(Matlab)基于蝙蝠算法实现电力系统经济调度

简介: (Matlab)基于蝙蝠算法实现电力系统经济调度

摘要:

基于Matalb平台,构建基于蝙蝠活动行为的蝙蝠优化算法,对一个含有6个火电机组的电力系统进行优化调度,其中优化调度的目标函数为火电机组运行成本最小,其中约束条件有:功率平衡约束,火电机组最大最小出力约束,火电机组爬坡约束,网络潮流约束,等。结果表明,所提的蝙蝠优化算法可以很好的完成电力系统优化调度决策任务。程序注释详细,出图美观,适合初学者学习入门智能优化算法或电力系统经济调度。


1.蝙蝠优化算法的基本原理:

蝙蝠算法是模拟蝙蝠发出和接收自身发出的超声波来捕食猎物这一行为提出的一


种全局型群智能优化算法。在该算法中,每只蝙蝠在搜索空间中的位置代表一个解,对


于不同的适应度函数,每只蝙蝠都有自己的适应度值,算法比较每只蝙蝠的适应度值来


找出当前全局最优位置,然后调整蝙蝠种群的脉冲发射频率、强度,朝着当前最优位置


不断搜索,最终找到全局最优解。


(1)  种群中的所有蝙蝠都用回声定位系统来判断距离,并且它们能够区分猎物与障


碍物。


(2)  蝙蝠在位置Xi以速度Vi 飞行。以固定频率fmin,强度Ao来搜捕猎物,它们能够


根据与猎物的距离自发调节发出声波的波长或者频率,在接近猎物时自发调整脉冲发射


频率ri。


(3)  假设声波强度的最小值为Amin ,最大值为Ao 。 蝙蝠的捕食过程可描述为:蝙蝠种群随机分布在搜索空间中,每只蝙蝠的位置为Xi( 1, 2,3,..,N),蝙蝠能够在位置Xi发出频率为fi强度为Ao的超声波搜索猎物,确定目标后,蝙蝠以速度Vi 向猎物飞行。并根据猎物与自己的距离实时调整飞行速度、声波强度和脉冲发射频率,逐渐向猎物靠近,最终成功捕食猎物。根据蝙蝠捕食过程,算法的迭代次数为t,蝙蝠个体i 发出超声波的频率、速度和位置在第t 代的更新公式如下:


(2-1)

(2-2、2-3)

当蝙蝠种群逐渐向全局最优解靠近时,算法就采用局部搜索策略,局部位置更新

公式如下:

(2-4)

2.蝙蝠优化算法的流程:

3.仿真实验分析:

以下为部分运行结果,主要是分为电力系统稳态运行情况下的和电力系统暂稳态运行情况下的:

部分代码:



clc; % 清除命令窗口中的任何工作或数据
clear; % 在使用前清除所有可变量的值
close all; % 关闭所有打开的图片
%% 导入机组参数与模型
doc_name = 'ED_result.doc';
plot_Fcost = 'FuelCostCurve.png';
plot_Iterr = 'ItterationsCurve.png';
plot_Ploss = 'PowerLossCurve.png';
bar_Ploss = 'PowerLossChart.png';
bar_Fcost = 'FuelCostBar.png';
hvdc_Losses = 'HVDC_loses.png';
transmission_modes = ["HVAC","HVDC"];
source = ["6thermal","4thermal","2wind"];
% 分配输入与输出的各种参数
[power_loss,F_cost,iterrations,sw_loss,cond_loss,tl_loss,F_cost_inst] = deal(zeros);
demand = [120 150 180 210 240 270 300 330 360 390 420]; % 定义各个节点的负荷需求
load_demand_values = numel(demand); % 使用numel函数对矩阵的元素进行计数
print = fopen(doc_name,'w+');
% 定义全球变量,可用于所有函数
global fuel_coefficients B power_demand Pg_limits transmission_type ...
    Cond_loss SW_loss TL_loss convergence_time start_timing DRi URi ...
    n f_cost beta tao time instability inst_const
% 有5列燃料成本系数的燃料系数矩阵(发电机燃料消耗矩阵)
fuel_coefficients = [0.00375 2.00 240  0 0;
    0.01750 1.75 200 0 0;
    0.06250 1.00 220 40 0.008;
    0.00834 3.25 200 30 0.009;
    0.02500 3.00 220 0 0;
    0.02500 3.00 190 0 0];
generator_limits = [50 200;20 80;15 50;10 35;10 30;12 40];% 定义发电机功率限制
% 发电机上下爬坡功率定义
DRi= [85 22 15 16 9 16];
URi= [65 12 12 8 6 8];
beta = 1.75;
tao = 2.85;
time = 10; % 发电机暂稳态时间定义
instability = false(); % 将第一次计算设定为没有不稳定因素
n = length(fuel_coefficients(:,1)); %返回fuel_coefficients变量的长度
%% 循坏开始
for type = 1:numel(transmission_modes)% 在每个模式中循环往复
    transmission_type = transmission_modes(type);
    fprintf(print,strcat('ECONOMIC DISPATCH FOR _', ... 
        ' USING NOVEL BAT OPTIMIZATION ALGORITHM \n'));
    %% Step 1:找到B矩阵
    loss_coef = [0.000218 0.000103 0.000009 -0.000010 0.000002 0.000027
        0.000103 0.000181 0.000004 -0.000015 0.000002 0.000030
        0.000009 0.000004 0.000417 -0.000131 -0.000153 -0.000107
        -0.000010 -0.000015 -0.000131 0.000221 0.000094 0.000050
        0.000002 0.000002 -0.000153 0.000094 0.000243 -0.000000
        0.000027 0.000030 -0.000107 0.000050 -0.000000 0.000358];


相关文章
|
7天前
|
算法 数据安全/隐私保护 计算机视觉
基于二维CS-SCHT变换和LABS方法的水印嵌入和提取算法matlab仿真
该内容包括一个算法的运行展示和详细步骤,使用了MATLAB2022a。算法涉及水印嵌入和提取,利用LAB色彩空间可能用于隐藏水印。水印通过二维CS-SCHT变换、低频系数处理和特定解码策略来提取。代码段展示了水印置乱、图像处理(如噪声、旋转、剪切等攻击)以及水印的逆置乱和提取过程。最后,计算并保存了比特率,用于评估水印的稳健性。
|
4天前
|
算法
m基于BP译码算法的LDPC编译码matlab误码率仿真,对比不同的码长
MATLAB 2022a仿真实现了LDPC码的性能分析,展示了不同码长对纠错能力的影响。短码长LDPC码收敛快但纠错能力有限,长码长则提供更强纠错能力但易陷入局部最优。核心代码通过循环进行误码率仿真,根据EsN0计算误比特率,并保存不同码长(12-768)的结果数据。
24 9
m基于BP译码算法的LDPC编译码matlab误码率仿真,对比不同的码长
|
5天前
|
算法
MATLAB|【免费】融合正余弦和柯西变异的麻雀优化算法SCSSA-CNN-BiLSTM双向长短期记忆网络预测模型
这段内容介绍了一个使用改进的麻雀搜索算法优化CNN-BiLSTM模型进行多输入单输出预测的程序。程序通过融合正余弦和柯西变异提升算法性能,主要优化学习率、正则化参数及BiLSTM的隐层神经元数量。它利用一段简单的风速数据进行演示,对比了改进算法与粒子群、灰狼算法的优化效果。代码包括数据导入、预处理和模型构建部分,并展示了优化前后的效果。建议使用高版本MATLAB运行。
|
7天前
|
存储 移动开发 算法
磁盘调度算法
磁盘调度算法
15 2
|
7天前
|
算法 调度 UED
作业调度算法(含详细计算过程)和进程调度算法浅析
作业调度算法(含详细计算过程)和进程调度算法浅析
43 1
作业调度算法(含详细计算过程)和进程调度算法浅析
|
7天前
|
算法 计算机视觉
基于高斯混合模型的视频背景提取和人员跟踪算法matlab仿真
该内容是关于使用MATLAB2013B实现基于高斯混合模型(GMM)的视频背景提取和人员跟踪算法。算法通过GMM建立背景模型,新帧与模型比较,提取前景并进行人员跟踪。文章附有程序代码示例,展示从读取视频到结果显示的流程。最后,结果保存在Result.mat文件中。
|
7天前
|
资源调度 算法 块存储
m基于遗传优化的LDPC码OMS译码算法最优偏移参数计算和误码率matlab仿真
MATLAB2022a仿真实现了遗传优化的LDPC码OSD译码算法,通过自动搜索最佳偏移参数ΔΔ以提升纠错性能。该算法结合了低密度奇偶校验码和有序统计译码理论,利用遗传算法进行全局优化,避免手动调整,提高译码效率。核心程序包括编码、调制、AWGN信道模拟及软输入软输出译码等步骤,通过仿真曲线展示了不同SNR下的误码率性能。
11 1
|
7天前
|
存储 算法 数据可视化
基于harris角点和RANSAC算法的图像拼接matlab仿真
本文介绍了使用MATLAB2022a进行图像拼接的流程,涉及Harris角点检测和RANSAC算法。Harris角点检测寻找图像中局部曲率变化显著的点,RANSAC则用于排除噪声和异常点,找到最佳匹配。核心程序包括自定义的Harris角点计算函数,RANSAC参数设置,以及匹配点的可视化和仿射变换矩阵计算,最终生成全景图像。
|
7天前
|
算法 Serverless
m基于遗传优化的LDPC码NMS译码算法最优归一化参数计算和误码率matlab仿真
MATLAB 2022a仿真实现了遗传优化的归一化最小和(NMS)译码算法,应用于低密度奇偶校验(LDPC)码。结果显示了遗传优化的迭代过程和误码率对比。遗传算法通过选择、交叉和变异操作寻找最佳归一化因子,以提升NMS译码性能。核心程序包括迭代优化、目标函数计算及性能绘图。最终,展示了SNR与误码率的关系,并保存了关键数据。
20 1
|
7天前
|
算法 调度
考虑需求响应的微网优化调度模型【粒子群算法】【matlab】
考虑需求响应的微网优化调度模型【粒子群算法】【matlab】

热门文章

最新文章