【储能优化】基于粒子群求解考虑实时电价-需求响应后的风光柴油储能优化配置模型附matlab代码...

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

个人主页：Matlab科研工作室

个人信条：格物致知。

更多Matlab仿真内容点击

智能优化算法       神经网络预测       雷达通信      无线传感器        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机

⛄ 内容介绍

为了提高供电的稳定性、可靠性，实现日夜发电，在太阳能、风能资源比较丰富的区域，建立风能、太阳能互补发电系统。但是由于系统投入成本过高，风、光又存在间歇性和不稳定性等问题，需要配置储能系统来平抑功率波动。柴油机储能技术的功率密度高、充放电速度快、但是环保性差，蓄电池储能技术比较成熟、价格便宜，但是蓄电池的体积重量大、功率密度低、使用寿命比较短。鉴于二者的互补特征，将超级电容器和蓄电池混合作为风光互补发电系统中的储能装置。　　首先对光伏电池、风力机、蓄电池和柴油机的特性进行了分析，其次，建立了以储能装置的投资费用、维护费用、重置费用、燃料费用、环保折算费用构建的综合经济成本为目标函数，以负荷缺电率和弃风弃光等为约束条件的独立风电储能系统的容量优化模型，用标准的粒子群算法进行求解，得到最优的储能配置。

⛄ 部分代码

function paths = allPaths(Adj, nodes, currentPath, start, target)

    paths = {}; 

    nodes(start) = 0; 

    currentPath = [currentPath start]; 

    childAdj = Adj(start,:) & nodes; 

    childList = find(childAdj); % 

    childCount = numel(childList);

    if childCount == 0 || start == target 

     if start == target 

     paths = [paths; currentPath]; 

     end 

     return; 

    end 

    for idx = 1:childCount 

     currentNode = childList(idx); 

     newNodes = nodes; 

     newNodes(currentNode) = 0; 

     newPaths = allPaths(Adj, newNodes, currentPath, currentNode, target); 

     paths = [paths; newPaths]; 

    end 

end 

⛄ 运行结果

****************各项成本费用分别为：****************

1.年均初始投资费用为：21.3928 万元 

2.年运行维护费用为：5.729 万元 

3.年均设备重置费用为：8.5963 万元 

4.燃料费用为：100.6554 万元 

5.环保折算费用为：11.1985 万元 

6.总成本为：147.572 万元 

7.能源浪费率为：0.19935

8.缺电率为：0.099972 万元 

⛄ 参考文献

[1] 胡祖源, 靳现林, 谭雅之,等. 基于改进粒子群算法的分布式光伏及储能系统优化配置[J]. 综合智慧能源, 2023, 45(1):9.

[2] 杨玉青. 区域配电网储能配置与优化运行策略研究[D]. 北京交通大学, 2015.

[3] 朱向芬. 基于粒子群算法的混合储能系统容量优化配置[D]. 宁夏大学.

[4] 杨国华, 朱向芬, 马玉娟,等. 基于改进粒子群算法的混合储能系统容量优化[J]. 电测与仪表, 2015, 52(23):6.

[5] 黑新宏, 张腾, 费蓉,等. 一种基于粒子群算法的微电网储能优化配置方法:, CN112103946A[P]. 2020.

⛳️ 代码获取关注我

❤️部分理论引用网络文献，若有侵权联系博主删除

❤️ 关注我领取海量matlab电子书和数学建模资料