据统计数值得到

根据matlab里的函数得出概率密度函数：

if n>us_T-12 && n<=24
        f_t(n)=normpdf(n,us_T,ds_T);
    else
        f_t(n)=normpdf(n+24,us_T,ds_T);
    end

根据概率密度函数得出分布函数图像：

 F_t(n)=F_t(n-1)+f_t(n);

总体负荷功率

根据以上所得行驶里程和充电时间，再根据相关电动汽车的充电功率和效率，得出结束充电时间，相关时间功率累加，及得出24小时最终功率图。

充电花费时间根据公式得出：

充电时间为(行驶距离*百公里耗电量)/(100*充电功率）

 充电总时间为开始时间+结束时间

 T_sum=T_star+T_char; %充电结束时间

电动汽车总体行驶里程集中分布在50km,短距离行驶，几乎上下班 

在下午18点左右负荷累计最高，对电网峰谷时间段造成巨大损害 

 

总结

还可以通过多种不同类型的电动汽车进行仿真预测，对不同程度的电动汽车负荷估计，可以通过相应的修改代码完成