【优化调度】基于matlab改进的遗传算法求解风电场优化调度问题【含Matlab源码 1245期】

海神之光

已于 2024-10-12 15:00:24 修改

阅读量2.4k

点赞数 3

CC 4.0 BY-SA版权

分类专栏： Matlab优化求解（进阶版）文章标签： matlab

于 2021-08-24 18:39:27 首次发布

代码事宜私信博主

本文链接：https://blog.youkuaiyun.com/TIQCmatlab/article/details/119896368

Matlab优化求解（进阶版）专栏收录该内容

403 篇文章

订阅专栏

该篇博客介绍了遗传算法的基础理论和在风力发电优化中的具体应用，通过Matlab代码展示了如何使用遗传算法来寻找最佳风场布局，涉及风速计算、适应度函数调整和种群演化过程。作者分享了Matlab 2014a版本的实例，并引用了包子阳等人关于智能优化算法的书籍作为参考资料。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

💥💥💥💥💥💥💞💞💞💞💞💞💞💞欢迎来到海神之光博客之家💞💞💞💞💞💞💞💞💥💥💥💥💥💥
在这里插入图片描述
✅博主简介：热爱科研的Matlab仿真开发者，修心和技术同步精进；
🍎个人主页：海神之光
🏆代码获取方式：
海神之光Matlab王者学习之路—代码获取方式

⛳️座右铭：行百里者，半于九十。
更多Matlab优化求解仿真内容点击👇
①Matlab优化求解（进阶版）
②付费专栏Matlab优化求解（初级版）

⛳️关注优快云海神之光，更多资源等你来！！

⛄一、遗传算法简介

1 引言
在这里插入图片描述

2 遗传算法理论
2.1 遗传算法的生物学基础

2.2 遗传算法的理论基础

2.3 遗传算法的基本概念

2.4 标准的遗传算法

2.5 遗传算法的特点

2.6 遗传算法的改进方向

3 遗传算法流程
在这里插入图片描述

4 关键参数说明

⛄二、部分源代码

v0=10.5;a1=0;%初始风速、风向
PopSize=100;%种群规模
MaxGen=1000; %遗传代数
ChromLen=10; %编码长度
N=16;%优化变量个数
LLimits = 0;%优化变量的下限
HLimits = 0.33;%优化变量的上限
Chrom=round(rand(PopSize,NChromLen));%随机产生初始种群的染色体
for k=1:MaxGen
for s=1:PopSize %种群产生
m=Chrom(s,:);
%解码
for i=1:N
m1=m(1+ChromLen(i-1):1:ChromLeni);
DigVal=0;b=1;
for j=1:ChromLen
DigVal=DigVal+m1(j)b;
b=b2;
end
x(s,i) = LLimits+(HLimits-LLimits)DigVal/(2^ChromLen-1);
end
[P,Pz,v]=Pmax(v0,a1,x(s,:));%求目标函数
end
Fit0=(1./Pz); %适应度函数
%适应度函数尺度变换
C=1.5;
f_avg= sum(Fit0)/PopSize;
f_max =max(Fit0);
f_min =min(Fit0);
if f_min>(Cf_avg- f_max)/( C-1)
a=(C-1)/(f_max-f_avg)f_avg;
b=(f_max-Cf_avg)/(f_max-f_avg)f_avg;
else
a=f_avg/(f_avg - f_min);
b= - (f_minf_avg)/(f_avg-f_max);
end
Fit =aFit0+b;
%轮盘赌式选择
totalfit=sum(Fit);%求适应值之和
fitvalue=cumsum(Fit);
for newin = 1:PopSize
fitin = 1;
temp=randtotalfit;
while temp > fitvalue(fitin)
fitin=fitin+1;
end
TempChrom(newin,:)=Chrom(fitin,:);
end
Chrom = TempChrom;
Pc=0.6;
for i=1:2:(PopSize-1) %单点交叉
temp=rand;
if Pc>temp
n=ceil(NChromLenrand);
for j=n:NChromLen
TempChrom(i,j)=Chrom(i+1,j);
TempChrom(i+1,j)=Chrom(i,j);
end
end
end
function v=wake_speed(x,y,v0,a,a0) %计算一台风机风机前尾流风速
x=x-1;y=y-1;D=300;R=31.5;
X=xDcos(a)+yDsin(a); %根据风向偏角进行坐标变换
Y=yDcos(a)-xDsin(a);
i=0;j=0;v2=0;
for m=1:4
for n=1:4 %循环计算每台风机的尾流影响
k=iDcos(a)+jDsin(a);l=-iDsin(a)+jDcos(a);
if (X-k) > 0 %判断两台风机上下游位置关系
rx=R+(X-k)0.04;
if ((Y+R) < (l-rx)) || ((Y-R) > (l+rx)) %判断是否无尾流遮挡并计算
v1=v0;
b=0;
else
if ((Y-R) > (l-rx)) && ((Y+R) < (l+rx)) %判断是否为全遮挡并计算
Ct=4a0(i+1,j+1)(1-a0(i+1,j+1));
v1=v0(1-((R/rx)^2)*(1-(1-Ct)0.5));
b=1;
else
[v1,b]=Ashad(k,l,X,Y,v0,a0(i+1,j+1));%计算部分遮挡
end
end
v2=v2+b*((1-v1/v0)^2); %对各个风机的尾流影响风速累加
else
end
end
[BestFit,BestId] = max(Fit);
figure
plot(Jlist)
%输出结果
Result = x(BestId,:)
[P,Pz,v]=Pmax(v0,a1,Result)
function [v,B]=Ashad(x1,y1,x2,y2,v0,a)
D=63;Ct=4a(1-a); %初始条件
rx=0.5D+abs(x2-x1)0.04; %尾流半径
v=v0(1-((0.5D/rx)^2)*(1-(1-Ct)0.5));
y=((rx)^2-(0.5*D)2-y1^2+y22)/(2*(y2-y1));
z=((0.5D)^2-(y-y2)2)^0.5;
d=abs(y2-y1);
A=((rx)^2)*acos((d2+(rx)^2-(0.5*D)2)/(2drx))+((0.5D)^2)*acos((d2+(0.5D)^2-(rx)2)/(2drx))-dz;
B=A/(2pi(0.5*D)^2); %尾流遮挡面积与风轮面积之比
end

⛄三、运行结果

在这里插入图片描述

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
《智能优化算法及其MATLAB实例（第2版）》包子阳余继周杨杉著电子工业出版社

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除

🍅 仿真咨询
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化

2 机器学习和深度学习方面
卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

3 图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

4 路径规划方面
旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

5 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配

6 无线传感器定位及布局方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

7 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置

9 元胞自动机方面
交通流人群疏散病毒扩散晶体生长

10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合