考虑“源-荷-储”协同互动的主动配电网优化调度研究附Matlab代码

简介: 考虑“源-荷-储”协同互动的主动配电网优化调度研究附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        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机

⛄ 内容介绍

伴随智能电网的建设和清洁能源的开发利用,配电网中的负荷类型呈现多元化发展,分布式电源、可控负荷、储能等资源的增加让单向潮流的传统配电网逐渐向双向潮流的主动配电网结构转变。在能源结构转变的同时,清洁能源自身的随机性和波动性给配电网带来了更大的调峰压力,电力系统的安全稳定运行面临巨大的挑战。综合利用配电网内部的主动负荷资源参与优化调度,对提高电力系统供电可靠性和推进清洁能源发展有重要意义。本文旨在建立一种综合考虑主动配电网内部“源”、“荷”、“储”各类发用电资源的优化调度模型,降低配电网调度压力,提高能源利用率,增加清洁能源的消纳水平,并通过典型算例验证其可行性。首先,对主动配电网的架构和关键技术进行了介绍,并对主动配电网内部的分布式电源、需求侧负荷资源以及储能设备的发用电结构和特性进行研究分析。结合可控负荷与储能资源的响应策略、约束、成本等分别建立响应模型,提出了“源-荷-储”协同互动的两阶段优化调度策略。其次,建立了主动配电网优化调度模型,以配电网运行可靠性和经济性最优为目标函数,考虑了网络平衡约束、分布式电源功率约束、用户用电满意度约束以及储能系统的充放电功率约束等作为约束条件。在粒子群算法基础上采用理想点法求解多目标优化问题。最后,用IEEE-33节点系统作为算例,验证了优化调度模型与算法的可行性和正确性。通过与单一控制策略:“源-荷”协同响应、“源-储”协同响应优化结果进行对比分析,综合考虑“源-荷-储”协同响应的控制策略能更充分的利用配电网中各类资源,优化效果最好。参与优化调度的储能系统充放电切换频繁,增加了储能资源调用成本,提出了双储能运行策略,在原储能系统的出力计划不变的前提下,可大幅减少储能系统充放循环次数,延长系统使用寿命,并有效提高配电网优化调度的经济性。

⛄ 部分代码

%% 参数

% 风光热电

Ppv = [0, 0, 0, 0, 0, 0, 2.52, 10.08, 16.38, 25.2, 28.98, 30.24, 28.98, 26.46, 21.42, 16.38, 11.34, 2.52, 0 , 0, 0, 0, 0, 0];

Pwt = [32.76, 37.8, 41.57, 39.06, 35.28, 15.12, 17.64, 21.42, 25.2, 15.12, 7.56, 11.34, 6.3, 5.04, 17.64, 21.42, 34.02, 34.02, 22.68, 18.9, 20.16, 20.16, 30.24, 39.06];

Phe = [128.5, 132.28, 139.84, 129.76, 134.8, 127.24, 123.47, 119.69, 119.69, 112.13, 100.79, 89.45, 79.37, 66.77, 76.85, 85.67, 104.57, 114.65, 127.24, 146.14, 141.1, 134.8, 131.02, 129.76];

Pl = [62.99, 57.95, 55.43, 51.65, 50.39, 62.99, 81.89, 97.01, 117.17, 127.24, 123.47, 108.35, 99.53, 93.23, 97.01, 109.61, 118.4, 122.21, 129.76, 136.06, 125.98, 105.83, 89.45, 66.77];

Cm_pv = 0.0235;

Cm_wt = 0.0196;


% 电网买卖电价

Crb = [0.17, 0.17, 0.17, 0.17, 0.17, 0.17, 0.17, 0.49, 0.49, 0.49, 0.83, 0.83, 0.83, 0.83, 0.83, 0.49, 0.49, 0.49, 0.83, 0.83, 0.83, 0.49, 0.49, 0.17];

Crs = [0.13, 0.13, 0.13, 0.13, 0.13, 0.13, 0.13, 0.38, 0.38, 0.38, 0.65, 0.65, 0.65, 0.65, 0.65, 0.38, 0.38, 0.38, 0.65, 0.65, 0.65, 0.38, 0.38, 0.13];

Pgrid_min = -60;

Pgrid_max = 60;


% 燃气轮机

Pmt_min = 15;

Pmt_max = 65;

Rmt_down = -5;

Rmt_up = 10;

Cm_mt = 0.025;

eta_l = 0.15;

eta_h = 0.9;

Coph = 1.2;

eta_mt = [0.281511485,0.279660704,0.274107223,0.281714324,0.285366323,0.282392617,0.278652065,0.273527594,0.265437288,0.263784876,0.253341649,0.240684731,0.225559863,0.219695875,0.23198922,0.233347706,0.236346234,0.259440614,0.273964246,0.283534984,0.278375758,0.271587717,0.262965241,0.252302695];

Cst_mt = 1.94;


% 电锅炉

Peb_min = 0;

Peb_max = 50;

Reb_down = -3;  

Reb_up = 5;

eta_ah = 0.85;  %热电转换效率

Cm_eb = 0.016;

Cst_eb = 2.74;


% 燃料电池

Pfc_min = 5;

Pfc_max = 40;

Rfc_down = -2;

Rfc_up = 2;

Cm_fc = 0.026;

eta_fc = [0.633102762,0.630810014,0.626210435,0.622515243,0.619496279,0.615849659,0.614475289,0.609895576,0.606003752,0.602201083,0.599696666,0.595793234,0.595413236,0.593021958,0.595233072,0.599833088,0.604433107,0.60902944,0.613626799,0.618226815,0.62282674,0.627426773,0.632026849,0.636626883];

Cst_fc = 1.2;


% 电储能

tau_b = 0.001;

eta_bch = 0.9;

eta_bdis = 0.9;

Eb_init = 30;

Eb_min = 0.2*150;

Eb_max = 0.8*150;

Cm_Eb = 0.0018;

Pbch_min=0;       % 电储能充电

Pbch_max=37.5;

Pbdis_min=0;     % 电储能放电

Pbdis_max=37.5;


% 热储能

tau_h = 0.01;

eta_hch = 0.9;

eta_hdis = 0.9;

Eh_init = 0.2*100;

Eh_min = 0.1*100;

Eh_max = 0.8*100;

Cm_Eh = 0.0016;

Phch_min=0;     % 热储能储热

Phch_max=25;

Phdis_min=0;    % 热储能放热

Phdis_max=25;


% 单价系数

Cgas = 2.5;

L_gas = 9.7;

Uinit = 0;

Che = 0.1;          % 制热收益系数

⛄ 运行结果

⛄ 参考文献

[1]诸晓骏. 考虑电动汽车有序充电的主动配电网源网荷优化调度研究[D]. 东南大学, 2016.

[2]邢海军, 洪绍云, 范宏,等. 面向"源-网-荷-储"的主动配电网优化重构及协调调度研究[J]. 电力建设, 2018, 39(8):6.

⛳️ 完整代码

❤️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
|
2天前
|
传感器 机器学习/深度学习 算法
基于GA遗传算法的WSN网络节点覆盖优化matlab仿真
本研究应用遗传优化算法于无线传感器网络(WSN),优化节点布局与数量,以最小化节点使用而最大化网络覆盖率。MATLAB2022a环境下,算法通过选择、交叉与变异操作,逐步改进节点配置,最终输出收敛曲线展现覆盖率、节点数及适应度值变化。无线传感器网络覆盖优化问题通过数学建模,结合遗传算法,实现目标区域有效覆盖与网络寿命延长。算法设计中,采用二进制编码表示节点状态,适应度函数考量覆盖率与连通性,通过选择、交叉和变异策略迭代优化,直至满足终止条件。
|
11天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于PSO粒子群优化的CNN-GRU的时间序列回归预测matlab仿真
- **算法理论:** 利用PSO优化的CNN-GRU,结合CNN的特征提取和GRU的记忆机制,进行时间序列预测。 - **CNN:** 通过卷积捕获序列的结构信息。 - **GRU:** 简化的LSTM,处理序列依赖。 - **预测步骤:** 1. 初始化粒子群,每粒子对应一组模型参数。 2. 训练并评估CNN-GRU模型的验证集MSE。 3. 使用PSO更新参数,寻找最佳配置。 4. 迭代优化直至满足停止准则。 ```
|
7天前
|
算法
基于粒子群优化的图像融合算法matlab仿真
这是一个基于粒子群优化(PSO)的图像融合算法,旨在将彩色模糊图像与清晰灰度图像融合成彩色清晰图像。在MATLAB2022a中测试,算法通过PSO求解最优融合权值参数,经过多次迭代更新粒子速度和位置,以优化融合效果。核心代码展示了PSO的迭代过程及融合策略。最终,使用加权平均法融合图像,其中权重由PSO计算得出。该算法体现了PSO在图像融合领域的高效性和融合质量。
|
7天前
|
传感器 算法 数据安全/隐私保护
基于鲸鱼优化的DSN弱栅栏覆盖算法matlab仿真
```markdown 探索MATLAB2022a中WOA与DSN弱栅栏覆盖的创新融合,模拟鲸鱼捕食策略解决传感器部署问题。算法结合“搜索”、“包围”、“泡沫网”策略,优化节点位置以最大化复杂环境下的区域覆盖。目标函数涉及能量效率、网络寿命、激活节点数、通信质量及覆盖率。覆盖评估基于覆盖半径比例,旨在最小化未覆盖区域。 ```
|
19天前
|
机器学习/深度学习 算法 调度
Matlab|基于改进鲸鱼优化算法的微网系统能量优化管理matlab-源码
基于改进鲸鱼优化算法的微网系统能量管理源码实现,结合LSTM预测可再生能源和负荷,优化微网运行成本与固定成本。方法应用于冷热电联供微网,结果显示经济成本平均降低4.03%,提高经济效益。代码包括数据分段、LSTM网络定义及训练,最终展示了一系列运行结果图表。
|
11天前
|
存储 传感器 算法
基于ACO蚁群优化算法的WSN网络路由优化matlab仿真
摘要(Markdown格式): - 📈 ACO算法应用于WSN路由优化,MATLAB2022a中实现,动态显示迭代过程,输出最短路径。 - 🐜 算法模拟蚂蚁寻找食物,信息素更新与蚂蚁选择策略确定路径。信息素增量Δτ += α*τ*η,节点吸引力P ∝ τ / d^α。 - 🔁 算法流程:初始化→蚂蚁路径选择→信息素更新→判断结束条件→输出最优路由。优化WSN能量消耗,降低传输成本。
|
19天前
|
机器学习/深度学习 算法
基于PSO粒子群优化的CNN-LSTM的时间序列回归预测matlab仿真
**算法预览图省略** - **软件版本**: MATLAB 2022a - **核心代码片段**略 - **PSO-CNN-LSTM概览**: 结合深度学习与优化,解决复杂时间序列预测。 - **CNN**利用卷积捕获时间序列的空间特征。 - **LSTM**通过门控机制处理长序列依赖,避免梯度问题。 - **流程**: 1. 初始化粒子群,每个粒子对应CNN-LSTM参数。 2. 训练模型,以验证集MSE评估适应度。 3. 使用PSO更新粒子参数,寻找最佳配置。 4. 迭代优化直到满足停止条件,如最大迭代次数或找到优良解。
|
2月前
|
数据安全/隐私保护
耐震时程曲线,matlab代码,自定义反应谱与地震波,优化源代码,地震波耐震时程曲线
地震波格式转换、时程转换、峰值调整、规范反应谱、计算反应谱、计算持时、生成人工波、时频域转换、数据滤波、基线校正、Arias截波、傅里叶变换、耐震时程曲线、脉冲波合成与提取、三联反应谱、地震动参数、延性反应谱、地震波缩尺、功率谱密度
基于混合整数规划的微网储能电池容量规划(matlab代码)
基于混合整数规划的微网储能电池容量规划(matlab代码)
|
2月前
|
算法 调度
含多微网租赁共享储能的配电网博弈优化调度(含matlab代码)
含多微网租赁共享储能的配电网博弈优化调度(含matlab代码)

热门文章

最新文章