【双层模型】分布式光伏储能系统的优化配置方法
1主要内容步伐模型参考《分布式光伏储能系统的优化配置方法》，分为上下层求解方式，上层采用粒子群算法确定储能的选址和容量方案，以全年购电成本、网络损耗、光伏运行成本、储能充放电和投资成本为目标；下层采用混合整数规划算法（默认求解器为cplex，也可替换成gurobi），以IEEE33节点配电网为研究对象，通过二阶锥模型求解，以电网购电成本为目标函数。步伐注释清晰，方便参考学习！
https://img2024.cnblogs.com/blog/3238233/202406/3238233-20240626104703368-1743813410.png
因此，本步伐和原文还是有些明显的区别：
1.原文中双层模型均采用智能算法，遗传/粒子群算法，本步伐上层采用粒子群，下层采用规划算法，需要求解器求解。2.原文中以9节点系统为例，本步伐实际上采用33节点，该节点系统应用更广泛，参考性更强。2部分代码
%盘算各个粒子的适应度，并初始化Pi和Pg****************Pgrid=zeros(33,24);%上网购电p_ch=zeros(1,24);%储能充电功率p_dch=zeros(1,24);%储能放电功率p_pv=zeros(1,24); %光伏着力I=zeros(32,24); %电流平方值Pg=zeros(32,1); %风机着力E_ess=zeros(1,24); %储能电量for i=1:N =solution(x(i,:));Pgrid=y1;p_ch=y2;p_dch=y3;p_pv=y4;I=y5;Pg=y6;E_ess=y7; p(i)=fitness(x(i,:),Pgrid,p_ch,p_dch,p_pv,I,Pg,s); y(i,:)=x(i,:);%每个粒子的个体寻优值endPbest=fitness(x(1,:),Pgrid,p_ch,p_dch,p_pv,I,Pg,s);pg=x(1,:);%Pg为全局最优for i=2:N =solution(x(i,:));Pgrid=y1;p_ch=y2;p_dch=y3;p_pv=y4;I=y5;Pg=y6;E_ess=y7; if fitness(x(i,:),Pgrid,p_ch,p_dch,p_pv,I,Pg,s):),Pgrid,p_ch,p_dch,p_pv,I,Pg,s); pg=x(i,:);%全局最优更新 endend%进入主循环*****************************************for t=1:Max_Dt t for i=1:N w=w_max-(w_max-w_min)*t/Max_Dt;%惯性权重更新 c1=(0.5-2.5)*t/Max_Dt+2.5; %认知 c2=(2.5-0.5)*t/Max_Dt+0.5; %社会熟悉 w=0.7; v(i,:)=w*v(i,:)+c1*rand()*(y(i,:)-x(i,:))+c2*rand()*(pg-x(i,:)); for m=1:D if(v(i,m)>v_max) v(i,m)=v_max; elseif(v(i,m)
页:
[1]