（多用户）Cplex +Python下的虚拟电厂智能调度实例（附代码）

本文参考阿里_MindOpt_求解器_优化_决策智能智能调度案例，该案例使用阿里MindOPT进行求解，本文使用Cplex求解器进行求解。

---

一、问题描述

虚拟电厂场景下，光储荷经济性调度。针对单个用户、单个光伏和单个储能设备的虚拟电厂场景，在满足用户用电需求的情况下，全天（24小时）的经济最优目标。

二、数学模型

变量

充电变量: 

放电变量：

储能设备能量状态：

以上三个变量为连续变量

参数

负荷： load

功率：power

电价：price

充电效率：charge_efficiency

放电效率：discharge_efficiency

储能单次充放电限制：nominal_power

目标函数

最小化经济性最优目标：

其中costbase为不使用储能的情况下的花费：

约束条件

储能能量状态：

储能初始状态为0：

储能状态更新：

三、Python代码

from docplex.mp.model import Model
import numpy as np

np.random.seed(0)

model = Model(name="muti-users")
# 创建用户、时间、状态时间
users = range(0, 2)
times = range(0, 24)
times0 = range(0, 25)
# 创建负荷、功率  shape(2,24) 对应2个用户 24个小时
load = np.random.uniform(0, 1, size=(2, 24))
power = np.random.uniform(0, 1, size=(2, 24))
# 电价
price = {
    t: 0.54 if t in [17, 18, 19, 20, 21] else 0.22 for t in times
}
# 充放电效率
charge_efficiency = 0.92
discharge_efficiency = 0.95
# 储能单次充放电限制
nominal_power = 0.8
# 不使用储能情况下花费
cost_base = sum((load[user, t] - power[user, t]) * price[t] for user in users for t in times)

# x = {(user, t): model.continuous_var(lb=0, ub=nominal_power, name=f'x[{user}_{t}]') for user in users for t in times}
# y = {(user, t): model.continuous_var(lb=-nominal_power, ub=0, name=f'y[{user}_{t}]') for user in users for t in times}
# soc = {(user, t): model.continuous_var(lb=0, ub=1, name=f'soc[{user}_{t}]') for user in users for t in times0}

x = model.continuous_var_matrix(users,times,lb=0,ub=nominal_power)
y = model.continuous_var_matrix(users,times,lb=-nominal_power,ub=0)
soc = model.continuous_var_matrix(users,times,lb=0,ub=1)

# 目标函数，总花费
total_cost = model.sum(
    ((load[user, t] - power[user, t] + x[user, t] + y[user, t]) * price[t]) / cost_base for user in users for t in
    times)
model.minimize(total_cost)
# 约束条件，初始状态状态为0
for user in users:
    model.add_constraint(
        soc[user, 0] == 0
    )
# 约束条件，储能状态更新
for user in users:
    for t in times:
        if t < 23:
            model.add_constraint(
                soc[user, t + 1] == soc[user, t] + x[user, t] * charge_efficiency + y[user, t] / discharge_efficiency
            )

model.solve()

print("-----------------Display---------------")
print("Charging(+) / Discharging (-) Solution (only print non-zero results):")
for user in users:
    for t in times:
        if x[user, t].solution_value > 0 or y[user, t].solution_value < 0:
            print(f'Time {t}, User {user}, Solution: {x[user, t].solution_value + y[user, t].solution_value}')

print("-----------------Evaluation Metrics---------------")
print("Direct Cost = ", total_cost.solution_value)

四、求解结果

结果：(因负荷和功率使用随机生成浮点数，不符合实际情况，结果可能出现较大出入)

最终目标Cost为0.57，即使用最优储能调度方案电费为不使用储能电费的65%，节省43%电费。