【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)
548 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)
274 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)
318 8
|
5月前
|
数据采集 分布式计算 并行计算
mRMR算法实现特征选择-MATLAB
mRMR算法实现特征选择-MATLAB
354 2
|
6月前
|
传感器 机器学习/深度学习 编解码
MATLAB|主动噪声和振动控制算法——对较大的次级路径变化具有鲁棒性
MATLAB|主动噪声和振动控制算法——对较大的次级路径变化具有鲁棒性
316 3
|
6月前
|
存储 编解码 算法
【多光谱滤波器阵列设计的最优球体填充】使用MSFA设计方法进行各种重建算法时,图像质量可以提高至多2 dB,并在光谱相似性方面实现了显著提升(Matlab代码实现)
【多光谱滤波器阵列设计的最优球体填充】使用MSFA设计方法进行各种重建算法时,图像质量可以提高至多2 dB,并在光谱相似性方面实现了显著提升(Matlab代码实现)
228 6
|
5月前
|
机器学习/深度学习 算法 数据可视化
基于MVO多元宇宙优化的DBSCAN聚类算法matlab仿真
本程序基于MATLAB实现MVO优化的DBSCAN聚类算法,通过多元宇宙优化自动搜索最优参数Eps与MinPts,提升聚类精度。对比传统DBSCAN,MVO-DBSCAN有效克服参数依赖问题,适应复杂数据分布,增强鲁棒性,适用于非均匀密度数据集的高效聚类分析。
|
6月前
|
机器学习/深度学习 传感器 算法
【高创新】基于优化的自适应差分导纳算法的改进最大功率点跟踪研究(Matlab代码实现)
【高创新】基于优化的自适应差分导纳算法的改进最大功率点跟踪研究(Matlab代码实现)
356 14
|
5月前
|
开发框架 算法 .NET
基于ADMM无穷范数检测算法的MIMO通信系统信号检测MATLAB仿真,对比ML,MMSE,ZF以及LAMA
简介:本文介绍基于ADMM的MIMO信号检测算法,结合无穷范数优化与交替方向乘子法,降低计算复杂度并提升检测性能。涵盖MATLAB 2024b实现效果图、核心代码及详细注释,并对比ML、MMSE、ZF、OCD_MMSE与LAMA等算法。重点分析LAMA基于消息传递的低复杂度优势,适用于大规模MIMO系统,为通信系统检测提供理论支持与实践方案。(238字)
|
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)
435 2

热门文章

最新文章