基于粒子群优化算法的电动汽车充放电V2G研究（Matlab代码实现）

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆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。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码、数据、文章讲解

---

💥1 概述

为解决电动汽车大规模并网带来的一系列问题,国内外逐步在城市商业停车场内提供电动汽车充电服务。在此背景下,提出一种基于电动汽车并网技术的电动汽车充放电停车场模型。该模型响应实时电价,对电动汽车的充电并网行为进行动态调度,继而与电网进行能量交互。在保证电动汽车用户出行需求的前提下，为了使工作区域电动汽车尽可能多的消纳供给商场基础负荷剩余的光伏电量，根据光伏出力与工作区负荷的偏差制定动态分时电价模型，从而减少峰谷差，保障电网稳定性，同时能够提高电动汽车用户的充放电满意度，实现双赢在求解电动汽车最优调度策略时采用粒子群优化算法。

📚2 运行结果

 部分代码：

%% 确定变量
%变量分类，
%被调度车辆： 1    2    3   4  5   6  7   8   9   10  11  12  13  14  15  16  17  18  19
%车变量个数： 11， 8，  13， 1，6， 9，17，13，15，16，10， 6， 18，15，12， 9， 6， 5， 11，
%19辆车可调度
[m,n]=size(number_);%n=19
L=max(number_);%18
P=zeros(L,n);
%变量分配，共201个变量
P(1:11,1)=x(1:11);
P(1:8,2)=x(12:19);
P(1:13,3)=x(20:32);
P(1,4)=x(33);
P(1:6,5)=x(34:39);
P(1:9,6)=x(40:48);
P(1:17,7)=x(49:65);
P(1:13,8)=x(66:78);
P(1:15,9)=x(79:93);
P(1:16,10)=x(94:109);
P(1:10,11)=x(110:119);
P(1:6,12)=x(120:125);
P(1:18,13)=x(126:143);
P(1:15,14)=x(144:158);
P(1:12,15)=x(159:170);
P(1:9,16)=x(171:179);
P(1:6,17)=x(180:185);
P(1:5,18)=x(186:190);
P(1:11,19)=x(191:201);

%建立约束
yue_shu=[];
% 储能上下限约束
for i=1:n%车序
    for t=1:18%变量
        yue_shu=[yue_shu, 60*diaodu_soc(i)*E_car-sum(P(1:t,i))-60*soc_max*E_car];
        % sum（pb(1:t)）表示访问了把pb从1到t个元素加起来
        yue_shu=[yue_shu, 60*diaodu_soc(i)*E_car-sum(P(1:t,i))-60*soc_min*E_car];
    end
end

%保证用户出行充电不变约束
for i=1:n%车序
    yue_shu=[yue_shu, 60*diaodu_soc(i)*E_car-sum(P(1:18,i))-60*diaodu_socend*E_car];
    
end

🎉3 参考文献

部分理论来源于网络，如有侵权请联系删除。

[1]邵炜晖,许维胜,徐志宇等.基于改进粒子群算法的电动汽车停车场V2G策略研究[J].计算机科学,2018,45(S2):92-96+116.

🌈4 Matlab代码、数据、文章讲解