73文章解读与程序——《基于串行并行ADMM算法的主从配电网分布式优化控制研究》已提供下载资源

👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆下载资源链接👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆

《《《《《《《《更多资源还请持续关注本专栏》》》》》》》

论文与完整源程序_电网论文源程序的博客-CSDN博客https://blog.csdn.net/liang674027206/category_12531414.html

电网论文源程序-CSDN博客电网论文源程序擅长文章解读,论文与完整源程序,等方面的知识,电网论文源程序关注python,机器学习,计算机视觉,深度学习,神经网络,数据挖掘领域.https://blog.csdn.net/LIANG674027206?type=download

可参考论文： 基于串行和并行ADMM算法的电—气能量流分布式协同优化

主动配电网分布式无功优化控制方法

在综合能源网框架下电力系统与天然气系统的耦合和交互愈加频繁，有必要考虑两个系统的相互作用开展电—气能量流的协同优化。针对电力流与天然气流的多主体分布自治决策特点，在构建分解协同交互机制的基础上，提出利用交替方向乘子法(ADMM)实现电力流与天然气流的分布式协同优化。分别给出了基于Gauss-Seidel 串行迭代和 Proximal Jacobian 并行迭代的两种ADMM计算模式，并从通信模式、求解效率和适用范围等角度探讨了两种模式的应用差异。

部分代码展示：

%%ADMM主程序
%%串行计算
clear
clc
%%%区域a,节点33,1-7,18-25
%%耦合为Xa=[U(6),U(7),P(7),Q(7),U(5),U(25),P(25),Q(25)]
Line_a=[1,2,3,4,5,6,7,18,19,20,21,22,23,24,25];
Node_a=[33,1,2,3,4,5,6,18,19,20,21,22,23,24,25];
%%%区域b,节点6-17
%%耦合为Xb=[U(6),U(7),P(7),Q(7)]
Line_b=[7,8,9,10,11,12,13,14,15,16,17];
Node_b=[6,7,8,9,10,11,12,13,14,15,16,17];
%%%区域c,节点5,25-32
%%耦合为Xb=[U(5),U(25),P(25),Q(25)]
Line_c=[25,26,27,28,29,30,31,32];
Node_c=[5,25,26,27,28,29,30,31,32];
%%%%首轮求解
Ploss_data=zeros(32,1);
Volta_data=zeros(33,1);
Qg_data=zeros(33,1);
xigma=0;lagrant_a=[0;0;0;0;0;0;0;0];lagrant_b=[0;0;0;0];lagrant_c=[0;0;0;0];
Xa_last=[0;0;0;0;0;0;0;0];Xb_last=[0;0;0;0];Xc_last=[0;0;0;0];
[Xa,Ploss,Volta,Qg]=program_a(lagrant_a,xigma,Xa_last);
Ploss_data(Line_a)=Ploss(Line_a);Volta_data(Node_a)=Volta(Node_a);Qg_data(Node_a)=Qg(Node_a);
[Xb,Ploss,Volta,Qg]=program_b(lagrant_b,xigma,Xb_last);
Ploss_data(Line_b)=Ploss(Line_b);Volta_data(Node_b)=Volta(Node_b);Qg_data(Node_b)=Qg(Node_b);
[Xc,Ploss,Volta,Qg]=program_c(lagrant_c,xigma,Xc_last);
Ploss_data(Line_c)=Ploss(Line_c);Volta_data(Node_c)=Volta(Node_c);Qg_data(Node_c)=Qg(Node_c);
Xa_last=(Xa+[Xb;Xc])/2;Xb_last=Xa_last(1:4);Xc_last=Xa_last(5:8);
lagrant_a=lagrant_a+(Xa-Xa_last);lagrant_b=lagrant_b+(Xb-Xb_last);lagrant_c=lagrant_c+(Xc-Xc_last);
figure(1)%目标函数
plot(1,sum(Ploss_data),'r*')
hold on
figure(2)%对偶误差
plot(1,norm(Xa-[Xb;Xc],2)^2,'b*');
hold on
%%%%迭代
xigma=0.05;
for k=1:100
    [Xa,Ploss,Volta,Qg]=program_a(lagrant_a,xigma,Xa_last);
    Ploss_data(Line_a)=Ploss(Line_a);Volta_data(Node_a)=Volta(Node_a);Qg_data(Node_a)=Qg(Node_a);
    [Xb,Ploss,Volta,Qg]=program_b(lagrant_b,xigma,Xb_last);
    Ploss_data(Line_b)=Ploss(Line_b);Volta_data(Node_b)=Volta(Node_b);Qg_data(Node_b)=Qg(Node_b);
    [Xc,Ploss,Volta,Qg]=program_c(lagrant_c,xigma,Xc_last);
    Ploss_data(Line_c)=Ploss(Line_c);Volta_data(Node_c)=Volta(Node_c);Qg_data(Node_c)=Qg(Node_c);
    Xa_last=(Xa+[Xb;Xc])/2;Xb_last=Xa_last(1:4);Xc_last=Xa_last(5:8);
    lagrant_a=lagrant_a+(Xa-Xa_last);lagrant_b=lagrant_b+(Xb-Xb_last);lagrant_c=lagrant_c+(Xc-Xc_last);
    figure(1)%目标函数
    plot(k+1,sum(Ploss_data),'r*')
    figure(2)%对偶误差
    plot(k+1,norm(Xa-[Xb;Xc],2)^2,'b*');
    Ploss_total=sum(Ploss_data)
gap=norm(Xa-[Xb;Xc],2)^2
end
Ploss_total=sum(Ploss_data)
gap=norm(Xa-[Xb;Xc],2)^2

效果展示：

72号资源-源程序：论文可在知网下载《基于串行并行ADMM算法的主从配电网分布式优化控制研究》本人博客有解读资源-CSDN文库https://download.csdn.net/download/LIANG674027206/89101444 👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆下载资源链接👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆

《《《《《《《《更多资源还请持续关注本专栏》》》》》》》

论文与完整源程序_电网论文源程序的博客-CSDN博客https://blog.csdn.net/liang674027206/category_12531414.html

电网论文源程序-CSDN博客电网论文源程序擅长文章解读,论文与完整源程序,等方面的知识,电网论文源程序关注python,机器学习,计算机视觉,深度学习,神经网络,数据挖掘领域.https://blog.csdn.net/LIANG674027206?type=download