参考文献

基于多目标粒子群算法的微电网优化调度——王金全（2014电网与清洁能源）

主要内容

针对光伏电池、风机、微型燃气轮机、柴油发电机以及蓄电池组成的微电网系统的优化问题进行研究，在满足系统约束条件下，建立了包含运行成本、可中断负荷补偿成本以及污染物处理费用的微电网多目标优化调度模型，并利用多目标粒子群算法（MOPSO）求解微电网优化调度问题。

部分程序

%% 变量范围设置
%储能最大放电功率
StorageMaxDischargingPower=250;
%储能最大充电功率
StorageMaxChargingPower=-200;
%柴油发电机最大功率
DGMaxImportPower=600;
%柴油发电机最小功率
DGMinImportPower=200;
%% 多目标粒子群求解
mm=mopso;
nn=length(mm.swarm);

for i=1:nn
    yyy(i)= mm.swarm(1,i).cost(1);
   xxx(i)= mm.swarm(1,i).cost(2);
   
end
m1=max( yyy);
m2=max( xxx);
for i=1:nn
    object(i)= mm.swarm(1,i).cost(1)./m1+ mm.swarm(1,i).cost(2)./m2;
    f1(i)=mm.swarm(1,i).cost(1)./m1;
    f2(i)=mm.swarm(1,i).cost(2)./m2;
end
[m,p]=min(object);
pg=mm.swarm(1,p).x;

%% 处理结果

 for i=1:24
   pg_PV(i)=pg(i);
 end  
 
 for m=25:48
    pg_WT(m-24)=pg(m);
end
for m=49:72
    pg_BT(m-48)=pg(m);
end
for m=73:96
    pg_DG(m-72)=pg(m);
end
  deltp_sum=0;
for i=1:24
   deltp(i)=(pg(i)+pg(i+24)+pg(i+48)+pg(i+72)-P_load(i));
   deltp_sum=deltp_sum+deltp(i);
end

运行结果