基于粒子群优化算法的冷热电联供型综合能源系统运行优化(Matlab代码实现)

简介: 基于粒子群优化算法的冷热电联供型综合能源系统运行优化(Matlab代码实现)

💥1 概述

参考文献:


现有的能源系统往往都是单独规划、单独运行,导致能源利用率低,污染高。如今﹐人们更多地研究如何把各独立供能系统进行协同优化,减少其环境污染的同时增加能源利用率及经济件能[2

各类能源的大规模接人导致了能源系统往往无法兼顾经济性和环保性,优化运行的能力不够。因此如何优化综合能源系统,兼顾系统运行的经济性和环保性成为需要解决的问题[3'。裴玮等[4,5]

利用线性模型对电力、天然气、热力系统进行最优容量配置,提高系统的能源利用效率;文献[6—9]考虑碳排放和可再生能源的消纳问题,提出一种新的混合潮流计算方法,保证构建的热电联供型微电网经济稳定的运行。现以系统经济性和环保性最优建立目标函数并构建约束条件,建立冷热电联供型系统( combinedcooling ,heating and power,CCHP)的优化模型;利用改进后的粒子群算法对求解系统优化模型;最后,结合算例进行结果分析,研究系统在单一目标和同时兼顾多目标下系统的运行结果,为综合能源系统后期的协同规划提供参考。


📚2 运行结果

部分代码:

FG=zeros(1,24); %燃气机在t时段的消耗的燃气量
FBoi=zeros(1,24); %锅炉在t时段的消耗的燃料量
h=zeros(1,24);
FE=zeros(1,24); %存储一共用了多少燃气
yBoi=0.85; %锅炉的热效率
ygg=zeros(2,24); %ygg对应的是第i台燃气发电机的发电效率
D=8;
PG=zeros(1,24); %向主电网交互的电量
HJ=zeros(1,24); %二氧化碳的排放量
ue=0.872; %单位功率下二氧化碳的排放系数
uf=5.42; %单位体积的二氧化碳排放系数
W=0.004125;%此为惩罚系数,包括排放惩罚和环境价值
CE=zeros(1,24);%t时段与主电网间能量交互成本
Rr=zeros(1,24);%存电价
%  rLrg=1.123;%天然气价格单位为美元/therm
fa=100; R=0.034;%电转气系数
% Pwind=[11160,12410,12140,12590,12410,11320,10040,10536,8230,9004,8050,8320,8878,8500,8230,8680,9482,9500,1770,11518,11068,11860,11140,8700]; %风力发电机的功率
Pwind=[693,718,883,698,888,683,723,695,678,721,568,583,614,693,678,703,692,693,808,994,869,813,873,808];
PD=[2800,2700,3000,3800,4600,4600,5200,5400,5800,6300,7400,8700,9700,10000,10100,10300,9000,7000,6700,5900,4500,3000,2700,2800]; %为一天中不同时段的系统需要的预测电功率
Ppv=[0,0,0,0,0,0,1650,2450,3250,3350,3400,3750,3450,3250,3200,2400,2100,1300,0,0,0,0,0,0]; %光伏发电机的功率
rElc=[0.182,0.182,0.182,0.182,0.182,0.182,0.518,0.518,0.882,0.882,0.882,0.882,0.518,0.518,0.882,0.882,0.882,0.882,0.882,0.518,0.518,0.518,0.182,0.182];%一天中每小时的购电价格
RElc=[0.14,0.14,0.14,0.14,0.14,0.14,0.406,0.406,0.70,0.70,0.70,0.70,0.406,0.406,0.70,0.70,0.70,0.70,0.70,0.406,0.406,0.406,0.14,0.14]; %一天中每小时的售电价格
Aa=8.935;Bb=33.157;Cc=-27.081;Dd=17.989;%这里的Aa,Bb,Cc,Dd分别对应四台不同的燃气发电机的发电效率
PGnom1=1200;PGnom2=2800;%电功率基准值为1200和2800
Copac=0.80;Copec=3;
%-------------%
for t=1:24
    ygg(1,t)=(Aa+Bb*(X((t-1)*D+1)/PGnom1)+Cc*(X((t-1)*D+1)/PGnom1)^2+Dd*(X((t-1)*D+1)/PGnom1)^3)/100; %X((t-1)*D+1)在对应的该时刻的该燃气发电机的电功率
    ygg(2,t)=(Aa+Bb*(X((t-1)*D+2)/PGnom2)+Cc*(X((t-1)*D+2)/PGnom2)^2+Dd*(X((t-1)*D+2)/PGnom2)^3)/100;
    %ygg对应的是第i台燃气发电机的发电效率
end
%-------------%
for t=1:24
    %R是燃气机发电模型的λ
    FG(t)=R*(X((t-1)*D+1)/ygg(1,t)+X((t-1)*D+2)/ygg(2,t));           %燃气发电机在单时段的燃气耗量
    %R疑似是锅炉模型的λ
    FBoi(t)=R*(X((t-1)*D+3)+X((t-1)*D+4))/yBoi;                      %锅炉在单时段消耗的燃料量
    FE(t)=FG(t)+FBoi(t); %t时刻的燃气量
    if  X((t-1)*D+5)>=0
        Rr(t)=rElc(t);
        PG(t)=X((t-1)*D+5);  %向主电网交互的电量,此时是买电
    else
        Rr(t)=RElc(t);
        PG(t)=0; %向主电网交互的电量,此时是卖电
    end
    CE(t)=Rr(t)*X((t-1)*D+5);              %单时段与主电网间能量交互成本
    HJ(t)=ue*PG(t)+uf*FE(t);  %二氧化碳的排放量
    %---单时段功率平衡约束---%
    h(t)=abs(X((t-1)*D+1)+X((t-1)*D+2)+Pwind(t)+Ppv(t)-X((t-1)*D+6)+X((t-1)*D+5)-PD(t)-X((t-1)*D+8));%电负荷平衡约束
end
%---用的燃气量不同,得到的价格也不同---%
if     sum(FE)<250
    rLrg=5.257;
elseif   250<=sum(FE)<=4167
    rLrg=3.25;
else
    rLrg=2.814;
end
%-----------------------------------%
f1=rLrg*sum(FE)+sum(CE);   %燃气成本和向电网购电或是售电后的花费
f2=W*sum(HJ);  %碳排放消费费用
result=f1+f2+fa*sum(h);

🎉3 参考文献

部分理论来源于网络,如有侵权请联系删除。

[1]陶静,徐武,李逸琳,霍艺文,张恩睦.基于多目标算法的冷热电联供型综合能源系统运行优化[J].科学技术与工程,2019,19(33):200-205.


[2]刘涤尘,马恒瑞,王波,高文忠,王骏,闫秉科.含冷热电联供及储能的区域综合能源系统运行优化[J].电力系统自动化,2018,42(04):113-120+141.


🌈4 Matlab代码实现

回复:基于粒子群优化算法的冷热电联供型综合能源系统运行优化

相关文章
|
2天前
|
机器学习/深度学习 算法
基于改进遗传优化的BP神经网络金融序列预测算法matlab仿真
本项目基于改进遗传优化的BP神经网络进行金融序列预测,使用MATLAB2022A实现。通过对比BP神经网络、遗传优化BP神经网络及改进遗传优化BP神经网络,展示了三者的误差和预测曲线差异。核心程序结合遗传算法(GA)与BP神经网络,利用GA优化BP网络的初始权重和阈值,提高预测精度。GA通过选择、交叉、变异操作迭代优化,防止局部收敛,增强模型对金融市场复杂性和不确定性的适应能力。
103 80
|
21天前
|
算法
基于WOA算法的SVDD参数寻优matlab仿真
该程序利用鲸鱼优化算法(WOA)对支持向量数据描述(SVDD)模型的参数进行优化,以提高数据分类的准确性。通过MATLAB2022A实现,展示了不同信噪比(SNR)下模型的分类误差。WOA通过模拟鲸鱼捕食行为,动态调整SVDD参数,如惩罚因子C和核函数参数γ,以寻找最优参数组合,增强模型的鲁棒性和泛化能力。
|
7天前
|
供应链 算法 调度
排队算法的matlab仿真,带GUI界面
该程序使用MATLAB 2022A版本实现排队算法的仿真,并带有GUI界面。程序支持单队列单服务台、单队列多服务台和多队列多服务台三种排队方式。核心函数`func_mms2`通过模拟到达时间和服务时间,计算阻塞率和利用率。排队论研究系统中顾客和服务台的交互行为,广泛应用于通信网络、生产调度和服务行业等领域,旨在优化系统性能,减少等待时间,提高资源利用率。
|
14天前
|
存储 算法
基于HMM隐马尔可夫模型的金融数据预测算法matlab仿真
本项目基于HMM模型实现金融数据预测,包括模型训练与预测两部分。在MATLAB2022A上运行,通过计算状态转移和观测概率预测未来值,并绘制了预测值、真实值及预测误差的对比图。HMM模型适用于金融市场的时间序列分析,能够有效捕捉隐藏状态及其转换规律,为金融预测提供有力工具。
|
23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。
|
14天前
|
机器学习/深度学习 算法 信息无障碍
基于GoogleNet深度学习网络的手语识别算法matlab仿真
本项目展示了基于GoogleNet的深度学习手语识别算法,使用Matlab2022a实现。通过卷积神经网络(CNN)识别手语手势,如&quot;How are you&quot;、&quot;I am fine&quot;、&quot;I love you&quot;等。核心在于Inception模块,通过多尺度处理和1x1卷积减少计算量,提高效率。项目附带完整代码及操作视频。
|
20天前
|
算法
基于WOA鲸鱼优化的购售电收益与风险评估算法matlab仿真
本研究提出了一种基于鲸鱼优化算法(WOA)的购售电收益与风险评估算法。通过将售电公司购售电收益风险计算公式作为WOA的目标函数,经过迭代优化计算出最优购电策略。实验结果表明,在迭代次数超过10次后,风险价值收益优化值达到1715.1万元的最大值。WOA还确定了中长期市场、现货市场及可再生能源等不同市场的最优购电量,验证了算法的有效性。核心程序使用MATLAB2022a实现,通过多次迭代优化,实现了售电公司收益最大化和风险最小化的目标。
|
24天前
|
算法
通过matlab分别对比PSO,反向学习PSO,多策略改进反向学习PSO三种优化算法
本项目使用MATLAB2022A版本,对比分析了PSO、反向学习PSO及多策略改进反向学习PSO三种优化算法的性能,主要通过优化收敛曲线进行直观展示。核心代码实现了标准PSO算法流程,加入反向学习机制及多种改进策略,以提升算法跳出局部最优的能力,增强全局搜索效率。
|
20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。
|
17天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于深度学习网络的宝石类型识别算法matlab仿真
本项目利用GoogLeNet深度学习网络进行宝石类型识别,实验包括收集多类宝石图像数据集并按7:1:2比例划分。使用Matlab2022a实现算法,提供含中文注释的完整代码及操作视频。GoogLeNet通过其独特的Inception模块,结合数据增强、学习率调整和正则化等优化手段,有效提升了宝石识别的准确性和效率。

热门文章

最新文章