【配电网重构】基于混合整数二阶锥配电网重构研究(Matlab代码实现)

简介: 【配电网重构】基于混合整数二阶锥配电网重构研究(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,a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代码实现


💥1 概述

随着经济快速增长,电力需求急剧增加,这给输配电网带来了巨大的扩容投资压力[1]。电力系统高峰负荷十分集中,要满足尖峰段负荷需求, 就必须加大系统容量建设,这不仅带来了巨大的投资要求,也使得电网现有的设备利用率低下,部分设备只在高峰时段运行。配电网多采用环状结构,开环运行,在配电线路沿馈线设有一定数量的常闭分段开关,馈线之间装有常开的联络开关。配电网重构技术不需增加额外投资,只需调整配电网中的开关状态,就可达到优化运行结构、平衡电力负荷、降低网络损耗、提高 电 压 质 量 的 目 的。理论上,任 何 一 个 配电网都存在一个最优的网络结构,在这个最优结构下,各负荷点的运行电压、网络损耗和负荷平衡的协调均优于其


他可行方案。当负荷变化时,这个最优结构也将变化,因此计算出这个最优结构,以使配电网尽可能地运行在最优状态。


主动配电网进行网络重构的目标有多种,主要包括:降低网络有功损耗,降低系统一定时间段内能量损耗,使线路负载均衡,提高系统供电可靠性,以及提高电压稳定性等。对应的优化目标函数可以用如下数学形式进行表示。


a381ccb224a543cc9e791a1ca2bac869.png

0ebf9111be214e05a044c1596707be45.png


📚2 运行结果


50943696e03546b9a0118fc3778c979f.png

1374db510cdb4c2a82cf3171092bcfaa.png

b68aa0a07d6a4399a8539c89422682a9.png


IEEE33节点:

function mpc = IEEE33
%% MATPOWER Case Format : Version 2
mpc.version = '2';
%%-----  Power Flow Data  -----%%
%% system MVA base
mpc.baseMVA = 10;
%% bus data
% bus_i type  Pd  Qd  Gs  Bs  area  Vm  Va  baseKV  zone  Vmax  Vmin
mpc.bus = [ %% (Pd and Qd are specified in kW & kVAr here, converted to MW & MVAr below)
  1 3 0 0 0 0 1 1 0 12.66 1 1 1;
  2 1 100 60  0 0 1 1 0 12.66 1 1.1 0.9;
  3 1 90  40  0 0 1 1 0 12.66 1 1.1 0.9;
  4 1 120 80  0 0 1 1 0 12.66 1 1.1 0.9;
  5 1 60  30  0 0 1 1 0 12.66 1 1.1 0.9;
  6 1 60  20  0 0 1 1 0 12.66 1 1.1 0.9;
  7 1 200 100 0 0 1 1 0 12.66 1 1.1 0.9;
  8 1 200 100 0 0 1 1 0 12.66 1 1.1 0.9;
  9 1 60  20  0 0 1 1 0 12.66 1 1.1 0.9;
  10  1 60  20  0 0 1 1 0 12.66 1 1.1 0.9;
  11  1 45  30  0 0 1 1 0 12.66 1 1.1 0.9;
  12  1 60  35  0 0 1 1 0 12.66 1 1.1 0.9;
  13  1 60  35  0 0 1 1 0 12.66 1 1.1 0.9;
  14  1 120 80  0 0 1 1 0 12.66 1 1.1 0.9;
  15  1 60  10  0 0 1 1 0 12.66 1 1.1 0.9;
  16  1 60  20  0 0 1 1 0 12.66 1 1.1 0.9;
  17  1 60  20  0 0 1 1 0 12.66 1 1.1 0.9;
  18  1 90  40  0 0 1 1 0 12.66 1 1.1 0.9;
  19  1 90  40  0 0 1 1 0 12.66 1 1.1 0.9;
  20  1 90  40  0 0 1 1 0 12.66 1 1.1 0.9;
  21  1 90  40  0 0 1 1 0 12.66 1 1.1 0.9;
  22  1 90  40  0 0 1 1 0 12.66 1 1.1 0.9;
  23  1 90  50  0 0 1 1 0 12.66 1 1.1 0.9;
  24  1 420 200 0 0 1 1 0 12.66 1 1.1 0.9;
  25  1 420 200 0 0 1 1 0 12.66 1 1.1 0.9;
  26  1 60  25  0 0 1 1 0 12.66 1 1.1 0.9;
  27  1 60  25  0 0 1 1 0 12.66 1 1.1 0.9;
  28  1 60  20  0 0 1 1 0 12.66 1 1.1 0.9;
  29  1 120 70  0 0 1 1 0 12.66 1 1.1 0.9;
  30  1 200 600 0 0 1 1 0 12.66 1 1.1 0.9;
  31  1 150 70  0 0 1 1 0 12.66 1 1.1 0.9;
  32  1 210 100 0 0 1 1 0 12.66 1 1.1 0.9;
  33  1 60  40  0 0 1 1 0 12.66 1 1.1 0.9;
];
%% generator data
% bus Pg  Qg  Qmax  Qmin  Vg  mBase status  Pmax  Pmin  Pc1 Pc2 Qc1min  Qc1max  Qc2min  Qc2max  ramp_agc  ramp_10 ramp_30 ramp_q  apf
mpc.gen = [
  1 0 0 10  -10 1 100 1 10  0 0 0 0 0 0 0 0 0 0 0 0;
];
%% branch data
% fbus  tbus  r x b rateA rateB rateC ratio angle status  angmin  angmax
mpc.branch = [  %% (r and x specified in ohms here, converted to p.u. below)
  1 2 0.0922  0.0470  0 0 0 0 0 0 1 -360  360;
  2 3 0.4930  0.2511  0 0 0 0 0 0 1 -360  360;
  3 4 0.3660  0.1864  0 0 0 0 0 0 1 -360  360;
  4 5 0.3811  0.1941  0 0 0 0 0 0 1 -360  360;
  5 6 0.8190  0.7070  0 0 0 0 0 0 1 -360  360;
  6 7 0.1872  0.6188  0 0 0 0 0 0 1 -360  360;
  7 8 0.7114  0.2351  0 0 0 0 0 0 1 -360  360;
  8 9 1.0300  0.7400  0 0 0 0 0 0 1 -360  360;
  9 10  1.0440  0.7400  0 0 0 0 0 0 1 -360  360;
  10  11  0.1966  0.0650  0 0 0 0 0 0 1 -360  360;
  11  12  0.3744  0.1238  0 0 0 0 0 0 1 -360  360;
  12  13  1.4680  1.1550  0 0 0 0 0 0 1 -360  360;
  13  14  0.5416  0.7129  0 0 0 0 0 0 1 -360  360;
  14  15  0.5910  0.5260  0 0 0 0 0 0 1 -360  360;
  15  16  0.7463  0.5450  0 0 0 0 0 0 1 -360  360;
  16  17  1.2890  1.7210  0 0 0 0 0 0 1 -360  360;
  17  18  0.7320  0.5740  0 0 0 0 0 0 1 -360  360;
  2 19  0.1640  0.1565  0 0 0 0 0 0 1 -360  360;
  19  20  1.5042  1.3554  0 0 0 0 0 0 1 -360  360;
  20  21  0.4095  0.4784  0 0 0 0 0 0 1 -360  360;
  21  22  0.7089  0.9373  0 0 0 0 0 0 1 -360  360;
  3 23  0.4512  0.3083  0 0 0 0 0 0 1 -360  360;
  23  24  0.8980  0.7091  0 0 0 0 0 0 1 -360  360;
  24  25  0.8960  0.7011  0 0 0 0 0 0 1 -360  360;
  6 26  0.2030  0.1034  0 0 0 0 0 0 1 -360  360;
  26  27  0.2842  0.1447  0 0 0 0 0 0 1 -360  360;
  27  28  1.0590  0.9337  0 0 0 0 0 0 1 -360  360;
  28  29  0.8042  0.7006  0 0 0 0 0 0 1 -360  360;
  29  30  0.5075  0.2585  0 0 0 0 0 0 1 -360  360;
  30  31  0.9744  0.9630  0 0 0 0 0 0 1 -360  360;
  31  32  0.3105  0.3619  0 0 0 0 0 0 1 -360  360;
  32  33  0.3410  0.5302  0 0 0 0 0 0 1 -360  360;
  21  8 2.0000  2.0000  0 0 0 0 0 0 0 -360  360;
  9 15  2.0000  2.0000  0 0 0 0 0 0 0 -360  360;
  12  22  2.0000  2.0000  0 0 0 0 0 0 0 -360  360;
  18  33  0.5000  0.5000  0 0 0 0 0 0 0 -360  360;
  25  29  0.5000  0.5000  0 0 0 0 0 0 0 -360  360;
];
%%-----  OPF Data  -----%%
%% generator cost data
% 1 startup shutdown  n x1  y1  ... xn  yn
% 2 startup shutdown  n c(n-1)  ... c0
mpc.gencost = [
  2 0 0 3 0 20  0;
];
%% convert branch impedances from Ohms to p.u.
[PQ, PV, REF, NONE, BUS_I, BUS_TYPE, PD, QD, GS, BS, BUS_AREA, VM, ...
    VA, BASE_KV, ZONE, VMAX, VMIN, LAM_P, LAM_Q, MU_VMAX, MU_VMIN] = idx_bus;
[F_BUS, T_BUS, BR_R, BR_X, BR_B, RATE_A, RATE_B, RATE_C, ...
    TAP, SHIFT, BR_STATUS, PF, QF, PT, QT, MU_SF, MU_ST, ...
    ANGMIN, ANGMAX, MU_ANGMIN, MU_ANGMAX] = idx_brch;
Vbase = mpc.bus(1, BASE_KV) * 1e3;      %% in Volts
Sbase = mpc.baseMVA * 1e6;              %% in VA
mpc.branch(:, [BR_R BR_X]) = mpc.branch(:, [BR_R BR_X]) / (Vbase^2 / Sbase);
%% convert loads from kW to MW
mpc.bus(:, [PD, QD]) = mpc.bus(:, [PD, QD]) / 1e3;


function mpc = IEEE33
%% MATPOWER Case Format : Version 2
mpc.version = '2';
%%-----  Power Flow Data  -----%%
%% system MVA base
mpc.baseMVA = 10;
%% bus data
%    bus_i    type    Pd    Qd    Gs    Bs    area    Vm    Va    baseKV    zone    Vmax    Vmin
mpc.bus = [ %% (Pd and Qd are specified in kW & kVAr here, converted to MW & MVAr below)
    1    3    0    0    0    0    1    1    0    12.66    1    1    1;
    2    1    100    60    0    0    1    1    0    12.66    1    1.1    0.9;
    3    1    90    40    0    0    1    1    0    12.66    1    1.1    0.9;
    4    1    120    80    0    0    1    1    0    12.66    1    1.1    0.9;
    5    1    60    30    0    0    1    1    0    12.66    1    1.1    0.9;
    6    1    60    20    0    0    1    1    0    12.66    1    1.1    0.9;
    7    1    200    100    0    0    1    1    0    12.66    1    1.1    0.9;
    8    1    200    100    0    0    1    1    0    12.66    1    1.1    0.9;
    9    1    60    20    0    0    1    1    0    12.66    1    1.1    0.9;
    10    1    60    20    0    0    1    1    0    12.66    1    1.1    0.9;
    11    1    45    30    0    0    1    1    0    12.66    1    1.1    0.9;
    12    1    60    35    0    0    1    1    0    12.66    1    1.1    0.9;
    13    1    60    35    0    0    1    1    0    12.66    1    1.1    0.9;
    14    1    120    80    0    0    1    1    0    12.66    1    1.1    0.9;
    15    1    60    10    0    0    1    1    0    12.66    1    1.1    0.9;
    16    1    60    20    0    0    1    1    0    12.66    1    1.1    0.9;
    17    1    60    20    0    0    1    1    0    12.66    1    1.1    0.9;
    18    1    90    40    0    0    1    1    0    12.66    1    1.1    0.9;
    19    1    90    40    0    0    1    1    0    12.66    1    1.1    0.9;
    20    1    90    40    0    0    1    1    0    12.66    1    1.1    0.9;
    21    1    90    40    0    0    1    1    0    12.66    1    1.1    0.9;
    22    1    90    40    0    0    1    1    0    12.66    1    1.1    0.9;
    23    1    90    50    0    0    1    1    0    12.66    1    1.1    0.9;
    24    1    420    200    0    0    1    1    0    12.66    1    1.1    0.9;
    25    1    420    200    0    0    1    1    0    12.66    1    1.1    0.9;
    26    1    60    25    0    0    1    1    0    12.66    1    1.1    0.9;
    27    1    60    25    0    0    1    1    0    12.66    1    1.1    0.9;
    28    1    60    20    0    0    1    1    0    12.66    1    1.1    0.9;
    29    1    120    70    0    0    1    1    0    12.66    1    1.1    0.9;
    30    1    200    600    0    0    1    1    0    12.66    1    1.1    0.9;
    31    1    150    70    0    0    1    1    0    12.66    1    1.1    0.9;
    32    1    210    100    0    0    1    1    0    12.66    1    1.1    0.9;
    33    1    60    40    0    0    1    1    0    12.66    1    1.1    0.9;
];


🎉3 参考文献

部分理论来源于网络,如有侵权请联系删除。


[1]朱俊澎. 主动配电网重构与孤岛划分研究[D].东南大学,2018.


[2]葛鹏江,张树永,董晓晶,靳盘龙.基于鲁棒优化的配网重构二阶锥规划模型[J].电力科学与技术学报,2018,33(04):50-57.


[3]荣德生,胡举爽.配电网重构的凸模型[J].电源学报,2016,14(03):131-136.DOI:10.13234/j.issn.2095-2805.2016.3.131.


[4]向佳霓,赵建立,顾霈,王隗东,陈珂,张洪志.考虑需求响应的配电网重构经济性和可靠性研究[J].电工技术,2022(19):20-23.DOI:10.19768/j.cnki.dgjs.2022.19.006.


🌈4 Matlab代码实现


相关文章
|
1月前
|
算法
基于粒子群算法的分布式电源配电网重构优化matlab仿真
本研究利用粒子群算法(PSO)优化分布式电源配电网重构,通过Matlab仿真验证优化效果,对比重构前后的节点电压、网损、负荷均衡度、电压偏离及线路传输功率,并记录开关状态变化。PSO算法通过迭代更新粒子位置寻找最优解,旨在最小化网络损耗并提升供电可靠性。仿真结果显示优化后各项指标均有显著改善。
|
5月前
|
算法 安全 数据库
基于结点电压法的配电网状态估计算法matlab仿真
**摘要** 该程序实现了基于结点电压法的配电网状态估计算法,旨在提升数据的准确性和可靠性。在MATLAB2022a中运行,显示了状态估计过程中的电压和相位估计值,以及误差随迭代变化的图表。算法通过迭代计算雅可比矩阵,结合基尔霍夫定律解决线性方程组,估算网络节点电压。状态估计过程中应用了高斯-牛顿或莱文贝格-马夸尔特法,处理量测数据并考虑约束条件,以提高估计精度。程序结果以图形形式展示电压幅值和角度估计的比较,以及估计误差的演变,体现了算法在处理配电网状态估计问题的有效性。
|
5月前
|
算法
基于仿射区间的分布式三相不对称配电网潮流算法matlab仿真
```markdown # 摘要 本课题聚焦于基于仿射区间的分布式三相配电网潮流算法在MATLAB2022a中的仿真。算法利用仿射运算处理三相不平衡情况及分布式电源注入,旨在提供比区间算法更精确的不确定区域。仿真结果展示了算法优势。核心程序设计考虑了PQ、PV及PI节点,将不同类型的节点转换统一处理,以适应含分布式电源的配电网潮流计算需求。 ``` 这个摘要以Markdown格式呈现,总字符数为233,满足了240字符以内的要求。
|
6月前
|
数据可视化 算法
MATLAB Simulink 交交变流电路性能研究
MATLAB Simulink 交交变流电路性能研究
77 2
|
6月前
|
数据可视化 算法
MATLAB Simulink 直流斩波电路性能研究
MATLAB Simulink 直流斩波电路性能研究
93 1
|
6月前
|
数据可视化 算法
MATLAB Simulink 逆变电路性能研究
MATLAB Simulink 逆变电路性能研究
50 1
|
6月前
|
数据可视化 算法
MATLAB Simulink 三相整流电路性能研究
MATLAB Simulink 三相整流电路性能研究
74 1
|
3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。
200 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
|
3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。
128 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
|
3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。
90 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