【sop】含储能及sop的多时段配网优化模型

简介: 【sop】含储能及sop的多时段配网优化模型

1 主要内容

之前分享了含sop的配电网优化模型,链接含sop的配电网优化,很多同学在咨询如何增加储能约束,并进行多时段的优化,本次拓展该部分功能,在原代码的基础上增加储能模型,以IEEE33节点为研究对象,在8节点增加储能,并且在7、10、24、27节点配置光伏,在13和30节点配置风电,储能不仅满足功率约束,同时需要满足soc约束条件。

2 部分代码

clear;clc;
run ieee_33_node_system.m;
run DG_Load.m
t1=clock;
%% 常量定义
delta_T=1;  N=24;%时间
S_sopi1=0.5;    S_sopj1=0.5;
S_sopi2=0.5;    S_sopj2=0.5;    %SOP容量
A_sop=0.02;     %SOP损耗
q_CB=60/1000;   C_loss=0.08;%与有功功率损耗相关的成本系数
WL = 0.833;     Wv = 0.167;
k12_0=1;
r_ij=Branch(:,4);   x_ij=Branch(:,5);  %%第四,五列
% p_Solar=zeros(33,24);p_Wind=zeros(33,24);p_Load=zeros(33,24);
% q_Solar=zeros(33,24);q_Wind=zeros(33,24);q_Load=zeros(33,24);
result=zeros(1,24);
Horizon=N;
%储能参数
capmax=400;
EESmax=100;
EESmin=0;
socmax=0.9;
socmin=0.2;
theta=0.01;%自放电率
yita=0.95;
%% 定义决策变量p_Solar
x_Iij_square=sdpvar(32,N,'full');   x_ui_square=sdpvar(33,N,'full');%线路电流 节点电压
x_pij=sdpvar(32,N,'full');      x_qij=sdpvar(32,N,'full');%线路传输有功   无功
x_p_sop1=sdpvar(2,N,'full');    x_q_sop1=sdpvar(2,N,'full');%sop1有功 无功
x_p_sop2=sdpvar(2,N,'full');    x_q_sop2=sdpvar(2,N,'full');%sop2有功 无功
x_p_sop1_loss=sdpvar(2,N,'full');   x_p_sop2_loss=sdpvar(2,N,'full');%sop1损耗 sop2损耗  
K12_t=intvar(1,N,'full');     k12_t=sdpvar(1,N,'full');%OLTC抽头选择 k12_t没用到
N_CB=intvar(1,N,'full');      Q_CB=sdpvar(1,N,'full');%CB数量 CB无功
x_AUX=sdpvar(33,N,'full');%电压偏差
x_b_OLTC=binvar(11,N,'full');  x_K121_t=intvar(1,N,'full');%抽头选择变量(只有一个是1) 
x_K122_t=intvar(1,N,'full'); %OLTC正负变化辅助变量  
x_N1_CB=intvar(1,N,'full');%CB变化辅助变量
K_t=intvar(1,N,'full');     N_t=intvar(1,N,'full');%变量没有用到
x_N2_CB=intvar(1,N,'full');   x_vc_k=sdpvar(11,N,'full');%CB变化辅助变量 oltc电压方值
x_ui_square_OLTC=sdpvar(1,N,'full');
x_P_ch = sdpvar(1, Horizon);%充电
x_P_dis = sdpvar(1, Horizon);%放电
x_u_ch = binvar(1, Horizon);%充电状态
x_u_dis = binvar(1, Horizon);%放电状态


3 程序结果

sop有功

sop无功


相关文章
|
计算机视觉 Python
OpenCV轮廓拟合与凸包的讲解与实战应用(附Python源码)
OpenCV轮廓拟合与凸包的讲解与实战应用(附Python源码)
448 0
|
关系型数据库 MySQL Android开发
0006Java安卓程序设计-ssm基于Android的校园二手商品交易平台1
0006Java安卓程序设计-ssm基于Android的校园二手商品交易平台
286 0
|
机器学习/深度学习 人工智能 算法
深度强化学习中实验环境-开源平台框架汇总
深度强化学习中实验环境-开源平台框架汇总
598 0
|
6月前
|
机器学习/深度学习 算法 调度
【强化学习】基于深度强化学习的微能源网能量管理与优化策略研究【Python】
本项目基于深度Q网络(DQN)算法,通过学习预测负荷、可再生能源输出及分时电价等信息,实现微能源网的能量管理与优化。程序以能量总线模型为基础,结合强化学习理论,采用Python编写,注释清晰,复现效果佳。内容涵盖微能源网系统组成、Q学习算法原理及其实现,并提供训练奖励曲线、发电单元功率、电网交互功率和蓄电池调度等运行结果图表,便于对照文献学习与应用。
|
机器学习/深度学习 API TensorFlow
【Tensorflow+keras】解决 Fail to find the dnn implementation.
在TensorFlow 2.0环境中使用双向长短期记忆层(Bidirectional LSTM)遇到“Fail to find the dnn implementation”错误时的三种解决方案。
189 0
|
算法 调度
【鲁棒优化、大M法、C&CG算法】计及风、光、负荷不确定性两阶段鲁棒优化(Matlab代码实现)
【鲁棒优化、大M法、C&CG算法】计及风、光、负荷不确定性两阶段鲁棒优化(Matlab代码实现)
587 0
|
存储 API 开发工具
oss创建bucket
oss创建bucket
2286 1
|
网络协议 Linux 开发工具
使用Xshell连接VMware上的Linux虚拟机
使用Xshell连接VMware上的Linux虚拟机
314 0
使用Xshell连接VMware上的Linux虚拟机
|
数据可视化 Python
金融数学方法:有限差分法
金融数学方法:有限差分法
503 0
|
Java 数据库连接 mybatis
SpringBoot集成Mybatis开启下划线格式的数据自动转换成小驼峰格式
SpringBoot集成Mybatis开启下划线格式的数据自动转换成小驼峰格式
344 0