核心内容摘要
孙尚香：从三国骁勇到现代“钢筋”的蜕变与力量
电动汽车一天24小时无序充电功率的蒙特卡洛模拟曲线 可以修改电动汽车数量 有原文献 Matlab代码注释详细 资料发邮箱 基于遗传算法的电动汽车有序充电优化调度 软件Matlab 利用遗传算法对电动汽车有序充电进行优化优化目标包括充电费用最低充电时间达到要求电动汽车充到足够的电考虑电动汽车充电对电网负荷的影响使负荷峰谷差最小。
分别利用传统、精英和变异遗传算法进行对比算法优劣比较迭代结果优化变量为起始充电时刻电网配电房里跳闸警报突然响起的时候监控屏幕上的负荷曲线正像过山车般剧烈波动。
老王咬碎嘴里的薄荷糖盯着屏幕上那个刺眼的波峰——这已经是本周第三次因为电动车无序充电引发的线路过载。
此刻我电脑屏幕里正在跑的程序或许能给出解决方案。
先看看混乱状态下的真实场景。
用蒙特卡洛模拟生成500辆电动车的无序充电曲线Matlab里的poissrnd函数模拟车主回家的随机时刻电池容量按正态分布设定。
重点是这个循环结构for i1:num_ev arrival_time poissrnd(
; % 晚高峰特征 start_time(i) max(arrival_time,
; % 充电不早于18点 power_demand(i) normrnd(30,
; % 电量需求均值30kWh end这个看似简单的随机数生成精准捕捉到了车主行为的扎堆效应。
当我把车辆数从500调整到2000时负荷曲线瞬间从温顺的小猫变成张牙舞爪的猛兽峰值负荷直接翻了四倍。
但无序充电就像没指挥的交响乐团是时候请出遗传算法这位指挥家了。
算法的染色体直接对应每辆车的充电起始时刻适应度函数需要同时考虑钱包和电网function fitness calc_fitness(schedule) electricity_cost sum(电价曲线(schedule)); % 电费账单 load_curve 生成负荷曲线(schedule); peak_valley_diff max(load_curve) - min(load_curve); % 峰谷差 fitness
6*(1/electricity_cost)
4*(1/peak_valley_diff); end这里的
6和
4可不是随便拍脑袋定的是拿历史数据做了三天三夜相关性分析的结果。
有趣的是当把这个权重改成8:2时优化结果会倾向让部分车辆在凌晨充电——虽然省了电费却可能让车主第二天发现根本没充满。
电动汽车一天24小时无序充电功率的蒙特卡洛模拟曲线 可以修改电动汽车数量 有原文献 Matlab代码注释详细 资料发邮箱 基于遗传算法的电动汽车有序充电优化调度 软件Matlab 利用遗传算法对电动汽车有序充电进行优化优化目标包括充电费用最低充电时间达到要求电动汽车充到足够的电考虑电动汽车充电对电网负荷的影响使负荷峰谷差最小。
分别利用传统、精英和变异遗传算法进行对比算法优劣比较迭代结果优化变量为起始充电时刻传统遗传算法就像没经验的HR招人每次招完就把简历全扔了。
而精英保留策略则像是把优秀员工直接保送下一轮变异率设置成动态调整的if generation 10 mutation_rate
2; % 初期高变异率开拓搜索 else mutation_rate
05
1*exp(-generation/
; % 后期精细搜索 end某次实验中精英策略在20代时就找到了比传统算法50代更好的解但代价是陷入了局部最优。
这时候变异算子就像个捣蛋鬼把已经排好的充电时段随机打乱几个反而跳出了死胡同。
三种算法的收敛曲线对比最有意思传统算法像醉汉走路晃晃悠悠精英策略前中期猛如虎带变异因子的版本则在最后100代突然开窍。
实际工程中通常会混用——先用精英策略快速收敛最后加变异做精细搜索。
当把优化后的充电方案加载到电网仿真系统时老王发来张对比图原本刀削般的负荷峰被成功削峰填谷波峰波谷差从1580kW降到620kW。
不过他也吐槽有些车辆的充电被排到凌晨三点哪个车主愿意大半夜插充电枪这引出了另一个有趣问题——在算法约束条件里加上车主作息时间限制后峰谷差只能降到890kW。
现实永远比数学模型复杂就像我手边的咖啡明明算法说每天两杯最健康但debug到凌晨时总会自动续杯。