配网节点电价 DLMP 在配电网优化中的应用 MATLAB代码:配网节点电价 DLMP

MATLAB代码:配网节点电价 DLMP 

关键词:DLMP SOCP lindistflow 
参考文档:《Distribution Locational Marginal Pricing (DLMP) for Congestion Management and Voltage Support》2018 SCI一区 IEEE Transactions on Power System 非完美复现
仿真平台:MATLAB+Gurobi
主要内容: 
1. 考虑网损,电压,阻塞的配电网二阶锥节点电价 (DLMP)需要gurobi求解器;  
2.在原本lindistflow上使用了二阶锥,精确了模型;
3。
可以轻松加东西,全网唯一
4.PDF为参考文献,并非完美复现。

配网节点电价 DLMP 在配电网优化中的应用

随着社会的发展和人民生活水平的提高,能源消费需求不断增加。为了满足这种需求,能源分配网络的优化需要不断推进。而配电网优化是其中一个重要的研究领域,配网节点电价 DLMP 就是其中的一个关键概念。

  1. DLMP 原理及应用

DLMP,即 Distribution Locational Marginal Pricing,是一种用来管理电网拥堵和电压支持的方法。它能够计算出不同节点的电价,并且在一定程度上平衡电力系统的供给和需求。在配电网优化中,DLMP 可以帮助管理配电网的电压、损耗和拥挤问题。节点电价 DLMP 可以通过以下公式计算:

$$DLMP_i = \frac{\partial p_i}{\partial f_{ij}}\lambda_j$$

其中,$DLMP_i$ 表示第 $i$ 个节点的电价,$\frac{\partial p_i}{\partial f_{ij}}$ 表示节点 $i$ 和节点 $j$ 之间的潮流灵敏度,$\lambda_j$ 表示节点 $j$ 的拉格朗日乘数。DLMP 可以根据不同的拥堵程度对节点进行电价调整,使得能源在不同的时间和地点流动更加合理,从而达到更高效、更经济和更绿色的能源利用。

  1. DLMP 在配电网二阶锥节点电价中的应用

在实际应用中,DLMP 需要和其他数学方法结合使用。例如,在配电网二阶锥节点电价的模型中,需要使用 Gurobi 求解器来计算 DLMP。同时,为了精确控制模型,需要在原本的 lindistflow 模型上使用二阶锥,确保模型的精度和可靠性。通过这些措施,我们可以对配电网的电价进行准确计算,使得电力系统的供给和需求得到更好地平衡。

此外,DLMP 在配电网优化中还有一些其他的应用,比如可以让我们轻松加入新的数据来对模型进行更新,从而提高其预测性能。同时,DLMP 的使用也可以让整个网络的电价信息更加透明,从而让用户更好地理解和掌握电价变化的趋势和原因。

  1. 结论

通过上述分析,我们可以看出,DLMP 在配电网优化中具有非常重要的应用价值。其可以有效管理配电网的电价、电压、损耗和拥堵等问题,从而提高能源利用的效率和经济性。同时,还可以帮助我们更好地管理配电网的数据,提高预测的预测性能。因此,DLMP 的应用将会在未来配电网的优化中扮演着非常重要的角色。

相关代码,程序地址:http://lanzouw.top/680968629908.html
 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
请解释分析下面这段程序:%%%无序充电投标 clear clc load data_disorder Pch=[Pch_CS1_disorder;Pch_CS2_disorder;Pch_CS3_disorder;Pch_CS4_disorder];%充电站充电功率 %市场出清问题 Link=zeros(24,96);%时段换算矩阵(日前1h换算为实时15min) for i=1:24 Link(i,4*i-3:4*i)=1; end Loadcurve=[0.955391944564747,0.978345604157644,1,0.995019488956258,0.972932005197055,0.970333477695972,0.930489389346037,0.890428757037679,0.902771762667822,0.941966219142486,0.911000433087917,0.862061498484192,0.840190558683413,0.831095712429623,0.756604590731919,0.671719359029883,0.611520138588133,0.582936336076224,0.572542226071893,0.574707665656128,0.587267215244695,0.644218276310091,0.755521870939801,0.884798614118666]; Loadcurve=Loadcurve*Link;%换成96个时段 PL_base=[5.704;5.705;5.631;6.518;4.890;5.705;5.847]*1000;%负荷分布 PL=PL_base*Loadcurve;%基础负荷(负荷曲线从08:00开始算起,即第9个时段) Pf=sdpvar(7,96);%馈线功率 Pf(1,:)=PL(1,:)+Pch(1,:);Pf(2,:)=PL(2,:);Pf(3,:)=PL(3,:);Pf(4,:)=PL(4,:)+Pch(2,:);Pf(5,:)=PL(5,:)+Pch(3,:);Pf(6,:)=PL(6,:);Pf(7,:)=PL(7,:)+Pch(4,:);%馈线功率组成 Pg=sdpvar(10,96);%发电商分段电量 Pg_step=1000*[20,5,3,2,2,2,2,2,2,inf]';%报价区间 Price_DSO=[3:12]'*0.1;%分段电价 Obj=0.25*sum(sum((Price_DSO*ones(1,96)).*Pg));%目标为用电费用最小 Constraint=[0<=Pg<=Pg_step*ones(1,96),sum(Pg)==sum(Pf)];%约束条件 optimize(Constraint,Obj);%求解线性规划问题 Pg=double(Pg);%发电机功率 Pf=double(Pf);%馈线功率 isPg=(Pg>0);%为了计算出清电价,计算发电机分段选择情况 DLMP=sum(isPg)/10+0.2;%出清电价计算 %绘图 figure(1)%节点边际电价 stairs(DLMP); xlabel 时间 ylabel 电价(元/kWh) ylim([0.3,1.3]) figure(2)%负荷曲线 hold on plot(sum(PL)/1000); plot(sum(Pf)/1000,'r.-'); xlabel 时间 ylabel 负荷(MW) legend('基础负荷','无序充电负荷') Cost=sum(sum(Pch).*DLMP);%总用电费用 result_disorder.Cost=Cost;result_disorder.DLMP=DLMP;result_disorder.Pf=Pf;result_disorder.Pg=Pg;%结果保存 save('result_disorder','result_disorder');
06-14

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值