⛄一、微电网优化调度的模型简介
微电网优化调度的模型是以风、光、储能装置、微型燃气轮机、燃料电池等组成的系统的优化调度模型。在计算系统的运行费用是应考虑各分布式发电单元的运行维护成本和折旧费用等。同时，由于环境污染问题越来越严重，在搭建模型时还应注意到微电网的环境污染治理费用；由于微电网中的风能发电和太阳能发电易受到不确定因素制约，虽然在微电网系统中配备储能装置，但其响应速度可能会有所缓慢，故在指定调度方案时微电网稳定性是必不可少制约因素，而调度控制系统是确保微电网安全、稳定、经济运行的关键。
建立微电网优化调度模型的目标函数
微电网的运行费用中包括各分布式单元的运行成本、用户停电损失费用，当微电网是并网运行时还要考虑微电网与主网之间的电能互购成本。发电成本包括各发电单元的燃料消耗费用、维护费用及折损费用，其中，燃料费用和运行维护费用和实际发电量有关，风能发电和太阳能发电消耗的清洁能源，运行过程没有燃料消耗费用，基本上不存在污染物和工业废气体得排放，环境污染比较小，不必考虑发电成本和环境成本。并且，政府对风能发电和太阳能发电的运行成本执行全部补贴，它们的运行成本不作考虑。只有微燃气轮机和燃料电池发电是消耗的燃料发电的以及需要考虑各种费用。通过对微电网中各电源的数学模型研究，综合考虑微电网系统中各分布式电源的出力，已达到微电网的运行成本最小。
⛄二、部分源代码
clc;
clear;
close all;
global costp Ppv Pwt
%% 算法参数
parameter;
nVar=4*24; % Number of Decision Variables
VarMin=[ones(1,24)*Pmt_min, ones(1,24)*Pfc_min, ones(1,24)*Px_min, ones(1,24)*Pb_min];
VarMax=[ones(1,24)*Pmt_max, ones(1,24)*Pfc_max, ones(1,24)*Px_max, ones(1,24)*Pb_max];
MaxIt=100; % Maximum Number of Iterations
nPop=500; % Population Size (Swarm Size)
%% 计算
[ bestPosition, fitValue ] = tGSSA(@objective,nVar,VarMin,VarMax,MaxIt,nPop);
x=bestPosition;
Pmt = x(1:24); % 燃气轮机功率
Pfc = x(25:48); % 燃料电池功率
Px = x(49:72); % 可卸负荷
Pb = x(73:96); % 蓄电池功率
t=1:24;
%% 输出光伏出力预测
figure
plot(t,Ppv,‘-’)
title(‘光伏发电曲线’);
xlabel(‘时间/小时’)
ylabel(‘功率/kw’)
%% 输出风力发电出力预测
figure
plot(t,Pwt,‘-’)
title(‘风力发电曲线’);
xlabel(‘时间/小时’)
ylabel(‘功率/kw’)
⛄三、运行结果
⛄四、matlab版本及参考文献
1 matlab版本
2014a
2 参考文献
[1]姚景昆.基于改进粒子群算法的微电网优化调度[D].辽宁工业大学
3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除