matlab & yalmip在微电网优化调度中的应用（二）——蓄电池的SOC

查看蓄电池的SOC

荷电状态（state of charge, SOC）定义为当前的蓄电池剩余容量与额定容量的百分比。
比如：假设蓄电池的额定容量为200kWh，初始状态为100kWh，初始SOC就是50%。第1个小时内蓄电池出力60kW，剩余100-60 = 40kWh，那么SOC就变为了20%。

第一个想法

• 当前能量 = 上个小时的能量 - 蓄电池出力
• SOC = 当前储能/额定容量

基于这个想法设计程序：

EBa1 = 100;
EBae = 200;
EBa = EBa1 * ones(1,T);
for i = 2:T
    EBa(i) = EBa(i-1) - P(2,i-1);
end
SOC = EBa/EBae;

运行时报错：

错误使用 - (第 42 行)
Adding NaN to an SDPVAR makes no sense.

出错 MG_2_0223 (第 43 行)
EBa(i) = EBa(i-1) - P(2,i-1);

第二个想法

于是就有了第二个想法：

• 每个时刻的SOC = 当前时刻的能量 / 额定容量
• 当前时刻的能量 = 初始容量 - 到当前时刻为止蓄电池的出力
  基于第二个想法设计程序：

EBa1 = 20;
EBae = 200;
for i = 1:T
    SOC(i) = (EBa1-sum(P(2,1:i)))/EBae;
end

其中，SOC(i)代表ih末蓄电池的SOC。
由此可以得到按照（一）中优化结果运行时，Ba的SOC变化情况：

可以发现，24h末SOC已经到了-5到-6之间，表明释放了5~6个电池的额定容量。这是因为不断地释放能量耗尽了蓄电池可以储存的能量。所以我们必须加上SOC限制。

给蓄电池加上SOC限制

有了上一步的基础，我们可以很容易地添加SOC的限制：

SOC上下限限制

SOC_min = 0.1;
SOC_max = 0.9;
for i = 1:T
   Constraints = [Constraints; SOC_min <= SOC(i) <= SOC_max];
end

SOC末态限制

Constraints = [Constraints;SOC(T) >= EBa1/EBa2];

结果与分析

于是加入SOC限制之后，在新的优化结果以及Ba的SOC变化如下：


可以发现，SOC在规定的范围内（0.1~0.9）内变动，符合实际情况。随着SOC限制的加入，目标函数也从（一）中的-731.11变为了-458.35。这表明条件更严格的情况下最优结果的成本升高了。

还可以发现一个有趣的现象：当前得到的结果中G保持着最大出力，这并不奇怪，回顾（一）中的参数设置（线性简化）：

KG = 0.3;
KBa = 0.2;
Kgrid = 0.5;

卖电的收益高于G发电的成本，高于Ba的消耗。 所以G和Ba会尽可能地发电/放电然后去卖电——除非冗余电量超过了传输功率上限，G才会减少发电——于是在Ba放电受到SOC限制后，G会尽可能地发电。
这也表明了我们的成本参数设置可能不符合实际。

注：参数更改

相比于（一）中有部分参数更改

PG_min = 0;PG_max = 50;
dPG_min = -40;dPG_max = 40;
PBa_min = -30;PBa_max = 100;
Pgrid_max = 160;Pgrid_min = -160;

数据来自：[1]王腾超. 含微电网的配电网日前能量优化[D].山东大学,2020.DOI:10.27272/d.cnki.gshdu.2020.006084.