Matlab|模拟电动汽车的充放电【充电顺序，波动发电，电池缓冲】

💥💥💥💞💞💞欢迎来到本博客❤️❤️❤️💥💥💥
🎉作者研究：🏅🏅🏅本科计算机专业，研究生电气学硕。主要研究方向是电力系统和智能算法、机器学习和深度学习。目前熟悉python网页爬虫、机器学习、群智能算法、深度学习的相关内容。希望将计算机和电网有效结合！⭐️⭐️⭐️
🏆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，博主专门做了一个专栏目录，整个专栏只放了一篇文章，足见我对其重视程度：​​博主专栏目录​​​。做到极度细致，方便大家进行学习！亲民！！！还有我开了一个专栏给女朋友的，很浪漫的喔，代码学累的时候去瞧一瞧，看一看：​​女朋友的浪漫邂逅​​​。有问题可以私密博主，博主看到会在第一时间回复。
📝目前更新：🌟🌟🌟电力系统相关知识，期刊论文，算法，机器学习和人工智能学习。
🚀支持：🎁🎁🎁如果觉得博主的文章还不错或者您用得到的话，可以关注一下博主，如果三连收藏支持就更好啦！这就是给予我最大的支持！

                          

                                    🎉🎉欢迎您的到来🎉🎉

                     ⛅⛅⛅ 📃个人主页：电力系统科研室🌈🌈🌈

                    📚📚📚📋专栏目录：​​电力系统与算法之美​​👨‍💻👨‍💻👨‍💻

                           

【现在公众号名字改为：荔枝科研社】

👨‍🎓博主课外兴趣：中西方哲学，送予读者：

👨‍💻做科研，涉及到一个深在的思想系统，需要科研者逻辑缜密，踏实认真，但是不能只是努力，很多时候借力比努力更重要，然后还要有仰望星空的创新点和启发点。当哲学课上老师问你什么是科学，什么是电的时候，不要觉得这些问题搞笑，哲学就是追究终极问题，寻找那些不言自明只有小孩子会问的但是你却回答不出来的问题。在我这个专栏记录我有空时的一些哲学思考和科研笔记：​​科研和哲思。​​建议读者按目录次序逐一浏览，免得骤然跌入幽暗的迷宫找不到来时的路，它不足为你揭示全部问题的答案，但若能让人胸中升起一朵朵疑云，也未尝不会酿成晚霞斑斓的别一番景致，万一它居然给你带来了一场精神世界的苦雨，那就借机洗刷一下原来存放在那儿的“真理”上的尘埃吧。

     或许，雨过云收，神驰的天地更清朗.......🔎🔎🔎

📋📋📋本文目录如下：⛳️⛳️⛳️

目录

​​1 概述​​

​​2 电动车所有代码汇总​​

​​3 模拟电动汽车的充放电【充电顺序，波动发电，电池缓冲】​​

​​3.1 运行结果​​

​​ 3.2 Matlab代码 ​​

​​4 写在最后​​

1 概述

电动汽车EV(Electric Vehicle)具有清洁环保、高效节能的优点,不仅能缓解化石能源危机,而且能够有效地减少温室气体的排放。2015年10月，国务院发布加快EV充电基础设施建设的指导意见,指出到2020年充电基础设施能满足500万辆EV充电需求,预计未来几年我国EV的保有量将大幅增长。然而,规模化EV的无序充电会加大电网负荷的峰谷差,并对电力系统的规划、配电网的电能质量和经济运行以及稳定性带来显著的影响，反之.对EV的充电行为进行有序优化控制,充分发挥EV作为分布式储能元件的优势,能够实现削峰填谷、平抑可再生能源出力波动的功能,并为电网提供调峰、调频等辅助服务。

下图为大规模EV分散接入配电网的场景示意图。EV的管理框架分为配电网代理商、本地代理商和EV 3个层次。配电网代理商分布在高中压HVIMV(High VoltageMedium Voltage)变电层中,负责配电网的安全稳定控制以及EV的有序协调控制;本地代理商分布在中低压MVLV(Mediuim VoltageLow Voltage)变电层中,负责区域EV充电负荷的管控。充电站连接在配电变压器下,配电变压器下除了EV负荷EVL(EV Load)外,还有常规的居民负荷RL(Residential Load)。

EV进入充电站后,充电智能终端可以获取电池的总容量、荷电状态SoC(State Of Charge)等信息,并通过以太网或专用无线网络提交给本地代理商;用户设置取车时刻以及充电预期荷电状态,充电结束后按实际充电电量向本地代理商支付费用。本地代理商将EV的状态信息和电量需求信息汇集后上传给配电网代理商。配电网代理商采取分时段实时滚动优化的控制策略,当有新的EV接入电网时,更新EV的充电需求信息,执行优化,控制算法,并将充电计划分区下达给各个本地代理商,由本地代理商执行对管控区域内EV的充电控制。
 

2 电动车所有代码汇总

​​电动车代码汇总​​

3 模拟电动汽车的充放电【充电顺序，波动发电，电池缓冲】

3.1 运行结果

 3.2 Matlab代码 

本文仅展现部分代码，全部代码见：🍞正在为您运送作品详情

info.date.min = datestr(data_24h(idx_min,1),'dd.mm.yyyy');
  info.date.avg = datestr(data_24h(idx_avg,1),'dd.mm.yyyy');
  info.date.max = datestr(data_24h(idx_max,1),'dd.mm.yyyy');
  info.rad.min.j = raw24h{4}(idx_min,2);              % J/cm^2
  info.rad.avg.j = raw24h{4}(idx_avg,2);              % J/cm^2
  info.rad.max.j = raw24h{4}(idx_max,2);              % J/cm^2
  info.rad.min.kwh = raw24h{4}(idx_min,2)*(100/60)^2; % Wh/m^2
  info.rad.avg.kwh = raw24h{4}(idx_avg,2)*(100/60)^2; % Wh/m^2
  info.rad.max.kwh = raw24h{4}(idx_max,2)*(100/60)^2; % Wh/m^2
  info.pv.min = data_24h(idx_min,2);                  % kWh
  info.pv.avg = data_24h(idx_avg,2);                  % kWh
  info.pv.max = data_24h(idx_max,2);                  % kWh

4 写在最后

部分理论引用网络文献，若有侵权请联系博主删除。