【优化调度】基于粒子群算法实现机组发电调度附matlab代码

1 内容介绍

随着国民经济的持续快速发展,全社会对电力的需求显著增加,为了缓和全社会用电紧张局面,电力工业得到了迅速的发展,但是却造成了能源浪费和过量污染物排放,为此国家要求按照发电机组的类型以及能源消耗进行发电排序.我国目前电力结 构以火电为主,并且由于电网安全稳定约束条件的限制,不能仅仅以发电序位表为标准,按照机组煤耗率从小到大依次满发,必须在考虑电网安全稳定运行的基础上,对火电机组进行机组组合,因此,机组组合将成为我国现阶段节能发电调度工作的核心.机组组合问题是一个高维,离散,非线性的优化问题,很难找出理论上的最优解,但由于其所带来的显著效益,人们一直在积极的研究,提出各种方法来解决这个问题. 本文首先按照节能发电调度的要求,以节约能耗,降低排污为目标,建立了节能发电调度机组组合问题的数学模型,并在目标函数中考虑了由于潮流分布变化而引起的网损的变化.对于模型的约束条件考虑了机组出力限制约束,节点电压约束,线路潮流约束,机组爬坡速率约束等条件. 对于机组组合优化问题的求解。​

2 仿真代码

%********************************************************************

%主函数,用粒子群算法，求6台机组发电调度成本目标函数最低

%Script file for the initialization and run of the differential 

% evolution optimizer.

%********************************************************************

clc;

clear;

close all;

%参数设置：第1行是上网电价，第2行是最小发电量，第3行是最大发电量

SI.gp=[ 415 418 420 422 430 428;

30 30 100 100 250 300;

350 400 600 650 800 1000];

%网损系数（Bij为电厂i和电厂j之间的网损系数）

SI.lc=[0.002022 -0.000286 -0.000534 -0.000565 -0.000454 0.000103;

-0.000286 0.003243 0.000016 -0.000307 -0.000422 -0.000147;

-0.000534 0.000016 0.001085 0.000831 0.000023 -0.000270;

-0.000565 -0.000307 0.000831 0.001129 0.000113 -0.000295;

-0.000454 -0.000422 0.000023 0.000113 0.000460 -0.000153;

0.000103 -0.000147 -0.000270 -0.000295 -0.000153 0.000898;

];

SI.TG=2400;%电量需求（MWh）

for i=1:I_itermax    

    %粒子群算法

    w=ws-(ws-we)*(i/I_itermax)^2;

    

    for j=1:I_NP

        V(j,:) = w*V(j,:) + c1*rand*(Gbest_pop (j,:) - pop(j,:)) + c2*rand*(Zbest_pop - pop(j,:));

        for k=1:I_D %----boundary constraints via bounce back-------

            if (V(j,k) > Vmax(k))

                V(j,k)  = Vmax(k);

            end

            if (V(j,k) 

                V(j,k) =Vmin(k);

            end

        end

        

        pop(j,:)=pop(j,:)+V(j,:);        

        %-----Select which vectors are allowed to enter the new population------------

        for k=1:I_D %----boundary constraints via bounce back-------

            if (pop(j,k) > FVr_maxbound(k))

                pop(j,k)  = FVr_maxbound(k)+rand*(Zbest_pop(k) - FVr_maxbound(k));

            end

            if (pop(j,k)  < FVr_minbound(k))

                pop(j,k) = FVr_minbound(k)+rand*(Zbest_pop(k) - FVr_minbound(k));

            end

        end

        

%         pop(j, (pop(j,:)

%         pop(j, (pop(j,:)>SI.gp(3,:)))= SI.gp(2, (pop(j,:)>SI.gp(3,:)));

        

         chromosome(j,:)= objfun(pop(j,:),SI);  

        

        if(chromosome(j,I_D+M)

            Gbest(j)=chromosome(j,I_D+M);

            Gbest_pop(j,:)=chromosome(j,1:I_D);

        end

        if(chromosome(j,I_D+M)

            Zbest=chromosome(j,I_D+M);

            Zbest_pop=chromosome(j,1:I_D);

        end

    end

   Zbestit(i+1) =Zbest;

   Zbestit_pop(i+1,:)=Zbest_pop;

  if ~mod(i,I_refresh)  %如果i除以S_struct.I_refresh的余数为0，输出i。

       fprintf('%d\n',i);

    end

end

toc

P_Sum=0;P_loss=0;

P_Sum=sum(Zbest_pop);

P_loss=Zbest_pop*SI.lc*Zbest_pop';

disp(['最优解——> 出力 ： ',num2str(Zbest_pop),'  成本：',num2str(Zbest)]);

disp(['出力总和（MW）：',num2str(P_Sum),'            网损（MW）：',num2str(P_loss)])

figure

title('Best cost');

plot( Zbestit);

xlim([0 I_itermax]);

grid on;

hold off

3 运行结果

最优解——> 出力 ： 350      322.3344     309.2298     471.2568         800      785.2812 成本：1288833.0546

出力总和（MW）：3038.1023           网损（MW）：638.1023

4 参考文献

[1]程宇旭. 基于改进粒子群算法的微电网能量优化调度研究及实现[D]. 中南大学, 2014.

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

部分理论引用网络文献，若有侵权联系博主删除。