基于遗传算法的配电网重构研究(Matlab代码实现)

简介: 基于遗传算法的配电网重构研究(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代码实现


image.gif

💥1 概述

优化配电网运行作为电力系统运行管理的一个重要组成部分,也是供电企业的工作目标。在配网优化的各项措施中,由于配电网重构能在不增加投资的前提下,只需通过调节配网中开关的开合状态,就能达到降低线损、均衡负荷以消除过载、提高供电电压质量和提高供电可靠性等目的,因此它是配电网一项最为经济的优化措施。本文基于遗传算法的配电网重构,有效的降低配电网网损,提高电能质量。

📚2 运行结果

image.gif

image.gif部分代码:

function [U,ploss]=powerflow()

n=69;

b=68;

Sb=10;       %基准功率

Ub=12.66;    %基准电压

Zb=Ub^2/Sb;  %基准阻抗

s1=13; s2=69; s3=55; s4=18; s5=61;

Q1=0; Q2=0; Q3=0;

%输入系统参数

Z=[1, 1, 2,0.005/Zb+0.0012i/Zb,0

   2, 2, 3,0.005/Zb+0.0012i/Zb,0

   3, 3, 4,0.0015/Zb+0.0036i/Zb,0

   4, 4, 5,0.0251/Zb+0.02941i/Zb,0

   5, 5, 6,0.366/Zb+0.1869i/Zb,0.0026/Sb+0.0022i/Sb

   6, 6, 7,0.3811/Zb+0.1964i/Zb,0.0404/Sb+0.03i/Sb

   7, 7, 8,0.0922/Zb+0.047i/Zb,0.075/Sb+0.054i/Sb

   8, 8, 9,0.0493/Zb+0.0251i/Zb,0.030/Sb+0.022i/Sb

   9, 9, 10,0.8090/Zb+0.2707i/Zb,0.028/Sb+0.019i/Sb

   10, 10,11,0.1872/Zb+0.0691i/Zb,0.145/Sb+0.104i/Sb

   11,11,12,0.7114/Zb+0.2351i/Zb,0.145/Sb+0.104i/Sb

   12,12,13,1.03/Zb+0.34i/Zb,0.008/Sb+0.0055i/Sb

   13,13,14,1.044/Zb+0.345i/Zb,0.008/Sb+0.0055i/Sb

   14,14,15,1.058/Zb+0.3496i/Zb,0

   15,15,16,0.1966/Zb+0.065i/Zb,0.0455/Sb+0.030i/Sb

   16,16,17,0.3744/Zb+0.1238i/Zb,0.060/Sb+0.035i/Sb

   17,17,18,0.0047/Zb+0.0016i/Zb,0.060/Sb+0.035i/Sb

   18,18,19,0.3276/Zb+0.1083i/Zb,0

   19,19,20,0.2106/Zb+0.0696i/Zb,0.001/Sb+0.0006i/Sb

   20,20,21,0.3416/Zb+0.1129i/Zb,0.114/Sb+0.081i/Sb

   21,21,22,0.014/Zb+0.0046i/Zb,0.0053/Sb+0.0035i/Sb

   22, 22,23,0.1591/Zb+0.0526i/Zb,0

   23,23,24,0.3463/Zb+0.11451i/Zb,0.028/Sb+0.020i/Sb

   24,24,25,0.7488/Zb+0.2745i/Zb,0

   25, 25,26,0.3089/Zb+0.1021i/Zb,0.014/Sb+0.010i/Sb

   26,26,27,0.1732/Zb+0.5728i/Zb,0.014/Sb+0.010i/Sb

   27,3,20,0.0044/Zb+0.0108i/Zb,0.026/Sb+0.0186i/Sb

   28,28,29,0.064/Zb+0.1565i/Zb,0.026/Sb+0.0186i/Sb

   29,29,30,0.3978/Zb+0.1315i/Zb,0

   30,30,31,0.0702/Zb+0.0232i/Zb,0

   31,32,33,0.3510/Zb+0.1160i/Zb,0

   32,32,33,0.8390/Zb+0.2816i/Zb,0.014/Sb+0.010i/Sb

   33, 33,34,1.7080/Zb+0.5645i/Zb,0.0194/Sb+0.014i/Sb

   34, 34,35,1.4740/Zb+0.4673i/Zb,0.0060/Sb+0.004i/Sb

   35,3,59,0.0044/Zb+0.0108i/Zb,0.0260/Sb+0.01855i/Sb

   36,59,60,0.064/Zb+0.15650i/Zb,0.0260/Sb+0.01855i/Sb

   37,60,61,0.10530/Zb+0.123i/Zb,0

   38,61,62,0.0304/Zb+0.355i/Zb,0.024/Sb+0.017i/Sb

   39,62,63,0.018/Zb+0.021i/Zb,0.024/Sb+0.017i/Sb

   40,63,64,0.7283/Zb+0.8509i/Zb,0.0012/Sb+0.001i/Sb

   41,64,65,0.310/Zb+0.3623i/Zb,0

   42,65,66,0.041/Zb+0.0478i/Zb,0.006/Sb+0.0043i/Sb

   43,66,67,0.0092/Zb+0.0116i/Zb,0

   44,67,68,0.1089/Zb+0.1373i/Zb,0.03922/Sb+0.0263i/Sb

   45,68,69,0.0009/Zb+0.0012i/Zb,0.03922/Sb+0.0263i/Sb

   46,4,36,0.0034/Zb+0.0034i/Zb,0

   47,36,37,0.0851/Zb+0.2033i/Zb,0.079/Sb+0.0564i/Sb

   48,37,38,0.2898/Zb+0.7091i/Zb,0.3847/Sb+0.2745i/Sb

   49,38,39,0.0822/Zb+0.2011i/Zb,0.3847/Sb+0.2745i/Sb

   50,8,40,0.0928/Zb+0.0473i/Zb,0.0405/Sb+0.0283i/Sb

   51,40,41,0.3391/Zb+0.1114i/Zb,0.0036/Sb+0.0027i/Sb

   52,9,42,0.1740/Zb+0.0886i/Zb,0.00435/Sb+0.0035i/Sb

   53,42,43,0.2030/Zb+0.1034i/Zb,0.0264/Sb+0.019i/Sb

   54,43,44,0.2842/Zb+0.1447i/Zb,0.024/Sb+0.0172i/Sb

   55,44,45,0.2813/Zb+0.1433i/Zb,0

   56,45,46,1.59/Zb+0.5337i/Zb,0

   57,46,47,0.7837/Zb+0.2630i/Zb,0

   58,47,48,0.3042/Zb+0.1006i/Zb,0.1/Sb+0.072i/Sb

   59,48,49,0.3861/Zb+0.1172i/Zb,0

   60,49,50,0.5075/Zb+0.2585i/Zb,1.244/Sb+0.888i/Sb

   61,50,51,0.0974/Zb+0.0496i/Zb,0.032/Sb+0.023i/Sb

   62,51,52,0.1450/Zb+0.0738i/Zb,0

   63,52,53,0.7105/Zb+0.3619i/Zb,0.227/Sb+0.162i/Sb

   64,53,54,1.041/Zb+0.5302i/Zb,0.059/Sb+0.042i/Sb

   65,11,55,0.2012/Zb+0.0611i/Zb,0.018/Sb+0.013i/Sb

   66,55,56,0.0047/Zb+0.0014i/Zb,0.018/Sb+0.013i/Sb

   67,12,57,0.7394/Zb+0.2444i/Zb,0.028/Sb+0.020i/Sb

   68,57,58,0.0047/Zb+0.0016i/Zb,0.028/Sb+0.020i/Sb

   69,11,66,0.5/Zb+0.5/Zb,0.018/Sb+0.013i/Sb

   70,13,20,0.5/Zb+0.5/Zb,0.114/Sb+0.081i/Sb

   71,15,69,1/Zb+1/Zb,0.018/Sb+0.013i/Sb

   72,27,54,1/Zb+1/Zb,0.024/Sb+0.0172i/Sb

   73,39,48,2/Zb+2/Zb,0.3847/Sb+0.2745i/Sb

   ];

for i=1:73

   if Z(i,1)==s1

       Z(i,5)=0;

   end

end

for i=1:73

   if Z(i,1)==s2

       Z(i,5)=0;

   end

end

for i=1:73

   if Z(i,1)==s3

       Z(i,5)=0;

   end

end

for i=1:73

   if Z(i,1)==s4

       Z(i,5)=0;

   end

end

for i=1:73

   if Z(i,1)==s5

       Z(i,5)=0;

   end

end

%计算潮流

v=ones(1,n);   %初始化节点电压

k=0;

L1=0;

while  k<10&&L1<1     %收敛条件

   v_before=v;

   %计算节点注入电流,b=32为系统支路数

   I=zeros(b,1);   %生成一个b行1列的零矩阵

   for h=1:b

       I(h)=conj(0.5*Z(h,5)/v(1,h+1)); %求节点注入电流,conj为求共轭

   end

   J=zeros(b,1);

   J=J+I;    %支路电流,J矩阵中存储的是各节点注入电流,J有32行1列

   for h=b-1:-1:1

       nn=Z(h,3);   %取系统中末端节点编号

       for j=b:-1:1

           if Z(j,2)==nn    %说明他们之间首末端点是相连的

               J(h)=J(h)+J(j);

           end

       end

   end

  %回推节点电压

   for h=1:b

       m=Z(h,2);mm=Z(h,3);

       v(1,mm+1)=v(1,m+1)-Z(h,4)*J(h);

   end

   %收敛条件

   for h=1:b

       dat_v(h)=abs(v(h))-abs(v_before(h));

   end

   if max(abs(dat_v))<1.0e-4

       L1=1;    %不能用dat_v(i)就指最后的元素第i个

   end

   k=k+1;

end

%计算网损

ws=zeros(b,1);

for i=1:1:b;

   ws(i,1)=J(i,1)*conj(J(i,1))*real(Z(i,4))*Sb;

end

ploss=zeros(n,1);

ploss=sum(ws);

U=zeros(n,1);

for i=1:n;

   U(i)=real(v(i));

end

ploss

end

🎉3 参考文献

部分理论来源于网络,如有侵权请联系删除。

[1]柯朝晖,彭雪华,徐敏.改进的遗传算法在配电网重构中的应用[J].科技广场,2016(01):42-45.DOI:10.13838/j.cnki.kjgc.2016.01.010.

[2]杨烈. 基于遗传算法的多目标配电网重构研究与应用[D].华北电力大学,2013.

🌈4 Matlab代码实现

链接:https://pan.baidu.com/s/1vjvD0XYKqhr9t7zHIYfBrQ 

提取码:xlsb

--来自百度网盘超级会员V3的分享

相关文章
|
1天前
|
算法 调度
基于遗传模拟退火混合优化算法的车间作业最优调度matlab仿真,输出甘特图
车间作业调度问题(JSSP)通过遗传算法(GA)和模拟退火算法(SA)优化多个作业在并行工作中心上的加工顺序和时间,以最小化总完成时间和机器闲置时间。MATLAB2022a版本运行测试,展示了有效性和可行性。核心程序采用作业列表表示法,结合遗传操作和模拟退火过程,提高算法性能。
|
2天前
|
存储 算法 决策智能
基于免疫算法的TSP问题求解matlab仿真
旅行商问题(TSP)是一个经典的组合优化问题,目标是寻找经过每个城市恰好一次并返回起点的最短回路。本文介绍了一种基于免疫算法(IA)的解决方案,该算法模拟生物免疫系统的运作机制,通过克隆选择、变异和免疫记忆等步骤,有效解决了TSP问题。程序使用MATLAB 2022a版本运行,展示了良好的优化效果。
|
1天前
|
机器学习/深度学习 算法 芯片
基于GSP工具箱的NILM算法matlab仿真
基于GSP工具箱的NILM算法Matlab仿真,利用图信号处理技术解析家庭或建筑内各电器的独立功耗。GSPBox通过图的节点、边和权重矩阵表示电气系统,实现对未知数据的有效分类。系统使用MATLAB2022a版本,通过滤波或分解技术从全局能耗信号中提取子设备的功耗信息。
|
1天前
|
机器学习/深度学习 算法 5G
基于MIMO系统的SDR-AltMin混合预编码算法matlab性能仿真
基于MIMO系统的SDR-AltMin混合预编码算法通过结合半定松弛和交替最小化技术,优化大规模MIMO系统的预编码矩阵,提高信号质量。Matlab 2022a仿真结果显示,该算法能有效提升系统性能并降低计算复杂度。核心程序包括预编码和接收矩阵的设计,以及不同信噪比下的性能评估。
10 3
|
9天前
|
算法 测试技术 开发者
在Python开发中,性能优化和代码审查至关重要。性能优化通过改进代码结构和算法提高程序运行速度,减少资源消耗
在Python开发中,性能优化和代码审查至关重要。性能优化通过改进代码结构和算法提高程序运行速度,减少资源消耗;代码审查通过检查源代码发现潜在问题,提高代码质量和团队协作效率。本文介绍了一些实用的技巧和工具,帮助开发者提升开发效率。
12 3
|
7天前
|
分布式计算 Java 开发工具
阿里云MaxCompute-XGBoost on Spark 极限梯度提升算法的分布式训练与模型持久化oss的实现与代码浅析
本文介绍了XGBoost在MaxCompute+OSS架构下模型持久化遇到的问题及其解决方案。首先简要介绍了XGBoost的特点和应用场景,随后详细描述了客户在将XGBoost on Spark任务从HDFS迁移到OSS时遇到的异常情况。通过分析异常堆栈和源代码,发现使用的`nativeBooster.saveModel`方法不支持OSS路径,而使用`write.overwrite().save`方法则能成功保存模型。最后提供了完整的Scala代码示例、Maven配置和提交命令,帮助用户顺利迁移模型存储路径。
|
12天前
|
人工智能 算法 数据安全/隐私保护
基于遗传优化的SVD水印嵌入提取算法matlab仿真
该算法基于遗传优化的SVD水印嵌入与提取技术,通过遗传算法优化水印嵌入参数,提高水印的鲁棒性和隐蔽性。在MATLAB2022a环境下测试,展示了优化前后的性能对比及不同干扰下的水印提取效果。核心程序实现了SVD分解、遗传算法流程及其参数优化,有效提升了水印技术的应用价值。
|
13天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于贝叶斯优化CNN-LSTM网络的数据分类识别算法matlab仿真
本项目展示了基于贝叶斯优化(BO)的CNN-LSTM网络在数据分类中的应用。通过MATLAB 2022a实现,优化前后效果对比明显。核心代码附带中文注释和操作视频,涵盖BO、CNN、LSTM理论,特别是BO优化CNN-LSTM网络的batchsize和学习率,显著提升模型性能。
|
6天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于GA-PSO-SVM算法的混沌背景下微弱信号检测matlab仿真
本项目基于MATLAB 2022a,展示了SVM、PSO、GA-PSO-SVM在混沌背景下微弱信号检测中的性能对比。核心程序包含详细中文注释和操作步骤视频。GA-PSO-SVM算法通过遗传算法和粒子群优化算法优化SVM参数,提高信号检测的准确性和鲁棒性,尤其适用于低信噪比环境。
|
3月前
|
安全
【2023高教社杯】D题 圈养湖羊的空间利用率 问题分析、数学模型及MATLAB代码
本文介绍了2023年高教社杯数学建模竞赛D题的圈养湖羊空间利用率问题,包括问题分析、数学模型建立和MATLAB代码实现,旨在优化养殖场的生产计划和空间利用效率。
174 6
【2023高教社杯】D题 圈养湖羊的空间利用率 问题分析、数学模型及MATLAB代码