# 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）

## 📚2 运行结果

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

[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

|
28天前
|

AI算法分析，智慧城管AI智能识别系统源码
AI视频分析技术应用于智慧城管系统，通过监控摄像头实时识别违法行为，如违规摆摊、垃圾、违章停车等，实现非现场执法和预警。算法平台检测街面秩序（出店、游商、机动车、占道）和市容环境（垃圾、晾晒、垃圾桶、路面不洁、漂浮物、乱堆物料），助力及时处理问题，提升城市管理效率。
35 4
|
1月前
|

m基于深度学习网络的手势识别系统matlab仿真,包含GUI界面
m基于深度学习网络的手势识别系统matlab仿真,包含GUI界面
40 0
|
27天前
|

23 3
|
1月前
|

23 2
|
4天前
|

12 0
|
7天前
|

【MATLAB】GA_ELM神经网络时序预测算法
【MATLAB】GA_ELM神经网络时序预测算法
278 9
|
12天前
|

【Matlab】Matlab电话拨号音合成与识别(代码+论文)【独一无二】
【Matlab】Matlab电话拨号音合成与识别(代码+论文)【独一无二】
28 0
|
26天前
|

m基于log-MPA检测算法的SCMA通信链路matlab误码率仿真
MATLAB 2022a仿真实现了稀疏码多址接入（SCMA）算法，该算法利用码本稀疏性实现多用户高效接入。每个用户从码本中选取码字发送，接收端采用Log-MPA算法进行多用户检测。由于MAP检测计算复杂度高，故采用Log-MPA降低复杂性。仿真展示了不同迭代次数（1, 5, 10, 30）对误码率（BER）的影响，通过比较各次迭代的BER曲线，研究算法性能与迭代次数的关系。
18 0
|
28天前
|

18 1
|
28天前
|

m基于深度学习的64QAM调制解调系统相位检测和补偿算法matlab仿真
MATLAB 2022a仿真实现了基于深度学习的64QAM相位检测和补偿算法，有效应对通信中相位失真问题。通过DNN进行相位检测和补偿，降低解调错误。核心程序生成随机信号，模拟AWGN信道，比较了有无相位补偿的误码率，结果显示补偿能显著提升性能。
25 8