商务网站的功能和建设,烟花代码编程python,关键词爱站网,青岛做网站建设价格目录 1 主要内容
峰谷电价优化
电动汽车充电负荷变化
2 部分代码
3 程序结果 1 主要内容 该程序基本复现《基于峰谷分时电价引导下的电动汽车充电负荷优化》#xff0c;代码主要做的是基于NSGA-II的电动汽车充电负荷优化#xff0c;首先#xff0c;在研究电动汽车用户充…目录 1 主要内容
峰谷电价优化
电动汽车充电负荷变化
2 部分代码
3 程序结果 1 主要内容
该程序基本复现《基于峰谷分时电价引导下的电动汽车充电负荷优化》代码主要做的是基于NSGA-II的电动汽车充电负荷优化首先在研究电动汽车用户充电需求的前提下利用蒙特卡洛方法对种不同充电方式进行模拟并对其进行分析分析用户响应度对电动汽车有序充电的影响建立峰谷分时电价对电动汽车负荷影响的模型在模拟出电动汽车无序充电负荷的基础上用实际案例对模型进行验证利用多目标遗传优化算法进行求解验证峰谷分时电价对电网负荷优化的有效性。 该程序主要分成两部分第一部分是峰谷电价优化部分第二部分通过确定的峰谷平电价观测电动汽车充电负荷变化情况。 峰谷电价优化 程序采用NSGA-II算法该算法是非常成熟、常用的多目标求解算法是遗传算法的一种作为智能优化算法最关键的点是找到程序的输入和输出剩下的即是采用算法进行连接即可在该程序中输入是分时电价作为变量输出是两个目标分别是负荷均方差最小和电动汽车用户充电费用最小。
目标1 目标2 优化结果 对于帕累托多目标而言会存在多组运行结果即多个自变量目标函数的组合求解此类问题的帕累托最优解有以下常用的几种方法权重系数变换法给每个子目标函数赋予权重系数后转变为单目标优化问题并列选择法将群体所有个体按照子目标函数划分子群体各自选出适应度高的个体以得到新的子群体再将其合并不断进行 至 最 大 次 数最 终 得 到 多 目 标 优 化 的帕累托最优解。 电动汽车充电负荷变化 该部分利用确定好的峰谷平电价抽取1000辆电动汽车进行分析考虑电动汽车的充电开始时刻、充电时长、行驶路程和价格弹性矩阵得到电动汽车充电与原始负荷对比。 2 部分代码
M2;%目标函数个数
p1;
pop_size200; % 种群规模
no_runs1; % 计数器
gen_max100; % 最大遗传代数
fnametest_case; % 目标函数
V3; %优化变量的数量
txl[-5*ones(1,V);zeros(1,V);-5*ones(1,V);-1000*ones(1,V);zeros(1,V);-1/sqrt(V)*ones(1,V);zeros(1,V); 0 -5*ones(1,V-1);zeros(1,V)];
txu[10*ones(1,V); ones(1,V);5*ones(1,V);1000*ones(1,V);ones(1,V);1/sqrt(V) *ones(1,V);ones(1,V);1 5*ones(1,V-1);ones(1,V)];
xl[0.2 0.25 0.25] ; % 变量的下限最低电价0.25元每千瓦时
xu[2 2 2] ; % 变量的上限最高电价2元每千瓦时
etac 20; % 交叉分布指数
etam 20; % 突变分布指数/突变常数
pm1/V; % 变异概率
pcarscaculateload(1000); %无序时负荷%原电网24小时负荷p0[ 455.39405.948333.086275.836205.576145.725130.112130.112137.918150.929163.941182.156208.178195.167156.134150.929161.338169.145169.145176.952195.167210.781296.654497.026];
%价格弹性矩阵初始电价1元
priceq[-0.623 0.3241 0.2305; %峰时弹性16-240.3553 -0.6166 0.2216; %平时弹性8-160.3215 0.3038 -0.6065]; %谷时弹性0-8
Q[];
for run 1:no_runs %% 原始种群xl_temprepmat(xl, pop_size,1);xu_temprepmat(xu, pop_size,1);x xl_temp((xu_temp-xl_temp).*rand(pop_size,V));3 程序结果
第一部分已经展示了运行结果该部分展示一下原文结果图以便对比。 通过对比可见程序复现效果很好
