【最优潮流】基于分布式交变方向乘法器(ADMM)方法来求解带碳排放交易的直流动态最优潮流(Matlab代码实现)

简介: 【最优潮流】基于分布式交变方向乘法器(ADMM)方法来求解带碳排放交易的直流动态最优潮流(Matlab代码实现)

💥1 概述

文献来源:


摘要:本文提出了一种分布式交变方向乘法器(ADMM)方法来求解带碳排放交易的直流动态最优潮流问题(DC-DOPF-CET)。通常,基于adm的分布式方法公开了相邻子系统之间的边界总线和分支信息。与这些方法不同,本文提出的DC-ADMM-P方法采用了一种新颖的策略,即使用共识ADMM来解决DC-DOPF-CET的对偶问题,同时只公开相邻子系统之间的边界分支信息。此外,通过减少双乘法器数量和改进乘法器更新步骤,提高了DC-ADMM-P的收敛性能。DC-ADMM-P在6到1062总线的情况下进行了测试,并与其他分布式/分散方法进行了比较。仿真结果验证了DC-ADMM-P算法在求解具有复杂(非线性)因子的DC-DOPF问题时的有效性,这些复杂(非线性)因子可表示为凸可分函数。同时,通过减少双乘法器的数量和采用新的乘法器更新策略,提高了收敛性能。


📚2 运行结果

部分代码:

if isequal(includeCet,'yes')  %包含碳排放约束
        % -二次约束-start-%
        QCP.conQ = EconQ;
        QCP.conc = Econc;
        QCP.conb = Econb;
        %-二次约束-end-%
    end
    options = cplexoptimset;
    options.Display = 'off';
    if isequal(includeCet,'yes')  %包含碳排放约束
        [x,fval,exitflag,output] = cplexqcp(QCP.Q,QCP.c,QCP.Aineq,QCP.bineq,QCP.Aeq,QCP.beq,QCP.conc,QCP.conQ,QCP.conb,QCP.lb,QCP.ub,[],options);
        disp(output.cplexstatusstring);
    else %不考虑CET
        [x,fval,exitflag,output] = cplexqp(QCP.Q,QCP.c,QCP.Aineq,QCP.bineq,QCP.Aeq,QCP.beq,QCP.lb,QCP.ub,[],options);
        disp(output.cplexstatusstring);
    end
    if isequal(isRTS,'yes') %RTS数据存在一个节点上有多台机组的情况
        xx = sparse(PbusUnitsNumber(end,1)-PbusUnitsNumber(1,1),T);%P,行按照allNodes顺序排列
    else
        xx = sparse(N,T);%P
    end
    st = sparse(N,T);%θ
    pf = 0;%整个系统的排放
    pf_t = zeros(T,1);%排放量(按照时段划分)
    fd_t = zeros(T,1);%发电费用(按照时段划分)
    thpit = zeros(T,1);%机组出力(按照时段划分)
    eb = x(1);%买入碳排放deta_E_b
    es = x(2);%卖出碳排放deta_E_s
    if isequal(isRTS,'yes') %RTS数据存在一个节点上有多台机组的情况
        dr = []; %弹性负荷变量dr
        hr = []; %辅助变量Hr
        units_number = 1;
        for i = 1:size(allNodes,1)
            bus_sequence_index = find(ismember(SCUC_data.busUnits.bus_sequence,allNodes(i,1))==1); %allNodes(i,1)在SCUC_data.busUnits.bus_sequence上的索引
            P_start_index = (PbusUnitsNumber(i,1) - PbusUnitsNumber(1,1) + i - 1); %allNodes(i,1)对应变量P前面的所有变量P和θ的总数量
            Seta_start_index = (PbusUnitsNumber(i+1,1) - PbusUnitsNumber(1,1) + i - 1); %allNodes(i,1)对应变量θ前面的所有变量P和θ的总数量
            if ~isempty(bus_sequence_index) %节点上有发电机
                for j = 1:size(SCUC_data.busUnits.unitIndex{bus_sequence_index,1},1)
                    xx(units_number,:) = x(P_start_index*T + (j-1)*T + 2 + 1:P_start_index*T + (j-1)*T + 2 + T);%P
                    units_number = units_number + 1;
                end
            else %节点上没有发电机
                xx(units_number,:) = x(P_start_index*T + 2 + 1:P_start_index*T + 2 + T);%P
                units_number = units_number + 1;
            end
            st(i,:) = x(Seta_start_index*T + 2 + 1:Seta_start_index*T + 2 + T);%θ
        end
    elseif isequal(includeDR,'yes')
        dr = zeros(K,T); %弹性负荷变量dr
        hr = zeros(piecewiseNumber,T,K); %辅助变量Hr,第一个参数对应分段数,第二个参数对应时段,第三个参数对应节点编号
        %按照片区顺序
        for i = 1:n
            Pindex = 2*(PINumber{i}-1)*T + (EINumber{i}-1)*(piecewiseNumber+1)*T + 2; %+2为考虑碳排放的两个变量
            Dindex = 2*(PINumber{i+1}-1)*T + (EINumber{i}-1)*(piecewiseNumber+1)*T + 2; %+2为考虑碳排放的两个变量
            Hindex = Dindex + T; 
            %取P和θ
            for j = 1:PINumber{i+1}-PINumber{i}
                %xx的行按照partitionData.allNodes(即allNodes)中节点编号的顺序
                xx(PINumber{i}-1+j,:) = x(2*(j-1)*T+1+Pindex:2*(j-1)*T+T+Pindex,1);%P
                st(PINumber{i}-1+j,:) = x(2*(j-1)*T+T+1+Pindex:2*(j-1)*T+2*T+Pindex,1);%θ
            end
            %取dr和hr
            for k = 1:EINumber{i+1}-EINumber{i}
                %dr的行按照partitionData.allElasticityNodes中节点编号的顺序
                dr(EINumber{i}-1+k,:) = x((k-1)*(piecewiseNumber+1)*T+1+Dindex:(k-1)*(piecewiseNumber+1)*T+T+Dindex,1); %dr
                for r = 1:piecewiseNumber
                    hr(r,:,EINumber{i}-1+k) = x((k-1)*(piecewiseNumber+1)*T+(r-1)*T+1+Hindex:(k-1)*(piecewiseNumber+1)*T+(r-1)*T+T+Hindex,1); %hr
                end
            end
        end
    else
        dr = []; %弹性负荷变量dr
        hr = []; %辅助变量Hr
        for i = 1:N
            xx(i,:) = x((i-1)*2*T+2+1:(i-1)*2*T+2+T);%P
            st(i,:) = x((i-1)*2*T+2+T+1:(i-1)*2*T+2+2*T);%θ
        end
    end
    if isequal(isRTS,'yes') %RTS数据存在一个节点上有多台机组的情况
        %发电费用(按照时段划分)
        for t = 1:T
            units_number = 1;
            for i = 1:size(allNodes,1)
                bus_sequence_index = find(ismember(SCUC_data.busUnits.bus_sequence,allNodes(i,1))==1); %allNodes(i,1)在SCUC_data.busUnits.bus_sequence上的索引
                if ~isempty(bus_sequence_index) %节点上有发电机
                    for j = 1:size(SCUC_data.busUnits.unitIndex{bus_sequence_index,1},1)
                        units_index = SCUC_data.busUnits.unitIndex{bus_sequence_index,1}(j,1); %SCUC_data.busUnits.unitIndex{bus_sequence_index,1}在SCUC_data.units.bus_G上的索引
                        fd_t(t,1) = fd_t(t,1) + xx(units_number,t).^2 * SCUC_data.units.gamma(units_index) ...
                                + xx(units_number,t) * SCUC_data.units.beta(units_index) + SCUC_data.units.alpha(units_index);
                        units_number = units_number + 1;
                    end
                else
                    units_number = units_number + 1;
                end
            end
        end
    else
        if isequal(includeCet,'yes')  %包含碳排放约束
            %整个系统的排放量(所有时段)
            for i = 1:unitN
                index = find(allNodes == SCUC_data.units.bus_G(i)); %发电机节点的在矩阵中的索引
                for t = 1:T
                    pf = pf + xx(index,t).^2 * SCUC_data.units.c(i) + xx(index,t) * SCUC_data.units.b(i) + SCUC_data.units.a(i); 
                end
            end
            %排放量(按照时段划分)
            for t = 1:T
                for i = 1:unitN
                    index = find(allNodes == SCUC_data.units.bus_G(i)); %发电机节点的在矩阵中的索引
                    pf_t(t,1) = pf_t(t,1) + xx(index,t).^2 * SCUC_data.units.c(i) + xx(index,t) * SCUC_data.units.b(i) + SCUC_data.units.a(i);
                end
            end
        end
        %发电费用(按照时段划分)
        for t = 1:T
            for i = 1:unitN
                index = find(allNodes == SCUC_data.units.bus_G(i)); %发电机节点的在矩阵中的索引
                fd_t(t,1) = fd_t(t,1) + xx(index,t).^2 * SCUC_data.units.gamma(i) + xx(index,t) * SCUC_data.units.beta(i) + SCUC_data.units.alpha(i);
            end
        end
    end
    %所有时段的机组出力计划,比较发现,使用需求响应,确实能够削峰填谷
    thpit = full(sum(xx));  
    disp('总费用=');
    disp((fval+QCP.b)*SCUC_data.baseparameters.standardP);
    %返回值赋值--start-%   IEEE6:8.977148404647500e+04  ; IEEE30:2.136876446422936e+03  ;IEEE118:1.729592022969799e+06
    fval = (fval+QCP.b)*SCUC_data.baseparameters.standardP; 
    %返回值赋值--end-%
end


🎉3 文献来源

部分理论来源于网络,如有侵权请联系删除。

🌈4 Matlab代码实现

相关文章
|
机器学习/深度学习 传感器 算法
【红外图像】利用红外图像处理技术对不同制冷剂充装的制冷系统进行性能评估(Matlab代码实现)
【红外图像】利用红外图像处理技术对不同制冷剂充装的制冷系统进行性能评估(Matlab代码实现)
|
机器学习/深度学习 传感器 算法
【视频去噪】基于全变异正则化最小二乘反卷积是最标准的图像处理、视频去噪研究(Matlab代码实现)
【视频去噪】基于全变异正则化最小二乘反卷积是最标准的图像处理、视频去噪研究(Matlab代码实现)
|
9月前
|
存储 负载均衡 NoSQL
【赵渝强老师】Redis Cluster分布式集群
Redis Cluster是Redis的分布式存储解决方案,通过哈希槽(slot)实现数据分片,支持水平扩展,具备高可用性和负载均衡能力,适用于大规模数据场景。
579 2
|
9月前
|
存储 缓存 NoSQL
【📕分布式锁通关指南 12】源码剖析redisson如何利用Redis数据结构实现Semaphore和CountDownLatch
本文解析 Redisson 如何通过 Redis 实现分布式信号量(RSemaphore)与倒数闩(RCountDownLatch),利用 Lua 脚本与原子操作保障分布式环境下的同步控制,帮助开发者更好地理解其原理与应用。
672 6
|
10月前
|
存储 缓存 NoSQL
Redis核心数据结构与分布式锁实现详解
Redis 是高性能键值数据库,支持多种数据结构,如字符串、列表、集合、哈希、有序集合等,广泛用于缓存、消息队列和实时数据处理。本文详解其核心数据结构及分布式锁实现,帮助开发者提升系统性能与并发控制能力。
|
数据采集 存储 数据可视化
分布式爬虫框架Scrapy-Redis实战指南
本文介绍如何使用Scrapy-Redis构建分布式爬虫系统,采集携程平台上热门城市的酒店价格与评价信息。通过代理IP、Cookie和User-Agent设置规避反爬策略,实现高效数据抓取。结合价格动态趋势分析,助力酒店业优化市场策略、提升服务质量。技术架构涵盖Scrapy-Redis核心调度、代理中间件及数据解析存储,提供完整的技术路线图与代码示例。
1613 0
分布式爬虫框架Scrapy-Redis实战指南
|
8月前
|
NoSQL Java 调度
分布式锁与分布式锁使用 Redis 和 Spring Boot 进行调度锁(不带 ShedLock)
分布式锁是分布式系统中用于同步多节点访问共享资源的机制,防止并发操作带来的冲突。本文介绍了基于Spring Boot和Redis实现分布式锁的技术方案,涵盖锁的获取与释放、Redis配置、服务调度及多实例运行等内容,通过Docker Compose搭建环境,验证了锁的有效性与互斥特性。
668 0
分布式锁与分布式锁使用 Redis 和 Spring Boot 进行调度锁(不带 ShedLock)
|
NoSQL Java 中间件
【📕分布式锁通关指南 02】基于Redis实现的分布式锁
本文介绍了从单机锁到分布式锁的演变,重点探讨了使用Redis实现分布式锁的方法。分布式锁用于控制分布式系统中多个实例对共享资源的同步访问,需满足互斥性、可重入性、锁超时防死锁和锁释放正确防误删等特性。文章通过具体示例展示了如何利用Redis的`setnx`命令实现加锁,并分析了简化版分布式锁存在的问题,如锁超时和误删。为了解决这些问题,文中提出了设置锁过期时间和在解锁前验证持有锁的线程身份的优化方案。最后指出,尽管当前设计已解决部分问题,但仍存在进一步优化的空间,将在后续章节继续探讨。
1588 131
【📕分布式锁通关指南 02】基于Redis实现的分布式锁
|
12月前
|
数据采集 存储 NoSQL
基于Scrapy-Redis的分布式景点数据爬取与热力图生成
基于Scrapy-Redis的分布式景点数据爬取与热力图生成
839 67
|
8月前
|
缓存 NoSQL 关系型数据库
Redis缓存和分布式锁
Redis 是一种高性能的键值存储系统,广泛用于缓存、消息队列和内存数据库。其典型应用包括缓解关系型数据库压力,通过缓存热点数据提高查询效率,支持高并发访问。此外,Redis 还可用于实现分布式锁,解决分布式系统中的资源竞争问题。文章还探讨了缓存的更新策略、缓存穿透与雪崩的解决方案,以及 Redlock 算法等关键技术。

热门文章

最新文章