程序名称:数据驱动的多离散场景电热综合能源系统分布鲁棒优化算法
实现平台:matlab-yalmip-cplex/gurobi
代码简介:数据驱动的分布鲁棒优化算法。考虑四个离散场景,模型采用列与约束生成(CCG)算法进行迭代求解,场景分布的概率模糊集由1-范数和oo-范数约束组成的综合范数约束,程序含拉丁超立方抽样+kmeans数据处理程序,程序完美运行,超级无敌精品,有详细参考文献。
近年来越来越多的学者开始尝试将随机规划方法和鲁棒优化相结合,应用分布鲁棒优化方法(distributionally robust optimization,DRO)来研究电力系统经济调度中的不确定性问题。分布鲁棒优化主要通过已知的不确定性参数信息(如一阶矩、二阶矩等),获得满足参数信息的所有概率分布函数,从而在所有满足上述条件的分布中寻找最劣期望目标的鲁棒决策方案。在实际应用中,运行人员通常只能获得不确定性参数的部分可用信息,传统的分布鲁棒优化模型主要基于确定的或不确定的一二阶矩信息构建概率分布集合进行优化分析,都建立在不确定参数的矩信息基础上,通常为复杂的NP难min-max或max-min问题,虽然已有文献尝试采用拉格朗日对偶原理和相应的等价方法将其转化为单层的凸半定规划问题,但求解过程过于复杂,且对偶后的模型通常出现不确定参数和对偶变量乘积的非线性关系。
DRO 方法类别
最近兴起的另一种新的数据驱动方法是通过提取实际调度系统中存在大量的可用历史数据,分别建立1-范数和∞-范数集合进行约束,建立不确定概率分布集合,其主要基于概率密度信息,对一二阶矩信息未作相应限制。该方法的优点:1)可有效应用具体历史样本数据,而不是表征整体性能的矩信息来指导决策;2)无须进行对偶化,求解过程相对简单。
基于多离散场景的DRO方法,即对不确定变量的概率密度函数进行离散化,得到多个离散场景及其相应的概率值,然后构建由1-范数约束ψ1和∞-范数约束ψ∞的概率分布不确定集合,并在该离散场景下优化得到不确定变量最恶劣概率分布下的决策结果,在电力系统中的应用模型为“min-max-min”的2阶段3层DRO优化模型,可归纳如下。其中,式(1)一般表示成本最小,式(2)表示所有等式与不等式约束(比如功率平衡约束、清洁能源出力约束)。
式中:x为第1阶段决策变量(例如配电网规划中分布式电源候选位置及数量、机组组合问题中机组启停状态等);X为第1阶段决策变量集合;ps为第s个场景的发生概率,{ps}∈ψ表示ps组成的概率集合属于综合范数集合ψ,ψ=ψ1∩ψ∞,为不确定变量概率分布的不确定集合,具体如式(3)—式(6)所示;Ns为场景总数;ys为与第s个场景相关的第2阶段变量(例如配电网规划问题中分布式电源的实际出力、主网购电功率和机组组合问题中机组实际出力等);Ys为与第s个场景相关的第2阶段决策变量集合;ξs为不确定变量(例如清洁能源、需求响应弹性系数值)的预测值;a,b,A,B,C,D分别为优化模型中与变量x,ys,ξs相对应系数的向量或矩阵形式。
式中:p为场景概率ps的向量形式;R+Ns为与p对应的Ns个正实数组成的向量;ps,0为第s个场景概率的初始概率值;p0为ps,0的向量形式;K为实际运行场景数目;α1和α∞分别为ψ1和ψ∞成立的置信度。
基于多离散场景的DRO方法求解转化过程简单,目前应用于配电网规划、多能互补、无功优化、机组组合领域中。在不同的电力系统优化问题(例如配电网规划、无功优化)中,该方法对于清洁能源出力和需求响应等不确定性因素的处理方法大致相同:一般是通过历史数据获得K个负荷、清洁能源出力或需求响应弹性系数值的实际运行场景,基于场景聚类得到Ns个有限的离散场景及其概率分布p0,然后构建式(1)-式(6)的优化模型,通过线性化和子场景分别求解的技巧转化之后,将其分解成主子问题,采用列与约束生成(CCG)算法或Benders算法对模型进行求解。
注:分布鲁棒是现在非常热门的不确定性优化算法,可谓是论文催化剂,随便套个模型发个中等偏上的中核轻轻松松
参考文献:《考虑分布式电源支撑与农业设施协调的配电网分布鲁棒优化》《基于场景聚类的主动配电网分布鲁棒综合优化》《新能源电力系统供需灵活性量化及分布鲁棒优化调度》《基于数据驱动的交直流配电网分布鲁棒优化调度》《计及最恶劣场景概率和供需灵活性的综合能源系统分布鲁棒低碳优化调度》《计及需求响应柔性调节的分布鲁棒 DG 优化配置》《考虑风电不确定性的电热综合系统分布鲁棒协调优化调度模型》《能源互联网环境下基于分布鲁棒优化的能量枢纽负荷优化调度》《基于分布鲁棒优化的分布式配-微协同日前调度方法 》《含氢综合能源系统多目标最优折中分布鲁棒低碳调度 》《计及光伏不确定性的多区域综合能源系统多场景分布鲁棒优化调度》《考虑分布式电源支撑与农业设施协调的配电网分布鲁棒优化》
代码获取方式:下面复制快速获取资源~
gh_fd2c325e2c09
运行结果展示