【微电网】基于改进粒子群算法的微电网优化调度(Matlab代码实现)

本文涉及的产品
语种识别,语种识别 100万字符
文本翻译,文本翻译 100万字符
图片翻译,图片翻译 100张
简介: 【微电网】基于改进粒子群算法的微电网优化调度(Matlab代码实现)

👨‍🎓个人主页:研学社的博客

💥💥💞💞欢迎来到本博客❤️❤️💥💥



🏆博主优势:🌞🌞🌞博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。



⛳️座右铭:行百里者,半于九十。


📋📋📋本文目录如下:🎁🎁🎁

目录

💥1 概述

1.1 风能发电的基本原理

1.2 太阳能发的基本原理

1.3 微型燃气轮机基本原理

1.4 燃料电池的基本原理

1.5 储能装置的发电模型

1.6 微电网并网运行调度策略

1.7 孤岛调度策略

1.8 流程图

📚2 运行结果

2.1 算例分析

2.2 运行结果

🎉3 文献来源

🌈4 Matlab代码及详细文章讲解



💥1 概述

文献来源:

 

摘要:当今全球普遍面临着能源危机和环境污染的加重,污染严重的化石能源将逐渐被无污染的清洁能源代替,随着经济的发展和社会的进步,以传统的发电方式已经不能满足当今电力用户对电能高可靠性、稳定性的要求需求。以风、光、储、微型燃气轮机、燃料电池等分布式电源构成的微电网能有效的解决了能源危机和环境污染问题。为了充分发挥清洁能源的效益,微电网系统在电力领域成为了研究热门。微电网中对各分布式微电源的优化调度是一个比较复杂的技术难题,且风能、太阳能发电的随机波动性对微电网本身也造成一定的安全稳定的影响,本文针对这些问题作了比较深入研究。在微电网中优化调度又是核心技术,调度策略的优劣将直接影响微电网运行的经济性、供电的可靠性,对微电网优化调度理论的研究有着重要的理论价值及工程价值,但现阶段对微电网的调度策略仍然不够完善,调度策略与运行模式、市场方案没有一体化。本文的研究内容对微电网优化调度做了些改进。本文建立了风、光、微型燃气轮机、燃料电池、储能装置组成的微电网优化调度模型。比较详细的介绍各单元的数学模型以及运行特性,提出了以综合效益最大化为总目标的目标函数,建立了微电网在不同运行方式具体的约束条件。制定了微电网在并网运行时、孤岛运行时分时段优化调度策略。当微电网并网运行时,起到削峰填谷的作用,孤岛运行时可以保证重要负荷用电的可靠性,从而使整个电网的发电设备得以充分利用。在微电网在并网运行和孤岛运行时分别采用不同的分时段优化调度策略,运用改进的粒子群算法对微电网中数学模型进行求解,确定各个微电源优化后的出力,以实现微电网系统运行的综合效益最大,并通过算例分析验证了本文算法的正确性及可行性。

关键词:微电网;分布式电源;综合效益;优化调度策略;粒子群算法;

1.1 风能发电的基本原理

风能属于可再生的清洁能源,有较好的发展前景。风能发电单元主要组成分有风机、变压器、发电机、电子开关接口以及齿轮箱。风能发电单元组成结构如图1.1所示。风能发电的基本原理6l是:风能发电机 ( Wind Turbine,WT)把风的动能经过风机旋转转化成机械能,然后风能发电机在风机带动下开始工作并将风机的机械能转化成磁能,再由磁能转化成电能。

                                             图1.1 风能发电系统的组成

根据风能发电的原理可知,风能发电单元的输出功率与风速大小有直接关系,其输出特性的波动性比较明显。

1.2 太阳能发的基本原理

太阳能电池发电是利用半导体材料的光生伏特效应,太阳辖射经太阳能电池直接将光能转换成电能的一种发电方式。太阳能发电不需要热力电动机,它能向负荷直接提供直流电能,提供交流电能时需要交直流变换器转换,它的运行方式有并网运行或孤岛运行。太阳能发电系统的组成主要由太阳能电池、控制器、变换器、蓄电池组和负载等组成。太阳能发电系统的结构组成如图1.2。

image.gif


                                             图1.2 太阳能发电系统的基本原理

1.3 微型燃气轮机基本原理

微型燃气轮机(Microturbine,MT)是近年来新发展起来的一种小型热动装置,单机发电功率通常在几百千瓦以内(一般不超过300kW)。微型燃气轮机发电系统的主要组成部分有气体压缩机、发电机、回热器、燃烧室及电力电子设备。微燃气轮机系统结构组成如图1.3所示。

image.gif

 

                                    图1.3 微型燃气轮机系统结构组成

1.4 燃料电池的基本原理

燃料电池作为一种能量转换装置,在运行过程中既发电又能产热,产生的热量可以提供给热力负荷使用,产生的电能能直接给直流设备使用也可经转换器生成交流电供交流负荷使用。燃料电池发电单元有四部分组成分别为燃料供给转换装置、空气供给装置、电池本体、热量回收装置。燃料电池发电单元的结构组成如图1.4所示。

image.gif

                                         图1.4 燃料电池发电系统

1.5 储能装置的发电模型

在微电网中风能发电、太阳能发电等可再生能源容易受到风速、温度、光照的影响具有随机性和波动性,往往会造成电网电压和频率不稳定。会造成微电网发出的电量与用电负荷的不相等情况,也不能及时追随负载变化。储能装置可以提高整个微电网系统的安全性、灵活性和可靠性,克服了上述的难题,起到了削峰填谷的作用。由于储能装置反应速度很快,当微电网在发电高峰时,所发电能除满足负荷需求外仍有多余电能,储能装置能将多余电能储存;当微电网所发电能不能满足用电负荷需求时,储能装置可迅速提供其储存的电能提供给负荷,以保障微电网系统的供需平衡和电压稳定。

1.6 微电网并网运行调度策略

当微电网系统的工作模式处于并网方式运行时,微电网系统所发电量能达到负荷的用电最低要求时,使微电网的发电费用最低,除了考虑系统中各分布式单元的出力配合,还应当计及微电网系统与主网的能量交换和储能装置的工作状态。以往电网运行经验验表明用电负荷在一天内不同的时间段所消耗的用电量是有所差异的,分为用电高峰期、用电低估期、用电均衡期三个调度阶段。根据不同阶段的耗电量和此阶段内的电价制定微电网最佳的调度方案,在保证供电可靠性的前提下,使系统运行费用最节约。

1.7 孤岛调度策略

微电网孤岛运行方式是当主网系统的供电系统不稳定运行或发生事故时,微电网系统与主网系统断开,断开后微电网和主网之间的没有电能交易问题。这种模式下,微电网中所有的微电源出力来承担整个系统的负荷需求,最佳调度方案有;

(1)在负荷用电低谷阶段,微电网的调度方案与并网运行时相同,优先利用WT和PV发电向负荷提供电能,如果有多余的电量,则检测储能装置的荷电状态,决定是否给储能装置进行充电;如果WT和PV所发的电量达不到负荷的要求时,对比MT和FC的发电费用由MT和FC中发电费用较低的单元向用户提供电能,仍然不能满足是由BT放电提供。

(2)在用电平段阶段内,WT和PV发电不能满足负荷的用电需求,通过优化计算来确定MT和FC的出力。若所发电量能满足负荷需求仍有剩余电量,则根据储能装置的充放电状态给BT充电;若果微电网中WT和PV发出全部电能依然不能满足负荷用电需求时,则考虑利用BT放电来供负荷使用。

(3)在用电高峰期阶段内,微电网系统中负荷的用电需求达到高峰,WT和PV的发电量不能达到负荷需求时,通过优化计算来确定发电单元使用,原则是优先利用发电费用比较低的单元来满足负荷的用电需求;若微电网所发的全部电量达不到负荷的用电需求,则利用BT放电来满足供电,如果储能装置储存的电量全部释放还不能满足负荷需求的情况时,由负荷的重要程度由低到高切除,以达到微电网系统的功率供需平衡。

1.8 流程图

image.gif

 

📚2 运行结果

2.1 算例分析

本文构建了包括风能发单元、太阳能发电单元、微燃气轮机单元、燃料电池以及蓄电池分布式电源等的微电网系统。根据用电负荷的实际用电情况将一天分为用电高峰期、用电低估期、用电均衡期三个阶段。由于风速、温度、光照强度在一天内是逐渐变化的,所以其发电单元的出力也是不确定的,以一个小时为单位来划分微电网系统的优化调度时间,可以将一天设为24调度时段,而将一天作为微电网的一个调度周期,进行调度分布式单元的出力更加合理。以满足微电网系统运行的约束为前提,以优化调度策略为原则,微电网的微电网运行综合效益最大化为目标函数,用改进粒子群优化算法对微电网的目标函数进行求解。分别对微电网并网运行和孤岛运行进行仿真,仿真时以某典型日提供的参数作为依据进行仿真,并在并网运行时和孤岛运行时的调度策略下确定微电网中各分布式电源的最优出力,使整个优化调度周期运行最小成本费用,进而实现微电网系统的最优化运行。

image.gif

2.2 运行结果

image.gif

image.gifimage.gif

image.gifimage.gif

image.gif

image.gif

🎉3 文献来源

部分理论来源于网络,如有侵权请联系删除。

[1]姚景昆. 基于改进粒子群算法的微电网优化调度[D].辽宁工业大学,2016.

🌈4 Matlab代码及详细文章讲解

链接:https://pan.baidu.com/s/1ZWCHuxXL0usYxLESRJwL5g 

提取码:73su

--来自百度网盘超级会员V3的分享

相关文章
|
7天前
|
算法
基于GA遗传优化的TSP问题最优路线规划matlab仿真
本项目使用遗传算法(GA)解决旅行商问题(TSP),目标是在访问一系列城市后返回起点的最短路径。TSP属于NP-难问题,启发式方法尤其GA在此类问题上表现出色。项目在MATLAB 2022a中实现,通过编码、初始化种群、适应度评估、选择、交叉与变异等步骤,最终展示适应度收敛曲线及最优路径。
|
7天前
|
算法 BI Serverless
基于鱼群算法的散热片形状优化matlab仿真
本研究利用浴盆曲线模拟空隙外形,并通过鱼群算法(FSA)优化浴盆曲线参数,以获得最佳孔隙度值及对应的R值。FSA通过模拟鱼群的聚群、避障和觅食行为,实现高效全局搜索。具体步骤包括初始化鱼群、计算适应度值、更新位置及判断终止条件。最终确定散热片的最佳形状参数。仿真结果显示该方法能显著提高优化效率。相关代码使用MATLAB 2022a实现。
|
22小时前
|
算法 人机交互 调度
进程调度算法_轮转调度算法_优先级调度算法_多级反馈队列调度算法
轮转调度算法(RR)是一种常用且简单的调度方法,通过给每个进程分配一小段CPU运行时间来轮流执行。进程切换发生在当前进程完成或时间片用尽时。优先级调度算法则根据进程的紧迫性赋予不同优先级,高优先级进程优先执行,并分为抢占式和非抢占式。多队列调度算法通过设置多个具有不同优先级的就绪队列,采用多级反馈队列优先调度机制,以满足不同类型用户的需求,从而优化整体调度性能。
21 15
|
3天前
|
算法 调度 UED
深入理解操作系统之进程调度算法
【9月更文挑战第9天】在操作系统的心脏跳动中,进程调度扮演着关键角色,就如同指挥家控制交响乐的节奏。本文将通过浅显易懂的语言和生动的比喻,带领读者走进进程调度的世界,探索不同调度算法背后的哲学与实践,以及它们如何影响系统的性能和用户体验。从最简单的先来先服务到复杂的多级队列和反馈循环,我们将一同见证操作系统如何在众多任务中做出选择,确保系统的高效与公平。
|
22小时前
|
算法 调度
作业调度算法_先来先服务算法_短作业优先算法_高响应比优先算法
本文介绍了作业调度算法,包括先来先服务(FCFS)、短进程优先(SJF)和高响应比优先(HRRN)算法。通过分析进程的到达时间和所需CPU服务时间,计算进程的开始时间、完成时间、平均周转时间和平均带权周转时间,以评估不同算法的性能。FCFS适合长作业,SJF适合短作业,而HRRN则综合了两者的优点。
19 12
|
1天前
|
机器学习/深度学习 算法 数据挖掘
基于GWO灰狼优化的CNN-LSTM的时间序列回归预测matlab仿真
本项目展示了一种结合灰狼优化(GWO)与深度学习模型(CNN和LSTM)的时间序列预测方法。GWO算法高效优化模型超参数,提升预测精度。CNN提取局部特征,LSTM处理长序列依赖,共同实现准确的未来数值预测。项目包括MATLAB 2022a环境下运行的完整代码及视频教程,代码内含详细中文注释,便于理解和操作。
|
7天前
|
算法 数据可视化
基于SSA奇异谱分析算法的时间序列趋势线提取matlab仿真
奇异谱分析(SSA)是一种基于奇异值分解(SVD)和轨迹矩阵的非线性、非参数时间序列分析方法,适用于提取趋势、周期性和噪声成分。本项目使用MATLAB 2022a版本实现从强干扰序列中提取趋势线,并通过可视化展示了原时间序列与提取的趋势分量。代码实现了滑动窗口下的奇异值分解和分组重构,适用于非线性和非平稳时间序列分析。此方法在气候变化、金融市场和生物医学信号处理等领域有广泛应用。
|
30天前
|
算法
基于模糊控制算法的倒立摆控制系统matlab仿真
本项目构建了一个基于模糊控制算法的倒立摆控制系统,利用MATLAB 2022a实现了从不稳定到稳定状态的转变,并输出了相应的动画和收敛过程。模糊控制器通过对小车位置与摆的角度误差及其变化量进行模糊化处理,依据预设的模糊规则库进行模糊推理并最终去模糊化为精确的控制量,成功地使倒立摆维持在直立位置。该方法无需精确数学模型,适用于处理系统的非线性和不确定性。
基于模糊控制算法的倒立摆控制系统matlab仿真
|
9天前
|
资源调度 算法
基于迭代扩展卡尔曼滤波算法的倒立摆控制系统matlab仿真
本课题研究基于迭代扩展卡尔曼滤波算法的倒立摆控制系统,并对比UKF、EKF、迭代UKF和迭代EKF的控制效果。倒立摆作为典型的非线性系统,适用于评估不同滤波方法的性能。UKF采用无迹变换逼近非线性函数,避免了EKF中的截断误差;EKF则通过泰勒级数展开近似非线性函数;迭代EKF和迭代UKF通过多次迭代提高状态估计精度。系统使用MATLAB 2022a进行仿真和分析,结果显示UKF和迭代UKF在非线性强的系统中表现更佳,但计算复杂度较高;EKF和迭代EKF则更适合维数较高或计算受限的场景。
|
10天前
|
算法
基于SIR模型的疫情发展趋势预测算法matlab仿真
该程序基于SIR模型预测疫情发展趋势,通过MATLAB 2022a版实现病例增长拟合分析,比较疫情防控力度。使用SIR微分方程模型拟合疫情发展过程,优化参数并求解微分方程组以预测易感者(S)、感染者(I)和移除者(R)的数量变化。![]该模型将总人群分为S、I、R三部分,通过解析或数值求解微分方程组预测疫情趋势。