【优化布局】基于遗传算法实现微电网优化问题matlab代码_基于遗传算法的电网容量配置(matlab代码实现)

1 简介

为了能够降低微电网发电过程中的发电成本,减少环境污染,对微电网中各部分的负荷进行了优化分配.研究的微电网包含风力发电机,光伏发电机,柴油发电机,通过采用遗传算法对孤网运行及并网运行两种运行模式下的负荷进行分配.在孤网运行模式的优化过程中,以综合成本为目标函数,综合成本包括运行成本和环境成本两部分.在并网运行模式的优化过程中,综合成本在孤网运行模式成本的基础上增加考虑了与大电网进行交易的成本.约束条件包括功率平衡约束和微电源出力约束两部分.采用MATLAB平台对上述模型进行仿真,仿真结果表明,采用提出的负荷优化分配模型可以有效的降低发电的综合成本,是切实可行的.

2 部分代码

%% 基于遗传算法算法求解微电网模型

clear all;

clc

close all

%%

% 柴油发电机模型

Pd_min=80;%柴油发电机最小输出功率

Pd_max=800;%柴油发电机最大输出功率

Nt=24;%24个周期

Pd=zeros(1,Nt);%柴油发电机输出功率，变量

delta_Pd_min=-500;%柴油发电机最小变换输出功率

delta_Pd_max=500;%柴油发电机最大变换输出功率

c_do=0.46;%为柴油发电机的运行（燃耗）成本系数

c_dm=0.1;%柴油发电机的运行维护成本系数

%% 储能模型

Pes_ch=zeros(1,Nt);%储能的充电功率

Pes_dis=zeros(1,Nt);%储能的放电功率

E_ES(1:Nt)=1200;%储能装置剩余容量

Pes_ch_max=500;%储能的充电最大功率

Pes_dis_max=500;%储能的放电最大功率

alpha=0.2;%储能自损耗率

n_dis=0.9;%储能的充、放电效率

n_ch=0.95;%储能的放电效率

c_eso=0.32;%储能的运营综合成本系数。

c_esm=0.32;%储能的维护综合成本系数。

P_TL_min=50;%用户最小需求

P_TL_max=200;%用户最大需求

c_TLc=0.3;%补偿成本系数

TL=1800;%总功率需求

P_TL=suijihe(TL,Nt,P_TL_min,P_TL_max);

P_TL_exp=P_TL+10*rand(1,Nt);%实际需求

P_L=[220,210,200,170,200,250,300,350,400,450,500,520,420,410,405,400,420,480,520,450,560,430,400,250];%微电网负荷需求、

P_L_yuce=P_L+0.15rand(1).P_L-0.3.*P_L;%%微电网负荷预测需求

P_RES=[0,0,0,0,0,0,0,100,200,400,500,600,700,650,550,460,360,270,100,0,0,0,0,0];%为新能源输出功率

P_RES_yuce=P_RES+0.15rand(1).P_RES-0.3.*P_RES;%%微电网负荷预测需求

P_RES_Ab=[0,0,0,0,0,0,0,20,0,0,0,63,0,0,22,0,56,3,0,0,0,0,0,0];%弃风弃光功率

c1=0.15;

c2=0.42;

c3=0.85;

p1=10;

p2=30;

p3=100;

flag=1;%1表示引入弃风弃光操作，0表示不引入

popsize=100; %种群规模

end

% GA_y; %每代的最佳目标函数值

[gy,k]=min(GA_y); %全局最优解

GA_x= GA_x(k,:); %全局最优解对应的自变量

[ GA_cost_best, GA_Pes_best, GA_Pd_best]=calfit(GA_x,Nt,Pd_min,Pd_max,Pd,delta_Pd_min,delta_Pd_max,c_do,c_dm,...

 Pes_ch,Pes_dis,E_ES,Pes_ch_max,Pes_dis_max,alpha,n_dis,n_ch,c_eso,c_esm,P_TL_min,...

 P_TL_max,c_TLc,TL,P_TL,P_TL_exp,P_L,P_RES,P_RES_Ab,flag,c1,c2,c3,p1,p2,p3);

figure(4)

plot( GA_y) %收敛曲线

title('遗传算法优化微电网调度收敛性曲线');

xlabel('进化代数');

ylabel('函数值');

figure(5)

plot(1:Nt,P_L,'b-','LineWidth',2)

hold on

plot(1:Nt,P_L_yuce,'b--','LineWidth',2)

plot(1:Nt,P_RES,'r-','LineWidth',2)

plot(1:Nt,P_RES_yuce,'r--','LineWidth',2)

legend('负荷实际值','负荷预测值','光伏实际值','光伏预测值')

xlabel('时间/h')

ylabel('功率/kW')

title('遗传算法');

figure(6)

stairs( GA_Pd_best,'b-');

hold on

stairs(P_RES,'r-');

stairs( GA_Pes_best,'g-');

legend('柴油机','光伏','储能')

xlabel('时间/h')

ylabel('功率/kW')

title('遗传算法');

hold off

3 仿真结果

4 参考文献

[1]刘芳等. "基于麻雀搜索算法的微电网储能优化调度方法.".

[2]刘婷婷. 基于多策略改进遗传算法的微电网优化配置研究. Diss. 太原理工大学.