【sop】含储能及sop的多时段配网优化模型

简介: 【sop】含储能及sop的多时段配网优化模型

1 主要内容

之前分享了含sop的配电网优化模型,链接含sop的配电网优化,很多同学在咨询如何增加储能约束,并进行多时段的优化,本次拓展该部分功能,在原代码的基础上增加储能模型,以IEEE33节点为研究对象,在8节点增加储能,并且在7、10、24、27节点配置光伏,在13和30节点配置风电,储能不仅满足功率约束,同时需要满足soc约束条件。

2 部分代码

clear;clc;
run ieee_33_node_system.m;
run DG_Load.m
t1=clock;
%% 常量定义
delta_T=1;  N=24;%时间
S_sopi1=0.5;    S_sopj1=0.5;
S_sopi2=0.5;    S_sopj2=0.5;    %SOP容量
A_sop=0.02;     %SOP损耗
q_CB=60/1000;   C_loss=0.08;%与有功功率损耗相关的成本系数
WL = 0.833;     Wv = 0.167;
k12_0=1;
r_ij=Branch(:,4);   x_ij=Branch(:,5);  %%第四,五列
% p_Solar=zeros(33,24);p_Wind=zeros(33,24);p_Load=zeros(33,24);
% q_Solar=zeros(33,24);q_Wind=zeros(33,24);q_Load=zeros(33,24);
result=zeros(1,24);
Horizon=N;
%储能参数
capmax=400;
EESmax=100;
EESmin=0;
socmax=0.9;
socmin=0.2;
theta=0.01;%自放电率
yita=0.95;
%% 定义决策变量p_Solar
x_Iij_square=sdpvar(32,N,'full');   x_ui_square=sdpvar(33,N,'full');%线路电流 节点电压
x_pij=sdpvar(32,N,'full');      x_qij=sdpvar(32,N,'full');%线路传输有功   无功
x_p_sop1=sdpvar(2,N,'full');    x_q_sop1=sdpvar(2,N,'full');%sop1有功 无功
x_p_sop2=sdpvar(2,N,'full');    x_q_sop2=sdpvar(2,N,'full');%sop2有功 无功
x_p_sop1_loss=sdpvar(2,N,'full');   x_p_sop2_loss=sdpvar(2,N,'full');%sop1损耗 sop2损耗  
K12_t=intvar(1,N,'full');     k12_t=sdpvar(1,N,'full');%OLTC抽头选择 k12_t没用到
N_CB=intvar(1,N,'full');      Q_CB=sdpvar(1,N,'full');%CB数量 CB无功
x_AUX=sdpvar(33,N,'full');%电压偏差
x_b_OLTC=binvar(11,N,'full');  x_K121_t=intvar(1,N,'full');%抽头选择变量(只有一个是1) 
x_K122_t=intvar(1,N,'full'); %OLTC正负变化辅助变量  
x_N1_CB=intvar(1,N,'full');%CB变化辅助变量
K_t=intvar(1,N,'full');     N_t=intvar(1,N,'full');%变量没有用到
x_N2_CB=intvar(1,N,'full');   x_vc_k=sdpvar(11,N,'full');%CB变化辅助变量 oltc电压方值
x_ui_square_OLTC=sdpvar(1,N,'full');
x_P_ch = sdpvar(1, Horizon);%充电
x_P_dis = sdpvar(1, Horizon);%放电
x_u_ch = binvar(1, Horizon);%充电状态
x_u_dis = binvar(1, Horizon);%放电状态


3 程序结果

sop有功

sop无功


相关文章
|
7月前
|
传感器 自动驾驶 机器人
【目标融合】基于卡尔曼滤波实现gps、里程计和电子罗盘目标融合,输出目标的滤波位置附matlab代码
✅作者简介:热爱科研的Matlab仿真开发者,擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。 🍎 往期回顾关注个人主页:Matlab科研工作室 👇 关注我领取海量matlab电子书和数学建模资料 🍊个人信条:格物致知,完整Matlab代码获取及仿真咨询内容私信。 🔥 内容介绍 在自动驾驶、机器人导航、无人机追踪等场景中,精准的目标位置输出是核心需求。单一传感器定位存在明显局限:GPS 易受遮挡干扰导致定位跳变,里程计存在累积误差,电子罗盘易受电磁干扰影响航向精度。基于卡尔曼滤波的多源传感器目标融合方案,通过融合 GPS、里程计与电子罗盘数据,有效互补各
313 2
|
9月前
|
人工智能 运维 测试技术
2025年接口最大并发量测试工具对比与最佳实践方案
文章围绕2025年接口最大并发量测试展开,介绍主流方案有SaaS化压测平台、自建压测集群及混合云方案,分析各方案在成本等方面差异。指出行业趋势是云原生压测工具渗透与智能化自动化,还阐述核心挑战、方案原理及对比,给出最佳实践与常见问题解答。
|
传感器 机器学习/深度学习 分布式计算
卡尔曼滤波的多传感器数据融合算法
卡尔曼滤波的多传感器数据融合算法
1991 0
|
弹性计算
阿里云海外云服务器租赁价格:轻量+ECS云服务器,境外节点整理
阿里云推出2025年最新海外云服务器租赁方案,轻量应用服务器200M带宽,25元/月起,支持中国香港、新加坡、日本、美国等14个地域节点。配置从2核0.5G到4核16G可选,ESSD系统盘、BGP线路,适合多场景应用。ECS云服务器同样提供丰富配置选择,满足不同业务需求,详情请访问阿里云官网。
6105 66
|
12月前
|
机器学习/深度学习 运维 算法
基于粒子群优化算法的配电网光伏储能双层优化配置模型[IEEE33节点](选址定容)(Matlab代码实现)
基于粒子群优化算法的配电网光伏储能双层优化配置模型[IEEE33节点](选址定容)(Matlab代码实现)
1037 0
|
机器学习/深度学习 监控 算法
基于单尺度Retinex和多尺度Retinex的图像增强算法实现
基于单尺度Retinex(SSR)和多尺度Retinex(MSR)的图像增强算法实现
1486 1
|
存储 算法
​【Simulink】 风光储与电解制氢系统仿真模型(光伏耦合PEM制氢)
该仿真模型采用Simulink实现风光储与电解制氢系统的协同运行,涵盖光伏、风电、储能及电解槽制氢模块。光伏模块通过MPPT算法优化性能;储能系统采用双闭环控制维持电压稳定;风电模型利用永磁同步电机和变流器提高效率;电解槽制氢系统采用功率外环加电流内环控制实现恒功率制氢。仿真旨在整合风能、太阳能、储能和制氢技术,实现清洁能源高效利用,适用于研究和优化综合能源系统。提供2016b/2018b/2023b三个版本的模型,方便学习研究。
【建议收藏】matlab+yalmip调试问题指南
【建议收藏】matlab+yalmip调试问题指南
|
安全 网络安全 Windows
别人ping不通我的ip解决方法
别人ping不通我的ip解决方法
1847 0
【免费资料】IEEE33节点系统参数及拓扑图visio
初学者入门配电网可参考经典的IEEE 33节点系统,此系统在文献中广泛应用。资源包括节点和支路参数的Excel表格及Visio的网络拓扑图,可免费下载。配电网以闭环设计增强灵活性和可靠性,故障恢复涉及网络拓扑约束。提供的MATLAB相关链接探讨了孤岛、重构及故障恢复策略。