【无标题】

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab仿真内容点击👇

智能优化算法  神经网络预测 雷达通信  无线传感器

信号处理 图像处理 路径规划 元胞自动机 无人机  电力系统

⛄ 内容介绍

随着综合能源微网内各利益体竞争现象日益显著,研究多利益体背景下的微网优化运行具有重要意义.首先,建立了以微网运营商为领导者,电动汽车用户为跟随者的主从博弈模型,综合考虑分时电价,电热需求响应,电动汽车以及微网运营商运行模式等构建了微网框架.其次,针对微网运营商工作于传统"以热定电"模式存在的缺陷,分析了"以电定热"模式的优势,进而提出了2种运行模式下微网运营商的收益模型.然后,综合考虑用户侧电制热设备,电动汽车以及电热需求响应等,提出了用户侧有限理性下的购能选择模型,在此基础上构建了用户侧收益模型.将主从博弈框架嵌入所提出的模型,并证明了Stackelberg均衡解的存在性与唯一性.最后,利用遗传算法与CPLEX求解器进行了仿真分析.结果表明:在用户侧有限理性的背景下,"以电定热"模式能协同提高微网运营商与用户侧的收益,同时所提出的购能选择模型有效遏制了微网运营商侧"定价垄断"的现象

⛄ 部分代码

function [Newpopulation,fitbest,best] =  select(Unew,population,P_MT,Hload,P_buy,pe_grid_S)%选择操作

[r1,c1] = size(population);          %计算种群的个数和维数

Newpopulation=zeros(r1,c1);

tem_fitbest=zeros(1,r1);

for i=1:r1

    xc = Unew(i,:);            %交叉变异后的种群个体

    xs = population(i,:);             %原始种群的个体

    fitness1 = computefitness(xc,P_MT,Hload,P_buy,pe_grid_S);   %计算交叉种群的适应度函数

    fitness2 = computefitness(xs,P_MT,Hload,P_buy,pe_grid_S);   %计算原始种群的适应度函数

    if fitness1>fitness2 

       tem_fitbest(1,i)=fitness1;

       best=xc;

       x=xc;

    else

       tem_fitbest(1,i)=fitness2;

       best=xs;

       x=xs;

    end

 Newpopulation(i,:) = x;

end

 fitbest=max(tem_fitbest);

return;

⛄ 运行结果

⛄ 参考文献

[1]万立新陆立民陆怀谷韩钰倩葛乐. 基于主从博弈的电氢综合能源系统优化运行方法[J]. 低压电器, 2021, 000(007):14-22.

[2]万立新陆立民陆怀谷韩钰倩葛乐. 基于主从博弈的电氢综合能源系统优化运行方法[J]. 低压电器, 2021, 000(007):14-22.​

⛄ 完整代码

❤️部分理论引用网络文献，若有侵权联系博主删除

❤️ 关注我领取海量matlab电子书和数学建模资料