资源简介
随机潮流计算,采用蒙特卡洛法进行潮流计算,负荷和风电机采用正态分布
)
代码片段和文件信息
% B1矩阵:1、支路首端号;2、末端号;3、支路阻抗;4、支路对地电纳
% 5、支路的变比;6、支路首端处于K侧为1,1侧为0
%输入pq节点时采用列向量的形式,如[1;2;3;4;]
%节点初始功率S,发电机节点为正,负荷节点为负
clear;
v0=2;
vci=3;
vco=20;
vr=13.5;
pr=0.6;
a=input(‘请输入节点数:a=‘);
nl=input(‘请输入支路数:nl=‘);
isb=input(‘请输入平衡母线节点号:isb=‘);
usb=input(‘请输入平衡母线电压初始值:usb=‘);
pv=input(‘请输入PV节点号:pv=‘);
upv=input(‘请输入PV节点电压初始值:upv=‘);
epv=input(‘请输入PV节点相角初始值:epv=‘);
pq=input(‘请输入PQ节点号:pq=‘);
B1=input(‘请输入由各支路参数形成的矩阵:B1=‘);
%S=input(‘请输入节点初始功率:S=‘);
WV=input(‘请输入风电机节点:‘);
W=input(‘输入有功无功的期望值和方差矩阵(维数a*4):‘);
Mo=input(‘输入发电机节点和出力:‘)
for ii=1:30000
S=zeros(1a);
wind=wblrnd(112)+v0;
if (wind>vci&&wind<=vr) pw=pr/(vr-vci)*wind-pr/(vr-vci)*vci;end
if (wind>vr&&wind<=vco) pw=pr;end
if (wind>vco||wind<=vci) pw=0;end
num=binornd(300.5);
totpw=pw*num;
S(WV)
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
文件 4456 2014-05-10 23:36 Monte.m
----------- --------- ---------- ----- ----
4924 3
相关资源
- BP-Load-forecasting 基于BP神经网络的短期
- mindxiu 自己写的基于神经网络的电力负
- rnn-esn 基于神经网络的负荷预测
- EV-charging--GA 利用遗传算法对电动汽车
- 电动汽车有序充电的蒙特卡洛模拟
- Load-forecating 电力负荷预测非常好的整
- PsoProcess_Micro_Grid 在假设负荷预测、风
- Reliability--of-Wind-Farm-bess- 对含储能和风
- WT_PV_Load_Scenario 针对电力系统中风电和
- MonteCarlo
- Particle-Filter-with-comments 有注释的粒子
- Monte-Carlo
- Load-Prediction 电力系统负荷预测程序
- PSO-load-distribution 电力系统6台发电机负
- 家庭能量管理负荷优化调度
- AFSA 内容为基于人工鱼群算法的输电网
- [计及需求响应的配电网短期负荷精细
- 电力系统负荷预测MATLAB程序
- 蒙特卡洛算法和matlab程序
- 二维伊辛模型的Matlab代码
- 可靠性方法:蒙特卡洛法的Matlab源代
- MATLAB 蒙特卡洛
- 蒙特卡洛MATLAb代码
- ELMAN神经网络的数据预测——电力负荷
- 私家车充电负荷预测
- matlab源程序_用蒙特卡洛法实现对排队
- 一分关于康普顿散射的蒙特卡罗matl
- 蒙特卡洛的matlab实现
- 蒙特卡洛仿真
- 蒙特卡罗MATLAB实现的
评论
共有 条评论