遗传算法求解日前调度

用遗传算法求解电力系统简单日前调度问题，考虑微网发电成本的经济性，以微型燃气轮机发电成本、 储能运行维护成本和微网与主网之间买、卖电的交互成本为系统总成本，以电力平衡及机组运行的相关约束为模型的约束条件，建立使系统的总成本最低为目标函数的日前经济优化调度模型。 日前经济优化调度一般以 24 小时为调度周期，电网的调度中心根据次日调度周期内的负荷以及可再生能源出力预测数据，提前安排次日每个小时内发电机机组或储能设备等的出力情况以及要从上层电网购买或售出的电量，以达到发电成本最小或收益最大的目的。

function [xmfv]=ga_microgrid_dayahead
%%初始目标函数与约束条件
%求解变量ptpepcc 目标函数 f约束条件 g1
syms pt pe pcc;
n=2;%%%自变量个数
T=24;%%%调度时长
pc=0.8;%%交叉概率
pm=0.01;%%变异概率
NP=50; %进化代数
ptmin=0;
ptmax=20;
pemin=-5;
pemax=20;
pccmin=-40;
pccmax=40;
soc_max=1;
soc_min=0.2;


%%初始化种群，种群长度20行*50列
size=20;%%%种群长度
C=zeros（sizen*T+3）; %前48列为初始解 奇数列pt，偶数列pe;第49列为适应函数值，第50列记录是否为可行解，第51列记录违背约束条件的差值
C（:1:2:n*T-1）=ptmin+（ptmax-ptmin）*rand（sizeT）;
C（:2:2:n*T）=pemin+（pemax-pemin）*rand（sizeT）;
fv=inf;%初始最优值为无穷大的值
D=zeros（NP4）;%用来记录每代的最优解平均值，最差解最优解是否为可行解
pcc=zeros（sizeT）;
F1=zeros（1T）;
F2=zeros（1T）;
F3=zeros（1T）;
g1=zeros（11）;
g2=zeros（11）;
B1=zeros（11）;
B2=zeros（11）;
pt=zeros（sizeT）;
pe=zeros（sizeT）;
Pcc=zeros（1T）;
E=zeros（sizeT+1）;
soc=zeros（sizeT）;

Pv=[0	0	0