含sop的配电网优化(含matlab程序)

简介: 含sop的配电网优化(含matlab程序)

前言:

以IEEE33节点为例,分析含sop的配电网优化,并对重点程序段进行分析,希望助力更多人更快更好理解这部分知识。


背景

当前分布式电源的接入日益增多,尤其是分布式光伏用户的大规模接入配电网,虽然能够降低系统损耗、提高供电可靠性、减少环境污染等,但是分布式电源尤其是间歇性分布式电源的接入具有明显的随机性和波动性,可能导致配电网出现电压越限和网络阻塞等问题,由此智能软开关应运而生,取代传统联络开关,实现配电网络更加安全、可靠的控制,并可以实现连续实时控制。本文针对sop在配电网优化方面的matlab程序应用进行浅析。

一、sop约束及实现

Sop约束主要有有功约束、无功约束和容量约束,具体约束形式见下图。

通过上面的约束,很多人在编程的时候就犯难了,容量约束是非线性的,该如何处理?

在采用matlab+yalmip编程时,对于这种形式的约束,是可以通过转换为旋转锥约束,如下:

具体代码如下:

%% SOP有功功率限制 (1) 
Constraints=[Constraints,x_p_sop1(1,:)+x_p_sop1(2,:)+x_p_sop1_loss(1,:)+...
    x_p_sop1_loss(2,:)==0];
Constraints=[Constraints,x_p_sop2(1,:)+x_p_sop2(2,:)+...
    x_p_sop2_loss(1,:)+x_p_sop2_loss(2,:)==0];
Sop容量约束
    Constraints=[Constraints,(x_p_sop1(1,:).^2+x_q_sop1(1,:).^2)<=...
        2*(S_sopi1/(sqrt(2)))*(S_sopi1/(sqrt(2)))];
        Constraints=[Constraints,(x_p_sop1(2,:).^2+x_q_sop1(2,:).^2)<=...
        2*(S_sopi1/(sqrt(2)))*(S_sopi1/(sqrt(2)))];
 
sop运行约束%(40,41)
    Constraints=[Constraints,0.02*sqrt(x_p_sop1(1,:).^2+x_q_sop1(1,:).^2)<=...
        x_p_sop1_loss(1,:)];
Constraints=[Constraints,0.02*sqrt(x_p_sop1(2,:).^2+x_q_sop1(2,:).^2)<=...
        x_p_sop1_loss(2,:)];     Constraints=[Constraints,0.02*sqrt(x_p_sop2(1,:).^2+x_q_sop2(1,:).^2)<=...
        x_p_sop2_loss(1,:)];     Constraints=[Constraints,0.02*sqrt(x_p_sop2(2,:).^2+x_q_sop2(2,:).^2)<=...
        x_p_sop2_loss(2,:)];

二、配电网部分

目前网上流传的配电网优化程序比价拧巴,要详细分清楚平衡节点是0还是1,对于平衡节点是1的还要进一步转换,还要仔细再推导一遍检查一下准确性,总之,逻辑上比较复杂,现在介绍一种简便的。

配电网优化的难点主要是潮流约束部分,如下图:

代码如下:

   %潮流部分:Constraints=[Constraints,sum(x_pij(node_in,opt_num)-...
            r_ij(node_in)*x_Iij_square(node_in,opt_num))+p_Solar(k,opt_num)+...
            p_Wind(k,opt_num)-p_Load(k,opt_num)==sum(x_pij(node_out,opt_num))];
        Constraints=[Constraints,sum(x_qij(node_in,opt_num)-...
            x_ij(node_in)*x_Iij_square(node_in,opt_num))-...
            q_Load(k,opt_num)==sum(x_qij(node_out,opt_num))]; 
 
%% 支路欧姆定律
for r=1:32
    if(r==1)
        Constraints=[Constraints,x_ui_square_OLTC(1,:)-...
        x_ui_square(Branch(r,3),:)+(r_ij(r)^2+x_ij(r)^2)*x_Iij_square(r,:)-...
        2*(r_ij(r)*x_pij(r,:)+x_ij(r)*x_qij(r,:))==0];
    else
    Constraints=[Constraints,x_ui_square(Branch(r,2),:)-...
        x_ui_square(Branch(r,3),:)+(r_ij(r)^2+x_ij(r)^2)*x_Iij_square(r,:)-...
        2*(r_ij(r)*x_pij(r,:)+x_ij(r)*x_qij(r,:))==0];
    end
end
二阶锥约束:
        Constraints=[Constraints,norm([2*x_pij(s,opt_num) 2*x_qij(s,opt_num) ...
            (x_Iij_square(s,opt_num)-x_ui_square(Branch(s,2),opt_num))]')<=...
            x_Iij_square(s,opt_num)+x_ui_square(Branch(s,2),opt_num)];

三、程序代码

本文所附的程序代码是文献《Coordinated Control Method of Voltage and Reactive Power for Active Distribution Networks Based on Soft Open Point》的内容,里面还有更深一些的知识,包括OLTC和CB等部分内容,具体sop部分和文献《考虑分布式电源运行特性的有源配电网智能软开关sop规划方法》一致,很好的学习材料,可结合学习。

结果图如下:

四、程序链接

见评论区置顶评论!

目录
打赏
0
1
1
0
55
分享
相关文章
云计算任务调度优化matlab仿真,对比蚁群优化和蛙跳优化
本程序针对云计算任务调度优化问题,旨在减少任务消耗时间、提升经济效益并降低设备功耗。通过对比蚁群优化算法(ACO)与蛙跳优化算法(SFLA),分别模拟蚂蚁信息素路径选择及青蛙跳跃行为,在MATLAB2022A环境下运行测试。核心代码实现任务分配方案的动态调整与目标函数优化,结合任务集合T与服务器集合S,综合考量处理时间与能耗等约束条件,最终输出优化结果。两种算法各具优势,为云计算任务调度提供有效解决方案。
基于BBO生物地理优化的三维路径规划算法MATLAB仿真
本程序基于BBO生物地理优化算法,实现三维空间路径规划的MATLAB仿真(测试版本:MATLAB2022A)。通过起点与终点坐标输入,算法可生成避障最优路径,并输出优化收敛曲线。BBO算法将路径视为栖息地,利用迁移和变异操作迭代寻优。适应度函数综合路径长度与障碍物距离,确保路径最短且安全。程序运行结果完整、无水印,适用于科研与教学场景。
基于NSGAII的的柔性作业调度优化算法MATLAB仿真,仿真输出甘特图
本程序基于NSGA-II算法实现柔性作业调度优化,适用于多目标优化场景(如最小化完工时间、延期、机器负载及能耗)。核心代码完成任务分配与甘特图绘制,支持MATLAB 2022A运行。算法通过初始化种群、遗传操作和选择策略迭代优化调度方案,最终输出包含完工时间、延期、机器负载和能耗等关键指标的可视化结果,为制造业生产计划提供科学依据。
基于WOA鲸鱼优化的CNN-LSTM-SAM网络时间序列回归预测算法matlab仿真
本内容介绍了一种基于CNN-LSTM-SAM网络与鲸鱼优化算法(WOA)的时间序列预测方法。算法运行于Matlab2022a,完整程序无水印并附带中文注释及操作视频。核心流程包括数据归一化、种群初始化、适应度计算及参数更新,最终输出最优网络参数完成预测。CNN层提取局部特征,LSTM层捕捉长期依赖关系,自注意力机制聚焦全局特性,全连接层整合特征输出结果,适用于复杂非线性时间序列预测任务。
|
7月前
|
【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。
299 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
【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。
177 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
【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。
204 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
耐震时程曲线,matlab代码,自定义反应谱与地震波,优化源代码,地震波耐震时程曲线
地震波格式转换、时程转换、峰值调整、规范反应谱、计算反应谱、计算持时、生成人工波、时频域转换、数据滤波、基线校正、Arias截波、傅里叶变换、耐震时程曲线、脉冲波合成与提取、三联反应谱、地震动参数、延性反应谱、地震波缩尺、功率谱密度
基于混合整数规划的微网储能电池容量规划(matlab代码)
基于混合整数规划的微网储能电池容量规划(matlab代码)
含多微网租赁共享储能的配电网博弈优化调度(含matlab代码)
含多微网租赁共享储能的配电网博弈优化调度(含matlab代码)