开源代码分享(26)-考虑预测不确定性的综合能源调度优化

参考文献:

[1]崔杨,周慧娟,仲悟之,等.考虑源荷两侧不确定性的含风电电力系统低碳调度[J].电力自动化设备,2020,40(11):85-93.DOI:10.16081/j.epae.202009019.

1.基本原理

        考虑碳交易机制能够有效提高风电消纳量,但是随着风电并网容量的增大,其波动性对系统的影响愈加严重。目前针对提高系统环保性、 降低碳排放的相关研究中,同时兼顾新能源并网给系统带来不确定影响的经济调度模型相对较少。因此,本文提出考虑风电和负荷不确定性的低碳型经济调度模型,该模型充分考虑碳排放成本、运行成本以及不确定因素,旨在提高风电等新能源发电的并网消纳量,同时降低碳排放量。

2.数学模型

2.1 源荷不确定性模型

        由于系统功率平衡和旋转备用约束中含有不确定变量,确定条件下的功率平衡将不再适用,因此在安排系统日前调度出力时,应考虑系统不确定性因素的影响。本文采用一种模糊处理方法,引入风电模糊参数与负荷模糊参数,将风光出力及负荷大小松弛为某一置信水平α条件下的功率约束平衡,使该平衡约束条件成立的可能性不小于α,以此构造出不确定因素集:

2.2 目标函数

2.3 约束条件

3.相关参数设置

3.1 模糊参数

3.2 火电机组数据

3.3 储能数据

3.4 风光负荷数据

时段

风电出力/MW

光伏出力

/MW

负荷/MW

时段

风电出力/MW

光伏出力

/MW

负荷/MW

1

188

0

945

13

52

42

1397

2

237

0

845

14

80

41.6

1297

3

188

0

745

15

82

40.5

1197

4

181

0

780

16

107

41.2

1048

5

204

0

998

17

144

36.5

1000

6

156

2.2

1095

18

185

28

1100

7

174

5.5

1147

19

163

16

1202

8

186

17

1199

20

221

6.6

1375

9

118

28.6

1300

21

215

1.1

1298

10

89

32

1397

22

240

0

1101

11

77

39

1449

23

223

0

900

12

54

42.6

1498

24

190

0

800

4.运行结果分析

5.代码获取

        代码获取链接如下:

开源代码分享(26)-考虑预测不确定性的综合能源调度优化matlab代码资源-CSDN文库

  • 35
    点赞
  • 30
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
针对风光发电不确定的微电网优化调度问题,可以使用基于随机规划的方法进行求解。下面是一个简单的matlab代码示例,供参考: ```matlab % 建立模型 model = optimproblem; % 定义变量 P_wind = optimvar('P_wind', 'LowerBound', 0, 'UpperBound', P_wind_max); P_solar = optimvar('P_solar', 'LowerBound', 0, 'UpperBound', P_solar_max); P_grid_import = optimvar('P_grid_import', 'LowerBound', 0); P_grid_export = optimvar('P_grid_export', 'LowerBound', 0); % 定义约束 constr1 = P_wind + P_solar + P_grid_import - P_grid_export == P_load; constr2 = P_wind <= P_wind_max; constr3 = P_solar <= P_solar_max; % 定义目标函数 obj = f(P_wind, P_solar, P_grid_import, P_grid_export); % 定义风光不确定性 wind_uncertainty = optimexpr; for t = 1:T wind_uncertainty = wind_uncertainty + (P_wind(t) - P_wind_avg)^2; end solar_uncertainty = optimexpr; for t = 1:T solar_uncertainty = solar_uncertainty + (P_solar(t) - P_solar_avg)^2; end % 定义随机规划 stoch_constr = [wind_uncertainty <= wind_uncertainty_threshold, solar_uncertainty <= solar_uncertainty_threshold]; stoch_obj = expect(obj, [wind_uncertainty <= wind_uncertainty_threshold, solar_uncertainty <= solar_uncertainty_threshold]); % 将随机规划加入模型 model.Constraints.stoch_constr = stoch_constr; model.Objective = stoch_obj; % 求解模型 [sol, fval, exitflag] = solve(model); ``` 在上述代码中,`P_wind`和`P_solar`分别表示风力发电和太阳能发电的功率,`P_grid_import`和`P_grid_export`分别表示电网的进口和出口功率,`P_load`表示微电网负载功率,`P_wind_max`和`P_solar_max`分别表示风力和太阳能发电的最大功率,`P_wind_avg`和`P_solar_avg`分别表示风力和太阳能发电的平均值,`wind_uncertainty_threshold`和`solar_uncertainty_threshold`分别表示风力和太阳能发电的不确定性阈值,`T`表示时间步数,`f`表示目标函数,`expect`表示期望值,`model`表示优化模型,`sol`表示优化解,`fval`表示优化目标函数值,`exitflag`表示优化求解状态。

“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

配电网和matlab

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