MATLB|微电网经济调度(风、光、柴油机、蓄电池、电网交互)

目录

0 摘要

1 微电网模型

2 微电网经济调度的目标函数

 3 微电网经济调度的约束条件

3.1 设备自身约束

3.2 功率平衡约束

4 Yalmip+Cplex

4.1 下载与安装教程

4.2 Yalmip

4.3 Cplex

5 Matlab代码实现与讲解

6 运行结果

7 参考文献 

8 写在最后 


0 摘要

微电网优化调度作为智能电网优化的重要组成部分,对降低能耗、环境污染具有重要 意义。微电网的发展目标既要满足电力供应的基本需求,又要提高经济效益和环境保护。本文基于Matlab平台,使用Yalmip+Cplex对微电网进行最优化调度问题求解,调度求解的过程较为简洁方便,可修改性强,适合初学者快速理解Yalmip+Cplex的使用与微电网经济调度的原理。

1 微电网模型

本文讨论的微电网模型中包括:风力发电机、光伏太阳能板、电网功率联络线、柴油发电机、储能电池、电力负荷。

2 微电网经济调度的目标函数

微电网经济调度问题的目标函数自然是微电网的总运行成本最小:

其中:Cgrid(t)、Cbess(t)、CDE(t)分别为t时段微电网与主电网相互作用的总成本、储能的维护成本、柴油发电机总运行成本;Pbess(t)是储能在t时刻的功率;Psell(t)、Pbuy(t)分别为 t 时刻微电网与大电网的售电功率、购电功率;Cbuy(t)、Csell(t)分别为 t 时刻微电网与大电网的购售电价。

 3 微电网经济调度的约束条件

约束条件主要包括两类:一类是设备自身的约束,比如最大功率约束和爬坡约束等;另一类是功率平衡约束这样的网络约束条件。

3.1 设备自身约束

柴油发电机约束:主要包括最大最小输出功率约束和爬坡约束

功率联络线约束:主要包括最大最小输出功率约束

储能设备约束:主要包括最大最小输出功率约束和容量约束,此外储能系统一天的调度结束后,需要让其SOC返回初始值。

3.2 功率平衡约束

4 Yalmip+Cplex

4.1 下载与安装教程

yalmip和cplex安装步骤(Matlab)

4.2 Yalmip

可以把Yalmip理解为是一个工具包,其主要的作用是将简单的编程语言进行转换,使用户使用同一种语言就可以调用不同的求解器进行求解。在Yalmip官网下载,解压至Matlab Toolbox 工具箱中,然后设置好Path路径,就可以使用了。Yalmip使用起来很方便,只需要建立模型并设置参数就可以了。

4.3 Cplex

Cplex是一个强大的商用求解器,使用Yalmip的情况下,只需要在求解选项中设置求解器为Cplex就可以直接快速求解最优化问题,完全不需要复杂的编程和求解步骤。用Yalmip进行建模,模型建好后调用Cplex求解器求解,整个过程非常方便。

5 Matlab代码实现与讲解

%% 微电网经济调度(风、光、柴油机、蓄电池、电网交互)
%% 初始化
clc;
clear all;close all;

%% 各变量及常量定义
%------------------------变量定义-----------------------%
Pw=sdpvar(1,24,'full'); %风机出力
Ppv=sdpvar(1,24,'full');%光伏出力
Pbat=sdpvar(1,24,'full');%蓄电池出力
%Pde=sdpvar(1,24,'full');%柴油机组出力
Pnet=sdpvar(1,24,'full');%交换功率
Pbuy=sdpvar(1,24,'full');%从电网购电电量
Psell=sdpvar(1,24,'full');%向电网售电电量
Temp_net=binvar(1,24,'full'); % 购|售电标志
Temp_cha=binvar(1,24,'full'); %充电标志
Temp_dis=binvar(1,24,'full'); %放电标志
Temp_static=binvar(1,24,'full'); %电池静置标志
% Temp_de=binvar(1,24,'full'); %柴油机发电标志
Pcha=sdpvar(1,24);
Pdis=sdpvar(1,24);
Constraints = [];
%-------------------------常量定义-----------------------%
Load=[88.24 	83.01 	80.15 	79.01 	76.07 	78.39 	89.95 	128.85 	155.45 	176.35 	193.71 	182.57 	179.64 	166.31 	164.61 	164.61 	174.48 	203.93 	218.99 	238.11 	216.14 	173.87 	131.07 	94.04];
%风机预测出力
Pw=[66.9	68.2	71.9	72	78.8	94.8	114.3	145.1	155.5	142.1	115.9	127.1	141.8	145.6...
    145.3	150	206.9	225.5	236.1	210.8	198.6	177.9	147.2	58.7];
%光伏预测出力
Ppv=[0	0	0	0	0.06	6.54	20.19	39.61	49.64	88.62	101.59	66.78	110.46	67.41	31.53...
    50.76	20.6	22.08	2.07	0	0	0	0	0];
%分时电价
C_buy=[0.25	0.25	0.25	0.25	0.25	0.25	0.25	0.53	0.53	0.53	0.82	0.82...
    0.82	0.82	0.82	0.53	0.53	0.53	0.82	0.82	0.82	0.53	0.53	0.53];
C_sell=[0.22	0.22	0.22	0.22	0.22	0.22	0.22	0.42	0.42	0.42	0.65	0.65...
    0.65	0.65	0.65	0.42	0.42	0.42	0.65	0.65	0.65	0.42	0.42	0.42];

6 运行结果

7 参考文献 

[1]袁华骏,叶筱怡,耿宗璞.考虑经济成本的微电网调度运行[J].电气自动化,2021,43(05):48-50.

[2]于浩. 交直流混合微电网经济调度策略研究及应用[D].太原理工大学,2020.DOI:10.27352/d.cnki.gylgu.2020.001543.

8 写在最后 

部分理论引用网络文献,如有侵权请联系删除。

  • 1
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
电网调度是指通过合理地调控电网中各种能源和负荷的运行,在满足用电需求的前提下,尽可能地降低成本和环境影响。遗传算法是一种以生物进化过程为创作基础的搜索和优化方法,能够模拟自然选择的过程,通过选择和交叉等操作找到最优解。matlb是一种广泛使用的技术计算软件,能够在遗传算法方面提供丰富的工具和函数支持。 为了改进遗传算法优化电网调度,首先需要考虑环境因素。环境因素包括电网的气候、资源供给情况等,对于能源的选择和负荷的调度都会产生影响。因此,在使用遗传算法进行优化时,需要将环境因素考虑在内,建立相应的数学模型和适应度函数。 在matlb上,可以利用其丰富的数学计算和图形绘制函数,结合遗传算法工具箱,建立电网调度的优化模型模型包括网中各种能源的发电成本、污染排放量等因素,以及负荷的变化情况。通过遗传算法对这些参数进行优化调整,可以得到最优的电网调度方案。 在实际应用中,还需要考虑电网系统的实际运行情况和约束条件,比如设备的技术特性、供电可靠性等。因此,在优化过程中,需要对遗传算法进行相应的改进,以确保得到的调度方案在实际运行中是可行和有效的。 通过以上的改进,可以更好地使用遗传算法优化电网调度,并在考虑环境因素的前提下,实现电网系统的高效、低成本、低污染运行。

“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