【两阶段鲁棒】计及需求响应的多能互补微网两阶段鲁棒优化matlab

目录

1 主要内容

算例模型

目标函数

第一阶段

第二阶段

求解流程图

2 部分程序

3 程序结果

4 下载链接

1 主要内容

该程序参考文献《多能互补微网两阶段鲁棒优化调度研究》，在考虑风光不确定集的基础上提出采用计及DR响应的多能互补微网两阶段鲁棒备用调度模型，深入研究电-气-冷-热联供型微网在充分运用新能源技术的效果，以期通过对系统鲁棒性分析实现多种能源设备的协同优化调度，有效应对多能互补微网系统的不确定性影响，同时提升系统的经济性和灵活性。

  • 算例模型

建立含电转气的多能互补微网经济调度模型，以微网系统运行费用最低作为目标，考虑多能微网系统存在的冷热电能量平衡约束以及相关设备运行约束。

  • 目标函数

通过建立多能互补微网日前-日内两阶段鲁棒优化模型，分析在系统风光不确定下的最佳经济调度方案，并考虑电网备用容量和IDR容量。日前阶段模型采用确定性调度，根据风电、光伏出力预测值，建立目标函数包括购售电成本、各类机组运行成本、备用成本以及IDR成本的调度模型，在该阶段充分考虑随机事件可能造成的影响而留有电网备用容量和IDR容量。日内阶段根据不确定集范围，调用备用资源确保多能微网系统安全稳定运行，该阶段通过对偶模型求解多能微网最恶劣运行场景，并将该结果反馈至日前阶段再次优化调度。经过两阶段的协同调度求解得到风光不确定性情况下的最佳优化结果，既保证了系统的安全性，又能得到最佳经济方案。

  • 第一阶段

  • 第二阶段

  • 求解流程图

2 部分程序

clc;clear all;
parameter;
Z=[ones(8,1);zeros(40,1);ones(8,1);zeros(40,1)];%不确定变量初始值
UB=inf;%初始上界
kloop=10;%循环次数
Z0=zeros(4*T,kloop);
for kl=1:kloop
    yalmip('clear');
    Z0(:,kl)=Z;%更新不确定变量
    MP;%运行第一阶段
    LB=F;%更新下界
    yalmip('clear');
    dualtest;%运行第二阶段
    UB=min(UB,LB-yita+F2);%更新上界
    cul(kl)=UB-LB;%判断是否收敛
end
%结果
figure;
plot(cul,'LineWidth',1)
xlabel('迭代次数');
ylabel('UB-LB');
grid on
%典型日电转气
figure;
yg2q=[x0_Pegin;x0_Pmrin;x0_Phin]';
bar(yg2q);
xlabel('调度时段/h');
ylabel('功率/kW');
legend('电解槽出力','甲烷反应器出力','储氢罐输入功率');
%冷热电耦合
x0_Phfch=eta_hfch.*x0_Phout;
x0_Phfce=eta_hfce.*x0_Phout;
x0_Pgth=eta_gth.*x0_Pgtin;
x0_Pgte=eta_gte.*x0_Pgtin;
x0_Pgb=eta_gb.*x0_Pgbin;
figure;
yh=[x0_Phfch;x0_Pgth;x0_Pgb]';
bar(yh);
hold on
plot(x0_Phfce,'r-','LineWidth',1);
plot(x0_Pgte,'m-','LineWidth',1);
plot(eta_ac.*x0_Pacin,'b-p','LineWidth',1);
xlabel('调度时段/h');
ylabel('功率/kW');
h4=legend('氢燃料电池热输出','燃气轮机热输出','燃气锅炉输出','氢燃料电池电输出','燃气轮机电输出','吸收式制冷机输出功率');
set(h4, 'Orientation', 'horizon')
% set(h1, 'Box', 'off')
set(h4, 'NumColumns',2);
ylim([0 5500]);
%电功率平衡
figure;
yef=[-x0_Pbtc;-x0_Pegin;-x0_Pecin;min(x0_Pex,0)]';
b1=bar(yef,'stack');
b1(1).FaceColor = [0.1 0.5 0.9];
b1(2).FaceColor = [0.9 0.1 0.5];
b1(3).FaceColor = [0.5 0.9 0.1];
hold on
yez=[x0_Pbtd;max(x0_Pex,0);x0_Pw;x0_Pv;eta_gte.*x0_Pgtin;eta_hfce.*x0_Phout]';
b2=bar(yez,'stack');
b2(1).FaceColor = [0.1 0.5 0.9];
b2(2).FaceColor = [0.5,0.3,0.5];
b2(3).FaceColor = [1,0.2,1];
b2(4).FaceColor = [1,0.6,0.1];
b2(5).FaceColor = [0.2,0.5,0.2];
b2(6).FaceColor = [0.3,0.8,0.8];
b3=plot(Pel,'r','LineWidth',1.5);
h2=legend([b1(2:4),b2(1:6),b3],'电解槽','电制冷机','向电网供应功率','蓄电池','从电网吸收功率','风机','光伏','燃气轮机电功率','氢燃料电池电功率','电负荷');
set(h2, 'Orientation', 'horizon')
% set(h1, 'Box', 'off')
set(h2, 'NumColumns',2);
xlabel('调度时段/h');
ylabel('功率/kW');
ylim([-10000 25000]);
%热功率平衡
figure;
yhf=-x0_Pbthc;
b3=bar(yhf,'stack');
b3(1).FaceColor = [0.1 0.5 0.9];
hold on
yhz=[x0_Pbthd;eta_eh.*x0_Pehin]';
b4=bar(yhz,'stack');
b4(1).FaceColor = [0.1 0.5 0.9];
b5=plot(Phl,'r','LineWidth',1.5);
legend([b4(1:2),b5],'储热','余热锅炉','热负荷');
xlabel('调度时段/h');
ylabel('功率/kW');
%冷功率平衡
figure;
ycf=-x0_Pbtcc;
b3=bar(ycf,'stack');
b3(1).FaceColor = [0.1 0.5 0.9];
hold on
ycz=[x0_Pbtcd;eta_ec.*x0_Pecin;eta_ac.*x0_Pacin]';
b4=bar(ycz,'stack');
b4(1).FaceColor = [0.1 0.5 0.9];
b5=plot(Pcl,'r','LineWidth',1.5);
legend([b4(1:3),b5],'储冷','电制冷机','吸收式制冷机','冷负荷');
% legend('冷负荷');
xlabel('调度时段/h');
ylabel('功率/kW');
ylim([-1000 8000]);
%负荷及风光预测值
figure;
plot(Pel,'b-o','LineWidth',1.5);
hold on
plot(Phl,'r-*','LineWidth',1.5);
plot(Pcl,'g-.','LineWidth',1.5);
plot(Pwt,'c->','LineWidth',1.5);
plot(Ppv,'m--','LineWidth',1.5);
legend('电负荷','热负荷','冷负荷','风电预测值','光伏预测值');
xlabel('调度时段/h');
ylabel('功率/kW');
%鲁棒优化后风电出力
figure;
plot(Pwt,'m-','LineWidth',1.5)
hold on
plot(Pwt+Pwp,'m--','LineWidth',1.5)
plot(Pwt-Pwm,'m--','LineWidth',1.5)
plot(x0s(73:96,1),'b-','LineWidth',1.5)
legend('风电预测值','风电上限','风电下限','最恶劣场景');
xlabel('调度时段/h');
ylabel('功率/kW');
%光伏
figure;
plot(Ppv,'m-','LineWidth',1.5)
hold on
plot(Ppv+Pvp,'m--','LineWidth',1.5)
plot(Ppv-Pvm,'m--','LineWidth',1.5)
plot(x0s(97:120,1),'b-','LineWidth',1.5)
legend('光伏预测值','光伏上限','光伏下限','最恶劣场景');
xlabel('调度时段/h');
ylabel('功率/kW');
%电价
figure;
stairs(Cph,'LineWidth',1.5)
xlabel('调度时段/h');
ylabel('电价(元/(kWh))');
grid on
%储氢罐容量
figure;
bar(x0_Phin,'stack');
hold on
bar(-x0_Phout,'stack');
ylabel('功率/kW');
yyaxis right
plot(x0_Wh,'r--','LineWidth',1.5)
ylabel('储氢罐容量/kWh');
legend('储存氢气','释放氢气','储氢容量')
xlabel('调度时段/h');
grid on
%储冷容量
figure;
bar(x0_Pbtcc,'stack');
hold on
bar(-x0_Pbtcd,'stack');
ylabel('功率/kW');
yyaxis right
plot(x0_Wbtc,'r--','LineWidth',1.5)
ylabel('储冷罐容量/kWh');
legend('储存冷能','释放冷能','储冷容量')
xlabel('调度时段/h');
grid on
%储热容量
figure;
bar(x0_Pbthc,'stack');
hold on
bar(-x0_Pbthd,'stack');
ylabel('功率/kW');
yyaxis right
plot(x0_Wbth,'r--','LineWidth',1.5)
ylabel('储热罐容量/kWh');
legend('储存热能','释放热能','储热容量')
xlabel('调度时段/h');
grid on
%蓄电池容量
figure;
bar(x0_Pbtc,'stack');
hold on
bar(-x0_Pbtd,'stack');
ylabel('功率/kW');
yyaxis right
plot(x0_Wbt,'r--','LineWidth',1.5)
ylabel('蓄电池容量/kWh');
legend('储存电能','释放电能','蓄电池容量')
xlabel('调度时段/h');
grid on

3 程序结果

含保守度的迭代末次风电最恶劣场景图，在两阶段鲁棒优化过程中，随着主子问题迭代，二阶段可再生能源的最恶劣场景也会随之变化，将这些最恶劣场景叠加到一阶段进行综合优化求解，因此遇到有最恶劣场景图的可以注意一下，程序内部是不是实现了叠加循环。

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/300667.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

ShardingSphere-JDBC学习笔记

ShardingSphere-JDBC学习笔记

引言 开源产品的小故事 Sharding-JDBC是2015年开源的，早期的定位就是一个分布式数据库的中间件，而在它之前有一个MyCat的产品。MyCat也是从阿里开源出来的，作为分库分表的代名词火了很长一段时间，而MyCat早年的目标就是想进入ap…
阅读更多...
Python的基础练习题之学生管理系统

Python的基础练习题之学生管理系统

需求 使用Python基础写一个基于控制台的学生管理平台，里面功能分别是：1.录入学生信息2.查找学生信息3.删除学生信息4.修改学生信息5.排序6.统计学生总人数7.显示所有学生信息，要求数据存储在文件里。 代码 代码资源地址可以直接下载 效果图…
阅读更多...
消除字母Scratch-第14届蓝桥杯Scratch省赛真题第6题

消除字母Scratch-第14届蓝桥杯Scratch省赛真题第6题

6. 消除字母（100分） 编程实现：消除字母。 具体要求： 1). 点击绿旗，角色、背景如图所示（创建1个字母表，并存入26个字母）； 2). 等待1秒，阿拉蕾说&#xff1…
阅读更多...
华为VRP系统基础华为ICT网络赛道

华为VRP系统基础华为ICT网络赛道

目录 1.华为VRP系统概述 3.2.命令视图与使用 3.3.基本配置命令 1.华为VRP系统概述 通用路由平台VRP(Versatile Routing Platform)是华为公司数据通信产品的通用操作系统平台。它以IP业务为核心，采用组件化的体系结构，在实现丰富功能特性的同时&#x…
阅读更多...
AIGC学习笔记（1）——AI大模型提示词工程师

AIGC学习笔记（1）——AI大模型提示词工程师

文章目录 AI大模型提示词工程师1 Prompt工程之原理1.1 AIGC的发展和产业前景前言AIGC时代的到来发展趋势和应用展望 1.2 大模型的类型和特点大模型的对比上手特点 1.3 大模型技术原理和发展成语接龙和暴力穷举ChatGPT如何理解人类语言如何存储数据图像存储电脑存数字如何让电脑…
阅读更多...
【Docker基础二】Docker安装Mysql8

【Docker基础二】Docker安装Mysql8

下载镜像 安装mysql（版本：8.0.35） # 拉取镜像 docker pull mysql:8.0.35 # 查看镜像是否已经下载 docker images 创建挂载目录 # 宿主机上创建挂载目录 (可以不创建，docker run -v配置了挂载目录，docker会自动…
阅读更多...
ARMv8-AArch64 的异常处理模型详解之异常等级、执行状态以及安全状态

ARMv8-AArch64 的异常处理模型详解之异常等级、执行状态以及安全状态

ARMv8-AArch64 的异常处理模型详解 一，特权和异常等级1.1 异常等级 Exception levels 二，特权的类型2.1 内存特权2.2 访问寄存器的特权 三，执行状态和安全状态3.1 执行状态 Execution states3.2 执行状态切换 3.3 安全状态 Security states3.…
阅读更多...
商品期货交易中的强行平仓：交易所的规定和风险控制

商品期货交易中的强行平仓：交易所的规定和风险控制

在商品期货交易中，保证金充足的情况下，一般不会被强行平仓。然而，有几种情况可能会导致强行平仓的发生： 1 持仓超过交易所限仓规定：交易所会设定限仓规定，限制每位投资者的持仓数量。如果超过限仓规定&…
阅读更多...
CAD安装教程

CAD安装教程

CAD安装教程 目录 一． 下载CAD二． 安装CAD 一． 下载CAD 如果需要CAD安装包请私信。 二． 安装CAD 解压压缩包AutoCAD2022中文版，以管理员身份运行AutoCAD_2022_Simplified_Chinese_Win_64bit_dlm.sfx。 选择解压路径。…
阅读更多...
【强化学习的数学原理-赵世钰】课程笔记（六）随机近似与随机梯度下降

【强化学习的数学原理-赵世钰】课程笔记（六）随机近似与随机梯度下降

目录 一.内容概述 二.激励性实例（Motivating examples） 三.Robbins-Monro 算法（RM 算法）： 1.算法描述 2.说明性实例（llustrative examples） 3.收敛性分析（Convergence analysi…
阅读更多...
阿里通义最新黑科技！“通义舞王”：让静态照片翩翩起舞，探索艺术与科技的无限可能

阿里通义最新黑科技！“通义舞王”：让静态照片翩翩起舞，探索艺术与科技的无限可能

引子：穿越二维与三维的艺术边界 在科技日新月异的时代，艺术创作的疆界正以前所未有的速度拓展,，从AI作曲和音乐生成技术带来的跨风格音乐作品，到基于人工智能的诗歌与文学创作，艺术不再仅仅是人类个体情感与才华的体…
阅读更多...
项目管理工具Maven

项目管理工具Maven

Maven Java 是第一大编程语言和开发平台。它有助于企业降低成本、缩短开发周期、推动创新以及改善应用服务。如今全球有数百万开发人员运行着超过 51 亿个 Java 虚拟机，Java 仍是企业和开发人员的首选开发平台。 课程内容的介绍 1. Maven基础内容 2. Maven的依赖管…
阅读更多...
PHP文件代码加密系统，可批量全开源

PHP文件代码加密系统，可批量全开源

代码文件加密系统 在程序运行时，实质上是在执行机器码，而虚拟机语言的基本概念是将程序加密到一定程度，也就是说，经过加密的PHP程序在执行时会被解密成opcode继续执行。 PHP在执行时会生成opcode，然后由Zend虚拟机继…
阅读更多...
克服幻觉：提升语言模型在自然语言处理中的准确性与可靠性

克服幻觉：提升语言模型在自然语言处理中的准确性与可靠性

随着语言模型（LLM）在自然语言处理（NLP）中的应用日益普及，它们在文本生成、机器翻译、情感分析等许多任务中展现出惊人的能力。然而，这些模型也常常显示出一个被称作“幻觉”（hallucination&…
阅读更多...
37%规则，最优停止问题（麦穗理论）

37%规则，最优停止问题（麦穗理论）

近期又看到37%规则，又叫麦穗理论，有很多惊人的发现。 感觉像黄金分割，但又欠那么一点点1-0.6180.38238.2%。 有意思的是，有一个数学奖，叫菲尔兹奖，只将给不超过40岁的人。如果人能活100岁，那么…
阅读更多...
springcloud微服务分布式 springboot+vue的轻院校园网购商城管理系统 Eureka

springcloud微服务分布式 springboot+vue的轻院校园网购商城管理系统 Eureka

本文的研究目标是以商城的轻院网购商城管理体系为对象，论文的研究内容包括：商品信息、系统公告等方面进行了研究。系统以当前应用最为广泛的Java语言为基础，结合了目前应用最为广泛的嵌入式嵌入式平台，集成了B/S体系结构。数据库选…
阅读更多...
Java分布式锁理论（redis、zookeeper） 详解

Java分布式锁理论（redis、zookeeper） 详解

目录 一、分布式锁有哪些应用场景？ 二、分布式锁的实现方案 三、zookeeper实现分布式锁 一直不释放锁怎么办？ 如何避免分布式锁羊群效应问题？ 四、redis实现分布式锁 一、分布式锁有哪些应用场景？ 1、定时任务 2、秒杀抢购…
阅读更多...
前端性能优化之图像优化

前端性能优化之图像优化

图像优化问题主要可以分为两方面：图像的选取和使用，图像的加载和显示。 图像基础 HTTP Archive上的数据显示，网站传输的数据中，60%的资源都是由各种图像文件组成的，当然这些是将各类型网站平均的结果，单独…
阅读更多...
二分查找（一）

二分查找（一）

算法原理 原理：当一个序列有“二段性”的时候，就可以使用二分查找算法。 适用范围：根据规律找一个点，能将这个数组分成两部分，根据规律能有选择性的舍去一部分，进而在另一个部分继续查找。 除了最普通的…
阅读更多...
ROS-机器人仿真urdf-rviz、xacro

ROS-机器人仿真urdf-rviz、xacro

文章目录 一、urdf集成rviz1.1 基本流程1.2 优化 rviz 启动 二、urdf语法详解2.1 robot2.2 link2.3 joint2.4 urdf练习2.5 urdf工具 三、URDF优化_xacro3-1 Xacro_语法详解3-2 Xacro_完整使用流程示例3- Xacro_实操 一、urdf集成rviz 1.1 基本流程 需求描述: 在 Rviz 中显示一…
阅读更多...
最新文章

Copyright @ 2022~2023

友情链接： 我的编程经验分享 一条长河网 尧图网站开发 尧图建网站