基于多目标粒子群的微电网优化调度(附matlab代码)

1、部分结果展示

 

 

 

 

 

 

 

%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=600;
%柴油发电机最小功率
DGMinImportPower=200;
mm=mopso;
nn=length(mm.swarm);


for i=1:nn
    yyy(i)= mm.swarm(1,i).cost(1);
   xxx(i)= mm.swarm(1,i).cost(2);
   
end
m1=max( yyy);
m2=max( xxx);
for i=1:nn
    object(i)= mm.swarm(1,i).cost(1)./m1+ mm.swarm(1,i).cost(2)./m2;
    f1(i)=mm.swarm(1,i).cost(1)./m1;
    f2(i)=mm.swarm(1,i).cost(2)./m2;
end
[m,p]=min(object);
pg=mm.swarm(1,p).x;


 for i=1:24
   pg_PV(i)=pg(i);
 end  
 
 for m=25:48
    pg_WT(m-24)=pg(m);
end
for m=49:72
    pg_BT(m-48)=pg(m);
end
for m=73:96
    pg_DG(m-72)=pg(m);
end
  deltp_sum=0;
for i=1:24
   deltp(i)=(pg(i)+pg(i+24)+pg(i+48)+pg(i+72)-P_load(i));
   deltp_sum=deltp_sum+deltp(i);
end


figure(2)
plot(  pg_PV,'-d')
hold on;
plot(PV,'-rd')
xlim([1 24])
grid
legend('已消纳功率','总光伏功率');
xlabel('时间');
ylabel('功率');
title('光伏发电出力')




figure(3)
plot(  pg_WT,'-d')
hold on;
plot(WT,'-rd')
xlim([1 24])
grid
legend('已消纳功率','总风电功率');
xlabel('时间');
ylabel('功率');
title('风力发电出力')


figure(4)
plot(  pg_DG,'-d')
hold on;
xlim([1 24])
grid
xlabel('时间');
ylabel('功率');
title('柴油机机出力')
absorb_pv=sum(pg_PV)/sum(PV);




disp('光伏消纳比例');
absorb_pv


absorb_WT=sum(pg_WT)/sum(WT);




disp('风电消纳比例');
absorb_WT


figure(5)
plot(  pg_BT,'-d')
xlim([1 24])
grid
xlabel('时间');
ylabel('功率');
title('储能出力')






figure(6)
plot(P_load,'-d')
xlim([1 24])
grid
xlabel('时间');
ylabel('功率');
title('负荷')




figure(7)
bar(pg_BT);
hold on
plot( pg_PV,'-d')
xlim([1 24])
grid


plot(pg_WT,'-d');
plot( pg_DG,'-d')
legend('储能','光伏发电','风力发电','柴油发电机');
xlabel('时间/h')
ylabel('功率/kw')

 

posted @   我爱matlab建模  阅读(263)  评论(0编辑  收藏  举报
相关博文:
阅读排行:
· TypeScript + Deepseek 打造卜卦网站:技术与玄学的结合
· 阿里巴巴 QwQ-32B真的超越了 DeepSeek R-1吗?
· 【译】Visual Studio 中新的强大生产力特性
· 【设计模式】告别冗长if-else语句:使用策略模式优化代码结构
· AI与.NET技术实操系列(六):基于图像分类模型对图像进行分类
点击右上角即可分享
微信分享提示