微电网经济调度(风、光、柴油机、蓄电池、电网交互)(Matlab代码实现)
目录
💥💥💥💞💞💞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。
🎁专栏目录:
🌈🌈🌈【电气代码、智能算法及其应用、神经网络预测、路径规划、优化调度、车间调度、图像处理、信号处理、浪漫的她、完整代码事宜】🌟🌟🌟
💥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。
👨💻4 运行结果
📋5 Matlab代码实现
%% 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 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.
📋7 写在最后
部分理论引用网络文献,如有侵权请联系删除。
相关文章
- 基于改进多目标灰狼优化算法的考虑V2G技术的风、光、荷、储微网多目标日前优化调度研究(Matlab代码实现)
- 基于数据驱动的智能空调系统需求响应可控潜力评估研究(Matlab代码实现)
- 考虑阶梯式碳交易机制与电制氢的综合能源系统热电优化(Matlab代码实现)
- 计及氢能的综合能源优化调度研究(Matlab代码实现)
- 考虑充电负荷空间可调度特性的分布式电源与电动汽车充电站联合配置方法(Matlab代码实现)
- 多源动态最优潮流的分布鲁棒优化方法(IEEE118节点)(Matlab代码实现)
- 含分布式电源的配电网日前两阶段优化调度模型(Matlab代码实现)
- 【故障诊断】基于最小熵反卷积、最大相关峰度反卷积和最大二阶环平稳盲反卷积等盲反卷积方法在机械故障诊断中的应用研究(Matlab代码实现)
- 新型智能优化算法——海鸥优化算法(基于Matlab代码实现)
- 基于蚁群算法的多配送中心的车辆调度问题的研究(Matlab代码实现)
- 遗传算法(GA)优化后RBF神经网络优化分析(Matlab代码实现)
- 多目标优化问题的研究概述(Matlab代码实现)
- 采用附加动量法和自适应学习率设计来改进bp神经网络的迭代速度,如果不迭代学习率会提高精度;迭代学习率(自适应)会加快收敛,但精度降低(Matlab代码实现)
- 有监督学习神经网络的回归拟合——基于红外光谱的汽油辛烷值预测(Matlab代码实现)
- 雷达探测项目仿真代码(Matlab代码实现)
- 雷达SAR成像仿真的应用(Matlab代码实现)