含约束的PSO计算电动汽车V2G调度的粒子群算法

function PSOfirst（）
%% 清空环境
clear;
clc;

%% 参数设置
wcmax=0.8;
wcmin=0.7;%权值将影响PSO 的全局与局部搜优能力，
%w的值较大，全局搜优能力强，局部搜优能力弱;反之，则局部搜优能力增强，而全局搜优能力减弱。
c1=0.01;%加速度，影响收敛速度
c2=0.01;
dim=24;%每一维表示在一个小时内的交换功率
swarmsize=100;%粒子群规模，表示有100个解的空间
maxiter=80;%最大循环次数，影响时间
vmax=1;
vmin=-1;
PENUM=[192020201718171718191717201718171816181919192020];%由于电动车主的随机出行，因此每一时刻能完成V2G功能的电动汽车数量不是固定的。

ub=8.*PENUM;%解向量的最大限制，就是充电功率上限
lb=-3.*PENUM;%解向量的最小限制，即放电功率上限

%% 种群初始化
range=ones（swarmsize1）*（ub-lb）;
swarm=rand（swarmsizedim）.*range+ones（swarmsize1）*lb;%粒子群位置矩阵
%对粒子进行更详细的SOC约束，充放电不能使SOC超出预设范围


%定义速度和位置   
vstep=rand（swarmsizedim）*（vmax-vmin）+vmin;%粒子群速度矩阵
fswarm=zeros（swarmsize1）;%预设空矩阵，存放适应值
for i=1:swarmsize
    X=swarm（i:）;
    [SUMEVPAf3f2]=f（X）;%目标函数，适应度函数