【最优潮流】基于分布式交变方向乘法器(ADMM)方法来求解带碳排放交易的直流动态最优潮流(Matlab代码实现)

简介: 【最优潮流】基于分布式交变方向乘法器(ADMM)方法来求解带碳排放交易的直流动态最优潮流(Matlab代码实现)

💥1 概述

文献来源:


摘要:本文提出了一种分布式交变方向乘法器(ADMM)方法来求解带碳排放交易的直流动态最优潮流问题(DC-DOPF-CET)。通常,基于adm的分布式方法公开了相邻子系统之间的边界总线和分支信息。与这些方法不同,本文提出的DC-ADMM-P方法采用了一种新颖的策略,即使用共识ADMM来解决DC-DOPF-CET的对偶问题,同时只公开相邻子系统之间的边界分支信息。此外,通过减少双乘法器数量和改进乘法器更新步骤,提高了DC-ADMM-P的收敛性能。DC-ADMM-P在6到1062总线的情况下进行了测试,并与其他分布式/分散方法进行了比较。仿真结果验证了DC-ADMM-P算法在求解具有复杂(非线性)因子的DC-DOPF问题时的有效性,这些复杂(非线性)因子可表示为凸可分函数。同时,通过减少双乘法器的数量和采用新的乘法器更新策略,提高了收敛性能。


📚2 运行结果

部分代码:

if isequal(includeCet,'yes')  %包含碳排放约束
        % -二次约束-start-%
        QCP.conQ = EconQ;
        QCP.conc = Econc;
        QCP.conb = Econb;
        %-二次约束-end-%
    end
    options = cplexoptimset;
    options.Display = 'off';
    if isequal(includeCet,'yes')  %包含碳排放约束
        [x,fval,exitflag,output] = cplexqcp(QCP.Q,QCP.c,QCP.Aineq,QCP.bineq,QCP.Aeq,QCP.beq,QCP.conc,QCP.conQ,QCP.conb,QCP.lb,QCP.ub,[],options);
        disp(output.cplexstatusstring);
    else %不考虑CET
        [x,fval,exitflag,output] = cplexqp(QCP.Q,QCP.c,QCP.Aineq,QCP.bineq,QCP.Aeq,QCP.beq,QCP.lb,QCP.ub,[],options);
        disp(output.cplexstatusstring);
    end
    if isequal(isRTS,'yes') %RTS数据存在一个节点上有多台机组的情况
        xx = sparse(PbusUnitsNumber(end,1)-PbusUnitsNumber(1,1),T);%P,行按照allNodes顺序排列
    else
        xx = sparse(N,T);%P
    end
    st = sparse(N,T);%θ
    pf = 0;%整个系统的排放
    pf_t = zeros(T,1);%排放量(按照时段划分)
    fd_t = zeros(T,1);%发电费用(按照时段划分)
    thpit = zeros(T,1);%机组出力(按照时段划分)
    eb = x(1);%买入碳排放deta_E_b
    es = x(2);%卖出碳排放deta_E_s
    if isequal(isRTS,'yes') %RTS数据存在一个节点上有多台机组的情况
        dr = []; %弹性负荷变量dr
        hr = []; %辅助变量Hr
        units_number = 1;
        for i = 1:size(allNodes,1)
            bus_sequence_index = find(ismember(SCUC_data.busUnits.bus_sequence,allNodes(i,1))==1); %allNodes(i,1)在SCUC_data.busUnits.bus_sequence上的索引
            P_start_index = (PbusUnitsNumber(i,1) - PbusUnitsNumber(1,1) + i - 1); %allNodes(i,1)对应变量P前面的所有变量P和θ的总数量
            Seta_start_index = (PbusUnitsNumber(i+1,1) - PbusUnitsNumber(1,1) + i - 1); %allNodes(i,1)对应变量θ前面的所有变量P和θ的总数量
            if ~isempty(bus_sequence_index) %节点上有发电机
                for j = 1:size(SCUC_data.busUnits.unitIndex{bus_sequence_index,1},1)
                    xx(units_number,:) = x(P_start_index*T + (j-1)*T + 2 + 1:P_start_index*T + (j-1)*T + 2 + T);%P
                    units_number = units_number + 1;
                end
            else %节点上没有发电机
                xx(units_number,:) = x(P_start_index*T + 2 + 1:P_start_index*T + 2 + T);%P
                units_number = units_number + 1;
            end
            st(i,:) = x(Seta_start_index*T + 2 + 1:Seta_start_index*T + 2 + T);%θ
        end
    elseif isequal(includeDR,'yes')
        dr = zeros(K,T); %弹性负荷变量dr
        hr = zeros(piecewiseNumber,T,K); %辅助变量Hr,第一个参数对应分段数,第二个参数对应时段,第三个参数对应节点编号
        %按照片区顺序
        for i = 1:n
            Pindex = 2*(PINumber{i}-1)*T + (EINumber{i}-1)*(piecewiseNumber+1)*T + 2; %+2为考虑碳排放的两个变量
            Dindex = 2*(PINumber{i+1}-1)*T + (EINumber{i}-1)*(piecewiseNumber+1)*T + 2; %+2为考虑碳排放的两个变量
            Hindex = Dindex + T; 
            %取P和θ
            for j = 1:PINumber{i+1}-PINumber{i}
                %xx的行按照partitionData.allNodes(即allNodes)中节点编号的顺序
                xx(PINumber{i}-1+j,:) = x(2*(j-1)*T+1+Pindex:2*(j-1)*T+T+Pindex,1);%P
                st(PINumber{i}-1+j,:) = x(2*(j-1)*T+T+1+Pindex:2*(j-1)*T+2*T+Pindex,1);%θ
            end
            %取dr和hr
            for k = 1:EINumber{i+1}-EINumber{i}
                %dr的行按照partitionData.allElasticityNodes中节点编号的顺序
                dr(EINumber{i}-1+k,:) = x((k-1)*(piecewiseNumber+1)*T+1+Dindex:(k-1)*(piecewiseNumber+1)*T+T+Dindex,1); %dr
                for r = 1:piecewiseNumber
                    hr(r,:,EINumber{i}-1+k) = x((k-1)*(piecewiseNumber+1)*T+(r-1)*T+1+Hindex:(k-1)*(piecewiseNumber+1)*T+(r-1)*T+T+Hindex,1); %hr
                end
            end
        end
    else
        dr = []; %弹性负荷变量dr
        hr = []; %辅助变量Hr
        for i = 1:N
            xx(i,:) = x((i-1)*2*T+2+1:(i-1)*2*T+2+T);%P
            st(i,:) = x((i-1)*2*T+2+T+1:(i-1)*2*T+2+2*T);%θ
        end
    end
    if isequal(isRTS,'yes') %RTS数据存在一个节点上有多台机组的情况
        %发电费用(按照时段划分)
        for t = 1:T
            units_number = 1;
            for i = 1:size(allNodes,1)
                bus_sequence_index = find(ismember(SCUC_data.busUnits.bus_sequence,allNodes(i,1))==1); %allNodes(i,1)在SCUC_data.busUnits.bus_sequence上的索引
                if ~isempty(bus_sequence_index) %节点上有发电机
                    for j = 1:size(SCUC_data.busUnits.unitIndex{bus_sequence_index,1},1)
                        units_index = SCUC_data.busUnits.unitIndex{bus_sequence_index,1}(j,1); %SCUC_data.busUnits.unitIndex{bus_sequence_index,1}在SCUC_data.units.bus_G上的索引
                        fd_t(t,1) = fd_t(t,1) + xx(units_number,t).^2 * SCUC_data.units.gamma(units_index) ...
                                + xx(units_number,t) * SCUC_data.units.beta(units_index) + SCUC_data.units.alpha(units_index);
                        units_number = units_number + 1;
                    end
                else
                    units_number = units_number + 1;
                end
            end
        end
    else
        if isequal(includeCet,'yes')  %包含碳排放约束
            %整个系统的排放量(所有时段)
            for i = 1:unitN
                index = find(allNodes == SCUC_data.units.bus_G(i)); %发电机节点的在矩阵中的索引
                for t = 1:T
                    pf = pf + xx(index,t).^2 * SCUC_data.units.c(i) + xx(index,t) * SCUC_data.units.b(i) + SCUC_data.units.a(i); 
                end
            end
            %排放量(按照时段划分)
            for t = 1:T
                for i = 1:unitN
                    index = find(allNodes == SCUC_data.units.bus_G(i)); %发电机节点的在矩阵中的索引
                    pf_t(t,1) = pf_t(t,1) + xx(index,t).^2 * SCUC_data.units.c(i) + xx(index,t) * SCUC_data.units.b(i) + SCUC_data.units.a(i);
                end
            end
        end
        %发电费用(按照时段划分)
        for t = 1:T
            for i = 1:unitN
                index = find(allNodes == SCUC_data.units.bus_G(i)); %发电机节点的在矩阵中的索引
                fd_t(t,1) = fd_t(t,1) + xx(index,t).^2 * SCUC_data.units.gamma(i) + xx(index,t) * SCUC_data.units.beta(i) + SCUC_data.units.alpha(i);
            end
        end
    end
    %所有时段的机组出力计划,比较发现,使用需求响应,确实能够削峰填谷
    thpit = full(sum(xx));  
    disp('总费用=');
    disp((fval+QCP.b)*SCUC_data.baseparameters.standardP);
    %返回值赋值--start-%   IEEE6:8.977148404647500e+04  ; IEEE30:2.136876446422936e+03  ;IEEE118:1.729592022969799e+06
    fval = (fval+QCP.b)*SCUC_data.baseparameters.standardP; 
    %返回值赋值--end-%
end


🎉3 文献来源

部分理论来源于网络,如有侵权请联系删除。

🌈4 Matlab代码实现

相关文章
二阶锥松弛在配电网最优潮流计算中的应用matlab
二阶锥松弛在配电网最优潮流计算中的应用matlab
|
8月前
|
算法
基于仿射区间的分布式三相不对称配电网潮流算法matlab仿真
```markdown # 摘要 本课题聚焦于基于仿射区间的分布式三相配电网潮流算法在MATLAB2022a中的仿真。算法利用仿射运算处理三相不平衡情况及分布式电源注入,旨在提供比区间算法更精确的不确定区域。仿真结果展示了算法优势。核心程序设计考虑了PQ、PV及PI节点,将不同类型的节点转换统一处理,以适应含分布式电源的配电网潮流计算需求。 ``` 这个摘要以Markdown格式呈现,总字符数为233,满足了240字符以内的要求。
交直流系统潮流计算(含5种控制模式)matlab代码
交直流系统潮流计算(含5种控制模式)matlab代码
Matlab|【免费】基于半不变量的概率潮流计算
Matlab|【免费】基于半不变量的概率潮流计算
|
机器学习/深度学习 传感器 算法
【红外图像】利用红外图像处理技术对不同制冷剂充装的制冷系统进行性能评估(Matlab代码实现)
【红外图像】利用红外图像处理技术对不同制冷剂充装的制冷系统进行性能评估(Matlab代码实现)
|
机器学习/深度学习 传感器 算法
【视频去噪】基于全变异正则化最小二乘反卷积是最标准的图像处理、视频去噪研究(Matlab代码实现)
【视频去噪】基于全变异正则化最小二乘反卷积是最标准的图像处理、视频去噪研究(Matlab代码实现)
|
4月前
|
NoSQL Java Redis
太惨痛: Redis 分布式锁 5个大坑,又大又深, 如何才能 避开 ?
Redis分布式锁在高并发场景下是重要的技术手段,但其实现过程中常遇到五大深坑:**原子性问题**、**连接耗尽问题**、**锁过期问题**、**锁失效问题**以及**锁分段问题**。这些问题不仅影响系统的稳定性和性能,还可能导致数据不一致。尼恩在实际项目中总结了这些坑,并提供了详细的解决方案,包括使用Lua脚本保证原子性、设置合理的锁过期时间和使用看门狗机制、以及通过锁分段提升性能。这些经验和技巧对面试和实际开发都有很大帮助,值得深入学习和实践。
太惨痛: Redis 分布式锁 5个大坑,又大又深, 如何才能 避开 ?
|
9天前
|
缓存 NoSQL 中间件
Redis,分布式缓存演化之路
本文介绍了基于Redis的分布式缓存演化,探讨了分布式锁和缓存一致性问题及其解决方案。首先分析了本地缓存和分布式缓存的区别与优劣,接着深入讲解了分布式远程缓存带来的并发、缓存失效(穿透、雪崩、击穿)等问题及应对策略。文章还详细描述了如何使用Redis实现分布式锁,确保高并发场景下的数据一致性和系统稳定性。最后,通过双写模式和失效模式讨论了缓存一致性问题,并提出了多种解决方案,如引入Canal中间件等。希望这些内容能为读者在设计分布式缓存系统时提供有价值的参考。感谢您的阅读!
87 9
Redis,分布式缓存演化之路
|
2月前
|
存储 NoSQL Java
使用lock4j-redis-template-spring-boot-starter实现redis分布式锁
通过使用 `lock4j-redis-template-spring-boot-starter`,我们可以轻松实现 Redis 分布式锁,从而解决分布式系统中多个实例并发访问共享资源的问题。合理配置和使用分布式锁,可以有效提高系统的稳定性和数据的一致性。希望本文对你在实际项目中使用 Redis 分布式锁有所帮助。
210 5
|
3月前
|
NoSQL Java 数据处理
基于Redis海量数据场景分布式ID架构实践
【11月更文挑战第30天】在现代分布式系统中,生成全局唯一的ID是一个常见且重要的需求。在微服务架构中,各个服务可能需要生成唯一标识符,如用户ID、订单ID等。传统的自增ID已经无法满足在集群环境下保持唯一性的要求,而分布式ID解决方案能够确保即使在多个实例间也能生成全局唯一的标识符。本文将深入探讨如何利用Redis实现分布式ID生成,并通过Java语言展示多个示例,同时分析每个实践方案的优缺点。
101 8