【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
|
4月前
|
分布式计算 Java 开发工具
阿里云MaxCompute-XGBoost on Spark 极限梯度提升算法的分布式训练与模型持久化oss的实现与代码浅析
本文介绍了XGBoost在MaxCompute+OSS架构下模型持久化遇到的问题及其解决方案。首先简要介绍了XGBoost的特点和应用场景,随后详细描述了客户在将XGBoost on Spark任务从HDFS迁移到OSS时遇到的异常情况。通过分析异常堆栈和源代码,发现使用的`nativeBooster.saveModel`方法不支持OSS路径,而使用`write.overwrite().save`方法则能成功保存模型。最后提供了完整的Scala代码示例、Maven配置和提交命令,帮助用户顺利迁移模型存储路径。
|
4月前
|
算法 测试技术 开发者
在Python开发中,性能优化和代码审查至关重要。性能优化通过改进代码结构和算法提高程序运行速度,减少资源消耗
在Python开发中,性能优化和代码审查至关重要。性能优化通过改进代码结构和算法提高程序运行速度,减少资源消耗;代码审查通过检查源代码发现潜在问题,提高代码质量和团队协作效率。本文介绍了一些实用的技巧和工具,帮助开发者提升开发效率。
76 3
|
5月前
|
存储 算法 数据可视化
基于 MATLAB的GUI信号处理界面设计 源码+运行截图
基于 MATLAB的GUI信号处理界面设计 源码+运行截图
172 2
|
5月前
|
分布式计算 NoSQL Java
Hadoop-32 ZooKeeper 分布式锁问题 分布式锁Java实现 附带案例和实现思路代码
Hadoop-32 ZooKeeper 分布式锁问题 分布式锁Java实现 附带案例和实现思路代码
90 2
|
6月前
|
分布式计算 资源调度 Hadoop
在YARN集群上运行部署MapReduce分布式计算框架
主要介绍了如何在YARN集群上配置和运行MapReduce分布式计算框架,包括准备数据、运行MapReduce任务、查看任务日志,并启动HistoryServer服务以便于日志查看。
102 0
|
7月前
|
存储 分布式计算 算法
探索Hadoop的三种运行模式:单机模式、伪分布式模式和完全分布式模式
在配置Hadoop集群之前,了解这三种模式的特点、适用场景和配置差异是非常重要的。这有助于用户根据个人需求和资源情况,选择最适合自己的Hadoop运行模式。在最初的学习和开发阶段,单机模式和伪分布式模式能为用户提供便利和成本效益。进而,当用户要处理大规模数据集时,完全分布式模式将是理想的选择。
424 2
|
7月前
|
安全
【2023高教社杯】D题 圈养湖羊的空间利用率 问题分析、数学模型及MATLAB代码
本文介绍了2023年高教社杯数学建模竞赛D题的圈养湖羊空间利用率问题,包括问题分析、数学模型建立和MATLAB代码实现,旨在优化养殖场的生产计划和空间利用效率。
285 6
【2023高教社杯】D题 圈养湖羊的空间利用率 问题分析、数学模型及MATLAB代码
|
7月前
|
数据采集 存储 移动开发
【2023五一杯数学建模】 B题 快递需求分析问题 建模方案及MATLAB实现代码
本文介绍了2023年五一杯数学建模竞赛B题的解题方法,详细阐述了如何通过数学建模和MATLAB编程来分析快递需求、预测运输数量、优化运输成本,并估计固定和非固定需求,提供了完整的建模方案和代码实现。
151 0
【2023五一杯数学建模】 B题 快递需求分析问题 建模方案及MATLAB实现代码
|
7月前
|
存储 算法 搜索推荐
【2022年华为杯数学建模】B题 方形件组批优化问题 方案及MATLAB代码实现
本文提供了2022年华为杯数学建模竞赛B题的详细方案和MATLAB代码实现,包括方形件组批优化问题和排样优化问题,以及相关数学模型的建立和求解方法。
171 3
【2022年华为杯数学建模】B题 方形件组批优化问题 方案及MATLAB代码实现
|
8月前
|
分布式计算 API 对象存储
Ray是一个开源的分布式计算框架,用于构建和扩展分布式应用。它提供了简单的API,使得开发者可以轻松地编写并行和分布式代码,而无需担心底层的复杂性。
Ray是一个开源的分布式计算框架,用于构建和扩展分布式应用。它提供了简单的API,使得开发者可以轻松地编写并行和分布式代码,而无需担心底层的复杂性。
1456 11

热门文章

最新文章