💥1 概述
能量管理系统 (Energy Management System, EMS) 是一种用于优化调度分布式能源 (Distributed Generation, DG) 的技术。其中，光伏和蓄电池是常见的分布式能源形式。该系统利用粒子群算法进行规模优化调度，以实现对DG的有效管理和利用。
在该研究中，光伏和蓄电池作为分布式能源设备，被整合到能量管理系统中。粒子群算法作为一种优化算法应用于系统中，用于在考虑系统约束条件的情况下，寻找最佳的光伏和蓄电池的规模和调度策略。
研究的目标是通过对光伏和蓄电池的规模进行优化，使得系统的能效最大化或运行成本最小化。同时，通过合理调度光伏发电和蓄电池充放电，实现对电网负荷的平衡和优化。
通过粒子群算法的优化调度，能量管理系统可以更好地协调光伏和蓄电池等分布式能源设备的运行，实现电力系统的高效、稳定和可靠运行。此外，该研究还可以为制定分布式能源的规模和调度策略提供参考和指导，促进可再生能源的大规模应用和智能电网的发展。
📚2 运行结果
部分代码：
%% Main PSO for n_ite=1:set.Niteration for n_par=1:set.Nparticle [LPSP,COE]=EMS(particle(n_par).position(1),... particle(n_par).position(2),... particle(n_par).position(3)); %% Calculate Mark Mark=set.weight_LPSP*abs(LPSP-set.desired_LPSP)+... set.weight_COE*COE/set.Normal_COE; %% Best Particle if isempty(particle(n_par).best_Mark) || particle(n_par).best_Mark>Mark particle(n_par).best_position=particle(n_par).position; particle(n_par).best_LPSP=LPSP; particle(n_par).best_COE=COE; particle(n_par).best_Mark=Mark; end %% Best Global if (n_ite==1 && n_par==1) || best_global.Mark>Mark best_global.position=particle(n_par).position; best_global.LPSP=LPSP; best_global.COE=COE; best_global.Mark=Mark; end log_global(n_ite)=best_global; %% Velocity and New Position particle(n_par).velocity=set.w*particle(n_par).velocity... +set.c1*(particle(n_par).best_position-particle(n_par).position)... +set.c2*(best_global.position-particle(n_par).position); particle(n_par).position=particle(n_par).position... +particle(n_par).velocity; %% Round Position particle(n_par).position(1)=round(particle(n_par).position(1)); particle(n_par).position(2)=round(particle(n_par).position(2)); particle(n_par).position(3)=round(particle(n_par).position(3)); %% Limit Position if particle(n_par).position(1)<set.Npv_min particle(n_par).position(1)=set.Npv_min; end if particle(n_par).position(2)<set.Nbat_min particle(n_par).position(2)=set.Nbat_min; end if particle(n_par).position(3)<set.Ndg_min particle(n_par).position(3)=set.Ndg_min; end if particle(n_par).position(1)>set.Npv_max particle(n_par).position(1)=set.Npv_max; end if particle(n_par).position(2)>set.Nbat_max particle(n_par).position(2)=set.Nbat_max; end if particle(n_par).position(3)>set.Ndg_max particle(n_par).position(3)=set.Ndg_max; end end end clear LPSP COE Mark n_ite n_par %% Show Result for n_ite=1:set.Niteration LPSP(n_ite)=log_global(n_ite).LPSP; COE(n_ite)=log_global(n_ite).COE; end subplot(2,1,1); plot(LPSP); grid on; xlabel('n-th Iteration') ylabel('Loss of Load Probability, LPSP'); subplot(2,1,2); plot(COE); grid on; xlabel('n-th Iteration') ylabel('Cost of Energy, COE ($)'); tpro=toc; fprintf('The optimum system size is:\n Npv=%d\n Nbat=%d\n Ndg=%d\nwith the LPSP = %.3f%% and COE = $%.2f\nCompute in %.2f s\n',... best_global.position,best_global.LPSP*100,best_global.COE,tpro); beep;
🎉3 参考文献
部分理论来源于网络，如有侵权请联系删除。
[1]张翀,张嘉楠,杨伟涛等.光储充多站合一能量管理系统设计[J].电气技术与经济,2023(03):125-128.
[2]杨睿陌. 基于混合MPPT算法的光伏能量管理系统设计[D].哈尔滨工业大学,2022.DOI:10.27061/d.cnki.ghgdu.2022.001839.
