✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,代码获取、论文复现及科研仿真合作可私信。
🍎个人主页:Matlab科研工作室
🍊个人信条:格物致知。
更多Matlab完整代码及仿真定制内容点击👇
🔥 内容介绍
“双碳”背景下,为进一步提高综合能源系统(Integrated energy system,IES)的低碳性和经济性,提出了一种园区级 IES 低碳经济优化调度模型。首先考虑氢能参与 IES 实现降碳减排并引入阶梯式碳交易机制进一步约束碳排放,然后考虑 P2G-CCS(power to gas and carbon capture system,P2G-CCS)耦合并建立电转气和碳捕集系统的模型,接着考虑氢燃料电池与燃气轮机共同实现热电联产,引入有机朗肯循环实现供应侧热电联产机组的灵活响应,需求侧考虑多元负荷的可转移和可替代性建立需求侧灵活响应模型,最后以购能成本、碳成本、需求响应补偿成本 、弃 风 成 本 之 和 最 小 为 目 标 建 立 IES 优 化 调 度 模 型 ,模 型 线 性 化 处 理 后 采 用 MATLAB+YALMIP 调 用GUROBI 商业求解器求解,通过设置不同情景对比分析,验证了所提模型的有效性,并增设两组情景分析氢能设备容量和购氢价格对 IES 运行的影响。
📣 部分代码
clc
clear
close all
warning off
%初始源荷数据
E_LOAD=[680 670 660 675 710 730 760 770 780 790 780 765 755 750 740 760 775 800 785 770 760 735 700 680]+400;%电负荷
H_LOAD=[820 840 855 860 890 910 855 760 740 720 700 690 680 660 640 680 710 750 760 770 780 775 769 770];%热负荷
G_LOAD=[260 255 250 248 255 270 290 300 300 300 297 294 291 290 288 286 290 295 298 300 302 304 301 298]+300;%气负荷
WT= [710 720 730 740 735 715 710 640 550 480 420 300 280 287 300 310 370 400 500 550 600 630 670 700];%风电
figure
plot(E_LOAD,'--bo');
hold on
plot(H_LOAD,'-rs');
hold on
plot(G_LOAD,'-*');
hold on
plot(WT,'-d');
xlabel('时间/h');
ylabel('功率/kW');
axis([1,24,0,1500]);
legend('初始电负荷','初始热负荷','初始气负荷','风电');
title('初始源荷数据');
%%决策变量定义
E_WT=sdpvar(1,24,'full'); %风电消纳
E_CHP=sdpvar(1,24,'full');%热电联产产电
E_BUY=sdpvar(1,24,'full');%购电
E_DIS=sdpvar(1,24,'full'); %放电
E_DIS_sign=binvar(1,24,'full'); %放电标识
E_P2G=sdpvar(1,24,'full');%P2G耗电
E_CCS=sdpvar(1,24,'full');%碳捕集耗电
E_EB=sdpvar(1,24,'full');%电锅炉耗电
E_CHA=sdpvar(1,24,'full'); %充电
E_CHA_sign=binvar(1,24,'full'); %充电标识
E_TRAN=sdpvar(1,24,'full'); %可转移电负荷
E_CUT=sdpvar(1,24,'full'); %可削减电负荷
E_SOC=sdpvar(1,24,'full');
⛳️ 运行结果
🔗 参考文献
[1] 陈登勇,刘方,刘帅.基于阶梯碳交易的含P2G-CCS耦合和燃气掺氢的虚拟电厂优化调度[J].电网技术, 2022(006):046.
[2] 陈登勇,刘方,刘帅.基于阶梯碳交易的含P2G-CCS耦合和燃气掺氢的虚拟电厂优化调度[J].[2024-03-02].
🎈 部分理论引用网络文献,若有侵权联系博主删除
🎁 关注我领取海量matlab电子书和数学建模资料
👇 私信完整代码和数据获取及论文数模仿真定制
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱船配载优化、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化
2 机器学习和深度学习方面
2.1 bp时序、回归预测和分类
2.2 ENS声神经网络时序、回归预测和分类
2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类
2.4 CNN/TCN卷积神经网络系列时序、回归预测和分类
2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类
2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类
2.7 ELMAN递归神经网络时序、回归\预测和分类
2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类
2.9 RBF径向基神经网络时序、回归预测和分类