010文章解读与程序——科学技术与工 程北大核心《基于多目标算法的冷热电联供型综合能源系统运行优化》已提供下载资源

👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆下载资源链接👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆

摘 要 ：为了解决现有冷热电联供型综合能源系统大多只单一考虑系统机组投资成本或系统环境污染，影响系统整体优化 运行的问题，以系统经济性和环保性为目标，对冷热电联供系统进行研究分析。构建含燃气轮机、燃气锅炉、电制冷机等机组 的冷热电联供系统优化模型并建立约束条件; 改进粒子群算法，面向多约束目标进行模型求解优化，提高求解的收敛精度、收 敛速度和稳定性; 最后利用算例进行结果分析。结果表明改进后的粒子群算法能够同时兼顾系统的经济性和环保性，使系统 运行更加优化，为之后的能源供给系统的规划提供前期依据。

这段摘要描述了一个研究旨在解决冷热电联供型综合能源系统存在的问题的工作。以下是对摘要中关键内容的解读：

1. 问题陈述： 指出了现有冷热电联供型综合能源系统大多只单一考虑系统机组投资成本或系统环境污染的问题。这表明过去的研究在考虑系统优化运行时存在一定的局限性。

2. 研究目标： 以系统经济性和环保性为目标，对冷热电联供系统进行了研究和分析。这强调了综合考虑经济和环保因素的重要性，以实现系统的整体优化运行。

3. 建模与约束条件： 构建了含有燃气轮机、燃气锅炉、电制冷机等机组的冷热电联供系统优化模型，并建立了相应的约束条件。这说明研究考虑了多种能源组件，并为其运行设立了限制条件。

4. 算法改进： 通过改进粒子群算法，面向多约束目标进行模型求解优化。这意味着作者对现有算法进行了改良，以更好地处理多个优化目标，并提高了算法的收敛精度、收敛速度和稳定性。

5. 结果分析： 最后，使用算例进行了结果分析。研究表明改进后的粒子群算法能够同时兼顾系统的经济性和环保性，使系统运行更加优化。这为未来能源供给系统的规划提供了前期依据。

总体而言，这项研究致力于提高冷热电联供系统的经济性和环保性，通过综合考虑多个因素，并通过算法改进实现了更优化的系统运行。这对未来能源系统的规划提供了有益的信息。

部分代码展示：

clear
clc 

load PV
load WT
load P_load
load R_load
load L_load
load G_price_buy
load  G_price_sell
load price_C
load price_H
load price_G
PV=2*PV;
WT=2*WT;
L_load=1.5*L_load;
global P_load;  %定义全局变量  电负荷
global R_load; %定义全局变量  热负荷
global L_load; %定义全局变量  冷负荷
global  G_price_buy;%购电电价
global G_price_sell;%卖电电价
global PV;
global WT;
global  price_C %供冷价格
global price_H %供热价格
global price_G %供电价格
% Grid 电   热heat  冷 cool
gas_price=0.175;  %气价
ngas_G=0.35; %气转电效率
ngas_h=0.9; %气转热效率
ngas_c=0.9; %气转冷效率
nGB_h=0.9; %电热锅炉的热效率
COP_EC=3.5; %电制冷机的制冷效率
price_G=[0.312000000000000,0.312000000000000,0.312000000000000,0.312000000000000,0.312000000000000,0.312000000000000,1.20000000000000,1.20000000000000,1.20000000000000,1.20000000000000,0.720000000000000,0.720000000000000,0.720000000000000,0.720000000000000,0.720000000000000,0.720000000000000,0.720000000000000,1.20000000000000,1.20000000000000,1.20000000000000,0.312000000000000,0.312000000000000,0.312000000000000,0.312000000000000];
price_C=price_H;
%初始化条件****************************************
%天燃气供给最大值
GTMaxPower=200;
%天燃气供给最小值
GTMinPower=0;
%电热锅炉的最大功率
GBMaxPower=100;
%电热锅炉的最小功率
GBMinPower=0;
%电制冷机与电网最大功率
ECMaxPower=50;
%电制冷机与电网最小功率
ECMinPower=0;
%电网最大购电功率
GridMaxPower=200;
%电网最小购电功率
GriMinPower=-100;
mm=mopso();
nn=length(mm.swarm);

for i=1:nn
   xx(i)= mm.swarm(1,i).cost(1);
  yy(i)= mm.swarm(1,i).cost(2);
   zz(i)=mm.swarm(1,i).cost(3);
end

m1=max( xx);
m2=max( yy);
m3=max( zz);
for i=1:nn
    object(i)= mm.swarm(1,i).cost(1)./m1+ mm.swarm(1,i).cost(2)./m2+ mm.swarm(1,i).cost(3)./m3;
  
end
[m,p]=min(object);
pg=mm.swarm(1,p).x;


P_gas_G=pg(1:24)*ngas_G;
P_gas_H=pg(1:24)*ngas_h;
P_gas_C=pg(1:24)*ngas_c;
P_gas=pg(1:24); %天然气出力
P_mh=pg(25:48);  %电热锅炉出力
P_mc=pg(49:72);  %电制冷机出力
P_GBh=pg(25:48)*nGB_h;
P_EC=pg(49:72)*COP_EC;
G_PV=pg(97:120);  %光伏
G_WT=pg(121:144);  %风电
G_grid=pg(73:96);  %电网
response_L=pg(145:168); %冷热电负荷的变化量
response_R=pg(169:192);
response_P=pg(193:216);
dload_L=(L_load+response_L)-(P_EC+P_gas_C);  %冷负荷的功率不平衡量 可以看做储能的出力
dload_R=(R_load+response_R)-(P_GBh+P_gas_H);  %热负荷的功率不平衡量
dload_P=(P_load+response_P)-(G_PV+G_WT+P_gas_G+G_grid-P_mh-P_mc);  %电负荷的功率不平衡量  认为G_grid  正为买电  负为卖电
 for i=1:24
    profit(i)=(0.86-0.23)*1000*G_PV(i)+(0.53-0.16)*1000*G_WT(i); %光伏收益  卖价-成本
 end 
 cost_buy=0;
 cost_sell=0;
  for i=1:24
  CCHP_benefit(i)=price_G(i)*1000*P_gas_G(i)+price_H(i)*1000*P_gas_H(i)+price_C(i)*1000*P_gas_C(i); %CCHP  供冷热电收益
  if G_grid(i)>0
      cost_buy= cost_buy+G_grid(i)* G_price_buy(i);
  else 
   cost_sell=cost_sell+G_grid(i)* G_price_sell(i);
  end 
 cost_device(i)=0.02*P_mh(i)+0.023*P_mc(i)+0.075*P_gas(i);  %设备成本
 benefit_grid(i)=G_price_sell(i)*(P_mc(i)+P_mh(i));
 
  end
 
  for i=1:24
  uesrs_buy(i)=price_G(i)*1000*(P_load(i)+response_P(i))+price_H(i)*1000*(R_load(i)+response_R(i))+price_C(i)*1000*(L_load(i)+response_L(i)); %CCHP  供冷热电收益

  end

y(1) =sum( profit);
y(2) = sum(CCHP_benefit)+cost_sell+sum( benefit_grid)-cost_buy-sum(cost_device);  %CCHP 收益+卖电收益-各种成本
y(3)=sum(  uesrs_buy); %用户购电热冷的成本

效果展示：

https://download.csdn.net/download/LIANG674027206/88691979http://资源链接地址

👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆下载资源链接👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆