基于灰狼算法的综合能源系统多时间尺度优化调度（附matlab程序）

0.代码链接

基于灰狼算法的综合能源系统多时间尺度优化调度（MATLAB程序）资源-CSDN文库

1.简述

对于冷、热、电联供综合能源系统优化问题，为了提高可再生能源利用率，故以弃风、弃光量最小和综合能源系统运行经济性为优化目标，建立了含风机、光机、燃气轮机、电锅炉等综合能源优化模型。模型的求解使用的改进多目标灰狼算法，得到Pareto解集。针对综合能源系统的约束较多、灰狼算法种群多样性少、容易陷入局部最优等方面，对算法进行改进。仿真结果显示，改进之后的算法求解速度和全局搜索性都优于基本算法。

以碳捕治理的量及碳排放交易成本为目标函数采用灰狼算法及粒子群算法进行求解程序里包含实时碳捕、实时DG波动，实时及日前光伏、风电，热电联产、余热回收、电锅炉、电储能、热储能、碳捕，代码对比了热负荷参与、电负荷参与以及电热负荷均参与或者均不参与四种常见下的模型调度结果

关键词：

综合能源系统；灰狼算法；多时间尺度;基于灰狼算法的综合能源系统多时间尺度优化调度（MATLAB程序）资源-CSDN文库

2.部分代码

clear all
clc
close all
drawing_flag = 1;
TestProblem='UF8';
nVar=120;

fobj = cec09(TestProblem);

xrange = xboundary(TestProblem, nVar);

% 不等式约束
lb=xrange(:,1)';
ub=xrange(:,2)';

VarSize=[1 nVar];

GreyWolves_num=20;
MaxIt=20; % 迭代次数
Archive_size=10; % 非支配解个数

alpha=0.1; % 网络膨胀系数
nGrid=10; % 每个维度的网格数
beta=4; %=4; % 领导者选择压力参数
gamma=1; % 成员选择压力

% 初始化

GreyWolves=CreateEmptyParticle(GreyWolves_num);%%初始化

for i=1:GreyWolves_num
GreyWolves(i).Velocity=0;
GreyWolves(i).Position=zeros(1,nVar);
for j=1:nVar
GreyWolves(i).Position(1,j)=unifrnd(lb(j),ub(j),1);
end
GreyWolves(i).Cost=fobj(GreyWolves(i).Position')';%%计算目标函数
GreyWolves(i).Best.Position=GreyWolves(i).Position;%%最优个体
GreyWolves(i).Best.Cost=GreyWolves(i).Cost;%%%最优个体对应的适应度函数
end

GreyWolves=DetermineDomination(GreyWolves);%%%%确定统治地位的狼

Archive=GetNonDominatedParticles(GreyWolves);%%%获取%%非支配个体

Archive_costs=GetCosts(Archive);%%获取适应度值
G=CreateHypercubes(Archive_costs,nGrid,alpha);%%计算拥挤度

nated_wolves=GetNonDominatedParticles(GreyWolves);%%非支配排序

3.运行结果