Matlab|含风电-光伏-光热电站电力系统N-k安全优化调度模型

目录

1 主要内容

程序算例

程序模型

程序亮点

2 部分程序

3 部分结果

4 下载链接


主要内容

该程序参考《光热电站促进风电消纳的电力系统优化调度》光热电站模型,主要做的是考虑N-k安全约束的含义风电-光伏-光热电站的电力系统优化调度模型,从而体现光热电站在调度灵活性以及经济性方面的优势。同时代码还考虑了光热电站对风光消纳的作用,对比了含义光热电站和不含光热电站下的弃风弃光问题,同时还对比了考虑N-k约束下的调度策略区别。以14节点和118节点算例为例,对模型进行了系统性的测试,复现效果良好,是学习N-k约束以及光热电站调度的必备程序!程序采用matlab+cplex(mosek/gurobi)进行求解,可以选择已经安装的求解器进行求解。

  • 程序算例

程序对于118节点系统采用了四个算例进行对比,14节点系统有3种算例对比,并增加了弃风量的对比程序。

  • 程序模型

  • 程序亮点

  1. 采用光热电站模型,也是最近研究比较热的一个方向。
  2. 采用转移分布因子矩阵处理潮流问题,这也是很多文献中都采用的方法。​

部分程序

clc; clear; close all; % 关闭所有已打开的绘图窗口
%% 参数设定
NT = 24; % 时间范围
CoeffReseve_load = 0.03; 
CoeffReserve_VRE = 0.05; 
yita_TES = 0.98;  
yita_PB = 0.415;  
% 文章里Table 2的数据
Capacity_TES_CSP = 0; 
initial_TES_t0 = 0.5;  
initial_TES_t1 = 0.78;
TES_initial = 0.5;         
beta_Load = 3*10e3;  mpc = case14_1; % 载入数据 matpower 数据格式
%% 有功负荷 24h所有节点总的
%    mpc.load = [
%        2842.42  3020.2  3296.96  3444.44  3607.07  3891.91  4070.7  4295.95  4476.76  4661.61  4859.59  5077.77  ...
%        4717.17  4519.19  4301.01  3995.95  3703.03  3806.06  4037.37  4063.63  3721.21  3245.45  3097.97  2827.27
%    ]/6.3; 
​mpc.load = [683.42  792.2  896.96  1044.44  1087.07  1121.91  1200.7  1235.95  1326.76  1461.61  1489.59  1577.77  ...1417.17  1219.19  1101.01  1075.95  903.03  1186.06  1237.37  1463.63  1221.21  1005.45  827.97  807.27]/2; 
​
​mpc.P_RE = [0.00   0.00   0.00   0.00   0.00   0.00   15.76   43.17   82.35   109.44   122.55   146.10   ...% PV126.66   86.05   60.05   52.82   25.78   4.28   0.00   0.00   0.00   0.00   0.00   0.00  100.26   133.95   147.28   134.11   170.52   159.44   138.55   72.83   58.83   73.37   79.90   80.54 ...  % Wind91.96   101.68   121.49   122.93   133.11   162.44   130.95   133.25   151.26   139.33   120.60   90.33]*1; % 可再生能源 24小时数据(实际发电量)
%% 电网相关名称baseMVA = mpc.baseMVA;bus = mpc.bus;gen = mpc.gen;branch = mpc.branch;gencost = mpc.gencost;RE = mpc.RE;CSP = mpc.CSP;P_RE = mpc.P_RE;
​
N = length(bus(:,1));      % 网络中所有节点数
N_Br = length(branch(:,1));% 线路数
N_Gen = length(gen(:,1));  % 火电发电机组数
N_RE = length(RE(:,1));    % 可再生能源节点机组数
N_CSP = length(CSP(:,1));  % CSP发电站数
​
% 常规机组相关数据提取, 取数据矩阵中的列向量 和功率有功的项,均需标幺值化,以便运算和求解
P_Gen_max = gen(:,9)/baseMVA; 
P_Gen_min = gen(:,10)/baseMVA; 
type_Gen = gen(:,22); 
P_Gen_up = gen(:,23) /baseMVA;  
P_Gen_down = gen(:,24) /baseMVA;
T_Gen_min_on = gen(:,25); 
T_Gen_min_off = gen(:,26); 
c_ST_g = gen(:,28);
c_G_g = gen(:,30); 
​
% CSP机组相关数据提取
P_CSP_max = CSP(:,9)/baseMVA; 
P_CSP_min = CSP(:,10)/baseMVA; 
P_CSP_up = CSP(:,23)/baseMVA;   
P_CSP_down = CSP(:,24)/baseMVA; 
T_CSP_min_on = CSP(:,25); 
T_CSP_min_off = CSP(:,26);
c_CSP_g = CSP(:,30);       
​
PtCSP_fore = [ % 可用的太阳能热功率向量 0.00   0.00   0.00   0.00   0.00   0.00   190.57   390.57   790.57 990.57   1390.57   1891.03 ...2111.64   2200.92   2202.36   2118.26   1895.37   1408.35   0.00   0.00   0.00   0.00   0.00   0.00 ]/20;
PtCSP_fore = PtCSP_fore/baseMVA; 
P_RE = P_RE/baseMVA; % 可再生能源PV WT机组出力
​
beta_Load = beta_Load*baseMVA^2; % $/MWh -> $/p.u.
​
M_bus_G = zeros(N,N_Gen); % 发电机机组-索引矩阵
for row = 1:Nif abs(find(mpc.gen(:,1) == row)) > 0  % 发电机节点号 与 行号对应M_bus_G(row,find(mpc.gen(:,1) == row)) = 1; % M_bus_G相应处置1end
end
​
M_bus_RE = zeros(N,N_RE); % 可再生能源机组-索引矩阵
for row = 1:Nif abs(find(mpc.RE(:,1) == row))>0M_bus_RE(row,find(mpc.RE(:,1) == row)) = 1;end
end
​
M_bus_CSP = zeros(N,N_CSP); % CSP机组-索引矩阵
for row = 1:Nif abs(find(mpc.CSP(:,1) == row))>0M_bus_CSP(row,find(mpc.CSP(:,1) == row)) = 1;end
end
GSDF = makePTDF(mpc); % 发电转移分布因子矩阵,表征节点注入功率在全网络的分布
​
%% 负荷矩阵数据,按照 算例数据mpc.bus(:,3) 中各节点负荷的比例分配PD = bus(:,3)/baseMVA; P_factor = PD/sum(PD);P_sum = mpc.load/baseMVA; PD = P_factor*P_sum;      
​
%% 决策变量命名PG_G = sdpvar(N_Gen,NT,'full');  PG_RE = sdpvar(N_RE,NT,'full');   % (风光并网量)PG_CSP = sdpvar(N_CSP,NT,'full'); PC_Load = sdpvar(N,NT,'full');   onoff_gen = binvar(N_Gen,NT,'full');onoff_CSP = binvar(N_CSP,NT,'full'); Branch = sdpvar(N_Br,NT,'full');   Cost_StartUp  = sdpvar(N_Gen,NT-1,'full');Pt_TES_charge = sdpvar(N_CSP,NT,'full');  Pt_TES_discharge= sdpvar(N_CSP,NT,'full');Et_TES = sdpvar(N_CSP,NT,'full');         %% 约束条件列写   Cons = [];for t = 1:NTif t >= 2 % type(1-水电, 2-火电机组)for i = 1:N_Gen % 火电机组-最小启/停时间约束 式(8-9)if (type_Gen(i,1)==2) || (type_Gen(i,1)==5) for tao = t + 1:min(t+T_Gen_min_on(i,1)-1,NT)   Cons = [Cons, onoff_gen(i,t)-onoff_gen(i,t-1) <= onoff_gen(i,tao)];endfor tao = t + 1:min(t+T_Gen_min_off(i,1)-1,NT) Cons = [Cons, onoff_gen(i,t-1)-onoff_gen(i,t) <= 1-onoff_gen(i,tao)];endendendfor i = 1:N_CSP  for tao = t+1:min(t+T_CSP_min_on(i,1)-1,NT)Cons = [Cons, onoff_CSP(i,t)-onoff_CSP(i,t-1) <= onoff_CSP(i,tao)]; % CSP机组最小启/停时间约束endfor tao = t+1:min(t+T_CSP_min_off(i,1)-1,NT)Cons = [Cons, onoff_CSP(i,t-1)-onoff_CSP(i,t) <= 1-onoff_CSP(i,tao)];endendend if t >= 2 % 火电机组 爬坡约束 式(6-7)Cons = [Cons,  PG_G(:,t) - PG_G(:,t-1) <= ...onoff_gen(:,t-1).* P_Gen_up*60 + ... (onoff_gen(:,t)-onoff_gen(:,t-1)) .* P_Gen_min + ... (1-onoff_gen(:,t)) .* P_Gen_max];  Cons = [Cons, -PG_G(:,t) + PG_G(:,t-1) <= ...onoff_gen(:,t) .* P_Gen_down*60 + ...(onoff_gen(:,t-1)-onoff_gen(:,t)) .* P_Gen_min + ...  (1-onoff_gen(:,t-1)) .* P_Gen_max];% CSP 机组 爬坡约束 式(6-7)Cons = [Cons,  PG_CSP(:,t) - PG_CSP(:,t-1) <= ...onoff_CSP(:,t-1).* P_CSP_up*60 + ... %  (onoff_CSP(:,t)-onoff_CSP(:,t-1)) .* P_CSP_min + ...(1-onoff_CSP(:,t)) .* P_CSP_max]; Cons = [Cons, -PG_CSP(:,t) + PG_CSP(:,t-1) <= onoff_CSP(:,t) .* P_CSP_down*60 + ...  (onoff_CSP(:,t-1)-onoff_CSP(:,t)) .* P_CSP_min + ...  (1-onoff_CSP(:,t-1)) .* P_CSP_max];endend% 机组出力的上下边界约束-式(3) % t(1-水电,2-火电, 5-燃气发电机组 6-CSP)Ind_2_5 = union(find(type_Gen(:,1) == 2),find(type_Gen(:,1) == 5)); Cons = [Cons, onoff_gen(Ind_2_5,:) .* (P_Gen_min(Ind_2_5,1) * ones(1,NT)) ...    <= PG_G(Ind_2_5,:) <= ...onoff_gen(Ind_2_5,:) .* (P_Gen_max(Ind_2_5,1) * ones(1,NT))];  Cons = [Cons, onoff_CSP.*(P_CSP_min*ones(1,NT)) <= PG_CSP <= onoff_CSP.*(P_CSP_max*ones(1,NT))]; % CSP机组出力-边界约束
%     Cons = [Cons, onoff_CSP == ones(1,24)]; % CSP机组 Cons = [Cons, sum(PG_G,1) + sum(PG_RE,1) + sum(PG_CSP,1) == sum(PD - PC_Load,1)]; % 式(2)Cons = [Cons, Branch == GSDF*(M_bus_G*PG_G + M_bus_RE*PG_RE + M_bus_CSP*PG_CSP - (PD-PC_Load))]; % 
%     Cons = [Cons, -branch(:,6)*ones(1,NT) <= GSDF*(M_bus_G*PG_G+M_bus_RE*PG_RE+M_bus_CSP*PG_CSP-(PD- PC_Load)) <= branch(:,6)*ones(1,NT)]; % Cons = [Cons, -999*ones(N_Br,NT) <= GSDF*(M_bus_G*PG_G+M_bus_RE*PG_RE+M_bus_CSP*PG_CSP-(PD-PC_Load)) <= 999*ones(N_Br,NT)]; % 118系统有186条线路Cons = [Cons, 0 <= PG_RE <= P_RE]; % 可再生出力Cons = [Cons, [60;50;100;80;40]/baseMVA * ones(1,24) <= PG_G ];Cons = [Cons, 0 <= PC_Load <= PD]; % 式(22)    Cons = [Cons, sum(onoff_gen .* (P_Gen_max*ones(1,NT)) - PG_G,1) + ...sum(onoff_CSP .* (P_CSP_max*ones(1,NT)) - PG_CSP,1) >= ...sum(CoeffReseve_load*PD,1) + sum(CoeffReserve_VRE*PG_RE,1) ];Cons = [Cons, Cost_StartUp >= (onoff_gen(:,2:NT) - onoff_gen(:,1:NT-1)) .* (c_ST_g*ones(1,NT-1))]; % 传统机组启动成本Cons = [Cons, Cost_StartUp >= 0];%%%%%% CSP电站运转内部约束 %%%%%%E_TES_max = Capacity_TES_CSP * P_CSP_max; Cons = [Cons, PG_CSP/yita_PB + Pt_TES_charge - Pt_TES_discharge <= PtCSP_fore]; % CSP输出电功率与TES充/放热功率,预测光热功率关系Cons = [Cons, Et_TES(:,2:NT) == Et_TES(:,1:NT-1) + Pt_TES_charge(:,1:NT-1)*yita_TES - Pt_TES_discharge(:,1:NT-1)/yita_TES];Cons = [Cons, Et_TES(:,1) == TES_initial * E_TES_max]; Cons = [Cons, Et_TES(:,1) == Et_TES(:,NT)];          Cons = [Cons, 0 <= Pt_TES_charge    <= Capacity_TES_CSP*ones(N_CSP,NT)]; Cons = [Cons, 0 <= Pt_TES_discharge <= Capacity_TES_CSP*ones(N_CSP,NT)];Cons = [Cons, 0 <= Et_TES <= E_TES_max * ones(1,NT)];
​
%% 目标函数 obj = sum(c_G_g'*PG_G) + sum(c_CSP_g'*PG_CSP) + sum(sum(Cost_StartUp) + beta_Load*sum(sum(PC_Load)) ); % 机组的边际发电成本 + 启动成本 + 负荷削减成本% 运行调度 ops = sdpsettings('solver','cplex'); %  gurobians = optimize(Cons,obj,ops)%% 求解成功后取值PG_G = value(PG_G)  ; PG_RE = value(PG_RE) ;  PG_CSP = value(PG_CSP) ; PC_Load = value(PC_Load) ;   onoff_gen = value(onoff_gen) ; onoff_CSP = value(onoff_CSP) ; Branch = value(Branch) ;   Cost_StartUp  = value(Cost_StartUp);obj = value(obj); % 总成本Pt_TES_charge = value(Pt_TES_charge);   Pt_TES_discharge = value(Pt_TES_discharge); Et_TES = value(Et_TES);                 disp(['IEEE14 不考虑N-k的和无CSP的经济调度情况,运行成本为 ', num2str(obj)])
%% 绘图 
% 已知的相关输入数据figuresubplot(3,1,1)plot(PtCSP_fore * baseMVA,'m-o');title('CSP预测功率值')xlabel('时间(h)');ylabel('功率(MW)');subplot(3,1,2)plot(P_RE(1,:) * baseMVA,'m-o'); hold onplot(P_RE(2,:) * baseMVA,'b-s');title('可再生能源预测出力值')xlabel('时间(h)');ylabel('功率(MW)');legend('光伏','风电')subplot(3,1,3)plot(sum(PD) * baseMVA,'r-v');title('24h负荷值')xlabel('时间(h)');ylabel('功率(MW)');​%    subplot(2,1,2)
%  bar(baseMVA*PG_RE',0.75,'stack'); hold on; % 各PV、Wind机组出力
%    legend('PV','Wind')
%    title('电网中可再生能源机组出力')
%  xlabel('时间(h)');
%    ylabel('功率(MW)');%    figure
%    surf(baseMVA*PC_Load);
%    title('负荷削减量')
%  xlabel('时间(h)');
%    ylabel('功率(MW)');
​
​

部分结果

4 下载链接

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/245426.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

uniapp page宽度设置为750rpx,子元素宽度100%,大小不一致

uniapp page宽度设置为750rpx&#xff0c;子元素宽度100%&#xff0c;大小不一致。 原因是我在page加了margin: 0 auto;去掉就正常了&#xff08;但是如果在超大屏幕还是会出现&#xff0c;我猜是使用rpx导致的&#xff0c;rpx渲染成页面时会转成精确到一个小数点几位数的rem&a…

【创建vue项目的两种方式】

Vue环境搭建 NodeJs安装包安装淘宝镜像 环境搭建webpack安装全局安装vue/cli查看模板创建项目1.webpack2. vue-cli NodeJs安装包 下载链接&#xff1a;官网链接 下载下来后&#xff0c;直接傻瓜式的安装即可。 通过在cmd控制台输入以下命令查看是否安装成功 node -v因为适配某…

【oracle】oracle客户端及oracle连接工具

一、关于oracle客户端 1.1 Oracle Client 完整客户端 包含完整的客户端连接工具。 包很大&#xff0c;需要安装 1.2 instantclient 即时客户端 是 Oracle(R) 发布的轻量级数据库客户端&#xff0c;减少甚至只包含几个文件&#xff0c;您无需安装标准的客户端&#xff0c;就可以…

第四篇【传奇开心果短博文系列】Python的OpenCV库技术点案例示例:机器学习

传奇开心短博文系列 系列短博文目录Python的OpenCV库技术点案例示例系列短博文 短博文目录一、项目目标二、OpenCV机器学习介绍三、OpenCV支持向量机示例代码四、OpenCV支持向量机示例代码扩展五、OpenCVK均值聚类示例代码六、OpenCVK均值聚类示例代码扩展七、OpenCV决策树示例…

jetson-inference----docker内运行分类任务

系列文章目录 jetson-inference入门 jetson-inference----docker内运行分类任务 文章目录 系列文章目录前言一、进入jetson-inference的docker二、分类任务总结 前言 继jetson-inference入门 一、进入jetson-inference的docker 官方运行命令 进入jetson-inference的docker d…

opencv012 滤波器04 中值滤波,双边滤波

中值滤波 取中位数&#xff0c;可以处理椒盐噪音 CV自带medianBlur函数dst cv2.medianBlur(src, ksize) 参数说明&#xff1a;1.src: 需要滤波的图片&#xff1b;2.ksize&#xff1a;核大小&#xff0c;必须是比1大的奇数【举个例子&#xff1a;3&#xff0c;5&#xff0c;7……

CSS复合选择器和CSS层叠性、继承性有哪些内容?

知识引入 1.CSS复合选择器 书写CSS样式表时&#xff0c;可以使用CSS基础选择器选中目标元素。但是在实际网站开发中&#xff0c;一个网页中可能包含成千上万的元素&#xff0c;如果仅使用CSS基础选择器&#xff0c;是远远不够的。为此&#xff0c;CSS提供了几种复合选择器&am…

node.js安装配置详细教程(附图-贼详细)

一&#xff1a;下载 Node.js官网下载地址&#xff1a;Node.js — Download 选择自己需要的版本我用的Windows ps:如果想下载指定版本&#xff0c;点下面这个就可以选择想要的版本 二&#xff1a;安装 1.下载完成后&#xff0c;双击安装包开始安装 2.安装过程&#xff1a;一步…

基于禁忌搜索算法的TSP路径规划matlab仿真

目录 1.程序功能描述 2.测试软件版本以及运行结果展示 3.核心程序 4.本算法原理 4.1 TSP问题描述 4.2 禁忌搜索算法原理 4.3 算法步骤 5.完整程序 1.程序功能描述 基于禁忌搜索算法的TSP路径规划,输出优化收敛曲线以及路线规划图。 2.测试软件版本以及运行结果展示 …

redis-发布缓存

一.redis的发布订阅 什么 是发布和订阅 Redis 发布订阅 (pub/sub) 是一种消息通信模式&#xff1a;发送者 (pub) 发送消息&#xff0c;订阅者 (sub) 接收消息。 Redis 客户端可以订阅任意数量的频道。 Redis的发布和订阅 客户端订阅频道发布的消息 频道发布消息 订阅者就可…

C语言练习题110例(十)

91.杨辉三角 题目描述: KK知道什么叫杨辉三角之后对杨辉三角产生了浓厚的兴趣&#xff0c;他想知道杨辉三角的前n行&#xff0c;请编程帮他 解答。杨辉三角&#xff0c;本质上是二项式(ab)的n次方展开后各项的系数排成的三角形。其性质包括&#xff1a;每行的端点数为1&…

【量化交易】股市舞者:小明的撮合交易之旅

马西森AES撮合交易系统 在繁华的都市中&#xff0c;小明&#xff0c;一个普通的青年&#xff0c;刚刚赚到了人生的第一桶金——20万。这笔意外的财富&#xff0c;点燃了他对股市的强烈兴趣。他开始如饥似渴地学习金融知识&#xff0c;钻研各种交易策略。 一天&#xff0c;小…

关于mysql默认禁用本地数据加载的情况处理(秒解决)

1.首先报错信息&#xff1a;ERROR 3948 (42000): Loading local data is disabled; this must be enabled on both the client and server sides 2.排查问题&#xff1a; 先检查local_infile的状态&#xff1a;使用sql指令 show global variables like local_infile; 这种情…

详细分析Java中的StringUtils工具类(org.springframework.util.StringUtils)

目录 前言1. 基本知识2. 常用API方法3. 扩展类 前言 常用的工具类有很多&#xff0c;这是其中一个&#xff0c;了解基本的API可以帮助我们更好的开发 1. 基本知识 org.springframework.util.StringUtils 是 Spring Framework 中的一个实用工具类&#xff0c;用于执行各种字符…

对于gzip的了解

gzip基本操作原理&#xff1a;通过消除文件中的冗余信息&#xff0c;使用哈夫曼编码等算法&#xff0c;将文件体积压缩到最小。这种数据压缩方式在网络传输中发挥了巨大作用&#xff0c;减小了传输数据的大小&#xff0c;从而提高了网页加载速度。 静态资源 Vue Vue CLl修改v…

计算机网络-奈氏准则和香农定理(码间串扰 二者区别)

文章目录 失真失真的一种现象-码间串扰奈氏准则&#xff08;奈溃斯特定理&#xff09;例题 香农定理例题 奈氏和香农 失真 就是指与原来的不一样了 两种情况 前三个是正相关&#xff0c;最后一个是负相关 码元传输速率越快&#xff0c;失真程度越严重的原因可能包括以下几点…

如何使用Stable Diffusion的ReActor换脸插件

ReActor插件是从roop插件分叉而来的一个更轻便、安装更简单的换脸插件。操作简单&#xff0c;非常容易上手&#xff0c;下面我们就介绍一下&#xff0c;如何将ReActor作为stable diffusion的插件进行安装和使用。 一&#xff1a;安装ReActor插件 项目地址&#xff1a;https:/…

[MQ]常用的mq产品图形管理web界面或客户端

一、MQ介绍 1.1 定义 MQ全称为Message Queue&#xff0c;消息队列是应用程序和应用程序之间的通信方法。 如果非要用一个定义来概括只能是抽象出来一些概念&#xff0c;概括为跨服务之间传递信息的软件。 1.2 MQ产品 较为成熟的MQ产品&#xff1a;IBMMQ&#xff08;IBM We…

【Web前端实操15】利用Grid布局完成九宫格

相关知识点&#xff1a; 创建多列 column-count 属性指定了需要分割的列数 列与列之间的间隙 column-gap 属性指定了列与列间的间隙 列边框 column-rule-style 属性指定了列与列间的边框样式 column-rule-width 属性指定了两列的边框厚度 column-rule-color 属性指定了…

element el-date-picker type=“datetimerange“

刚写完结果需求变更了。封装的时间组件重新做。结合eacharts 。 直接上代码了 日期选择组件封装 <template><section class"warning-container"><header class"query-head"><el-form :inline"true" class"query-form…