【优化调度】基于matlab改进粒子群算法求解微电网优化调度问题【含Matlab源码 052期】

💥💥💥💥💥💥💞💞💞💞💞💞💞💞欢迎来到海神之光博客之家💞💞💞💞💞💞💞💞💥💥💥💥💥💥

✅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、微电网优化调度的模型简介

微电网优化调度的模型是以风、光、储能装置、微型燃气轮机、燃料电池等组成的系统的优化调度模型。在计算系统的运行费用是应考虑各分布式发电单元的运行维护成本和折旧费用等。同时，由于环境污染问题越来越严重，在搭建模型时还应注意到微电网的环境污染治理费用；由于微电网中的风能发电和太阳能发电易受到不确定因素制约，虽然在微电网系统中配备储能装置，但其响应速度可能会有所缓慢，故在指定调度方案时微电网稳定性是必不可少制约因素，而调度控制系统是确保微电网安全、稳定、经济运行的关键。

建立微电网优化调度模型的目标函数

微电网的运行费用中包括各分布式单元的运行成本、用户停电损失费用，当微电网是并网运行时还要考虑微电网与主网之间的电能互购成本。发电成本包括各发电单元的燃料消耗费用、维护费用及折损费用，其中，燃料费用和运行维护费用和实际发电量有关，风能发电和太阳能发电消耗的清洁能源，运行过程没有燃料消耗费用，基本上不存在污染物和工业废气体得排放，环境污染比较小，不必考虑发电成本和环境成本。并且，政府对风能发电和太阳能发电的运行成本执行全部补贴，它们的运行成本不作考虑。只有微燃气轮机和燃料电池发电是消耗的燃料发电的以及需要考虑各种费用。通过对微电网中各电源的数学模型研究，综合考虑微电网系统中各分布式电源的出力，已达到微电网的运行成本最小。

⛄二、部分源代码

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 ] = PSOFUN(@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);

⛄三、运行结果

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[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

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