💥 💥 💞 💞 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 日前
2.2 日内滚动
🎉3 参考文献
🌈4 Matlab代码、数据、文章讲解
💥1 概述
在日前计划中，使用多场景方法描述风电功率的不确定 性。假定风电功率服从正态分 布 Ｎ （μ，
δ２），预测风电功率期望值为μ，其波 动的百分比［２４］为δ。 采 用 拉 丁 超 立 方 抽 样 ＬＨＳ）［２５］方法，生成大量服从概率分布约束的风电 出 力 场 景，然 后 采 用 考 虑距离的场景削减方法对场景进行削减。导出具有相应概率的减少后的场景。太阳能功率的不确定性也可用上述多场景方法描述。最后获取风力和太阳能发电的１０个代表性场景及其相应的概率Ｐｓ，ｓ＝１，２，…，１０。
日内滚动优化调度分为上下两层结构，上层用于平抑调度时长较长的冷热能功率波动，控制时域
为１ｈ，调度时间窗口为２ｈ；下层用于平抑调度时长较短的电能功率波动，控制时域选取为５ｍｉｎ，调度时间窗口为１ｈ。如图２所示，在ｔ０ 时刻，系统预测冷热能ｔ０＋１至ｔ０＋３时段数据，并调整ｔ０＋１至 ｔ０＋２ 时段内各联供设备计划出力值。而 与 此 同时，在ｔ０ 时刻，系 统 预 测 电 能ｔ０ ＋Ｎ 至ｔ０ ＋１＋Ｎ时段数据，并调度设备平抑ｔ０＋Ｎ 至ｔ０＋２Ｎ 时段的系统电功率波动。因此，由于调度时间窗口的差异，导致冷热能的调度先于电能调度，从而使电能调度和冷热能调度能够分开进行。
日前基于神经网络预测，
日内基于日前预测曲线的正态分布(方差较大)，
实时基于日内曲线的正态分布(方差较小)。
这样一来，基础的源荷数据在各个时间尺度就都有了变化，就不会出现说日前、日内、实时三种调度方案结果一样的尴尬情景了。
其次就是确定在各个时间尺度，确定哪些变量的值。
提一句，每个时间尺度都是所有变量都参与调度，只不过越细分就有越多的变量的值被提前确定了而已。
日前：所有变量都是未知变量、确定涉及到配电网重构的联络线开关的状态、确定火电机组的启停状态、确定日前的A类可平移类型需求响应资源的变量值。调度方案为常规的日前24小时最优调度。
(确定市场议价这里你们可以加)、（确定受电价弹性系数矩阵影响的柔性负荷的值）。
日内：把日前确定的变量值作为常值带入，继续确定火电机组的准确出力、B类可中断负荷的变量值、确定OLTC、CB的挡位。
📚2 运行结果
2.1 日前
2.2 日内滚动
以上仅展现部分结果图。
🎉3 参考文献
部分理论来源于网络，如有侵权请联系删除。
[1]程杉,黄天力,魏荣宗.含冰蓄冷空调的冷热电联供型微网多时间尺度优化调度[J].电力系统自动化,2019,43(05):30-38.
[2]金力,房鑫炎,蔡振华,陈东海,李亦凡.考虑特性分布的储能电站接入的电网多时间尺度源储荷协调调度策略[J].电网技术,2020,44(10):3641-3650.DOI:10.13335/j.1000-3673.pst.2020.0330.
