资源简介
基于粒子群算法的微电网优化调度,在运行成本最小,环境友好的条件下,优化发电单元的出力s.
代码片段和文件信息
function result=fitness(x)
P_MT_sum=0;
P_FC_sum=0;
P_BA_sum=0;
P_BA_sum_delt=0;
P_pv_sum=88120.92;
P_wind_sum=843750;
for i=1:48
if i<25
P_MT_sum=P_MT_sum+x(i);
elseif i>24&&i<49
P_FC_sum=P_FC_sum+x(i);
else
P_BA_sum=P_BA_sum+abs(x(i));
end
end
for i=49:72
P_BA_sum_delt=P_BA_sum_delt+x(i);
end
C_MT=2.05/9.77*P_MT_sum/0.29;%MT燃料成本
C_FC=2.05/10.78*P_FC_sum/0.65;%FC燃料成本
C_MT_fk=P_MT_sum*(0.6188*0.001*1.633975+184.0829*0.001*0.008169875+0.1702*0.001*0.130718+0.000928*0.001*0.8169875);%MT污染气体罚款
C_FC_fk=P_MT_sum*(0.023*0.001*1.633975+635.04*0.001*0.008169875+0.0544*0.001*0.130718);%FC污染气体罚款
C_OM=0.7569*P_MT_sum+0.5123*P_FC_sum+0.4216*P_BA_sum;%运行维护成本
P_load=[52*10^3 50*10^3 50*10^3 51*10^3 56*10^3 63*10^3 70*10^3 75*10^3 76*10
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
文件 2537 2020-08-28 16:33 ╗∙╙┌┴ú╫╙╚║╦π╖¿╡─╬ó╡τ═°╙┼╗»╡≈╢╚ú¼╘┌╘╦╨╨│╔▒╛╫ε╨íú¼╗╖╛│╙╤║├╡─╠⌡╝■╧┬ú¼╙┼╗»╖ó╡τ╡Ñ╘¬╡─│÷┴ªs\fitness.m
- 上一篇:VSG
- 下一篇:DBN 深度学习中的深度信念网络
相关资源
- GAPSO 这个算法是遗传算法和粒子群优
- Peking_University_PSO_All_in_one 北京大学计
- SimuAPSO 模拟退火发与粒子群算法的结
- CLSPSO 混沌粒子群算法
- pso2835922
- pso-bp
- pso_matlab PSO算法
- MOPSO-matlab
- PSObpPpsorbf 粒子群优化神经网络的程序
- The-SPSO-testingprocedure 基本的粒子群程序
- ABCPSO
- pso 主要计算电力系统机组组合问题
- PSO_Load-Frequency-Control
- 33 混合智能算法:采用人工神经网络
- pso--PID 基于粒子群算法的PID控制器优
- GAPSO-for-PID-Design 本人毕业设计一部分
- PSO2727464
- MOEA 几种多目标优化算法集合
- pso_3
- PSO 其中包含了PSO的所有改进算法
- CONTROL2675774
- PSOGSA 程序提出了基于人群混合算法
- (APSO)MATLAB 改进粒子群优化算法(
- pso-elman 一个标准的Elman的程序外加一
- PSO_PID
- Particle_Swarm_Optimization
- PSO-RBF-wonderful
- pso 粒子群优化算法完成的毕业设计
- PSO_BW 假设微电网中有风、光、微型燃
- PSO_ELM 运用粒子群算法对ELM算法进行优
评论
共有 条评论