【微电网优化】基于遗传算法求解孤岛型微电网（成本最低） 调度优化问题附matlab代码

1 简介

为了能够降低微电网发电过程中的发电成本,减少环境污染,对微电网中各部分的负荷进行了优化分配.研究的微电网包含风力发电机,光伏发电机,柴油发电机以及微型燃气轮机四部分,通过采用遗传算法对孤网运行及并网运行两种运行模式下的负荷进行分配.在孤网运行模式的优化过程中,以综合成本为目标函数,综合成本包括运行成本和环境成本两部分.在并网运行模式的优化过程中,综合成本在孤网运行模式成本的基础上增加考虑了与大电网进行交易的成本.约束条件包括功率平衡约束和微电源出力约束两部分.采用MATLAB平台对上述模型进行仿真,仿真结果表明,采用提出的负荷优化分配模型可以有效的降低发电的综合成本,是切实可行的.

2 部分代码

function ret=Mutation(pmutation,lenchrom,chrom,sizepop,pop,bound)% 本函数完成变异操作% pcorss                input  : 变异概率% lenchrom              input  : 染色体长度% chrom                 input  : 染色体群% sizepop               input  : 种群规模% pop                   input  : 当前种群的进化代数和最大的进化代数信息% ret                   output : 变异后的染色体​for i=1:sizepop      % 随机选择一个染色体进行变异    pick=rand;    while pick==0        pick=rand;    end    index=ceil(pick*sizepop);    % 变异概率决定该轮循环是否进行变异    pick=rand;    if pick>pmutation        continue;    end    flag=0;    while flag==0        % 变异位置        pick=rand;        while pick==0            pick=rand;        end        pos=ceil(pick*sum(lenchrom));  %随机选择了染色体变异的位置，即选择了第pos个变量进行变异        v=chrom(i,pos);        v1=v-bound(pos,1);        v2=bound(pos,2)-v;        pick=rand; %变异开始        if pick>0.5            delta=v2*(1-pick^((1-pop(1)/pop(2))^2));            chrom(i,pos)=v+delta;        else            delta=v1*(1-pick^((1-pop(1)/pop(2))^2));            chrom(i,pos)=v-delta;        end   %变异结束        flag=test(lenchrom,bound,chrom(i,:));     %检验染色体的可行性    endendret=chrom;

3 仿真结果

4 参考文献

[1]储海兵. 基于遗传算法的微电网优化调度[J]. 工业控制计算机, 2019, 32(2):3.

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

部分理论引用网络文献，若有侵权联系博主删除。