多微网优化调度(风机、光伏、蓄电池、燃料电池、柴油机、电网交互)(Matlab代码实现)

简介: 多微网优化调度(风机、光伏、蓄电池、燃料电池、柴油机、电网交互)(Matlab代码实现)

👨‍🎓个人主页:研学社的博客

💥💥💞💞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代码及文章讲解


image.gif

💥1 概述

以含有光伏(PV)、风机 (W)、柴油发电机(de)、燃料电池(fc)、蓄电池(bat)的子微网1、子微网2 构成微网群进行算例分析, 微网群算例系统拓扑结构如下图。

image.gif

微网群采用并联式结构,其中子网1中分布式电源包括:PV1, W1,fc1,bat1;子网2中分布式电源包括PV2,W2,de2,bat2。微网群与配电网之间的公共连接点群PCC保持闭合,网PCC1与网PCC2也均保持闭合。微网1,2和配电网之间可存在功率交换Pbuy1,Psell1,Pbuy2,Psell2,微网1与微网2之间可存在功率交换Pex1,Pex2。

本文建立的微网群以多目标协调优化为目的,其中各个子微网优化目标与总微网群的优化目标一致。微网群优化调度周期取一天,以1h作为一个调度时段,全天共分为24个时段,且算例中采用分时电价a1,a2,b1,b2的方式。

数学模型及详细文章讲解见第4部分。

📚2 运行结果

image.gif

image.gif

image.gif

image.gif

image.gif

image.gif

部分代码:

[best index]=min(fitness);

gtsite=pop;             %个体最佳位置

gtfit=fitness;           %个体最佳适应度

popsite=pop(index,:);   %全局最佳位置

popfit=fitness(index);  %全局最佳适应度

trace(1)=popfit;

for k=1:maxgen

   w=wmax-(wmax-wmin)/maxgen*j;

   for i=1:sizepop

       %速度更新

       v(i,:)=w*v(i,:)+c*rand*(gtsite(i,:)-pop(i,:))+c*rand*(popsite-pop(i,:));

       %限制微粒速度

       v(find(v>vmax))=vmax;

       v(find(v<vmin))=vmin;

       %位置更新

       pop(i,:)=pop(i,:)+v(i,:);

       %限制微粒位置

       pop1=pop(i,1:dim);

       pop2=pop(i,dim+1:2*dim);

       pop3=pop(i,2*dim+1:3*dim);

       pop4=pop(i,3*dim+1:4*dim);

       pop5=pop(i,4*dim+1:5*dim);

       pop1(find(pop1>popmax(1)))=popmax(1);

       pop1(find(pop1<popmin(1)))=popmin(1);

       pop2(find(pop2>popmax(2)))=popmax(2);

       pop2(find(pop2<popmin(2)))=popmin(2);

       pop3(find(pop3>popmax(3)))=popmax(3);

       pop3(find(pop3<popmin(3)))=popmin(3);

      pop4(find(pop4>popmax(4)))=popmax(4);

       pop4(find(pop4<popmin(4)))=popmin(4);

        pop5(find(pop5>popmax(5)))=popmax(5);

       pop5(find(pop5<popmin(5)))=popmin(5);

       pop(i,:)=[pop1 pop2 pop3 pop4 pop5];

       for j=1:14

           pop(i,dim+j)=0;

           pop(i,4*dim+j)=0;

       end

           pop(i,dim+23)=0;

           pop(i,4*dim+23)=0;    

           pop(i,dim+24)=0;

           pop(i,4*dim+24)=0;  

       for j=1:24

           if abs(pop(i,j))>0&&abs(pop(i,j))<10

       pop(i,j)=0;

     

   end

       %if abs(pop(i,3*dim+j))>0&&abs(pop(i,3*dim+j))<10

     

     % pop(i,3*dim+j)=0;

      % end

      % if abs(pop(i,dim+j))>0&&abs(pop(i,dim+j))<10

       %xudianpin=xudianpin+10000;

      % pop(i,dim+j)=0;

       %end

       if abs(pop(i,4*dim+j))>0&&abs(pop(i,4*dim+j))<10

       %xudianpin=xudianpin+10000;

       pop(i,4*dim+j)=0;

       end

       if j<=7|j>=16

           pop(i,2*dim+j)=0;

       end

       

       end

   end

   for i=1:sizepop

       %计算适应度

%其他参数求解pbuy psell

pex2=-pop(i,2*dim+1:3*dim);

   bs1=Load1-pop(i,1:dim)-Ppv1-pop(i,dim+1:2*dim)-Pw1-pop(i,2*dim+1:3*dim);

  bs2=Load2-pop(i,3*dim+1:4*dim)-Ppv2-pex2-Pw2-pop(i,4*dim+1:5*dim);

🎉3 参考文献

部分理论来源于网络,如有侵权请联系删除。

[1]汤雯博. 面向配电网的多微电网协同优化调度研究[D].南京邮电大学,2020.DOI:10.27251/d.cnki.gnjdc.2020.001421.

[2]何力,吕红芳.考虑经济性的多微电网优化调度研究[J].发电技术,2018,39(05):397-404.

🌈4 Matlab代码及文章讲解

https://ttaozhi.com/t/p.html?id=ksuaxdULaK

相关文章
|
23天前
|
算法 数据可视化 安全
基于DWA优化算法的机器人路径规划matlab仿真
本项目基于DWA优化算法实现机器人路径规划的MATLAB仿真,适用于动态环境下的自主导航。使用MATLAB2022A版本运行,展示路径规划和预测结果。核心代码通过散点图和轨迹图可视化路径点及预测路径。DWA算法通过定义速度空间、采样候选动作并评估其优劣(目标方向性、障碍物距离、速度一致性),实时调整机器人运动参数,确保安全避障并接近目标。
123 68
|
1月前
|
机器学习/深度学习 数据采集 算法
基于GA遗传优化的CNN-GRU-SAM网络时间序列回归预测算法matlab仿真
本项目基于MATLAB2022a实现时间序列预测,采用CNN-GRU-SAM网络结构。卷积层提取局部特征,GRU层处理长期依赖,自注意力机制捕捉全局特征。完整代码含中文注释和操作视频,运行效果无水印展示。算法通过数据归一化、种群初始化、适应度计算、个体更新等步骤优化网络参数,最终输出预测结果。适用于金融市场、气象预报等领域。
基于GA遗传优化的CNN-GRU-SAM网络时间序列回归预测算法matlab仿真
|
25天前
|
算法 JavaScript
基于遗传优化的Sugeno型模糊控制器设计matlab仿真
本课题基于遗传优化的Sugeno型模糊控制器设计,利用MATLAB2022a进行仿真。通过遗传算法优化模糊控制器的隶属函数参数,提升控制效果。系统原理结合了模糊逻辑与进化计算,旨在增强系统的稳定性、响应速度和鲁棒性。核心程序实现了遗传算法的选择、交叉、变异等步骤,优化Sugeno型模糊系统的参数,适用于工业控制领域。
|
25天前
|
算法 决策智能
基于遗传优化的货柜货物摆放优化问题求解matlab仿真
本项目采用MATLAB2022A实现基于遗传算法的货柜货物摆放优化,初始随机放置货物后通过适应度选择、交叉、变异及逆转操作迭代求解,最终输出优化后的货物分布图与目标函数变化曲线,展示进化过程中的最优解和平均解的变化趋势。该方法模仿生物进化,适用于复杂空间利用问题,有效提高货柜装载效率。
|
1月前
|
移动开发 算法 计算机视觉
基于分块贝叶斯非局部均值优化(OBNLM)的图像去噪算法matlab仿真
本项目基于分块贝叶斯非局部均值优化(OBNLM)算法实现图像去噪,使用MATLAB2022A进行仿真。通过调整块大小和窗口大小等参数,研究其对去噪效果的影响。OBNLM结合了经典NLM算法与贝叶斯统计理论,利用块匹配和概率模型优化相似块的加权融合,提高去噪效率和保真度。实验展示了不同参数设置下的去噪结果,验证了算法的有效性。
|
30天前
|
算法 决策智能
基于SA模拟退火优化算法的TSP问题求解matlab仿真,并对比ACO蚁群优化算法
本项目基于MATLAB2022A,使用模拟退火(SA)和蚁群优化(ACO)算法求解旅行商问题(TSP),对比两者的仿真时间、收敛曲线及最短路径长度。SA源于金属退火过程,允许暂时接受较差解以跳出局部最优;ACO模仿蚂蚁信息素机制,通过正反馈发现最优路径。结果显示SA全局探索能力强,ACO在路径优化类问题中表现优异。
|
2月前
|
算法
基于PSO粒子群优化的配电网可靠性指标matlab仿真
本程序基于PSO粒子群优化算法,对配电网的可靠性指标(SAIFI、SAIDI、CAIDI、ENS)进行MATLAB仿真优化。通过调整电网结构和设备配置,最小化停电频率和时长,提高供电连续性和稳定性。程序在MATLAB 2022A版本上运行,展示了优化前后指标的变化。PSO算法模拟鸟群行为,每个粒子代表一个潜在解决方案,通过迭代搜索全局最优解,实现配电网的高效优化设计。
|
2月前
|
机器学习/深度学习 算法
基于遗传优化的双BP神经网络金融序列预测算法matlab仿真
本项目基于遗传优化的双BP神经网络实现金融序列预测,使用MATLAB2022A进行仿真。算法通过两个初始学习率不同的BP神经网络(e1, e2)协同工作,结合遗传算法优化,提高预测精度。实验展示了三个算法的误差对比结果,验证了该方法的有效性。
|
1月前
|
传感器 算法
基于GA遗传优化的WSN网络最优节点部署算法matlab仿真
本项目基于遗传算法(GA)优化无线传感器网络(WSN)的节点部署,旨在通过最少的节点数量实现最大覆盖。使用MATLAB2022A进行仿真,展示了不同初始节点数量(15、25、40)下的优化结果。核心程序实现了最佳解获取、节点部署绘制及适应度变化曲线展示。遗传算法通过初始化、选择、交叉和变异步骤,逐步优化节点位置配置,最终达到最优覆盖率。
|
1月前
|
算法
基于RRT优化算法的机械臂路径规划和避障matlab仿真
本课题基于RRT优化算法实现机械臂路径规划与避障。通过MATLAB2022a进行仿真,先利用RRT算法计算避障路径,再将路径平滑处理,并转换为机械臂的关节角度序列,确保机械臂在复杂环境中无碰撞移动。系统原理包括随机生成树结构探索空间、直线扩展与障碍物检测等步骤,最终实现高效路径规划。