基於WOA鯨魚最佳化的購售電收益與風險評估演算法matlab模擬

1.課題概述

基於WOA鯨魚最佳化的購售電收益與風險評估演算法.WOA最佳化演算法是一種基於鯨魚捕食過程的仿生最佳化演算法，其包括鯨魚行走覓食、鯨魚包圍以及鯨魚螺旋捕食三個步驟。在WOA最佳化演算法中，將售電公司的購售電收益風險計算公式作為WOA最佳化演算法的目標函式，然後透過WOA的迭代最佳化計算售電公司的最優購電策略。最後，透過MATLAB模擬工具對本文所研究的基於WOA最佳化的新型購售電收益計算方法進行了模擬分析。模擬結論驗證了透過WOA最佳化演算法得到的購電策略為最優購電策略。

2.系統模擬結果

隨著WOA最佳化演算法的不斷迭代，當迭代次數大於10時，風險價值收益最佳化值達到最大值1715.1萬元。

WOA最佳化演算法得到中長期市場購電量19405.19/ (MW·h)其對應的購售電公司的條件風險價值收益最大，而長期市場購電量小於或者大於19405.19/ (MW·h)時，其對應的條件風險價值收益均較低。

WOA最佳化演算法得到現貨市場購電量1263.2/ (MW·h)是一個較優值，因為當現貨市場購電量小於1263.2該值時，條件風險價值收益快速下降，而現貨市場購電量大於1263.2時，條件風險價值收益增長非常緩慢，而現貨市場購電量均有各種不穩定性因素，因此WOA最佳化演算法得到的1263.2/ (MW·h)是一個最優值。

WOA最佳化演算法得到風電購電量1077.12/ (MW·h)，光伏購電量761.68/ (MW·h)是一個較優值。首先，當風電購電量大於1077.12/ (MW·h)時，條件風險價值收益快速下降，而小於該值時，條件風險價值收益下降較慢，同理，對於光伏發電也具有類似的趨勢。

WOA最佳化演算法得到分散式電源購電量1256.69/ (MW·h)是一個較優值，而且由於分散式電源價格較低，因此需要購買一定的電量。

WOA最佳化演算法得到儲存式購電量116/(MW·h)是一個較優值，因為當儲存式購電量小該值時，條件風險價值收益快速下慢，而現貨市場購電量大於該值時，條件風險價值收益快速增長。

3.核心程式與模型

版本：MATLAB2022a

for t=1:Iters
    t
    for i=1:Num
        %目標函式更新
        [pa(i),BUY]  = fitness(xwoa(i,:));
        Fitout   = pa(i);
        %更新
        if Fitout > woa_get  
            woa_get = Fitout; 
            woa_idx = xwoa(i,:);
        end
    end
    %調整引數
    c1 = 2-t*((1)/Iters); 
    c2 =-1+t*((-1)/Iters);
%     w  = 0.1+0.8*(cos(std(pa)));
    %位置更新
    for i=1:Num
        r1         = rand();
        r2         = rand();
        K1         = 2*c1*r1-c1;  
        K2         = 2*r2;             
        l          =(c2-1)*rand + 1;  
        rand_flag  = rand();   

        if rand_flag<0.5   
           if abs(K1)>=1
              RLidx    = floor(Num*rand()+1);
              X_rand   = xwoa(RLidx, :);
              D_X_rand = abs(K2*X_rand(1:D)-xwoa(i,1:D)); 
              xwoa(i,1:D)= X_rand(1:D)-K1*D_X_rand;     
           else
              D_Leader = abs(K2*woa_idx(1:D)-xwoa(i,1:D)); 
              xwoa(i,1:D)= woa_idx(1:D)-K1*D_Leader;    
           end
        else
            distLeader = abs(woa_idx(1:D)-xwoa(i,1:D));
            xwoa(i,1:D)  = distLeader*exp(l).*cos(l.*1*pi)+woa_idx(1:D);
        end

    end
    [pb,BUY]  = fitness(woa_idx);
    Pbest(t)  = pb;
end

figure;
plot(Pbest,'b-o');
xlabel('WOA迭代次數');
ylabel('風險價值收益最佳化值');
02_070m

4.系統原理簡介

售電公司的購售電決策模型可以表示為如下表示式：

售電公司的購售電最大收益和最小風險的最佳化目標函式為一個最最佳化問題，從其表示式可知，該最佳化問題是一個非線性的NP最佳化問題，採用傳統的求解演算法很難得到一個最優解。因此，本文將提出一種基於鯨魚最佳化 (Whale optimization algorithm，WOA)的新型購售電最大收益和最小風險計算方法。

基於WOA鯨魚最佳化的購售電收益與風險評估演算法matlab模擬

相關文章