交直流混合配电网潮流计算(统一求解法)

简介: 交直流混合配电网潮流计算(统一求解法)

1 主要内容

该程序为matlab代码,采用统一求解法对交直流混合配电网进行潮流计算,统一迭代法又称统一求解法,其思路是将混联系统中的交流网络方程与直流 网络方程进行联立,对联立后的方程组进行各未知量的求解,目前已有众多学者 在对交直流混合配电网的研究中,证明了这一方法具备较好的收敛性。该代码有非常详实的文献资料,方便对照研究学习!

  • 算例模型

  • 统一求解法迭代方程

  • 算法流程图

2 部分代码

kk=1;%迭代次数
line=size(Line.con,1);%支路数目
n=max(Bus.con(:,1));%找出第1列的最大值,即节点数
T=0.00001;
TT=ones(n,1)*T;%收敛误差设置
Y=zeros(n);%创建导纳矩阵Y
U=ones(n,1);
dU=zeros(n,1);
U(PV.con(:,1))=PV.con(:,5);%提取PV节点的电压幅值
U(SW.con(:,1))=SW.con(:,4);%提取平衡节点的电压幅值
th=zeros(n,1);
dth=zeros(n,1);
Pg=zeros(n,1);
Pl=zeros(n,1);
Ql=zeros(n,1);
Qg=zeros(n,1);
Pg(PV.con(:,1))=PV.con(:,4);%提取PV节点的有功功率
Pl(PQ.con(:,1))=PQ.con(:,4);%提取PQ节点的有功功率
Ql(PQ.con(:,1))=PQ.con(:,5);%提取PQ节点的无功功率
% 计算导纳矩阵
for m=1:line
    a=Line.con(m,1);%首节点a
    b=Line.con(m,2);%末节点b
    z=Line.con(m,8)+1i*Line.con(m,9);%节点ab间的阻抗
    y2=1i*Line.con(m,10)/2;%导纳/2
    if real(z)==0
        k=Line.con(m,7)*Bus.con(b,2)/Bus.con(a,2);%变比K
    else
        k=1;
    end
    Y(a,b)=-1/k/z;%ab间互导纳
    Y(b,a)=Y(a,b);
    Y(a,a)=Y(a,a)+y2+(k-1)/(k*z)+1/k/z;%求自导纳
    Y(b,b)=Y(b,b)+y2+(1-k)/k^2/z+1/k/z;
%     C(a)=data(m,7);%输入节点a,b的补偿电容导纳
%     C(b)=data(m,8);
end
 
%将节点导纳的实虚部分开
B=imag(Y);
G=real(Y);
disp('节点导纳矩阵:')
disp(Y);
%判断PQ、PV、平衡节点的个数
PQn=size(PQ.con,1);
PVn=size(PV.con,1);
SWn=size(SW.con,1);
DCn=Hvdc.con(:,[1 2])';%直流节点编号%取出Hvdc.con第1,2列元素赋值给DCn
ACn=setdiff(1:n,union(DCn,SW.con(1,1)))';%除去1,7,8后排序
Ndc=size(DCn,1);%直流节点个数
Nac=size(ACn,1);%交流节点个数
pn=setdiff(1:n,SW.con(1,1))';
qn=setdiff(pn,PV.con(:,1));
Pn=intersect(ACn, pn);%交流节点P方程节点
Qn=intersect(ACn, qn);%交流节点Q方程节点
p=size(Pn,1);   %交流节点P方程个数
q=size(Qn,1);   %交流节点Q方程个数


3 程序结果


相关文章
|
7月前
|
存储 人工智能 并行计算
交直流混合配电网潮流计算(统一求解法)(Matlab代码实现)
交直流混合配电网潮流计算(统一求解法)(Matlab代码实现)
441 0
|
3月前
|
人工智能 安全 测试技术
AI智能体的开发费用
AI智能体开发成本已形成分层体系,从1万起的低代码方案到百万级企业定制。技术成熟使成本下降,但深度集成、安全合规仍是企业主要支出。含开发、运维及合规等多维度费用,适用于不同场景需求。#AI智能体 #AI应用
|
Java UED Python
【10月更文挑战第4天】「Mac上学Python 4」入门篇4 - PyCharm高效开发环境配置与使用技巧
本篇将详细介绍如何高效地使用PyCharm进行Python开发,内容涵盖PyCharm的主题设置、字体调整、常用快捷键、虚拟环境的管理、库安装与调试技巧等。通过本篇的学习,用户将能够充分利用PyCharm的功能,提升Python开发效率。
580 2
【10月更文挑战第4天】「Mac上学Python 4」入门篇4 - PyCharm高效开发环境配置与使用技巧
|
Oracle 关系型数据库 数据库
已解决:idea 连接 oracle 数据库 避雷
已解决:idea 连接 oracle 数据库 避雷
297 2
|
移动开发 前端开发 API
鸿蒙web加载本地网页资源异常
在鸿蒙NEXT Api 12中,为解决Web组件加载本地资源(如图片、CSS等)失败的问题,我们采用拦截机制。具体步骤如下: 1. **替换路径**:通过正则表达式将HTML和CSS中的资源路径替换为带有标记的URL(如`http://local`),以便后续识别。 2. **拦截与返回**:在资源加载时,拦截带有标记的URL,读取对应的本地文件并返回给Web组件。此过程确保了本地资源能正确加载和显示。 代码实现包括路径替换、资源拦截及响应构建,确保Web页面能够顺利加载本地资源。
689 7
|
数据可视化 Python
【100天精通Python】Day67:Python可视化_Matplotlib 绘制动画,2D、3D 动画 示例+代码
【100天精通Python】Day67:Python可视化_Matplotlib 绘制动画,2D、3D 动画 示例+代码
1476 0
【100天精通Python】Day67:Python可视化_Matplotlib 绘制动画,2D、3D 动画 示例+代码
|
存储 数据安全/隐私保护 索引
SV39多级页表的硬件机制
【10月更文挑战第26天】SV39多级页表机制包括三级页表结构,每个页表项64位,通过SATP寄存器控制地址转换。地址转换过程涉及三级页表查找,最终生成物理地址。页表项包含有效位和访问权限位等标志,用于内存管理和访问控制。物理页帧的分配和回收确保内存的有效利用。
800 4
|
机器学习/深度学习 人工智能 算法
【机器学习】基于YOLOv10实现你的第一个视觉AI大模型
【机器学习】基于YOLOv10实现你的第一个视觉AI大模型
1616 0
|
算法 调度
【完全复现】基于改进粒子群算法的微电网多目标优化调度
该文档描述了一个使用改进粒子群算法实现的微电网多目标优化调度的Matlab程序。该模型旨在最小化运行成本和环境保护成本,将多目标问题通过权值转换为单目标问题解决。程序中定义了决策变量,如柴油发电机、微型燃气轮机、联络线和储能的输出,并使用全局变量处理电负荷、风力和光伏功率等数据。算法参数包括最大迭代次数和种群大小。代码调用了`PSOFUN`函数来执行优化计算,并展示了优化结果的图表。