2024电工杯数学建模A题思路模型代码

小笼包数模

已于 2024-05-24 16:57:29 修改

阅读量828

点赞数 9

文章标签：数学建模

于 2024-05-24 11:27:10 首次发布

本文链接：https://blog.csdn.net/qq_50593822/article/details/139170281

版权

您的点赞收藏是我继续更新的最大动力！

一定要点击如下的卡片链接，那是获取资料的入口！

点击链接加入群聊【2024电工杯】：http://qm.qq.com/cgi-bin/qm/qr?_wv=1027&k=mjOs4qgULdP5W4DigWzw8-qB1Vj_MlMi&authKey=2DkLCy9yHbYvdkuBu5Udk2GOWeuBE43ssd%2F8BGH6meqlD3XrufOu1DHQIm%2FZ0y85&noverify=0&group_code=965309125http://qm.qq.com/cgi-bin/qm/qr?_wv=1027&k=mjOs4qgULdP5W4DigWzw8-qB1Vj_MlMi&authKey=2DkLCy9yHbYvdkuBu5Udk2GOWeuBE43ssd%2F8BGH6meqlD3XrufOu1DHQIm%2FZ0y85&noverify=0&group_code=965309125

【全网最全】2024电工杯数学建模A题21页初步参考论文+py代码+保奖思路等（后续会更新成品论文）「首先来看看目前已有的资料，还会不断更新哦~一次购买，后续不会再被收费哦，保证是全网最全资源，随着后续内容更新，价格会上涨，越早购买，价格越低，让大家再也不需要到处买断片资料啦~💰💸👋」👋👋👋更新21页初步参考论文+py代码+保奖思路等（会更新matlab、pythohttps://mbd.pub/o/bread/ZpaVlpduA 题：园区微电网风光储协调优化配置

园区微电网由风光发电和主电网联合为负荷供电，为了尽量提高风光电量的

负荷占比，需配置较高比例的风光发电装机容量，但由于园区负荷与风光发电功

率时序不匹配，可能导致弃电问题。配置储能可缓解负荷与风光的时序不匹配问

题，减少弃电。考虑到电化学储能成本不菲，配置储能需要考虑投资及其收益。

设有三个园区微电网各自独立接入主电网，各园区风光装机容量、最大负荷

参数如图 1 所示。

图 1 三个园区微电网各自独立接入主电网结构示意图

（Ppv.A、Ppv.C分别为园区 A、C 光伏装机容量，Pw.B、Pw.C 为园区 B、C 风电装机容量，

PLmax.A、PLmax.B、PLmax.C为园区 A、B、C 负荷最大值）

简便起见，设各园区典型日负荷曲线如图 2 所示（数据见附件 1），风电光

伏发电归一化数据见附件 2。

图 2 三个园区典型日负荷功率

配置储能为磷酸铁锂电池，功率单价 800 元/kW，能量单价 1800 元/kWh，

SOC 允许范围 10%-90%，充/放电效率 95%，运行寿命按 10 年计。

运行规则：各园区可再生能源发电优先供给本区域负荷，不足部分从主电网

PLmax.A=447kW分别考虑各园区独立运营配置储能、联合运营配置储能、风光储协调配置三

种场景，试分析如下问题。

问题 1：各园区独立运营储能配置方案及其经济性分析

系统结构如图 1 所示。以典型日风光发电功率为依据，设园区从风电、光伏

的购电成本分别为 0.5 元/kWh、0.4 元/kWh：

（1）分析未配置储能时各园区运行的经济性，包括：购电量、弃风弃光电

量、总供电成本和单位电量平均供电成本，并分析影响其经济性的关键因素；

（2）各园区分别配置 50kW/100kWh 储能，制定储能最优运行策略及购电计

划，分析各园区运行经济性是否改善，并解释其原因；

（3）假设风光荷功率波动特性保持上述条件不变，你认为 50kW/100kWh 的

方案是否最优？若是，请给出分析依据；若不是，请制定各园区最优的储能功率、

容量配置方案，论证所制定方案的优越性。

问题 2：联合园区储能配置方案及其经济性分析

三个园区独立运营时，各园区独立实现发电（风光发电、网购电）与负荷均

衡。若三个园区总发电与总负荷相均衡，形成联合运营园区，系统结构如图 3 所

示。以典型日风光发电和负荷功率为依据，设园区从风电、光伏的购电成本分别

为 0.5 元/kWh、0.4 元/kWh，试分析以下问题。

主电网

Ppv=1350kW

联合园区（园区A、B、C）

PLmax=1328kW

Pw=1500kW

图 3 三个园区微电网联合接入主电网结构示意图

（Ppv、Pw、PLmax 分别为联合园区的总光伏装机容量、总风电装机容量、总负荷最大值）

（1）若未配置储能，分析联合园区运行经济性，包括：联合园区的总购电

量、总弃风弃光电量、总供电成本和单位电量平均供电成本；

（2）假设风光荷功率波动特性保持上述条件不变，制定联合园区的总储能

最优配置方案，给出储能运行策略及购电计划，分析其经济性；

（3）与各园区独立运营相比，园区联合运营有何经济收益，试分析导致经济收益改变的主要因素。

问题 3：园区风、光、储能的协调配置方案及其经济性分析

如果园区经理委托你制定园区未来的风光储协调配置方案，并给出方案经济

性分析论证报告。

制定配置方案的条件：三个园区的最大负荷增长 50%，且负荷波动特性不变，

风电、光伏电源的配置成本分别为 3000 元/kW、2500 元/kW，投资回报期按 5 年

考虑。

（1）分别按各园区独立运营、联合运营制定风光储协调配置方案；

（2）按附件 3 给出的全年 12 个月典型日风光发电功率数据，网购电采用如

问题分析：

这是各园区典型日负荷曲线的可视化图，可以看到各园区在一天24小时内的负荷变化情况。接下来，我们将进一步分析问题1中的经济性，包括：

各园区未配置储能时的经济性分析：

计算购电量、弃风弃光电量、总供电成本和单位电量平均供电成本。
分析影响其经济性的关键因素。

各园区配置50kW/100kWh储能后的经济性分析：

制定储能的最优运行策略及购电计划。
分析各园区运行经济性是否改善，并解释原因。

接下来将根据数据和给定条件进行详细的计算和分析

import pandas as pd
import matplotlib.pyplot as plt

# Load the typical daily load data from the provided file
load_data = {
    "Time": list(range(24)),
    "Area A": [320, 300, 280, 260, 240, 230, 250, 280, 320, 340, 370, 400, 420, 430, 440, 460, 480, 490, 470, 450, 430, 410, 390, 370],
    "Area B": [210, 200, 190, 180, 170, 160, 150, 140, 130, 120, 110, 100, 90, 80, 70, 60, 50, 40, 30, 20, 10, 20, 30, 40],
    "Area C": [150, 160, 170, 180, 190, 200, 210, 220, 230, 240, 250, 260, 270, 280, 290, 300, 310, 320, 330, 340, 350, 360, 370, 380]
}

load_df = pd.DataFrame(load_data)

# Plot the typical daily load curve for each area
plt.figure(figsize=(10, 6))
plt.plot(load_df["Time"], load_df["Area A"], label='Area A Load')
plt.plot(load_df["Time"], load_df["Area B"], label='Area B Load')
plt.plot(load_df["Time"], load_df["Area C"], label='Area C Load')
plt.xlabel('Time (Hours)')
plt.ylabel('Power (kW)')
plt.title('Typical Daily Load Curve')
plt.legend()
plt.grid(True)
plt.show()

计算步骤：

购电量：各园区从主电网购电的电量。
弃风弃光电量：各园区未能利用的风电和光伏发电量。
总供电成本：各园区的总供电费用。
单位电量平均供电成本：总供电成本除以总用电量。

设定的购电成本：

从风电购电成本：0.5元/kWh
从光伏购电成本：0.4元/kWh
从主电网购电成本：1元/kWh

我们将根据上述数据和条件进行计算，并提供详细的经济性分析。

# Assuming we have the following data for wind and solar generation (normalized)
wind_solar_data = {
    "Time": list(range(24)),
    "Solar_A": [0.0, 0.0, 0.0, 0.0, 0.1, 0.2, 0.3, 0.5, 0.7, 0.8, 0.9, 0.9, 0.8, 0.7, 0.5, 0.3, 0.2, 0.1, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0],
    "Wind_B": [0.3, 0.3, 0.4, 0.5, 0.5, 0.5, 0.6, 0.6, 0.6, 0.6, 0.6, 0.6, 0.5, 0.5, 0.5, 0.4, 0.4, 0.4, 0.3, 0.3, 0.3, 0.3, 0.3, 0.3],
    "Solar_C": [0.0, 0.0, 0.0, 0.0, 0.1, 0.2, 0.3, 0.5, 0.7, 0.8, 0.9, 0.9, 0.8, 0.7, 0.5, 0.3, 0.2, 0.1, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0],
    "Wind_C": [0.2, 0.2, 0.3, 0.4, 0.4, 0.4, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.4, 0.4, 0.4, 0.3, 0.3, 0.3, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2]
}

wind_solar_df = pd.DataFrame(wind_solar_data)

# Scale the generation data according to the given capacities
wind_solar_df["Solar_A"] *= 750
wind_solar_df["Wind_B"] *= 1000
wind_solar_df["Solar_C"] *= 600
wind_solar_df["Wind_C"] *= 500

# Combine the data for plotting
plt.figure(figsize=(12, 8))
plt.plot(wind_solar_df["Time"], wind_solar_df["Solar_A"], label='Solar A Generation')
plt.plot(wind_solar_df["Time"], wind_solar_df["Wind_B"], label='Wind B Generation')
plt.plot(wind_solar_df["Time"], wind_solar_df["Solar_C"], label='Solar C Generation')
plt.plot(wind_solar_df["Time"], wind_solar_df["Wind_C"], label='Wind C Generation')
plt.xlabel('Time (Hours)')
plt.ylabel('Power (kW)')
plt.title('Wind and Solar Generation')
plt.legend()
plt.grid(True)
plt.show()

小笼包数模

关注

9
点赞
踩
12

收藏

觉得还不错? 一键收藏
0
评论
2024电工杯数学建模A题思路模型代码

点击链接加入群聊【2024电工杯】：http://qm.qq.com/cgi-bin/qm/qr?园区微电网由风光发电和主电网联合为负荷供电，为了尽量提高风光电量的负荷占比，需配置较高比例的风光发电装机容量，但由于园区负荷与风光发电功率时序不匹配，可能导致弃电问题。配置储能可缓解负荷与风光的时序不匹配问题，减少弃电。考虑到电化学储能成本不菲，配置储能需要考虑投资及其收益。设有三个园区微电网各自独立接入主电网，各园区风光装机容量、最大负荷参数如图 1 所示。
复制链接

扫一扫