1 主要内容
本程序为《基于多目标粒子群算法的微电网优化调度》-王金全文章的方法复现，考虑因素较文章复杂，除了考虑基本机组、储能等的出力，还考虑了弃风和弃光，很值得大家学习参考！针对光伏电池、风机、微型燃气轮机、柴油发电机以及蓄电池组成的微电网系统的优化问题进行研究，在满足系统约束条件下，建立了包含运行成本、可中断负荷补偿成本以及污染物处理费用的微电网多目标优化调度模型，并利用多目标粒子群算法（MOPSO）求解微电网优化调度问题。
优势：
程序模块化好，必要注释清晰！
多目标粒子群算法采用结构体变量，变量数量集约性好，方便学习！
程序出图较多，实用性强！
2 部分代码
%% initialize parameters global PV; global WT; %储能最大放电功率 StorageMaxDischargingPower=250; %储能最大充电功率 StorageMaxChargingPower=-200; %柴油发电机最大功率 DGMaxImportPower=400; %柴油发电机最小功率 DGMinImportPower=100; if nargin==0 c = [0.1,0.2]; % [cognitive acceleration, social acceleration] coefficients iw = [0.5 0.001]; % [starting, ending] inertia weight max_iter =100; % maximum iterations for n=1:96 if n<25%光伏限制 lower_bound(n)=0; upper_bound(n) =PV(n); end if n>24&&n<49%风电限制 lower_bound(n)=0; upper_bound(n) =WT(n-24); end if n>48&&n<73%储能限制 lower_bound(n)=StorageMaxChargingPower; upper_bound(n)=StorageMaxDischargingPower; end if n>72%柴油机限制 lower_bound(n)=DGMinImportPower; upper_bound(n)=DGMaxImportPower; end end swarm_size=100; % swarm size rep_size=100; % Repository Size grid_size=7; % Number of Grids per Dimension alpha=0.1; % Inflation Rate beta=2; % Leader Selection Pressure gamma=2; % Deletion Selection Pressure mu=0.1; % Mutation Rate problem=@prob; % objective function end
