1 内容介绍
电力系统最优潮流问题（ＯＰＦ）可描述为在满足电力系统各种运行约束限制前提条件下，通过优化得到电力网络中各控制变量取值，使系统的某个性能指标达到最优，因此ＯＰＦ问题是一个典型的约束非线性规划问题。以简化梯度法、牛顿法、内点法、解耦法为代表的传统优化方法已被运用于解决ＯＰＦ问题上，但简化梯度法会出现锯齿现象，收敛性较差，且计算量大耗时多；要求目标函数具有光滑、连续可微的特性限制了牛顿法在解决ＯＰＦ问题中的应用；内点法计算速度慢、易收敛至局部极值。针对经典优化算法存在的不足，帝企鹅启发式智能优化算法，为解决ＯＰＦ问题的一种新途径［１］
2 仿真代码
function [fit,result,x0]=aimFcn_1(x,option,data)x0=x;%%typeL=round(x.*(data.numLine-1))+1;R=data.Line(typeL,1).*data.distance(:,2)/data.base;X=data.Line(typeL,2).*data.distance(:,2)/data.base;I=data.Line(typeL,3).*data.distance(:,2);C=data.Line(typeL,4).*data.distance(:,2);data.mpc.branch(:,3)=R;data.mpc.branch(:,4)=X;[MVAbase, bus, gen, gencost, branch, f, success, et] = ... runopf(data.mpc);lamdaP=bus(:,14);P=bus(:,3);[loss, fchg, tchg] = get_losses(MVAbase, bus, branch);if success==1 punishiment=0;else punishiment=10000;end%%A=sum(lamdaP.*P);B=sum(real(loss))*data.lamdaLoss;C=sum(C);fit=(A+B)*8760*15+C+punishiment;%% if nargout>1 result.fit=fit; result.bus=bus; result.branch=branch; result.loss=loss; result.lamdaP=lamdaP; result.P=P; result.A=A; %发电成本 result.B=B; %损耗 result.C=C; %线路成本endend
3 运行结果
4 参考文献
[1]李英. 基于并行计算和粒子群优化算法的电力系统无功优化问题研究[D]. 浙江大学, 2010.
[2]张东寅, 王澎涛, 袁艳斌,等. 基于改进布谷鸟算法的电力系统最优潮流计算[J]. 水电能源科学, 2017, 35(1):5.
博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。
部分理论引用网络文献，若有侵权联系博主删除。
