【复现】基于改进秃鹰算法的微电网群经济优化调度研究（Matlab代码实现）

💥💥💞💞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、数据

---

💥1 概述

文献来源：

随着光伏、风电等分布式电源的发展，配电网的供电模式得以改变，解决了传统火力发电带来的能源匮乏及环境污染问题，但其发电的随机性及波动性对配电网的稳定运行造成一定影响［1-5］ 。以多个微电网组成的微电网群可有效消纳分布式电源，提高供电灵活性及可靠性，减少弃光、弃风率，降低经济成本［6-8］ 。因此，构建微电网优化调度模型已成为微电网综合控制的核心问题之一，对减少微电网系统运行成本及环境污染具有重要意义［9］ 。

目前国内外学者对微电网优化调度问题进行了大量研究。文献［10］以综合运行成本最低为目标函数，采用改进麻雀算法进行求解，研究表明相比于灰狼算法及蝙蝠算法，改进麻雀算法具有良好的收敛速度，但只考虑了单个微电网，并未考虑多组微电网组成的微电网群系统。文献［11］以发

电成本及环境成本最低为目标函数，采用改进蝙蝠算法进行求解，虽然改进蝙蝠算法最终解优于传统蝙蝠算法，但缺乏与其他算法的对比实验，未能进一步验证改进后算法的优越性。文献［12］以系统总运行成本最低为目标函数构建优化调度模型，采用改进量子粒子群算法进行求解，相比于粒子群算法及遗传算法，改进量子粒子群算法环境成本较低，但该模型并未考虑并网情况下与配电网进行电能交互的情况。文献［13］提出一种冷热电联供的微电网优化调度模型，以系统运行成本最低为目标函数，通过改进蝴蝶算法进行求解，与传统策略相比虽然降低了发电成本，但并未考虑环境成本。

上述研究对微电网群优化调度问题尚有欠缺，针对此，本文构建以 3 个单微电网组成的微电网群优化调度模型，综合考虑系统总运行成本及环境成本，采用改进秃鹰算法（improved bald eagle search algorithm，IBES）进行求解，通过融合反向学习和柯西变异策略来提高秃鹰算法（bald eagle search algorithm，BES）的寻优精度，最终通过与其他算法对模型进行求解，验证改进后算法的优越性。

📚2 运行结果

部分代码：

% 约束条件的计算
constraint = zeros(1,7);
SOC = zeros(3,24);
SOC(:,1) = SOC0 - P_dis(:,1)/eta_BT + P_ch(:,1)*eta_BT;
for t = 2:24
    SOC(:,t) = SOC(:,t-1) - P_dis(:,1)/eta_BT + P_ch(:,1)*eta_BT;
end

% 约束11
constraint(1) = sum(sum(abs(P_WT + P_PV + P_MT + P_BT + P_MG + P_grid - P_L)));

for t = 1:24
    for k = 1:3
        
        % 约束12
        if t <= 23
            if P_MT(k,t+1) - P_MT(k,t) <= RMT_down(k)
                constraint(2) = constraint(2) + RMT_down(k) - (P_MT(k,t+1) - P_MT(k,t));
            elseif P_MT(k,t+1) - P_MT(k,t) >= RMT_up
                constraint(2) = constraint(2) - RMT_up(k) + (P_MT(k,t+1) - P_MT(k,t));
            end
        end
        
        % 约束13
        if SOC(k,t) <= SOC_min
            constraint(3) = constraint(3) + SOC_min - SOC(k,t);
        elseif SOC(k,t) >= SOC_max
            constraint(3) = constraint(3) - SOC_max + SOC(k,t);
        end
        
        % 约束15
        if P_MG(k,t) <= PMG_min(k)
            constraint(5) = constraint(5) + PMG_min(k) - P_MG(k,t);
        elseif P_MG(k,t) >= PMG_max(k)
            constraint(5) = constraint(5) - PMG_max(k) + P_MG(k,t);
        end
        
        % 约束16
        if P_grid(k,t) <= Pgrid_min
            constraint(6) = constraint(6) + Pgrid_min - P_grid(k,t);
        elseif P_grid(k,t) >= Pgrid_max
            constraint(6) = constraint(6) - Pgrid_max + P_grid(k,t);
        end
    end
end

% 新增的约束
constraint(7) = sum(sum(P_MG));

%% 计算罚函数
punishment_value = zeros(1,7);
for k = 1:7
    if 0 <= constraint(k) && constraint(k) <= 100
        punishment_value(k) = constraint(k);
    else
        punishment_value(k) = constraint(k)^2;
    end
end
punishment_value;
end

🎉3 参考文献

文章中一些内容引自网络，会注明出处或引用为参考文献，难免有未尽之处，如有不妥，请随时联系删除。

[1]周辉,张玉,肖烈禧,等.基于改进秃鹰算法的微电网群经济优化调度研究[J].太阳能学报,2024,45(02):328-335.DOI:10.19912/j.0254-0096.tynxb.2022-1531.

🌈4 Matlab代码、数据