基于多目标粒子群优化算法的冷热电联供型综合能源系统运行优化附Matlab代码

简介: 基于多目标粒子群优化算法的冷热电联供型综合能源系统运行优化附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 电力系统

⛄ 内容介绍

为了解决现有冷热电联供型综合能源系统大多只单一考虑系统机组投资成本或系统环境污染,影响系统整体优化运行的问题,以系统经济性和环保性为目标,对冷热电联供系统进行研究分析。构建含燃气轮机、燃气锅炉、电制冷机等机组 的冷热电联供系统优化模型并建立约束条件。结果表明粒子群算法能够同时兼顾系统的经济性和环保性,使系统运行更加优化,为之后的能源供给系统的规划提供前期依据。

⛄ 部分代码

classdef Repository

   properties

       swarm

       rep_size

       Grid

       grid_size

       alpha

       beta

       gamma

   end

   

   methods

       function obj = Repository(swarm,rep_size,grid_size,alpha,beta,gamma)

           if nargin>0

               obj.rep_size = rep_size;

               swarm = Particle.updateDomination(swarm);

               obj.swarm = swarm(~[swarm.isDominated]);

               obj.grid_size=grid_size;

               obj.alpha=alpha;

               obj.beta = beta;

               obj.gamma = gamma;

               obj.Grid=obj.grid();

               for i = 1:length(obj.swarm)

                   obj.swarm(i) = obj.swarm(i).updateGridIndex(obj.Grid);

               end

           end

       end

       function Grid = grid(obj)

           C = vertcat(obj.swarm.cost);

           cmin = min(C,[],1);

           cmax = max(C,[],1);

           dc = cmax - cmin;

           cmin = cmin - obj.alpha * dc;

           cmax = cmax + obj.alpha * dc;

           nObj = size(C,2);

           empty_grid.LB = [];

           empty_grid.UB = [];

           Grid = repmat(empty_grid,nObj,1);

           for j = 1:nObj

               cj = linspace(cmin(j),cmax(j),obj.grid_size+1);

               Grid(j).LB = [-inf, cj];

               Grid(j).UB = [cj, +inf];

           end

       end

       function leader = SelectLeader(obj)

           GI = [obj.swarm.GridIndex];

           OC = unique(GI);

           N = zeros(size(OC));

           for k = 1:length(OC)

               N(k) = length(find(GI==OC(k)));

           end

           P = exp(-obj.beta*N);

           P = P/sum(P);

           sci = Repository.RouletteWheelSelection(P);

           sc = OC(sci);

           SCM = find(GI==sc);

           smi = randi([1 length(SCM)]);

           sm = SCM(smi);

           leader = obj.swarm(sm);

       end

       function obj = DeleteOneRepMemebr(obj)

           GI=[obj.swarm.GridIndex];

           OC=unique(GI);

           N=zeros(size(OC));

           for k=1:length(OC)

               N(k)=length(find(GI==OC(k)));

           end

           P=exp(obj.gamma*N);

           P=P/sum(P);

           sci=Repository.RouletteWheelSelection(P);

           sc=OC(sci);

           SCM=find(GI==sc);

           smi=randi([1 length(SCM)]);

           sm=SCM(smi);

           obj.swarm(sm)=[];

       end

       function obj = update(obj,swarm)

           swarm = Particle.updateDomination(swarm);

           obj.swarm = [obj.swarm,swarm(~[swarm.isDominated])];

           obj.swarm = Particle.updateDomination(obj.swarm);

           obj.swarm = obj.swarm(~[obj.swarm.isDominated]);

           obj.Grid=obj.grid();

           for i = 1:length(obj.swarm)

               obj.swarm(i) = obj.swarm(i).updateGridIndex(obj.Grid);

           end

           Extra=length(obj.swarm)-obj.rep_size;

           for e=1:Extra

               obj=obj.DeleteOneRepMemebr();

           end

       end

   end

   methods (Static)

       function i = RouletteWheelSelection(P)

           i = find(rand<=cumsum(P),1,'first');

       end

   end

end

⛄ 运行结果

⛄ 参考文献

[1]李海平, 齐卓砾, 胡君朋. 基于FFT-DBN的行星齿轮箱齿面磨损故障智能判定方法研究[J]. 测控技术, 2020, 39(12):6.

⛄ Matlab代码关注

❤️部分理论引用网络文献,若有侵权联系博主删除
❤️ 关注我领取海量matlab电子书和数学建模资料


相关文章
|
3天前
|
机器学习/深度学习 人工智能 算法
【宠物识别系统】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+图像识别
宠物识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了37种常见的猫狗宠物种类数据集【'阿比西尼亚猫(Abyssinian)', '孟加拉猫(Bengal)', '暹罗猫(Birman)', '孟买猫(Bombay)', '英国短毛猫(British Shorthair)', '埃及猫(Egyptian Mau)', '缅因猫(Maine Coon)', '波斯猫(Persian)', '布偶猫(Ragdoll)', '俄罗斯蓝猫(Russian Blue)', '暹罗猫(Siamese)', '斯芬克斯猫(Sphynx)', '美国斗牛犬
49 29
【宠物识别系统】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+图像识别
|
5天前
|
算法
基于GA遗传算法的PID控制器参数优化matlab建模与仿真
本项目基于遗传算法(GA)优化PID控制器参数,通过空间状态方程构建控制对象,自定义GA的选择、交叉、变异过程,以提高PID控制性能。与使用通用GA工具箱相比,此方法更灵活、针对性强。MATLAB2022A环境下测试,展示了GA优化前后PID控制效果的显著差异。核心代码实现了遗传算法的迭代优化过程,最终通过适应度函数评估并选择了最优PID参数,显著提升了系统响应速度和稳定性。
|
2天前
|
算法
通过matlab对比遗传算法优化前后染色体的变化情况
该程序使用MATLAB2022A实现遗传算法优化染色体的过程,通过迭代选择、交叉和变异操作,提高染色体适应度,优化解的质量,同时保持种群多样性,避免局部最优。代码展示了算法的核心流程,包括适应度计算、选择、交叉、变异等步骤,并通过图表直观展示了优化前后染色体的变化情况。
|
18天前
|
算法 数据安全/隐私保护 索引
OFDM系统PAPR算法的MATLAB仿真,对比SLM,PTS以及CAF,对比不同傅里叶变换长度
本项目展示了在MATLAB 2022a环境下,通过选择映射(SLM)与相位截断星座图(PTS)技术有效降低OFDM系统中PAPR的算法实现。包括无水印的算法运行效果预览、核心程序及详尽的中文注释,附带操作步骤视频,适合研究与教学使用。
|
26天前
|
算法 数据挖掘 数据安全/隐私保护
基于FCM模糊聚类算法的图像分割matlab仿真
本项目展示了基于模糊C均值(FCM)算法的图像分割技术。算法运行效果良好,无水印。使用MATLAB 2022a开发,提供完整代码及中文注释,附带操作步骤视频。FCM算法通过隶属度矩阵和聚类中心矩阵实现图像分割,适用于灰度和彩色图像,广泛应用于医学影像、遥感图像等领域。
|
27天前
|
算法 调度
基于遗传模拟退火混合优化算法的车间作业最优调度matlab仿真,输出甘特图
车间作业调度问题(JSSP)通过遗传算法(GA)和模拟退火算法(SA)优化多个作业在并行工作中心上的加工顺序和时间,以最小化总完成时间和机器闲置时间。MATLAB2022a版本运行测试,展示了有效性和可行性。核心程序采用作业列表表示法,结合遗传操作和模拟退火过程,提高算法性能。
|
21天前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
垃圾识别分类系统。本系统采用Python作为主要编程语言,通过收集了5种常见的垃圾数据集('塑料', '玻璃', '纸张', '纸板', '金属'),然后基于TensorFlow搭建卷积神经网络算法模型,通过对图像数据集进行多轮迭代训练,最后得到一个识别精度较高的模型文件。然后使用Django搭建Web网页端可视化操作界面,实现用户在网页端上传一张垃圾图片识别其名称。
70 0
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
|
21天前
|
机器学习/深度学习 人工智能 算法
基于深度学习的【蔬菜识别】系统实现~Python+人工智能+TensorFlow+算法模型
蔬菜识别系统,本系统使用Python作为主要编程语言,通过收集了8种常见的蔬菜图像数据集('土豆', '大白菜', '大葱', '莲藕', '菠菜', '西红柿', '韭菜', '黄瓜'),然后基于TensorFlow搭建卷积神经网络算法模型,通过多轮迭代训练最后得到一个识别精度较高的模型文件。在使用Django开发web网页端操作界面,实现用户上传一张蔬菜图片识别其名称。
66 0
基于深度学习的【蔬菜识别】系统实现~Python+人工智能+TensorFlow+算法模型
|
27天前
|
机器学习/深度学习 算法 芯片
基于GSP工具箱的NILM算法matlab仿真
基于GSP工具箱的NILM算法Matlab仿真,利用图信号处理技术解析家庭或建筑内各电器的独立功耗。GSPBox通过图的节点、边和权重矩阵表示电气系统,实现对未知数据的有效分类。系统使用MATLAB2022a版本,通过滤波或分解技术从全局能耗信号中提取子设备的功耗信息。
|
27天前
|
机器学习/深度学习 算法 5G
基于MIMO系统的SDR-AltMin混合预编码算法matlab性能仿真
基于MIMO系统的SDR-AltMin混合预编码算法通过结合半定松弛和交替最小化技术,优化大规模MIMO系统的预编码矩阵,提高信号质量。Matlab 2022a仿真结果显示,该算法能有效提升系统性能并降低计算复杂度。核心程序包括预编码和接收矩阵的设计,以及不同信噪比下的性能评估。
44 3