# 【微电网】基于麻雀算法的微电网优化调度附matlab代码

+关注继续查看

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

## 🔥 内容介绍

1. 麻雀算法能够全局搜索，不易陷入局部最优解。这是因为麻雀算法通过不断地与其他麻雀进行信息交流和协作，能够从多个角度寻找最优解。

2. 麻雀算法具有较强的自适应性和鲁棒性。它能够根据问题的特点和约束条件进行调整，适应不同的微电网系统。

3. 麻雀算法的计算复杂度相对较低，可以在较短的时间内得到较好的优化结果。

## 📣 部分代码

clear allclose allclc%% ParametersL=5e4;       % Total Number of transmitted symbolsN=4;         % Number of bits per symbolM=2^N;       % Number of different constellation symbolsLB=N*L;      % Length of random Bit Stream%% Generatig Constellation symbolTs=2;        % symbol timeA=1;As=A.*sqrt(Ts/2);Dmin=2*As;S=As.*qammod([0:15], 16, 0, 'gray');             % Generated defaultly (+,- 1 and +,-3)Es=sum(((real(S)).^2)+((imag(S)).^2))./length(S); % Average symbol Energy%% Defining  Energy and SNREB=Es/N;                                 % Energy of BitEBN0dB=0:10;                             % EB/N0 in dBESN0dB=EBN0dB+10*log10(N);               % ES/N0 in dBEBN0=10.^(EBN0dB/10);                    % EB/N0ESN0=10.^(ESN0dB/10);                    % ES/N0N0=Es./ESN0;                             % Noise Density                     Variance=N0./2;                          % Variance of NoiseStandardD=sqrt(Variance);                % Standard deviation of Noise Mean=0;                                  % Mean of NoiseBER_Sim=[];                                  % Simulated BER will be stored in this empty matrixfor gg=1:length(EBN0)    %% Generating random Bit Stream and converting it into symbol Stream    Bits=randi([0 1],1,LB);                   % Random Stream of Bits    Bits_Parallel=reshape(Bits,N,L);          % Parallel bits to be programmed    De_Numbers=(bi2de(Bits_Parallel',2)')+1;  % Location for symmbols    Symbols=S(De_Numbers);                    % Stream of symbols that is going to be sent    %% Adding Gaussina noise to transmitted signal    Noise=sqrt(N0(gg)/2).*(randn(1,L)+1j*(randn(1,L)));     Y=Symbols+Noise;    %% Decision     Loc=[];    for kk=1:L        D=abs(Y(kk)-S);    % Distances between R and all symbols        MinD=min(D);             % min Distance        LminD=find(D==MinD);     % Location of minimum Distance        Loc=[Loc LminD];         % Location of all symbol stream    end    RB=reshape(de2bi(Loc-1,N)',1,LB);  % Received Bits    BER_Sim=[BER_Sim (sum(abs(RB-Bits)))/LB];  % Bit Error rateend%% Union Bound Error Probability% Symbol Error  Ratesq2N0=sqrt(2.*N0);Dmi_sq2N0=Dmin./sq2N0;e Bound, and App BER Minimum Euclidean Distance Bound'})

## 🔗 参考文献

[1] 刘芳,郑玉麟,刘玲,等.基于麻雀搜索算法的微电网储能优化调度方法:CN202110163731.8[P].CN112994085A[2023-09-25].

[2] 吴新华,吴晓刚,刘林萍,等.基于麻雀搜索算法的微电网能量优化调度方法及设备:202310466273[P][2023-09-25].

[3] 王汉宇.基于改进麻雀搜索算法的微电网优化调度[J].兰州文理学院学报:自然科学版, 2022, 36(6):59-63.

### 👇  私信完整代码和数据获取及论文数模仿真定制

#### 9 雷达方面

##### 卡尔曼滤波跟踪、航迹关联、航迹融合

|
27天前
|

m基于GA-CNN遗传优化卷积神经网络的手势识别算法matlab仿真
m基于GA-CNN遗传优化卷积神经网络的手势识别算法matlab仿真
29 1
|
29天前
|

9 0
|
29天前
|

15 0
|
1月前
|

26 0
|
1月前
|

221 1
|
2月前
|

m基于GA-LSTM遗传优化长短期记忆网络的电力负荷数据预测算法matlab仿真
m基于GA-LSTM遗传优化长短期记忆网络的电力负荷数据预测算法matlab仿真
42 4
|
2月前
|

C++算法：有向图计数优化版原理及实现
C++算法：有向图计数优化版原理及实现
20 0
|
2月前
|

23 0
|
2月前
|

26 0
|
2月前
|

16 0