33水電站中長(zhǎng)期調(diào)度優(yōu)化的粒子群算法MATLAB源碼

1、水電站中長(zhǎng)期調(diào)度優(yōu)化的粒子群算法MATLAB源碼水電站中長(zhǎng)期優(yōu)化調(diào)度主要是在滿足電力系統(tǒng)出力要求以及下游綜合用水要求等的前提下，合理地安排水庫(kù)各個(gè)月份的發(fā)電流量，使得調(diào)度期內(nèi)的總發(fā)電量最大。即在給定預(yù)報(bào)入庫(kù)流量過程線、下游綜合用水流量過程線、調(diào)度期起始水位和終止水位等條件下，通過總水量的合理運(yùn)用使調(diào)度期內(nèi)水電站的總發(fā)電量最大。%參數(shù)設(shè)置%GreenSim團(tuán)隊(duì)一一專業(yè)級(jí)算法設(shè)計(jì)&代寫程序%歡迎訪問GreenSim團(tuán)隊(duì)主頁(yè)宀A=8.5;%出力系數(shù)，常數(shù)Tt=730*ones(12,1);%第t個(gè)時(shí)段的小時(shí)數(shù)%注意：一年按363天*24小時(shí)算，均分為12個(gè)月HtLB=55*ones(12,1);%第

2、t時(shí)段水位約束的下界，單位：米HtUB=65;65;65;61;61;61;61;65;65;65;65;65;%第t時(shí)段水位約束的上界，單位：米VtLB=zeros(12,1);VtUB=zeros(12,1);fori=1:12VtLB(i)=Ht2Vt(HtLB(i);VtUB(i)=Ht2Vt(HtUB(i);end%注意：蓄水量Vt和水位Ht之間有對(duì)應(yīng)的關(guān)系，單位：立方米NtLB=260000*ones(12,1);%出力約束的下界，單位：千瓦NtUB=1400000*ones(12,1);%出力約束的上屆，單位：千瓦%注意：Nt=A*Qt*HtQtLB=308*ones(12,1)

3、;%泄流量下界，單位：立方米/秒QtUB=29200*ones(12,1);%泄流量上界，單位：立方米/秒qt=373;859;1568;2100;3210;5049;1596;1160;925;781;572;1010;%入庫(kù)流量，單位：立方米/秒%注意：以上三個(gè)量，時(shí)間單位相乘時(shí)，小時(shí)乘以3600轉(zhuǎn)化成秒%調(diào)用粒子群算法K=60;N=80;w=0.5;c1=0.3;c2=0.2;BESTX,BESTY,ALLX,ALLY=PS0(K,N,w,c1,c2,VtLB,VtUB,QtLB,QtUB,NtLB,NtUB,qt,A,Tt)5%X=BESTXK;Vt,Qt,St=DeCode(X);d

4、isp(最佳蓄水量);disp(Vt);disp(最佳平均發(fā)電流量);disp(Qt);disp(最佳平均棄水流量)；disp(St);disp(最大總發(fā)電量);disp(-BESTY(K);functionBESTX,BESTY,ALLX,ALLY=PS0(K,N,w,c1,c2,VtLB,VtUB,QtLB,QtUB,NtLB,NtUB,qt,A,Tt)%GreenSim團(tuán)隊(duì)一一專業(yè)級(jí)算法設(shè)計(jì)&代寫程序%歡迎訪問GreenSim團(tuán)隊(duì)主頁(yè)宀%輸入?yún)?shù)列表%K迭代次數(shù)%N粒子個(gè)數(shù)%w慣性因子%c1加速因子，針對(duì)歷史最優(yōu)狀態(tài)%c2加速因子，針對(duì)全局最優(yōu)狀態(tài)%VtLB蓄水量約束卜界，立方米,N*1

5、向量%VtUB蓄水量約束上界，立方米，N*1向量、%QtLB平均發(fā)電流量約束下界，立方米/秒，N*1向量%QtUB平均發(fā)電流量約束上界，立方米/秒，N*1向量%NtLB出力約束下界，千瓦，N*1向量%NtUB出力約束上界，千瓦，N*1向量%qt入庫(kù)流量，立方米/秒，N*1、向量%A出力系數(shù)%Tt個(gè)周期的小時(shí)數(shù)%輸出參數(shù)列表%BESTXKX1細(xì)胞結(jié)構(gòu)，每一個(gè)元素是MX1向量，記錄每代的最優(yōu)個(gè)體%BESTYKX1矩陣，記錄每一代的最優(yōu)個(gè)體的評(píng)價(jià)函數(shù)值%ALLXKx1細(xì)胞結(jié)構(gòu)，每一個(gè)元素是MXN矩陣，記錄全部個(gè)體%ALLYKXN矩陣，記錄全部個(gè)體的評(píng)價(jià)函數(shù)值%第一步：粒子狀態(tài)初始化M=3*lengt

6、h(VtLB);farm=zeros(N,M);fori=NVt,Qt,St=lnitialize2(VtLB,VtUB,QtLB,QtUB,NtLB,NtUB,qt,A,Tt);X=EnCode(Vt,Qt,St);farm(i,:)=X;end%粒子歷史最優(yōu)狀態(tài)初始化Pfarm=farm;%粒子群全局最優(yōu)狀態(tài)fori=1:NX=Pfarm(i,:);Vt,Qt,St=DeCode(X);SE=0bjFun(A,Qt,St,Vt,Tt);Fitness(i)=SE;endMinFit=min(Fitness);POS=find(Fitness=MinFit);Gfarm=Pfarm(POS(

7、1),:);%輸出變量初始化ALLX=cell(K,1);%細(xì)胞結(jié)構(gòu)，每一個(gè)元素是MXN矩陣，記錄每一代的個(gè)體ALLY=zeros(K,N);%KXN矩陣，記錄每一代評(píng)價(jià)函數(shù)值BESTX=cell(K,1);%細(xì)胞結(jié)構(gòu)，每一個(gè)元素是MX1向量，記錄每一代的最優(yōu)個(gè)體BESTY=zeros(K,1);%KX1矩陣，記錄每一代的最優(yōu)個(gè)體的評(píng)價(jià)函數(shù)值k=1;%迭代計(jì)數(shù)器初始化%第二步：迭代過程whilek=K%粒子狀態(tài)更新newfarm=farm;fori=1:Nnewfarm(i,:)=w*farm(i,:)+c1*rand*(Pfarm(i,:)-farm(i,:)+c2*rand*(Gfarm-

8、farm(i,:);X=newfarm(i,:);Vt,Qt,St=DeCode(X);Flag,Vt,Qt,St=Correct(Vt,Qt,St,VtLB,VtUB,QtLB,QtUB,NtLB,NtUB,qt,A,Tt);X=EnCode(Vt,Qt,St);newfarm(i,:)=X;end%歷史最優(yōu)狀態(tài)和全局最優(yōu)狀態(tài)更新NEWFIT=zeros(1,N);fori=1:(N)aa=newfarm(i,:);Vt,Qt,St=DeCode(aa);FitA=ObjFun(A,Qt,St,Vt,Tt);bb=Pfarm(i,:);Vt,Qt,St=DeCode(bb);FitB=ObjFun(A,Qt,St,Vt,Tt);NEWFIT(i)=FitA;ifFitAFitBPfarm(i,:)=A;endifFitA,iijiik1IH-IZ砂低000.3fs田田田VIBl略wse1X1IOSimDuvi#3-3001kJk-