25号 选址定容

已于 2024-08-05 20:15:18 修改
阅读量471 收藏 10
点赞数 3
文章标签： 网络 算法
于 2024-07-27 16:45:30 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_65744632/article/details/140737726
版权

影响风电接入的因素：线路过载问题和支路潮流

选址定容：风机接在哪里，接入多少容量的

33节点KW   14节点兆瓦

  其中变量是：

代码块 1：求得最佳接入节点，接入风电场容量为325MW

  1. 代码块 1：

    • 初始化风电场容量和相应的无功功率。
    • 遍历每个节点（1到33），将风电场接入到每个节点后运行潮流计算。
    • 计算每个节点的网损和平均电压。
    • 找出接入风电场容量为325MW时网损最小的节点，以及网损与电压均值比值最小的节点。
%%%01求得最佳接入节点，接入风电场 容量为325MW
%%%02找到14节点中那个节点可以接纳最大的风电场容量，其值为多少？（找到每个节点的最大风电场接入容量）
%%%01求得最佳接入节点，接入风电场 容量为325MW
clear all
close all
clc
warning off
Pwind=325;
Qwind=Pwind*tan(acos(0.90));
% P_bloss=[];

Vot=[];P_bloss=[];VV=[];%初始化
for i=1:33
mpc = case33bw;
mpc.bus(i,3:4)=mpc.bus(i,3:4)-[Pwind,-Qwind];
OPT = mpoption('verbose', 0,  'out.all', 0);
 %当 verbose 设置为 0 时，表示程序在运行时不输出任何详细信息。
 %当 out.all 设置为 0 时，表示不输出任何计算结果。
results=runpf(mpc,OPT); %%一次算完后覆盖掉，重新计算
%%若没有则会出现，2节点接入325的同时，1节点也接入325
if results.success==1
P_bloss(i,1)=sum(results.branch(:,14)+results.branch(:,16));%网损
%P_bloss(i,1)=results.branch(,14)+results.branch(：,16);支路线损
Vot(i,1)=sum(results.bus(:,8)')/33;
VV=[VV,results.bus(:,8)];
% figure
% mesh(VV)
%对于电压来说  1-14节点电压情况，可以探究谁的电压质量最好，
%%平均电压最高最好；电压越线次数
%对于损耗来说要计算整体的网损
end
end
%%%01找到最小网损值
[m n] = min(P_bloss)
%它是所有节点（从1到33）中，接入风电场容量为325MW时，产生的最小总网损值
%最小网损值的节点编号
%%02找到电压均值
%%03构建综合指标
[ff,Idex]=min(P_bloss./Vot)
%%%%ff: 数组 P_bloss./Vot 中的最小值（即网损与电压均值比值的最小值）。
%%%%Idex: 对应最小值的索引位置（即比值最小的节点编号）。
%%%最好电压搞一个归一化的问题

代码块 2：找到14节点中可以接纳最大风电场容量的节点

  1. 代码块 2：

    • 逐步增加风电场容量（从0到10000 MW，以5 MW为步长）。
    • 对每个容量值，检查14个节点是否可以接入，并判断电压是否越线（低于0.95 p.u.）。
    • 输出每个节点可以接纳的最大风电场容量。
%%%02找到14节点中那个节点可以接纳最大的风电场容量，其值为多少？
%%考虑电压指标+判断支路潮流（电压越线前，支路潮流是否越线）
% clear all
% close all
% clc
warning off
Pwind=0:5:10000;
Qwind=Pwind*tan(acos(0.90));

for i=1:14

    for num=1:length(Pwind)
        mpc = case33bw;
        mpc.bus(i,3:4)=mpc.bus(i,3:4)-[Pwind(num),-Qwind(num)];
        OPT = mpoption('verbose', 0,  'out.all', 0);
        results=runpf(mpc,OPT);
        P_br = max(abs(results.branch(:, 14)), abs(results.branch(:, 16)));
        if min(results.bus(:, 8)) < 0.95 | max(P_br) > 200
            
            disp([num2str(i),'节点最大接入风电功率值为',num2str(Pwind(num))])
            % Pwind(num)
            % disp(Pwind(num))
            break;
        end
        
        mpc=case33;
    end

end

画电压图像，系统最低电压曲线

%%%01求得最佳接入节点，接入风电场 容量为325MW
%%%02找到14节点中那个节点可以接纳最大的风电场容量，其值为多少？（找到每个节点的最大风电场接入容量）
%%%01求得最佳接入节点，接入风电场 容量为325MW
clear all
close all
clc
warning off
Pwind=1;
Qwind=Pwind*tan(acos(0.90));
% P_bloss=[];
 
Vot=[];P_bloss=[];VV=[];VVmin=[];%初始化
for i=1:33
mpc = case33bw;
mpc.bus(i,3:4)=mpc.bus(i,3:4)-[Pwind,-Qwind];
OPT = mpoption('verbose', 0,  'out.all', 0);
 %当 verbose 设置为 0 时，表示程序在运行时不输出任何详细信息。
 %当 out.all 设置为 0 时，表示不输出任何计算结果。
results=runpf(mpc,OPT); %%一次算完后覆盖掉，重新计算
%%若没有则会出现，2节点接入325的同时，1节点也接入325
if results.success==1
P_bloss(i,1)=sum(results.branch(:,14)+results.branch(:,16));%网损
%P_bloss(i,1)=results.branch(,14)+results.branch(：,16);支路线损
Vot(i,1)=sum(results.bus(:,8)')/33;
VV=[VV,results.bus(:,8)];
VVmin=[VVmin,min(results.bus(:,8))];

%对于电压来说  1-14节点电压情况，可以探究谁的电压质量最好，
%%平均电压最高最好；电压越线次数
%对于损耗来说要计算整体的网损
end
end
%%%01找到最小网损值
[m n] = min(P_bloss)
%它是所有节点（从1到33）中，接入风电场容量为325MW时，产生的最小总网损值
%最小网损值的节点编号
%%02找到电压均值
%%03构建综合指标
[ff,Idex]=min(P_bloss./Vot)
figure
plot(Vot,'k-o')
figure
plot(VV,'k-o')
figure
mesh(VV)
figure
plot(VVmin,'k-o')
%%%%ff: 数组 P_bloss./Vot 中的最小值（即网损与电压均值比值的最小值）。
%%%%Idex: 对应最小值的索引位置（即比值最小的节点编号）。
%%%最好电压搞一个归一化的问题

选址定容与智能算法结合：

首先确定目标函数，约束条件，适应度函数和目标函数值的趋势相同

选址定容目的：做规划

《基于免疫粒子群的配电网分布式电源选址定容问题》

相同容量接入不同节点（三个节点同时接入DG）

代码：

%%%01求得最佳接入节点，接入风电场 容量为325MW
%%%02找到14节点中那个节点可以接纳最大的风电场容量，其值为多少？（找到每个节点的最大风电场接入容量）
%%%01求得最佳接入节点，接入风电场 容量为325MW
clear all
close all
clc
warning off
Pwind=325;
Qwind=Pwind*tan(acos(0.90));
% P_bloss=[];
Pdg = zeros(33, 3);
Pdg([2 3 4], 1) = [50; 50; 50];
Pdg([9 10 11], 2) = [50; 50; 50];
Pdg([15 16 17], 3) = [50; 50; 50];

Vot=zeros(3,33);P_bloss=[];VV=[];%初始化
for i=1:3
mpc = case33bw;
%mpc.bus(i,3:4)=mpc.bus(i,3:4)-[Pwind,-Qwind];和节点没有关系了
mpc.bus(:,3:4)=mpc.bus(:,3:4)-[Pdg(:,i),-Pdg(:,i)*tan(acos(0.90 ))];
OPT = mpoption('verbose', 0,  'out.all', 0);
 %当 verbose 设置为 0 时，表示程序在运行时不输出任何详细信息。
 %当 out.all 设置为 0 时，表示不输出任何计算结果。
results=runpf(mpc,OPT); %%一次算完后覆盖掉，重新计算
%%若没有则会出现，2节点接入325的同时，1节点也接入325
if results.success==1
P_bloss(i,1)=sum(results.branch(:,14)+results.branch(:,16));%网损
%P_bloss(i,1)=results.branch(,14)+results.branch(：,16);支路线损
Vot(i,: )=(results.bus(:,8)');%%对比电压即可不需要加和
VV=[VV,results.bus(:,8)];
% figure
% mesh(VV)
%对于电压来说  1-14节点电压情况，可以探究谁的电压质量最好，
%%平均电压最高最好；电压越线次数
%对于损耗来说要计算整体的网损
end
end
%%%01找到最小网损值
[m n] = min(P_bloss)
%它是所有节点（从1到33）中，接入风电场容量为325MW时，产生的最小总网损值
%最小网损值的节点编号
%%02找到电压均值
%%03构建综合指标
[ff,Idex]=min(P_bloss./Vot)
%%%%ff: 数组 P_bloss./Vot 中的最小值（即网损与电压均值比值的最小值）。
%%%%Idex: 对应最小值的索引位置（即比值最小的节点编号）。
%%%最好电压搞一个归一化的问题
figure
plot(Vot, '-o')
legend('方案1', '方案2', '方案3')

figure
plot(VV')

%%%02找到14节点中那个节点可以接纳最大的风电场容量，其值为多少？
%%考虑电压指标+判断支路潮流（电压越线前，支路潮流是否越线）
% clear all
% close all
% clc
warning off
Pwind=0:5:10000;
Qwind=Pwind*tan(acos(0.90));

for i=1:14

    for num=1:length(Pwind)
        mpc = case33bw;
        mpc.bus(i,3:4)=mpc.bus(i,3:4)-[Pwind(num),-Qwind(num)];
        OPT = mpoption('verbose', 0,  'out.all', 0);
        results=runpf(mpc,OPT);
        if min(results.bus(:,8))<0.95
            
            disp([num2str(i),'节点最大接入风电功率值为',num2str(Pwind(num))])
            % Pwind(num)
            % disp(Pwind(num))
            break;
        end
        
        mpc=case33;
    end

end

相同节点接入不同容量

33节点默认转化为MW

代码：不同位置接入相同容量

%%%01求得最佳接入节点，接入风电场 容量为325MW
%%%02找到14节点中那个节点可以接纳最大的风电场容量，其值为多少？（找到每个节点的最大风电场接入容量）
%%%01求得最佳接入节点，接入风电场 容量为325MW
clear all
close all
clc
warning off
Pwind=50;
Qwind=Pwind*tan(acos(0.90));
Pdg=zeros(33,3);
Pdg([2 3 4],1)=[50,50,50];%50kW
Pdg([9 10 11],2)=[50,50,50];
Pdg([15 16 17],3)=[50,50,50];
 
Vot = zeros(33, 3); ;P_bloss=[];VV=[];%初始化
for i=1:3
mpc = case33bw;
mpc.bus(:,3:4)=mpc.bus(:,3:4)-0.001*[Pdg(:,i),-Pdg(:,i)*tan(acos(0.90))];
%将单位转化为MW   节点33默认是MW
OPT = mpoption('verbose', 0, 'out.all', 0);
 %当 verbose 设置为 0 时，表示程序在运行时不输出任何详细信息。
 %当 out.all 设置为 0 时，表示不输出任何计算结果。
results=runpf(mpc,OPT); %%一次算完后覆盖掉，重新计算
%%若没有则会出现，2节点接入325的同时，1节点也接入325
if results.success==1 
P_bloss(i,1)=sum(results.branch(:,14)+results.branch(:,16));%网损
%P_bloss(i,1)=results.branch(,14)+results.branch(：,16);支路线损
Vot(: ,i)=results.bus(:,8);
VV=[VV,results.bus(:,8)];
% figure
% mesh(VV)
%对于电压来说  1-14节点电压情况，可以探究谁的电压质量最好，
%%平均电压最高最好；电压越线次数
%对于损耗来说要计算整体的网损
end 
end

%%%01找到最小网损值
[m n] = min(P_bloss)
%它是所有节点（从1到33）中，接入风电场容量为325MW时，产生的最小总网损值
%m最小网损值的 n节点编号
%%02找到电压均值

%%03构建综合指标
%[ff,Idex]=min(P_bloss./Vot)
%%%%ff: 数组 P_bloss./Vot 中的最小值（即网损与电压均值比值的最小值）。
%%%%Idex: 对应最小值的索引位置（即比值最小的节点编号）。
%%%最好电压搞一个归一化的问题
figure
plot(Vot,'-o')
legend('方案一','方案二','方案三');
% figure
% plot(VV,'-o')

、

代码：相同节点接入不同容量

方案一：
clear all
close all
clc
warning off

%%方案一
%Pdg=zeros(33,3);
Pdg(9,1)=[50];%50kW
Pdg(9,2)=[150];
Pdg(9,3)=[250];
Vot = []; %初始化
for i=1:3
mpc = case33bw;
mpc.bus(9,3:4)=mpc.bus(9,3:4)-0.001*[Pdg(9,i),-Pdg(9,i)*tan(acos(0.90))];
%将单位转化为MW   节点33默认是MW
OPT = mpoption('verbose', 0, 'out.all', 0);
 results=runpf(mpc,OPT); 
if results.success==1 
Vot(: ,i)=results.bus(:,8);
end 
end

figure
plot(Vot,'-o')
legend('方案一','方案二','方案三');
title('相同节点接入不同容量');
方案二：
clear all
close all
clc
warning off

%%方案二
Pdg = [50; 150; 250];
%Vot2=zeros(3, 33); P_bloss2=zeros(3, 33);
Vot2 = []; VV=[];
for n=1:3
    mpc = case33bw;
    mpc.bus(9, 3:4) = mpc.bus(9, 3:4) - 0.001 * [Pdg(n), -Pdg(n) * tan(acos(0.90))];
    OPT = mpoption('verbose', 0, 'out.all', 0);
    results = runpf(mpc, OPT);
    if results.success == 1
             Vot2(n, :) = results.bus(:, 8);
        end
end
figure
plot((Vot2)','-o')
legend('方案一','方案二','方案三');
title('相同节点接入不同容量');

方案二改进版：

clear all
close all
clc
warning off

%%方案二
Pdg = 50:5:500;
Vot2 = []; VV=[];
for n=1:length(Pdg)
    mpc = case33bw;
    mpc.bus(9, 3:4) = mpc.bus(9, 3:4) - 0.001 * [Pdg(n), -Pdg(n) * tan(acos(0.90))];
    OPT = mpoption('verbose', 0, 'out.all', 0);
    results = runpf(mpc, OPT);
    if results.success == 1
             Vot2(n, :) = results.bus(:, 8);
        end
end
figure
plot((Vot2)','-o')
legend('方案一','方案二','方案三');
title('相同节点接入不同容量');

单独看一个节点的电压，可以发现：接入分布式电源后，电压质量得到了提升

原论文结论如下：

为什么

赧然的贼158
关注
【优化调度】改进的遗传算法求解风电场优化调度问题【含Matlab源码 1245期】
订阅付费专栏Matlab（奶茶价版），可赠送奶茶价版付费专栏指定代码1份；
02-20 287
改进的遗传算法求解风电场优化调度问题 完整的代码，方可运行；可提供运行操作视频！适合小白！
新能源汽车行业研究及2020年策略报告：拐点之年
热门推荐
科技D人生
01-08 2万+
1. 整车：双轮驱动 爆量起点 1.1 政策：全球销量进入爆发拐点 随着电池成本下降性价比提升、消费终端认可、配套设施完善，全球新能源乘用车市场 销量快速爆发。 2018年全球新能源乘用车市场销量约184万辆，占全球汽车渗透率约2%， 市场以中国、欧洲、美国市场为主。2018 年，中国、欧洲和美国在新能源乘用车全球销 量分别为 102 万辆、 36 万辆和 35 万辆，全球市场占比分别为 55...
基于遗传优化算法的风力机位置布局matlab仿真
熟悉python,matlab,C,C++,JAVA等
06-12 993
风力机位置布局优化是风能转换系统设计中的一个重要环节，旨在最大化风场的整体发电效率，同时考虑风力机间的尾流效应、地形影响以及投资成本等因素。基于遗传优化算法的风力机位置布局matlab仿真，风力机位置布局优化是风能转换系统设计中的一个重要环节，旨在最大化风场的整体发电效率。基于遗传优化算法的风力机位置布局，通过迭代搜索和自然选择机制，能够在复杂约束条件下寻找到最优或近似最优的布局方案，从而提高风场的整体能源产出效率。交叉：从选中的个体中随机选取两个，交换它们的部分染色体，产生新的解。
【优化选址】粒子群算法求解V图配电网电动汽车充电站选址优化问题【含Matlab源码 3319期】
Matlab912100926的博客
10-22 693
粒子群算法求解V图配电网电动汽车充电站选址优化问题 完整的代码，方可运行；可提供运行操作视频！适合小白！
【水箱控制】 PID双容水箱控制系统【含GUI Matlab源码 3396期】
Matlab912100926的博客
07-22 440
PID双容水箱控制系统 完整的代码，方可运行；可提供运行操作视频！适合小白！
各高校考研gis真题
xiliangxiaoke的专栏
12-14 9848
北京大学1998年GIS研究生入学考试试题 一、名词解释 1、空间分析函数（5×4）   2、GPS    3、四叉数编码    4、信息系统    5、OpenGIS 二、简答题（4×10） 1、空间指标和空间关系量测的主要内容 2、矢量多边形面积的快速算法（要求附框图） 3、DEM、DTM的概念及其获取方法 4、由栅格数据向矢量数据的转换的方法。 三、综合分析题（
生意精：说说如何开好一家小超市！
sanchuyayun的专栏
05-30 1万+
 本人今年42岁，开店已经有20年，虽然文化不高，但是开店（超市)的水平相当的牛逼！我觉得我自己就是一个科学家（超市科学家），我想我这样的水平，如果不带几个徒弟出来，就好比古代华佗没有留下医术一样遗憾 华夏 千古！" J9 n) M$ a3 r1 z6 X * z/ ]# h  E8 K! _6 @  j/ z 　　要是开好一家小超市，收入绝对不低
电子商务与现代物流
weixin_51265476的博客
10-28 2209
一、仓库的概念与分类仓库的概念：英文是warehouse，指储存物品的场所。普通仓库：特征是常温，自然通风，通常不配备过多的储存设备。专用仓库：专门用于储存某一类商品的仓库。比如粮仓，水上仓库等。特种仓库：恒温恒湿仓库，冷藏冷冻仓库，化工危险品仓库。单层仓库：只有一层，有效高度5—6米。优势是商品进出仓库方便但地面利用率低，浪费土地资源多层仓库：也称为楼房库。与单层仓库相比优势是土地利用率比较高；缺点是商品进出库不方便立体仓库：采用高层货架立体存放货物的仓库，也属于单层仓库，但是高度可达到50米。
[云炬商业计划书阅读分享] 养生保健
科大云炬
01-09 7577
一、执行总结 1.1 创业背景 根据WHO对健康的定义，健康是指生理、心理及社会适应三个方面全部良好的一种状况，而不仅仅是指没有生病或者体质健壮。国内外研究人员经过调查，发现在一般人群中真正患病和完全健康者不足1/3，有2/3以上人群处于“亚健康状态”。“亚健康”这种被认为是发达社会的社会病正困绕我们越来越多的国民。当前，我国经济迅速发展，人民生活水平大幅提高，但与此同时，关注个人健康并与之相关的产业在我国却并不成熟、甚至是空白。当前，相关服务行业需要尽快发展，以适应人民生活水平的提高，但现状是，...
分布式电源的最优选址和规模在实现技术经济目标方面具有重要意义
R 一C T文章历史记录：2015年11月18日收到2016年3月10日星期一2016年3月14日接受2016年4月6日在线发布保留字：分布式发电径向分布差分搜索最佳选址和规模可再生能源智能电网电能质量SVC配电系统中多种类型配电电源的...
阿尔及利亚配电网的无功规划与优化重构研究
无功规划最优重构最优选址定容分形搜索算法负荷增长电能质量SVCA B S T R A C T配电系统无功规划是专家和工业界的一项重要任务，以确保在负荷增长和故障等关键情况下提供给用户的电能质量。灵活交流输电系统（FACTS...
各类电气工程源代码
weixin_39965612的博客
03-18 7391
00077.编写的潮流计算方法在处理计及分布式电源的配电网三相潮流的正确性 00083.改进的快速粒子群优化算法计算含DG配电网无功优化和运行费用最优解（） 00084.配电网规划的主程序,根据目标函数中的建设费用,在通过潮流计算得到的运行费用,得到使此两者之和最小的网架 1.5MW风力机的载荷计算：摆振力矩、挥舞力矩、俯仰力矩等.rar 33节点配电网仿真模型，可用于电力系统分析，潮流计算、短路计算.rar 400HZ中频逆变电源三相UPS的MATLAB仿真.rar 5KW三电平Buck-Boost双向
公司年终年会总结活动策划方案模版案例
新视数据
07-27 739
4、在跑的过程中，气球 不能落地，不能用手触摸气球，不能挤爆气球，如果气球落地，必须回到 重新出发。游戏规则：6个人一组，分为两组，每个人嘴里叼一只筷子，将钥匙链挂在第一个人的筷子上，第一个人将钥匙链传给第二个人，必须用筷子传，不能用手，哪个组最先将筷子传到最后一个人的筷子上，为赢。优秀员工代表发表获奖感言。灯光、音响、投影、电脑、话筒、舞台督导检查及全程跟踪（与酒店工作人员配合），年会现场节目伴奏、音乐播放等。3、表彰优秀员工，通过奖励方式，调动员工的积极性，鼓励所有员工在新年度中，工作都有出色的表现；
嵌入式学习-网络高级-Day01
Xiaomo1536的博客
11-06 1082
对于读数据以及写单个来说，在主机询问报文里面报文头中字节长度固定，都是0x0006，（1个字节的单元标识符，1个字节功能码，2个字节的地址，2个字节的数据）输入寄存器，这个和保持寄存器类似，但是也是只支持读而不能写。报文头------功能码-------起始地址-------数量--------字节计数--------数据。报文头（字节长度可能发生变化）------功能码------字节计数-------数据。报文头------功能码-------地址-------数据/断通标志（2个字节）
tcp三次握手和四次挥手
qq_25096749的博客
11-06 655
三次握手与四次挥手
【网络】深入理解 HTTPS：确保数据传输安全的核心协议
人生苦短，睡觉要紧，睡醒再说
11-06 1617
HTTPS（HyperText Transfer Protocol Secure）是 HTTP 协议的安全版本。HTTP 是用于客户端与服务器之间传输网页数据的协议，而 HTTPS 在 HTTP 协议的基础上添加了一层SSL/TLS加密协议，使得传输的数据在网络中不易被窃取或篡改。HTTPS 通常用于传输敏感信息，如登录凭证、支付信息、个人数据等。与 HTTP 协议不同，HTTPS 在数据传输过程中会对信息进行加密，确保数据在传输过程中不被第三方监听或修改。
第六章传输层协议、ACL
2401_86349554的博客
11-05 857
第六章传输层协议、ACL
Tcp/Ip协议，tcp相关文章，网络编程，通信协议文章汇总
求是
11-10 124
学习时候，有些书籍读了就忘记了。常读常新，特此留下地址。1. tcp/ip 协议卷。2.不为人知的网络编程。
C++编程：利用环形缓冲区优化 TCP 发送流程，避免 Short Write 问题
最新发布
Where there is life, there is hope.
11-10 760
在 TCP 编程中，`short write` 问题指的是在调用 `send` 或 `write` 系统调用时，实际发送的数据量比预期要少。这通常是因为网络协议栈发送缓冲区的空间不足，导致不能一次性发送完整的数据。遇到这种情况时，系统调用会返回实际发送的字节数，并将 `errno` 设置为 `EAGAIN`，表示缓冲区没有足够的空间来继续发送数据。
遗传算法优化DG选址定容策略研究
该文件描述了一种使用遗传算法进行分布式电源（Distributed Generation, DG）选址定容的计算方法。DG技术指的是在配电网中设置小型电源，以提高供电的可靠性和灵活性。文件中展示的算法应用于33节点的配电网系统，...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值