# 三目标微网调度.rar

• 啭角爱
了解作者
• matlab
开发工具
• 12KB
文件大小
• rar
文件格式
• 1
收藏次数
• 10 积分
下载积分
• 30
下载次数
• 2020-01-06 08:56
上传日期

• 三目标微网调度
2.9KB
• shiyingzhi_zonghexiaoyi_2.m
1.4KB
• shiyingzhi_2.m
1.5KB
• shiyingzhi_zonghexiaoyi_all_2.asv
3.5KB
1.7KB
• microgird_dispatch_2.m
6.6KB
• shiyingzhi_zonghexiaoyi_all_2.m
3.5KB
1.7KB
• shiyingzhi_pollution_2.m
1.4KB
• shiyingzhi_pollution_all_2.m
2.9KB

function microgird_dispatch_2() %第一行 DG，第二行MT，第三行FC tic; w_start=0.9; w_end=0.4; c1=2; c2=2; Vmax=200; PopSize=20; MaxIter=300; iter=0; T=24; N=4; %可再生能源的种类数 % 输入原始数据,包括各时段负荷大小，发电机有功输出上下限，发电机耗量成本系数，各时段风电场预测的平均输出功率 pmax(1)=7;pmin(1)=0; pmax(2)=4;pmin(2)=0; pmax(3)=4;pmin(3)=0; % a=[1000,970,700,680,450,370,480,660,665,670]; % b=[16.19,17.26,16.60,16.50,19.70,22.26,27.74,25.92,27.27,27.79]; % c=[0.00048,0.00031,0.002,0.00211,0.00398,0.00712,0.00079,0.00413,0.00222,0.00173]; % 柴油发电机的耗量参数 a=0.0071;b=0.2333;c=0.4333; % 微型燃气轮机,P_mt表示燃气轮机发出的功率，Xl_mt表示燃气轮机的效率 % Xl_mt=0.0753*(P_mt/65)^3-0.3095*(P_mt/65)^2+0.1068; % 燃料电池 Xl_fc=0.4; % Cost_fc=Price_fc*P_fc/Xl_fc; xx=1:T; %负荷数据 % PL=[11,4,4,4,5,6,7.5,8,7.5,6,5,6,6.5,7,8,5,8.5,11,13,13,10,10,6.5,5]; PL=[3,4,4,4,5,6,6.5,7,7.5,8.5,9,10,10.5,10,9,8.5,9,10,11,11.5,10,9,5.5,5]; %PL=PL*10; plot(xx,PL,'-*r'); xlabel('t/h');ylabel('P/kW'); axis([1,24,0,15]); % 光伏和风力发电24小时的预测数据 PV=[0,0,0,0,0.0067,0.0133,0.01661,0.0298,0.043,0.0446,0.0529,0.05605,0.0543,0.0558,0.046,0.0394,0.0164,0.0131,0.0099,0.0049,0.0033,0,0,0]; WT=[0.2762,0.2762,0.3077,0.2824,0.3209,0.3275,0.2701,0.2824,0.2348,0.2521,0.2701,0.3275,0.3275,0.3479,0.3209,0.3077,0.3209,0.3342,0.3618,0.334,0.321,0.307,0.3,0.308]; PV_WT=PV(1:T)+WT(1:T); % figure(1); % plot(xx,PV,'-*r',xx,WT,'-b^'); % xlabel('t/h');ylabel('P/kW'); PGTTT=zeros(N,T); PGTTT(N,:)=PV_WT; TTT=T; %_________________________________________________________________________ %_________________________________________________________________________ for iii=1:TTT T=1; B=ones(N,T,PopSize); % B=zeros(N,T,PopSize); % for i=1:PopSize % B(:,:,i)=Y; %生成一个（N,T,PopSize）维的矩阵,生成了PopSize个11*24的矩阵，构成了A % end %随机初始化 Z=zeros(N,T,PopSize); Z(N,:,:)=PV_WT(iii); for jj=1:PopSize; X=zeros(N,T); for i=2:3 for j=1:T X(i,j)=rand(1)*(pmax(i)-pmin(i))+pmin(i); % X(i,j)=Y(i,j)*(rand(1)*(pmax(i)-pmin(i))+pmin(i)); end end X(N,:)=PV_WT(iii); % X(1,:)=PL(1:T)-sum(X(2:4,:)); X(1,:)=PL(iii)-sum(X(2:4,:)); k= X(1,:); % 对第一行平衡机组越限的调整，取其限值 change=k>pmax(1); k(find(change))=pmax(1); change=k<pmin(1); k(find(change))=pmin(1); X(1,:)=k; Z(:,:,jj)=X; end Z; M=Z; % 用在之后第一次迭代更新的时候，如果某个粒子不满足要求，则用初始化时的粒子替代 %适应值函数 Cost=zeros(PopSize,1); for jj=1:PopSize Cost(jj)=shiyingzhi_fadianchengben_2(Z(:,:,jj),iii); % Cost(jj)=shiyingzhi_pollution_2(Z(:,:,jj),iii); % Cost(jj)=shiyingzhi_zonghexiaoyi_2(Z(:,:,jj),iii); end V=rand(4,T,PopSize);%微粒速度随机初始化 %设定当前位置为粒子的最好位置，并记录其最好值。 PBest=Z; FPBest=Cost; %找到初始微粒群体的最好微粒 [Fgbest,r]=min(Cost); CF=Fgbest;%记录当前全局最优值 Best=Z(:,:,r);%用于保存最优粒子的位置 FBest=Fgbest; HengZB=1:MaxIter+1; ZongZB=zeros(1,MaxIter); %------------------------------------------------------------------------------------------------------- iter=0; %循环 while(iter<=MaxIter) iter=iter+1; % 更新惯性权重的值 w_now=((w_start-w_end)*(MaxIter-iter)/MaxIter)+w_end; A=Z(:,:,r); for i=1:PopSize A(:,:,i)=Z(:,:,r);%生成一个（11,24,PopSize）维的矩阵,生成了PopSize个11*24的矩阵，构成了A end %生成随机数 R1=rand(N,T,PopSize); R2=rand(N,T,PopSize); %速度更新 V=w_now*V+c1*R1.*(PBest-Z)+c2*R2.*(A-Z); %对进化后速度小于最小速度的微粒进行处理 changeRows=V>Vmax; V(find(changeRows))=Vmax; changeRows=V<-Vmax; V(find(changeRows))=-Vmax; %微粒位置进行更新 Z=Z+1.0*V.*B; %判断更新后的粒子是否满足约束条件，对不满足约束的粒子进行处理，使其满足约束，如果不满足则重新生成粒子的速度继而更新其位置，直到满足约束条件，如果重复 %次数超过规定的次数，则用原来可行的该粒子代替。 for i=1:PopSize for j=2:3 k=Z(j,:,i); change=k>pmax(j); k(find(change))=pmax(j); change=k<pmin(j); k(find(change))=pmin(j); Z(j,:,i)=k; end Z(N,:,i)=PV_WT(iii); % Z(1,:,i)=PL(1:T)-sum(Z(2:4,:,i)); Z(1,:,i)=PL(iii)-sum(Z(2:4,:,i)); k= Z(1,:,i); % 对第一行平衡机组越限的调整，取其限值 change=k>pmax(1); k(find(change))=pmax(1); change=k<pmin(1); k(find(change))=pmin(1); Z(1,:,i)=k; end %重新计算新位置的适应度值 Cost=zeros(PopSize,1); for jj=1:PopSize Cost(jj)=shiyingzhi_fadianchengben_2(Z(:,:,jj),iii); % Cost(jj)=shiyingzhi_pollution_2(Z(:,:,jj),iii); % Cost(jj)=shiyingzhi_zonghexiaoyi_2(Z(:,:,jj),iii); end %更新每个微粒的最好位置 d=Cost; P=d<FPBest; FPBest(find(P))=d(find(P));%适应值更换 PBest(:,:,find(P))=Z(:,:,find(P));%粒子位置更换 [Fgbest,g]=min(FPBest);%保存最好适应值 Best=PBest(:,:,g);%自己加的一句，因为如果下边的if语句如果不成立的话，Best就不更新了，不合逻辑 if Fgbest<CF%如果本次适应值好于上次则保存 [FBbest,h]=min(FPBest);%最好适应值为FBest Best=PBest(:,:,h); end CF=Fgbest; ZongZB(iter)=CF; end CF; Fgbest; Best; PGTTT(:,iii)=Best; cccc=sum(Best); figure(5); plot(HengZB,ZongZB); xlabel('迭代次数');ylabel('全局最优值/\$'); end aaaaaa=sum(PGTTT); Cost=shiyingzhi_fadianchengben_all_2(PGTTT) % Cost=shiyingzhi_pollution_all_2(PGTTT) % Cost=shiyingzhi_zonghexiaoyi_all_2(PGTTT) %__________________________________________________________________________ %__________________________________________________________________________ % figure(2); % plot(HengZB,ZongZB); PGTTT % 输出最优的各类型微电源结果 figure(3); plot(xx,PGTTT(1,:),'-ksquare',xx,PGTTT(2,:),'-r*',xx,PGTTT(3,:),'-b^'); % 绘制24小时的各微电源的功率曲线图 xlabel('t/h');ylabel('P/kW'); axis([1,24,-1,8]); % figure(4); % plot(xx,sum(Best),':',xx,PL(1:T),'*',xx,sum(Best)-PL(1:T),'x'); toc;

相关推荐
• 电网优化.rar
电网能量平衡的基本任务是指在一定的控制策略下，使微电网中的各分布式电源及储能装置的输出功率满足微电网的负荷需求，保证微电网的安全稳定，实现微电网的经济优化运行。
• 电网优化调度.rar
电网调度，包括风光储配置，目标函数经济性好
• 智能微电网PSO优化算法.zip
智能微电网PSO优化算法，比较全，推荐下载。
• 电网优化调度.zip
利用粒子群算法进行优化调度，以经济性为目标函数，完全可以运行
• 电网容量优化.rar
用蒙特卡洛算法模拟风机及光伏出力，并用粒子群算法加以分配优化
• 电网PSO优化算法
电网的粒子群优化调度算法，里面包括相关文献参考和电价数据，算法的过程解释的很清楚，是我学算法时候用到的资源。
• 电网经济优化
电网经济目标优化，给出微型燃气轮机出力、电网交互、蓄电池的出力
• 分时电价微电网优化
完美运行，能够绘制出各微电网部分的处理情况。
• 电网优化 (2).zip
建立微电网模型，建立目标函数，得到微电网是我最优配置。
• 粒子群优化电网.zip
使用粒子群算法优化电网，使微电网达到最优配置。