平抑风电波动的电-氢混合储能容量优化配置(matlab代码)

简介: 平抑风电波动的电-氢混合储能容量优化配置(matlab代码)

1 主要内容

该程序部分复现电机文章《平抑风电波动的电-氢混合储能容量优化配置》,针对电-氢混合系统协同平抑接入新型电力系统的新能源波动问题,提出考虑碱性电解槽运行特性的电-氢混合储能容量优化配置方案。首先基于经验模态分解,将原始风电功率信号分解为符合波动量限值的直接并网分量和混合储能功率任务;在综合考虑电化学储能和氢储能介质充放电功率约束和存储状态约束的基础上,制定计及碱性电解槽运行特性的混合储能能量管理策略。基于此策略,以综合成本最小为目标,建立用于平抑风电波动的电-氢混合储能容量配置模型,并通过实际数据进行计算分析,算例结果表明,所提策略下的容量配置方案,在满足平抑需求的前提下,可以有效提高系统经济性。

修改部分:

沿用EMD分解的优点,沿用图2,图4,将高频大波动F2C作为平抑需求,将低频C2F作为并网基准功率,但是选择用超级电容去平抑包络线对称的高频大波动F2C。 对文中的平抑结果分两个模式进行改进,并用代码验证所提策略的依次更优性。 1)0基准线+超级电容平抑+不丢弃正向波动 (丢弃正向波动) 2)变量基准线+超级电容平抑+不丢弃正向波动(丢弃正向波动)

2 部分程序

clc
clear
close all
%%  先从"5分钟级的年风电数据\二KMEANS聚类"路径中将风电出力典型日曲线及频次复制过来后导入
%%  这个文件夹里的场景及频次数据,只是某一次K-MEANS聚类的结果。若是想对应上,那么需要设置路径后再导入(有这种需求的,需要先把当前文件夹中的DAY.MAT和NDAY.mat全删去)
改进]平抑风电波动的电-氢混合储能容量优化配置_袁铁江\第三步KMEANS聚类为8簇');load('NDay1');load('NDay2');load('NDay3');load('NDay4');load('NDay5');load('NDay6');load('NDay7');load('NDay8');
load('Day1');load('Day2');load('Day3');load('Day4');load('Day5');load('Day6');load('Day7');load('Day8');
Nday=[NDay1,NDay2,NDay3,NDay4,NDay5,NDay6,NDay7,NDay8];
Day=[Day1,Day2,Day3,Day4,Day5,Day6,Day7,Day8];
%%  针对3.2节 典型日7做一下EMD分解,与低频、高频分量重构的例子
imf7=emd(Day7);
% emd_visu(Day7,1:24*12,imf7)  % EMD专用画图函数
c2f7=zeros(numel(imf7(:,1)),24*12);
f2c7=zeros(numel(imf7(:,1)),24*12);
for i=1:numel(imf7(:,1))
    c2f7(i,:)=sum(imf7(end-i+1:end,:),1);
    f2c7(i,:)=sum(imf7(1:i,:),1);
end
figure(2)
plot(f2c7'
);legend('f2c7(1)','f2c7(2)','f2c7(3)','f2c7(4)','f2c7(5)','f2c7(6)','f2c7(7)','f2c7(8)');
%%  继而是计算图4所示的最大波动量
%max用于矩阵是按列取最大值
%前后相邻做差,取绝对值,取max,得到相隔5min的最大波动量
dita5_c2f7=max(transpose(abs(c2f7(:,1:end-1)-c2f7(:,2:end))));
%前后间隔1个位置做差,取绝对值,取max,得到相隔10min的最大波动量
dita10_c2f7=max(transpose(abs(c2f7(:,1:end-2)-c2f7(:,3:end))));
%将5min与10min的最大波动量串联后,取max,得到10min内的最大波动量
dita_c2f7 = max([dita5_c2f7; dita10_c2f7]);
%% 绘制论文的图4
dita_limit = 20;
figure(3)
plot(dita_c2f7,'-o');
hold on
plot(dita_limit*ones(1,numel(dita_c2f7)));
xlabel('低频重构分量阶数');
ylabel('最大波动量MW/10min');
legend('低频重构各阶分量最大波动','并网功率10min内最大波动量限值');
Nc_c2f7=find(dita_c2f7>dita_limit )-1;
nc_c2f7=Nc_c2f7(1);
figure(4)
plot(f2c7(numel(c2f7(:,1))-nc_c2f7,:));
title('储能平抑分量');
xlabel('时刻/5min');
ylabel('功率/MW');
figure(5)
plot(c2f7(nc_c2f7,:));
title('直接并网分量');
xlabel('时刻/5min');
ylabel('功率/MW');
figure(6)
plot(Day7);
title('风电功率');
xlabel('时刻/5min');
ylabel('功率/MW');
%%  继而就是其他典型日的


3 程序结果


相关文章
|
1天前
|
传感器 机器学习/深度学习 算法
基于GA遗传算法的WSN网络节点覆盖优化matlab仿真
本研究应用遗传优化算法于无线传感器网络(WSN),优化节点布局与数量,以最小化节点使用而最大化网络覆盖率。MATLAB2022a环境下,算法通过选择、交叉与变异操作,逐步改进节点配置,最终输出收敛曲线展现覆盖率、节点数及适应度值变化。无线传感器网络覆盖优化问题通过数学建模,结合遗传算法,实现目标区域有效覆盖与网络寿命延长。算法设计中,采用二进制编码表示节点状态,适应度函数考量覆盖率与连通性,通过选择、交叉和变异策略迭代优化,直至满足终止条件。
|
10天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于PSO粒子群优化的CNN-GRU的时间序列回归预测matlab仿真
- **算法理论:** 利用PSO优化的CNN-GRU,结合CNN的特征提取和GRU的记忆机制,进行时间序列预测。 - **CNN:** 通过卷积捕获序列的结构信息。 - **GRU:** 简化的LSTM,处理序列依赖。 - **预测步骤:** 1. 初始化粒子群,每粒子对应一组模型参数。 2. 训练并评估CNN-GRU模型的验证集MSE。 3. 使用PSO更新参数,寻找最佳配置。 4. 迭代优化直至满足停止准则。 ```
|
6天前
|
算法
基于粒子群优化的图像融合算法matlab仿真
这是一个基于粒子群优化(PSO)的图像融合算法,旨在将彩色模糊图像与清晰灰度图像融合成彩色清晰图像。在MATLAB2022a中测试,算法通过PSO求解最优融合权值参数,经过多次迭代更新粒子速度和位置,以优化融合效果。核心代码展示了PSO的迭代过程及融合策略。最终,使用加权平均法融合图像,其中权重由PSO计算得出。该算法体现了PSO在图像融合领域的高效性和融合质量。
|
6天前
|
传感器 算法 数据安全/隐私保护
基于鲸鱼优化的DSN弱栅栏覆盖算法matlab仿真
```markdown 探索MATLAB2022a中WOA与DSN弱栅栏覆盖的创新融合,模拟鲸鱼捕食策略解决传感器部署问题。算法结合“搜索”、“包围”、“泡沫网”策略,优化节点位置以最大化复杂环境下的区域覆盖。目标函数涉及能量效率、网络寿命、激活节点数、通信质量及覆盖率。覆盖评估基于覆盖半径比例,旨在最小化未覆盖区域。 ```
|
10天前
|
存储 传感器 算法
基于ACO蚁群优化算法的WSN网络路由优化matlab仿真
摘要(Markdown格式): - 📈 ACO算法应用于WSN路由优化,MATLAB2022a中实现,动态显示迭代过程,输出最短路径。 - 🐜 算法模拟蚂蚁寻找食物,信息素更新与蚂蚁选择策略确定路径。信息素增量Δτ += α*τ*η,节点吸引力P ∝ τ / d^α。 - 🔁 算法流程:初始化→蚂蚁路径选择→信息素更新→判断结束条件→输出最优路由。优化WSN能量消耗,降低传输成本。
|
2月前
|
数据安全/隐私保护
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)
|
2月前
|
算法 调度
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)
|
2月前
|
Serverless
基于Logistic函数的负荷需求响应(matlab代码)
基于Logistic函数的负荷需求响应(matlab代码)
|
2月前
|
供应链 算法
基于分布式优化的多产消者非合作博弈能量共享(Matlab代码)
基于分布式优化的多产消者非合作博弈能量共享(Matlab代码)

热门文章

最新文章