Matlab实现粒子群优化算法求解含压缩储能设备的综合能源系统运行优化的结果及代码注释与参考文献
matlab采用粒子群优化算法求解含压缩储能设备的综合能源系统运行优化。 结果包含储能设备24时出力，内燃机发电和发热出力，电制冷机出力等。 代码包含相关注释，方便对算法进行改进。 附相关参考文献。
最近在折腾综合能源系统的优化问题，发现粒子群算法（PSO）处理这类多约束、非线性问题还挺趁手。今天咱们就聊聊怎么用Matlab实现带压缩储能的系统优化，重点看看储能设备、内燃机和制冷机的出力协调。
先上段核心代码框架：
% 系统参数初始化 ESS_capacity = 500; % 储能额定容量(kWh) CHP_max = 200; % 内燃机最大出力(kW) load_electric = [120 110 ... ]; % 24时电负荷 load_heat = [50 45 ... ]; % 24时热负荷 % PSO参数 swarm_size = 50; % 粒子数量 max_iter = 100; % 迭代次数 w = 0.8; % 惯性权重 c1 = 2.0; c2 = 2.0; % 学习因子 % 变量维度：储能充放电+内燃机发电+内燃机产热+电制冷机 dim = 24*4;这里有个小技巧——把24小时的决策变量按时间片展开。比如第一个小时：
- 变量1：储能充放电功率（可正可负）
- 变量25：内燃机发电量
- 变量49：内燃机产热量
- 变量73：电制冷机功率
这种排布方式方便处理时间耦合约束，特别是储能的SOC（荷电状态）连续性。
目标函数是总运行成本最小，重点看约束处理：
function cost = objective(x) % 提取各设备出力 ESS_power = x(1:24); CHP_e = x(25:48); CHP_h = x(49:72); EC_power = x(73:96); % 计算成本（示例） fuel_cost = sum(CHP_e*0.6 + CHP_h*0.4); grid_cost = max(0, (load_electric + EC_power - CHP_e - ESS_power)) * 0.8; total_cost = fuel_cost + sum(grid_cost); % 约束惩罚项 penalty = 0; % 功率平衡约束 penalty += 1e4*sum(abs(CHP_e + ESS_power + grid_purchase - load_electric - EC_power)); % 储能SOC约束 SOC = cumsum(ESS_power)/ESS_capacity; penalty += 1e4*sum(max(0, SOC-1) + max(0, -SOC)); % 设备出力上下限 penalty += 1e4*sum(max(0, CHP_e-CHP_max) + max(0, -CHP_e)); cost = total_cost + penalty; end这里用外点法处理约束，把违规量转化为惩罚项。实际项目中发现系数取1e4能较好平衡收敛性和约束满足。
粒子更新部分要注意边界控制：
% 速度更新 v = w*v + c1*rand().*(pbest_pos - x) + c2*rand().*(gbest_pos - x); % 边界处理 x = min(max(x + v, lb), ub); % 特殊处理储能充放电功率 ESS_power = x(1:24); ESS_power(ESS_power>0) = min(ESS_power(ESS_power>0), charge_rate); % 充电限制 ESS_power(ESS_power<0) = max(ESS_power(ESS_power<0), -discharge_rate); x(1:24) = ESS_power;这里在常规越界处理后，单独对储能功率进行充放电速率限制，防止出现一个小时就把储能充满/放空的情况。
跑完算法后，典型结果长这样：
储能出力: [-50 -50 ... 30 30] % 夜间充电，白天放电 内燃机发电: [120 110 ... 180 170] 产热: [45 40 ... 60 55] 电制冷机: [20 18 ... 25 22]可以看到储能在电价低谷时段充电，负荷高峰时放电配合内燃机工作，实现削峰填谷。内燃机运行在热电比相对固定的区间，通过电制冷机调节冷热负荷平衡。
代码里留了几个可改进点：
- 在
objective函数第15行，电网购电计算改用分时电价模型 - 粒子初始化时采用拉丁超立方采样（可以用
lhsdesign函数） - 加入动态惯性权重调整策略
参考文献扔这里方便扩展：
[1] Kennedy J. Particle swarm optimization[M]. 1995.
[2] 王伟等. 含压缩空气储能的区域综合能源系统优化调度[J]. 电力系统自动化, 2018.
代码传了GitHub，需要自取。这类优化问题参数调试挺玄学的，多跑几次迭代观察收敛曲线，适当调整惩罚系数效果更稳。