计及绿证交易及碳排放的含智能楼宇微网优化调度(Matlab代码实现)

简介: 计及绿证交易及碳排放的含智能楼宇微网优化调度(Matlab代码实现)

💥 💥 💞 💞 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

2.1 算例1

2.2 算例2

2.3 算例3

2.4 算例4

🎉3 参考文献

🌈4 Matlab代码、数据、文章讲解


💥1 概述

对于可再生能源电力消纳责任权重和绿色证书(Green Certificates,GC)交易机制的研究,文


献[10]建立了考虑非水可再生能源随机性的配额制绿证中长期二次交易模型,并通过算例展示了在配额制下非水可再生能源的流动方向。文献[11]在分析我国 GC 市场与电力市场联动特性和我国 GC 市场反身性特征的基础上,构建了适应我国国情的GC 价格机制模型,并提出了推动构建多层级协调运作的 GC 市场交易的政策建议。文献[12]引入“省间可再生能源交易商”的概念,代理省内消纳责任主体参与省间可再生能源市场向省外绿电商购电,建立省间可再生能源市场和省内电力市场的两级电力市场运营模式,并建立了基于配额制的两级电力市场优化运行模型,对于完成省内消纳责任和市场运行发挥了重要作用。上述文献多在交易模型、价格机制、政策建议、两级市场优化运行模型等方面对可再生能源电力消纳责任权重和绿色证书交易机制展开研究,但关于其对 RIES 运行优化结果影响的研究还十分欠缺。


当系统可再生能源电力消纳责任权重低于要求值时,消纳责任主体可以从绿证市场购买绿证作


为消纳量补充,而消纳责任权重高于要求值时可以售出绿证赚取收益[17],因此绿色证书交易收益或成本如下式所示。


f550c2d2c1283c5de912953dec4a1dca.gif


式中: pgc 为绿证市场价格(元/(kWh)); Qgc 为购买(正值)/出售(负值)的绿证量(kWh)。


可再生能源电力消纳责任权重约束


2019 年 5 月,为进一步促进可再生能源电力消纳,缓解“弃风弃光”等问题,国家发展改革委、


国家能源局正式发布了《关于建立健全可再生能源电力消纳保障机制的通知》(发改能源[2019]807 号),提出设定可再生能源电力消纳责任权重[18]。 在该政策背景下,文章考虑可再生能源电力消纳责任权重约束如式(36)~式(38),表示系统可再生能源电力消纳量与绿证交易量总和应不小于消纳责任权重规定下系统总电力消纳量:


1af470965187ef88b0bfad0bccfe43f2.gif


式中: w为可再生能源电力消纳责任权重; Etotal 、 Ere 分别为系统总电量和消纳可再生能源电量 (kWh)。


详细文章讲解见第4部分。


📚2 运行结果

2.1 算例1


d9bb930c5df1ff45aea14f9dda6bae92.png


a19c014f07cada7c19db7823f74c9648.png


e60a95f099a3c3c6290d26c67f781eec.png


e951ef34d02a4c63926f9fed48e7ec5f.png


a9d3718d8e6654adab61c39d61f22500.png


6916d31b18db68ff01fde625f2cfe6a2.png


648f0b60812a5fe2c4af8b563ad094bc.png


d862e59ca71aeceecb85545aea4f1e05.png


6d0c8ba91c3284f445cf623331f99474.png


f13369fa6a420d536c82dd0d7a9c7864.png


2.2 算例2

此部分只展现部分代码:


3738d216dae94283c85d1a5f8cff5ce7.png


dcd0909c8e4af9c94cedeebf8d58bdf3.png


025edc4820598c327ab683145c2a124a.png


2.3 算例3

部分结果图:


f3a6a56b910cd34e8b6e9cec81957e10.png


c85af721ed9eccb5963b3a431d2ae75f.png


e1b5c17d26560e585229f942d3388918.png


7143b74217ebfaef4bbd3c1481059012.png


488775d65aebf71f959afb0ccfbc1a73.png


cbd8ce0a37d5b7582b807a89294541a3.png


2.4 算例4


0cc43e1009be3a36fe4bb84cea015d34.png


04c0ab5c92f7bb8eb633503714cc6a4a.png


6044ab0aa5930fd2cd2cb2a485b8035e.png


cdbec667be392e07e69422571d01b404.png


%% 费用计算
F2=sum(a*xconv+kcp*pmt+yconv*sconv)%燃气轮机费用
F1=sum(pmgb.*xb-pmgs.*xs);%购售电费用
%电动汽车电池损耗费用
F4=1000*sum(2*(gdvr/0.9+0.228/1000*dvr))+1000*sum(2*(gdvb/0.9+0.228/1000*dvb))
%需求响应负荷费用
F3=sum(pil(1,:)*kil(1))+sum(pil(2,:)*kil(2))+sum(pil(3,:)*kil(3));
F5=cc*sum(ep-eq);%碳市场交易成本
F6=sum(cshift)%可转移负荷补偿费用
F7=sum(Cgc);%绿证交易收入


🎉3 参考文献

部分理论来源于网络,如有侵权请联系删除。

[1]曹雨微,郭晓鹏,董厚琦,王俐英,曾鸣.计及消纳责任权重的区域综合能源系统运行优化研究[J].华北电力大学学报(自然科学版),2022,49(03):84-95.


🌈4 Matlab代码、数据、文章讲解


相关文章
|
14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。
|
11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。
|
15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。
|
11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。
|
15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。
|
15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。
|
1月前
|
算法 调度
基于遗传模拟退火混合优化算法的车间作业最优调度matlab仿真,输出甘特图
车间作业调度问题(JSSP)通过遗传算法(GA)和模拟退火算法(SA)优化多个作业在并行工作中心上的加工顺序和时间,以最小化总完成时间和机器闲置时间。MATLAB2022a版本运行测试,展示了有效性和可行性。核心程序采用作业列表表示法,结合遗传操作和模拟退火过程,提高算法性能。
|
13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。
|
1月前
|
机器学习/深度学习 算法 调度
基于ACO蚁群优化的VRPSD问题求解matlab仿真,输出规划路径结果和满载率
基于ACO蚁群优化的VRPSD问题求解MATLAB仿真,输出ACO优化的收敛曲线、规划路径结果及每条路径的满载率。在MATLAB2022a版本中运行,展示了优化过程和最终路径规划结果。核心程序通过迭代搜索最优路径,更新信息素矩阵,确保找到满足客户需求且总行程成本最小的车辆调度方案。
|
2月前
|
人工智能 算法 数据安全/隐私保护
基于遗传优化的SVD水印嵌入提取算法matlab仿真
该算法基于遗传优化的SVD水印嵌入与提取技术,通过遗传算法优化水印嵌入参数,提高水印的鲁棒性和隐蔽性。在MATLAB2022a环境下测试,展示了优化前后的性能对比及不同干扰下的水印提取效果。核心程序实现了SVD分解、遗传算法流程及其参数优化,有效提升了水印技术的应用价值。