基于粒子群算法的综合能源多目标优化
代码链接
https://download.csdn.net/download/mohen_777/89459250
摘 要
为了
解决
现
有
冷
热
电
联
供
型
综合
能
源
系统大
多
只
单
一
考虑系统
机
组
投
资
成
本
或
系统
环境
污
染
,影响
系统
整
体
优化 运行的问题,以系统经
济
性和
环
保
性
为
目
标
,对
冷
热
电
联
供
系统
进行研究分析
。
构
建
含
燃
气
轮
机
、
燃
气
锅
炉
、
电制
冷
机
等
机
组 的冷
热
电
联
供
系统
优化模型
并
建
立
约束条件
;
改
进
粒
子
群
算
法,
面向
多
约束
目
标
进行
模型
求
解优化
,提
高
求
解
的
收
敛
精度
、
收 敛速度
和
稳
定
性
;
最
后利
用
算
例
进行结
果
分析
。
结
果表
明
改
进
后
的
粒
子
群
算
法
能
够
同时
兼顾
系统
的
经
济
性和
环
保
性
,
使
系统 运行更
加
优化
,为
之
后
的
能
源
供
给
系统
的规
划
提供
前
期
依
据
。
现
有的能源
系
统
往往
都
是
单
独
规
划
、
单
独
运
行
, 导致
能源
利
用
率
低
,
污染
高
[
1
]
。
如
今
,
人
们
更
多
地 研究如
何
把
各
独
立
供
能
系
统
进行
协
同
优
化
,
减少
其 环境污染
的
同时
增
加
能源
利
用
率
及
经
济
性能
[
2
]
。 各类能源的
大
规模
接
入
导
致
了能源
系
统
往往
无 法兼
顾
经
济
性
和
环
保
性
,
优
化
运
行的能
力
不
够
。
因 此如
何
优
化
综
合
能源
系
统
,
兼
顾
系
统运
行的
经
济
性 和环
保
性成
为
需
要
解
决
的问题
[
3
]
。
裴
玮
等
利
用 线性模型
对
电
力
、
天
然
气
、
热
力
系
统
进行
最
优
容
量
配 置,
提
高系
统
的能源
利
用
效
率
;
文
献
[
6
—
9
]
考
虑
碳 排放和
可
再
生能源的
消
纳
问题
,
提
出
一种
新
的
混
合 潮流
计算
方法
,
保证
构
建
的
热
电
联
供型
微
电
网
经
济 稳定的运
行
。 现以
系
统
经
济
性
和
环
保
性
最
优
建
立
目
标
函
数
并 构建
约束
条件
,
建
立
冷
热
电
联
供型
系
统
(
combined cooling,
heating and power
,
CCHP
)
的
优
化
模型
;
利 用改
进
后
的
粒
子
群
算
法对
求
解
系
统
优
化
模型
;
最后
, 结合算
例
进行结果分析
,
研究
系
统
在
单
一目
标
和
同 时兼
顾
多目
标下
系
统
的
运
行结果
,
为
综
合
能源
系
统 后期
的
协
同规
划
提
供参
考
综合能源系统协同优化目标函数
综合能源系统建模及约束条件
综合能源系统协同规划方法
实验结果
load PV
load WT
load P_load
load R_load
load L_load
load G_price_buy
load G_price_sell
load price_C
load price_H
load price_G
PV=2*PV;
WT=2*WT;
L_load=1.5*L_load;
global P_load; %定义全局变量 电负荷
global R_load; %定义全局变量 热负荷
global L_load; %定义全局变量 冷负荷
global G_price_buy;%购电电价
global G_price_sell;%卖电电价
global PV;
global WT;
global price_C %供冷价格
global price_H %供热价格
global price_G %供电价格
% Grid 电 热heat 冷 cool
gas_price=0.175; %气价
ngas_G=0.35; %气转电效率
ngas_h=0.9; %气转热效率
ngas_c=0.9; %气转冷效率
nGB_h=0.9; %电热锅炉的热效率
COP_EC=3.5; %电制冷机的制冷效率
price_G=[0.312000000000000,0.312000000000000,0.312000000000000,0.312000000000000,0.312000000000000,0.312000000000000,1.20000000000000,1.20000000000000,1.20000000000000,1.20000000000000,0.720000000000000,0.720000000000000,0.720000000000000,0.720000000000000,0.720000000000000,0.720000000000000,0.720000000000000,1.20000000000000,1.20000000000000,1.20000000000000,0.312000000000000,0.312000000000000,0.312000000000000,0.312000000000000];
price_C=price_H;
%初始化条件****************************************
%天燃气供给最大值
GTMaxPower=200;
%天燃气供给最小值
GTMinPower=0;
%电热锅炉的最大功率
GBMaxPower=100;
%电热锅炉的最小功率
GBMinPower=0;
%电制冷机与电网最大功率
ECMaxPower=50;
%电制冷机与电网最小功率
ECMinPower=0;
%电网最大购电功率
GridMaxPower=200;
%电网最小购电功率
GriMinPower=-100;
mm=mopso();
nn=length(mm.swarm);
for i=1:nn
xx(i)= mm.swarm(1,i).cost(1);
yy(i)= mm.swarm(1,i).cost(2);
zz(i)=mm.swarm(1,i).cost(3);
end
m1=max( xx);
m2=max( yy);
m3=max( zz);
for i=1:nn
object(i)= mm.swarm(1,i).cost(1)./m1+ mm.swarm(1,i).cost(2)./m2+ mm.swarm(1,i).cost(3)./m3;
end
[m,p]=min(object);
pg=mm.swarm(1,p).x;