m基于粒子群算法的分布式电源DG的优化配置

news2024/10/6 16:22:40

目录

1.算法描述

2.仿真效果预览

3.MATLAB核心程序

4.完整MATLAB


1.算法描述

       随着科技的发展,人民生活水平的不断提高,使得当今社会的发展对能源环保性和供电的可靠性的要求也不断提高。集中式供电系统由于污染大、可靠性差及操作难度大等缺陷越来越不能满足供电的要求。研究表明,集中式供电系统和分布式电源相结合可以降低配电网系统损耗,节省投资成本,增大系统的稳定性。但DG并网运行后会对系统的损耗、潮流分布、系统可靠性等方面造成影响,这些影响与分布式电源的位置和容量有关。所以,研究对分布式电源位置、容量优化配置问题具有重大意义。目前,对分布式电源选址定容的方法很多。本论文建立了系统有功损耗最小的单目标函数优化模型,并列写了相关的约束条件。介绍了不同的分布式电源的工作原理和并网接口类型,本论文中采用了双馈风力发电作为分布式电源。潮流计算的方法为前推回代法,使用遗传算法对分布式电源进行优化。针对遗传算法的不足,对遗传算法的选择操作进行了改进,从而提高了对问题解的查找能力,防止出现局部最优解的问题。

       分布式电源(Distributed Generation,简称DG),通常是指发电功率在几千瓦至数百兆瓦(也有建议在30~50兆瓦以下)的小模块化、分散式、布置在用户附近的高效、可靠的发电单元。

分布式电源与配电网相结合,其优点可简单总结为如下几个方面:

1)分布式电源占地面积小,装机容量小,且经常安装于用户和负荷附近,降低线路损耗,节约投资成本。而集中式电源集中式发电,需远距离传输至用户,这样会增大线路的损耗,线路过长使安装成本增高。

2)分布式电源通过合理的能量的梯级利用,增大了能量的使用率,从而减小能量的损耗。

3)分布式电源可以弥补供电安全性的不足,提高供电的稳定性,一般在负荷侧安装DG,通过与配电网结合,可以在配电网事故停电下维持重要用户供电,保证用户用电可靠性。

4)对分布式能源进行合理优化,能够减小系统的损耗,减少能源浪费。

5)对分布式电源的合理优化降低能源的损耗,减少资金的投入和对环境的污染。

        分布式电源作为一种绿色新能源,由于其具有能源利用率高且对环境污染小等优点,所以得到了广泛的应用研究。目前,分布式电源主要以备用电源的形式应用在工业、农业等领域。集中式供电系统中多个发电系统经过一个或几个变压器的汇集再并入配电网中,分布式供电系统中发电系统相互独立,每个发电系统都可以直接并入配电网。分布式电源和集中式电源最大的区别是安装在负荷点附近和规模较小,所以DG可以根据附近负荷需求量的大小,直接向负荷进或系统进行供电,一般情况下,不论为何种发电形式,只要是安装在用户附近的发电设备都可以定义为分布式电源。电力工业由单纯的集中式发电模式逐渐转型为以大型发电站为主、分布式电源为辅的新型发电模式,使供电方式更加灵活,从而提高了电能的质量、降低系统损耗。

       近年来,各个国家都致力于发展分布式电源,并取得一定的成果。在风力发电方面,欧洲拥有大量的风力资源,风力发电的发展已由陆地向海洋转移,集中式开发、远距离传输是以后的主流方向。在光伏发电方面,西方国家的建筑主要为中低层住宅,适合光伏发电。在天然气发电方面,欧美各国具有很高的天然气产量,而且管网设施发展完善,具有很好的发展条件,所以适宜发展天然气发电。我们国家的风力资源大部分在近海和三北地区,适合集中式发电,小部分的风力资源在中东部地区,有利于分布式发电。太阳能资源分布在西北地区既华北荒漠地区,适合集中式开发,且我们国家城市的建筑较高,太阳能发电条件不完善,城市地区不适合太阳能发电。天燃气的供应不足,管道设施不够完善,使天然气发电的发展受到限制。我国拥有大量的水力资源,与欧洲国家相比条件要好,发展前景广阔。目前,我们国家的分布式电源类型以水力发电为主,其发电技术也是非常先进。总之,我们国家分布式发电技术的发展不算落后,但是由于资源条件、政府政策和产业基础的影响,还是存在一定差异。

       目标函数:最小有功损耗

 

       潮流计算使用前推回代法,分为不含分布式电源和含分布式电源的潮流计算程序,并且在结果中要对不含分布式电源和含分布式电源的节点电压、支路电流、支路损耗进行画图对比,假如选择加两个分布式电源则在最终的结果中要展现出网络的损耗以及选择出来的两个分布式电源的位置以及容量(及就是功率),并画出进化曲线图。

2.仿真效果预览

matlab2022a仿真结果如下:

 

 

3.MATLAB核心程序

%%%%%%%给定初始化条件%%%%%%%%%%
%c1 学习因子1
%c2 学习因子2
%w惯性权重
%M最大迭代次数
%D搜索空间维数
%N初始化群体个体数目
clc;
clear;
close all;
warning off;
addpath(genpath(pwd));
rng('default')


tic  % 输出程序运行时间
global Vi  X Y Z;  %定义全局变量Vi
Num=33;
N = 50;
% c1 = 1.5;
% c2 = 2.5;
% c1 = 2;
% c2 = 2;
% c1 = 2.05;
% c2 = 2.05;
% w=0.9;
c1 = 1;
c2 = 1.5;
w =0.65;
M =500;
% M =200;
D = 6;
% D = 4;
%3DG
ub = [33 33 33  3  3  3];
% ub = [33 33 33  2.048  2.048  2.048];
lb = [2  2  2   0  0  0];
% ub = [33 33 33  3  3  3  3  3  3];
% lb = [2  2  2   0  0  0  0  0  0];
%2DG
% ub = [33 33   2  2];
% lb = [2  2    0  0];
%%%%%%%%%%%%%%%%%%初始化种群的个体(可在这里限制位置和速度的范围)%%%%%
for i = 1:N
    for j = 1:D
        ub_j=ub(j);
        lb_j=lb(j);
        if j < 4
%           if j<3
            x(i,j) = round(rand(1,1).*(ub_j-lb_j))+lb_j;
        else
            x(i,j)=rand(1,1).*(ub_j-lb_j)+lb_j;
        end
%         x(i,j) = randn;    %随机初始化位置
        v(i,j) = randn;    %随机初始化速度
    end
end

%%%%%%%%%%%%先计算各个粒子的适应度值,并初始化pi和pg%%%%%%%%%
for i = 1:N
    p(i) = fitness(x(i,:));
    y(i,:) = x(i,:);
end
pg = x(N,:);    %pg为全局最优
for i = 1:(N-1)
    if fitness(x(i,:)) < fitness(pg)
        pg = x(i,:);
    end
end

%%%%%%%%%%进入主要循环,按照公式依次迭代,直到满足精度要求%%%%%%%%%%%
for t = 1:M
    t
    for i = 1:N        %更新速度 位移
        v(i,:) = w*v(i,:)+c1*rand*(y(i,:)-x(i,:)-x(i,:))+c2*rand*(pg-x(i,:));
        x(i,:) = x(i,:) + v(i,:);
        for j = 1:D
            ub_j=ub(j);
            lb_j=lb(j);
            if j<4
%               if j < 3
               if x(i,j) > ub(j)
                    x(i,j) = round(rand(1,1).*(ub_j-lb_j))+lb_j;
              elseif x(i,j) < lb(j)
                      x(i,j) = round(rand(1,1).*(ub_j-lb_j))+lb_j;
%         else
%             x(i,j)=rand(1,1).*(ub_j-lb_j)+lb_j;
             end
            else
                if x(i,j) > ub(j)
                    x(i,j)=rand(1,1).*(ub_j-lb_j)+lb_j;
                elseif x(i,j) < lb(j)
                    x(i,j)=rand(1,1).*(ub_j-lb_j)+lb_j;
                end
            end
        end
        x(i,[1,2,3]) = round(x(i,[1,2,3]));
%           x(i,[1,2]) = round(x(i,[1,2]));
        if fitness(x(i,:)) < p(i)
            p(i) = fitness(x(i,:));
            y(i,:) = x(i,:);
        end
        if p(i) < fitness(pg)
            pg = y(i,:);
        end
   end
    Pbest(t) = fitness(pg);
end

%%%%%%%%%%最后给出计算结果%%%%%%%%%%
disp('***************************************************')
disp('目标函数取最小值时的自变量:')
xm = pg
disp('目标函数最小值为:')
fv = fitness(pg)
disp('***************************************************')
% abs(Vi)
toc    
figure;
plot(Pbest);
xlabel('迭代次数');
ylabel('有功损耗'); 
title ('进化曲线图');
[Ploss1,Udg,Idg,Sdg] = DGflow(X,Y,Z);
[Ploss0,Uv,IL,Sij,] = flow(Num); 


figure;
plot(Uv,'b-'); 
hold on;
plot(Udg,'r-'); 
xlabel('节点编号');
ylabel('节点电压幅值/标幺值'); 
legend('不加DG','添加DG'); 
title ('配电网接入DG后各节点电压对比图');
grid on  

figure;
plot(IL,'b-'); 
hold on;
plot(Idg,'r-'); 
xlabel('支路编号');
ylabel('支路电流值/标幺值'); 
legend('不加DG','添加DG');  
title ('配电网接入DG后各支路电流对比图');
grid on   

figure;
plot(Sij,'b-'); 
hold on;
plot(Sdg,'r-'); 
xlabel('支路编号');
ylabel('支路损耗幅值/KW'); 
legend('不加DG','添加DG');
title ('配电网接入DG后各支路损耗对比图');
grid on
02_098m

4.完整MATLAB

V

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/83264.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

MySQL数据库基础知识7,查询的执行过程

目录一、拆分查询二、分解关联查询三、查询的执行过程四、优化器的一些优化手段1、重新定义关联表的顺序2、将外连接转化为内连接3、使用增加变换规则4、优化count()、max()、min()5、预估并转化为常量表达式6、覆盖索引扫描7、提前终止查询五、MySQL如何执行关联查询六、查询执…

【HTML期末学生大作业】 制作一个简单HTML宠物网页(HTML+CSS)

&#x1f389;精彩专栏推荐 &#x1f4ad;文末获取联系 ✍️ 作者简介: 一个热爱把逻辑思维转变为代码的技术博主 &#x1f482; 作者主页: 【主页——&#x1f680;获取更多优质源码】 &#x1f393; web前端期末大作业&#xff1a; 【&#x1f4da;毕设项目精品实战案例 (10…

Linux 学习笔记 04 —— 文件管理和磁盘管理相关命(2) 详解 grep 命令

用法 less 参数 文件 常用用法 很实用的搜索功能。 向前搜索 / &#xff1a; 使用一个模式进行搜索&#xff0c;并定位到下一个匹配的文本 n &#xff1a; 向前查找下一个匹配的文本 N &#xff1a; 向后查找前一个匹配的文本 向后搜索 ? &#xff1a; 使用模式进行搜…

【C语言】程序环境和预编译

如若这一生注定磨难&#xff0c;自由与真我千金不换 文章目录一、程序的翻译环境和运行环境1.翻译环境&#xff08;编译&#xff08;预编译、编译、汇编&#xff09;链接&#xff09;2.运行环境&#xff08;程序入口main 到 程序终止&#xff09;二、预处理&#xff08;预编译…

SpringMVC(四)域对象共享数据(干货、超详细)

【环境说明】 SpringMVC项目中使用的是thymeleaf视图解析器 <!-- Spring和thymeleaf的整合--><dependency><groupId>org.thymeleaf</groupId><artifactId>thymeleaf-spring5</artifactId><version>3.0.12.RELEASE</version>&l…

网络爬虫数据解析的四种方式之XPath

文章目录前言四种数据解析方式数据解析之XPathXPath介绍在浏览器中安装XPath helper插件XPath使用方法通过浏览器测试插件是否安装成功通过python代码实现用XPath来解析数据前言 快期末了&#xff0c;有个数据挖掘的大作业需要用到python的相关知识&#xff08;这太难为我这个以…

C语言基础—数据类型和规范

基本的数据类型和规范 C语言基础—数据类型和规范&#x1f51c; 首先 C 语言所允许的合法符❗ 数据类型和关键字图示❗❗ string 不是C语言关键字&#x1f914; 关于关键字更多的参考⚛ 常量与变量常量定义和分类指数表示法字符常量的转义字符变量定义❗变量(标识符)的命名规范…

『NLP学习笔记』长序列预测论文LTSF-Linear解读

长序列预测论文LTSF-Linear解读 文章目录一. 引言二. 直接多步(DMS)和迭代多步(IMS)的对比三. 基于变压器的Transformer解决方案3.1. 预处理(preprocessing)3.2. 词向量(embedding)3.3. 编码(encoder)3.4. 解码(encoder)四. 一个简单得令人尴尬的Baseline五. 代码解读5.1. 数据…

MySQL字符串索引创建方案

字符串字段添加索引 MySQL是支持前缀索引的&#xff0c;也就是说&#xff0c;你可以定义字符串的一部分作为索引。默认地&#xff0c;如果你创建索引的语句不指定前端长度&#xff0c;那么索引就会包含整个字符串。 # 包含整个字符串 alter table table_name add index index…

liteos连接器脚本隐藏的指针问题

一,数据拷贝引起的指针问题 大家想一下,一个指针指向的内存地址处的数据,假设拷贝到了另外一个地方,那么这个时候我们的指针还是指向原来的位置,那么就会导致问题。为什么提出这个问题呢?因为我们前面讲到了liteos的data段的拷贝,那么对于data段的访问的指针是不是也要…

供应Pyrene-PEG-Biotin,Biotin-PEG-Pyrene,芘丁酸-聚乙二醇-生物素

一&#xff1a;产品描述 1、名称 英文&#xff1a;Pyrene-PEG-Biotin&#xff0c;Biotin-PEG-Pyrene 中文&#xff1a;芘丁酸-乙二醇-生物素 2、CAS编号&#xff1a;N/A 3、所属分类&#xff1a;Biotin PEG Pyrene PEG 4、分子量&#xff1a;可定制&#xff0c;Pyrene-PE…

知识点15--k8s应用入门

本篇我们用上一篇知识点搭建的k8s集群&#xff0c;认识k8s的入门级使用方法&#xff0c;无法完全体现出k8s的性能&#xff0c;注意不是高级的应用。顺便说一点k8s的操作都依靠于命令&#xff0c;甚至是修改配置文件也提供了编辑命令&#xff0c;命令很像js的选择器&#xff0c;…

视频截图修复方法是什么?这些方法和步骤教会你

在日常的生活中&#xff0c;你是否会遇到过这样的情况&#xff1a;每当在观看一些视频的时候&#xff0c;看到自己喜欢的剧情片段时&#xff0c;就会想要将其截取下来留作收藏&#xff0c;但有时候可能会出现截出来的图片画面是模糊的&#xff0c;这该怎么办呢&#xff1f;其实…

MODBUS-TCP协议

modbus-tcp顾名思义是基于TCP网络连接的MODBUS协议。 和RS485总线不同&#xff0c;TCP协议是通过设备的IP地址和端口来寻址。 modbus-tcp的默认端口号是502&#xff0c;设备端作为TCP服务器监听502端口&#xff0c;主机为TCP客户端主动去连接外设。与RS485一样&#xff0c;主机…

LVI-SAM源码解析(一):论文阅读

1. 摘要 LVI-SAM是一种基于平滑化和映射实现的激光雷达-视觉-IMU紧耦合SLAM方法&#xff0c;能够实现高精度、高鲁棒性地实时状态估计和地图构建。 LVI-SAM建立于包含两个子系统的因子图上&#xff1a;视觉-IMU子系统&#xff08;VIS&#xff09;和激光-IMU子系统&#xff…

CMake中target_compile_features的使用

CMake中的target_compile_features命令用向target添加预期的编译器功能(compiler features)&#xff0c;其格式如下&#xff1a; target_compile_features(<target> <PRIVATE|PUBLIC|INTERFACE> <feature> [...]) 指定在编译给定的<target>时所需的编…

SpringBoot+Vue+kkFileView实现文档管理(文档上传、下载、在线预览)

场景 SpringBootVueOpenOffice实现文档管理(文档上传、下载、在线预览)&#xff1a; SpringBootVueOpenOffice实现文档管理(文档上传、下载、在线预览)_霸道流氓气质的博客-CSDN博客_vue openoffice 上面在使用OpenOffice实现doc、excel、ppt等文档的管理和预览。 除此之外…

linux下安装nginx

linux下安装nginx 注&#xff1a;此处需要先安装vmware&#xff0c;下载Centos8等工具&#xff0c;配置好一个虚拟机。 1、下载nginx的linux版本 2、上传至搭建好的linux环境上。 3、解压nginx压缩包 4、安装nginx编译需要的相关 安装 nginx 需要先将官网下载的源码进行编译…

Spring源码深度解析十五:@Aspect方式的AOP中篇 - getAdvicesAndAdvisorsForBean

一、前言 文章目录&#xff1a;Spring源码深度解析&#xff1a;文章目录 在上篇中我们概述了Aop 实现的逻辑&#xff0c;但是由于篇幅原因&#xff0c;我们将一部分内容拆成了中篇和下篇内容。本篇即中篇&#xff0c;内容主要是讲述 在 Bean创建过程中Aop 挑选适用于当前Bean…

html简洁风格的个人博客网站模板(源码)

文章目录1.设计来源1.1 博客首界面1.2 个人简介界面1.3 日常记录界面1.4 文章列表界面1.5 文章信息界面2.结构源码2.1 目录结构2.2 源代码源码下载作者&#xff1a;xcLeigh 文章地址&#xff1a;https://blog.csdn.net/weixin_43151418/article/details/128288153 html简洁风格…