源荷储再创新！小论文轻松发！基于雨流计数法的源-荷-储双层协同优化配置研究程序代码！

前言

如何实现源与荷信息互通，将传统的供需信息由静态传递向能源互联转变，形成能源互联网，是今后能源革命的变革方向。新电改的出台推动了能源互联网的发展，储能技术作为能源互联网发展中的关键元素，由于储能系统投资成本较高、循环寿命有限，规模不经济，尚不具备大规模应用的条件。本章研究规划前期储能与源－荷的协同配置问题，以负荷作为基准量，对源与荷进行协同规划。源储荷的协同配置涉及电池自身健康状态、系统功率平衡、储能技术特性等多种约束，涵盖全寿命周期、储能日充放电功率优化等不同时间尺度寻优的过程。商业园区是未来能源互联网中的关键用户之一，也是最先尝试售电侧市场化的主体之一，但现有商业园区存在清洁可再生电源利用率低、负荷峰谷差大、缺乏对市场机制或电价的积极响应，商业园区中源－储－荷的协调配置是亟需解决的问题。

源－储－荷系统模型

源储 荷系 统结构如下图所示，主要 包括分布式可再生电源（分布式电源以屋顶光伏为例）、储能电站、负荷（常规电负荷、热／冷负荷）等，升压后接入外电网。储能电站监控平台监测储能装置运行功率、储能电池容量状态等信息，基于电价信息、负荷水平、光伏输出功率、储能电池容量状态信息，上层优化控制算法优化得出储能功率，并 向下发送指令信号，控制储能装置正常运行。

储能与源荷优化配置数学模型及求解算法

源储荷系统的协同优化配置是双层决策问题，数学模型具有外层、内层双层优化结构，各层优化问题分别具有对应的目标函数和约束条件，外层优化问题的目标函数和约束条件除了与该层的约束、关键参量有关，还受内层优化结果的影响，同时，内层优化问题的目标函数和约束条件，除了与该层的约束、关键参量有关，还与外层优化的决策变量状态值有关。双层决策问题数学模型如下：

源储荷协同配置外层优化目标为投资回报率，决策变量为储能功率、容量和分布式电源装机容量；内层优化目标为源储荷系统净收益，决策变量为储能系统充放电曲线。外层优化目标的求解依赖于内层优化的储能系统充放电曲线，基于储能系统充放电曲线，采用电池健康状态数学模型，对决策变量储能功率和容量的储能系统寿命年限进行评估；内层储能系统充放电曲线的优化受外层储能功率和容量决策变量的影响，不同的功率和容量下，储能装置的优化充放电功率曲线存在差异。所建立的源储荷协同配置双层优化数学模型如下。

内层优化目标

投资回报率（Return on investment，ROI）定义为年均收益与投资成本的比值，外层以投资回报率为优化目标，对源储荷系统协同优化配置进行评估。

式中：NPV为源储荷系统净收益；i0为期望的收益率；N为依据内层优化得出的储能装置使用寿命；G1为储能装置初始投资成本，与储能装置的规模相关。

外层优化目标

考虑储能装置电池健康状态、现金流，建立源储荷系统净收益模型。

式中：Ij(n)为第n年源储荷第j项收益，包含储能电站充放电运行收益、光伏发电政府补贴及余电上网收益、储能延缓设备扩容的收益和减少碳排放收益；Ck(n)为第n年源储荷第k项成本，包含光伏与储能投资成本、运维成本、以及储能电池更换成本。

程序介绍

本程序基于储能优化配置的基础理论，选取商业园区示范应用场景，考虑储能电池健康状态，建立源储荷协同优化配置数学模型，外层优化目标为投资回报率，决策变量为储能功率、容量和分布式电源装机容量；内层优化目标为源储荷系统净收益，决策变量为储能系统充放电曲线，基于雨流计数法和内层优化结果评估储能电池健康状态，外层优化目标的求解依赖于内层优化的储能系统充放电曲线，基于储能系统充放电曲线，采用雨流计数法电池健康状态数学模型，对决策变量储能功率和容量的储能系统寿命年限进行评估；内层储能系统充放电曲线的优化受外层储能功率和容量决策变量的影响，不同的功率和容量下，储能装置的优化充放电功率曲线存在差异。以实际商业园区源储荷系统为例，验证了上述方法的有效性。程序中算例丰富，注释清晰，干货满满，创新性和可扩展性很高，足以撑起一篇高水平论文！下面对程序做简要介绍！

程序适用平台：Matlab+Yalmip+Cplex

程序结果

部分程序

%% 定义变量
Pc_dis=sdpvar(1,T,'full');%储能放电功率
Pc_ch=sdpvar(1,T,'full');%储能充电功率
a1=sdpvar(1,T,'full');​b1=sdpvar(1,T,'full');
a2=sdpvar(1,T,'full');​b2=sdpvar(1,T,'full');
a3=sdpvar(1,T,'full');​b3=sdpvar(1,T,'full');
Pg=sdpvar(1,T,'full');%系统与电网交换功率​
SOC=sdpvar(1,T,'full');%储能SOC
Pwt=sdpvar(1,T,'full');%实际消纳风电
Ppv=sdpvar(1,T,'full');%实际消纳光电​
s1=binvar(1,T,'full');%储能出力充放电不能同时进行
s2=binvar(1,T,'full');%a1与b1不能同时有值
s3=binvar(1,T,'full');%a2与b2不能同时有值
s4=binvar(1,T,'full');%a3与b3不能同时有值​
Q1=sum(b1);%原始弃风弃光​Q2=sum(b2);%配置储能后弃风弃光
Q3=Q1-Q2;%配置储能多消纳的风光​
%% 收益成本
% I1=0.8*Nday*p1*(-wt-pv+Pc_dis-Pc_ch+Pwt+Ppv)';%储能系统低储高放运行收益
I1=Nday*(a1*p1'-a2*p1');%储能系统低储高放运行收益
I2=Nday*p4*sum(Pc_dis);%储能系统运行补贴​
I4=I41*I42;%延缓联络线升级改造带来的利润
I5=Nday*p3*sum(a1-a2);
% I5=Nday*p3*sum(Pc_dis+Ppv+Pwt-Pc_ch-wt-pv);%这块取小于零的部分%配置储能系统后减少碳排放获得的利润​
C1=Cp*Pbess+CE*Ebess;%配置储能系统一次性投资成本
C2=Nday*Cc*sum(Pc_dis);%储能运维成本
C3=epsilon*CE*Ebess;%储能电池更换成本
C4=20*alpha*(b2)*r;​C5=Nday*(sum(b1)-sum(b2)-sum(Pc_ch))*p2;

部分内容源自网络，侵权联系删除！

欢迎感兴趣的小伙伴关注并私信获取完整版代码，小编会不定期更新高质量的学习资料、文章和程序代码，为您的科研加油助力！