【优化布局】基于粒子群算法的充电站最优布局

最新推荐文章于 2024-06-25 11:13:32 发布

Matlab科研辅导帮

最新推荐文章于 2024-06-25 11:13:32 发布

阅读量1.5k

点赞数

文章标签：算法机器学习 python 大数据深度学习

某大厂资深算法工程师，从事Matlab算法仿真工作10年,擅长智能优化算法、神经网络预测、机器学习、信号处理、元胞自动机、图像处理、路径规划、无人机、无线传感器网络、车间调度、生产调度等多种领域的Matlab仿真，更多仿真源码、算法改进、Matlab项目和期刊发表可私信合作。

本文链接：https://blog.csdn.net/m0_60703264/article/details/120136963

版权

本文提出一种基于排队论和Voronoi图的电动汽车充电站布局优化方法，通过预测电动汽车分布和采用粒子群算法来确定充电站的最佳位置及规模。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

电动汽车未来大规模发展需要众多公共充电站服务，公共充电站应根据电动汽车分布进行合理布局。给出电动汽车分布的预测方法，采用基于排队论的充电机配置方法，提出公共充电站布局最优规划的数学模型。采用与充电站布局有相似数学特点的 Voronoi图划分充电站服务区域，服务区内电动汽车考虑快充随机性，采用排队论Ｍ／Ｍ／ｓ模型，以电动汽车排队等候时间为标准确定充电站规模，建立公共充电站布局最优规划模型，用粒子群算法求解。

``` clear all; clc; close all %% 基础数据 bcs=[800 350 400 350]; b=[150.7 140 30 246.3 84 30 263.7 172 20 402.8 120 25 543.4 125 20 644.8 118 30 768.0 85 15 789.7 147 15 905.7 67 15 920.2 126 15 188.4 248 5 276.8 252 10 376.8 248 10 471.0 242 10 559.3 235 10 669.5 229 15 765.1 225 10 836.1 225 10 934.7 195 10 179.7 305 15 231.9 323 7.5 311.6 300 15 389.8 303 7.5 478.2 300 10 576.7 292 10 673.8 285 10 768.0 313 10 872.3 310 15 934.7 245 20 978.1 330 15 195.6 384 12.5 297.1 375 15 394.1 381 15 413.0 345 7.5 556.4 360 2.5 586.9 363 15 681.1 348 15 211.6 461 15 217.4 528 20 311.6 465 10 413.0 455 25 501.4 448 25 588.3 456 5 617.3 430 5 691.2 419 15 778.2 395 15 883.9 376 15 253.6 572 5 346.3 575 25 443.4 555 25 528.9 538 20 628.9 512 15 710.0 509 5 734.7 475 5 912.9 448 30 268.1 656 30 504.3 620 15 652.1 580 10 750.6 565 10 843.4 540 10 949.1 523 10 1043.3 502 10]; na=1500; %电动汽车数量 alp=0.1;
b(:,4)=round(alp.b(:,3)./sum(b(:,3)).na);%每个需求点平均负荷 %b(23,4)=37;
ns=6; mui=0.6;
Nchz=round(mui.sum(b(:,4))./ns); bm=1.0e+003[0.0086,0.0088;1.1734,0.0088;1.1734,0.7412;0.0086,0.7412;0.0086,0.0088]; BL=sqrt(8.21.0e6./((max(bm(:,1))-min(bm(:,1)))(max(bm(:,2))-min(bm(:,2)))));%BL为图坐标与实际坐标的比例，为固定参数。 %划分成两个区域干嘛呢？？？？？？ Area2=1.0e+003 [0.0086 0.0088 0.9377 -1.0860 0.3103 1.7040 0.0086 0.7412 0.0086 0.0088]; Area2=[Area2,2.ones(size(Area2,1),1)];%size(Area2,1)=5 ones(5,1)=一个51数组 Area1=1.0e+003 *[0.9377 -1.0860 1.1734 0.0088 1.1734 0.7412 0.3103 1.7040 0.9377 -1.0860]; Area1=[Area1,1.ones(size(Area2,1),1)]; vv=[Area1;Area2]; %103数组 for k=1:size(bcs,1)%k=1:2 Ai=find(vv(:,3)==k);%在vv的第三列查找等于k的元素返回索引值 xx=vv(Ai,1);%横坐标，充电需求点负荷。。。等于k的点列向量 yy=vv(Ai,2); kk=convhull(xx,yy);%计算凸包，kk是一个列向量 in=inpolygon(b(:,1),b(:,2),xx(kk),yy(kk)); b(in,5)=k; end %% Ep=[]; for i=1:size(bcs,1) gb=b(b(:,5)==i,:); Ep=[Ep;[sum(gb(:,4)),round(mui.sum(gb(:,4))./ns),i]]; end Tn=8; %最优充电站数量 PopSize=20; %种群数量 MaxIter=400; %迭代次数 c1s=2.5; c2s=0.5; c1e=0.5; c2e=2.5; wstart=0.9;
wend=0.4; %惯性权重w取值范围 Iter=1;
xmax=max(Area1(:,1)); xmin=min(Area1(:,1)); ymax=max(Area1(:,2)); ymin=min(Area1(:,2)); x = xmin + (xmax-xmin).rand(Tn,PopSize); y = ymin + (ymax-ymin).rand(Tn,PopSize); X=[x;y]; V=rand(Tn2,PopSize); Vmax=0.1max((xmax-xmin),(ymax-ymin)); inAr1=find(b(:,5)==1); bb=[b(inAr1,1:2),b(inAr1,4)]; for pk=1:1:PopSize [FX(pk),~,~,~,~,~,~,~,~,~]=VorCostCDEV(X(1:Tn,pk),X(Tn+1:end,pk),bb,bcs(1,:),BL); %计算适应值 end PBest=X; FPBest=FX; [Fgbest,r]=min(FX); Fm(Iter)=Fgbest; CF=Fgbest;
Best=X(:,r);
FBest(Iter)=Fgbest; FgNum=0; while (Iter<=MaxIter)%粒子群算法 Iter=Iter+1 %迭代次数 wnow=((wstart-wend)*(MaxIter-Iter)/MaxIter)+wend;%惯性权重 A=repmat(X(:,r),1,PopSize);

R1=rand(Tn2,PopSize); R2=rand(Tn2,PopSize);

c1=c1e+(c1s-c1e)*(1-acos(-2*Iter/(MaxIter+1)+1)/pi);
c2=c2e+(c2s-c2e)*(1-acos(-2*Iter/(MaxIter+1)+1)/pi);


V=w_now*V+c1*R1.*(PBest-X)+c2*R2.*(A-X); %粒子速度更新公式


changeRows=V>Vmax;
V(changeRows)=Vmax;

changeRows=V<-Vmax;
V(changeRows)=-Vmax;


X=X+1.0*V;

for pk=1:1:PopSize [FX(pk),~,~,~,~,~,~,~,~,~]=VorCostCDEV(X(1:Tn,pk),X(Tn+1:end,pk),bb,bcs(1,:),BL); end

P=FX<FPBest;    
FPBest(P)=FX(P);  
PBest(:,P)=X(:,P); 

[Fgbest,r]=min(FPBest);
Fm(Iter)=Fgbest;        

if Fgbest<CF 
    [FBest,gr]=min(FPBest);  
    Best=PBest(:,gr);    
    CF=Fgbest;  
    FgNum=0;
else
    FgNum=FgNum+1; 
end


if FgNum>10    
    SubX=r;
    while SubX==r || SubX==0
        SubX=round(rand*(PopSize));
    end
    r=SubX;
    FgNum=0;
end

end FBest
Best
Fm' x =Best(1:Tn); y =Best(Tn+1:end); [Fcost,CCS,fcs,ucs,NchI,Epc,CVT,CVTI,CDL,CDLI]=VorCostCDEV(x,y,bb,bcs(1,:),BL) %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %作图 figure(1) a=imread('map1.png'); imshow(a);
hold on [vxT,vyT]=VoronoiT(bcs(:,1),bcs(:,2),0);
plot(bcs(:,1),bcs(:,2),'ks','linewidth',12); % plot(vxT,vyT,'k-','linewidth',3);
plot(b(:,1),b(:,2),'k*','linewidth',1)
plot(bm(:,1),bm(:,2),'k-','linewidth',1)
for k=1:length(b(:,4)) str=num2str(b(k,4)); text(b(k,1)-15,b(k,2)+25,str,'FontSize',5,'color','black'); end for k=1:size(bcs,1) str=num2str(k); text(bcs(k,1)+20,bcs(k,2),str,'FontSize',20,'color','red'); end axis equal [vx,vy]=voronoi(x,y); plot(x,y,'b^',vx,vy,'b-','linewidth',3); for k=1:length(x) str=num2str(k); text(x(k),y(k),str,'FontSize',20,'color','red'); end axis equal vv=VoronoiArea([x,y],3); bax=b(:,1:2); for k=1:length(x) Ai=find(vv(:,3)==k); xx=vv(Ai,1); yy=vv(Ai,2); kk=convhull(xx,yy); in=inpolygon(bax(:,1),bax(:,2),xx(kk),yy(kk)); str=num2str(k); text(bax(in,1),bax(in,2),str,'FontSize',18,'color','blue'); end axis([min(bm(:,1))-3 max(bm(:,1))+3 min(bm(:,2))-3 max(bm(:,2))+3]) figure(2) Itert=1:1:MaxIter+1; plot(Itert,Fm,'.-') ```