计及电动汽车灵活性的微网多时间尺度协调调度模型

代码:

%% 程序初始化
clc
clear
close all

%% 定义变量
%%定义市场电价
%采用冀北电网分时电价工商业电价,18-21h为尖峰电价
xb=[277    277    277    277    277    277    659    978    978    978    659    659    659    659    659    659    659    1041    1041    1041    978    978    277    277];
xs=xb;
%% 定义柴油发电机参数
a=600;%固定开机费用
kcp=300;%分段线性化费用
sconv=600;%启停费用
gtmax=3.31;%出力上限
gtmin=1.3;%最小出力值
ramp=1.5;%爬坡率

%% 定义储能参数
gescmax=2;%充电功率上限
gesdmax=2;%放电功率上限
sessmax=8;%蓄电量上限
sessmin=0;%蓄电量最小值
uesc=0.95;%充电效率
uesd=0.95;%放电效率

%% 需求响应参数
kil=[100,600,800];%中断负荷补偿费用
kshift=[0    0    0    0    0    0    0    0    0    600    600    600    600    600    0    0    0    600    600    600    0    0    0    0];

pwt=0.5*[5.8,6.7,5.8,5.1,6.3,5,6.2,6,4.1,6,7,6.8,6.5,6.9,5,5.6,6,5.8,6.2,4.7,3.3,4.4,5.6,5];

%% 其他输入参数
pmgmax=15;%最大交易量

cil=[0.15,0.1,0.08];%最大中断负荷比例
%负荷值
pload=1.5*[2.2    2.4    2.8    2.5    2.9    3.2    3.5    5.6    6.8    6.2    3.6    3.2    3    2.8    3.3    3.5    3.8    6.3    8.4    7.6    6.3    5.8    3.2    2.6];
%光伏出力
ppv=[0    0    0    0    0    0    3.8    3.9    4.5    5.2    6.5    7.3    7.4    7.2    7.4    6.5    5.5    4.8    0    0    0    0    0    0];

%日产电动汽车行车距离
dvr=[0    0    0    0    0    0    0    11    0    0    0    0    0    0    0    0    11    0    0    0    0    0    0    0];
%比亚迪电动汽车行车距离
dvb=[0    0    0    0    0    0    0    0    22    0    0    0    0    0    0    0    0    0    0    0    22    0    0    0];
%三菱电动汽车行使距离
dvs=[0    0    0    0    0    0    8    0    0    0    0    8    0    8    0    0    0    8    0    0    0    0    0    0];
%宝马min电动汽车行使距离
dvm=[0    0    0    0    0    0    20    0    0    0    0    0    0    0    0    0    0    0    0    20    0    0    0    0];

%% 定义变量sdpvar/binvar
umob=binvar(1,24);%是否购电
umos=binvar(1,24);%是否售电
pmgb=sdpvar(1,24);%市场购电量
pmgs=sdpvar(1,24);%市场售电量
xconv=binvar(1,24);%柴油机工作状态变量,当处于工作状态,定义为1;否则取0
yconv=binvar(1,24);%柴油机启停状态变量
pmt=sdpvar(1,24);%柴油机出力
gesc=sdpvar(1,24);%储能充电功率
gesd=sdpvar(1,24);%储能放电功率
sess=sdpvar(1,24);%蓄电池蓄电量
pil=sdpvar(3,24);%中断负荷

svb=sdpvar(1,24);%比亚迪电动汽车蓄电量
gcvb=sdpvar(1,24);%充电功率
gdvb=sdpvar(1,24);%放电功率
ucvb=binvar(1,24);%充电状态变量
udvb=binvar(1,24);%放电状态变量

svr=sdpvar(

  • 22
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在MATLAB中进行多时尺度的优化调度是通过结合不同时尺度的优化方法和调度算法来实现的。 首先,在不同时尺度上进行优化调度,可以考虑使用分时段优化方法。即将整个调度过程分为几个时段,每个时段内采用不同的优化方法进行调度。例如,可以根据不同时段的负载情况、能源价格等因素来确定最优调度策略,从而实现能源的高效利用和成本的最小化。 其次,为了实现多时尺度的优化调度,可以采用多层次的调度算法。比如,可以将整个系统分为高层调度和低层调度两个层次。在高层调度中,可以根据整个系统的运行状态和需求进行长期调度规划,例如确定最佳的运行策略、设备配置等;而在低层调度中,则可以根据短期变化的信息,如负荷变化、能源价格波动等,采用更细粒度的调度算法进行实时调度控制,以优化能源的分配和利用。 此外,MATLAB还提供了多时尺度优化调度的工具和函数,如优化工具箱中的线性规划、整数规划、非线性规划等函数可以用于建立多时尺度的优化模型;Simulink和Stateflow等工具可以用于建立多层次的调度算法和进行系统仿真。 综上所述,MATLAB可以通过结合不同时尺度的优化方法和调度算法,以及利用相关工具和函数,实现多时尺度的优化调度。通过合理的调度策略和算法,可以提高能源的利用效率、降低成本,并实现系统的可持续发展。

“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
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