谷歌独立站百度seo搜索引擎优化
由于能源的日益匮乏，电力需求的不断增长等，配电网中分布式能源渗透率不断提高，且逐渐向主动配电网方向发展。此外，需求响应(demand response，DR)的加入对配电网的规划运行也带来了新的因素。因此，如何综合考虑分布式发电 (distributed generation，DG)和负荷，甚至需求响应负荷的关系，从而制定有效的协同规划方案，来应对高渗透分布式电源接入给主动配电网带来的诸多问题，具有较大的意义和价值。国内外学者对传统配电网规划方案作了大量的研究工作，如 DG 规划、网架规划、无功补偿规划等。文献均为单一规划，然而在分布式能源大力提倡和发展环境下，配电网公司应综合考虑 DG 和用户响应等关联因素，制定协同规划方案。当前配电网协同规划领域研究主要集中在变 电站和线路协同规划[8]及变电站、线路和电容的协同规划[9]等，其设计目标主要集中于减少传统配电网规划的设备投资，进而满足负荷的长。
光伏、储能双层优化配置接入配电网研究（附带Matlab代码）
部分参考代码：
%% 配电网光伏和储能优化配置
% 上层规划层
% 变量定义如下：% 决策变量：1光伏和1储能选址定容变量【1st光伏选址 1st光伏容量 储能选址 储能定容】
% 变量维度为4
clc;
clear;
close all;
global center gailv gxbest1;
gfsjcl;%光伏数据处理及kmeans聚类分析
%% 算法参数
parameter;%基本参数
nVar=4; % 变量数量
VarMin=[1 min_pv 1 min_cn]; % 变量最小值
VarMax=[sz_pv max_pv sz_cn max_cn]; % 变量上限
MaxIt=50; % Maximum Number of Iterations
nPop=10; % Population Size (Swarm Size)%% 计算[ bestPosition, fitValue,BestCost ] = ...
PSOFUN( @fun_objective,nVar,VarMin,VarMax,MaxIt,nPop );
%结果
figure;
plot(BestCost,'m','LineWidth',1.5)
xlabel('迭代次数');
ylabel('适应度值');
grid on
figure;
bar(gxbest1(97:120))
xlabel('时间')
ylabel('功率')
yyaxis right
for i=1:24esoc(i)=0.5+sum(gxbest1(97:97+i-1))/bestPosition(4)/4/s_cn;
end
plot(esoc,'-*')
ylabel('soc')
grid onfigure;
cc=sum(cx.bus(:,3)).*pl;
plot(cc,'m-','LineWidth',1.5)
grid on
xlabel('时间/h');
ylabel('功率/MW');
figure;
pv11=bestPosition(2).*center(1,:);
pess=gxbest1(97:120);
zpess=max(-pess,0);
fpess=min(-pess,0);
pg=1000.*cc-pv11+pess;
yyz=[zpess;pg;pv11]';
bar(fpess,'stack')
hold on
bar(yyz,'stack')
plot(1000.*cc,'r-','LineWidth',1.5)
legend('充电','放电','外网供电','光伏1','原始负荷');
xlabel('时间')
ylabel('功率')
%
结果展示：
光伏、储能双层优化配置接入配电网研究（附带Matlab代码）