【优化运行】基于matlab多目标粒子群算法求解冷热电联供综合能源系统运行优化问题【含Matlab源码 1747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、多目标粒子群算法求解冷热电联供综合能源系统运行优化简介

现有的能源系统往往都是单独规划、单独运行,导致能源利用率低,污染高。如今,人们更多地研究如何把各独立供能系统进行协同优化,减少其环境污染的同时增加能源利用率及经济性能。

各类能源的大规模接入导致了能源系统往往无法兼顾经济性和环保性,优化运行的能力不够。因此如何优化综合能源系统,兼顾系统运行的经济性和环保性成为需要解决的问题。利用线性模型对电力、天然气、热力系统进行最优容量配置,提高系统的能源利用效率;考虑碳排放和可再生能源的消纳问题,提出一种新的混合潮流计算方法,保证构建的热电联供型微电网经济稳定的运行。

现以系统经济性和环保性最优建立目标函数并构建约束条件,建立冷热电联供型系统(combined cooling, heating and power, CCHP)的优化模型;利用改进后的粒子群算法对求解系统优化模型;最后,结合算例进行结果分析,研究系统在单一目标和同时兼顾多目标下系统的运行结果,为综合能源系统后期的协同规划提供参考。

1 综合能源系统协同优化目标函数
以综合能源系统经济成本最小和环保性最优为目标。系统经济成本主要分为机组投资成本CCCHP、购电成本Ce和购买天然气成本Cg。目标函数为
CJ=CCCHP+Ce+Cg(1)
式(1)中:
CCCHP=R(Cinf.GTPcap.GT+Cinf.GBPcap.GB+Cinf.GEPcap.GE+Cinf.ECQcap.EC+Cinf.ACQcap.AC)(2)
式(2)中:R为资金回收率;Pcap.GT、Pcap.GB、Pcap.GE分别为燃气轮机、燃气锅炉、天然气内燃机组的额定电功率;Qcap.EC、Qcap.AC分别为电制冷机、吸收式制冷机的额定冷功率,Cinf.GT、Cinf.GB、Cinf.GE、Cinf.EC、Cinf.AC分别为额定功率内燃气轮机、燃气锅炉、天然气内燃机组、电制冷机和吸收式制冷机的运行成本。

式(3)中:T为系统一个运行周期;Ce,t为t时段系统的购电单价,Pe,t为t时段系统的购电功率。

式(4)中:cg为t时段系统购买天然气单价;Pg,t为t时段系统的购气功率。
系统运行过程中,燃烧天然气产生二氧化碳气体。因此系统运行时排放二氧化碳产生环保成本CH的目标函数为
CH=WCO2εePΙΝEC+εg(PGT.g+PGB.g+PGE.g)
式(5)中:WCO2为排放CO2单位价格;εe为单位电功率下二氧化碳的排放系数;εg为单位体积天然气的二氧化碳排放系数。
系统整体优化函数CZ为
CZ=min(CJ+CH)(6)

2 综合能源系统建模及约束条件
冷热电联供型综合能源系统是最常用的区域综合能源系统,其网络架构如图1所示。

图1 冷热电联供型综合能源系统网络架构图
CCHP系统能够利用天然气内燃机和燃气轮机将天然气燃烧进行发电,也可以用这些设备和燃气锅炉燃烧产生的热量进行供暖和制冷,从而使得供电、供暖、供冷供气结合在一起,加强了各功能系统的耦合程度,提高了能源的利用效率。
燃气轮机的数学模型及约束为



3 综合能源系统协同规划方法

3.1 惯性权重因子和学习因子的改进
在基本PSO算法中,ω、c1、c2一般保持不变,现拟将其随着迭代次数改变,如式(28)所示:


3.2 个体最优值的改进
利用所有粒子的个体最优值的平均值代替每个粒子的个体最优值,这样可以排除粒子群中最差的个体最优值,避免粒子群局部最优。即:

3.3 改进后的算法流程
本模型求解过程如图2所示。

图2 粒子群算法优化求解流程

⛄二、部分源代码

⛄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]陶静,徐武,李逸琳,霍艺文,张恩睦.基于多目标算法的冷热电联供型综合能源系统运行优化[J].科学技术与工程. 2019,19(33)

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