【双层模型】考虑供需双侧的综合能源双层优化模型

简介: 该程序构建了一个综合能源系统的优化调度双层模型,采用差分进化算法和规划算法分别求解上下层问题。模型涵盖了燃气轮机、锅炉、风电、光伏及储能设备的协同运行,并考虑了供应商与用户的利益平衡。通过满足设备出力、储能、负荷平衡等约束条件,实现了系统经济性和性能的优化。程序基于Matlab+Cplex编写,注释详尽且附带文档说明,便于学习研究。

主要内容  

该程序实现一个综合能源系统的优化调度双层模型,上下层分别采用差分进化算法和规划算法进行求解。模型考虑了多种能源设备,包括燃气轮机、燃气锅炉、风电、光伏、储能设备等的协同运行,同时兼顾了能源供应商和用户的利益,需满足各种约束条件,包括设备出力约束、储能约束、负荷平衡约束等,以供应商和用户的收益、成本等为目标进行求解,同时考虑到负荷需求响应,通过分层模型将非线性求解模型转化为线性求解模型,实现了系统的经济和性能优化。程序采用matlab+cplex进行求解,注释清楚,有对应的文档说明,方便学习研究!


  内容研究  

1.模型简介

上层模型目标函数为:


为了便于理解,分块分析如下:


I3代表运营商售电收入,I4代表运营商售热收入,C_CCHP代表CCHP的运行成本,C_grid代表购电成本,FD代表储能的售电收益,FH代表售热能收益。

下层目标函数为:


逐项分析如下:


FU代表用户满意度,F5代表用户的购电,F6代表用户购热成本。

该目标的意思是用户满意度最高,用户购电和购热成本最低。

下层模型是采用规划算法结合cplex优化主体出力结果和目标值。

涉及到的约束主要有:

  • 设备出力约束
  • 设备爬坡约束
  • 热电功率平衡约束
  • 与电网交互约束
  • 用户侧热电储能约束
  • 用户侧负荷转移和削减约束

2 程序释义

程序包括的子程序较多,相互间的调用关系可参考下图:


具体每部分代码含义详见下载文件夹中说明文档。

部分代码

%基础热负荷

dh=[1000,1010,1043,1155,1172,1197,1158,1060,923,880,910,830,785,730,700,730,810,820,810,910,950,1010,1030,1020];

%基础电负荷

de=[540,528,504,516,524,520,612,652,696,856,956,968,992,864,720,676,680,668,708,976,968,960,572,532];

de1=[408,404,372,392,396,388,448,448,460,524,620,780,764,768,612,628,620,632,660,868,864,848,448,404];

%风电出力

Pwt=[203,277,264,331,137,81,72,141,43,12,20,12,5,48,86,346,287,530,491,448,603,601,403,380];

%光伏出力

Ppv=[0,0,0,0,0,0,97,220,336,410,486,444,453,445,442,325,202,140,29,0,0,0,0,0];

%电网分时电价、上网电价

grid_fs=[0.4,0.4,0.4,0.4,0.4,0.4,0.4,0.4,0.4,0.8,0.8,0.8,1.2,1.2,1.2,1.2,0.8,0.8,0.8,0.8,1.2,1.2,1.2,0.8];

grid_sw=[0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35,0.35];    

ch_min=[0.15,0.15,0.15,0.15,0.15,0.15,0.15,0.15,0.15,0.15,0.15,0.15,0.15,0.15,0.15,0.15,0.15,0.15,0.15,0.15,0.15,0.15,0.15,0.15];%热价下限

ch_max=[0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5];%热价上限

Pice=sdpvar(1,24,'full');%电输出功率

Qgb=sdpvar(1,24,'full');%热输出功率

Pbuy=sdpvar(1,24,'full');%从电网购电电量

Psell=sdpvar(1,24,'full');%向电网售电电量

Pnet=sdpvar(1,24,'full');%交换功率

Temp_net=binvar(1,24,'full'); % 购|售电标志

le=sdpvar(1,24,'full');%可转移电负荷

lh=sdpvar(1,24,'full');%可转移热负荷

Pcharge=sdpvar(1,24,'full');UPcharge=binvar(1,24,'full');%  充电  

Pdischarge=sdpvar(1,24,'full');UPdischarge=binvar(1,24,'full');%  放电  

Hti=sdpvar(1,24,'full');UHti=binvar(1,24,'full');%充热

Hto=sdpvar(1,24,'full');UHto=binvar(1,24,'full');%放热

%用户偏好常系数

ve=1.5;

a_e=0.0009;

vh=1.1;

a_h=0.0011;

%燃气发电机、锅炉常数

ae=0.0013;

be=0.16;

ce=0;

ah=0.0005;

bh=0.11;

ch=0;

ce_ave=0.7;%平均电价约束

ch_ave=0.45;%平均热价约束

n_c=0.8;%热交换效率

n_ex=0.83;   %余热回收效率

n_ice=0.35;   %内燃机发电效率


%热储能

H_storage_max=1500; h_n=0.98;h_charge=0.98;h_discharge=1;%热储能容量/自损/充热/放热;

%电储能

E_storage_max=2000; e_n=1;e_charge=0.95;e_discharge=0.95;%电储能容量/自损/充电/放电;

bggin=1000;%%电储能


运行结果




目录
打赏
0
12
12
2
66
分享
相关文章
【Simulink】基于下垂控制的构网变换器功率控制【微电网变流器】
该仿真研究了微电网中分布式电源接入后产生的谐波影响,并采用基于下垂控制的三环控制(功率环、电压环和电流环)来消除谐波,确保并网电流谐波畸变率低于阈值。模型使用Simulink进行仿真,主电路采用LCL滤波,实现功率精准跟踪。通过协调频率和电压调节,系统在不同负载条件下保持稳定运行。结果显示,有功和无功功率及电压电流曲线均符合预期,满足并网条件。
​【Simulink】 风光储与电解制氢系统仿真模型(光伏耦合PEM制氢)
该仿真模型采用Simulink实现风光储与电解制氢系统的协同运行,涵盖光伏、风电、储能及电解槽制氢模块。光伏模块通过MPPT算法优化性能;储能系统采用双闭环控制维持电压稳定;风电模型利用永磁同步电机和变流器提高效率;电解槽制氢系统采用功率外环加电流内环控制实现恒功率制氢。仿真旨在整合风能、太阳能、储能和制氢技术,实现清洁能源高效利用,适用于研究和优化综合能源系统。提供2016b/2018b/2023b三个版本的模型,方便学习研究。
【赵渝强老师】MongoDB写入数据的过程
在MongoDB数据更新时,WiredTiger存储引擎通过预写日志(Journal)机制先将更新写入日志文件,再通过检查点操作将日志中的操作刷新到数据文件,确保数据持久化和一致性。检查点定期创建,缩短恢复时间,并保证异常终止后可从上一个有效检查点恢复数据。视频讲解及图示详细说明了这一过程。
178 23
【赵渝强老师】MongoDB写入数据的过程
实战阿里qwen2.5-coder 32B,如何配置Cline的Ollama API接口。
阿里Qwen2.5大模型开源免费,适合编程应用。在Ollama平台下载时,推荐选择带有“cline”字样的Qwen2.5-Coder版本,仅需额外下载适配文件,无需重复下载模型文件。Ollama环境永久免费,配置简单,效果出色,适合开发者使用。
4665 77
【2025低代码前瞻】:平台赋能的无限可能
低代码平台正成为企业数字化转型的核心工具,2025年将通过可视化开发、核心引擎升级、模型驱动、数据处理增强、AI融合、插件生态丰富、开放架构和强化企业功能等趋势,大幅提升开发效率与灵活性。可视化开发实现全员参与,拖拽式组件、实时预览和多人协作等功能显著提高开发速度;核心引擎如SQL引擎、功能引擎等的智能化升级支持高效开发;模型驱动自动生成高质量代码,智能优化逻辑并确保跨平台兼容;数据处理能力增强,支持跨数据库操作与实时流处理;丰富的插件生态覆盖多行业需求;开放架构结合微服务与开源框架提升扩展性;低代码平台将在2025年为企业带来更高效率、更低成本和更强创新能力。
331 32
机器学习领域必知数学符号与概念(一)
本文介绍了一些数学符号以及这些符号的含义。
516 65
虾皮店铺商品API接口的开发、运用与收益
虾皮(Shopee)作为东南亚领先的电商平台,通过开放API接口为商家和开发者提供了全面的数据支持。本文详细介绍虾皮店铺商品API的开发与运用,涵盖注册认证、API文档解读、请求参数设置、签名生成、HTTP请求发送及响应解析等步骤,并提供Python代码示例。API接口广泛应用于电商导购、价格比较、商品推荐、数据分析等场景,带来提升用户体验、增加流量、提高运营效率等收益。开发者需注意API密钥安全、请求频率控制及遵守使用规则,确保接口稳定可靠。虾皮API推动了电商行业的创新与发展。
435 31
2025低代码前瞻:平台赋能的无限可能
低代码平台正逐渐成为企业数字化转型的核心工具,通过高效、灵活、智能的特点改变传统开发模式。展望2025年,低代码技术将推动可视化开发普及,支持全员参与应用构建;核心引擎升级,提升开发效率与灵活性;模型驱动开发更加成熟,实现自动化代码生成和智能逻辑优化;数据处理能力增强,应对复杂业务需求;AI深度融合,优化开发体验;插件生态丰富,覆盖多行业场景;架构更开放,支持开源与高性能需求;企业功能强化,赋能运营与决策。低代码平台不仅将成为开发工具,更是企业数字化生态的重要组成部分,为企业带来更高的效率、更低的成本和更快的创新能力。
2025低代码前瞻:平台赋能的无限可能
AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等