【水光互补优化调度】基于非支配排序遗传算法的多目标水光互补优化调度（Matlab代码实现）

 👨‍🎓个人主页：研学社的博客 

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

1.1 水光互补

1.2 水光互补模型——目标函数和约束条件

 1.3 多目标遗传算法

📚2 运行结果

🌈3 Matlab代码实现

🎉4 参考文献

---

​

💥1 概述

参考文献：

​

然后本文换一个算法进行解决，也算一个创新点吧：

基于非支配排序遗传算法的多目标水光互补优化调度，然后用Matlab实现之。

近些年，人类对环境问题和资源枯竭关注日益增大，使得以光伏为代表的新能源发电得到了大规模的发展。截至2015年底，中国光伏发电累计装机容量4318万千瓦，成为全球光伏发电装机容量最大的国家[1]。但是，光伏具有“随机性、间歇性和波动性”的特点[2-4]。光伏发电的并网对电力系统的规划、安全、调度和控制等方面的影响也越来越大。虽然光伏的装机容量很大，但是并网消纳仍是一个有待解决的问题[5-6]。水电是一种清洁可再生的能源，其出力具有快速调节的优良性能，在电力系统中常常担任调峰的任务[7]。利用水电出力的特点来平衡光伏出力的波动，可以为电网提供更多的优质电能。世界上第一座水光互补电站2009年在青海玉树建成[8]，到2015年全球最大的龙羊峡水光互补电站的建成[9]，水光互补已得到了全世界的广泛关注。

1.1 水光互补

水电的发电量取决于径流的多少，径流在年内和年际间相差悬殊，年际有丰水年和枯水年之分，年内有丰、枯水期。水电在丰水年发电多、枯水年发电少，冬春季发电量少、夏秋季发电量多。相对而言，太阳能年际间波动很小，光电的年发电量几乎是恒定值；光伏发电还具有冬春季发电量大、夏秋季发电量小的季节性特点。光伏在水电匮乏时可以为联合系统提供电量上的支撑，减少系统负荷的缺额，因此，水电和光伏发电在年际和年内都存在很好地互补关系。

日内互补特性

光伏发电取决于环境条件，光伏出力呈现 “ 间歇性、随机性和波动性” 地特点。在一天之内，水电可以利用机组的快速调节性能来平抑光伏出力的“ 随机性和波动性 ” ；光伏只在白天出力，在夜间的出力几乎为零，水电可以平衡光伏出力的“ 间歇性 ” [10]。因此，水电和光伏发电在日内也存在着很好的互补关系，如图1所示。

                 

1.2 水光互补模型——目标函数和约束条件

水光互补的运行模式为以水电和光伏联合运行，以光伏出力为基荷，用水电来调节光伏出力，为了保证下游的用水，水电站在调度期内的出库流量恒定。在此模式下，建立水光互补调峰能力的模型，并考虑了各种约束条件。

目标函数

两个目标，所有本文考虑用多目标优化算法解决之，没有用参考文献的方法。

水电出力的约束 

 1.3 多目标遗传算法

多目标优化NSGA-II(非支配排序常见于遗传算法)

📚2 运行结果

🌈3 Matlab代码实现

部分代码：

%% NSGA-II Parameters

MaxIt=70;      % Maximum Number of Iterations

nPop=80;        % Population Size

pCrossover=0.7;                         % Crossover Percentage
nCrossover=2*round(pCrossover*nPop/2);  % Number of Parnets (Offsprings)

pMutation=0.4;                          % Mutation Percentage
nMutation=round(pMutation*nPop);        % Number of Mutants

mu=0.02;                    % Mutation Rate

sigma=0.1*(VarMax-VarMin);  % Mutation Step Size

%% Initialization

empty_individual.Position=[];
empty_individual.Cost=[];
empty_individual.Rank=[];
empty_individual.DominationSet=[];
empty_individual.DominatedCount=[];
empty_individual.CrowdingDistance=[];

pop=repmat(empty_individual,nPop,1);

disp('产生初始可行解...')
for i=1:nPop   
    flag=0;
    while flag==0
        tmp=[];
        for j=1:1:nVar
            tmp = [tmp unifrnd(VarMin(j),VarMax(j),1)];
        end
        flag = test(tmp);     % 检查约束 约束不满足就重新生成解
    end
    pop(i).Position=tmp;
    
    pop(i).Cost=CostFunction(pop(i).Position);
    
end

% pause

% Non-Dominated Sorting
[pop, F]=NonDominatedSorting(pop);

% Calculate Crowding Distance
pop=CalcCrowdingDistance(pop,F);

% Sort Population
[pop, F]=SortPopulation(pop);

%% NSGA-II Main Loop

for it=1:MaxIt
    
    % 交叉
    popc=repmat(empty_individual,nCrossover/2,2);
    for k=1:nCrossover/2
        
        i1=randi([1 nPop]);
        p1=pop(i1);
        
        i2=randi([1 nPop]);
        p2=pop(i2);
        
        [popc(k,1).Position, popc(k,2).Position]=Crossover(p1.Position,p2.Position,VarMin,VarMax);
        if test(popc(k,1).Position)+test(popc(k,2).Position)==2
            popc(k,1).Cost=CostFunction(popc(k,1).Position);
            popc(k,2).Cost=CostFunction(popc(k,2).Position);
        else
            popc(k,1)=p1;
            popc(k,2)=p2;
        end

🎉4 参考文献

部分理论来源于网络，如有侵权请联系删除。

 [1]丁航,安源,王颂凯,王浩. 水光互补的短期优化调度[C]//.2016第二届能源，环境与地球科学国际会议论文集.[出版者不详],2016:21-26.