【优化求解】粒子群的智能微电网多目标优化算法【Matlab 347期】

一、简介

1 智能电网的定义
智能电网是以物理电网为基础将现代先进的传感测量技术、通讯技术、信息技术、计算机技术和控制技术与物理电网高度集成而形成的新型电网
1.1 硬件基础:电网和建立在集成的、高速双向通信网络。
1.2 软件基础:智能的控制技术,是指诊断电网状态,防止供电中断,改善电能质量扰动的装置和算法。

2 智能电网的组成
智能电网由很多部分组成,可分为:智能变电站,智能配电网,智能电能表,智能交互终端,智能调度,智能家电,智能用电楼宇,智能城市用电网,智能发电系统,新型储能系统。
它是建立在集成的、高速双向通信网络的基础上,通过先进的传感和测量技术、先进的设备技术、先进的控制方法以及先进的决策支持系统技术的应用,实现电网的可靠、安全、经济、高效、环境友好和使用安全的目标,其主要特征包括自愈、激励和包括用户、抵御攻击、提供满足21世纪用户需求的电能质量、容许各种不同发电形式的接入、启动电力市场以及资产的优化高效运行。

3 微电网的定义
微电网(Micro-Grid)也称为微网,是一种新型网络结构,是一组微电源、负荷、储能系统和控制装置构成的系统单元。微电网是一种由分布式电源组成的独立系统,一般通过联络线与大系统相连,由于供电与需求的不平衡关系,微电网可选择与主网之间互供或者独立运行。
微电网是一个能够实现自我控制、保护和管理的自治系统,既可以与外部电网并网运行,也可以孤立运行。微电网是相对传统大电网的一个概念,是指多个分布式电源及其相关负载按照一定的拓扑结构组成的网络,并通过静态开关关联至常规电网。开发和延伸微电网能够充分促进分布式电源与可再生能源的大规模接入,实现对负荷多种能源形式的高可靠供给,是实现主动式配电网的一种有效方式,是传统电网向智能电网过渡。

4 微电网的组成
微电网是一种由分布式电源组成的独立系统,由分布式电源、储能装置、能量转换装置、相关负荷和监控、保护等装置组成的小型发配电系统。它一般通过联络线与大系统相连,由于供电与需求的不平衡关系,微电网可选择与主网之间互供或者独立运行。
微电网中的电源多为容量较小的分布式电源,即含有电力电子接口的小型机组,包括微型燃气轮机、燃料电池、光伏电池、小型风力发电机组以及超级电容、飞轮及蓄电池等储能装置。它们接在用户侧,具有成本低、电压低以及污染小等特点。

5 智能微电网
智能微电网能实现从分布式微电网、发电设备群、到终端用户整个输配电过程中所有节点之间的信息和电能的双向流动,从而实现控制过程的数字化、智能化、快速化。

二、源代码

clear
clc
format long;

%初始化条件****************************************
%微型燃气轮机最大功率
MTMaxPower=5;
%微型燃气轮机最小功率
MTMinPower=1;
%电网输入微网最大功率
GridMaxImportPower=250;
%电网输入微网最小功率
GridMinImportPower=10;
%储能最大放电功率
StorageMaxDischargingPower=150;
%储能最大充电功率
StorageMaxChargingPower=-100;

Max_Dt=300;%最大迭代次数300
D=72;%搜索空间维数(未知数个数)
N=600;%粒子个数600
w_max=0.9;
w_min=0.4;
v_max=2;
s=1;

%初始化种群个体(位置和速度)***********************
for i=1:N
    for j=1:72
%         v(i,j)=randn;
        v(i,j)=0.0;
        if j<25
            x(i,j)=MTMinPower+rand()*(MTMaxPower-MTMinPower);
        elseif j>24&&j<49
            x(i,j)=GridMinImportPower+rand()*(GridMaxImportPower-GridMinImportPower);
        elseif j>48&&j<73
            x(i,j)=StorageMaxChargingPower+rand()*(StorageMaxDischargingPower-StorageMaxChargingPower);
        end
    end    
end

%计算各个粒子的适应度,并初始化Pi和Pg****************
for i=1:N
    p(i)=fitness(x(i,:),s);
    y(i,:)=x(i,:);%每个粒子的个体寻优值
end
Pbest=fitness(x(1,:),s);
pg=x(1,:);%Pg为全局最优
for i=2:N
    if fitness(x(i,:),s)<fitness(pg,s)
       Pbest=fitness(x(i,:),s);
       pg=x(i,:);%全局最优更新
    end
end

%进入主循环*****************************************
for t=1:Max_Dt
    for i=1:N
        w=w_max-(w_max-w_min)*t/Max_Dt;%惯性权重更新
        c1=(0.5-2.5)*t/Max_Dt+2.5; %认知
        c2=(2.5-0.5)*t/Max_Dt+0.5; %社会认识   
%         w=0.7;
%         c1=2.05; %认知
%         c2=2.05; %社会认识   
        v(i,:)=w*v(i,:)+c1*rand()*(y(i,:)-x(i,:))+c2*rand()*(pg-x(i,:));
        for m=1:72
            if(v(i,m)>v_max)
                v(i,m)=v_max;
            elseif(v(i,m)<-v_max)
                v(i,m)=-v_max;
            end
        end
        
        x(i,:)=x(i,:)+v(i,:);
        %对粒子边界处理*****************************
        for n=1:72
            if n<25
                   if x(i,n)<MTMinPower
                         x(i,n)=MTMinPower;
                         v(i,n)=-v(i,n); 
                   elseif x(i,n)>MTMaxPower
                         x(i,n)=MTMaxPower;
                         v(i,n)=-v(i,n); 
                   else
                         delt(i,n)=0;
                   end
            elseif n>24&&n<49
                    if x(i,n)<GridMinImportPower
                         x(i,n)=GridMinImportPower;
                         v(i,n)=-v(i,n);  
                   elseif  x(i,n)>GridMaxImportPower
                         x(i,n)=GridMaxImportPower;
                         v(i,n)=-v(i,n);                     
                    else
                         delt(i,n)=0;
                    end
            else
                    if x(i,n)<StorageMaxChargingPower
                          x(i,n)=StorageMaxChargingPower;
                          v(i,n)=-v(i,n); 
                   elseif x(i,n)>StorageMaxDischargingPower
                        x(i,n)=StorageMaxDischargingPower;
                        v(i,n)=-v(i,n); 
                    else
                        delt(i,n)=0;
                    end
            end
        end 
        %对粒子进行评价,寻找最优值******************
        if fitness(x(i,:),t)<p(i)
            p(i)=fitness(x(i,:),t);
            y(i,:)=x(i,:);
        end
        if p(i)<Pbest
            Pbest=p(i);
            pg=y(i,:);
            s=t;
        end

三、运行结果

在这里插入图片描述

四、备注

完整代码或者代写添加QQ912100926
往期回顾>>>>>>
【优化求解】粒子群算法之充电站最优布局【Matlab 061期】
【优化求解】遗传算法之多旅行商问题【Matlab 062期】
【优化求解】遗传和模拟退火之三维装箱问题【Matlab 063期】
【优化求解】遗传算法之求最短路径【Matlab 064期】
【优化求解】粒子群之优化灰狼算法【Matlab 065期】
【优化求解】多目标之灰狼优化算法MOGWO 【Matlab 066期】
【优化求解】遗传算法之求解优化车辆发车间隔【Matlab 067期】
【优化求解】磷虾群算法简介【Matlab 068期】
【优化求解】差分进化算法简介【Matlab 069期】
【优化求解】约束优化之惩罚函数法简介【Matlab 070期】
【优化求解】改进灰狼算法之求解重油热解模型【Matlab 072期】
【优化求解】蚁群算法之配电网故障定位【Matlab 073期】
【优化求解】遗传算法之求解岛屿物资补给优化问题【Matlab 137期】
【优化求解】基于matlab冠状病毒群体免疫优化算法(CHIO)【Matlab 138期】
【优化求解】基于matlab之金鹰优化求解算法(GEO)【Matlab 139期】
【优化求解】基于GUI界面之BP神经网络优化求解【Matlab 179期】
【优化求解】基于GUI界面之遗传算法优化求解【Matlab 180期】
【优化求解】基于GUI界面之蚁群算法优化求解【Matlab 181期】
【优化求解】 免疫算法之数值逼近优化分析【Matlab 182期】
【优化求解】 启发式算法之函数优化分析【Matlab 183期】
【优化求解】改进的遗传算法(GA+IGA)之城市交通信号优化【Matlab 184期】
【优化求解】改进的遗传算法GA之城市交通信号优化【Matlab 185期】
【优化求解】改进的遗传算法IGA之城市交通信号优化【Matlab 186期】
【优化求解】罚函数的粒子群算法之函数寻优【Matlab 187期】
【优化求解】细菌觅食算法之函数优化分析【Matlab 188期】
【优化求解】引力搜索算法之函数优化分析【Matlab 189期】
【优化求解】蚁群算法之函数优化分析【Matlab 190期】
【优化求解】多元宇宙优化算法【Matlab 191期】
【优化求解】飞蛾扑火算法(MFO)【Matlab 192期】
【优化求解】实现电动汽车有序充电【Matlab 294期】

已标记关键词 清除标记
相关推荐
©️2020 CSDN 皮肤主题: 游动-白 设计师:白松林 返回首页