【电力系统】基于粒子群算法优化电力系统潮流计算附matlab代码

✅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

⛄ 内容介绍

粒子群优化算法是一种新兴的群体智能优化技术,适用于目前科学领域、工程领域和经济领域中很多复杂的、非线性的甚至非凸形式的最优化问题。本文介绍了PSO算法的基本原理及其在负荷经济分配、无功优化、最优潮流计算等方面的应用。

⛄ 部分代码

%% Calculation of Power System

clc

clear 

close all  

%% NR load flow analysis

nbus = 30; 

busdata = busdatas(nbus);

linedata = linedatas(nbus);

resultWithoutDG = nrloadflow(nbus,busdata,linedata);

dim = 10;

Pmin=3; %minimum  power of solar DG unit

if nbus==30

    Pmax=30; %maximum power of solar DG unit in MW

else

    Pmax=100;

end

%% potential bus selection

R=linedata(:,3);

sourcbus=linedata(:,1);

destintnbus=linedata(:,2);

% del=180/pi*del;

 for ii=1:size(linedata,1)

         alpha(ii)=(R(ii)/(abs(resultWithoutDG.V(sourcbus(ii)))...

                        *abs(resultWithoutDG.V(sourcbus(ii)))))...

                         *cos(resultWithoutDG.del(sourcbus(ii))...

                            -resultWithoutDG.del(destintnbus(ii)));

         beta(ii)=(R(ii)/(abs(resultWithoutDG.V(sourcbus(ii)))...

                       *abs(resultWithoutDG.V(sourcbus(ii)))))...

                        *sin(resultWithoutDG.del(sourcbus(ii))...

                          -resultWithoutDG.del(destintnbus(ii)));

         SV(ii)=alpha(ii).*resultWithoutDG.Pi(destintnbus(ii))...

                     -beta(ii).*resultWithoutDG.Qi(destintnbus(ii));

 end

     

[sv,ind]=sort(SV,'descend');

po=destintnbus(ind);

[poo,ia,ic]=unique(po);

temp=po(sort(ia));

loadBusLocation = temp(1:dim);

%% GA optimisation

fitness=  @(x) objf(x,loadBusLocation,resultWithoutDG,nbus);

options = gaoptimset('MutationFcn',@mutationadaptfeasible,'PopulationSize',20);

options = gaoptimset(options,'PlotFcns',{@gaplotbestf}, ...

    'Display','iter','Generations',80);

[GAx,fval] = ga(fitness,dim,[],[],[],[],Pmin.*ones(1,dim)...

                                ,Pmax.*ones(1,dim),[],options);

finalGAresults= resultcalc(GAx,loadBusLocation,resultWithoutDG,nbus);

%% PSO optimisation

[PSOx,objval]=PSO(loadBusLocation,resultWithoutDG,nbus,dim,Pmax,Pmin);

finalPSOresults= resultcalc(PSOx',loadBusLocation,resultWithoutDG,nbus);

FIG1 = figure('Name', 'PSO Optimization','NumberTitle','off');

figure(FIG1)

plot(1./objval)

grid on;

ylabel('VL (pu)');

xlabel('time (sec)');

title('PSO optimisation')

%% Result plotting

% volatge magnitude plot

FIG2 = figure('Name', 'BUS VOLTAGE','NumberTitle','off');

figure(FIG2)

bar([finalPSOresults.V,finalGAresults.V,resultWithoutDG.V],'group')

xlim([0 nbus+1])

ylim([0.95,1.1])

grid on;

legend('PSO optimised','GA optimised','Without DG')

xlabel('Bus number')

ylabel('Volatge Magnitude in p.u.')

title('Bus Voltage')

% power loss comparison

FIG3 = figure('Name', 'Total Active Power loss','NumberTitle','off');

figure(FIG3)

bar([sum(finalPSOresults.Lpij);sum(finalGAresults.Lpij);sum(resultWithoutDG.Lpij)])

grid on;

title('Total Active Power loss in MW')

ylabel('Active Power loss(MW)')

set(gca,'Xtick',0)

text(0.8,-0.2,'PSO tuned')

text(1.8,-0.2,'GA tuned')

text(2.8,-0.2,'Without Optimisation')

% printresult

⛄ 运行结果

⛄ 参考文献

[1]林小朗, 王磊. 改进粒子群优化算法的电力系统最优潮流计算[J]. 广东电力, 2007, 20(3):5.

[2]郭羚, 黄鹏. 粒子群优化算法及其在电力系统中的应用[J]. 科学咨询, 2010.

❤️ 关注我领取海量matlab电子书和数学建模资料

❤️部分理论引用网络文献，若有侵权联系博主删除