资源简介
原始对偶内点法计算最优潮流;matlab程序;optimal power flow
代码片段和文件信息
%第一步先由内点法求得局部最优解
%%%对比用
%%内点法加SDP的全局最优性条件考虑了提前判断起作用约束的条件
clc;clear all;
mpc=loadcase(‘case9_c1‘); %可加载不同系统
define_constants; %定义常量
baseMVA=mpc.baseMVA; %系统基值
n=size(mpc.bus1); %节点个数
m=size(mpc.gen1); %发电机个数
branchnum=size(mpc.branch1); %支路数
% format long
f=0; %内点法求得的发电成本
Pg=zeros(m1); %内点法求得的机组出力
bus_slack=find(mpc.bus(:BUS_TYPE)==3); %平衡节点
v=1; %内点法求得的平衡节点电压
result=runopf(mpc); %求解OPF
% [baseMVAbusgengencostbranchfsuccesset]=runopf(casename);
Pg(:1)=result.gen(:PG) %机组出力
v=result.bus(bus_slackVM); %平衡节点电压
f=f+result.f;
orig_obj=0;
for k=1:m
orig_obj=orig_obj+mpc.gencost(k5)*Pg(k)^2+mpc.gencost(k6)*Pg(k)+mpc.gencost(k7);
end
f %目标函数值
v %平衡节点电压幅值
bus_ma=result.bus(:VM);
bus_an=(result.bus(:VA)./180)*pi;
X=zeros(2*n1);
V_V=zeros(n1);%v-v是表示电压实部虚部写在一起的值
for k=1:n
X(k1)=bus_ma(k)*cos(bus_an(k));
X(n+k1)=bus_ma(k)*sin(bus_an(k));
V_V(k)=(X(k1)+X(n+k1)*i)*10;
end
V_V
X=X.*10; %注意在方程中所使用的值是标幺值还是绝对值
W=zeros(2*n2*n);
W=X*(X.‘);
%% 以下为验证最优解是否为全局最优解
define_constants; %定义常量
%% 生成节点导纳矩阵
% Y
Y=zeros(nn);
for k=1:branchnum
Y(mpc.branch(k1)mpc.branch(k2))=-1/(mpc.branch(kBR_R)+mpc.branch(kBR_X)*1i);
Y(mpc.branch(k2)mpc.branch(k1))=-1/(mpc.branch(kBR_R)+mpc.branch(kBR_X)*1i);
C(mpc.branch(k1)mpc.branch(k2))=mpc.branch(kBR_B)*1i/2; %charging capacity
C(mpc.branch(k2)mpc.branch(k1))=mpc.branch(kBR_B)*1i/2;
end
for k=1:n
Y(kk)=-sum(Y(k:))+sum(C(k:));
end
for k=1:branchnum
if mpc.branch(kTAP)~=0%turns ratio
x2=mpc.branch(kF_BUS);
x1=mpc.branch(kT_BUS);
a_aux=mpc.branch(kTAP);
Y(x1x2)=Y(x1x2)+1/(mpc.branch(k4)*1i)-1/(mpc.branch(k4)*1i)/a_aux;
Y(x2x2)=Y(x2x2)-1/(mpc.branch(k4)*1i)+1/(mpc.branch(k4)*1i)/a_aux^2;
Y(x2x1)=Y(x2x1)+1/(mpc.branch(k4)*1i)-1/(mpc.branch(k4)*1i)/a_aux;
end
end
I=Y*V_V;%每个节点的注入电流
Power=V_V.*transpose(I‘);%每个节点的注入功率,电流需要共轭转置
Power=[Power Power];
Power(:1)=real(Power(:1))+mpc.bus(:PD);
Power(:2)=imag(Power(:2))+mpc.bus(:QD);
% [[1:n]‘ Power] %各节点的发电机出力,无发电机的节点值为0
Power
V_V;
V_rad=zeros(2*n1);
for k=1:n
V_rad(k1)=abs(V_V(k));
V_rad(n+k1)=angle(V_V(k));
end
Power;
X_rad=zeros(2*m+2*n1);
for k=1:m
X_rad(k1)=real(Power(mpc.gen(k1)1));
X_rad(m+k1)=(Power(mpc.gen(k1)2));
end
for k=1:n
X_rad(2*m+k1)=abs(V_V(k));
X_rad(2*m+n+k1)=angle(V_V(k));
end
% 下面为变量初始化
s_0=zeros(2*m+n+branchnum1);
z_0=zeros(2*m+n+branchnum1);
lambuda_0=zeros(2*n1);
pai_0=zeros(2*m+n+branchnum1);
v_0=zeros(2*m+n+branchnum1);
gama_s=zeros(2*m+n+branchnum1);
gama_z=zeros(2*m+n+branchnum1);
gama_pai=zeros(2*m+n+branchnum1);
gama_v=zeros(2*m+n+branchnum1);
gama_x=zeros(2*m+2*n1);
gama_la=zeros(2*n1);
gama=0;
mune0=0.1;
for k=1:m
s_0(k)=min(max(gama*(mpc.gen(k9)-mpc.gen(k10))X_rad(k)-mpc.gen(k10))
- 上一篇:IEEE 802.11n matlab代码
- 下一篇:ldpc MATLAB
相关资源
- ldpc MATLAB
- IEEE 802.11n matlab代码
- CLAHE_matlab代码
- matlab曲面拟合
- GIRTH8 QC-LDPC MATLAB源码
- 磁感应强度测定结果的MATLAB仿真
- MSR MATLAB程序
- 模糊线性规划matlab
- Matlab各种时间序列模型应用经典
- 武汉理工大学MATLAB课设
- 基于Matlab的晶粒生长计算机模拟
- SVPWM matlab仿真220137
- 6自由度puma机器人matlab仿真
- 基于边缘的图像配准程序
- 在matlab中ica算法实现源码
- Matlab连接MongoDB操作指引
- Matlab2018aMacISO.txt
- 圆阵MUSIC算法
- 基于matlab的RS编解码仿真程序
- 正则化参数选取L曲线法matlab程序
- matlab中step的用法
- GA优化BP权阈值的matlab程序
- 短时傅里叶变换的matlab实现
- 仿真车辆移动的matlab代码
- 车辆动态仿真MATLAB仿真代码
- 一篇matlab自由曲面程序,主要涉及m
- GPS L5 软件接收机仅捕获和跟踪
- matlab带阻滤波器设计
- 阵列信号处理的理论和应用-MATLAB 程序
- matlab图像融合工具箱
评论
共有 条评论