改进粒子群算法求解电力系统经济调度问题（Matlab实现）

然哥爱编程

已于 2022-12-26 19:38:14 修改

阅读量845

点赞数 4

分类专栏：优化调度经济调度、状态估计文章标签： matlab 算法开发语言

于 2022-11-22 20:37:55 首次发布

本文链接：https://blog.csdn.net/m0_73907476/article/details/127966668

版权

优化调度同时被 2 个专栏收录

6 篇文章 1 订阅

订阅专栏

经济调度、状态估计

4 篇文章 0 订阅

订阅专栏

1 相关知识点

2 Matlab完整代码实现

3 结果及可视化

1 相关知识点

这里写图片描述

这里总结一位博主的目录：梳理如下：

粒子群算法（带约束处理）——Python&Matlab实现

智能优化算法——粒子群算法（Matlab实现）

灰狼算法和粒子群算法比较（附完整Matlab代码）——可应用于电气期刊论文

粒子群算法求解电力系统环境经济调度+微电网调度（风、光、电动车、柴油机、主网）（Python代码实现）

改进的多目标差分进化算法在电力系统环境经济调度中的应用（Python代码实现）【电气期刊论文复现】

风电随机性动态经济调度模型（Python&Matlab代码）

多目标灰太狼算法求解环境经济调度问题（IEEE30)(Matlab实现)

多元宇宙算法求解电力系统多目标优化问题（Matlab实现）【电气期刊论文复现】

求解热电联产经济调度问题的改进遗传与粒子群算法

改进粒子群算法的配电网故障定位(Python&Matlab代码实现)

2 Matlab完整代码实现

知识点讲解完毕，下面就是Matlab代码：

clc;
clear;
close all;

%% 经济调度问题

extmodel=CreateModel();

CostFunction=@(x) MyCostExt(x,extmodel); % 成本函数（目标函数）

nVar=extmodel.nPlant;             % 发电机台数（决策变量的个数）

VarSize=[1 nVar];   % 决策变量矩阵的大小

VarMin=0;         % 变量下限
VarMax=1;         % 变量上限


%% 粒子群算法相关参数

MaxIt=100;      % 最大迭代次数

nPop=10;        % 总群数量

% w=1;            % 惯性权重
% wdamp=0.99;     % 惯性重量阻尼比
% c1=2;           % 个体学习系数
% c2=2;           % 种群学习系数

%% 约束系数
phi1=2.05;
phi2=2.05;
phi=phi1+phi2;
chi=2/(phi-2+sqrt(phi^2-4*phi));
w=chi;          % 惯性权重
wdamp=1;        % 惯性重量阻尼比
c1=chi*phi1;    % 个体学习系数
c2=chi*phi2;    % 种群学习系数

%% 飞行速度限制
VelMax=0.1*(VarMax-VarMin);
VelMin=-VelMax;

%% 初始化

empty_particle.Position=[];
empty_particle.Cost=[];
empty_particle.Out=[];
empty_particle.Velocity=[];
empty_particle.Best.Position=[];
empty_particle.Best.Cost=[];
empty_particle.Best.Out=[];

particle=repmat(empty_particle,nPop,1);

BestSol.Cost=inf;

for i=1:nPop
    
    %=====初始化粒子群位置===============
    particle(i).Position=unifrnd(VarMin,VarMax,VarSize);
    
    %=====初始化速度======
    particle(i).Velocity=zeros(VarSize);
    
    %=====目标函数计算===========
    [particle(i).Cost, particle(i).Out]=CostFunction(particle(i).Position);
    
    %====更新粒子个体最优=====
    particle(i).Best.Position=particle(i).Position;
    particle(i).Best.Cost=particle(i).Cost;
    particle(i).Best.Out=particle(i).Out;
    
    %====更新粒子群全局最优========
    if particle(i).Best.Cost<BestSol.Cost
        
        BestSol=particle(i).Best;
        
    end
    
end

BestCost=zeros(MaxIt,1);


%% PSO 主循环

for it=1:MaxIt
    
    for i=1:nPop
        
        %============更新速度（跟着公式写就可以啦）===============
        particle(i).Velocity = w*particle(i).Velocity ...
            +c1*rand(VarSize).*(particle(i).Best.Position-particle(i).Position) ...
            +c2*rand(VarSize).*(BestSol.Position-particle(i).Position);
        
        %============适用速度限制============
        particle(i).Velocity = max(particle(i).Velocity,VelMin);
        particle(i).Velocity = min(particle(i).Velocity,VelMax);
        
        %============更新位置================
        particle(i).Position = particle(i).Position + particle(i).Velocity;
        
        IsOutside=(particle(i).Position<VarMin | particle(i).Position>VarMax);
        particle(i).Velocity(IsOutside)=-particle(i).Velocity(IsOutside);
        
        %============适用位置限制============
        particle(i).Position = max(particle(i).Position,VarMin);
        particle(i).Position = min(particle(i).Position,VarMax);
        
        %============计算目标函数===========
        [particle(i).Cost, particle(i).Out] = CostFunction(particle(i).Position);
        
        %==========更新个体最优==========
        if particle(i).Cost<particle(i).Best.Cost
            
            particle(i).Best.Position=particle(i).Position;
            particle(i).Best.Cost=particle(i).Cost;
            particle(i).Best.Out=particle(i).Out;
            
            %=======更新全局最优============
            if particle(i).Best.Cost<BestSol.Cost
                
                BestSol=particle(i).Best;
                
            end
            
        end
        
    end
    
    BestCost(it)=BestSol.Cost;
    
    disp(['迭代次数' num2str(it) ': 最优解为 = ' num2str(BestCost(it))]);
    
    w=w*wdamp;
    
end

%% 结果

figure;
plot(BestCost,'LineWidth',2);
xlabel('迭代次数');
ylabel('最优解');



function results=RunInternalPSO(intmodel)

    disp('运行粒子群算法 ...');

    %% 本文参数定义

    CostFunction=@(x) MyCost(x,intmodel);        % 目标函数

    nVar=intmodel.nPlant;             %决策变量个数

    VarSize=[1 nVar];   % 决策变量矩阵的大小

    VarMin=0;         %变量下限
    VarMax=1;         %变量上

    %% 粒子群参数

    MaxIt=100;      

    nPop=50;        

    % w=1;           
    % wdamp=0.99;     
    % c1=2;          
    % c2=2;           

    %% 约束系数
    phi1=2.05;
    phi2=2.05;
    phi=phi1+phi2;
    chi=2/(phi-2+sqrt(phi^2-4*phi));
    w=chi;          
    wdamp=1;        
    c1=chi*phi1;    
    c2=chi*phi2;    

    %% 速度限制
    VelMax=0.1*(VarMax-VarMin);
    VelMin=-VelMax;

    %% 初始化

    empty_particle.Position=[];
    empty_particle.Cost=[];
    empty_particle.Out=[];
    empty_particle.Velocity=[];
    empty_particle.Best.Position=[];
    empty_particle.Best.Cost=[];
    empty_particle.Best.Out=[];

    particle=repmat(empty_particle,nPop,1);

    BestSol.Cost=inf;

    for i=1:nPop

        % 初始化位置
        particle(i).Position=unifrnd(VarMin,VarMax,VarSize);

        % 初始化速度
        particle(i).Velocity=zeros(VarSize);

        % 目标函数计算
        [particle(i).Cost, particle(i).Out]=CostFunction(particle(i).Position);

        % 个体最优
        particle(i).Best.Position=particle(i).Position;
        particle(i).Best.Cost=particle(i).Cost;
        particle(i).Best.Out=particle(i).Out;

        % 全局最优
        if particle(i).Best.Cost<BestSol.Cost

            BestSol=particle(i).Best;

        end

    end

    BestCost=zeros(MaxIt,1);


    %% PSO主循环

    for it=1:MaxIt

        for i=1:nPop

            % 更新速度
            particle(i).Velocity = w*particle(i).Velocity ...
                +c1*rand(VarSize).*(particle(i).Best.Position-particle(i).Position) ...
                +c2*rand(VarSize).*(BestSol.Position-particle(i).Position);

            %速度限制
            particle(i).Velocity = max(particle(i).Velocity,VelMin);
            particle(i).Velocity = min(particle(i).Velocity,VelMax);

            % 更新位置
            particle(i).Position = particle(i).Position + particle(i).Velocity;

           
            IsOutside=(particle(i).Position<VarMin | particle(i).Position>VarMax);
            particle(i).Velocity(IsOutside)=-particle(i).Velocity(IsOutside);

            % 位置限制
            particle(i).Position = max(particle(i).Position,VarMin);
            particle(i).Position = min(particle(i).Position,VarMax);

            % 目标函数计算
            [particle(i).Cost, particle(i).Out] = CostFunction(particle(i).Position);

            %更新个体最优
            if particle(i).Cost<particle(i).Best.Cost

                particle(i).Best.Position=particle(i).Position;
                particle(i).Best.Cost=particle(i).Cost;
                particle(i).Best.Out=particle(i).Out;

                % 更新全局最优
                if particle(i).Best.Cost<BestSol.Cost

                    BestSol=particle(i).Best;

                end

            end

        end

        BestCost(it)=BestSol.Cost;

       

        w=w*wdamp;

    end

    %% 结果
    results.BestSol=BestSol;
    results.BestCost=BestCost;

    disp('粒子群结束.');
    
end

function results=RunInternalPSO(intmodel)

disp('运行粒子群算法 ...');

%% 本文参数定义

CostFunction=@(x) MyCost(x,intmodel); % 目标函数

nVar=intmodel.nPlant; %决策变量个数

VarSize=[1 nVar]; % 决策变量矩阵的大小

VarMin=0; %变量下限
VarMax=1; %变量上

%% 粒子群参数

MaxIt=100;

nPop=50;

% w=1;
% wdamp=0.99;
% c1=2;
% c2=2;

%% 约束系数
phi1=2.05;
phi2=2.05;
phi=phi1+phi2;
chi=2/(phi-2+sqrt(phi^2-4*phi));
w=chi;
wdamp=1;
c1=chi*phi1;
c2=chi*phi2;

%% 速度限制
VelMax=0.1*(VarMax-VarMin);
VelMin=-VelMax;

%% 初始化

empty_particle.Position=[];
empty_particle.Cost=[];
empty_particle.Out=[];
empty_particle.Velocity=[];
empty_particle.Best.Position=[];
empty_particle.Best.Cost=[];
empty_particle.Best.Out=[];

particle=repmat(empty_particle,nPop,1);

BestSol.Cost=inf;

for i=1:nPop

% 初始化位置
particle(i).Position=unifrnd(VarMin,VarMax,VarSize);

% 初始化速度
particle(i).Velocity=zeros(VarSize);

% 目标函数计算
[particle(i).Cost, particle(i).Out]=CostFunction(particle(i).Position);

% 个体最优
particle(i).Best.Position=particle(i).Position;
particle(i).Best.Cost=particle(i).Cost;
particle(i).Best.Out=particle(i).Out;

% 全局最优
if particle(i).Best.Cost<BestSol.Cost

BestSol=particle(i).Best;

end

BestCost=zeros(MaxIt,1);

%% PSO主循环

for it=1:MaxIt

for i=1:nPop

% 更新速度
particle(i).Velocity = w*particle(i).Velocity ...
+c1*rand(VarSize).*(particle(i).Best.Position-particle(i).Position) ...
+c2*rand(VarSize).*(BestSol.Position-particle(i).Position);

%速度限制
particle(i).Velocity = max(particle(i).Velocity,VelMin);
particle(i).Velocity = min(particle(i).Velocity,VelMax);

% 更新位置
particle(i).Position = particle(i).Position + particle(i).Velocity;

IsOutside=(particle(i).Position<VarMin | particle(i).Position>VarMax);
particle(i).Velocity(IsOutside)=-particle(i).Velocity(IsOutside);

% 位置限制
particle(i).Position = max(particle(i).Position,VarMin);
particle(i).Position = min(particle(i).Position,VarMax);

% 目标函数计算
[particle(i).Cost, particle(i).Out] = CostFunction(particle(i).Position);

%更新个体最优
if particle(i).Cost<particle(i).Best.Cost

particle(i).Best.Position=particle(i).Position;
particle(i).Best.Cost=particle(i).Cost;
particle(i).Best.Out=particle(i).Out;

% 更新全局最优
if particle(i).Best.Cost<BestSol.Cost

BestSol=particle(i).Best;

end

BestCost(it)=BestSol.Cost;

w=w*wdamp;