devbox
Monodyee
这个屌丝很懒，什么也没留下！
关注作者
热门标签
热门文章
当前位置:   article > 正文

改进粒子群算法求解电力系统经济调度问题（Matlab实现）_基于混沌粒子群算法的变压器经济运行matlab

作者：Monodyee | 2024-05-30 03:20:35

赞

踩

基于混沌粒子群算法的变压器经济运行matlab

 目录

1 相关知识点

2 Matlab完整代码实现 

3 结果及可视化

1 相关知识点

                                  这里写图片描述

这里总结一位博主的目录：梳理如下：

粒子群算法（带约束处理）——Python&Matlab实现

智能优化算法——粒子群算法（Matlab实现）

灰狼算法和粒子群算法比较（附完整Matlab代码）——可应用于电气期刊论文

粒子群算法求解电力系统环境经济调度+微电网调度（风、光、电动车、柴油机、主网）（Python代码实现）

改进的多目标差分进化算法在电力系统环境经济调度中的应用（Python代码实现）【电气期刊论文复现】

风电随机性动态经济调度模型（Python&Matlab代码）

多目标灰太狼算法求解环境经济调度问题（IEEE30)(Matlab实现)

多元宇宙算法求解电力系统多目标优化问题（Matlab实现）【电气期刊论文复现】

求解热电联产经济调度问题的改进遗传与粒子群算法

改进粒子群算法的配电网故障定位(Python&Matlab代码实现)

2 Matlab完整代码实现 

知识点讲解完毕，下面就是Matlab代码：

  1. clc;
  2. clear;
  3. close all;
  4.  
  5. %% 经济调度问题
  6.  
  7. extmodel=CreateModel();
  8.  
  9. CostFunction=@(x) MyCostExt(x,extmodel); % 成本函数（目标函数）
  10.  
  11. nVar=extmodel.nPlant;             % 发电机台数（决策变量的个数）
  12.  
  13. VarSize=[1 nVar];   % 决策变量矩阵的大小
  14.  
  15. VarMin=0;         % 变量下限
  16. VarMax=1;         % 变量上限
  17.  
  18.  
  19. %% 粒子群算法相关参数
  20.  
  21. MaxIt=100;      % 最大迭代次数
  22.  
  23. nPop=10;        % 总群数量
  24.  
  25. % w=1;            % 惯性权重
  26. % wdamp=0.99;     % 惯性重量阻尼比
  27. % c1=2;           % 个体学习系数
  28. % c2=2;           % 种群学习系数
  29.  
  30. %% 约束系数
  31. phi1=2.05;
  32. phi2=2.05;
  33. phi=phi1+phi2;
  34. chi=2/(phi-2+sqrt(phi^2-4*phi));
  35. w=chi;          % 惯性权重
  36. wdamp=1;        % 惯性重量阻尼比
  37. c1=chi*phi1;    % 个体学习系数
  38. c2=chi*phi2;    % 种群学习系数
  39.  
  40. %% 飞行速度限制
  41. VelMax=0.1*(VarMax-VarMin);
  42. VelMin=-VelMax;
  43.  
  44. %% 初始化
  45.  
  46. empty_particle.Position=[];
  47. empty_particle.Cost=[];
  48. empty_particle.Out=[];
  49. empty_particle.Velocity=[];
  50. empty_particle.Best.Position=[];
  51. empty_particle.Best.Cost=[];
  52. empty_particle.Best.Out=[];
  53.  
  54. particle=repmat(empty_particle,nPop,1);
  55.  
  56. BestSol.Cost=inf;
  57.  
  58. for i=1:nPop
  59.     
  60.     %=====初始化粒子群位置===============
  61.     particle(i).Position=unifrnd(VarMin,VarMax,VarSize);
  62.     
  63.     %=====初始化速度======
  64.     particle(i).Velocity=zeros(VarSize);
  65.     
  66.     %=====目标函数计算===========
  67.     [particle(i).Cost, particle(i).Out]=CostFunction(particle(i).Position);
  68.     
  69.     %====更新粒子个体最优=====
  70.     particle(i).Best.Position=particle(i).Position;
  71.     particle(i).Best.Cost=particle(i).Cost;
  72.     particle(i).Best.Out=particle(i).Out;
  73.     
  74.     %====更新粒子群全局最优========
  75.     if particle(i).Best.Cost<BestSol.Cost
  76.         
  77.         BestSol=particle(i).Best;
  78.         
  79.     end
  80.     
  81. end
  82.  
  83. BestCost=zeros(MaxIt,1);
  84.  
  85.  
  86. %% PSO 主循环
  87.  
  88. for it=1:MaxIt
  89.     
  90.     for i=1:nPop
  91.         
  92.         %============更新速度（跟着公式写就可以啦）===============
  93.         particle(i).Velocity = w*particle(i).Velocity ...
  94.             +c1*rand(VarSize).*(particle(i).Best.Position-particle(i).Position) ...
  95.             +c2*rand(VarSize).*(BestSol.Position-particle(i).Position);
  96.         
  97.         %============适用速度限制============
  98.         particle(i).Velocity = max(particle(i).Velocity,VelMin);
  99.         particle(i).Velocity = min(particle(i).Velocity,VelMax);
  100.         
  101.         %============更新位置================
  102.         particle(i).Position = particle(i).Position + particle(i).Velocity;
  103.         
  104.         IsOutside=(particle(i).Position<VarMin | particle(i).Position>VarMax);
  105.         particle(i).Velocity(IsOutside)=-particle(i).Velocity(IsOutside);
  106.         
  107.         %============适用位置限制============
  108.         particle(i).Position = max(particle(i).Position,VarMin);
  109.         particle(i).Position = min(particle(i).Position,VarMax);
  110.         
  111.         %============计算目标函数===========
  112.         [particle(i).Cost, particle(i).Out] = CostFunction(particle(i).Position);
  113.         
  114.         %==========更新个体最优==========
  115.         if particle(i).Cost<particle(i).Best.Cost
  116.             
  117.             particle(i).Best.Position=particle(i).Position;
  118.             particle(i).Best.Cost=particle(i).Cost;
  119.             particle(i).Best.Out=particle(i).Out;
  120.             
  121.             %=======更新全局最优============
  122.             if particle(i).Best.Cost<BestSol.Cost
  123.                 
  124.                 BestSol=particle(i).Best;
  125.                 
  126.             end
  127.             
  128.         end
  129.         
  130.     end
  131.     
  132.     BestCost(it)=BestSol.Cost;
  133.     
  134.     disp(['迭代次数' num2str(it) ': 最优解为 = ' num2str(BestCost(it))]);
  135.     
  136.     w=w*wdamp;
  137.     
  138. end
  139.  
  140. %% 结果
  141.  
  142. figure;
  143. plot(BestCost,'LineWidth',2);
  144. xlabel('迭代次数');
  145. ylabel('最优解');
  1.  
  2.  
  3. function results=RunInternalPSO(intmodel)
  4.  
  5.     disp('运行粒子群算法 ...');
  6.  
  7.     %% 本文参数定义
  8.  
  9.     CostFunction=@(x) MyCost(x,intmodel);        % 目标函数
  10.  
  11.     nVar=intmodel.nPlant;             %决策变量个数
  12.  
  13.     VarSize=[1 nVar];   % 决策变量矩阵的大小
  14.  
  15.     VarMin=0;         %变量下限
  16.     VarMax=1;         %变量上
  17.  
  18.     %% 粒子群参数
  19.  
  20.     MaxIt=100;      
  21.  
  22.     nPop=50;        
  23.  
  24.     % w=1;           
  25.     % wdamp=0.99;     
  26.     % c1=2;          
  27.     % c2=2;           
  28.  
  29.     %% 约束系数
  30.     phi1=2.05;
  31.     phi2=2.05;
  32.     phi=phi1+phi2;
  33.     chi=2/(phi-2+sqrt(phi^2-4*phi));
  34.     w=chi;          
  35.     wdamp=1;        
  36.     c1=chi*phi1;    
  37.     c2=chi*phi2;    
  38.  
  39.     %% 速度限制
  40.     VelMax=0.1*(VarMax-VarMin);
  41.     VelMin=-VelMax;
  42.  
  43.     %% 初始化
  44.  
  45.     empty_particle.Position=[];
  46.     empty_particle.Cost=[];
  47.     empty_particle.Out=[];
  48.     empty_particle.Velocity=[];
  49.     empty_particle.Best.Position=[];
  50.     empty_particle.Best.Cost=[];
  51.     empty_particle.Best.Out=[];
  52.  
  53.     particle=repmat(empty_particle,nPop,1);
  54.  
  55.     BestSol.Cost=inf;
  56.  
  57.     for i=1:nPop
  58.  
  59.         % 初始化位置
  60.         particle(i).Position=unifrnd(VarMin,VarMax,VarSize);
  61.  
  62.         % 初始化速度
  63.         particle(i).Velocity=zeros(VarSize);
  64.  
  65.         % 目标函数计算
  66.         [particle(i).Cost, particle(i).Out]=CostFunction(particle(i).Position);
  67.  
  68.         % 个体最优
  69.         particle(i).Best.Position=particle(i).Position;
  70.         particle(i).Best.Cost=particle(i).Cost;
  71.         particle(i).Best.Out=particle(i).Out;
  72.  
  73.         % 全局最优
  74.         if particle(i).Best.Cost<BestSol.Cost
  75.  
  76.             BestSol=particle(i).Best;
  77.  
  78.         end
  79.  
  80.     end
  81.  
  82.     BestCost=zeros(MaxIt,1);
  83.  
  84.  
  85.     %% PSO主循环
  86.  
  87.     for it=1:MaxIt
  88.  
  89.         for i=1:nPop
  90.  
  91.             % 更新速度
  92.             particle(i).Velocity = w*particle(i).Velocity ...
  93.                 +c1*rand(VarSize).*(particle(i).Best.Position-particle(i).Position) ...
  94.                 +c2*rand(VarSize).*(BestSol.Position-particle(i).Position);
  95.  
  96.             %速度限制
  97.             particle(i).Velocity = max(particle(i).Velocity,VelMin);
  98.             particle(i).Velocity = min(particle(i).Velocity,VelMax);
  99.  
  100.             % 更新位置
  101.             particle(i).Position = particle(i).Position + particle(i).Velocity;
  102.  
  103.            
  104.             IsOutside=(particle(i).Position<VarMin | particle(i).Position>VarMax);
  105.             particle(i).Velocity(IsOutside)=-particle(i).Velocity(IsOutside);
  106.  
  107.             % 位置限制
  108.             particle(i).Position = max(particle(i).Position,VarMin);
  109.             particle(i).Position = min(particle(i).Position,VarMax);
  110.  
  111.             % 目标函数计算
  112.             [particle(i).Cost, particle(i).Out] = CostFunction(particle(i).Position);
  113.  
  114.             %更新个体最优
  115.             if particle(i).Cost<particle(i).Best.Cost
  116.  
  117.                 particle(i).Best.Position=particle(i).Position;
  118.                 particle(i).Best.Cost=particle(i).Cost;
  119.                 particle(i).Best.Out=particle(i).Out;
  120.  
  121.                 % 更新全局最优
  122.                 if particle(i).Best.Cost<BestSol.Cost
  123.  
  124.                     BestSol=particle(i).Best;
  125.  
  126.                 end
  127.  
  128.             end
  129.  
  130.         end
  131.  
  132.         BestCost(it)=BestSol.Cost;
  133.  
  134.        
  135.  
  136.         w=w*wdamp;
  137.  
  138.     end
  139.  
  140.     %% 结果
  141.     results.BestSol=BestSol;
  142.     results.BestCost=BestCost;
  143.  
  144.     disp('粒子群结束.');
  145.     
  146. end

function results=RunInternalPSO(intmodel)

    disp('运行粒子群算法 ...');

    %% 本文参数定义

    CostFunction=@(x) MyCost(x,intmodel);        % 目标函数

    nVar=intmodel.nPlant;             %决策变量个数

    VarSize=[1 nVar];   % 决策变量矩阵的大小

    VarMin=0;         %变量下限
    VarMax=1;         %变量上

    %% 粒子群参数

    MaxIt=100;      

    nPop=50;        

    % w=1;           
    % wdamp=0.99;     
    % c1=2;          
    % c2=2;           

    %% 约束系数
    phi1=2.05;
    phi2=2.05;
    phi=phi1+phi2;
    chi=2/(phi-2+sqrt(phi^2-4*phi));
    w=chi;          
    wdamp=1;        
    c1=chi*phi1;    
    c2=chi*phi2;    

    %% 速度限制
    VelMax=0.1*(VarMax-VarMin);
    VelMin=-VelMax;

    %% 初始化

    empty_particle.Position=[];
    empty_particle.Cost=[];
    empty_particle.Out=[];
    empty_particle.Velocity=[];
    empty_particle.Best.Position=[];
    empty_particle.Best.Cost=[];
    empty_particle.Best.Out=[];

    particle=repmat(empty_particle,nPop,1);

    BestSol.Cost=inf;

    for i=1:nPop

        % 初始化位置
        particle(i).Position=unifrnd(VarMin,VarMax,VarSize);

        % 初始化速度
        particle(i).Velocity=zeros(VarSize);

        % 目标函数计算
        [particle(i).Cost, particle(i).Out]=CostFunction(particle(i).Position);

        % 个体最优
        particle(i).Best.Position=particle(i).Position;
        particle(i).Best.Cost=particle(i).Cost;
        particle(i).Best.Out=particle(i).Out;

        % 全局最优
        if particle(i).Best.Cost<BestSol.Cost

            BestSol=particle(i).Best;

        end

    end

    BestCost=zeros(MaxIt,1);


    %% PSO主循环

    for it=1:MaxIt

        for i=1:nPop

            % 更新速度
            particle(i).Velocity = w*particle(i).Velocity ...
                +c1*rand(VarSize).*(particle(i).Best.Position-particle(i).Position) ...
                +c2*rand(VarSize).*(BestSol.Position-particle(i).Position);

            %速度限制
            particle(i).Velocity = max(particle(i).Velocity,VelMin);
            particle(i).Velocity = min(particle(i).Velocity,VelMax);

            % 更新位置
            particle(i).Position = particle(i).Position + particle(i).Velocity;

           
            IsOutside=(particle(i).Position<VarMin | particle(i).Position>VarMax);
            particle(i).Velocity(IsOutside)=-particle(i).Velocity(IsOutside);

            % 位置限制
            particle(i).Position = max(particle(i).Position,VarMin);
            particle(i).Position = min(particle(i).Position,VarMax);

            % 目标函数计算
            [particle(i).Cost, particle(i).Out] = CostFunction(particle(i).Position);

            %更新个体最优
            if particle(i).Cost<particle(i).Best.Cost

                particle(i).Best.Position=particle(i).Position;
                particle(i).Best.Cost=particle(i).Cost;
                particle(i).Best.Out=particle(i).Out;

                % 更新全局最优
                if particle(i).Best.Cost<BestSol.Cost

                    BestSol=particle(i).Best;

                end

            end

        end

        BestCost(it)=BestSol.Cost;

       

        w=w*wdamp;

    end

    %% 结果
    results.BestSol=BestSol;
    results.BestCost=BestCost;

    disp('粒子群结束.');
    
end

完整代码：评论区回复关键字

3 结果及可视化

 

本文内容由网友自发贡献，转载请注明出处：【wpsshop博客】
推荐阅读
相关标签

Copyright © 2003-2013 www.wpsshop.cn 版权所有，并保留所有权利。

  

闽ICP备14008679号