【水光互补优化调度】基于非支配排序遗传算法的多目标水光互补优化调度(Matlab代码实现)

简介: 【水光互补优化调度】基于非支配排序遗传算法的多目标水光互补优化调度(Matlab代码实现)

💥1 概述

参考文献:

然后本文换一个算法进行解决,也算一个创新点吧:


基于非支配排序遗传算法的多目标水光互补优化调度,然后用Matlab实现之。


近些年,人类对环境问题和资源枯竭关注日益增大,使得以光伏为代表的新能源发电得到了大规模的发展。截至2015年底,中国光伏发电累计装机容量4318万千瓦,成为全球光伏发电装机容量最大的国家[1]。但是,光伏具有“随机性、间歇性和波动性”的特点[2-4]。光伏发电的并网对电力系统的规划、安全、调度和控制等方面的影响也越来越大。虽然光伏的装机容量很大,但是并网消纳仍是一个有待解决的问题[5-6]。水电是一种清洁可再生的能源,其出力具有快速调节的优良性能,在电力系统中常常担任调峰的任务[7]。利用水电出力的特点来平衡光伏出力的波动,可以为电网提供更多的优质电能。世界上第一座水光互补电站2009年在青海玉树建成[8],到2015年全球最大的龙羊峡水光互补电站的建成[9],水光互补已得到了全世界的广泛关注。


1.1 水光互补

水光互补是指水电和光伏联合运行,利用水电机组快速调节的优良特性以及水电站的库容调节光伏出力的“随机性、波动性和间歇性”,同时光伏可以在水电匮乏时给予联合系统电量上的支持。

水电和光伏在年际、年内、日内有很好的互补特性。

.年际、年内互补特性

水电的发电量取决于径流的多少,径流在年内和年际间相差悬殊,年际有丰水年和枯水年之分,年内有丰、枯水期。水电在丰水年发电多、枯水年发电少,冬春季发电量少、夏秋季发电量多。相对而言,太阳能年际间波动很小,光电的年发电量几乎是恒定值;光伏发电还具有冬春季发电量大、夏秋季发电量小的季节性特点。光伏在水电匮乏时可以为联合系统提供电量上的支撑,减少系统负荷的缺额,因此,水电和光伏发电在年际和年内都存在很好地互补关系。

日内互补特性

光伏发电取决于环境条件,光伏出力呈现“间歇性、随机性和波动性”地特点。在一天之内,水电可以利用机组的快速调节性能来平抑光伏出力的“随机性和波动性”;光伏只在白天出力,在夜间的出力几乎为零,水电可以平衡光伏出力的“间歇性”[10]。因此,水电和光伏发电在日内也存在着很好的互补关系,如图1所示。

           

1.2 水光互补模型——目标函数和约束条件

水光互补的运行模式为以水电和光伏联合运行,以光伏出力为基荷,用水电来调节光伏出力,为了保证下游的用水,水电站在调度期内的出库流量恒定。在此模式下,建立水光互补调峰能力的模型,并考虑了各种约束条件。

目标函数

两个目标,所有本文考虑用多目标优化算法解决之,没有用参考文献的方法。

水电出力的约束

功率平衡约束

其他约束

1.3 多目标遗传算法

多目标优化NSGA-II(非支配排序常见于遗传算法)

📚2 运行结果

🌈3 Matlab代码实现

部分代码:

%% NSGA-II Parameters
MaxIt=70;      % Maximum Number of Iterations
nPop=80;        % Population Size
pCrossover=0.7;                         % Crossover Percentage
nCrossover=2*round(pCrossover*nPop/2);  % Number of Parnets (Offsprings)
pMutation=0.4;                          % Mutation Percentage
nMutation=round(pMutation*nPop);        % Number of Mutants
mu=0.02;                    % Mutation Rate
sigma=0.1*(VarMax-VarMin);  % Mutation Step Size
%% Initialization
empty_individual.Position=[];
empty_individual.Cost=[];
empty_individual.Rank=[];
empty_individual.DominationSet=[];
empty_individual.DominatedCount=[];
empty_individual.CrowdingDistance=[];
pop=repmat(empty_individual,nPop,1);
disp('产生初始可行解...')
for i=1:nPop   
    flag=0;
    while flag==0
        tmp=[];
        for j=1:1:nVar
            tmp = [tmp unifrnd(VarMin(j),VarMax(j),1)];
        end
        flag = test(tmp);     % 检查约束 约束不满足就重新生成解
    end
    pop(i).Position=tmp;
    pop(i).Cost=CostFunction(pop(i).Position);
end
% pause
% Non-Dominated Sorting
[pop, F]=NonDominatedSorting(pop);
% Calculate Crowding Distance
pop=CalcCrowdingDistance(pop,F);
% Sort Population
[pop, F]=SortPopulation(pop);
%% NSGA-II Main Loop
for it=1:MaxIt
    % 交叉
    popc=repmat(empty_individual,nCrossover/2,2);
    for k=1:nCrossover/2
        i1=randi([1 nPop]);
        p1=pop(i1);
        i2=randi([1 nPop]);
        p2=pop(i2);
        [popc(k,1).Position, popc(k,2).Position]=Crossover(p1.Position,p2.Position,VarMin,VarMax);
        if test(popc(k,1).Position)+test(popc(k,2).Position)==2
            popc(k,1).Cost=CostFunction(popc(k,1).Position);
            popc(k,2).Cost=CostFunction(popc(k,2).Position);
        else
            popc(k,1)=p1;
            popc(k,2)=p2;
        end

🎉4 参考文献

部分理论来源于网络,如有侵权请联系删除。


[1]丁航,安源,王颂凯,王浩. 水光互补的短期优化调度[C]//.2016第二届能源,环境与地球科学国际会议论文集.[出版者不详],2016:21-26.

目录
打赏
0
0
0
0
77
分享
相关文章
基于Retinex算法的图像去雾matlab仿真
本项目展示了基于Retinex算法的图像去雾技术。完整程序运行效果无水印,使用Matlab2022a开发。核心代码包含详细中文注释和操作步骤视频。Retinex理论由Edwin Land提出,旨在分离图像的光照和反射分量,增强图像对比度、颜色和细节,尤其在雾天条件下表现优异,有效解决图像去雾问题。
基于DWA优化算法的机器人路径规划matlab仿真
本项目基于DWA优化算法实现机器人路径规划的MATLAB仿真,适用于动态环境下的自主导航。使用MATLAB2022A版本运行,展示路径规划和预测结果。核心代码通过散点图和轨迹图可视化路径点及预测路径。DWA算法通过定义速度空间、采样候选动作并评估其优劣(目标方向性、障碍物距离、速度一致性),实时调整机器人运动参数,确保安全避障并接近目标。
108 68
Java线程调度揭秘:从算法到策略,让你面试稳赢!
在社招面试中,关于线程调度和同步的相关问题常常让人感到棘手。今天,我们将深入解析Java中的线程调度算法、调度策略,探讨线程调度器、时间分片的工作原理,并带你了解常见的线程同步方法。让我们一起破解这些面试难题,提升你的Java并发编程技能!
45 16
基于SA模拟退火优化算法的TSP问题求解matlab仿真,并对比ACO蚁群优化算法
本项目基于MATLAB2022A,使用模拟退火(SA)和蚁群优化(ACO)算法求解旅行商问题(TSP),对比两者的仿真时间、收敛曲线及最短路径长度。SA源于金属退火过程,允许暂时接受较差解以跳出局部最优;ACO模仿蚂蚁信息素机制,通过正反馈发现最优路径。结果显示SA全局探索能力强,ACO在路径优化类问题中表现优异。
室内障碍物射线追踪算法matlab模拟仿真
### 简介 本项目展示了室内障碍物射线追踪算法在无线通信中的应用。通过Matlab 2022a实现,包含完整程序运行效果(无水印),支持增加发射点和室内墙壁设置。核心代码配有详细中文注释及操作视频。该算法基于几何光学原理,模拟信号在复杂室内环境中的传播路径与强度,涵盖场景建模、射线发射、传播及接收点场强计算等步骤,为无线网络规划提供重要依据。
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。
185 80
基于GA遗传优化的CNN-GRU-SAM网络时间序列回归预测算法matlab仿真
本项目基于MATLAB2022a实现时间序列预测,采用CNN-GRU-SAM网络结构。卷积层提取局部特征,GRU层处理长期依赖,自注意力机制捕捉全局特征。完整代码含中文注释和操作视频,运行效果无水印展示。算法通过数据归一化、种群初始化、适应度计算、个体更新等步骤优化网络参数,最终输出预测结果。适用于金融市场、气象预报等领域。
基于GA遗传优化的CNN-GRU-SAM网络时间序列回归预测算法matlab仿真
|
22天前
|
基于龙格库塔算法的锅炉单相受热管建模与matlab数值仿真
本设计基于龙格库塔算法对锅炉单相受热管进行建模与MATLAB数值仿真,简化为喷水减温器和末级过热器组合,考虑均匀传热及静态烟气处理。使用MATLAB2022A版本运行,展示自编与内置四阶龙格库塔法的精度对比及误差分析。模型涉及热传递和流体动力学原理,适用于优化锅炉效率。
基于分块贝叶斯非局部均值优化(OBNLM)的图像去噪算法matlab仿真
本项目基于分块贝叶斯非局部均值优化(OBNLM)算法实现图像去噪,使用MATLAB2022A进行仿真。通过调整块大小和窗口大小等参数,研究其对去噪效果的影响。OBNLM结合了经典NLM算法与贝叶斯统计理论,利用块匹配和概率模型优化相似块的加权融合,提高去噪效率和保真度。实验展示了不同参数设置下的去噪结果,验证了算法的有效性。
基于遗传优化的双BP神经网络金融序列预测算法matlab仿真
本项目基于遗传优化的双BP神经网络实现金融序列预测,使用MATLAB2022A进行仿真。算法通过两个初始学习率不同的BP神经网络(e1, e2)协同工作,结合遗传算法优化,提高预测精度。实验展示了三个算法的误差对比结果,验证了该方法的有效性。
AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等