简介
随着节能减排与低碳经济政策的推行，风电、太阳能等可再生能源将在电网中占据较大比重。可再生能源出力具有较强的波动性，这给电力系统的频率稳定带来巨大挑战。电动汽车（EV）的大规模发展使其自身具有参与系统负荷调整的潜力。技术层面上，EV与电网互动（V2G）技术的不断进步使得这种潜力更具有可行性。基于上述情况，程序提出各EV用户将根据身行程安排和车辆荷电状态等信息，结合考虑分时电价、是否接受电网调度和快慢充电模式，选择某一种充电方式，优化车辆的充电时间分布，更好地调整电网负荷。
程序算例丰富、注释清晰、干货满满，可扩展性和创新性很高！足以撑起一篇高水平论文！下面对程序做简要介绍！
适用平台：Matlab+Yalmip+Cplex
参考文献：
《计及需求侧响应及区域风光出力的电动汽车有序充电对电网负荷曲线的影响》电网技术；
《用户充电选择对电网充电调度的影响》电工技术学报；
创新点及主要工作
随着EV的大规模接入，EV用户的无序充电行为将给电网带来极大冲击，引发线路过载等一系列问题，迫使线路扩容以及设备更新。为了充分利用充电负荷的可调度特性，改善电网的安全性和经济性。从调度对象区分，研究分为两类：
1）针对车辆整体的充电调度。调度对象为EV群体，强调电网需求但忽视单个EV用户的利益和行为特性。如基于优先权的EV集群充放电模型，低碳经济环境下的EV集群-电力系统协调优化运行模型。
2）针对单一EV的充电调度。注重个体的多样性，如考虑EV用户参与调频所带来的收益以及EV的成本，并采用动态优化方法对用户的充电过程进行优化。
电动汽车快充的定义
所谓快速充电是相对于常规充电而言，其特点是：在充电过程中，蓄电池的充电电流始终等于或接近于蓄电池的可接受电流(即蓄电池不被击穿的最大电流)，在很短的时间内完成对蓄电池的充电，而在这个过程中，且温度也不会太高(在40C以下)。
单向无序和双向有序充电
(1)单向无序电能供给模式，这需要将电动汽车当作一种最为普通的用电设备来看待，通常可以采用一种较为成熟的单向变流技术，这种技术能够随时随地的接入电网，并对其进行充电。这种单向无序电能供给模式成为当下电动汽车进行充电时最常见的充电方式。
(2)双向有序电能供给模式，这种电能供给模式主要是能够实现电动汽车和电网的能量管理系统之间进行通信联系，同时对其加以控制，并最终在电动汽车以及电网两者之间形成一种能量方面的转换，进行转换的方式主要是以充电或者是放电的形式来实现。
研究充放电对负荷影响的必要性
相比于集群调度，针对用户个体的调度模型更复杂，但更契合实际情况。程序对EV个体进行充电调度。总的来看，现有研究对充电负荷的优化调度目标、所受约束、调度对象已经比较明确且一致，但以往的充电调度策略，均默认用户将执行调度命令，用户充电过程完全可控。实际中，电网不具有强制用户充电的权限，用户需求不确定且充电时间灵活，使得电网调度方案和用户实际充电过程难以对应。
因此在对电动汽车进行普及的过程当中就必须对电动汽车的使用者加以正确的引导促使其在充电时间方面进行合理的安排。随着如今储能技术的不断发展，因此可以对储能充电站在低谷阶段所进行的电能储存来为电动汽车提供临时性的电能快速补充，这样就能有效的满足电动汽车在充电方面的需求，同时也能有效的避免因为快速充电而给电网带来的超负荷冲击。
程序结果
部分程序
P=sdpvar(7,24,'full'); %定义决策变量E=sdpvar(7,24,'full'); %定义决策变量S_max=0.9; %荷电水平最大值S_min=0.1; %荷电水平最小值E_cap=64; %最大容量P_char=5; %最大充电功率P_dis=-5; %最大放电功率a=0.01;b=0.01;c=0.0157;X=0.95; %充放电效率C_change=41000; %电池更换成本T=24; %调度总时间段（从晚上六点到早上六点）Ed=0.75*E_cap; %车主期望电能W=zeros(7,24); %表示电动汽车是否并网C2(1,12:18)=0.36;%谷C2(1,6:11)=1.07;C2(1,21:24)=1.07;C2(1,1:2)=1.07; %峰C2(1,3:5)=0.68;C2(1,19:20)=0.68; %平P_av1=sum(P_base,2)/T;F1=sum((P_base-P_av1).*(P_base-P_av1),2);F2=210;F3=max(P_base)-min(P_base);%%%%%%%%%电动汽车充放电模型%%%%%%%%%%td=normrnd(20,2); td=round(td);td=td((td>0 & td<24));% 保留区间 [0，24]内的行向量to=normrnd(6,2); to=round(to);to=to((to>0 & to<24));% 保留区间 [0，24]内的行向量Eo=normrnd(0.3*E_cap,2);Eo=round(Eo);W(i,to:td)=1;W(i,1:to-1)=0;W(i,td+1:24)=0;P_max(i,:)=P_char*W(i,:);P_min(i,:)=P_dis*W(i,:);E_o(i,1)=Eo;E_d(i,1)=Ed;Smax(i,:)=S_max*W(i,:); %荷电水平最大值Smin(i,:)=S_min*W(i,:); %荷电水平最小值td=normrnd(20,1); td=round(td);td=td((td>0 & td<24));% 保留区间 [0，24]内的行向量to=normrnd(6,1); to=round(to);to=to((to>0 & to<24));% 保留区间 [0，24]内的行向量Eo=normrnd(0.35*E_cap,5);W(i,to:td)=1;W(i,1:to-1)=0;W(i,td+1:24)=0;P_max(i,:)=P_char*W(i,:);P_min(i,:)=0;E_o(i,1)=Eo; E_d(i,1)=Ed;
部分内容源自网络，侵权联系删除！
欢迎感兴趣的小伙伴点击文末阅读原文获取完整版代码，小编会不定期更新高质量的学习资料、文章和程序代码，为您的科研加油助力！
更多创新性预测及优化程序请点击公众号首页：《预测优化》|《综合能源》链接！
