基于共享储能电站的工业用户日前优化经济调度(Matlab代码实现)

简介: 储能技术广泛应用于调频、调峰、平抑可再生能源出力波动、需求侧响应、提高用户可靠性等领域,对能源互联网的发展起到重要支撑作用。通过储能系统在电网电价谷时段存储电能,在电价峰时段释放电能供给用户,可以为用户节省用电成本,同时缓解电网调峰压力[2,3,4]。国家和地方政府大力推广储能技术的应用,储能的发展前景广阔。


💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势:🌞🌞🌞博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。

⛳️座右铭:行百里者,半于九十。

📋📋📋本文目录如下:🎁🎁🎁

目录

💥1 概述

1.1 共享储能电站概念及运营模式

1.2 基于共享储能的优化调度模型

📚2 运行结果

2.1 场景分析

2.2 接入共享储能电站优化结果分析

🌈3 Matlab代码实现

🎉4 参考文献


image.gif

💥1 概述

文献来源:

image.gif

储能技术广泛应用于调频、调峰、平抑可再生能源出力波动、需求侧响应、提高用户可靠性等领域,对能源互联网的发展起到重要支撑作用。通过储能系统在电网电价谷时段存储电能,在电价峰时段释放电能供给用户,可以为用户节省用电成本,同时缓解电网调峰压力[2,3,4]。国家和地方政府大力推广储能技术的应用,储能的发展前景广阔。


目前关于共享储能的研究处于起步阶段,现有的工作以共享储能系统为主要研究对象,分析共享储能系统的商业模式和盈利情况,没有对用户参与共享储能系统的充放电行为和经济效益做深入研究。

本文在用户群间引入共享储能电站,建立以用户群日运行成本最优为目标的优化调度模型,分析用户群接入共享储能电站后的充放电行为和经济效益,并对共享储能电站的投资回收年限等经济性指标与服务费定价关系做出进一步的研究。

1.1 共享储能电站概念及运营模式

共享储能电站的概念如图 1 所示,储能电站运营商利用资金优势在用户群间建立大型共享储能电站,对储能电站进行统一运营管理,为同一配电网区域内的多个用户提供共享储能服务。

image.gif

1.2 基于共享储能的优化调度模型

image.gif

image.gif

image.gif

📚2 运行结果

2.1 场景分析

image.gif

CPXPARAM_Simplex_Display                         2
CPXPARAM_MIP_Tolerances_MIPGap                   9.9999999999999995e-07
CPXPARAM_Barrier_Display                         2
Tried aggregator 3 times.
MIP Presolve eliminated 479 rows and 53 columns.
Aggregator did 159 substitutions.
Reduced MIP has 373 rows, 229 columns, and 1198 nonzeros.
Reduced MIP has 46 binaries, 0 generals, 0 SOSs, and 0 indicators.
Presolve time = 0.02 sec. (1.67 ticks)
Found incumbent of value 4919.153611 after 0.03 sec. (2.56 ticks)
Probing fixed 0 vars, tightened 46 bounds.
Probing time = 0.00 sec. (0.05 ticks)
Tried aggregator 1 time.
MIP Presolve eliminated 256 rows and 147 columns.
MIP Presolve modified 64 coefficients.
Reduced MIP has 117 rows, 82 columns, and 396 nonzeros.
Reduced MIP has 17 binaries, 0 generals, 0 SOSs, and 0 indicators.
Presolve time = 0.00 sec. (0.31 ticks)
Probing time = 0.00 sec. (0.01 ticks)
Tried aggregator 1 time.
Reduced MIP has 117 rows, 82 columns, and 396 nonzeros.
Reduced MIP has 17 binaries, 0 generals, 0 SOSs, and 0 indicators.
Presolve time = 0.02 sec. (0.19 ticks)
Probing time = 0.00 sec. (0.01 ticks)
MIP emphasis: balance optimality and feasibility.
MIP search method: dynamic search.
Parallel mode: deterministic, using up to 16 threads.
Root relaxation solution time = 0.00 sec. (0.29 ticks)
        Nodes                                         Cuts/
   Node  Left     Objective  IInf  Best Integer    Best Bound    ItCnt     Gap
*     0+    0                         2776.7029     2633.8312             5.15%
      0     0        cutoff           2776.7029                     24    0.00%
Root node processing (before b&c):
  Real time             =    0.05 sec. (7.26 ticks)
Parallel b&c, 16 threads:
  Real time             =    0.00 sec. (0.00 ticks)
  Sync time (average)   =    0.00 sec.
  Wait time (average)   =    0.00 sec.
                          ------------
Total (root+branch&cut) =    0.05 sec. (7.26 ticks)
----------用户A部分------------
最优储能容量规划值为 : 2796.5625 kWh
最优储能充放电功率最大值为 : 590 kW
----------用户B部分------------
最优储能容量规划值为 : 739.2434 kWh
最优储能充放电功率最大值为 : 130 kW
----------用户C部分------------
最优储能容量规划值为 : 698.0099 kWh
最优储能充放电功率最大值为 : 80 kW
>>

image.gif

CPXPARAM_Simplex_Display                         2

CPXPARAM_MIP_Tolerances_MIPGap                   9.9999999999999995e-07

CPXPARAM_Barrier_Display                         2

Tried aggregator 3 times.

MIP Presolve eliminated 479 rows and 53 columns.

Aggregator did 159 substitutions.

Reduced MIP has 373 rows, 229 columns, and 1198 nonzeros.

Reduced MIP has 46 binaries, 0 generals, 0 SOSs, and 0 indicators.

Presolve time = 0.02 sec. (1.67 ticks)

Found incumbent of value 4919.153611 after 0.03 sec. (2.56 ticks)

Probing fixed 0 vars, tightened 46 bounds.

Probing time = 0.00 sec. (0.05 ticks)

Tried aggregator 1 time.

MIP Presolve eliminated 256 rows and 147 columns.

MIP Presolve modified 64 coefficients.

Reduced MIP has 117 rows, 82 columns, and 396 nonzeros.

Reduced MIP has 17 binaries, 0 generals, 0 SOSs, and 0 indicators.

Presolve time = 0.00 sec. (0.31 ticks)

Probing time = 0.00 sec. (0.01 ticks)

Tried aggregator 1 time.

Reduced MIP has 117 rows, 82 columns, and 396 nonzeros.

Reduced MIP has 17 binaries, 0 generals, 0 SOSs, and 0 indicators.

Presolve time = 0.02 sec. (0.19 ticks)

Probing time = 0.00 sec. (0.01 ticks)

MIP emphasis: balance optimality and feasibility.

MIP search method: dynamic search.

Parallel mode: deterministic, using up to 16 threads.

Root relaxation solution time = 0.00 sec. (0.29 ticks)

       Nodes                                         Cuts/

  Node  Left     Objective  IInf  Best Integer    Best Bound    ItCnt     Gap

*     0+    0                         2776.7029     2633.8312             5.15%

     0     0        cutoff           2776.7029                     24    0.00%

Root node processing (before b&c):

 Real time             =    0.05 sec. (7.26 ticks)

Parallel b&c, 16 threads:

 Real time             =    0.00 sec. (0.00 ticks)

 Sync time (average)   =    0.00 sec.

 Wait time (average)   =    0.00 sec.

                         ------------

Total (root+branch&cut) =    0.05 sec. (7.26 ticks)

----------用户A部分------------

最优储能容量规划值为 : 2796.5625 kWh

最优储能充放电功率最大值为 : 590 kW

----------用户B部分------------

最优储能容量规划值为 : 739.2434 kWh

最优储能充放电功率最大值为 : 130 kW

----------用户C部分------------

最优储能容量规划值为 : 698.0099 kWh

最优储能充放电功率最大值为 : 80 kW

>>

2.2 接入共享储能电站优化结果分析

image.gif

image.gif

image.gif

image.gif

Aggregator did 91 substitutions.

Reduced MIP has 259 rows, 277 columns, and 858 nonzeros.

Reduced MIP has 69 binaries, 0 generals, 0 SOSs, and 0 indicators.

Presolve time = 0.02 sec. (1.05 ticks)

Probing fixed 9 vars, tightened 111 bounds.

Probing time = 0.00 sec. (0.09 ticks)

Cover probing fixed 1 vars, tightened 28 bounds.

Tried aggregator 2 times.

MIP Presolve eliminated 81 rows and 66 columns.

MIP Presolve modified 132 coefficients.

Aggregator did 6 substitutions.

Reduced MIP has 172 rows, 205 columns, and 568 nonzeros.

Reduced MIP has 59 binaries, 0 generals, 0 SOSs, and 0 indicators.

Presolve time = 0.00 sec. (0.42 ticks)

Probing fixed 0 vars, tightened 9 bounds.

Probing time = 0.00 sec. (0.04 ticks)

Tried aggregator 1 time.

MIP Presolve eliminated 1 rows and 0 columns.

MIP Presolve modified 9 coefficients.

Reduced MIP has 171 rows, 205 columns, and 565 nonzeros.

Reduced MIP has 59 binaries, 0 generals, 0 SOSs, and 0 indicators.

Presolve time = 0.00 sec. (0.33 ticks)

Probing time = 0.00 sec. (0.04 ticks)

Clique table members: 7.

MIP emphasis: balance optimality and feasibility.

MIP search method: dynamic search.

Parallel mode: deterministic, using up to 16 threads.

Root relaxation solution time = 0.00 sec. (0.43 ticks)

       Nodes                                         Cuts/

  Node  Left     Objective  IInf  Best Integer    Best Bound    ItCnt     Gap

*     0     0      integral     0     2202.4575     2202.4575       20    0.00%

Elapsed time = 0.02 sec. (4.91 ticks, tree = 0.00 MB, solutions = 1)

Root node processing (before b&c):

 Real time             =    0.02 sec. (4.93 ticks)

Parallel b&c, 16 threads:

 Real time             =    0.00 sec. (0.00 ticks)

 Sync time (average)   =    0.00 sec.

 Wait time (average)   =    0.00 sec.

                         ------------

Total (root+branch&cut) =    0.02 sec. (4.93 ticks)

🌈3 Matlab代码实现

链接:https://pan.baidu.com/s/11nW6qsFND4q96XzUEPXRyA 

提取码:yyqh

--来自百度网盘超级会员V3的分享

🎉4 参考文献

部分理论来源于网络,如有侵权请联系删除。

[1]李淋,徐青山,王晓晴,凌静,孙海翔.基于共享储能电站的工业用户日前优化经济调度[J].电力建设,2020,41(05):100-107.

相关文章
|
20天前
|
算法
基于GA遗传算法的PID控制器参数优化matlab建模与仿真
本项目基于遗传算法(GA)优化PID控制器参数,通过空间状态方程构建控制对象,自定义GA的选择、交叉、变异过程,以提高PID控制性能。与使用通用GA工具箱相比,此方法更灵活、针对性强。MATLAB2022A环境下测试,展示了GA优化前后PID控制效果的显著差异。核心代码实现了遗传算法的迭代优化过程,最终通过适应度函数评估并选择了最优PID参数,显著提升了系统响应速度和稳定性。
|
18天前
|
算法
基于WOA鲸鱼优化的购售电收益与风险评估算法matlab仿真
本研究提出了一种基于鲸鱼优化算法(WOA)的购售电收益与风险评估算法。通过将售电公司购售电收益风险计算公式作为WOA的目标函数,经过迭代优化计算出最优购电策略。实验结果表明,在迭代次数超过10次后,风险价值收益优化值达到1715.1万元的最大值。WOA还确定了中长期市场、现货市场及可再生能源等不同市场的最优购电量,验证了算法的有效性。核心程序使用MATLAB2022a实现,通过多次迭代优化,实现了售电公司收益最大化和风险最小化的目标。
|
21天前
|
算法
通过matlab分别对比PSO,反向学习PSO,多策略改进反向学习PSO三种优化算法
本项目使用MATLAB2022A版本,对比分析了PSO、反向学习PSO及多策略改进反向学习PSO三种优化算法的性能,主要通过优化收敛曲线进行直观展示。核心代码实现了标准PSO算法流程,加入反向学习机制及多种改进策略,以提升算法跳出局部最优的能力,增强全局搜索效率。
|
18天前
|
算法
通过matlab对比遗传算法优化前后染色体的变化情况
该程序使用MATLAB2022A实现遗传算法优化染色体的过程,通过迭代选择、交叉和变异操作,提高染色体适应度,优化解的质量,同时保持种群多样性,避免局部最优。代码展示了算法的核心流程,包括适应度计算、选择、交叉、变异等步骤,并通过图表直观展示了优化前后染色体的变化情况。
|
21天前
|
算法
基于大爆炸优化算法的PID控制器参数寻优matlab仿真
本研究基于大爆炸优化算法对PID控制器参数进行寻优,并通过Matlab仿真对比优化前后PID控制效果。使用MATLAB2022a实现核心程序,展示了算法迭代过程及最优PID参数的求解。大爆炸优化算法通过模拟宇宙大爆炸和大收缩过程,在搜索空间中迭代寻找全局最优解,特别适用于PID参数优化,提升控制系统性能。
|
21天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于贝叶斯优化CNN-GRU网络的数据分类识别算法matlab仿真
本项目展示了使用MATLAB2022a实现的贝叶斯优化、CNN和GRU算法优化效果。优化前后对比显著,完整代码附带中文注释及操作视频。贝叶斯优化适用于黑盒函数,CNN用于时间序列特征提取,GRU改进了RNN的长序列处理能力。
|
20天前
|
算法 决策智能
基于遗传优化算法的TSP问题求解matlab仿真
本项目使用遗传算法解决旅行商问题(TSP),目标是在四个城市间找到最短路径。算法通过编码、选择、交叉、变异等步骤,在MATLAB2022A上实现路径优化,最终输出最优路径及距离。
|
4月前
|
安全
【2023高教社杯】D题 圈养湖羊的空间利用率 问题分析、数学模型及MATLAB代码
本文介绍了2023年高教社杯数学建模竞赛D题的圈养湖羊空间利用率问题,包括问题分析、数学模型建立和MATLAB代码实现,旨在优化养殖场的生产计划和空间利用效率。
224 6
【2023高教社杯】D题 圈养湖羊的空间利用率 问题分析、数学模型及MATLAB代码
|
4月前
|
存储 算法 搜索推荐
【2022年华为杯数学建模】B题 方形件组批优化问题 方案及MATLAB代码实现
本文提供了2022年华为杯数学建模竞赛B题的详细方案和MATLAB代码实现,包括方形件组批优化问题和排样优化问题,以及相关数学模型的建立和求解方法。
141 3
【2022年华为杯数学建模】B题 方形件组批优化问题 方案及MATLAB代码实现
|
4月前
|
数据采集 存储 移动开发
【2023五一杯数学建模】 B题 快递需求分析问题 建模方案及MATLAB实现代码
本文介绍了2023年五一杯数学建模竞赛B题的解题方法,详细阐述了如何通过数学建模和MATLAB编程来分析快递需求、预测运输数量、优化运输成本,并估计固定和非固定需求,提供了完整的建模方案和代码实现。
110 0
【2023五一杯数学建模】 B题 快递需求分析问题 建模方案及MATLAB实现代码