【完美复现】面向配电网韧性提升的移动储能预布局与动态调度策略【IEEE33节点】(Matlab代码实现)

简介: 【完美复现】面向配电网韧性提升的移动储能预布局与动态调度策略【IEEE33节点】(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


🎉3 参考文献


🌈4 Matlab代码、数据、文章讲解


💥1 概述

文献来源:


dfa07a71991d4293bf40328ab3ef4f3b.png


摘要:针对极端灾害导致配电网大面积停电场景,利用多种分布式资源协同恢复重要负荷。在电网与交通网融合背景下,提出了一种考虑移动储能预布局与动态调度的两阶段配电网韧性提升策略。在灾前预防阶段,考虑光伏出力不确定性与网络重构建立两阶段鲁棒优化模型,采用Big-M法和列约束生成算法迭代求解移动储能的配置数量与位置方案。在灾后恢复阶段,考虑灾害对交通网通行时间的影响,基于移动储能、电动汽车与柴油发电机的动态调度与时序出力特性,建立了多源协同恢复的混合整数二阶锥规划模型,求解最优的负荷削减与电源出力方案。最后,通过IEEE33节点配电系统算例验证了所提策略提升配电网韧性的有效性。


关键词:


配电网;韧性;移动储能;交通网;鲁棒优化;多源协同;不确定性;


近年来极端灾害导致电网大停电事故频繁发生[1] ,配电网韧性反映配电系统对灾害的抵御、适应与恢复供电的能力[2] ,受到了广泛关注。此外,为应对能源枯竭和环境污染的双重危机,大量分布式电源(DG)、电能替代负荷接入配电网,为负荷恢复提供了解决方案[3] 。因此,在灾害前后有效利用各类分布式资源以减少停电损失,对提升配电网韧性具有重要意义。


考虑配电网内接入了光伏、移动储能、电动汽车充电桩(EVS)与柴油发电机等分布式资源,电网-交通网融合系统示意结构如图 1 所示。在灾害发生前配电网内负荷由上级主网供电,灾害发生后配电网失去主网供电且出现若干条线路故障,交通网络在灾害负荷恢复期间的实时通行能力受到灾害影响。


目前,国内外学者对利用分布式资源进行灾后恢复进行了广泛研究,主要包括孤岛微电网、应急发


电机与移动资源等方面[4] 。在孤岛微电网方面,文献[5]提出一种利用 DG 和远程控制开关恢复重要负荷的微电网形成机制。文献[6]在主网与配电线路故障时,利用柴油发电(DEG)、固定式储能与光伏(PV)机组恢复负荷。文献[7]提出一种基于计划微电网的负荷恢复方法,在主网供电中断时使负荷削减成本最小。文献[8]提出了考虑负荷分布与燃料型 DG 选址定容的恢复策略,减少了应急电源储备量。上述研究均需要预先配置微电网或大量燃料型电源,投资成本较高且不利于碳减排。


1a6594cae5cf41b093c0ac9422915e73.png


在电网-交通网融合系统中,移动储能的调度状态由其充放电状态和交通运输状态共同决定,具有


时空耦合特性。考虑移动储能 i 在节点 j 与节点 k 间的交通通行时间 T ME i,j,k ( t )与安装配置时间 T0 ME ,建立 移动储能的时空动态调度模型,设运输过程不消耗电能,其时空动态调度如图 2 所示。


6ce8c2f4c28a4bb0b12a22d400723848.png


307a75c661694488b4226c0aee02fb2b.png


📚2 运行结果


c1174a7b6dd841d0992a24f6b6ab5c8e.png

d007008fa47d497aadb95d8ec4e32303.png

0d8d747cdd174f7eb35bbd4e9467497e.png

2dbf2ab0556d442193b67b80048177bc.png

1d93622be9b74835b489dbc4eebfc73a.png


🎉3 参考文献

部分理论来源于网络,如有侵权请联系删除。


[1]王月汉,刘文霞,姚齐等.面向配电网韧性提升的移动储能预布局与动态调度策略[J].电力系统自动化,2022,46(15):37-45.


🌈4 Matlab代码、数据、文章讲解


相关文章
|
2月前
|
机器学习/深度学习 算法 安全
m基于Q-Learning强化学习的路线规划和避障策略matlab仿真
MATLAB 2022a仿真实现了Q-Learning算法在路线规划与避障中的应用,展示了智能体在动态环境中学习最优路径的过程。Q-Learning通过学习动作价值函数Q(s,a)来最大化长期奖励,状态s和动作a分别代表智能体的位置和移动方向。核心程序包括迭代选择最优动作、更新Q矩阵及奖励机制(正奖励鼓励向目标移动,负奖励避开障碍,探索奖励平衡探索与利用)。最终,智能体能在复杂环境中找到安全高效的路径,体现了强化学习在自主导航的潜力。
51 0
|
17天前
|
传感器 算法
基于LEACH路由协议的网络性能matlab仿真,包括数据量,能耗,存活节点
- **LEACH协议**在WSN中通过分簇减少能耗,普通节点向最近簇头发送数据,簇头融合后发送给基站。本项目研究LEACH在不同初始能量、数据包及控制包长度条件下的网络性能,如剩余节点、能量、接收数据量和累计接收量。
|
2月前
|
调度
互动环境下分布式电源与电动汽车充电站的优化配置方法研究-全文复现matlab
互动环境下分布式电源与电动汽车充电站的优化配置方法研究-全文复现matlab
|
2月前
|
算法
【免费】基于ADMM算法的多微网电能交互分布式运行策略(matlab代码)
【免费】基于ADMM算法的多微网电能交互分布式运行策略(matlab代码)
|
2月前
|
存储 调度
激励型需求响应之yalmip策略(matlab代码)
激励型需求响应之yalmip策略(matlab代码)
|
2月前
|
算法 调度
面向配电网韧性提升的移动储能预布局与动态调度策略(matlab代码)
面向配电网韧性提升的移动储能预布局与动态调度策略(matlab代码)
|
2月前
|
算法 安全
基于价值认同的需求侧电能共享分布式交易策略(matlab完全复现)
基于价值认同的需求侧电能共享分布式交易策略(matlab完全复现)
|
2月前
|
存储 算法
基于纳什博弈的多微网主体电热双层共享策略(matlab代码)
基于纳什博弈的多微网主体电热双层共享策略(matlab代码)
|
2月前
|
算法 调度
基于分时电价和蓄电池控制策略用电优化研究(matlab代码)
基于分时电价和蓄电池控制策略用电优化研究(matlab代码)
|
2月前
|
机器学习/深度学习 算法
m基于Q-Learning强化学习的迷宫路线规划策略matlab仿真
MATLAB 2022a仿真实现了Q-Learning算法在迷宫路线规划中的应用,展示多幅模拟结果图。Q-Learning是无模型强化学习算法,通过迭代更新动作价值函数寻找最优策略。在迷宫问题中,代理通过ε-greedy策略平衡探索与利用。MATLAB核心程序遍历状态空间,更新Q表,直至找到终点。
22 0

热门文章

最新文章