【EI复现】考虑分布式电源不确定性的配电网鲁棒动态重构（Matlab代码实现）_考虑分布式电源不确定的配电网鲁棒动态重构-CSDN博客

本文链接：https://blog.csdn.net/weixin_61181717/article/details/137596362

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码、数据

💥1 概述

文献来源：

光伏和风电等分布式电源 (distributed generation，DG)高渗透率接入，使传统的单向辐射

状无源配电网逐步转变为含多能供电、必要时辅助以弱环状拓扑结构运行的有源配电网[1-3]。间歇性分布式电源注入功率呈现较强的不确定性，传统配电网网络重构技术面临很多新的挑战[4-5]。需要对多类型分布式电源注入功率的不确定性进行合理分析与建模，并在网络重构模型中予以考虑，以确保配电网安全经济运行。

分布式电源出力的不确定性，反映到配电网重构模型计算中即线路潮流的不确定性。配电网不确

定性潮流计算主要有概率潮流[6]、模糊潮流[7]和区间潮流[8-9]。基于不确定潮流计算的配电网重构模型则主要分为模糊数模型[4]、概率模型[10]以及鲁棒模型[11-12]。文献[4]根据可信性测度建立负荷和多类型DG 出力不确定性的隶属度函数，在此基础上建立以降低网络有功损耗和均衡线路负载为多目标的配电网静态重构数学模型，并通过模糊分析方法结合启发式寻优算法对模型进行求解。文献[10]则根据大量历史统计数据获取负荷和多类型 DG 出力的概率密度函数(probability density function，PDF)，以此来刻画网络注入功率的不确定性，在此基础上建立以降低网络有功损耗为目标的配电网静态重构数学模型，并采用蒙特卡洛抽样方法结合启发式寻优算法对模型进行求解。相比于概率模型和模糊数模型，以区间方法来描述配电网注入功率的不确定性，无需获得参数的先验具体分布，只需关注不确定变量的上下界信息，更具工程应用价值[13]。文献[11]利用区间数刻画网络中负荷和多类型 DG 出力的不确定性，建立配电网静态的鲁棒重构模型，并采用二阶锥规划方法对模型中的非线性变量进行线性松弛，同时采用两阶段混合整数规划方法将模型分解成主问题和子问题分别求解。文献[12]针对模型中的非线性变量采用分段线性化技术进行线性松弛，模型求解同样采用两阶段混合整数规划方法。上述研究较概率模型和模糊模型更接近于系统实际运行情况，但DG 出力区间数的选取较主观，缺乏合理分析与建模。此外，由于实际网络中负荷和 DG 出力具有时变特性，若将现有的配电网鲁棒静态重构策略用于优化调整不同时刻的网络拓扑，不仅必须快速完成每一时刻的优化计算及网络重构以满足实时性要求，而且还需频繁地操作开关，影响配电网运行的安全性和经济性。

📚2 运行结果

部分代码：

%% 决策变量
L_ik = binvar(nl,1); % 支路 ik 上开关的状态信息
u_ik = binvar(nb,nb,'full'); % 表示节点关系

Pikt = sdpvar(nl,nT); % t时刻支路ik在l断面的有功功率
Qikt = sdpvar(nl,nT); % t时刻支路ik在j断面的无功功率
Ps_it = sdpvar(ns,nT); % t时刻主电源节点i的有功出力
Qs_it = sdpvar(ns,nT); % t时刻主电源节点i的无功出力

e_Git = zeros(5,nT); % t时段导致 DG 节点 i 注入功率不确定的扰动因子(包含光伏和风机)，确定性优化时取值为0
e_Lit = zeros(nb,nT); % t时段导致负荷节点i注入功率不确定的扰动因子，确定性优化时取值为0