【电力系统】基于YALMIP 的微网(光伏+风电+蓄电池+微电网+柴油机)优化调度模型附matlab代码

简介: 【电力系统】基于YALMIP 的微网(光伏+风电+蓄电池+微电网+柴油机)优化调度模型附matlab代码

✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,matlab项目合作可私信。

🍎个人主页:Matlab科研工作室

🍊个人信条:格物致知。

更多Matlab仿真内容点击👇

智能优化算法  神经网络预测雷达通信 无线传感器

信号处理图像处理路径规划元胞自动机无人机 电力系统

⛄ 内容介绍

⛄ 部分代码

%% 请先确保YALMIP工具箱和CPLEX正确安装,MATLAB导入对应文件,否则无法运行程序!!


%% 初始化

clc;

clear all;close all;

%yalmip;

%Cplex;

%% 各变量及常量定义

%------------------------变量定义-----------------------%

Pw=sdpvar(1,24,'full'); %风机出力

Ppv=sdpvar(1,24,'full');%光伏出力

Pbat=sdpvar(1,24,'full');%蓄电池出力

% Pde=sdpvar(1,24,'full');%柴油机组出力

Pnet=sdpvar(1,24,'full');%交换功率

Pbuy=sdpvar(1,24,'full');%从电网购电电量

Psell=sdpvar(1,24,'full');%向电网售电电量

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

Temp_cha=binvar(1,24,'full'); %充电标志

Temp_dis=binvar(1,24,'full'); %放电标志

Temp_static=binvar(1,24,'full'); %电池静置标志

% Temp_de=binvar(1,24,'full'); %柴油机发电标志

Pcha=sdpvar(1,24);

Pdis=sdpvar(1,24);

Constraints = [];

%-------------------------常量定义-----------------------%

Load=[88.24 83.01 80.15 79.01 76.07 78.39 89.95 128.85 155.45 176.35 193.71 182.57 179.64 166.31 164.61 164.61 174.48 203.93 218.99 238.11 216.14 173.87 131.07 94.04];

%风机预测出力

Pw=[66.9 68.2 71.9 72 78.8 94.8 114.3 145.1 155.5 142.1 115.9 127.1 141.8 145.6...

   145.3 150 206.9 225.5 236.1 210.8 198.6 177.9 147.2 58.7];

%光伏预测出力

Ppv=[0 0 0 0 0.06 6.54 20.19 39.61 49.64 88.62 101.59 66.78 110.46 67.41 31.53...

   50.76 20.6 22.08 2.07 0 0 0 0 0];

%分时电价

C_buy=[0.25 0.25 0.25 0.25 0.25 0.25 0.25 0.53 0.53 0.53 0.82 0.82...

   0.82 0.82 0.82 0.53 0.53 0.53 0.82 0.82 0.82 0.53 0.53 0.53];

C_sell=[0.22 0.22 0.22 0.22 0.22 0.22 0.22 0.42 0.42 0.42 0.65 0.65...

   0.65 0.65 0.65 0.42 0.42 0.42 0.65 0.65 0.65 0.42 0.42 0.42];

%储能电池参数定义

Ebattery = 300;

soc0     = 0.5;

socmin   = 0.3;

socmax   = 0.95;

Pcs      = 40 ;

POWER    = 160 ;


figure;

plot(Load      ,'r-*','LineWidth',1.5);

axis([1 24 0 240]) ;

xlabel('时间(h)','FontSize',14);

set(gca,'xTick',(1:2:24),'yTick',(0:40:240));

ylabel('功率(kw)','FontSize',14);

hold on;


plot(Pw        ,'g-d','LineWidth',1.5);

axis([1 24 0 240]) ;

xlabel('时间(h)','FontSize',14);

set(gca,'xTick',(1:2:24),'yTick',(0:40:240));

ylabel('功率(kw)','FontSize',14);

hold on;


plot(Ppv      ,'b-o','LineWidth',1.5);

axis([1 24 0 240]) ;

xlabel('时间(h)','FontSize',14);

set(gca,'xTick',(1:2:24),'yTick',(0:40:240));

ylabel('功率(kw)','FontSize',14);

legend('电负荷','风机预测出力','光伏预测出力');

%% 约束

for k = 1:24

 Constraints = [Constraints, -POWER<=Pnet(1,k)<=POWER,0<=Pbuy(1,k)<=POWER, -POWER<=Psell(1,k)<=0]; %主网功率交换约束,不大于160kW

 Constraints = [Constraints,Pnet(1,k)+Pw(1,k)+Ppv(1,k)==Load(1,k)+Pbat(1,k)];              %功率平衡约束   ,电网+风电+光伏 = 负载 + 电池充电

 Constraints = [Constraints, implies(Temp_net(1,k),[Pnet(1,k)>=0,Pbuy(1,k)==Pnet(1,k),Psell(1,k)==0])]; %购电情况约束   Pnet>0是购电,Pnet<0是售电电,

 Constraints = [Constraints, implies(1-Temp_net(1,k),[Pnet(1,k)<=0,Psell(1,k)==Pnet(1,k),Pbuy(1,k)==0])]; %售电情况约束

%----------------------蓄电池约束--------------------%

% sum_bat=zeros(1,24);

 Constraints = [Constraints, -Pcs<=Pbat(1,k)<=Pcs,0<=Pcha(1,k)<=Pcs,-Pcs<=Pdis(1,k)<=0];%电池充放电约束,PCS功率是40kW

 Constraints = [Constraints, implies(Temp_cha(1,k),[Pbat(1,k)>=0,Pcha(1,k)==Pbat(1,k),Pdis(1,k)==0])];%充电情况约束

 Constraints = [Constraints, implies(Temp_dis(1,k),[Pbat(1,k)<=0,Pdis(1,k)==Pbat(1,k),Pcha(1,k)==0])];%放电情况约束

 Constraints = [Constraints, implies(Temp_static(1,k),[Pbat(1,k)==0,Pdis(1,k)==0,Pcha(1,k)==0])];%静置情况约束

 Constraints = [Constraints,Temp_cha(1,k)+Temp_dis(1,k)+Temp_static(1,k)==1];

%    sum_bat(1,k+1)=sum_bat(1,k)+Pcha(1,k)+Pdis(1,k);%计算SOC

 Constraints=[Constraints,Ebattery*(socmin - soc0)<=sum(Pdis(1,1:k)+Pcha(1,1:k))<=Ebattery*(socmax - soc0)] ;%SOC约束,电池容量300kwh,初始S0C为0.4,0.3<=SOC<=0.95

end

 Constraints=[Constraints,sum(Pdis+Pcha)==0] ;%ST=S0,始末SOC相等约束

%% 目标函数

F=0;

%------------------总费用--------------------%

for k = 1:24

 F = F + 0.52*Pw(:,k)+0.72*Ppv(:,k)+C_buy(:,k)*Pbuy(:,k)+C_sell(:,k)*Psell(1,k)+0.2*Pdis(1,k);

end

ops=sdpsettings('solver', 'cplex');%参数指定程序用cplex求解器

optimize(Constraints,F,ops);

disp(['总费用=']);value(F)


%% 画图

x=1:24;

PP=[Pbuy;-Pdis;Pw;Ppv];

PP_neg=[Psell;-Pcha];

figure

bar(PP','stack');hold on;

bar(PP_neg','stack');hold on;

plot(x,value(Load),'r','linewidth',2);

xlabel('时间(h)','FontSize',16);

set(gca,'xTick',(1:2:24),'yTick',(0:50:300));

ylabel('功率(kw)','FontSize',16);

legend('电网购电','蓄电池放电','风机出力','光伏出力','电网售电','蓄电池充电','负荷');

hold off;


figure

plot(x,value(Pbuy+Psell),'r-*','LineWidth',1.5);

hold on;

plot(x,value(Pdis+Pcha),'b-o','LineWidth',1.5);

hold off;

xlabel('时间(h)','FontSize',16);

set(gca,'xTick',(1:2:24),'yTick',(-120:20:60));

ylabel('功率(kw)','FontSize',16);

legend('电网交互功率曲线','储能交互功率曲线');


soc = zeros(1,25);

s = zeros(1,25);

soc(1)=soc0;

for k=1:24

   s(k)=value(sum(Pdis(1,1:k)+Pcha(1,1:k)))/Ebattery+soc0;

   soc(k+1)=s(k);

end

soc(1)=soc0;

xx=0:24;

figure

% yyaxis left

subplot(211)

plot(xx,soc,'b-*','LineWidth',1.5);

hold on

ylabel('soc值');

title('SOC曲线')

% yyaxis right

subplot(212)

bar(Pdis',0.5,'stack')

hold on

bar(Pcha',0.5,'stack')

xlabel('时间(h)');

title('蓄电池SOC状态');

legend('电池充电','电池放电');

⛄ 运行结果

⛄ 参考文献

[1]孔得壮. 计及动态需求响应的热电联产型微网竞价优化策略[D]. 重庆大学, 2019.

[2]王怡云, 吴雷. 基于改进天牛群算法的微电网优化调度[J]. 电子测量技术, 2020, 43(16):6.

⛄ Matlab代码关注

❤️部分理论引用网络文献,若有侵权联系博主删除
❤️ 关注我领取海量matlab电子书和数学建模资料


相关文章
|
7天前
|
机器学习/深度学习 运维 算法
【微电网多目标优化调度】多目标学习者行为优化算法MOLPB求解微电网多目标优化调度研究(Matlab代码实现)
【微电网多目标优化调度】多目标学习者行为优化算法MOLPB求解微电网多目标优化调度研究(Matlab代码实现)
|
7天前
|
机器学习/深度学习 运维 算法
【复现】基于改进秃鹰算法的微电网群经济优化调度研究(Matlab代码实现)
【复现】基于改进秃鹰算法的微电网群经济优化调度研究(Matlab代码实现)
|
9天前
|
算法 计算机视觉
【MPDR & SMI】失配广义夹角随输入信噪比变化趋势、输出信干噪比随输入信噪比变化趋势研究(Matlab代码实现)
【MPDR & SMI】失配广义夹角随输入信噪比变化趋势、输出信干噪比随输入信噪比变化趋势研究(Matlab代码实现)
|
9天前
|
编解码 人工智能 算法
【采用BPSK或GMSK的Turbo码】MSK、GMSK调制二比特差分解调、turbo+BPSK、turbo+GMSK研究(Matlab代码实现)
【采用BPSK或GMSK的Turbo码】MSK、GMSK调制二比特差分解调、turbo+BPSK、turbo+GMSK研究(Matlab代码实现)
|
9天前
|
机器学习/深度学习 编解码 并行计算
【改进引导滤波器】各向异性引导滤波器,利用加权平均来实现最大扩散,同时保持图像中的强边缘,实现强各向异性滤波,同时保持原始引导滤波器的低低计算成本(Matlab代码实现)
【改进引导滤波器】各向异性引导滤波器,利用加权平均来实现最大扩散,同时保持图像中的强边缘,实现强各向异性滤波,同时保持原始引导滤波器的低低计算成本(Matlab代码实现)
|
9天前
|
机器学习/深度学习 传感器 边缘计算
【故障诊断】基于时滞反馈随机共振的增强型旋转电机故障诊断(Matlab代码实现)
【故障诊断】基于时滞反馈随机共振的增强型旋转电机故障诊断(Matlab代码实现)
|
7天前
|
存储 编解码 算法
【多光谱滤波器阵列设计的最优球体填充】使用MSFA设计方法进行各种重建算法时,图像质量可以提高至多2 dB,并在光谱相似性方面实现了显著提升(Matlab代码实现)
【多光谱滤波器阵列设计的最优球体填充】使用MSFA设计方法进行各种重建算法时,图像质量可以提高至多2 dB,并在光谱相似性方面实现了显著提升(Matlab代码实现)
|
9天前
|
传感器 机器学习/深度学习 算法
【UASNs、AUV】无人机自主水下传感网络中遗传算法的路径规划问题研究(Matlab代码实现)
【UASNs、AUV】无人机自主水下传感网络中遗传算法的路径规划问题研究(Matlab代码实现)
|
9天前
|
运维 算法
【故障诊断】基于最小熵反卷积、最大相关峰度反卷积和最大二阶环平稳盲反卷积等盲反卷积方法在机械故障诊断中的应用研究(Matlab代码实现)
【故障诊断】基于最小熵反卷积、最大相关峰度反卷积和最大二阶环平稳盲反卷积等盲反卷积方法在机械故障诊断中的应用研究(Matlab代码实现)
|
7天前
|
机器学习/深度学习 传感器 算法
【高创新】基于优化的自适应差分导纳算法的改进最大功率点跟踪研究(Matlab代码实现)
【高创新】基于优化的自适应差分导纳算法的改进最大功率点跟踪研究(Matlab代码实现)
86 14

热门文章

最新文章