1. Versión de software

matlab2013b

2. Conocimiento teórico de este algoritmo

En una planificación de red eléctrica a mediano y largo plazo, la función objetivo que debe considerarse puede considerarse como el valor mínimo de la suma del costo de inversión anual de la nueva línea de red eléctrica y el costo de operación del sistema de red eléctrica. Para cumplir con el valor objetivo mínimo y cumplir con las restricciones de la operación de la red eléctrica es resolver el problema solución óptima al problema. De acuerdo con este principio, la función objetivo para cualquier año se da como:

En la fórmula, representa el conjunto de líneas nuevas; representa el conjunto de todas las líneas; W representa el costo total de planificación; representa el coeficiente de recuperación de capital; representa la tasa de operación fija del proyecto; representa la pérdida de la red de líneas Coeficiente de costo; representa el costo de ampliar una nueva línea del ramal i; representa el número de nuevas líneas extendidas por el ramal i; representa la resistencia del ramal i; representa el año de potencia del ramal i Horas perdidas ; representa la potencia real entregada por la rama i en condiciones normales de operación.

En una planificación de la red eléctrica a mediano y largo plazo, se debe considerar el costo de cada año, luego el costo total de la planificación de la red eléctrica es la suma del costo total de la nueva línea y los costos operativos a lo largo de los años, luego el función objetivo en la fórmula se puede reescribir como:

En la fórmula 3.3, X representa el costo total de toda la línea nueva, que equivale al primer ítem de la fórmula 3.1; representa el costo de operación del sistema de red en el primer año, que equivale al segundo ítem de la fórmula 3.2 ; i representa la tasa de descuento; K es el coeficiente del coeficiente de recuperación de capital, que se puede calcular mediante . Entonces, la función objetivo de optimización de la planificación de la red eléctrica a mediano y largo plazo se puede definir como:

3. Parte del código central

clc;
clear;
close all;
warning off;
addpath 'func\'
addpath 'GA_toolbox\'
rng(1);

%编号
NO    = [1,2,3,4,5,6,7,8,9,10,11,12,13,14,15]';
%线路首端号
START = [1,1,1,1,1,2,2,2,2,3,3,3,4,4,5]';
%线路末端号
ENDS  = [2,3,4,5,6,3,4,5,6,4,5,6,5,6,6]';
%支路电抗
ZDK   = [40,50,60,20,10,20,20,40,20,20,30,48,30,20,10]';
%容量限制
Vmax  = [100,100,80,100,70,100,100,100,100,82,100,100,75,100,78]';
%线路长度
Len   = [40,38,60,20,68,20,40,31,30,59,20,48,63,30,61]';
%电抗
DZ    = [0.1,0.09,0.15,0.05,0.17,0.05,0.1,0.08,0.08,0.15,0.05,0.12,0.16,0.08,0.15]';
%电抗
DK    = [0.4,0.38,0.6,0.2,0.68,0.2,0.4,0.31,0.3,0.59,0.2,0.48,0.63,0.3,0.61]';

tmps  =[NO,START,ENDS,ZDK,Vmax,Len,DZ,DK]; 
%整理
IEEE6 =[tmps([1,3,4,6,7,11],:);tmps([9,11,14],:)]; 

%初始线路
Nline =[1,1,1,1,1,1,0,0,0];   


%初始邻接矩阵
Connect=[0 1 0 1 1 0;
         1 0 1 1 0 0;
         0 1 0 0 1 0;
         1 1 0 0 0 0;
         1 0 1 0 0 0;
         0 0 0 0 0 0];
%各节点注入功率
P = [-30,-240,125,-160,-240]';             
%节点数 
N = 6;     

tic;
%定义遗传算法参数
%种群规模
NIND   = 1000;                                                                
%迭代次数
MAXGEN = 200;                                                                                                             
Price  = zeros(MAXGEN,1);          
%基向量 
BaseV  = 5*ones(1,length(Nline));
Chrom  = crtbp(20,BaseV); 
gen    = 0;   
%初始种群函数值
ObjV   = func_obj(Chrom,IEEE6,Nline,Connect,P,N); 
df     = 1000;
while gen< MAXGEN
      gen
      if gen == 0
         Pe = 0.92; 
      else
         Pe = 1/(1+exp(-df/10));  
      end
      gen   = gen+1;
      FitnV = ranking(ObjV);           
      %选择
      SelCh = select('sus',Chrom,FitnV);                              
      SelCh = recombin('xovmp',SelCh,Pe);  
      %重组
      f     = [zeros(1,length(Nline));5*ones(1,length(Nline))];      
      %变异
      SelCh        = mutbga(SelCh,f);                                               
      SelCh        = fix(SelCh);   
      ObjV2        = func_obj(SelCh,IEEE6,Nline,Connect,P,N);                                      
      [Chrom,ObjV] = reins(Chrom,SelCh,1,1,ObjV,ObjV2); 
      indx         = find(isnan(ObjV) == 1);
      ObjV3        = ObjV;
      ObjV3(indx)  = [];
      Price(gen)   = min(ObjV3);  
      if gen > 1
         df        = abs(Price(gen) - Price(gen-1));
      end
end

[Y,I]   = min(ObjV);                        
%规划
Net_new = Chrom(I,:);
Net_new
Y   

figure;
plot(Price,'b','linewidth',2);
grid on    
xlabel('Iteration times');
ylabel('Total cost');
toc; 

save R2.mat Price

4. Conclusión de la simulación

5. Referencias

[01]Valenzuela Jorge, Wang Jianhui. Un modelo probabilístico para evaluar la economía a largo plazo de la energía eólica. Investigación de sistemas de energía eléctrica, 2011, 81(4): 853~861.

[02]CWFu, TTNguyen. Models for Long-Term Energy Forecasting[J].Reunión general de la Sociedad de Ingeniería de Energía del IEEE, 2003, 13-17 de julio, Volumen 1:235.239.

[03] Gu Jindi, Wu Xupeng, etc. Investigación sobre la evaluación de la confiabilidad del esquema de planificación de la red de transmisión[J].East China Electric Power,2010,38(12):184-187.

A06-48

6. Cómo obtener el código fuente completo

Método 1: Wechat o QQ para contactar al blogger
Método 2: Suscripción , acceso gratuito al código del caso del tutorial y cualquier código fuente completo de 2 de este blog

[Planificación de la red eléctrica] Simulación Matlab de la planificación óptima del sistema de energía basada en un algoritmo inteligente