通过级联批发市场集成在当地电力市场中投标(Matlab代码实现）

 💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码实现

💥1 概述

地方电力市场是促进分布层面可再生能源的效率和利用的一个有前途的想法。然而，作为一个新概念，如何设计和整合这些地方市场到现有市场结构中，并从中获得最大利润，目前还不清楚。在这项工作中，我们提出了一种地方市场机制，其中最终用户（消费者、小型生产者和自给自足者）在彼此之间进行能源交易。由于地方市场可能存在流动性不足的情况，该机制假设最终用户通过与能够接入批发市场的聚合器/零售商签订双边合同来满足其能源需求。地方市场中允许的竞标和报价受到一项上网电价和聚合器电价的限制，以确保最终用户最多只能得到预期成本，而不考虑这个市场。该问题被建模为一个多领导者单追随者的双层优化问题，其中上层定义了代理商利润的最大化，而下层则最大化了地方市场的能源交易。由于问题的复杂性和最终用户缺乏完美信息，我们主张使用进化计算，这是人工智能的一个分支，已成功应用于各种优化问题。通过三个考虑到具有不同特征的最终用户的案例研究，我们评估了四种不同算法的性能，并评估了地方市场对市场参与者所带来的好处。结果表明，所提出的市场机制相对于不考虑地方市场的基线，可以为市场参与者提供约30-40%的总体成本改善。然而，转向地方市场的能源采购可能会影响传统的零售商/聚合器角色。因此，应该制定创新的商业模式，以成功实施未来的地方市场。

 

📚2 运行结果

 

 

 

部分代码：

%% Load Data base
    noRuns=20;
    %DB=1; %1 (500) and 2 (1); %Select the database you want to analyze
    % 1: playing example
    % 2: 10 agents real data
    % 3: 100 agents real data
    [caseStudyData, DB_name]=callDatabase(DB);
    
    %% Label of the algorithm and the case study
    Tag.algorithm=algorithm;
    Tag.DB=DB_name;
    %% Parameters that can be varied with different inputs
     %EDP comercia tri-horaria
    Ext_supplier=[0.093    0.093    0.093    0.093    0.093    0.093    0.093    0.093    0.16    0.16    0.33    0.33    0.33    0.16    0.16    0.16    0.16    0.16    0.16    0.33    0.33    0.16    0.093    0.093];
    %WS market price MIBEL Average of the Week 5-9 / 08 / 2019
    WS_price=[0.049228    0.047272    0.044936    0.043782    0.043554    0.045226    0.046564    0.048322    0.049872    0.050096    0.049628    0.049796    0.050116    0.050712    0.049648    0.048644    0.048066    0.047712    0.047562    0.048038    0.0491    0.051456    0.050584    0.049478];
    Original=0.25; %0.28; %Grid tariff (Can be modified in function of the case study)
    Feed_in=0.095; %Portugal
    Agg_fee=0.15; %Considered aggregator fee
    
    Gecad_Tariff=[0.1012 0.1012 0.1012 0.1012 0.1012 0.1012 0.1012 0.1882 0.1882 0.1882 0.1882 0.1882 0.1882 0.1882 0.1882 0.1882 0.1882 0.1882 0.1882 0.1882 0.1882 0.1882 0.1882 0.1882 ];
    
    %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
    %Uncomment according to the upper tariff you want to analyze
    %Back_up=repmat(Original,1,caseStudyData.General.numPeriods);
    %Back_up=Ext_supplier;
    Back_up=WS_price+Agg_fee;
    %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
    %Lines used to vary the marginal cost of CHP
    caseStudyData.Type4.MC=caseStudyData.Type4.MC*0;
    caseStudyData.Type4.MC=(caseStudyData.Type4.MC+1)*.1;
    %Line used to increase the load of the case study by a factor
    %caseStudyData.Type1.Load=caseStudyData.Type1.Load.*20; %Increasing the load 20 times
    
    %Line used to increase the PV generation 15 percent more
    caseStudyData.Type2.Gen=caseStudyData.Type2.Gen.*15;
    
    %% Set lower/upper bounds of variables
    caseStudyData.General.cf=Feed_in;
    caseStudyData.General.cg=Back_up;
    price_taker=PT; %This variable if 0, normal consumers, if 1: consumers with no elasticity of demand and price in the LM
    %0: complete freedom of bidding
    %1: Consumers with no elasticity of price and quantity (max buy price)
    %2: prosumers with no elasticity of price and quantity (min sell price)
    [lowerB,upperB] = setVariablesBounds(caseStudyData,Back_up,price_taker); 

🎉3 参考文献

文章中一些内容引自网络，会注明出处或引用为参考文献，难免有未尽之处，如有不妥，请随时联系删除。

🌈4 Matlab代码实现