基于蒙特卡洛抽样的电动汽车充电负荷计算（Matlab完整源码)

% clc % clear %按照流程图进行蒙特卡洛的电车负荷计算 %先是初始化，该配电网区域的电车日出行总数 N_EV = 2000; %% %利用蒙特卡洛方法生成多车行驶里程 km; %首先，调用函数km %生成 对数正态分布去生成日行驶里程 for i = 1:N_EV p_km = rand(); A=find(Fs_km-p_km>0 ); KM(i) = A(1); end figure(3) plot(KM,'*'); title('蒙特卡洛生成多电车当日行驶里程'); xlabel( '电车序号'); ylabel( '当日行驶里程（km）'); %根据各车的行驶里程除以7.5计算出各自所需要的充电量kwh W = KM / 7.5; figure(4) plot(W,'*'); title('蒙特卡洛生成多电车当日行驶后所需充电量'); xlabel( '电车序号'); ylabel( '当日行驶后所需充电量（kWh）'); %根据各车充电量，除以8.5可以得到各车所需要的充电时间。 T = W/8.5; figure(5) plot(T,'*'); title('蒙特卡洛生成多电车当日行驶后所需充电时长'); xlabel( '电车序号'); ylabel( '多电车当日行驶后所需充电时长（h）'); %% %下面是利用蒙特卡洛法，随机生成各车充电开始时刻 % 几个步骤 % 概率密度得到概率分布 % 随机生成rand()与概率分布比较，利用find得到开始时刻 % 处理24这个数值，当发现位置>= 25时，位置改为x-24,而后各个位置赋值8.5 % 最后是把700量车充电负荷累加，观察总电车负荷曲线趋势 ChargeStartTime; %生成 对数正态分布去生成开始充电的时间 for i = 1:N_EV p_C = rand(); B=find(Fs_C-p_C >0 ); TC(i) = B(1); end figure(8) plot(TC,'*'); title('蒙特卡洛生成多电车充电开始时刻'); xlabel( '电车序号'); ylabel( '充电开始时刻'); %% %下面将开始时刻，与充电时长-1叠加，得到的是未修正的充电开始结束时刻位置 TC_Start = TC; TC_End = ceil( TC + T -1 ) ; %先给充电功率赋初值 P_Charge = zeros( N_EV , 48 ) ; P_Charge_End = ( T - floor( T) )*8.5 ; %最后一个时刻的功率比8.5小 for i =1 : N_EV P_Charge(i,TC_Start(i): TC_End(i)-1 ) = 8.5; P_Charge(i, TC_End(i) ) = P_Charge_End(i); end P_Charge_EV = P_Charge(:,1:24 ); P_Charge_EV = P_Charge_EV + P_Charge(:,25:48 ); P_Charge_EV_Sum = sum( P_Charge_EV ,1); figure(9) plot(P_Charge_EV_Sum); title('电车充电总功率'); xlabel( '时刻'); ylabel( '电车充电总功率'); % D=P_Charge_EV_Sum; % DD=P_Charge_EV_Sum; DDD=P_Charge_EV_Sum; % figure(10) % plot(D); % hold on % plot(DD); % hold on % plot(DDD); % title('电车充电总功率'); % xlabel( '时刻'); % ylabel( '电车充电总功率');