clc;clear all
[FileName,PathName]=uigetfile('*.dat');
tic;
path=strcat(PathName,FileName);
data=textread(path);
[nodeNum,branchNum,balanceNode,base,Kmax,Precision,LinePara,GroundPara,TransPara,PowerPara,PvPara,P,Q,PVV,PVI]=ReadData(data);
[Y]=FormY(nodeNum,LinePara,GroundPara,TransPara);
V=ones(nodeNum,1);
%[I,J]=find(V);
%V=sparse(I,J,V(I),nodeNum,1);
format long
V=V+PVV;
[I,J]=find(V);
V=sparse(I,J,V(I),nodeNum,1);
d=zeros(nodeNum,1);
Y1=abs(Y);
disp(' 迭代次数 最大不平衡量 ')
for k=1:Kmax
di=repmat(d,1,nodeNum);
dj=repmat(d',nodeNum,1);
aij=angle(Y);
dij=di-dj-aij;
[DP,DQ]=culation(V,Y1,dij,P,Q,PVI,balanceNode);
DPQ=[DP;DQ];
s=abs(DPQ);
if max(s)<Precision
break;
end
%keyboard
JJ=jacobian(V,Y1,dij,nodeNum,PVI,balanceNode);
DdDV=-JJ\DPQ;
d=d+DdDV(1:nodeNum);
DV=(DdDV(nodeNum+1:2*nodeNum));
V=(V)+inv(diag(V))*(DV);
disp([k-1,max(s)])
k=k+1;
end
toc
k;
V;
矢量编程潮流及最优潮流算法.zip_optimal power flow_power system_最优潮流_潮流计算
版权申诉
70 浏览量
2022-09-23
18:43:09
上传
评论 1
收藏 65KB ZIP 举报
局外狗
- 粉丝: 66
- 资源: 1万+
最新资源
- Picasso_v3.1 2.ipa
- chromedriver-mac-arm64.zip
- 蓝zapro.apk
- chromedriver-linux64.zip
- UCAS研一深度学习实验-MNIST手写数字识别python源码+详细注释(高分项目)
- 基于Python和PyTorch框架完成的一个手写数字识别实验源码(带MINIST手写数字数据集)+详细注释(高分项目)
- 基于Matlab在MNIST数据集上利用CNN完成手写体数字识别任务,并实现单层CNN反向传播算法+源代码+文档说明(高分项目)
- NVIDIA驱动、CUDA和Pytorch及其依赖
- 基于SVM多特征融合的微表情识别python源码+项目说明+详细注释(高分课程设计)
- html动态爱心代码一(附源码)
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
评论0