电力系统机组组合优化调度（IEEE14节点、IEEE30节点、IEEE118节点）（Matlab代码实现）

Ps.729

于 2024-10-03 13:45:37 发布

阅读量672

点赞数 22

文章标签： matlab 开发语言

本文链接：https://blog.csdn.net/weixin_67304359/article/details/141858174

版权

💥💥💥💞💞💞欢迎来到本博客❤️❤️❤️💥💥💥

📝目前更新：🌟🌟🌟电力系统相关知识，期刊论文，算法，机器学习和人工智能学习。
🚀支持：🎁🎁🎁如果觉得博主的文章还不错或者您用得到的话，可以关注一下博主，如果三连收藏支持就更好啦！这就是给予我最大的支持！

目录

1 概述

2 知识点学习

研究步骤

3 运行结果

3.1 算例1——IEEE14节点

3.2 算例2——IEEE30节点

3.3 算例3——IEEE118节点

3.4 二阶锥松弛法

4 参考文献

5 Matlab代码及文章详细阅读

1 概述

本文提出一种确定机组组合的降维半解析动态规划方法,可以与其他经济调度算法相结合,用以解决多种约束条件下的机组组合问题。该方法通过比较各时段负荷及机组参数,剔除各时段下不满足要求的组合状态,从而减少动态规划中的状态点数;根据机组的最小连续运行、停运时间限制,以及机组功率上升、下降速度的约束,剔除了状态点间的无效路径,从而减少了动态规划的路径个数,达到降维的目的;在确定机组启停状态后,再采用解析法进行机组的功率分配,可以大大提高动态规划方法的效率。

2 知识点学习

机组组合问题我们前面都总结过：

电力系统中机组组合强大的Yalmip+Cplex

基于改进的遗传算法的机组组合问题（Python实现）

电力系统机组组合优化调度是一个复杂的问题，它涉及到在满足电力需求的同时，优化发电机的启停状态以及输出功率，以最小化运行成本、满足系统约束（如功率平衡、机组出力限制、网络传输限制等），并考虑系统的可靠性和稳定性。IEEE 14节点、IEEE 30节点和IEEE 118节点系统模型是电力系统研究中常用的测试系统，用于模拟和验证不同的优化算法和策略。

研究步骤

系统建模：
- 网络模型：包括节点、线路、变压器等元件的参数。
- 发电机模型：每台发电机的成本函数（通常是二次函数）、最小/最大出力限制、启停成本、爬坡速率等。
- 负荷模型：各节点的负荷预测值。
问题定义：
- 目标函数：通常是最小化总运行成本，包括发电成本和启停成本。
- 约束条件：
  - 功率平衡约束：每个节点的注入功率等于负荷。
  - 线路传输容量约束：确保线路上的潮流不超过其最大容量。
  - 发电机出力约束：每台发电机的输出功率在其最小和最大限制之间。
  - 爬坡速率约束：发电机输出功率的变化率有限制。
  - 启停时间约束：发电机从停机到启动或从运行到停机需要一定时间。
优化算法选择：
- 混合整数线性规划（MILP）：将问题中的非线性部分线性化，使用商业求解器（如CPLEX、Gurobi）求解。
- 动态规划：适用于小规模系统，可以处理复杂的约束和状态转移。
- 启发式算法：如遗传算法、粒子群优化、模拟退火等，适用于大规模系统，但可能无法保证找到最优解。
- 拉格朗日松弛法：将复杂约束松弛到目标函数中，通过迭代求解。
数据准备与仿真：
- 使用MATLAB、Python（如使用Pyomo库结合CPLEX或Gurobi求解器）等工具进行编程。
- 加载IEEE 14节点、IEEE 30节点或IEEE 118节点的系统数据。
- 设定仿真参数，如时间步长、仿真时长等。
结果分析：
- 分析优化后的机组启停计划和出力计划。
- 比较不同算法的性能，如求解时间、成本节约等。
- 评估系统的可靠性和稳定性，如是否满足所有约束条件。
优化与改进：
- 根据仿真结果调整算法参数或优化模型。
- 尝试新的优化策略或算法。

3 运行结果

3.1 算例1——IEEE14节点

3.2 算例2——IEEE30节点

3.3 算例3——IEEE118节点

3.4 二阶锥松弛法

%发电机费用曲线 二次函数分段线性化
P_nl = sdpvar(n_gen, n_L, n_T);
% for i = 1: n_gen
for t = 1: n_T
    C = [C,
        gen_P(gen(:,GEN_BUS),t) == sum(P_nl(:,:,t), 2)+gen(:,GEN_PMIN).*u_state(gen(:,GEN_BUS),t)/baseMVA,
        ];
%         for l = 1: n_L
    C = [C,
        0 <= P_nl(:,:,t) <= (gen(:, GEN_PMAX)-gen(:, GEN_PMIN))/n_L/baseMVA*ones(1,n_L),
        ];
%         end
end
% end
%%
% 机组开机费用 Cjk
cost_up = sdpvar(n_gen, n_T);
C = [C, cost_up >= 0];
for k = 1: n_T
    for t = 1: k-1
         C = [C,
            cost_up(:,k) >= start_cost(:,t).*(u_state(gen(:,GEN_BUS),k) - sum(u_state(gen(:,GEN_BUS),[k-t: k-1]),2))
            ];       
    end
end
for i = 1: n_gen
    if (init_state(gen(i,GEN_BUS)) == 0)
        C = [C,
            cost_up(i,1) >= start_cost(i,init_down(i))*(u_state(gen(i,GEN_BUS),1)-init_down(i)*init_state(gen(i,GEN_BUS)))
            ];
    end
end

%发电机费用曲线二次函数分段线性化
P_nl = sdpvar(n_gen, n_L, n_T);
% for i = 1: n_gen
for t = 1: n_T
C = [C,
gen_P(gen(:,GEN_BUS),t) == sum(P_nl(:,:,t), 2)+gen(:,GEN_PMIN).*u_state(gen(:,GEN_BUS),t)/baseMVA,
];
% for l = 1: n_L
C = [C,
0 <= P_nl(:,:,t) <= (gen(:, GEN_PMAX)-gen(:, GEN_PMIN))/n_L/baseMVA*ones(1,n_L),
];
% end
end
% end
%%
% 机组开机费用 Cjk
cost_up = sdpvar(n_gen, n_T);
C = [C, cost_up >= 0];
for k = 1: n_T
for t = 1: k-1
C = [C,
cost_up(:,k) >= start_cost(:,t).*(u_state(gen(:,GEN_BUS),k) - sum(u_state(gen(:,GEN_BUS),[k-t: k-1]),2))
];
end
end
for i = 1: n_gen
if (init_state(gen(i,GEN_BUS)) == 0)
C = [C,
cost_up(i,1) >= start_cost(i,init_down(i))*(u_state(gen(i,GEN_BUS),1)-init_down(i)*init_state(gen(i,GEN_BUS)))
];
end
end

👨‍🎓博主课外兴趣：中西方哲学，送予读者：

👨‍💻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。在我这个专栏记录我有空时的一些哲学思考和科研笔记：科研和哲思。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“真理”上的尘埃吧。

或许，雨过云收，神驰的天地更清朗.......🔎🔎🔎