【火电机组、风能、储能】高比例风电电力系统储能运行及配置分析附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

第十四届全国大学生电工数学建模竞赛A题论文及代码

要实现碳中和，就需要找到清洁能源代替非清洁能源这一切实可行的方法；另一方面，能源需求和经济发展之间具有同步增长规律。也就是说，当中国经济维持上升趋势时，能源需求量也会相应增加，若不对单位GDP相应能源的碳排放量进行有效约束，碳中和目标就很难实现。

风能是可再生清洁能源，因总资源蕴藏量巨大，可再生，无污染，日益引起世界各国关注。伴随着风电在电源结构中所占比重的日益提高，风电自身存在的随机性，波动性和不稳定性等问题对于电力系统的安全和稳定运行产生了日益显着的影响。大规模风电消纳问题始终是个棘手问题。

储能技术对于解决风电消纳比例较高，提高系统可靠性具有重要意义。充分利用风能资源可以实现绿色发展和节能降耗，但风力发电特点不同于常规发电，风电具有间歇性和波动性，大范围风能并网对电网造成影响。为了解决高渗透分布式风电并网给配电网带来的安全性和可靠性等问题，储能技术成为保证风电消纳和提高系统经济效益的有效手段。研究电力系统储能系统的功能定位和配置原则，有着十分重要的意义。

目标函数为系统发电总成本最小，发电总成本=火电成本+风电成本+储能成本+弃风损失+失负荷损失；

火电成本=运行维护成本+发电煤耗成本+碳捕集成本，

当使用传统的火电机组煤耗量计算公式对该最优化调度问题进行建模时，将会得到一个二次规划问题，这是由于火电机组的煤耗量是关于机组出力的一元二次函数，使得该问题的目标函数中含有非线性的部分，而当模型中火电机组的个数或调度周期增加时，求解该最优化问题的时间成本和难度将大大上升。基于此，为了降低模型求解难度，加快最优化求解计算速度，本文使用分段线性化方法将火电机组的二次煤耗量计算公式转为一次函数，进而使整个最优化模型转化为线性规划模型。火电机组的煤耗量函数图像如下，其中实线表示分段线性化处理后的火电机组煤耗量函数，虚线表示分段线性化处理之前的火电机组煤耗量函数。

⛄ 部分代码

clc;

clear;

%% 定义

load One_day_load;

load One_day_Wind;

mpc = [600,300,150;

    180,90,45;

    0.72,0.75,0.79;

    786.8,451.32,1049.5;

    30.42,65.12,139.6;

    0.226,0.588,0.785];

tan = 0;

%% 求解

[Cost,PDE] = Yalmip_Cplex(Load,mpc,tan);

zongfuhe=0.25*sum(Load)

%% 画图

figure(1);

bar(PDE(1,:));

hold on

bar(PDE(2,:));

bar(PDE(3,:));

plot(Load,'r-*');

plot(PDE(1,:)+PDE(2,:)+PDE(3,:),'k--')

hold off

legend('一号机组','二号机组','三号机组','负荷需求','总发电功率');

xlabel('时段/15min');

ylabel('功率/MW');

title('机组日发电计划曲线');

⛄ 运行结果

⛄ 参考文献

[1]孙伟卿, 罗静, 张婕. 高比例风电接入的电力系统储能容量配置及影响因素分析[J]. 电力系统保护与控制, 2021, 049(015):9-18.

⛄ 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

🍅 仿真咨询

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

2 机器学习和深度学习方面

卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

2.图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

3 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

4 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配

、无人机安全通信轨迹在线优化

5 无线传感器定位及布局方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

6 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

7 电力系统方面

微电网优化、无功优化、配电网重构、储能配置

8 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长

9 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合