【电力系统】基于两阶段鲁棒优化算法的微网多电源容量配置附matlab代码

✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,matlab项目合作可私信。

🍎个人主页:Matlab科研工作室

🍊个人信条:格物致知。

更多Matlab仿真内容点击👇

智能优化算法  神经网络预测 雷达通信  无线传感器

信号处理 图像处理 路径规划 元胞自动机 无人机  电力系统

⛄ 内容介绍

目标函数:

目标函数主要考虑了投资成本和运行成本两部分,其中,投资成本主要为储能的等年值投资成本,运行成本则包括配电网交互成本(购售电成本)、各单元运维成本以及微型燃气轮机的燃料成本。

⛄ 部分代码

clc

clear

%%绘图版块:主要绘制了各微网的日运行计划,容量配置结果,迭代过程等等

figure(1)

plot(x(1:24),'-r*')

xlim([1 24])

grid

hold on 

plot(x(25:48),'-b*')

bar(x(49:72))

plot(x(73:96),'-gd')

plot(x(97:120),'-md')

title('典型日1场景下微网运行计划')

legend('购电功率','售电功率 ','燃气轮机功率','储能充电','储能放电')

xlabel('时间')

ylabel('功率')

figure(2)

plot(x(121:144),'-r*')

xlim([1 24])

grid

hold on 

plot(x(145:168),'-b*')

bar(x(169:192))

plot(x(193:216),'-g*')

plot(x(217:240),'-m*')

title('典型日2场景下微网运行计划')

legend('购电功率','售电功率 ','燃气轮机功率','储能充电','储能放电')

xlabel('时间')

ylabel('功率')

figure(3)

plot(x(241:264),'-r*')

xlim([1 24])

grid

hold on 

plot(x(265:288),'-b*')

bar(x(289:312))

plot(x(313:336),'-g*')

plot(x(337:360),'-m*')

title('典型日3场景下微网运行计划')

legend('购电功率','售电功率 ','燃气轮机功率','储能充电','储能放电')

xlabel('时间')

ylabel('功率')

figure(4)

plot(x(361:384),'-r*')

xlim([1 24])

grid

hold on 

plot(x(385:408),'-b*')

bar(x(409:432))

plot(x(433:456),'-g*')

plot(x(457:480),'-m*')

title('典型日4场景下微网运行计划')

legend('购电功率','售电功率 ','燃气轮机功率','储能充电','储能放电')

xlabel('时间')

ylabel('功率')

% figure(1)

% bar(R_31);

% set(gca,'XTickLabel',{'A','B','C'});

% for i=1:3  

%     text(i,R_31(i)+0.03,num2str(R_31(i)),'VerticalAlignment','bottom','HorizontalAlignment','center');%就是用test加数值,这个0.03看情况定,根据数值大小,再改就好了

% end

%  ylim([0,1.2]);

% ylabel('R^2');

figure(5)

bar([ee_bat_int,p_g_int,p_pv_int,p_wt_int],0.5);

set(gca,'XTickLabel',{'储能容量','燃气轮机容量','光伏容量','风机容量'});

ylim([0,620]);

ylabel('配置结果');

figure(6)

[ss,gg]=meshgrid(1:4,1:24 );

plot3(ss,gg,p_load,'-');

xlabel('微网编号');

ylabel('时刻');

zlabel('负荷值');

title('负荷调度结果图');

legend('负荷曲线1','负荷曲线2 ','负荷曲线3 ','负荷曲线4 ')

figure(7)

[ss,gg]=meshgrid(1:4,1:24 );

plot3(ss,gg,p_pv,'-');

xlabel('微网编号');

ylabel('时刻');

zlabel('光伏出力');

title('光伏调度结果图');

legend('光伏曲线1','光伏曲线2 ','光伏曲线3 ','光伏曲线4 ')

figure(8)

[ss,gg]=meshgrid(1:4,1:24 );

mesh(ss,gg,p_wt);

xlabel('微网编号');

ylabel('时刻');

zlabel('风机出力');

title('风机调度结果图');

legend('风机曲线1','风机曲线2 ','风机曲线3 ','风机曲线4 ')

figure(9)

plot(pub(1:10),'-*')

hold on

plot(plb(1:10),'-*')

xlabel('迭代次数')

ylabel('数值')

legend('上界限曲线','下界限曲线 ')

title('运行曲线')

 figure(10)

 plot(p(1:10))

 xlabel('迭代次数')

 ylabel('UB-LB')

 title('运行曲线')

⛄ 运行结果

⛄ 参考文献

晏鸣宇,艾小猛,张艺镨,等.考虑机组禁止运行区间的含风电鲁棒机组组合[J].中国电机工程学报,2018,38(11):3195-3203.

[1]于雷. 含多类型能源的微网与外部电网协调运行机制和容量配置研究[D]. 华北电力大学(北京), 2016.

⛄ Matlab代码关注

❤️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

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
### 回答1: 原创代码是指在开发过程中自行设计和编写的代码,而非借用他人代码的部分或全部内容。完美复现是指在复现过程中,能够完全还原原始代码的功能和效果。微电网阶段鲁棒优化是指运用鲁棒优化方法对微电网进行优化设计的过程,将不确定性因素考虑在内,以提高系统的鲁棒性和稳定性。 基于MATLAB、YALMIP和CPLEX实现的微电网阶段鲁棒优化,可以采用以下步骤: 1. 首先,需要在MATLAB中安装并配置好YALMIP和CPLEX工具箱。 2. 接下来,根据微电网的具体特点和需求,设计微电网阶段鲁棒优化模型,并编写MATLAB代码来表达该模型。 3. 在编写代码时,可以使用YALMIP来定义优化问题的变量、约束条件和目标函数。YALMIP提供了一种方便的方式来描述和求解优化问题。 4. 在定义完优化问题后,可以使用CPLEX求解引擎来求解该优化问题。CPLEX是一个高效的求解器,可以处理大规模的优化问题。 5. 在代码中,可以使用MATLAB的相关函数和工具箱来完成对微电网模型的建模、数据处理和结果分析。 通过以上步骤,可以实现基于MATLAB、YALMIP和CPLEX的微电网阶段鲁棒优化。与传统的优化方法相比,鲁棒优化考虑到了不确定性因素,可以使得系统更具鲁棒性和稳定性,提高了系统的可靠性和性能。 总结起来,基于MATLAB、YALMIP和CPLEX实现的微电网阶段鲁棒优化方案,可以通过自行编写和设计的原创代码来完美复现原始模型,并通过鲁棒优化方法来改善微电网的性能和鲁棒性。这种方法不仅可以提高微电网系统的可靠性和稳定性,还可以为微电网的实际应用提供一种有效的优化设计手段。 ### 回答2: 微电网是一种由多种分布式能源资源组成的小型电力系统,具有自主运行和可靠供电的特点。为了提高微电网的经济性和能源利用效率,我们可以对其进行优化调度。这里,我将介绍基于MATLAB、YALMIP和CPLEX的阶段鲁棒优化方法。 首先,在问题数学建模方面,我们需要考虑微电网的各种能源资源和负荷需求之间的关系。我们可以使用线性约束和非线性约束来描述微电网的运行条件和限制。例如,我们可以定义发电机的燃料成本和发电能力之间的关系,以及存储系统的充放电速率和能量容量之间的关系。 然后,我们可以使用MATLAB的YALMIP插件来实现数学建模。YALMIP是一个用于优化问题建模和求解的工具箱,它提供了方便的高级接口,能够将问题转化为标准的优化模型。我们可以使用YALMIP定义变量、目标函数和约束,将问题转化为线性规划或混合整数线性规划问题。 最后,我们可以使用CPLEX求解器来求解优化问题。CPLEX是一个强大的数学优化求解器,能够高效地求解线性规划和混合整数线性规划问题。我们可以将YALMIP生成的优化模型输入到CPLEX中,通过求解器获得最优的优化调度方案。 通过使用MATLAB、YALMIP和CPLEX,我们可以实现微电网的阶段鲁棒优化。这种方法可以在保证微电网可靠性和运行约束条件的前提下,最小化成本并提高能源利用效率。同时,由于YALMIP和CPLEX具有良好的用户界面和求解性能,我们可以方便地实现和调试优化算法,进一步提高优化算法的可行性和效率。 总之,基于MATLAB、YALMIP和CPLEX的阶段鲁棒优化方法为微电网的经济性和能源利用效率提供了有效的解决方案。这种方法不仅能够实现原创的代码和完美的复现,还能够为微电网的可持续发展和智能化管理提供支持。

“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

打赏作者

matlab科研助手

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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