idxcg = [1:3];
idxwg = [4:5];
ncg = 3;
nwg = 2;
%%定义Yalmip 需要的变量
sdpvar cg(3,1)
sdpvar dwg(2,1)
%% 带有名字的优化问题约束条件
P_balance = [sum(bus(:,3))/100 == sum([cg;prewg]) ];
Icg = sparse(gen(idxcg,1),1:ncg,ones(ncg,1),nb,ncg);
Iwg = sparse(gen(idxwg,1),1:nwg,ones(nwg,1),nb,nwg);
% Dcg = repmat([0.3;0.4;0.3],1,2);%distribution factor
Dcg = repmat([0.18; 0.03; 0.79],1,2);%distribution factor
Thermal_Limit = [dis_fac*(Icg*(cg+(-Dcg*dwg))+Iwg*(prewg+dwg) - bus(:,3)/100)<=branch(:,6)/100];
Pcg_limit = [gen(idxcg,10)/100<= cg+(-Dcg*dwg) <= gen(idxcg,9)/100];%uncertain([Pg wg1 wg2])
%get convex hull for uncertainty data
[abc,bnd] =pair_counvex_hull_example();% pair_convex_hull1();
% if 0
Pwg_limit0 = [bnd(:,1)<= dwg <= bnd(:,2),uncertain(dwg)];
% else
% Pwg_limit = [gen(3:4,10)/100<= wg <= gen(3:4,9)/100];
%%不确定集合的表述
Pwg_
matlab Yalmip 求解电力系统鲁棒调度问题例子
最新推荐文章于 2024-07-25 10:43:10 发布
这篇博客介绍了如何利用MATLAB的Yalmip工具来解决电力系统的鲁棒调度问题。文章通过定义变量、设置约束条件和目标函数,展示了一个具体的例子,包括发电机功率平衡、热力限制、发电机功率限制和不确定性集合的处理。最后,通过运行优化计算获取解决方案和目标函数的值。
摘要由CSDN通过智能技术生成