*电力系统与算法之美(Python&Matlab代码)

目录

1 电力系统论文代码一览无遗

1.1 电动车

1.2 电力系统潮流

1.3 配电网

1.4 优化调度&负荷预测

1.5 微电网调度&需求响应

1.6 单目标&多目标智能优化算法

1.7 机组组合&主流之外的洞见

2 专栏目录

3 地图上的空白

扫描二维码关注公众号,回复: 14241926 查看本文章

1 电力系统论文代码一览无遗

1.1 电动车

基于蒙特卡洛法的规模化电动汽车充电负荷预测(Python&Matlab实现)

日前、实时电动汽车+蒙特卡洛(Matlab代码实现)

电动汽车负荷预测+最优最优充放电最佳调度(Matlab代码)
电动汽车代码+数据(Matlab实现)

模拟大规模电动车充电行为(Matlab实现)

电动汽车对电网的影响(数据+Matlab代码)

电动汽车对电力系统运行的影响(Matlab实现)

最优调度-充电-放电-电动汽车(Matlab实现)

基于电动汽车的带时间窗的路径优化(Python&Matlab代码实现)

1.2 电力系统潮流

潮流计算入门学习(IEEE6节点)(Matlab实现)
配电网前推后带法求电力系统潮流(Python&Matlab实现)
牛顿拉夫逊法潮流仿真(Matlab and PowerWord)

电力系统可视化——比PowerWorld还精彩(Matlab实现)

牛顿拉夫逊求潮流(Matlab实现)
高斯赛德尔法和牛顿求潮流(Matlab)
配电网潮流计算(Python&Matlab实现)

配电系统的线性三相潮流(Matlab实现)

内点法求最优潮流(Matlab实现)

直流微电网中潮流(Matlab代码实现)

机会约束最优潮流(Python&Matlab代码实现)

1.3 配电网

基于节点导纳矩阵的三相配电系统建模(Matlab实现)

配电网多目标最优功率损耗和节点电压偏差的最小化(Matlab实现)

利用通信基础设施提高电网的稳态稳定性(Matlab代码实现)

电力系统——基于10机39节点的电力系统仿真(Matlab)

在电网上使用的储能系统模拟(simulink)

DG通过三相逆变器与电网连接(simulink仿真)

电力系统电压质量(simulink)

智能电网中采用博弈论的方法(Python代码实现)

基于节点导纳矩阵的三相配电系统建模(Matlab实现)

基于多目标大象算法解决配电网功率损耗和节点电压偏差的最小化

基于人工神经网络的IEEE30节点系统的传输损耗预测(Matlab代码实现)

分布式电源接入配电网

1.4 优化调度&负荷预测

粒子群算法求解电力系统环境经济调度+微电网调度(风、光、电动车、柴油机、主网)(Python代码实现)

多目标灰太狼算法求解环境经济调度问题(IEEE30)(Matlab实现)

改进的多目标差分进化算法在电力系统环境经济调度中的应用(Python代码实现)

电力系统经济调度(Matlab代码实现)[Yalmip + Gurobi]

基于神经网络的负荷预测和价格预测(Matlab代码实现)

1.5 微电网调度&需求响应

基于风光储能和需求响应的微电网日前经济调度(Python代码实现)【0】

基于风光储能和需求响应的微电网日前经济调度(Python代码实现)【1】

基于热储需求响应的模型预测控制(Matlab实现)
电力系统——需求响应【激励型】(Python实现)
电力系统潮流+风光+水电(IEEE33)【Matlab代码实现】

光伏建筑一体化板块指数发展趋势分析及预测(Python代码实现)

高比例风电电力系统储能运行及配置研究(python&Matlab实现)

微电网调度(风、光、蓄电池、燃油机)(Matlab代码实现)
微电网经济调度(风、光、储能)【Python代码】
分布式电源接入对配电网的影响(Matlab代码)

并网光伏发电系统(simulink仿真)

多目标遗传优化算法NSGAII求解微电网调度(Python&Matlab)
基于蒙特卡洛的风、光模型与出力(Matlab实现)
电池储能系统(simulink)

分布式和可再生系统建模(simulink)

风电随机性动态经济调度模型(Python&Matlab代码)

微电网混合光伏/风能/电池管理系统(仿真)
微电网(风、光、储能、需求响应)【Simulink 仿真实现】
区域多微电网社区的分层协调能源管理(Matlab实现)
离网太阳能发电系统(Matlab实现)

1.6 单目标&多目标智能优化算法

甲虫天线搜索算法(Python实现)
施肥优化算法(matlab实现)
自适应多群体优化算法(Python实现)
孔雀(Pavo Muticus/Cristatus)优化算法
多种群遗传算法的函数优化算法代码

多目标粘液霉菌算法(Matlab代码实现)

多目标海洋捕食者算法(MOMPA)(Matlab代码)

嗅觉优化算法(Matlab代码实现)

1.7 机组组合&主流之外的洞见

基于混合规划求解机组组合(yalmip+Cplex实现)
具有N-1安全性和风力不确定性的机组组合(Yalmip+Cplex)

将蒙特卡罗方法加速2000倍(Python代码实现)

美团外卖——物流管理论文实现(Python实现)
用于解决两阶段混合流车间调度问题的增强拓扑的神经进化——不同求解策略的比较(Python代码实现)
基于灰色神经网络的订单需求预测(Matlab代码)

节点电力市场生产商的战略竞标:凸松弛方法(Matlab实现)

沉没成本模型和数据(Matlab代码实现)

2 专栏目录

2.1 倔强青铜—编程学习

Python旅程

python重要库学习

Matlab旅程

C语言旅程

编程中的疑难杂症


2.2 秩序白银—博学计划

数值分析

运筹学

思维导图资源分享(MindMaster)


2.3 荣耀黄金—电力系统晋级

电力系统系列(Python&Matlab)
微电网调度

电力系统yyds

电力系统及其自动化

智能电网与随机矩阵理论

电力系统Matlab

2.4 尊贵铂金—优化与自我提升

智能优化算法

爬虫&自动化办公


2.5 永恒钻石—girlfriend

 女朋友的浪漫邂逅.......

慢慢地我也过来了.....


2.6 至尊荣耀—人工智能、区块链

 人工智能
区块链

2.7 最强王者—我的科研与哲思

科研&哲思

创新发明

神奇的量子世界

3 地图上的空白

现代这种“探索、征服”的心态,从世界地图的演变可以看得一目了然。早在历史进到现代之前,许多文化就已经有了自己的世界地图。当然,当时并没有人真正知道全世界是什么样子,在亚非大陆上的人对美洲一无所知,美洲文化也不知道亚非大陆上的情形。但碰到不熟悉的地区,地图上不是一笔未提,就是画上了想象出来的怪物和奇景。这些地图上并没有空白的空间,让人觉得全世界就在自己的掌握之中。

在15、16世纪,欧洲人的世界地图开始出现大片空白。从这点可以看出科学心态的发展,以及欧洲帝国主义的动机。地图上的空白可以说是在心理及思想上的一大突破,清楚表明欧洲人愿意承认自己对于一大部分的世界还一无所知。

                      
         图1 1459年欧洲人的世界地图。可以看到地图上似乎巨细靡遗,就算是当时欧洲人根
                                  本一无所知的南非地区,都有密密麻麻的信息。
1492年,哥伦布从西班牙出发向西航行,希望能找到一条前往东亚的新航线。哥伦布当时相信的仍然是旧的世界地图,以为全世界在地图上一览无遗。哥伦布从旧地图推算,日本应该位于西班牙以西大约7000公里远。但事实上,从西班牙到东亚的距离要超过两万公里,而且中间还隔着个他不知道的美洲大陆。1492年10月12日大约凌晨2点,哥伦布一行人与这片未知大陆有了第一次接触。皮塔号(Pinta)的瞭望手胡安·罗德里格斯·贝尔梅霍(Juan Rodriguez Berme jo)从桅杆上看到了现在的巴哈马群岛,高呼着:“有陆地!有陆地!”

哥伦布当时相信这个小岛就位于东亚海外,属于“Indies”(印度地方,包含今日印度、中南半岛及东印度群岛等地),所以他把当地人称为“Indians”(这正是美国原住民也被称为“印第安人”的原因)。一直到他过世,哥伦布都不认为自己犯了一个大错。不论是对他还是许多当代的人来说,说他发现了一个完全未知的大陆,这根本难以想象。毕竟千百年来,不管是那些伟大的思想家和学者甚至是不可能犯错的《圣经》,都只知道有欧洲、非洲和亚洲。怎么有可能他们全错了呢?难道《圣经》居然漏了大半个世界,只字未提?这种情况,就好像是说在1969年阿波罗11号要前往月球的途中,居然撞到了另一个从来没人看到的月亮。而正因为哥伦布不愿意接受自己的无知,我们可以说他仍然是个中世纪的人,深信着自己已经知道了全世界,所以就算已经有了如此重大的发现,也无法说服他。
至于第一个成为“现代人”的,其实是意大利水手亚美利哥·韦斯普奇(Amerigo Vespucci),他曾在1499~1504年多次航行前往美洲。而在1502~1504年间,欧洲有两篇描述这些航程的文章发表,一般人们相信就出于韦斯普奇之手。这两篇文章提出,哥伦布发现的小岛旁边应该不是东亚,而是一整个大陆,而且不管是《圣经》、过去的地理学者或是当时的欧洲人,在先前都不知道这块大陆的存在。1507年,地图绘制大师马丁·瓦尔德泽米勒(Martin Waldseemiller)相信了这种说法,出版了新版的世界地图。于是,这片西班牙船队向西航行所碰上的土地,终于首次以一块独立大陆的姿态出现在地图上。既然要画,瓦尔德泽米勒就得给它取个名字,但他误以为发现美洲的人是亚美利哥·韦斯普奇,因此为了向他致敬,这片大陆就被命名为“America”(美洲)。瓦尔德泽米勒的地图洛阳纸贵,其他许多地图绘制师也跟着有样学样,因此“美洲”这个名词就这样广为流传。说来也算是老天有眼,到头来,全球有1/4的陆地、七大洲之中的两洲,名字就是来自一个名不见经传的意大利人,而他唯一做的事就只是有勇气说出“我们不知道”。
 
发现美洲,对于科学革命是一大奠基事件。这不但让欧洲人知道实际的观察比过去的传统更重要,而且想征服美洲的欲望也让欧洲人开始求知若渴。他们如果真想控制这片广大的新领地,就一定得收集所有相关地理、气候、植物、动物、语言、文化、历史的庞大数据。在这些时候,不管是基督教《圣经》、过时的地理书籍或是古老的口传知识,都无用武之地。
 
从此之后,不只是欧洲地理学家,欧洲几乎所有知识领域的学者都学会了留白这一套,诚实面对自己领域的无知,并试着加以填补。他们开始承认自己的理论还不完美,一定还有什么尚未得知的重要信息。
 
  图2 1525年的萨尔瓦提世界地图(Salviati World Map)。1459年版的世界地图上画 满了各个大陆、岛屿,而且还有详细的解释,但萨尔瓦提地图则有大片留白。我们可以看到美洲的海岸线一路向下之后,接着就是一片空白。任何人只要有一点点的好奇心,看到这份地图之后一定会问:“在那后面有什么呢?”地图上没有答案。这就像是一份邀请,请读者亲身起航、一探究竟

猜你喜欢

转载自blog.csdn.net/weixin_46039719/article/details/124494085