【微电网优化调度】目标最小化微电网成本，由太阳能电池板阵列和储能系统组成（Python代码实现）

 👨‍🎓个人主页：研学社的博客 

 

💥💥💞💞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 Python代码及文章讲解

---

💥1 概述

随着太阳能产业的发展，以及储能研究和开发，人们越来越关注微电网作为传统配电模式的替代方案。微电网的使用范围从军事基地1到非洲农村村庄2到中产阶级邻居3。根据具体的使用情况，微电网可以配置为以多种不同的方式。、

这些“互连负载”是依靠电力运行的设备和设备：空调机组、照明设备、数据中心等。每个负载都需要一定的电力来执行给定的功能。这些负载如何相互作用，相对于它们的使用时间，决定了系统必须有多少电力可用。在每个瞬间，负载所需的电力必须由“分布式能源”提供。能源是为负载供电的电流的供应商。这里赋予微电网效用的关键术语是“分布式”。有多种不同类型的电源，从而减少了故障对电力输送连续性的影响。如果其中一个来源下降，那么其他来源将弥补不足。DoE定义的最后一部分，即“连接和断开电网，使其能够在电网连接或孤岛模式下运行”的能力，是不言自明的微电网的这三个方面本质上相互关联，共同定义了微电网高效运行的要求。该项目评估负载、资源和电网之间的关系，以确定微电网中资源的最佳分配，并实施确定这些分配的方法。

📚2 运行结果

该过程首先是一个负荷分布图，一个以一小时为单位的微电网每日电力需求阵列以及相应的现货电价，分别如图1所示。太阳能、电池和电网资源的分配必须确保每小时都能满足负载图1：示例负载概况、电力现货价格和太阳能可用性要求，并将使用电网电力产生的成本降至最低。最小化电网成本的一个组成部分是减少其使用。这可以通过使用所有可用的太阳能来实现。这就给微电网留下了剩余的需求，如方程1所示，其中L和SA分别是小时负荷分布和太阳能可用性的24维阵列。

#plt.subplot(312)
plt.stackplot(x,[df['Solar Use Station'].values,
                 df['Battery Use'].values,df['Grid'].values],colors=['r','g','c'])

#plt.ylabel('Power (W)')
#plt.text(0,20000,'Sources')
red = mpatches.Patch(color='red',label='Solar')
green = mpatches.Patch(color='green',label='Battery')
cyan = mpatches.Patch(color='c',label='Grid')
plt.legend(handles=[red,green,cyan],loc='upper right')

plt.subplot(412)
plt.stackplot(x,[df['Solar Use Battery'].values,grid_to_bat],colors=['r','c'])
plt.ylabel('Power (W)')
plt.text(0,4000,'Power to Bat (W)')
red = mpatches.Patch(color='red',label='Solar')
cyan = mpatches.Patch(color='c', label='Grid')
plt.legend(handles=[red,cyan],loc='upper right')

plt.subplot(412)
plt.stackplot(x,[df['Solar Use Battery'].values,grid_to_bat],colors=['r','c'])
plt.ylabel('Power (W)')
plt.text(0,4000,'Power to Bat (W)')
red = mpatches.Patch(color='red',label='Solar')
cyan = mpatches.Patch(color='c', label='Grid')
plt.legend(handles=[red,cyan],loc='upper right')

plt.subplot(413)
plt.plot(x,total_bat_use,color='black')
plt.ylabel('Power (W)')
plt.text(0,4000,'Battery Use')

plt.subplot(414)
plt.plot(x,df['Battery SOC'].values)
plt.ylabel('SOC (Wh)')
plt.text(0,6000,'Battery SOC')
plt.legend()
plt.savefig('Optv2.png',dpi=300)
plt.show()

🎉3 参考文献

部分理论来源于网络，如有侵权请联系删除。

[1]吴伊宁. 基于需求侧响应的微电网多时间尺度优化调度策略[D].南昌大学,2022.DOI:10.27232/d.cnki.gnchu.2022.002555.

[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.

🌈4 Python代码及文章讲解