💥💥💞💞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
⛳️赠与读者
👨💻做科研,涉及到一个深在的思想系统,需要科研者逻辑缜密,踏实认真,但是不能只是努力,很多时候借力比努力更重要,然后还要有仰望星空的创新点和启发点。当哲学课上老师问你什么是科学,什么是电的时候,不要觉得这些问题搞笑。哲学是科学之母,哲学就是追究终极问题,寻找那些不言自明只有小孩子会问的但是你却回答不出来的问题。建议读者按目录次序逐一浏览,免得骤然跌入幽暗的迷宫找不到来时的路,它不足为你揭示全部问题的答案,但若能让人胸中升起一朵朵疑云,也未尝不会酿成晚霞斑斓的别一番景致,万一它居然给你带来了一场精神世界的苦雨,那就借机洗刷一下原来存放在那儿的“躺平”上的尘埃吧。
或许,雨过云收,神驰的天地更清朗.......🔎🔎🔎
💥1 概述
本文研究是针对风电不确定性引入的技术挑战提出的。随着风电向电网的不断渗透,虽然实现了低成本可持续的电力供应,但也引入了与其间歇性相关的技术挑战。本文提出了一种基于混合决策规则(MDR)的全自适应Wasserstein基础分布鲁棒多阶段框架,用于不确定性机组组合问题(UUC),以更好地适应风电的不可预测性,包括机组状态决策和调度过程。与现有的多阶段模型相比,所提出的框架引入了改进的MDR来处理所有决策变量,以扩展可行区域,因此,通过调整相关决策变量的阶段数量,该框架可以获得各种典型模型。因此,我们的模型可以找到一些在传统模型中不可行的问题的可行解,同时找到更好的解决方案。所提出的模型经过先进的优化方法和改进的MDR重新制定,形成混合整数线性规划(MILP)模型,以解决计算上的难题。通过使用IEEE基准系统进行案例研究,验证了所提出模型的有效性和效率。
📚2 运行结果
部分代码:
Zobj = [Zobj_0,Zobj]; %ksi0,ksi_hat0,ksi_tine0,ksi,ksi_hat,ksi_tine
hobj = [zeros(1,T*W*kl+2*t),ones(1,T*W+2*t)]'; %凸包常数项
v = sdpvar(1,M); %构造第一次lagrangian等式约束乘子v
beta = sdpvar(1); %构造第一次lagrangian不等式约束乘子beta
y1 = sdpvar((T*W*(kl+1))+2*2*t,M);%构造第二次等式lagrangian乘子y1,与h同维,每个样本都有一个这样的乘子向量
constraints = [];
constraints = [constraints, beta >= 0]; %不等式乘子要大于等于0
for m = 1:M %开始构造目标函数转换带出的约束
y_j = y1(:,m);
mid_obj = Zobj' - W_obj'*y_j;
constraints = [constraints, (mid_obj' * ksi_wan{m} + hobj' * y_j) <= M*v(1,m)];
constraints = [constraints, abs(mid_obj) <= beta];
constraints = [constraints, U' * y_j >= 0];
end
% end of 构造目标函数约束
constraints = [constraints, cons]; %添加物理约束
objective = sum(v) + eps*beta; %设置目标函数
版本:
Matlab R2018a Cplex 12.7.1 Mosek 9.2
🎉3 参考文献
文章中一些内容引自网络,会注明出处或引用为参考文献,难免有未尽之处,如有不妥,请随时联系删除。