Matlab|含sop的33节点配电网优化

目录

1 主要内容

2 部分代码

3 程序结果

4 下载链接


主要内容

程序以IEEE33节点为例,分析含sop的配电网优化,包括sop有功约束、无功约束和容量约束,非线性部分通过转换为旋转锥约束进行编程,并且包括33节点配电网潮流及对应电压、电流约束、OLTC约束等,程序是对《Coordinated Control Method of Voltage and Reactive Power for Active Distribution Networks Based on Soft Open Point》方法实现,里面还有更深一些的知识,包括OLTC和CB等部分内容,具体sop部分和文献《考虑分布式电源运行特性的有源配电网智能软开关sop规划方法》一致。

部分代码

%% 定义约束条件
Constraints=[];
%% SOP有功功率限制 (1) 
Constraints=[Constraints,x_p_sop1(1,:)+x_p_sop1(2,:)+x_p_sop1_loss(1,:)+...
    x_p_sop1_loss(2,:)==0];
Constraints=[Constraints,x_p_sop2(1,:)+x_p_sop2(2,:)+...
    x_p_sop2_loss(1,:)+x_p_sop2_loss(2,:)==0];
%% CBs操作限制(27、29) 33
Constraints=[Constraints,Q_CB==N_CB*q_CB];
Constraints=[Constraints,N_CB<=5];
Constraints=[Constraints,N_CB>=0];
​
%% 有功功率损耗(33)
f_loss1=sum(r_ij'*x_Iij_square)*delta_T;
Constraints=[Constraints,x_ui_square(1,:)==12.66^2];  %平衡节点每小时电压平方
f_loss2=sum(x_p_sop1_loss)*delta_T;
f_loss3=sum(x_p_sop2_loss)*delta_T;
 Constraints=[Constraints,x_Iij_square>=0];    
%% sop运行约束%(40,41)
    Constraints=[Constraints,0.02*sqrt(x_p_sop1(1,:).^2+x_q_sop1(1,:).^2)<=...
        x_p_sop1_loss(1,:)];
    %Constraints=[Constraints,(x_p_sop1(2,opt_num)^2+x_q_sop1(2,opt_num)^2)<=...
     %   2*(x_p_sop1_loss(2,opt_num)/(sqrt(2)*0.02))*(x_p_sop1_loss(2,opt_num)/(sqrt(2)* 0.02))];
    Constraints=[Constraints,0.02*sqrt(x_p_sop1(2,:).^2+x_q_sop1(2,:).^2)<=...
        x_p_sop1_loss(2,:)];
%     Constraints=[Constraints,x_p_sop1(1,opt_num)+x_p_sop1(2,opt_num)==0];
​
     Constraints=[Constraints,0.02*sqrt(x_p_sop2(1,:).^2+x_q_sop2(1,:).^2)<=...
        x_p_sop2_loss(1,:)];
     Constraints=[Constraints,0.02*sqrt(x_p_sop2(2,:).^2+x_q_sop2(2,:).^2)<=...
        x_p_sop2_loss(2,:)];
%     Constraints=[Constraints,x_p_sop2(1,opt_num)+x_p_sop2(2,opt_num)==0];

程序代码标注了和文献公式的对应性,方便学习!

程序结果

4 下载链接

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mfbz.cn/a/584925.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

微信小程序个人中心、我的界面(示例四)

微信小程序个人中心、我的界面&#xff0c;九宫格简单布局&#xff08;示例四&#xff09; 微信小程序个人中心、我的界面&#xff0c;超简洁的九宫格界面布局&#xff0c;代码粘贴即用。更多微信小程序界面示例&#xff0c;请进入我的主页哦&#xff01; 1、js代码 Page({…

《深入解析WIndows操作系统》第9章读书笔记

1、闪存类型&#xff1a;常见的闪存类型有NOR和NAND。NOR闪存在操作上最接近RAM&#xff0c;它的每个字节都可以被独立地寻址&#xff0c;而NAND闪存则被组织成以块为单位&#xff0c;就像磁盘一样。NOR类型的闪存用来设计保存计算机主板上的BIOS&#xff0c;而NAND类型的闪存被…

【哈希】Leetcode 217. 存在重复元素

题目讲解 217. 存在重复元素 算法讲解 使用set集合完成元素的存储&#xff0c;当我们将当前元素插入到集合单中&#xff0c;如果insert的返回值的pair.second等于false说明当前元素已经存在&#xff0c;反之元素在集合中存在 class Solution { public:bool containsDuplica…

【触摸案例-手势解锁案例-九宫格 Objective-C语言】

一、手势解锁案例,九宫格,我们先来分析一下怎么实现: 首先呢,我们先来运行一下, 这一块儿,上面的这九个东西,肯定是要有一个九宫格的一个算法的问题,然后呢,上边的这九个小圆圈儿,这是什么东西,Button,为什么是Button,因为可以点,是吗,就因为这个?实际上,你用…

UE5像素流部署以及多实例部署(兼容ue4)

像素流部署请看我之前的文章就行&#xff0c;今天讲的是多实例部署 在这里可以配置多实例的数量 如果设置800端口 设置两个实例 那么就是800 801端口 我的个人显卡是4060TI,最多开三个

kaggle之皮肤癌数据的深度学习测试

kaggle之皮肤癌数据的深度学习测试 近期一直在肝深度学习 很久之前&#xff0c;曾经上手搞过一段时间的深度学习&#xff0c;似乎是做轮胎花纹的识别&#xff0c;当初用的是TensorFlow&#xff0c;CPU版本的&#xff0c;但已经很长时间都没弄过了 现在因为各种原因&#xff…

【论文阅读】ELAN-Efficient Long-Range Attention Network for Image Super-resolution

ELAN-Efficient Long-Range Attention Network for Image Super-resolution 论文地址简介1 引言2相关工作2.1 基于 CNN 的 SR 方法2.2 基于 Transformer 的 SR 方法 3 方法论3.1 ELAN 的整体流程3.2 Efficient Long-range Attention Block (ELAB) 4实验4.1实验设置4.2 与轻量级…

Gray Zone Warfare灰区战争无法启动、登不上、加载失败解决办法

《灰区战争》是由捷克独立工作室开发、虚幻5引擎打造的开放世界FPS游戏&#xff0c;现已上线Steam页面&#xff0c;游戏将于2024年推出&#xff0c;暂不支持中文。当行动者 在对手做出反应之前迅速取得小规模胜利时&#xff0c;就出现了既成事实。例如&#xff1a;没收有争议的…

如何利用AI智能名片B2B2C商城系统将关键客户转化为数据驱动的会员

在数字化浪潮席卷全球的今天&#xff0c;数据无疑是企业发展的核心驱动力。然而&#xff0c;如何将这些无形的数字转化为企业实际增长的动力&#xff0c;却是许多企业面临的难题。特别是对于关键客户的管理&#xff0c;如何深入挖掘他们的价值&#xff0c;并转化为企业的忠实会…

【论文笔记】Training language models to follow instructions with human feedback A部分

Training language models to follow instructions with human feedback A 部分 回顾一下第一代 GPT-1 &#xff1a; 设计思路是 “海量无标记文本进行无监督预训练少量有标签文本有监督微调” 范式&#xff1b;模型架构是基于 Transformer 的叠加解码器&#xff08;掩码自注意…

力扣:61. 旋转链表(Java,双指针)

目录 题目描述&#xff1a;输入&#xff1a;输出&#xff1a;代码描述&#xff1a; 题目描述&#xff1a; 给你一个链表的头节点 head &#xff0c;旋转链表&#xff0c;将链表每个节点向右移动 k 个位置。 输入&#xff1a; head [1,2,3,4,5], k 2 输出&#xff1a; [4,5,1,…

Java项目:基于SSM框架实现的视康眼镜网店销售管理系统眼镜商城(ssm+B/S架构+源码+数据库+毕业论文+PPT)

一、项目简介 本项目是一套基于SSM框架实现的视康眼镜网店销售管理系统 包含&#xff1a;项目源码、数据库脚本等&#xff0c;该项目附带全部源码可作为毕设使用。 项目都经过严格调试&#xff0c;eclipse或者idea 确保可以运行&#xff01; 该系统功能完善、界面美观、操作简…

Android4.4真机移植过程笔记(三)

如果文章字体看得不是很清楚&#xff0c;大家可以下载pdf文档查看&#xff0c;文档已上传&#xff5e;oo&#xff5e; 7、安装加密APK 需要修改文件如下&#xff1a; 相对Android4.2改动还是蛮大的&#xff0c;有些文件连路径都变了: //Android4.2 1、frameworks/native/libs…

Java字符缓冲区

字符缓冲区是在计算机编程中非常重要的一种数据结构&#xff0c;它主要用于存储和高效地操作字符序列。 在 Java 中&#xff0c;StringBuffer类就是典型的字符缓冲区实现。与String类不同&#xff0c;StringBuffer具有动态可变性&#xff0c;这意味着我们可以在原有的字符序列…

【统计推断】-01 抽样原理之(四):中心极限定律(1)

文章目录 一、说明二、样本均值的抽样分布三、两个重要公理四、中心极限定理4.1 定义4.2 中心极限定理的特点4.3 中心极限定理的条件 五、一个举例5.1 一个连续分布示例5.2 样本容量变化的对比 六、结论 关键词&#xff1a;    Central Limit Theorem    Law of Large Numb…

机器学习 | 准确率、召回率、精准率、特异度傻傻分不清?ROC曲线怎么看?一篇文章帮你搞定

一、真正类、假负类、假正类与真负类 二、准确率、召回率、精准率、特异度与假正率 1. 准确率 (Accuracy) 准确率表明成功预测&#xff08;预测为负或为正&#xff09;的结果占总样本的百分比。 准确率 &#xff0c; 2. 召回率/查全率/灵敏度/真正率&#xff08;Recall&a…

新华三李玉涛:智算网络是解决AI算力需求的关键

近年来&#xff0c;人工智能领域呈现爆发式增长&#xff0c;尤其在OpenAI、文心一言等大模型的不断推出&#xff0c;参数规模实现了飞跃式增长。同时&#xff0c;Character AI、谷歌Bard等应用已经逐渐渗透至日常生活和工作当中&#xff0c;越来越多的人开始借助AIGC工具来提升…

最优二叉搜索树

一、二叉搜索树&#xff08;二叉查找树&#xff09; 所有根节点大于左子树的节点&#xff0c;小于右子树的节点的二叉树 满足以下性质&#xff1a; 1.如果左子树不为空&#xff0c;则左子树上的所有节点都小于根节点 2.如果右子树不为空&#xff0c;则右子树上的所有节点都大于…

Web-SpringBootWeb

创建项目 后面因为报错&#xff0c;所以我把jdk修改成22&#xff0c;仅供参考。 定义类&#xff0c;创建方法 package com.start.springbootstart.Controller; import org.springframework.web.bind.annotation.RequestMapping; import org.springframework.web.bind.annotati…

实验8 NAT配置

实验8 NAT配置 一、 原理描述二、 实验目的三、 实验内容1.实验场景2.实验要求 四、 实验配置五、 实验步骤2.静态NAT配置3.NAT Outbound配置4.NAT Easy-IP配置 一、 原理描述 2019年11月26日&#xff0c;全球43亿个IPv4地址正式耗尽&#xff0c;这意味着没有更多的IPv4地址可…
最新文章