【免费】基于ADMM算法的多微网电能交互分布式运行策略(matlab代码)

简介: 【免费】基于ADMM算法的多微网电能交互分布式运行策略(matlab代码)

主要内容  

该模型为三微网电能交互共享模型,以运行成本和环境成本为目标,考虑负荷需求响应(可削减负荷和可转移负荷)、储能约束、风电约束和功率平衡约束等,利用ADMM算法进行迭代求解,实现联盟群效益的最大化,程序采用matlab+cplex求解,基本做到句句注释,具有较好的参考价值。

 部分代码  

%% ADMM算法参数设置
lambda_12=zeros(1,24);lambda_13=zeros(1,24);lambda_21=zeros(1,24);
lambda_23=zeros(1,24);lambda_31=zeros(1,24);lambda_32=zeros(1,24);%拉格朗日乘子初始化
max_k=1000;  %最大迭代次数
tolerant=1e-3;%收敛精度
rho=1e-4;%惩罚因子
k=1;%迭代次数初始化
tao=[]; %残差
P_12=zeros(max_k+1,24);P_21=zeros(max_k+1,24);P_13=zeros(max_k+1,24);
P_31=zeros(max_k+1,24);P_23=zeros(max_k+1,24);P_32=zeros(max_k+1,24);%交互量
%% 迭代
while 1
    if k==max_k 
       break; 
    end 
    [P_wt_1,P_buy_1,P_batd_1,P_batc_1,P_sell_1,P_grid_1,P_bat_1,L_e_1,L_e0_1,E_co2_1,P_12(k+1,:),P_13(k+1,:),Obj_MG1(k)]=xin1(P_21(k+1,:),P_31(k+1,:),lambda_12,lambda_13,rho);
    [P_pv_2,P_buy_2,P_batd_2,P_batc_2,P_sell_2,P_grid_2,P_bat_2,L_e_2,L_e0_2,E_co2_2,P_21(k+1,:),P_23(k+1,:),Obj_MG2(k)]=xin2(P_12(k+1,:),P_32(k+1,:),lambda_21,lambda_23,rho);
    [P_pv_3,P_buy_3,P_batd_3,P_batc_3,P_sell_3,P_grid_3,P_bat_3,L_e_3,L_e0_3,E_co2_3,P_31(k+1,:),P_32(k+1,:),Obj_MG3(k)]=xin3(P_13(k+1,:),P_23(k+1,:),lambda_31,lambda_32,rho);
    lambda_12=lambda_12+rho*(P_12(k+1,:)+P_21(k+1,:));
    lambda_13=lambda_13+rho*(P_13(k+1,:)+P_31(k+1,:));
    lambda_21=lambda_21+rho*(P_21(k+1,:)+P_12(k+1,:));
    lambda_23=lambda_23+rho*(P_23(k+1,:)+P_32(k+1,:));
    lambda_31=lambda_31+rho*(P_31(k+1,:)+P_13(k+1,:));
    lambda_32=lambda_32+rho*(P_32(k+1,:)+P_23(k+1,:));
    tao=[tao,norm(P_12(k+1,:)-P_12(k,:))+norm(P_13(k+1,:)-P_13(k,:))+norm(P_23(k+1,:)-P_23(k,:))]; %残差计算
    if tao(k)<=tolerant
       break;     %判断收敛条件
    end
    k=k+1;
end
toc
disp(['微网1的二氧化碳排放量 : ', num2str(E_co2_1),' kg']);
disp(['微网2的二氧化碳排放量 : ', num2str(E_co2_2),' kg']);
disp(['微网3的二氧化碳排放量 : ', num2str(E_co2_3),' kg']);
%% 画图
figure(1)
plot(Obj_MG1,'m','LineWidth',1.5);
hold on
plot(Obj_MG2,'r','LineWidth',1.5);
hold on
plot(Obj_MG3,'b','LineWidth',1.5);
hold on
legend('微网1','微网2','微网3');
xlabel('迭代次数/k');
ylabel('成本/元');
legend('boxoff');


 结果一览  

下载链接

相关文章
|
5月前
|
机器学习/深度学习 算法 机器人
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
503 0
|
5月前
|
机器学习/深度学习 算法 机器人
使用哈里斯角Harris和SIFT算法来实现局部特征匹配(Matlab代码实现)
使用哈里斯角Harris和SIFT算法来实现局部特征匹配(Matlab代码实现)
257 8
|
5月前
|
机器学习/深度学习 算法 自动驾驶
基于导向滤波的暗通道去雾算法在灰度与彩色图像可见度复原中的研究(Matlab代码实现)
基于导向滤波的暗通道去雾算法在灰度与彩色图像可见度复原中的研究(Matlab代码实现)
296 8
|
6月前
|
机器学习/深度学习 传感器 算法
【无人车路径跟踪】基于神经网络的数据驱动迭代学习控制(ILC)算法,用于具有未知模型和重复任务的非线性单输入单输出(SISO)离散时间系统的无人车的路径跟踪(Matlab代码实现)
【无人车路径跟踪】基于神经网络的数据驱动迭代学习控制(ILC)算法,用于具有未知模型和重复任务的非线性单输入单输出(SISO)离散时间系统的无人车的路径跟踪(Matlab代码实现)
405 2
|
5月前
|
机器学习/深度学习 数据采集 负载均衡
结合多种启发式解码方法的混合多目标进化算法,用于解决带工人约束的混合流水车间调度问题(Matlab代码实现)
结合多种启发式解码方法的混合多目标进化算法,用于解决带工人约束的混合流水车间调度问题(Matlab代码实现)
266 0
|
5月前
|
机器学习/深度学习 人工智能 算法
【基于TTNRBO优化DBN回归预测】基于瞬态三角牛顿-拉夫逊优化算法(TTNRBO)优化深度信念网络(DBN)数据回归预测研究(Matlab代码实现)
【基于TTNRBO优化DBN回归预测】基于瞬态三角牛顿-拉夫逊优化算法(TTNRBO)优化深度信念网络(DBN)数据回归预测研究(Matlab代码实现)
238 0
|
6月前
|
机器学习/深度学习 存储 算法
【微电网调度】考虑需求响应的基于改进多目标灰狼算法的微电网优化调度研究(Matlab代码实现)
【微电网调度】考虑需求响应的基于改进多目标灰狼算法的微电网优化调度研究(Matlab代码实现)
273 0
|
5月前
|
算法 定位技术 计算机视觉
【水下图像增强】基于波长补偿与去雾的水下图像增强研究(Matlab代码实现)
【水下图像增强】基于波长补偿与去雾的水下图像增强研究(Matlab代码实现)
423 0
|
5月前
|
算法 机器人 计算机视觉
【图像处理】水下图像增强的颜色平衡与融合技术研究(Matlab代码实现)
【图像处理】水下图像增强的颜色平衡与融合技术研究(Matlab代码实现)
176 0
|
5月前
|
新能源 Java Go
【EI复现】参与调峰的储能系统配置方案及经济性分析(Matlab代码实现)
【EI复现】参与调峰的储能系统配置方案及经济性分析(Matlab代码实现)
192 0