Matlab

2024-06-24 03:25| 来源: 网络整理| 查看: 265

1 主要内容

2 部分代码

3 程序结果

4 下载链接

1 主要内容

程序针对微电网优化模型进行优化求解，文件夹共包含四部分内容，分别是：原始多目标粒子群、改进多目标粒子群、改进多目标粒子群（勘误）和改进多目标粒子群（多约束模板），满足各位同学对于多目标粒子群算法各类需求。

多约束多目标智能算法优化模板，具体完善内容有一下几点：

1.利用好“可行状态”标志，在目标函数子程序（fitness）中集中将爬坡约束、soc约束、联络线功率约束等做成模板形式，只要是增加/修改约束，就在这部分按照同样的格式就轻松搞定。 2.固化无需修改的子函数，由于程序涉及到多个子函数，而且采用结构变量形式，调试难度比较大，因此，对这些子程序进行完善固化，只需要了解每个模块的功能即可，无需进行修改。 2 部分代码 %多目标粒子群优化的实现 % 最小化问题的技术 %% 初始化参数 global PV; global WT; %蓄电池最大放电功率（正表示为电负荷供电，即放电） BESSMax_dischar=30; %蓄电池最大充电功率 BESSMax_char=-30; %柴油机最大发电功率 DEMax=30; %柴油机最小发电功率 DEMin=6; %燃气轮机最大发电功率 MTMax=30; %燃气轮机最小发电功率 MTMin=3; %主网交互最大功率(正表示为电负荷供电) GridMax=30; %主网交互最小功率 GridMin=-30; %% 种群初始化 if nargin==0 %nargin是判断输入变量个数的函数 c = [0.1,0.2]; % 加速因子 iw = [0.5 0.001]; % 惯性因子 max_iter =100; % 最大迭代次数 %各设备出力约束 for n=1:144 %粒子长度为144（光伏，风电，储能，柴油,燃气轮机，主网的6*24个小时出力） if n24&&n48&&n72&&n96&&n120 lower_bound(n)=GridMin; upper_bound(n) =GridMax; end end swarm_size=100; % 种群个数 rep_size=100; % 存档库大小 grid_size=7; % 每个维度的网格数 alpha=0.1; % 通货膨胀率 beta=2; % 领导人选择压力 gamma=2; % 删除选择压力 mu=0.1; % 变异速率 problem=@prob; % 创建函数句柄为problem，函数为pro，可以简单理解为调用 end %% 初始化粒子 fprintf('初始化种群中\n') w = @(it) ((max_iter - it) - (iw(1) - iw(2)))/max_iter + iw(2); %更新惯性因子--改进粒子群算法 pm = @(it) (1-(it-1)/(max_iter-1))^(1/mu); %类比遗传算法引入变异操作，更新变异速率，在particle函数的78-84行 swarm(1,swarm_size) = Particle(); %调用Particle函数，从obj中得到swarm_size for i = 1:swarm_size swarm(i)=Particle(lower_bound,upper_bound,problem);%调用Particle函数 retry = 0; while swarm(i).infeasablity > 0 && retry < 100 %循环条件为：无不可行解且次数低于100 swarm(i)=Particle(lower_bound,upper_bound,problem);%调用Particle函数 retry = retry + 1; end end 3 程序结果

4 下载链接

【本文地址】

公司简介

联系我们