湖州网站建设制作,wordpress如何修改网页,网站开发流程分为哪3个阶段,泰安人才网官方网目录 #x1f4a5;1 概述 1.1 功率损耗 编辑1.2 电压质量 1.3 DG总容量 #x1f4da;2 运行结果 #x1f308;3 Matlab代码实现 #x1f389;4 参考文献 #x1f4a5;1 概述
参考文献#xff1a; 本文采用的是换一个算法解决#xff0c; 基于基于多目标粒子群算法分布… 目录 1 概述 1.1 功率损耗 编辑1.2 电压质量 1.3 DG总容量 2 运行结果 3 Matlab代码实现 4 参考文献 1 概述
参考文献 本文采用的是换一个算法解决 基于基于多目标粒子群算法分布式电源选址定容规划研究。
将可再生能源的分布式发电技术与大电网结 合是 普 遍 公认的节能减排、绿色 环 保、安全可靠的电力系统运行方式 是电力发展的方向。分布式电源(DG)是指在一定的地域范围内以分散方式布置在用户附近 与环境兼容的小型模块化发电单元其发电功率为几千瓦到 几十兆瓦。
分布式发电系统目前大多与配电网并网运行。 入 电 网后会对配电网的潮流分布产生影响进而可以优化配电网 络缓解配电网输 配 用 电 压 力。但 是 由 于 的 投 入 和 退出有很大的随 机 性且输出功率的稳定性易受环境影响因此的不当接入会对电网产生诸多负面影响如 影 响 配 电网的稳定性及电压质量产 生 谐 波 等。这 些 影 响 的 大 小 与的容量和接入位置有很大关因此 的选址定容是在 规划阶段中需要考虑的重点问题。
由于规划的优化目标较为单一传 统 的 规 划 方 法 无 法 很 好地解决这一问题。近 年 来考 虑 电 压、电流质量和环境等因素的多目标优化迅速发展但量纲的不统一使得求解的复杂性大大提高给多目标优化提出了新的挑战。本文在 研究标准粒子群优化算法的基础上针 对 配 电 网 中 的 选址定容问题建立了包括有功率损耗、电压质量及接入 的总容量为目标函数的数学模型基于多目标粒子群算法分布式电源选址定容规划研究用Matlab解决之。
1.1 功率损耗
电能在从发电端传输到负载端的过程中,输电线路上产生的电能损耗不可址 见只议r地减小有功功率损耗,提理地配置配电网中的 DG,可以有效地减小有功功率损耗提高发电利用率,节约能量。基于有功功率损耗的目标函数最优数学表达式为: 1.2 电压质量 某些状况下,电力系统在遭受干扰后的几秒或几分钟内系统中的某些母线电压可能经历大幅度﹑持续性降低,从而使得系统的完整性遭到破坏,功率不能正常地传送给用户。这种灾变称为系统电压不稳定﹐其灾难后果则是电压崩溃。通常用静态电压稳定指标来表示系统电压稳定性。配电网中电 压质量受配电系统的电压稳定性影呵。今乂术用能T网P电压基于期望电压的方差来描述电压质量。基于电压质量的目标函数最优数学表达式为: 1.3 DG总容量
在实际应用中不仅要考虑改善电网带来的经济效应,还需要考虑DG安装、运行和维护的成本费用问题。本文中不涉及经济模型,仅考虑接入配电网的DG总容量。基于DG总容量的目标函数最优数学表达式为:
2 运行结果 3 Matlab代码实现
部分代码
%% 雅可比矩阵 J[jpt jpv; jqt jqv]; X (inv(J))*M;%偏差 %% 相位偏差 dTh X(1:nbus-1); %% 电压偏差 dV X(nbus:end); [e1,d1,n1]eig(JR);%计算矩阵A的特征值和特征向量的函数是eig(A)[V,D,W] eig(A)[V,D,W] eig(A)返回满矩阵 W其列是对应的左特征向量使得 W’A DW’。 %diag(A),若A是一个矩阵则diag函数的作用是产生提取矩阵的对角线若a是一个向量则diag函数的作用是产生一个对角线为a的矩阵 %% 目标2 电压稳定性 f2valmax(1./diag((d1)))*max(abs(dQ));%目标2稳定性 del(2:nbus) dTh del(2:nbus); k 1; for i 2:nbus if type(i) 3 V(i) dV(k) V(i); k k1; end end %% 目标2和目标3 tvalsum(1./diag((d1))); po_valflow_cal(nbus,V,del,BMva); f1valsum(po_val);%各支路网损和 f3valsum(datain(5:8));%DG容量和
fout[f1val; f2val; f3val];
for i 1 : N % Number of individuals that dominate this individual individual(i).n 0; % Individuals which this individual dominate individual(i).p []; for j 1 : N dom_less 0; dom_equal 0; dom_more 0; for k 1 : M if (x(i,V k) x(j,V k)) dom_less dom_less 1; elseif (x(i,V k) x(j,V k)) dom_equal dom_equal 1; else dom_more dom_more 1; end end if dom_less 0 dom_equal ~ M %大于等于的情况 individual(i).n individual(i).n 1; elseif dom_more 0 dom_equal ~ M %小于等于的情况 individual(i).p [individual(i).p j]; end end if individual(i).n 0 x(i,M V 1) 1; F(front).f [F(front).f i]; end end % Find the subsequent fronts while ~isempty(F(front).f) Q []; for i 1 : length(F(front).f) if ~isempty(individual(F(front).f(i)).p) for j 1 : length(individual(F(front).f(i)).p) individual(individual(F(front).f(i)).p(j)).n ... individual(individual(F(front).f(i)).p(j)).n - 1; if individual(individual(F(front).f(i)).p(j)).n 0 x(individual(F(front).f(i)).p(j),M V 1) ... front 1; Q [Q individual(F(front).f(i)).p(j)]; end end end end front front 1; F(front).f Q; end
[temp,index_of_fronts] sort(x(:,M V 1)); for i 1 : length(index_of_fronts) sorted_based_on_front(i,:) x(index_of_fronts(i),:); end current_index 0;
%% Crowding distance %The crowing distance is calculated as below % ?For each front Fi, n is the number of individuals. % ?initialize the distance to be zero for all the individuals i.e. Fi(dj ) 0, % where j corresponds to the jth individual in front Fi. % ?for each objective function m % * Sort the individuals in front Fi based on objective m i.e. I % sort(Fi,m). % * Assign infinite distance to boundary values for each individual % in Fi i.e. I(d1) ? and I(dn) ? % * for k 2 to (n ? 1) % ?I(dk) I(dk) (I(k 1).m ? I(k ? 1).m)/fmax(m) - fmin(m) % ?I(k).m is the value of the mth objective function of the kth % individual in I
% Find the crowding distance for each individual in each front for front 1 : (length(F) - 1) % objective []; distance 0; y []; previous_index current_index 1; for i 1 : length(F(front).f) y(i,:) sorted_based_on_front(current_index i,:); end current_index current_index i; % Sort each individual based on the objective sorted_based_on_objective []; for i 1 : M [sorted_based_on_objective, index_of_objectives] ... sort(y(:,V i)); sorted_based_on_objective []; for j 1 : length(index_of_objectives) sorted_based_on_objective(j,:) y(index_of_objectives(j),:); end f_max ... sorted_based_on_objective(length(index_of_objectives), V i); f_min sorted_based_on_objective(1, V i); y(index_of_objectives(length(index_of_objectives)),M V 1 i)... Inf; y(index_of_objectives(1),M V 1 i) Inf; for j 2 : length(index_of_objectives) - 1 next_obj sorted_based_on_objective(j 1,V i); previous_obj sorted_based_on_objective(j - 1,V i); if (f_max - f_min 0) y(index_of_objectives(j),M V 1 i) Inf; else y(index_of_objectives(j),M V 1 i) ... (next_obj - previous_obj)/(f_max - f_min); end end end distance []; distance(:,1) zeros(length(F(front).f),1); for i 1 : M distance(:,1) distance(:,1) y(:,M V 1 i); end y(:,M V 2) distance; y y(:,1 : M V 2); z(previous_index:current_index,:) y; end f z();
4 参考文献 部分理论来源于网络如有侵权请联系删除。 [1]周洋,许维胜,王宁,邵炜晖.基于改进粒子群算法的多目标分布式电源选址定容规划[J].计算机科学,2015,42(S2):16-1831.
[2]冯元元. 基于多目标规划的分布式发电选址定容研究[D].华北电力大学,2015.
[3]杨智君. 基于群智能算法的分布式电源选址与定容[D].太原科技大学,2019.DOI:10.27721/d.cnki.gyzjc.2019.000065.
