100文章解读与程序——论文可在知网下载-风-光-柴-储微网容量优化配置（基于粒子群算法和改进灰狼两种算法）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

论文可参考：改进收敛因子和比例权重的灰狼优化算法

主要工作内容：

法1：基于粒子群算法-考虑需求响应的风-光-柴-储容量优化配置

法2：基于改进灰狼算法-考虑需求响应的风-光-柴-储容量优化配置

场景考虑：1分时电价-需求响应后

2实时电价-需求响应

3需求响应前

附带WORD注释与模型参考

部分代码展示：

P_wt=zeros(1,8760);%单台风机的年功率曲线
u_wt=3.86;%风机投资成本（台/万元）
k_wt=0.02;%风机维护费用（万元/年）
Y_wt=20;%风机的使用年限
R_wt=3;%风机单台置换费用（万元/台）

%2.光伏
single_PV=1;%单个光伏板额定功率/kW
T_r=25;%太阳能电池温度为25℃
namd=-0.0047;%温度条件系数
G_n=1;%光谱辐照度为1000W/m2
P_pv=zeros(1,8760);%单片光伏板的年功率曲线
u_pv=0.8;%光伏投资成本（台/万元）
k_pv=0.002;%光伏维护费用（万元/年）
Y_pv=20;%光伏的使用年限
R_pv=0.7;%光伏单台置换费用（万元/台）

%3.柴油发电机
a=0.08415;%截距系数/(L/kWh)
b=0.246;%斜率/(L/kWh)
P_deo=50;%额定功率
P_deo_min=10;%最小运行功率
u_de=2.09;%柴油发电机投资成本（台/万元）
k_de=0.05;%柴油发电机维护费用（万元/年）
Y_de=10;%柴油发电机的使用年限
R_de=1.8;%柴油发电机单台置换费用（万元/台）
K_fuel=8.38;%柴油的价格8.38（元/L）
V_CO2=0.210;%CO2治理成本（元/kg）
V_SO2=14.842;%SO2治理成本（元/kg）
V_NOx=62.964;%NOx治理成本（元/kg）
kr_CO2=649;%CO2污染物排放系数（g/kw·h）
kr_SO2=0.206;%SO2污染物排放系数（g/kw·h）
kr_NOx=9.890;%NOx污染物排放系数（g/kw·h）

%4.蓄电池
E_sb=2;%蓄电池容量
P_cha_max=0.2*num_sb*E_sb;%蓄电池最大充电功率
P_dis_max=0.2*num_sb*E_sb;%蓄电池最大放电功率
c_cha=0.85;%充电效率
c_dis=0.85;%放电效率
Soc_max=0.9;%荷电状态上限
Soc_min=0.2;%荷电状态下限
Soc_0=0.5;%荷电状态初始值
u_sb=0.16;%蓄电池投资成本（台/万元）
k_sb=0.002;%蓄电池维护费用（万元/年）
Y_sb=1.36;%蓄电池的使用年限
R_sb=0.09;%蓄电池单台置换费用（万元/台）

%5.其他参数
r=0.0475;%成本回收系数
Y=20;%运行年限

%% 变量区
P_deo_rel=zeros(1,8760);%柴油发电机实际功率
P_cha=zeros(1,8760);%蓄电池充电功率
P_dis=zeros(1,8760);%蓄电池放电功率
P_bre=zeros(1,8760);%负荷中断量
P_was=zeros(1,8760);%弃风弃光量
SOC=zeros(1,8760);%蓄电池荷电状态

%% 计算区
%根据风速求单台风机的年功率曲线
for i=1:8760
    if Speed_WT(i)>=0 && Speed_WT(i)<=v_ci
        P_wt(i)=0;
    elseif Speed_WT(i)>=v_ci && Speed_WT(i)<=v_n
        P_wt(i)=single_WT*(Speed_WT(i)-v_ci)/(v_n-v_ci);
    elseif Speed_WT(i)>=v_n && Speed_WT(i)<=v_co
        P_wt(i)=single_WT;
    else
        P_wt(i)=0;
    end
end
%根据光照强度和温度求单块光伏板的年功率曲线
for i=1:8760
    P_pv(i)=(single_PV*Solar_PV(i)/G_n)*(1+namd*(T_c(i)-T_r));
end

效果展示：

100号资源-论文可在知网下载-风-光-柴-储微网容量优化配置（基于粒子群算法和改进灰狼两种算法）-本人博客有解读资源-CSDN文库https://download.csdn.net/download/LIANG674027206/89271232👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆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