💥 💥 💞 💞 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
📚2 运行结果
🎉3 参考文献
🌈4 Matlab代码、数据、文章讲解
💥1 概述
文献来源：
摘要：针对大规模清洁能源接入电网引起的系统鲁棒性和经济性协调问题,提出含风–光–水–火多种能源的分布鲁棒动态最优潮流模型。采用分布鲁棒优化方法将风光不确定性描述为包含概率分布信息的模糊不确定集。将模糊不确定集构造为一个以风光预测误差经验分布为中心,以Wasserstein距离为半径的Wasserstein球。在满足风光预测误差服从模糊不确定集中极端概率分布情况下最小化运行费用。由于梯级水电厂模型为混合整数模型,为了提高计算效率,将交流潮流近似为解耦线性潮流。最后,某703节点实际电力系统的仿真结果表明,所提方法可以通过控制样本大小和Wasserstein半径置信度的方法有效平衡系统的鲁棒性与经济性。
关键词：
鲁棒优化;最优潮流;数据驱动;多源电力系统;不确定性;
随着可再生能源发电和市场自由化的深入发展，电力系统运行点变得越来越不确定[1]。目前系
统负荷已经可以被精确预测，但风电和光伏发电预测则远远达不到保障电网安全运行的要求。火电机组生产成本高，且急剧升降时需要付出附加燃料消耗的代价。而水电由于其成本低廉，调节迅速等特点通常用于快速响应风电和光伏的变化。在日前调度中考虑多种能源之间的互补特性有助于减少风光不确定性的影响和提高系统运行的可靠性。因此，研究风–光–水–火多种能源的协同优化，并发展有效的不确定性优化方法及求解技术是当前研究人员亟需解决的关键问题。 如何处理风光的不确定性是多源协同优化问题的重要难点之 一 ，随机优化 (stochastic optimization，SO)是一种有效的方法。其假设风光出力误差服从某一确定的概率分布，并以最小化发电费用期望等为目标函数从而建立满足一定概率水平约束的随机优化模型。目前该方法已被用于经济调度、机组组合[2-4]、最优备用容量[5-6]等问题中。研究表明，根据随机规划求得的策略在不确定条件下能够使目标的期望达到一定的效果。但是，随机优化建模需要知完整的不确定参数概率分布信息。对于风光预测误差，在实际当中很难获取。
文章讲解见第4部分。
📚2 运行结果
IEEE118节点图：
原文图：
代码运行图：
原文图：
复现图：
🎉3 参考文献
部分理论来源于网络，如有侵权请联系删除。
[1]竺如洁,韦化,白晓清.多源动态最优潮流的分布鲁棒优化方法[J].中国电机工程学报,2020,40(11):3489-3498.DOI:10.13334/j.0258-8013.pcsee.190665.
