尧图网站建设 
1 简介在研究冷热电联供系统优化运行的过程中,为了更好地优化调度冷热电联供系统中各设备的出力,提出了基于粒子群算法优化算法建立了一个包含风机,光伏,微燃机和燃气锅炉等主要设备的冷热电联供系统模型.以联供系统的运行成本,污染物排放量和能源利用率为目标,建立了优化模型.在满足设备出力,功率平衡等约束条件下,利用Matlab进行了优化求解.仿真结果表明,所提出的冷热电联供系统优化方法,可以有效地提高经济效益,减少污染排放,提高能源利用率.2 部分代码popinitpop(80,2,24,66,33);objvaluecalobjvalue(pop);PL[63 57 44 43 43 40 56 66 78 75 89 105 125 121 116 104 101 103 104 121 116 121 106 89];QL[139 136 122 128 128 128 131 142 138 138 150 169 183 187 189 183 171 161 154 165 156 148 141 132];popsize80;scope24;PMTmax66;PMTmin33;MaxIt60;c12;c22;w0.6;vzeros(2,24,80);pbestpop;objvaluepbestcalobjvalue(pbest);gbestpop(:,:,1);objvaluegbestobjvalue(1);for i1:(popsize-1)if objvalue(i1)objvalue(i)gbestpop(:,:,i1); %比较每个粒子的适应度将适应度最小的粒子位置取做gbestobjvaluegbestobjvalue(i1);endenditer0;%迭代次数while iterMaxItiteriter1;for i1:popsizeif objvalue(i)objvaluepbest(i)objvaluepbest(i)objvalue(i);pbest(:,:,i)pop(:,:,i);%当粒子的适应度小于其最佳适应度时,用其替代原来粒子的最佳适应度,并记下此解endendfor i1:popsizeif objvalue(i)objvaluegbestobjvaluegbestobjvalue(i);gbestpop(:,:,i);%当存在粒子的适应度小于种群的最佳适应度时,用其替代原来种群的最佳适应度,并记下此解endendfor i1:popsizegbestpop(:,:,i)gbest;%将二维gbest拓展为三维gbestpopendR1rand(2,24,80);R2rand(2,24,80);vv*wc1*R1.*(pbest-pop)c2*R2.*(gbestpop-pop);poppopv;for j1:popsizefor i1:scopeif pop(1,i,j)PMTmax/2.91pop(1,i,j)PMTmax/2.91;endif pop(1,i,j)PMTmin/2.91pop(1,i,j)PMTmin/2.91;end%为满足功率平衡电网购电由燃气轮机出力求得pop(2,i,j)(QL(1,i)-pop(1,i,j)*2*2.91)/2.3PL(1,i)-2.91*pop(1,i,j);endendobjvaluecalobjvalue(pop)endgbest%画图程序x[1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24];y1PL;y22.91*gbest(1,:);y3gbest(2,:);y7y2y3-y1;scatter(x,y1,k)hold onscatter(x,y2,r*)hold onscatter(x,y3,b^)hold onscatter(x,y7,kx)plot(x,y1);hold onplot(x,y2);hold onplot(x,y3);hold onplot(x,y7);xlabel(时刻h);ylabel(输出功率KW);axis([0,24,0,180]);legend(电负荷,燃机出力,系统与大电网交换功率,电空调功率);title(夏季各设备电功率曲线图);y4QL;y52*2.91*gbest(1,:);y62.3*y7;figure(2);scatter(x,y4,k)hold onscatter(x,y5,r*)hold onscatter(x,y6,b^)plot(x,y4);hold onplot(x,y5);hold onplot(x,y6);xlabel(时刻h);ylabel(制冷功率KW);title(夏季各设备冷功率曲线图);axis([0,24,0,200]);legend(冷负荷,烟气余热制冷功率,电空调制冷量);3 仿真结果4 参考文献[1]贠保记, 白森珂, 张国. 基于混沌自适应粒子群算法的冷热电联供系统优化[J]. 电力系统保护与控制, 2020, 48(10):8. 【优化调度】基于粒子群算法求解燃机冷热电优化联供问题matlab代码
1 简介在研究冷热电联供系统优化运行的过程中,为了更好地优化调度冷热电联供系统中各设备的出力,提出了基于粒子群算法优化算法建立了一个包含风机,光伏,微燃机和燃气锅炉等主要设备的冷热电联供系统模型.以联供系统的运行成本,污染物排放量和能源利用率为目标,建立了优化模型.在满足设备出力,功率平衡等约束条件下,利用Matlab进行了优化求解.仿真结果表明,所提出的冷热电联供系统优化方法,可以有效地提高经济效益,减少污染排放,提高能源利用率.2 部分代码popinitpop(80,2,24,66,33);objvaluecalobjvalue(pop);PL[63 57 44 43 43 40 56 66 78 75 89 105 125 121 116 104 101 103 104 121 116 121 106 89];QL[139 136 122 128 128 128 131 142 138 138 150 169 183 187 189 183 171 161 154 165 156 148 141 132];popsize80;scope24;PMTmax66;PMTmin33;MaxIt60;c12;c22;w0.6;vzeros(2,24,80);pbestpop;objvaluepbestcalobjvalue(pbest);gbestpop(:,:,1);objvaluegbestobjvalue(1);for i1:(popsize-1)if objvalue(i1)objvalue(i)gbestpop(:,:,i1); %比较每个粒子的适应度将适应度最小的粒子位置取做gbestobjvaluegbestobjvalue(i1);endenditer0;%迭代次数while iterMaxItiteriter1;for i1:popsizeif objvalue(i)objvaluepbest(i)objvaluepbest(i)objvalue(i);pbest(:,:,i)pop(:,:,i);%当粒子的适应度小于其最佳适应度时,用其替代原来粒子的最佳适应度,并记下此解endendfor i1:popsizeif objvalue(i)objvaluegbestobjvaluegbestobjvalue(i);gbestpop(:,:,i);%当存在粒子的适应度小于种群的最佳适应度时,用其替代原来种群的最佳适应度,并记下此解endendfor i1:popsizegbestpop(:,:,i)gbest;%将二维gbest拓展为三维gbestpopendR1rand(2,24,80);R2rand(2,24,80);vv*wc1*R1.*(pbest-pop)c2*R2.*(gbestpop-pop);poppopv;for j1:popsizefor i1:scopeif pop(1,i,j)PMTmax/2.91pop(1,i,j)PMTmax/2.91;endif pop(1,i,j)PMTmin/2.91pop(1,i,j)PMTmin/2.91;end%为满足功率平衡电网购电由燃气轮机出力求得pop(2,i,j)(QL(1,i)-pop(1,i,j)*2*2.91)/2.3PL(1,i)-2.91*pop(1,i,j);endendobjvaluecalobjvalue(pop)endgbest%画图程序x[1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24];y1PL;y22.91*gbest(1,:);y3gbest(2,:);y7y2y3-y1;scatter(x,y1,k)hold onscatter(x,y2,r*)hold onscatter(x,y3,b^)hold onscatter(x,y7,kx)plot(x,y1);hold onplot(x,y2);hold onplot(x,y3);hold onplot(x,y7);xlabel(时刻h);ylabel(输出功率KW);axis([0,24,0,180]);legend(电负荷,燃机出力,系统与大电网交换功率,电空调功率);title(夏季各设备电功率曲线图);y4QL;y52*2.91*gbest(1,:);y62.3*y7;figure(2);scatter(x,y4,k)hold onscatter(x,y5,r*)hold onscatter(x,y6,b^)plot(x,y4);hold onplot(x,y5);hold onplot(x,y6);xlabel(时刻h);ylabel(制冷功率KW);title(夏季各设备冷功率曲线图);axis([0,24,0,200]);legend(冷负荷,烟气余热制冷功率,电空调制冷量);3 仿真结果4 参考文献[1]贠保记, 白森珂, 张国. 基于混沌自适应粒子群算法的冷热电联供系统优化[J]. 电力系统保护与控制, 2020, 48(10):8.