基于多目标灰狼算法的冷热电联供型微网低碳经济调度（Matlab代码实现）-洪萨配资

👨‍🎓个人主页

💥💥💞💞欢迎来到本博客❤️❤️💥💥
🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。
⛳️座右铭：行百里者，半于九十。
📋📋📋本文目录如下：🎁🎁🎁
目录
💥1 概述
📚2 运行结果
🎉3 参考文献
🌈4 Matlab代码+数据+文章讲解

💥1 概述

参考文献：

随着分布式能源供应系统的快速发展，热电联供(CHP)系统以及冷热电联供(CCHP)系统已成为提高能源效率和减少温室气体排放的关键解决方案。CCHP系统采用能量梯级利用原理，使系统的能源利用效率显著高于普通热电效率，实现节能减排的目标。深入对CCHP型微电网的研究，致力于多种能源系统的协调运行，提高微电网运行的经济性和环保性，对于CCHP型微电网的推广与发展有着重要意。
目前，微电网的经济调度研究主要考虑经济和环保两方面的因素。文献[4]中采用模糊几何加权的方法，建立了综合运行费用和环境罚因子的目标函数，对CCHP型微电网进行优化调度。这种将多目标问题转化为单目标的方法在微电网的运行优化研究中使用普遍5,但是也存在一定的问题。单目标优化得到的运行策略单一，用户无法进行灵活的选择。同时，单目标优化的结果无法使用户直接对运行策略的经济性和环保性进行调控，单纯以最佳的经济效益为目标。文献[6]中采用MOPSO对热电联供型微电网进行基于Pareto最优解集的多目标运行优化。优化结果中，用户可以直观地得到污染气体排放和运行费用的具体情况。基于Pareto最优解集的优化结果具有多样性，用户一各种优化策略中可以结合实际需要，权衡污染气体排放和运行费用，做出最优选择。

📚2 运行结果

这里由于篇幅，只展现部分结果图。

function H_MT_h = MT_PE2H(MT_PE)
Khe=0.134 ; %余热制热系数
n_MT= 0.196 ; % MT发电效率
% n1= 0.612 ; %系统热损失系数
% Q_MT= MT_PE*(1+n_MT-n1)/n_MT; %为时段微型燃气轮机排气余热量

H_MT_h=MT_PE/n_MT*Khe;
end

for i=1:GreyWolves_num
for j=1:nVar/2
r1=rand(); % r1 is a random number in [0,1]
r2=rand(); % r2 is a random number in [0,1]

A1=2*a*r1-a; % 计算系数A，Equation (3.3)
C1=2*r2; % 计算系数C，Equation (3.4)

% Alpha狼位置更新
D_alpha=abs(C1*Alpha(1,j)-GreyWolves(i,j)); % Equation (3.5)-part 1
X1=Alpha(1,j)-A1*D_alpha; % Equation (3.6)-part 1
X1 = max( [min([ X1, ub(j) ] ) ,lb(j) ] );

r1=rand();
r2=rand();

A2=2*a*r1-a; % 计算系数A，Equation (3.3)
C2=2*r2; % 计算系数C，Equation (3.4)

% Beta狼位置更新
D_beta=abs(C1*Beta(1,j )-GreyWolves(i,j)); % Equation (3.5)-part 1
X2=Beta(1,j )-A1*D_beta; % Equation (3.6)-part 1
X2 = max( [min([ X2, ub(j) ] ) ,lb(j) ] );

r1=rand();
r2=rand();

A3=2*a*r1-a; % 计算系数A，Equation (3.3)
C3=2*r2; % 计算系数C，Equation (3.4)

% Delta狼位置更新
D_delta=abs(C1*Delta(1,j )-GreyWolves(i,j )); % Equation (3.5)-part 1
X3=Delta(1,j )-A1*D_delta; % Equation (3.6)-part 1
X3 = max( [min([ X3, ub(j) ] ) ,lb(j) ] );

% 位置更新
GreyWolves(i,j)=(X1+X2+X3)/3;% Equation (3.7)

%下面是位置越限处理
GreyWolves(i,j)=ceil( GreyWolves(i,j) );
end
Soc=10;
%因为22点是峰时，23,24点是谷电，并且夜间风大。所以我大概率假设，23,24在充电。
%充电两小时后，为5+2.5*2=10kWh;
%因此，我将日开始Soc设置为10；当时刻容量越限时，容量等于边限，功率等于0；
for j= 1+nVar/2 : nVar
Probability =rand( );
%把三头狼位置和，分0、1、2、3三种和讨论，分别对应不同的概率，便于收敛寻优
if Alpha(1,j)==Beta(1,j ) && Alpha(1,j)== Delta(1,j ) && (Probability < 0.5 + 0.25*it/MaxIt)
GreyWolves(i,j)=Alpha(1,j);
else
mm= -1+rand()*2;
%加一个向上取整函数，将结果限为-1，0 ，1三个常数
mm=round(mm);
if mm==-1
mm=-5;
elseif mm==0
mm=0;
else
mm=2.5;
end
GreyWolves(i,j)=mm;
end
%上面是概率生成功率P_BA,没有考虑超出容量限制的问题，下面将解决。
Soc=Soc+GreyWolves(i,j) ;
if Soc > 25 || Soc < 5 %如果越限
Soc=Soc-GreyWolves(i,j) ; %撤销容量
GreyWolves(i,j) =0; %撤销功率
end
end
GreyWolves(i,nVar+1:nVar+2)= Double_CC_fitness(GreyWolves(i,1:nVar/2), GreyWolves(i,1+nVar/2:nVar));
end
figure(1)
Archive_Cost=Archive(:,49);
Archive_Carbon=Archive(:,50);
plot(Archive_Cost,Archive_Carbon,'o' );