车-电-路网时空分布负荷预测研究（Matlab代码实现）
欢迎来到本博客❤️❤️
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。
⛳️座右铭：行百里者，半于九十。
本文目录如下：
目录
1 概述
2 运行结果
3 参考文献
4 Matlab代码实现
1 概述
电动汽车作为交通工具和移动负荷的载体，其出行分布和路径规划会受到交通信息的影响，而充
电需求和充电策略会影响电网经济性与安全运行，因此建立图1所示的路网-配电网-车网交互模型分析EV充电负荷的时空分布。
在建立各个模型后，下图给出了充电负荷时空分布预测具体流程。
由图3可知，充电负荷时空分布预测流程如下。
1) 首先按一定比例在各交通节点引入不同类型电动汽车数量；
2) 通过蒙特卡洛模拟为各EV随机抽样生成相应的行驶特性参数和充电特性参数；
3) EV用户按照行程时间最小为目标，采用实时Dijkstra算法规划的路径进行行驶，并实时更新特性
参数；
4) 通过用电区域功能类型划分，对该区域充电的EV功率进行累加计算得到区域配网节点负荷，完
成整体充电负荷时空预测。
2 运行结果
运行视频：
可视化：
%% Fig
figure(1)
%bar(TP_carnumber);
%bar(TP_carnumber(:,1),'stack'); %私家车
%bar(TP_carnumber(:,2),'stack'); %出租车
%bar(TP_carnumber(:,3),'stack'); %公交车
bar(TP_carnumber,'stack'); %私家车+出租车+公交车
xlabel('交通节点');
ylabel('EV数量/辆');
legend('私家车','出租车','公共车');
figure(2)
%plot(TP_carnumber(:,1),'-p');%私家车
%plot(TP_carnumber(:,2),'-p');%出租车
%plot(TP_carnumber(:,3),'-p');%公交车
plot(TP_carnumber,'-p');%私家车+出租车+公交车
xlabel('交通节点');
ylabel('EV数量/辆');
legend('私家车','出租车','公共车');
figure(3)
bar(Pcharge,'stack');
xlabel('交通节点');
ylabel('EV数量/辆');
legend('私家车','出租车','公共车');
figure(4)
bar3(Pntcharge);
xlabel('配网节点编号');
ylabel('时间/h');
zlabel('充电需求/kW');
figure(5)
plot(Uall,'-p');
xlabel('配网节点编号');
ylabel('电压/pu');
figure(6)
mesh(Uall);
ylabel('配网节点编号');
xlabel('时间/h');
zlabel('电压/pu');
figure(7)
% plot(G,'EdgeLabel',G.Edges.Weight);
% title('标定权重的无向图')
plot(G);
title('无向图')
3 参考文献
部分理论来源于网络，如有侵权请联系删除。
[1]李晓辉,李磊,刘伟东,赵新,谢秦.基于动态交通信息的电动汽车充电负荷时空分布预测[J].电力系统保护与控制,2020,48(01):117-125.DOI:10.19783/j.cnki.pspc.181616.
[2]李磊,赵新,李晓辉,刘伟东,刘小琛,冯炜.基于动态交通信息的电动汽车充电需求预测模型及其对配网的影响分析[J].电网与清洁能源,2020,36(03):107-118.