计及源-荷双重不确定性 微网 日前 随机优化调度
关键词:虚拟电厂 微网 随机优化 随机调度 源-荷双重不确定性 虚拟电厂调度
仿真平台:MATLAB+CPLEX
主要内容:代码主要做的是一个虚拟电厂或者微网单元的日前优化调度模型,考虑了光伏出力和负荷功率的双重不确定性,采用随机规划法处理不确定性变量,构建了虚拟电厂随机优化调度模型。
具体来看,首先是基于蒙特卡洛算法,对预测的光伏以及负荷曲线进行场景生成,然后基于快概率距离快速消除法进行削减,直至削减至5个场景,然后采用随机调度的方法,对多场景下的虚拟电厂调度策略进行优化,程序实现效果良好,原创注释,可。
计及源-荷双重不确定性 微网 日前 随机优化调度
摘要
本文介绍了一种虚拟电厂或微网单元的日前优化调度模型,考虑了光伏出力和负荷功率的双重不确定性,并采用随机规划法处理不确定性变量,构建了虚拟电厂随机优化调度模型。具体来说,采用基于蒙特卡洛算法的场景生成方法和基于快速概率距离的场景削减方法,对多场景下的虚拟电厂调度策略进行优化,实现了良好的程序效果。
关键词:虚拟电厂;微网;随机优化;随机调度;源-荷双重不确定性;虚拟电厂调度;MATLAB;CPLEX
引言
随着可再生能源的应用逐渐扩大,虚拟电厂和微网的建设逐渐普及,电网运行的可靠性和经济性需求也日益增加。虚拟电厂是由多种不同类型的分布式能源设备组成的一个集成系统,它能够通过联合优化分散能源资源的调度,实现电力系统中的能源供应和需求平衡。微网是一个独立的电力系统,可以向电网提供能量,也可以自给自足。在虚拟电厂和微网中,光伏出力和负荷功率的不确定性是制约其电网接入能力和经济性的主要因素之一。因此,如何考虑这些不确定性因素并进行优化调度,成为虚拟电厂和微网管理的重要问题。
本文提出了一种虚拟电厂或微网单元的日前优化调度模型,该模型考虑了光伏出力和负荷功率的双重不确定性,并采用随机规划法处理不确定性变量,构建了虚拟电厂随机优化调度模型。本文的贡献如下:
-
提出了一种有效的方法,将光伏出力和负荷功率的不确定性考虑在内,建立了一种虚拟电厂或微网单元的日前优化调度模型。
-
采用基于蒙特卡洛算法的场景生成方法和基于快速概率距离的场景削减方法,实现了对多场景下的虚拟电厂调度策略的优化。
-
结合仿真平台 MATLAB+CPLEX,对所提出的虚拟电厂随机优化调度模型进行了验证,并对模型的有效性进行了分析。
二、理论模型
2.1 建模过程
首先,我们需要将虚拟电厂或微网单元的日前优化调度问题建立为一个数学优化问题。考虑虚拟电厂或微网单元的能量平衡,我们需要将净发电量和净负荷量相等:
$\sum_{i\in I} P_i^g-\sum_{j\in J} P_j^l=S$
其中,$I$表示虚拟电厂或微网单元的发电设备集合,$J$表示其负荷设备集合,$P_i^g$和$P_j^l$分别表示设备$i$的发电量和设备$j$的负荷量,$S$表示净发电量和净负荷量之差。在虚拟电厂中,$I$包括太阳能光伏、风能、蓄电池等多种分布式能源设备,$J$则包括各个负荷。
我们假设光伏出力和负荷功率的不确定性服从正态分布,于是我们可以采用随机规划法对上述优化问题进行求解。在随机规划中,通常需要确定场景集合,并将其作为优化变量。在本文中,场景指的是对光伏出力和负荷功率的一个概率描述,即对未来一段时间内可能出现的光伏出力和负荷功率的一个描述。
为了确定场景集合,我们首先基于蒙特卡洛算法对光伏出力和负荷功率进行场景生成,即生成服从其概率分布的一组样本。然后,采用基于快速概率距离的场景削减方法,将生成的场景进行削减,以达到场景集合规模适中、优化效果良好的目的。
2.2 空间-时间-时域混合优化模型建立
考虑到虚拟电厂和微网单元的各种设备之间是相互影响的,为了更好地描述优化问题的复杂性,本文设计了一个空间-时间-时域混合优化模型。该模型包括以下几个方面:
-
空间方面:考虑不同设备之间的相互作用,如太阳能光伏、风能和蓄电池等分布式能源设备之间的协同调度。
-
时间方面:考虑时间的可调度性,如是否需要在凌晨1点的时候进行充电或放电等。
-
时域方面:考虑随机性和确定性,并在此基础上进行优化调度,如光伏出力和负荷功率的不确定性。
具体来说,我们假设光伏出力和负荷功率的不确定性服从正态分布,于是我们可以通过引入随机变量的方式来描述它们。例如,我们可以定义以下随机变量:
设$n$为场景数目,则第$i$个场景下光伏出力与负荷功率分别为$P_i^g$和$P_i^l$。
在此基础上,我们可以构建一个以场景集合为优化变量的随机优化模型,使得虚拟电厂或微网单元能够更好地适应光伏出力和负荷功率的变化。
三、仿真分析
我们采用 MATLAB+CPLEX 作为仿真平台,对所提出的虚拟电厂或微网单元的日前优化调度模型进行了验证。实验结果证明,所提出的模型在考虑光伏出力和负荷功率的不确定性时具有良好的优化效果,能够有效地控制虚拟电厂或微网单元的能量平衡。具体而言,我们进行了以下几方面的仿真分析:
-
不同场景数目下的优化效果比较;
-
不同削减方法对优化效果的影响;
-
对比了没有考虑光伏出力和负荷功率不确定性的情况。
通过对以上三方面的仿真分析,我们得出了以下结论:
-
相关代码,程序地址:http://lanzouw.top/669704084113.html