基于分布式ADMM算法的考虑碳排放交易的电力系统优化调度研究(matlab代码)

简介: 基于分布式ADMM算法的考虑碳排放交易的电力系统优化调度研究(matlab代码)

1 主要内容

程序完全复现文献《A Distributed Dual Consensus ADMM Based on Partition for DC-DOPF with Carbon Emission Trading》,建立了一个考虑碳排放交易的最优模型,首先,对测试系统(6节点或者30节点或者118节点系统)进行了分区,以便后续ADMM算法的应用,其次,构建了DC-DOPF的最优潮流模型作为主要应用场景,以发电+买卖排放配额费用之和为目标函数,考虑碳排放约束、潮流约束以及耦合约束等约束条件,程序考虑了负荷需求响应和碳排放交易,从而符合目前低碳调度的研究热点,算法方面采用ADMM算法,也就是交替方向乘子法,更加创新,而且求解的效果更好,代码质量非常高,保姆级的注释以及人性化的模块子程序,所有数据均明确可靠来源,非常方便学习!

  • 目标函数

  • 计算步骤

  • 节点系统

程序默认节点系统为118节点系统,代码如下:

FileName = 'SCUC_dat/DDOPF118.txt'; %Corresponding to the 118-bus system in literature [7];对应文献[7]中的118-bus system
可以通过修改节点系统名称来验证其他节点(6节点或者30节点)系统模型,程序已经内置了这部分代码,可以通过取消注释即可实现。
%             FileName = 'SCUC_dat/SCUC6.txt';    %Corresponding to the 6-bus System;对应文中6bus例子
%             FileName = 'SCUC_dat/SCUC30.txt'; %Corresponding to the 30-bus System;对应文中30bus例子
%             FileName = 'SCUC_dat/SCUC6-2.txt';  %Corresponding to the 6-bus System in literature [7];对应文献[7]中的6-bus system
%             FileName = 'SCUC_dat/SCUC1062-2.txt';  %Corresponding to the 1062-bus System;对应文中1062-bus例子
%             FileName = 'SCUC_dat/RTS48.txt'; %Corresponding to the RTS-48 bus system.The test system can obtain from [44];对应文中RTS0-48 bus例子


2 部分代码

if isequal(k,1) %第一次形成p_t并记下对应的区间即可
                            p_t_index = []; %存储p_t中每行在XJ中的索引,第一列为初始索引,第二列为结束索引,第三列为行索引
                            seta_t_index = []; %存储seta_t中每行在XJ中的索引,第一列为初始索引,第二列为结束索引,第三列为行索引
                            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) %The bus with unit. 节点上有发电机
                                    for j = 1:size(SCUC_data.busUnits.unitIndex{bus_sequence_index,1},1)
                                        p_t(units_number,:) = XJ(P_start_index*T + (j-1)*T + 1:P_start_index*T + (j-1)*T + T);%P
                                        p_t_index(units_index,1) = P_start_index*T + (j-1)*T + 1;
                                        p_t_index(units_index,2) = P_start_index*T + (j-1)*T + T;
                                        p_t_index(units_index,3) = units_number;
                                        units_number = units_number + 1;
                                        units_index = units_index + 1;
                                    end
                                else %The bus without unit.节点上没有发电机
                                    p_t(units_number,:) = XJ(P_start_index*T + 1:P_start_index*T + T);%P
                                    units_number = units_number + 1;
                                end
                                seta_t(i,:) = XJ(Seta_start_index*T + 1:Seta_start_index*T + T);%θ
                                seta_t_index(i,1) = Seta_start_index*T + 1;
                                seta_t_index(i,2) = Seta_start_index*T + T;
                                seta_t_index(i,3) = i;
                            end
                        else  %按照第一次记下的变量顺序即可
                            p_t = zeros(partitionData.PIUnitsNumber{end}-partitionData.PIUnitsNumber{1},T);
                            seta_t = zeros(size(seta_t_index,1),T);
                            for i = 1:size(p_t_index,1)
                                p_t(p_t_index(i,3),:) = XJ(p_t_index(i,1):p_t_index(i,2));
                            end
                            for i = 1:size(seta_t_index,1)
                                seta_t(seta_t_index(i,3),:) = XJ(seta_t_index(i,1):seta_t_index(i,2));
                            end
                        end
                        
                    elseif isequal(includeDR,'yes')
                        PINumber = partitionData.PINumber;
                        EINumber = partitionData.EINumber;
                        piecewiseNumber = SCUC_data.elasticBus.piecewiseNumber; %分段函数分的段数
                        K = SCUC_data.elasticBus.N;%弹性节点数量
                        dr_t = zeros(K,T); %弹性负荷变量dr
                        hr_t = 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
                            Dindex = 2*(PINumber{i+1}-1)*T + (EINumber{i}-1)*(piecewiseNumber+1)*T; %+2为考虑碳排放的两个变量
                            Hindex = Dindex + T; 
                            %取dr和hr
                            for j = 1:EINumber{i+1}-EINumber{i}
                                %dr的行按照partitionData.allElasticityNodes中节点编号的顺序
                                dr_t(EINumber{i}-1+j,:) = XJ((j-1)*(piecewiseNumber+1)*T+1+Dindex:(j-1)*(piecewiseNumber+1)*T+T+Dindex); %dr
                                for r = 1:piecewiseNumber
                                    hr_t(r,:,EINumber{i}-1+j) = XJ((j-1)*(piecewiseNumber+1)*T+(r-1)*T+1+Hindex:(j-1)*(piecewiseNumber+1)*T+(r-1)*T+T+Hindex); %hr
                                end
                            end
                        end
                        
                        if isequal(k,1) 
                            p_t_index = []; %存储p_t中每行在XJ中的索引,第一列为初始索引,第二列为结束索引,第三列为行索引
                            seta_t_index = []; %存储seta_t中每行在XJ中的索引,第一列为初始索引,第二列为结束索引,第三列为行索引
                            %按照片区顺序
                            for i = 1:n
                                Pindex = 2*(PINumber{i}-1)*T + (EINumber{i}-1)*(piecewiseNumber+1)*T; %+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
                                    p_t(PINumber{i}-1+j,:) = XJ(2*(j-1)*T+1+Pindex:2*(j-1)*T+T+Pindex);%P
                                    seta_t(PINumber{i}-1+j,:) = XJ(2*(j-1)*T+T+1+Pindex:2*(j-1)*T+2*T+Pindex);%θ
                                    p_t_index(PINumber{i}-1+j,1) = 2*(j-1)*T+1+Pindex;
                                    p_t_index(PINumber{i}-1+j,2) = 2*(j-1)*T+T+Pindex;
                                    p_t_index(PINumber{i}-1+j,3) = PINumber{i}-1+j;
                                    seta_t_index(PINumber{i}-1+j,1) = 2*(j-1)*T+T+1+Pindex;
                                    seta_t_index(PINumber{i}-1+j,2) = 2*(j-1)*T+2*T+Pindex;
                                    seta_t_index(PINumber{i}-1+j,3) = PINumber{i}-1+j;
                                end
                            end
                        else  %按照第一次记下的变量顺序即可
                            p_t = zeros(size(p_t_index,1),T);
                            seta_t = zeros(size(seta_t_index,1),T);
                            for i = 1:size(p_t_index,1)
                                p_t(p_t_index(i,3),:) = XJ(p_t_index(i,1):p_t_index(i,2));
                            end
                            for i = 1:size(seta_t_index,1)
                                seta_t(seta_t_index(i,3),:) = XJ(seta_t_index(i,1):seta_t_index(i,2));
                            end
                        end
                        
                    else
                        dr_t = []; %弹性负荷变量dr
                        hr_t = []; %辅助变量Hr
                        for i = 1:N
                            p_t(i,:) = XJ((i-1)*2*T+1:(i-1)*2*T+T);%P
                            seta_t(i,:) = XJ((i-1)*2*T+T+1:(i-1)*2*T+2*T);%θ
                        end
                    end


3 程序结果

原文结果图:

该图和上述结果图1趋势完全一致,验证代码的可行性。
相关文章
|
3天前
|
存储 算法 Java
分布式唯一ID解决方案-雪花算法
分布式唯一ID解决方案-雪花算法
6 0
|
5天前
|
算法 调度 决策智能
基于自适应遗传算法的车间调度matlab仿真,可以任意调整工件数和机器数,输出甘特图
这是一个使用MATLAB2022a实现的自适应遗传算法解决车间调度问题的程序,能调整工件数和机器数,输出甘特图和适应度收敛曲线。程序通过编码初始化、适应度函数、遗传操作(选择、交叉、变异)及自适应机制进行优化,目标如最小化完工时间。算法在迭代过程中动态调整参数,以提升搜索效率和全局优化。
|
20天前
|
算法 程序员 分布式数据库
分布式一致性必备:一文读懂Raft算法
Raft算法是一种用于分布式系统中复制日志一致性管理的算法。它通过选举领导者来协调日志复制,确保所有节点数据一致。算法包括心跳机制、选举过程、日志复制和一致性保证。当领导者失效时,节点会重新选举,保证高可用性。Raft易于理解和实现,提供强一致性,常用于分布式数据库和协调服务。作者小米分享了相关知识,鼓励对分布式系统感兴趣的读者进一步探索。
98 0
|
1月前
|
算法 Go 分布式数据库
构建高可用的分布式数据库集群:使用Go语言与Raft共识算法
随着数据量的爆炸式增长,单一数据库服务器已难以满足高可用性和可扩展性的需求。在本文中,我们将探讨如何使用Go语言结合Raft共识算法来构建一个高可用的分布式数据库集群。我们不仅会介绍Raft算法的基本原理,还会详细阐述如何利用Go语言的并发特性和网络编程能力来实现这一目标。此外,我们还将分析构建过程中可能遇到的挑战和解决方案,为读者提供一个完整的实践指南。
|
1月前
|
算法 调度
考虑需求响应的微网优化调度模型【粒子群算法】【matlab】
考虑需求响应的微网优化调度模型【粒子群算法】【matlab】
|
1月前
|
数据安全/隐私保护
地震波功率谱密度函数、功率谱密度曲线,反应谱转功率谱,matlab代码
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
|
1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)
|
1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)
|
1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)