【优化充电】基于matlab蒙特卡洛算法求解电动汽车充电优化问题【含Matlab源码 1164期】

一、获取代码方式

获取代码方式1：

完整代码已上传我的资源：【优化充电】基于matlab蒙特卡洛算法求解电动汽车充电优化问题【含Matlab源码 1164期】

获取代码方式2：

通过订阅紫极神光博客付费专栏，凭支付凭证，私信博主，可获得此代码。

备注：

订阅紫极神光博客付费专栏，可免费获得1份代码（有效期为订阅日起，三天内有效）；

二、蒙特卡洛算法简介

1 蒙特卡洛算法定义

蒙特卡洛(Monte Carlo)方法，在渲染中，我们经常听到术语“蒙特卡洛”（通常缩写为MC）。但是这是什么意思？实际上，它所指的是一个非常简单的想法，蒙特卡洛方法指的是一系列统计方法，这些方法本质上用于查找事物的解决方案，例如计算函数的期望值，或者对由于没有封闭形式而无法进行分析积分的函数进行积分。我们可以用该原理来解决不同的问题，并且针对这些问题中都可以关联不同的技术或算法。所有这些算法的共同点是它们使用随机（或随机）采样。

2 蒙特卡洛模拟法的原理

蒙特卡洛法(Monte Carlo)是统计试验计算方法，高斯正太分布的期望值µ决定函数分布位置，标准差σ决定函数分布幅度，其概率密度函数公式如下：

根据中心极限定理，当统计样本足够充足时，各独立同分布随机变量之和的分布趋近于高斯正态分布，且尺寸分布符合伯努利大数定律。因此，蒙特卡洛模拟法计算中所求数学期望即可通过函数f(x)的积分获取。

三、部分源代码

clc;clear all;%本程序基于蒙特卡洛思想生成10000台充电汽车充电负荷曲线rate=[0.1 0.4 0.5]; %三种充电汽车比例P_h=[1.4 1.9; 7.7 25.6;40 100];%三种充电功率取值范围M=10000;%10000辆车r=0;Bh=zeros(M,96);% 10000辆车行，96个时间列for i=1:MPh=zeros(96,1); %96个时间行，1列r=r+1;for j=1:96T_star=get_star();%充电开始时间 每15分钟qua=get_qua(); %充电电量P_hi=get_i(rate,P_h); %充电功率 每小时T_char=round(4*qua/P_hi(2)); %一小时有4个15分钟T_sum=T_star+T_char;%充电结束时间if T_sum>96%时间不能大于96new_T_sum=T_sum-96;Ph(T_star:96)=P_hi(2); %从开始时间个数到96 放功率Ph(1:new_T_sum)=P_hi(2);%从1到结束个时间 放功率elsePh(T_star:T_sum)=P_hi(2); %开始到结束 功率endendfor i=1:96Bh(r,i)=Ph(i);%每辆车功率放入每行endendB=sum(Bh,1); %每列求和%%%%%寻找最大功率值，最大同时充电数量%%%%max_P=max(B); %最大功率Max_moun=zeros(96,1); %每时刻最大充电数量 96行function P_hi=get_i(rate, P_h)%get_i 得到充电方式及其功率P=rand();%随机生成一个取值范围在[0-1]的数字if 0<=P&&P<rate(1) %充电汽车比例P_hi=[1,(P_h(1,1)+P_h(1,2))/2]; %选择第一种充电方式elseif rate(1)<=P&&P<0.5P_hi=[2,(P_h(2,1)+P_h(2,2))/2]; %选择第二种充电方式elseP_hi=[3,(P_h(3,1)+P_h(3,2))/2];%选择第三种充电方式endwhile 1P=normrnd(12.94,11.8);if P<0continue; %返回到while 否则 breakend %只是个标志 相当于括号break; endqua=P;

四、运行结果

五、matlab版本及参考文献

1 matlab版本

a

2 参考文献

[1] 包子阳,余继周,杨杉.智能优化算法及其MATLAB实例（第2版）[M].电子工业出版社，.

[2]张岩,吴水根.MATLAB优化算法源代码[M].清华大学出版社，.

[3]王锋.基于蒙特卡洛模拟法的动车组裙板装配优化研究[J].中国设备工程. ,(06)