布局优化基于粒子群算法求解配电网重构matlab源码

Posted 2021-06-05 博主QQ2449341593

传统配电网的运行优化问题主要涉及发电机机端电压的调整、变压器分接头的调节和电容器容量的配置。在接入分布式电源和储能装置之后，配电网的优化问题还将包括对分布式电源和储能装置的控制。配电网运行优化问题的目标函数主要有最小化系统的有功功率损耗，减少设备的运行成本等等。优化变量包括连续型变量即分布式电源和储能装置的有功无功等，离散型变量即变压器的分接头和电容器的投切组数，接入设备的位置和容量等。约束条件主要有1.发电机机端电压的最大最小限制2.变压器分接头的档位限制以及电容器的容量限制3.变压器和电容器每日最大操作数的限制， 4. 分布式电源和储能装置的有功无功功率约束等。综合配电网优化的目标函数、变量以及约束条件，该优化问题可以看作是一个多目标、多变量的混合整数非线性规划问题。
针对配电网的优化问题，目前主要的求解方法有传统的数学优化方法和人工智能方法。传统的数学优化方法主要包括线性/非线性规划法、动态规划法等，而人工智能方法主要包括遗传算法、模拟退火法和粒子群优化算法等。传统的优化算法从全局考虑整个优化问题，原理严格，计算时间较短。但是对目标函数和优化变量的初值要求较高。人工智能算法对目标函数和初值的要求不高，并且能够求解高维度的优化问题，其缺点是容易陷入局部最优，计算时间较长。
综上，配电网的优化方向主要内容有：（1）含分布式发电设备与储能设备的运行方式研究（2）配电网中接入的分布式发电设备与储能装置的安装位置和容量的选择（3）综合考虑分布式发电设备以及储能装置的运行与规划的优化问题研究

 

function main()
clear,clc
disp('请输入粒子数');
n = input('');
Y = CreatPSO(n);
 
for i = 1:n
   disp(['第 ',num2str(i),' 个粒子']);
   disp(Y(i,:));
   [loss(i),minV(i)] = PLoss(Y(i,:));
end
   least = min(loss);
   leastIndex = find(loss == least);
   disp(['网损最小的粒子为第( ',num2str(leastIndex),' )个粒子']);
   disp('粒子为值为');
   disp(Y(leastIndex,:));
   disp(['网损有功功率P最小为( ',num2str(least),' )kW']);
   disp(['节点电压p.u最小为 ',num2str(minV(leastIndex))]);
 
   disp('网络拓扑见图');
 
  figure(2);
   Read(Y(leastIndex,:));
   
end

完整代码添加QQ1575304183