本文主要讲述使用MindOpt工具优化光储荷经济性调度的数学规划问题。
视频讲解👈👈👈👈👈👈👈👈👈
案例场景
光储荷经济性调度是一种将光能转化为电能并储存起来，在需要时候进行调度使用的技术。该技术的目的是最大化功能的利用效率，提高能源的经济性。
应用的场景例如：分布式光伏微网，光伏发电的系统和储能设备以及局部负荷形成的一个小型电力系统，调度系统可以实现在光伏发电充足时储存能量，在光照不足或电价较高时释放储能以平衡供需并降低电费。
第二个是家庭能源管理系统，对于安装了家用储能系统的住宅，光储荷经济性调度可以帮助家庭用户根据电网电价变化和自身用电模式智能决定何时使用储能，何时向电网售电以最大化经济收益。
第三是商业及工业用电，商业建筑和工厂等工商业用户可以通过光束和系统进行需求侧管理，降低用电成本，通过合理的调度可以减少在高峰时段的电网用电电量，避免需求响应事件中的昂贵电费，同时利用光伏发电减少碳排放。
第四是电力市场参与者，具备光伏发电和储能设备的电力市场参与者可以通过光束和经济性调度参与电力市场，日前还有实时市场和辅助服务市场，买低卖高或提供吊瓶等服务来获取收益。还有岛屿和偏远地区、公共设施及基础设施、虚拟电厂。
虚拟电厂介绍
虚拟电厂作为一种区域性多能源聚合形式，实现了可再生能源大量接入电力系统运行，推动城市能源系统绿色高效发展，有效聚合电源、负荷、储能等各类资源，参与电力市场，相应价格信号，为电网土工调峰、调频、调压与备用等辅助服务。
总体是结合多个分布式光储荷系统形成一个虚拟电厂，通过集中调度虚拟电厂可以在电力市场中像传统电厂一样进行电力交易荷提供电力服务。
在实际情况下考虑虚拟电厂问题的难度有两点：
第一是不确定性，可再生能源储能以及负荷等单独运行时电容量较小，并且具有较大的随机性波动性间歇性，例如在发电功率上从生产原理方面，光伏风电的发电与天气息息相关，具有不稳定性。在用电负荷上用户端用电规律出现不同变化，同时不同的用电场景例如居民楼、商业楼写字楼等具有不同的负荷特性。
第二点是多目标优化，在并网状态下，虚拟电厂与大电网同步运行，在过往状态下虚拟电厂需要自动控制电压荷频率的平衡，在用电设备可控情况下联合调节用电负荷和储能设备实现虚拟电厂内部设备的协同和电网的互动。但是在这个案例中，为了不影响居民或产业正常用电，希望在不削减负荷需求的情况下通过控制虚拟电厂的储能单元确保电力系统经济低碳安全运行。
数学规划
光储荷经济性调度可以使用数学规划方法。
数学规划是一种数学优化方法，主要是寻找变量的取值在特定的约束情况下，使我们的决策目标得到一个最大或最小值的决策。常见的数学优化方法有线性规划、混合优化、整数规划和非线性规划。在实际应用中，需要确定问题的目标约束变量的取值范围，对其建立一个数学模型，将数学模型转换为一个代码，得出的结果就是问题的最优决策。在求解时调用优化求解器工具。优化求解器可以帮助我们计算大规模数据的数学规划问题。
问题描述
在考虑满足用户负荷需求的条件下，单个光伏、单个用户和单个储能设备的虚拟电厂场景中，短期调度的经济性最优目标包括光伏直接供电给用户、储存光伏发电的电能以备未来使用，并从大电网购买电能来满足光储无法覆盖的用户需求。
问题主要考虑以下六点：第一是光伏发电量，考虑光伏发电设备在短时间内的发电量，这将影响能源供应的可用性。
第二根据用户的负荷需求曲线确定在短时间内所需的电能量以满足用户的用电需求。
第三考虑储能设备的容量，确定在光伏发电超过用户需求时储存的电能量以备将来用户需求超过光伏发电时使用。
第四考虑储能设备充放电的效率以评估能量损失和经济性。
第五考虑大电网电价，确定在光伏不能覆盖用户需求时从大电网购买电能的成本。
第六考虑制定合理的充放电策略以最大化经济，例如在大电网电价较低时充电，在电价较高时放电。下面查看代码情况。
代码解析
在案例中，我们对这个问题进行数学建模和代码转化，用到MindOpt云上建模求解平台（一个页面版的线上开发环境，可在线的开发调试代码）、以及达摩院研发的建模语言MindOpt APL，与学公式非常贴近。
工具：
- MindOpt Studio 云建模平台，在线开发调试，免下载
- MindOpt APL（MAPL）建模语言编程，代数建模语言，语法与数学公式相近
- MindOpt优化求解器：帮我们求解大规模数据的数学规划问题。
声明集合
首先声明时间集合以及每个时间段的功率和负荷的参数，还有每个时间段不同的电价、充放电的损耗系数、储能单词充放电限制、在不使用储能情况下的一些指标对于评测的对比基准值。
声明变量
在问题中可以控制的变量第一是充电的充电变量，第二是放电变量以及储能设备的状态。
声明目标
首先看定义的优化目标，这里我们计算了在每一个时间段内的负荷即用户负荷load减去光伏发电量power进负荷，再加上储能设备的充电量x以及放电量y与t时间段的电价相乘得到每一个时间段的电费。所有时间段的电费累计相加除以前面定义的cost_base成本形成一个相对的成本指标，我们的目标就是将成本指标最小化。
声明约束
来看第一个约束，考虑到储能设备的初始状态需要初始储能状态必须为零，意味着在优化问题的第一个阶段t=1时开始，储能设备的状态必须为0。
第二条约束是在每个时间段t中设备储能设备的状态soc[t+1]等于上一个时间段soc[t]+充电量乘充电效率加上放电量除以放电效率，该约束条件确保了储能设备状态在不同时间段中的连续性和一致性。
结果解析
最后可以使用求解指令对模型进行求解，最终得到的结果是第一个时间段内不使用储能设备，第二个时间段内充电80%，第三时间段放电69%，第四时间段内不操作。最终成本是基准值的63%，节省了37%的电费。
获取源代码
