基于多目标粒子群算法的微電網優化排程-王金全

1 主要内容

本程式為《基于多目标粒子群算法的微電網優化排程》-王金全文章的方法複現，考慮因素較文章複雜，除了考慮基本機組、儲能等的出力，還考慮了棄風和棄光，很值得大家學習參考！針對光伏電池、風機、微型瓦斯輪機、柴油發電機以及蓄電池組成的微電網系統的優化問題進行研究，在滿足系統限制條件下，建立了包含運作成本、可中斷負荷補償成本以及污染物處理費用的微電網多目标優化排程模型，并利用多目标粒子群算法（MOPSO）求解微電網優化排程問題。

優勢：

程式子產品化好，必要注釋清晰！

多目标粒子群算法采用結構體變量，變量數量集約性好，友善學習！

程式出圖較多，實用性強！

2 部分代碼

%% initialize parameters              global PV;              global WT;              %儲能最大放電功率              StorageMaxDischargingPower=250;              %儲能最大充電功率              StorageMaxChargingPower=-200;              %柴油發電機最大功率              DGMaxImportPower=400;              %柴油發電機最小功率              DGMinImportPower=100;              if nargin==0              c = [0.1,0.2]; % [cognitive acceleration, social acceleration] coefficients              iw = [0.5 0.001]; % [starting, ending] inertia weight              max_iter =100; % maximum iterations              for n=1:96              if n<25%光伏限制              lower_bound(n)=0;              upper_bound(n) =PV(n);              end              if n>24&&n<49%風電限制              lower_bound(n)=0;              upper_bound(n) =WT(n-24);              end              if n>48&&n<73%儲能限制              lower_bound(n)=StorageMaxChargingPower;              upper_bound(n)=StorageMaxDischargingPower;              end                       if n>72%柴油機限制              lower_bound(n)=DGMinImportPower;              upper_bound(n)=DGMaxImportPower;              end              end              swarm_size=100; % swarm size              rep_size=100; % Repository Size              grid_size=7; % Number of Grids per Dimension              alpha=0.1; % Inflation Rate              beta=2; % Leader Selection Pressure              gamma=2; % Deletion Selection Pressure              mu=0.1; % Mutation Rate              [email protected]; % objective function              end
           

3 效果圖

下載下傳連結

這裡是電力資料、程式、理論學習的聚集地，歡迎關注！