基于粒子群优化算法、鲸鱼算法、改进的淘沙骆驼模型算法（PSO/SSA/tGSSA)的微电网优化调度（Matlab代码实现）

news2024/12/23 23:21:12

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

2.1 PSO运行结果

2.2 tGSSA运行结果

2.3  SSA运行结果

🎉3 参考文献

🌈4 Matlab代码实现

💥1 概述

微电网是由多个不同能源资源和负载组成的小型电力系统，其优化调度是为了实现可靠、高效和经济的能源管理。智能算法如粒子群优化(PSO)、鲸鱼算法(SSA)、改进的淘沙骆驼模型算法(tGSSA)等可以用于微电网的优化调度问题。

这些智能算法通过模拟自然界的某些行为来求解复杂的优化问题。在微电网优化调度中，可以使用这些算法来定位微网中各个能源资源的最佳配置、优化能源的分配和负载的调度等问题。

PSO算法基于模拟鸟群觅食行为，通过不断搜索和迭代，寻找最优解。它可以用于微电网中的能源资源配置优化，例如太阳能、风能、蓄电池等的最佳布置和发电计划的优化。

SSA算法是基于鲸鱼觅食行为而提出的一种优化算法，可以用于微电网优化调度问题。它通过模拟鲸鱼的觅食过程，逐步调整鲸鱼的位置来逼近最佳解决方案。在微电网中，SSA可以用于优化微网中各个能源的发电和负载调度，以实现能源的高效利用和供需的平衡。

tGSSA算法是对GSSA算法的改进和优化，通过引入时间变换来提高搜索效率。在微电网优化调度中，tGSSA算法可以用于优化微网的能源配置和调度策略，以实现最佳的经济性和可靠性。

我们基于典型的日负荷参数和自然参数，使用改进的粒子群优化(PSO)算法对建立的数学模型进行求解。通过这个优化过程，我们可以制定出分时段的优化调度方案，并确定微电网在峰、谷、平三个阶段的出力。

此外，我们也比较了微电网采用常规调度策略和采用优化调度策略的综合效益。通过分析比较，我们能够量化地评估优化调度策略在经济性、可靠性和可持续性方面的改进效果。

同时，在原有的PSO算法基础上，我们还引入了鲸鱼算法(SSA)和改进的淘沙骆驼模型算法(tGSSA)进行对比研究。通过与PSO算法的比较，我们可以评估SSA和tGSSA算法在微电网优化调度问题上的性能和效果。

在验证过程中，我们对算法的正确性和优化调度方案的可行性进行了验证。通过对真实数据的处理和模拟实验，我们可以得出准确的结论，证明了优化调度方案的有效性和可行性。

总的来说，这项研究为微电网的优化调度提供了一个强大的解决方案。通过结合改进的PSO算法、SSA算法和tGSSA算法，并综合分析不同调度策略下微电源的综合效益，我们能够找到最佳的调度方案，以提升微电网的经济性、可靠性和可持续性。这一研究成果有助于推动微电网领域的发展，并为实际应用提供有力的支持。

综上，基于智能算法（如PSO、SSA和tGSSA）的微电网优化调度可以帮助实现微电网能源的高效利用、优化的能源分配和负载的合理调度，从而提高微电网的可靠性、经济性和可持续性。

📚2 运行结果

2.1 PSO运行结果

2.2 tGSSA运行结果

2.3  SSA运行结果

部分代码：

clc;
clear;
close all;
global costp Ppv Pwt
%% 算法参数
parameter;
nVar=4*24;                % Number of Decision Variables
VarMin=[ones(1,24)*Pmt_min, ones(1,24)*Pfc_min, ones(1,24)*Px_min, ones(1,24)*Pb_min];
VarMax=[ones(1,24)*Pmt_max, ones(1,24)*Pfc_max, ones(1,24)*Px_max, ones(1,24)*Pb_max];
MaxIt=100;                % Maximum Number of Iterations
nPop=500;                 % Population Size (Swarm Size)

%% 计算
[ bestPosition, fitValue ] = tGSSAFUN(@objective,nVar,VarMin,VarMax,MaxIt,nPop);
x=bestPosition;
Pmt = x(1:24);            % 燃气轮机功率
Pfc = x(25:48);           % 燃料电池功率
Px = x(49:72);            % 可卸负荷               
Pb = x(73:96);            % 蓄电池功率
t=1:24;

%% 输出光伏出力预测
figure
plot(t,Ppv,'-')
title('光伏发电曲线');
xlabel('时间/小时')
ylabel('功率/kw')
%% 输出风力发电出力预测
figure
plot(t,Pwt,'-')
title('风力发电曲线');
xlabel('时间/小时')
ylabel('功率/kw')
%% 输出电平衡结果
figure
hold on 
Pb_po=max(Pb,0);
Pb_ne=min(Pb,0);
positive=[Pmt', Pfc', Pb_po',Px',Ppv',Pwt'];
negative=[ Pb_ne'];
bar(positive,'stack');
bar(negative,'stack');
plot(t, Pl, 'ok-');
title('电平衡');
legend('Pmt燃机','Pfc燃电池','Pbdis电池放电','Px可去负荷','Ppv光伏发电','Pwt风电' ,'Pbch电池充电','Pl总负荷');
grid on
hold off
xlabel('时间/小时')
ylabel('功率/kw')

%% 输出各部分出力结果
figure
plot(t,Pmt,'ok-')
hold on
plot(t,Pfc,'-*')
hold on
plot(t,Px,'-')
hold on
plot(t,Pb,'-.')
legend('Pmt燃机出力','Pfc燃电池出力','Px可去负荷','Pb电池出力');
title('出力图');
xlabel('时间/小时')
ylabel('功率/kw')
%% 计算每小时运行费用
% 预分配
eta_mt = zeros(1,24);
eta_fc = zeros(1,24);
Pmth = zeros(1,24);
Umt = zeros(1,24);
Ufc = zeros(1,24);


%% 运行模型
for t=1:24
    % 燃气轮机热功率
    %下面这个是微型燃气轮机效率计算公式
    eta_mt(t) = 0.0753*(Pmt(t)/65)^3 - 0.3095*(Pmt(t)/65)^2 + 0.4174*(Pmt(t)/65) + 0.1068;
    Pmth(t) = ((Pmt(t)*(1-eta_mt(t)-eta_l))/eta_mt(t))*eta_h*Coph;
     % 燃料电池功率
    eta_fc(t) = -0.0023*Pfc(t) + 0.674;
end

%% 启停 
for t=1:24
    if Pmt(t)>0
        Umt(t) = 1;
    end
   
    if Pfc(t)>0
        Ufc(t) = 1;
    end
end

for t=1:24 
    if t==1
        Cst(t) = Cst_mt*max(0, Umt(t)-Uinit)  + Cst_fc*max(0, Ufc(t)-Uinit);
    else
        Cst(t) = Cst_mt*max(0, Umt(t)-Umt(t-1))  + Cst_fc*max(0, Ufc(t)-Ufc(t-1));
    end
end
%% 目标函数每小时运行费用
cost=[];
for t=1:24
    cost(t)=  Cch4*( (Pmt(t)/(L_gas*eta_mt(t))) + (Pfc(t)/(L_gas*eta_fc(t))) ) ...       % 燃料成本
                     +  Cm_mt*Pmt(t) + Cm_fc*Pfc(t)  +  Cm_pv*Ppv(t)...    % 维护成本
                     + Cm_wt*Pwt(t) + Cst(t)+(Crb(t)+1.5)*Px(t)+Cm_Eb*Pb(t);               
end
figure
plot(1:24,cost)
hold on
plot(1:24,costp)
title('每小时运行成本');
legend('本文调度方法','常规调度方法');
xlabel('时间/小时')
ylabel('费用/元')

clc;
clear;
close all;
global costp Ppv Pwt
%% 算法参数
parameter;
nVar=4*24;                % Number of Decision Variables
VarMin=[ones(1,24)*Pmt_min, ones(1,24)*Pfc_min, ones(1,24)*Px_min, ones(1,24)*Pb_min];
VarMax=[ones(1,24)*Pmt_max, ones(1,24)*Pfc_max, ones(1,24)*Px_max, ones(1,24)*Pb_max];
MaxIt=100;                % Maximum Number of Iterations
nPop=500;                 % Population Size (Swarm Size)

%% 计算
[ bestPosition, fitValue ] = tGSSAFUN(@objective,nVar,VarMin,VarMax,MaxIt,nPop);
x=bestPosition;
Pmt = x(1:24);            % 燃气轮机功率
Pfc = x(25:48);           % 燃料电池功率
Px = x(49:72);            % 可卸负荷               
Pb = x(73:96);            % 蓄电池功率
t=1:24;

%% 输出光伏出力预测
figure
plot(t,Ppv,'-')
title('光伏发电曲线');
xlabel('时间/小时')
ylabel('功率/kw')
%% 输出风力发电出力预测
figure
plot(t,Pwt,'-')
title('风力发电曲线');
xlabel('时间/小时')
ylabel('功率/kw')
%% 输出电平衡结果
figure
hold on 
Pb_po=max(Pb,0);
Pb_ne=min(Pb,0);
positive=[Pmt', Pfc', Pb_po',Px',Ppv',Pwt'];
negative=[ Pb_ne'];
bar(positive,'stack');
bar(negative,'stack');
plot(t, Pl, 'ok-');
title('电平衡');
legend('Pmt燃机','Pfc燃电池','Pbdis电池放电','Px可去负荷','Ppv光伏发电','Pwt风电' ,'Pbch电池充电','Pl总负荷');
grid on
hold off
xlabel('时间/小时')
ylabel('功率/kw')

%% 输出各部分出力结果
figure
plot(t,Pmt,'ok-')
hold on
plot(t,Pfc,'-*')
hold on
plot(t,Px,'-')
hold on
plot(t,Pb,'-.')
legend('Pmt燃机出力','Pfc燃电池出力','Px可去负荷','Pb电池出力');
title('出力图');
xlabel('时间/小时')
ylabel('功率/kw')
%% 计算每小时运行费用
% 预分配
eta_mt = zeros(1,24);
eta_fc = zeros(1,24);
Pmth = zeros(1,24);
Umt = zeros(1,24);
Ufc = zeros(1,24);


%% 运行模型
for t=1:24
    % 燃气轮机热功率
    %下面这个是微型燃气轮机效率计算公式
    eta_mt(t) = 0.0753*(Pmt(t)/65)^3 - 0.3095*(Pmt(t)/65)^2 + 0.4174*(Pmt(t)/65) + 0.1068;
    Pmth(t) = ((Pmt(t)*(1-eta_mt(t)-eta_l))/eta_mt(t))*eta_h*Coph;
     % 燃料电池功率
    eta_fc(t) = -0.0023*Pfc(t) + 0.674;
end

%% 启停 
for t=1:24
    if Pmt(t)>0
        Umt(t) = 1;
    end
   
    if Pfc(t)>0
        Ufc(t) = 1;
    end
end

for t=1:24 
    if t==1
        Cst(t) = Cst_mt*max(0, Umt(t)-Uinit)  + Cst_fc*max(0, Ufc(t)-Uinit);
    else
        Cst(t) = Cst_mt*max(0, Umt(t)-Umt(t-1))  + Cst_fc*max(0, Ufc(t)-Ufc(t-1));
    end
end
%% 目标函数每小时运行费用
cost=[];
for t=1:24
    cost(t)=  Cch4*( (Pmt(t)/(L_gas*eta_mt(t))) + (Pfc(t)/(L_gas*eta_fc(t))) ) ...       % 燃料成本
                     +  Cm_mt*Pmt(t) + Cm_fc*Pfc(t)  +  Cm_pv*Ppv(t)...    % 维护成本
                     + Cm_wt*Pwt(t) + Cst(t)+(Crb(t)+1.5)*Px(t)+Cm_Eb*Pb(t);               
end
figure
plot(1:24,cost)
hold on
plot(1:24,costp)
title('每小时运行成本');
legend('本文调度方法','常规调度方法');
xlabel('时间/小时')
ylabel('费用/元')

🎉3 参考文献

文章中一些内容引自网络，会注明出处或引用为参考文献，难免有未尽之处，如有不妥，请随时联系删除。

[1]姚景昆. 基于改进粒子群算法的微电网优化调度[D].辽宁工业大学,2016.

🌈4 Matlab代码实现

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/1067235.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

JavaScript系列从入门到精通系列第十九篇：JavaScript中的this关键字

JavaScript系列从入门到精通系列第十九篇：JavaScript中的this关键字

文章目录 前言 一：什么是this 二：this的灵活妙用 前言 function fun(a,b){console.log(a b); }fun(1,2); 我们通过形参的形式往参数中添加了参数。浏览器也会默默的给我们传递一个参数过去，这个参数被称为this。传递的节点就是在调用函…
阅读更多...
1984-2020年世界各国和地区ICRG政治经济金融风险指标数据

1984-2020年世界各国和地区ICRG政治经济金融风险指标数据

1984-2020年世界各国和地区ICRG政治经济金融风险指标数据 1、时间：1984-2020年、 2、指标： 主要包括政治风险、经济风险、金融风险，以及各个分指标数据， 具体指标： id、Country、year、Bureaucracy Quality (L)、…
阅读更多...
Goby 漏洞发布｜深信服下一代防火墙 loadfile.php 文件读取漏洞

Goby 漏洞发布｜深信服下一代防火墙 loadfile.php 文件读取漏洞

漏洞名称：深信服下一代防火墙 loadfile.php 文件读取漏洞 English Name： Sangfor Next Generation Firewall loadfile.php file reading vulnerability CVSS core:7.5 影响资产数：281045 漏洞描述： 深信服下一代防火墙是一款…
阅读更多...
由于找不到msvcp120.dll 无法继续执行怎么解决（最新方法分享）

由于找不到msvcp120.dll 无法继续执行怎么解决（最新方法分享）

在使用电脑的过程中，我们可能会遇到一些问题，比如丢失 msvcp120.dll 文件。这种情况会导致电脑运行出现问题，甚至无法正常启动。本文将详细介绍 msvcp120.dll 文件丢失对电脑的影响以及 msvcp120.dll 丢失的原因，并提供四种解决方…
阅读更多...
jwt的基本介绍

jwt的基本介绍

说出我的悲惨故事给大家乐呵乐呵：公司刚来了一个实习生，老板让他写几个接口给我，我页面还没画完呢。他就把接口给我了，我敲开心，第一次见这么高效率的后端。但我很快就笑不出来了。他似乎不知道HTTP通信是无状态的。他…
阅读更多...
Glide源码分析

Glide源码分析

一，Glide一次完整的加载流程 下面的流程图是一次完整的使用Glide加载图片流程,时序图 二，Glide重要的类图 三，Glide加载图片 流程图
阅读更多...
C语言数据结构 1.1 初学数据结构

C语言数据结构 1.1 初学数据结构

数据结构的基本概念 数据结构在学什么？ 如何用程序代码把现实世界的问题信息化 如何用计算机高效处理信息从而创造价值 数据： 数据元素、数据项： 数据元素——描述一个个体 数据对象——数据元素之间具有同样的性质 同一个数据对象里的数…
阅读更多...
3. 无重复字符的最长子串（枚举+滑动窗口）

3. 无重复字符的最长子串（枚举+滑动窗口）

目录 一、题目 二、代码 一、题目 力扣&#xff08;LeetCode&#xff09;官网 - 全球极客挚爱的技术成长平台 二、代码 class Solution { public:int lengthOfLongestSubstring(string s) {int _MaxLength 0;int left 0, right 0;vector<int>hash(128, 0);//ASCII…
阅读更多...
【iOS】——仿写计算器

【iOS】——仿写计算器

文章目录 一、实现思路二、实现方法三、判错处理 一、实现思路 先搭建好MVC框架&#xff0c;接着在各个模块中实现各自的任务。首先要创建好UI界面&#xff0c;接着根据UI界面的元素来与数据进行互动&#xff0c;其中创建UI界面需要用到Masonry布局。 二、实现方法 在calcu…
阅读更多...
糖基转移酶特异性 -bg

糖基转移酶特异性 -bg

糖基转移酶特异性 大多数糖基转移酶对其供体和受体底物都具有高度的特异性&#xff0c;这导致Saul Roseman及其同事提出了“一种酶 - 一种连接”假说。人B血型α1-3半乳糖基转移酶就是这一概念的例证。该酶催化糖基化反应&#xff0c;其中半乳糖以α键添加到受体底物上半乳糖残…
阅读更多...
[0xGame 2023] week1

[0xGame 2023] week1

整理一下&#xff0c;昨天该第二周了。今天应该9点结束提交&#xff0c;等我写完就到了。 PWN 找不到且不对劲的flag 第1题是个nc测试&#xff0c;但也不完全是&#xff0c;因为flag在隐含目录里 高端的syscall 程序使用了危险函数&#xff0c;并且没有canary阻止&#xff0…
阅读更多...
后端解决跨域（极速版）

后端解决跨域（极速版）

header(Access-Control-Allow-Origin: *); header(Access-Control-Allow-Methods:*); 代表接收全部的请求&#xff0c;"POST,GET"//允许访问的方式 指定域&#xff0c;如http://172.20.0.206//宝塔的域名&#xff0c;注意不是&#xff1a;http://wang.jingyi.icu等…
阅读更多...
文件上传笔记

文件上传笔记

一、上传的简单绕过&#xff1a; 1、若是上传的文件只在前端的代码中进行了过滤&#xff1a; &#xff08;1&#xff09;可以直接在开发者工具中删除相关代码&#xff1a; &#xff08;2&#xff09;也可以通过 burpsuite 绕过: 上传时&#xff0c;先提前修改 php 文件的后缀…
阅读更多...
QT之可自由折叠和展开的布局

QT之可自由折叠和展开的布局

介绍和功能分析 主要是实现控件的折叠和展开&#xff0c;类似抽屉控件&#xff0c;目前Qt自带的控件QToolBox具有这个功能&#xff0c;但是一次只能展开一个&#xff0c;所以针对自己的需求可以自己写一个类似的功能&#xff0c;这里实现的方法比较多&#xff0c;其实原理也比较…
阅读更多...
upload文件上传

upload文件上传

参数格式 <el-upload :http-request"upload" class"upload" :show-file-list"false" :on-success"handleUploadSuccess"><el-button size"default" type"primary" style"margin:0 20px;">上…
阅读更多...
分类预测 | MATLAB实现POA-CNN鹈鹕算法优化卷积神经网络多特征分类预测

分类预测 | MATLAB实现POA-CNN鹈鹕算法优化卷积神经网络多特征分类预测

分类预测 | MATLAB实现POA-CNN鹈鹕算法优化卷积神经网络多特征分类预测 目录 分类预测 | MATLAB实现POA-CNN鹈鹕算法优化卷积神经网络多特征分类预测分类效果基本描述程序设计参考资料 分类效果 基本描述 1.Matlab实现POA-CNN鹈鹕算法优化卷积神经网络多特征分类预测&#xff0…
阅读更多...
深入解读redis的zset和跳表【源码分析】

深入解读redis的zset和跳表【源码分析】

1.基本指令 部分指令&#xff0c;涉及到第4章的api&#xff0c;没有具体看实现&#xff0c;但是逻辑应该差不多。 zadd <key><score1><value1><score2><value2>... 将一个或多个member元素及其score值加入到有序集key当中。根据zslInsert zran…
阅读更多...
02.Cesium源码编译及搭建开发环境

02.Cesium源码编译及搭建开发环境

开始之前&#xff0c;默认你已经掌握了一定的前端知识&#xff0c;文章中用到的一些前端知识不再展开解释&#xff0c;如果你有不明白的地方&#xff0c;请自行学习。 另外&#xff0c;本篇文章及后续的文章首先会使用原生JS的方式 进行实例的开发&#xff0c;Vue版本会在后期文…
阅读更多...
办公技巧：Excel日常高频使用技巧

办公技巧：Excel日常高频使用技巧

目录 1. 快速求和&#xff1f;用 “Alt ” 2. 快速选定不连续的单元格 3. 改变数字格式 4. 一键展现所有公式 “CTRL ” 5. 双击实现快速应用函数 6. 快速增加或删除一列 7. 快速调整列宽 8. 双击格式刷 9. 在不同的工作表之间快速切换 10. 用F4锁定单元格 1. 快速求…
阅读更多...
快速掌握批量合并视频

快速掌握批量合并视频

在日常的工作和生活中&#xff0c;我们经常需要对视频进行编辑和处理&#xff0c;而合并视频、添加文案和音频是其中常见的操作。如何快速而简便地完成这些任务呢&#xff1f;今天我们介绍一款强大的视频编辑软件——“固乔智剪软件”&#xff0c;它可以帮助我们轻松实现批量合…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023