基于改进粒子群算法的微电网多目标优化调度附Matlab代码

简介: 基于改进粒子群算法的微电网多目标优化调度附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
|
2月前
|
机器学习/深度学习 算法 机器人
使用哈里斯角Harris和SIFT算法来实现局部特征匹配(Matlab代码实现)
使用哈里斯角Harris和SIFT算法来实现局部特征匹配(Matlab代码实现)
173 8
|
2月前
|
机器学习/深度学习 算法 自动驾驶
基于导向滤波的暗通道去雾算法在灰度与彩色图像可见度复原中的研究(Matlab代码实现)
基于导向滤波的暗通道去雾算法在灰度与彩色图像可见度复原中的研究(Matlab代码实现)
178 8
|
2月前
|
机器学习/深度学习 算法 机器人
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
257 0
|
2月前
|
数据采集 分布式计算 并行计算
mRMR算法实现特征选择-MATLAB
mRMR算法实现特征选择-MATLAB
190 2
|
3月前
|
传感器 机器学习/深度学习 编解码
MATLAB|主动噪声和振动控制算法——对较大的次级路径变化具有鲁棒性
MATLAB|主动噪声和振动控制算法——对较大的次级路径变化具有鲁棒性
223 3
|
3月前
|
存储 编解码 算法
【多光谱滤波器阵列设计的最优球体填充】使用MSFA设计方法进行各种重建算法时,图像质量可以提高至多2 dB,并在光谱相似性方面实现了显著提升(Matlab代码实现)
【多光谱滤波器阵列设计的最优球体填充】使用MSFA设计方法进行各种重建算法时,图像质量可以提高至多2 dB,并在光谱相似性方面实现了显著提升(Matlab代码实现)
159 6
|
2月前
|
机器学习/深度学习 算法 数据可视化
基于MVO多元宇宙优化的DBSCAN聚类算法matlab仿真
本程序基于MATLAB实现MVO优化的DBSCAN聚类算法,通过多元宇宙优化自动搜索最优参数Eps与MinPts,提升聚类精度。对比传统DBSCAN,MVO-DBSCAN有效克服参数依赖问题,适应复杂数据分布,增强鲁棒性,适用于非均匀密度数据集的高效聚类分析。
|
3月前
|
机器学习/深度学习 传感器 算法
【高创新】基于优化的自适应差分导纳算法的改进最大功率点跟踪研究(Matlab代码实现)
【高创新】基于优化的自适应差分导纳算法的改进最大功率点跟踪研究(Matlab代码实现)
249 14
|
2月前
|
开发框架 算法 .NET
基于ADMM无穷范数检测算法的MIMO通信系统信号检测MATLAB仿真,对比ML,MMSE,ZF以及LAMA
简介:本文介绍基于ADMM的MIMO信号检测算法,结合无穷范数优化与交替方向乘子法,降低计算复杂度并提升检测性能。涵盖MATLAB 2024b实现效果图、核心代码及详细注释,并对比ML、MMSE、ZF、OCD_MMSE与LAMA等算法。重点分析LAMA基于消息传递的低复杂度优势,适用于大规模MIMO系统,为通信系统检测提供理论支持与实践方案。(238字)
|
3月前
|
机器学习/深度学习 传感器 算法
【无人车路径跟踪】基于神经网络的数据驱动迭代学习控制(ILC)算法,用于具有未知模型和重复任务的非线性单输入单输出(SISO)离散时间系统的无人车的路径跟踪(Matlab代码实现)
【无人车路径跟踪】基于神经网络的数据驱动迭代学习控制(ILC)算法,用于具有未知模型和重复任务的非线性单输入单输出(SISO)离散时间系统的无人车的路径跟踪(Matlab代码实现)
233 2