主辅助服务市场出清模型研究【旋转备用】（Matlab代码实现）

长安程序猿

于 2024-08-25 18:44:05 发布

阅读量660

点赞数 20

文章标签： matlab 开发语言

本文链接：https://blog.csdn.net/Yan_she_He/article/details/141532739

版权

👨‍🎓个人主页：研学社的博客

💥💥💞💞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代码及数据

💥1 概述

电能量主市场与备用辅助服务市场安排在运行日前一天进行，通过集中投标竞价的交易模式，以电能量与备用总购电成本最小为目标，综合考虑电能量主市场与备用辅助服务市场的发电侧报价，系统约束、机组约束和网络约束，进行联合优化出清计算[56]。联合优化出清计算主要包括安全约束机组组合（Security-ConstrainedUnit Commitment，SCUC)计算，安全约束经济调度(Security-Constrained EconomicDispatch，SCED）计算和系统边际电价计算l57]。计算得出次日24小时的机组开停方案、出力计划、备用计划、电能量边际电价和备用边际价格。所有中标机组都按系统边际电价结算。电能量与备用市场联合优化出清流程具体如图2.7所示。

sCUC是一个含有0-1整数变量和连续变量的混合整数规划问题，目前求解sCUC问题的主要方法可以分为启发式方法、数学规划法和智能优化算法三类[59-60].
启发式方法（Heuristic Method）是最早使用的一类优化方法，这种方法没有严格的理论依据，依靠直观的判断或实际调度的经验寻找最优解。
数学规划法是目前求解机组组合问题的重要算法之一，这类算法用数学方程将实际的问题表示出来再进行求解。最早用于求解机组组合问题的数学规划法是动态规划法（Dynamic Programming，DP)，动态规划法适合求解简单的分阶段的动态过程，但这种方法会随着计算系统中的机组数和时段数的增加，计算量将呈指数级增加，不适合求解未来大系统高维数的机组组合问题。在上世纪70年代开始，人们开始使用拉格朗日松弛法（Lagrangian Relaxation，LR
）求解机组组合问题,取得了
巨大的成果，适合用于大系统机组组合问题的求解，但是更加精准的交流潮流约束不满足LR法的线性要求，机组爬坡约束也会大大增加该算法的计算量。混合整数规划法(Mixed Integer Programming，MIP）适合求解既具有离散变量又具有连续变量的优化问题，不需要加入过多的限制和假设，求解效率高。
智能优化算法大多源于对生物或社会现象的模拟，主要有遗传算法、禁忌搜索、蚁群算法和粒子群算法等。
虚拟电厂参与主能量市场与辅助服务市场的交易框架如上图所示。