【微电网优化】基于多目标算法的冷热电联供型综合能源系统运行优化附matlab代码
【微电网优化】基于多目标算法的冷热电联供型综合能源系统运行优化附matlab代码
TT_Matlab
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，完整matlab代码或者程序定制加qq1575304183。
1 简介
现有的能源系统往往都是单独规划、单独运行，导致能源利用率低，污染高。如今，人们更多地研究如何把各独立供能系统进行协同优化，减少其环境污染的同时增加能源利用率及经济性能。
各类能源的大规模接入导致了能源系统往往无法兼顾经济性和环保性，优化运行的能力不够。因此如何优化综合能源系统，兼顾系统运行的经济性和环保性成为需要解决的问题。现以系统经济性和环保性最优建立目标函数并构建约束条件，建立冷热电联供型系统( combinedcooling，heating and power，CCHP) 的优化模型; 利用粒子群算法对求解系统优化模型; 最后，结合算例进行结果分析，研究系统在单一目标和同时兼顾多目标下系统的运行结果，为综合能源系统后期的协同规划提供参考。
为了解决现有冷热电联供型综合能源系统大多只单一考虑系统机组投资成本或系统环境污染，影响系统整体优化运行的问题，以系统经济性和环保性为目标，对冷热电联供系统进行研究分析。构建含燃气轮机、燃气锅炉、电制冷机等机组的冷热电联供系统优化模型并建立约束条件; 粒子群算法，面向多约束目标进行模型求解优化，提高求解的收敛精度、收敛速度和稳定性; 最后利用算例进行结果分析。结果表明粒子群算法能够同时兼顾系统的经济性和环保性，使系统运行更加优化，为之后的能源供给系统的规划提供前期依据。
2 部分代码
function result=fitness(X,WEI)
%clear all;
%clc;
FG=zeros(1,24); %燃气机在t时段的消耗的燃气量
FBoi=zeros(1,24); %锅炉在t时段的消耗的燃料量
h=zeros(1,24);
FE=zeros(1,24); %存储一共用了多少燃气
yBoi=0.85; %锅炉的热效率
ygg=zeros(2,24); %ygg对应的是第i台燃气发电机的发电效率
D=8;
PG=zeros(1,24); %向主电网交互的电量
HJ=zeros(1,24); %二氧化碳的排放量
ue=0.872; %单位功率下二氧化碳的排放系数
uf=5.42; %单位体积的二氧化碳排放系数
W=0.004125;%此为惩罚系数，包括排放惩罚和环境价值
CE=zeros(1,24);%t时段与主电网间能量交互成本
Rr=zeros(1,24);%存电价
% rLrg=1.123;%天然气价格单位为美元/therm
fa=100; R=0.034;%电转气系数
% Pwind=[11160,12410,12140,12590,12410,11320,10040,10536,8230,9004,8050,8320,8878,8500,8230,8680,9482,9500,1770,11518,11068,11860,11140,8700]; %风力发电机的功率
Pwind=[693,718,883,698,888,683,723,695,678,721,568,583,614,693,678,703,692,693,808,994,869,813,873,808];
PD=[2800,2700,3000,3800,4600,4600,5200,5400,5800,6300,7400,8700,9700,10000,10100,10300,9000,7000,6700,5900,4500,3000,2700,2800]; %为一天中不同时段的系统需要的预测电功率
Ppv=[0,0,0,0,0,0,1650,2450,3250,3350,3400,3750,3450,3250,3200,2400,2100,1300,0,0,0,0,0,0]; %光伏发电机的功率
rElc=[0.182,0.182,0.182,0.182,0.182,0.182,0.518,0.518,0.882,0.882,0.882,0.882,0.518,0.518,0.882,0.882,0.882,0.882,0.882,0.518,0.518,0.518,0.182,0.182];%一天中每小时的购电价格
RElc=[0.14,0.14,0.14,0.14,0.14,0.14,0.406,0.406,0.70,0.70,0.70,0.70,0.406,0.406,0.70,0.70,0.70,0.70,0.70,0.406,0.406,0.406,0.14,0.14]; %一天中每小时的售电价格
f1=rLrg*sum(FE)+sum(CE); %燃气成本和向电网购电或是售电后的花费
f2=W*sum(HJ); %碳排放消费费用
result=f1+f2+fa*sum(h);
3 仿真结果
4 参考文献
[1]窦春霞, 贾星蓓, 赵方,等. 基于改进粒子群算法的微电网分布式能源优化策略[C]// 中国电机工程学会电力系统自动化专业委员会三届一次会议暨学术交流会. 中国电机工程学会, 2011.
[2]刘娇娇, 王致杰, 张祯海,等. 海岛智能微电网系统优化调度[J]. 上海电机学院学报, 2014, 17(3):7.
[3]陶静等. "基于多目标算法的冷热电联供型综合能源系统运行优化." 科学技术与工程 19.33(2019):6.