1主要内容

程序模型参考《分布式光伏储能系统的优化配置方法》，分为上下层求解方式，上层采用粒子群算法确定储能的选址和容量方案，以全年购电成本、网络损耗、光伏运行成本、储能充放电和投资成本为目标；下层采用混合整数规划算法（默认求解器为cplex，也可替换成gurobi），以IEEE33节点配电网为研究对象，通过二阶锥模型求解，以电网购电成本为目标函数。程序注释清晰，方便参考学习！

因此，本程序和原文还是有些明显的区别：

1.原文中双层模型均采用智能算法，遗传/粒子群算法，本程序上层采用粒子群，下层采用规划算法，需要求解器求解。

2.原文中以9节点系统为例，本程序实际上采用33节点，该节点系统应用更广泛，参考性更强。

2部分代码

%计算各个粒子的适应度，并初始化Pi和Pg****************

Pgrid=zeros(33,24); %上网购电

p_ch=zeros(1,24); %储能充电功率

p_dch=zeros(1,24); %储能放电功率

p_pv=zeros(1,24); %光伏出力

I=zeros(32,24); %电流平方值

Pg=zeros(32,1); %风机出力

E_ess=zeros(1,24); %储能电量

​

​

for i=1:N

[y1,y2,y3,y4,y5,y6,y7]=solution(x(i,:));

Pgrid=y1;

p_ch=y2;

p_dch=y3;

p_pv=y4;

I=y5;

Pg=y6;

E_ess=y7;

p(i)=fitness(x(i,:),Pgrid,p_ch,p_dch,p_pv,I,Pg,s);

y(i,:)=x(i,:);%每个粒子的个体寻优值

end

Pbest=fitness(x(1,:),Pgrid,p_ch,p_dch,p_pv,I,Pg,s);

pg=x(1,:);%Pg为全局最优

for i=2:N

[y1,y2,y3,y4,y5,y6,y7]=solution(x(i,:));

Pgrid=y1;

p_ch=y2;

p_dch=y3;

p_pv=y4;

I=y5;

Pg=y6;

E_ess=y7;

if fitness(x(i,:),Pgrid,p_ch,p_dch,p_pv,I,Pg,s)<fitness(pg,pgrid,p_ch,p_dch,p_pv,i,pg,s) pbest="fitness(x(i,<span" >:),Pgrid,p_ch,p_dch,p_pv,I,Pg,s);

pg=x(i,:);%全局最优更新

end

end

​

%进入主循环*****************************************

for t=1:Max_Dt

t

for i=1:N

w=w_max-(w_max-w_min)*t/Max_Dt;%惯性权重更新

c1=(0.5-2.5)*t/Max_Dt+2.5; %认知

c2=(2.5-0.5)*t/Max_Dt+0.5; %社会认识

w=0.7;

v(i,:)=w*v(i,:)+c1*rand()*(y(i,:)-x(i,:))+c2*rand()*(pg-x(i,:));

for m=1:D

if(v(i,m)>v_max)

v(i,m)=v_max;

elseif(v(i,m)<-v_max)

v(i,m)=-v_max;

end

end

3程序结果