基于杂交PSO算法的风光储微网日前优化调度(MATLAB实现)

2024-01-16 18:36

本文主要是介绍基于杂交PSO算法的风光储微网日前优化调度(MATLAB实现),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

        微网中包含:风电、光伏、储能、微型燃气轮机,以最小化电网购电成本、光伏风机的维护成本、蓄电池充放电维护成本、燃气轮机运行成本及污染气体治理成本为目标,综合考虑:功率平衡约束、燃气轮机爬坡约束、电网交换功率约束、储能装置约束、可控微电源出力约束等约束条件建立优化调度模型。

1.系统结构模型

1.1 光伏

         光伏电池的空载电压与光谱辐照度有关,与电池面积无关。在100MW/cm2的太阳光谱辐照度下,单晶硅光伏电池的空载电压为450——600mV,最高可达690mV。当入射光谱辐照度变化时,光伏电池的空载电压与入射光谱辐照度的对数成正比。环境温度升高时,光伏电池的空载电压将下降,一般温度每升高1℃,Uoc约下降2——3mV。
        由上述定义,可列出光伏电池等效电路中各变量的方程式如下:

式中,IO为光伏电池内部等效二极管PN结反向饱和电流,一般为常数;UD为等效二极管端电压;q为电子电荷;k为玻尔兹曼常量;T为热力学温度,A为PN结曲线常数。
        光伏电池的伏安特性与光照强度和电池温度有关,可以认为光伏电池的数学物理模型方程以光照强度和电池温度作为参变量。以下是环境因素对光伏电池数学物理模型的修正。
        当电池温度T、光照强度S不是参考光照强度和参考电池温度时,必须考虑它们的影响,并需要对光伏电池的数学物理模型进行修正。根据参考光照强度和参考电池温度下的Isc、Uoc、Im和Um,再将它们代入实用表达式,即可得到新的光照强度和新的电池温度下的伏安特性曲线。

1.2 风电

        风力发电机的输出功率可以用下式表示:

式中:Pwt为风力发电机的输出功率,\rho为空气密度,V为风速,R为风力发电机组的叶片半径,

Cp为风能利用系数。
        风力发电机的出力和风速的关系为:

式中:Prated为额定功率;Vrated为额定风速,Vcutin为切入风速,Vcutout为切出风速

1.3 微型燃气轮机

        选取燃氢微燃机作为氢电转换部分的能量耦合设备进行发电,该设备以氢⽓为燃料,燃烧产物只有水,实现零排放。
        其数学模型为:

式中:P_{MG}为微燃机输出功率;\eta _{M}^{}为微燃机热效率;H_{MT}为消耗的天然气量;C_{L}为低位热值常量。

1.4 储能装置模型

式中:S_{ES}为储能装置容量;\tau为储能损失系数;\eta _{ch}\eta _{dis}分别为充放电效率。

2. 目标函数

        目标函数为微网运行经济成本,主要包括:与主网交换功率成本,光伏、风机、蓄电池的维护成本,燃气轮机运行成本,污染气体治理成本,燃气轮机开机成本。

2.1 与主网交换功率成本

式中:C_{buy}C_{sell}分别对应与电网购电售电的分时电价;Nt为调度周期。

2.2 分布式电源维护成本

式中:P_{i}为第i个分布式电源的输出功率;K_{om,i}为第i个分布式电源的运行维护系数,单位为元/kWh;Ni为分布式电源总个数;

2.3 微型燃气轮机运行费用

式中:Cmt为燃气轮机燃料成本系数,单位为元/m3;fmt为燃气轮机燃料消耗系数,单位为m3/kWh;Cmts为燃气轮机开机成本,单位为元/次;S(t)为燃气轮机t时段的启停状态.。

2.4 污染气体治理费用

3.约束条件

3.1 系统功率平衡约束

3.2 分布式电源输出功率约束

3.3 燃气轮机的爬坡约束

式中:Rup、Rdown为燃气轮机输出功率最大上升速率与下降速率,单位为kW/h。

3.4 微网与主网交换功率约束

        微电网与主网的连接线有最大功率约束条件,故应满足该约束。

3.5 主网购售电状态互斥约束

        主网购售电的状态量,取值为0或1。

3.6 燃气轮机启停时间约束

式中:Ut-k+1为燃气轮机在t-k+1时段的启停状态;Tmup、Tmdown分别为燃气轮机的最小启动时间和最小关停时间。

3.7 储能装置约束

式中:\varepsilon为一个调度周期后蓄电池SOC变化的最大范围;\eta _{B}为自放电系数。

4. 求解算法

        采用PSO粒子群算法,用一种粒子来表示一个个体,每个粒子可视为N维搜索空间中的一个搜索个体,粒子的当前位置即为对应优化问题的一个候选解,粒子的飞行过程即为该个体的搜索过程.粒子的飞行速度可根据粒子历史最优位置和种群历史最优位置进行动态调整.粒子仅具有两个属性:速度和位置,速度代表移动的快慢,位置代表移动的方向。每个粒子单独搜寻的最优解叫做个体极值,粒子群中最优的个体极值作为当前全局最优解。不断迭代,更新速度和位置。最终得到满足终止条件的最优解。
        算法流程如下:
        ①初始化
        首先,我们设置最大迭代次数,目标函数的自变量个数,粒子的最大速度,位置信息为整个搜索空间,我们在速度区间和搜索空间上随机初始化速度和位置,设置粒子群规模,每个粒子随机初始化一个速度。
        ②个体极值与全局最优解
        定义适应度函数,个体极值为每个粒子找到的最优解,从这些最优解找到一个全局值,叫做本次全局最优解。与历史全局最优比较,进行更新。
        ③更新粒子的速度和位置

式中:ω为惯性因子,C1和C2为加速度常数,前者为每个粒子的个体学习因子,后者为每个粒子的社会学习因子。
        ④终止条件
(1)达到设定迭代次数;(2)代数之间的差值满足最小界限。
        本文在PSO粒子群算法的基础上进行改进,首先将传统固定惯性权重系数更改为根据全局最优点自适应调整惯性权重系数,即权重根据粒子的位置不同而动态变化。采用的非线性动态惯性权重系数公式为:

其中,f表示粒子实时的目标函数值;favgfmin分别表示当前所有粒子的平均值和最小目标值。从上面公式可以看出,惯性权重随粒子目标函数值的变化而变化,当粒子目标值分散时,减小惯性权重;当粒子目标值集中时,增大惯性权重。
        借鉴遗传算法中的杂交的概念,在每次迭代中,根据杂交率选取指定数量的粒子放入杂交池内,池内的粒子随机地两两杂交,产生同样数目的子代粒子,并用子代粒子代替父代粒子,具体计算公式和计算步骤,见《MATLAB智能算法》P132。

5.仿真结果

6.代码下载

        本文相关全部代码下载地址:基于杂交PSO算法的风光储微网日前优化调度(MATLAB实现)

这篇关于基于杂交PSO算法的风光储微网日前优化调度(MATLAB实现)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/613525

相关文章

Vue3 的 shallowRef 和 shallowReactive:优化性能

大家对 Vue3 的 ref 和 reactive 都很熟悉,那么对 shallowRef 和 shallowReactive 是否了解呢? 在编程和数据结构中,“shallow”(浅层)通常指对数据结构的最外层进行操作,而不递归地处理其内部或嵌套的数据。这种处理方式关注的是数据结构的第一层属性或元素,而忽略更深层次的嵌套内容。 1. 浅层与深层的对比 1.1 浅层(Shallow) 定义

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

HDFS—存储优化(纠删码)

纠删码原理 HDFS 默认情况下,一个文件有3个副本,这样提高了数据的可靠性,但也带来了2倍的冗余开销。 Hadoop3.x 引入了纠删码,采用计算的方式,可以节省约50%左右的存储空间。 此种方式节约了空间,但是会增加 cpu 的计算。 纠删码策略是给具体一个路径设置。所有往此路径下存储的文件,都会执行此策略。 默认只开启对 RS-6-3-1024k

hdu1043(八数码问题,广搜 + hash(实现状态压缩) )

利用康拓展开将一个排列映射成一个自然数,然后就变成了普通的广搜题。 #include<iostream>#include<algorithm>#include<string>#include<stack>#include<queue>#include<map>#include<stdio.h>#include<stdlib.h>#include<ctype.h>#inclu

康拓展开(hash算法中会用到)

康拓展开是一个全排列到一个自然数的双射(也就是某个全排列与某个自然数一一对应) 公式: X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[i]*(i-1)!+...+a[1]*0! 其中,a[i]为整数,并且0<=a[i]<i,1<=i<=n。(a[i]在不同应用中的含义不同); 典型应用: 计算当前排列在所有由小到大全排列中的顺序,也就是说求当前排列是第

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

【数据结构】——原来排序算法搞懂这些就行,轻松拿捏

前言:快速排序的实现最重要的是找基准值,下面让我们来了解如何实现找基准值 基准值的注释:在快排的过程中,每一次我们要取一个元素作为枢纽值,以这个数字来将序列划分为两部分。 在此我们采用三数取中法,也就是取左端、中间、右端三个数,然后进行排序,将中间数作为枢纽值。 快速排序实现主框架: //快速排序 void QuickSort(int* arr, int left, int rig

【C++】_list常用方法解析及模拟实现

相信自己的力量,只要对自己始终保持信心,尽自己最大努力去完成任何事,就算事情最终结果是失败了,努力了也不留遗憾。💓💓💓 目录   ✨说在前面 🍋知识点一:什么是list? •🌰1.list的定义 •🌰2.list的基本特性 •🌰3.常用接口介绍 🍋知识点二:list常用接口 •🌰1.默认成员函数 🔥构造函数(⭐) 🔥析构函数 •🌰2.list对象