基于遗传算法的风电储能蓄电池容量优化配置matlab优化程序

78 阅读 0 评论 52 点赞

我是靠谱客的博主受伤糖豆，最近开发中收集的这篇文章主要介绍基于遗传算法的风电储能蓄电池容量优化配置matlab优化程序，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

基于遗传算法的风电储能蓄电池容量优化配置
风电+储能蓄电池微电网配置（基于matlab的遗传算法微电网配置优化程序）
参考文献：基于遗传算法的风电储能蓄电池容量优化配置

摘要：为了降低独立风力发电系统中储能装置的生命周期费用，建立以风力发电系统中储能装置的生命周期费用最小值为优化的目标函数、负荷缺电率等指标为约束条件的模型，结合蓄电池和超级电容器储能特性，利用风电和负荷48 h的发用电数据，研究包含蓄电池和超级电容器的储能系统能量管理策略。提出了一种基于改进粒子群算法的储能容量生命周期费用优化配置方法，算例分析证明该算法具有有效性和实用性，优化后的系统很大程度上节省了经济成本。
关键词：风力发电系统；混合储能；储能容量优化配置；遗传算法

1 模型分析
基于蓄电池和超级电容器混合储能独立风力发电系统的结构如图 1 所示。当风速比较大时，储能装置处于充电状态，将电能存储起来；当风速比较弱或者峰值负荷时储能装置为负荷供电，以保证系统平稳连续的供电，提高供电可靠性。
在这里插入图片描述
1.1 蓄电池的模型
每个蓄电池的额定电压为Ub（V），额定容量为Cb（A·h），假设蓄电池组由m个蓄电池组成，则总的储能量Eb（ MW·h）为

1.2 超级电容器的模型
每个超级电容器的端电压为Uc，电容值为Cc，假设超级电容器组由n个超级电容器组成，则总的储能量为
在这里插入图片描述

2 目标函数：
在这里插入图片描述
3 算例参数
蓄电池参数：

电网24小时负荷数据：
电网负荷
风电24小时出力预测值：
风电24小时预测值

4 运行结果
1）迭代曲线
在这里插入图片描述
2）电平衡

3）出力曲线

5 复现程序：
遗传算法matlab程序如下：
主函数如下：

// 主函数程序：
clc;
clear;
close all
%% 调用参数
canshu_cpa;
%% 遗传算法基础参数
N = 1200;  %种群内个体数目
N_chrom = 50; %染色体节点数，也就是每个个体有多少条染色体，其实说白了就是看适应函数里有几个自变量。
iter = 500; %迭代次数，也就是一共有多少代
mut = 0.2;  %突变概率
acr = 0.2; %交叉概率
best = 1;
%% 上下限约束
%上限
d=N_chrom ;
Ub=ones(1,d);
Ub(1)=200000;%蓄电池数量上限
Ub(2)=30000;%电容数量上限
%电池出力上限
for i=3:26
    Ub(i)=90000*Ubn*Cb/10000000;
end
%电容出力上限
for i=27:50
    Ub(i)=16000*Ucn*Ic/1000000;
end
%蓄电池，电容出力下限
Lb=ones(1,d);
% Lb(1)=100;
% Lb(2)=100;
for i=3:50
Lb(i)=-Ub(i);
end
umax=Ub;     %变量上限
umin=Lb; %变量下限
chrom_range = [umin;umax];%每个节点的值的区间
chrom = zeros(N, N_chrom);%存放染色体的矩阵
fitness = zeros(N, 1);%存放染色体的适应度
fitness_ave = zeros(1, iter);%存放每一代的平均适应度
fitness_best = zeros(1, iter);%存放每一代的最优适应度
chrom_best = zeros(1, N_chrom+1);%存放当前代的最优染色体与适应度



%% 初始化，这只是用于生成第一代个体，并计算其适应度函数
chrom = Initialize(N, N_chrom, chrom_range); %初始化染色体
fitness = CalFitness(chrom, N, N_chrom); %计算适应度
chrom_best = FindBest(chrom, fitness, N_chrom); %寻找最优染色体
fitness_best(1) = chrom_best(end); %将当前最优存入矩阵当中



%% 迭代主循环
for t = 2:iter
    chrom = MutChrom(chrom, mut, N, N_chrom, chrom_range, t, iter); %变异
    chrom = AcrChrom(chrom, acr, N, N_chrom); %交叉
    fitness = CalFitness(chrom, N, N_chrom); %计算适应度
    chrom_best_temp = FindBest(chrom, fitness, N_chrom); %寻找最优染色体
    if chrom_best_temp(end)>chrom_best(end) %替换掉当前储存的最优
        chrom_best = chrom_best_temp;
..........略