一、微网系统运行优化模型
参考文献：
[1]李兴莘,张靖,何宇,等.基于改进粒子群算法的微电网多目标优化调度[J].电力科学与工程, 2021, 37(3):7
二、麻雀搜索算法简介
麻雀搜索算法 (Sparrow Search Algorithm, SSA) 是一种新型的群智能优化算法，于2020年提出，主要是受麻雀的觅食行为和反捕食行为的启发。SSA是一种基于模拟麻雀自然食物搜索行为的启发式优化算法。它通过模拟麻雀在自然界寻找食物的过程来优化问题的解空间，具有全局搜索能力和高效率性能。该算法适用于求解与优化相关的问题，例如组合优化问题、约束优化问题、多目标优化问题等。在麻雀觅食的过程中，分为发现者（探索者）和加入者（追随者），发现者在种群中负责寻找食物并为整个麻雀种群提供觅食区域和方向，而加入者则是利用发现者来获取食物。为了获得食物，麻雀通常可以采用发现者和加入者这两种行为策略进行觅食。种群中的个体会监视群体中其它个体的行为，并且该种群中的攻击者会与高摄取量的同伴争夺食物资源，以提高自己的捕食率。此外，当麻雀种群意识到危险时会做出反捕食行为。
麻雀搜索算法的流程如下：
1. 初始化种群：随机生成N只麻雀作为初始种群。
2. 计算适应度：根据问题的特定目标函数，计算每只麻雀的适应度值。
3. 发现者更新：从种群中选择适应度最好的PN只麻雀作为发现者，根据一定的规则更新它们的位置。
4. 跟随者更新：剩余的N-PN只麻雀作为跟随者，根据发现者的位置和一定的规则更新它们的位置。
5. 更新适应度：根据新的位置，重新计算每只麻雀的适应度值。
6. 判断终止条件：判断是否满足终止条件，例如达到最大迭代次数或者适应度值达到一定阈值。
7. 重复步骤3到步骤6，直到满足终止条件。
8. 输出结果：输出最优解或者近似最优解。
麻雀搜索算法（提供Matlab代码）
三、SSA求解微电网调度
（1）部分代码
close all;
clear ;
clc;
global P_load; %电负荷
global WT;%风电
global PV;%光伏
%%
TestProblem=1;
[lb,ub,dim,fobj] = GetFunInfo(TestProblem);
SearchAgents_no=100; % Number of search agents
Max_iteration=1000; % Maximum number of iterations
[Best_score,Xbest,Convergence_curve]=SSA(SearchAgents_no,Max_iteration,lb,ub,dim,fobj);
%% 画结果图
figure(1)
semilogy(Convergence_curve,'r-','linewidth',2);
legend('SSA');
xlabel('迭代次数')
ylabel('运行成本与环境保护成本之和')
（2）部分结果
