主要内容
该模型参考《Collaborative Autonomous Optimization of Interconnected Multi-Energy Systems with Two-Stage Transactive Control Framework》，主要解决的是一个多能源微网的优化调度问题，首先对于下层多能源微网模型，考虑以其最小化运行成本为目标函数，通过多时间尺度滚动优化处理负荷和可再生能源随机性，并求解其最优调度策略；对于上层模型，考虑运营商以最小化运营成本为目标函数，同时考虑变压器过载等问题。最终构建了一个两阶段优化模型，采用次梯度法和二分法对模型进行优化求解，程序采用matlab编写，模块化编程，注释清晰。
部分代码
%次梯度法求解 % 用于日前预测或日内作为对比 global EH1 EH2 EH3 elePrice period couldExport minimumPower delta_lambda_max = 1e-4; maxIteration = 3000; %最大迭代次数 iterativeStep = 1; ee = 0.001; %%按照不同的输出场景，选择不同的约束 if couldExport == 1 minimumPower = eleLimit_total(2); else minimumPower = 0; end if isDA %%获取不同IES的参数值 EH1.predict(0); EH2.predict(0); EH3.predict(0); priceArray_record(:,1) = elePrice; prePrice = elePrice; temporal = 1; st = 1; else temporal = 24* period;%%确定为24h的算例 st = time; end for pt = st : temporal if isDA == 0 %%获取不同IES的参数值 EH1.predict(pt); EH2.predict(pt); EH3.predict(pt); end number = 1; k = 1; lamda_old = -10 * ones(24 * period - pt + 1, 1); lamda_new = zeros(24 * period - pt + 1, 1); %取初始值：对预测电价没有偏差 lamda_record = zeros(24 * period - pt + 1 , maxIteration + 1); lamda_record(: , number) = lamda_new; max_balance=zeros (1 , maxIteration + 1); %如果前后两次价格的偏差太大，则返回第1步 while number <= 2 || max(abs(balanceDemand)) > 100 % max(abs(lamda_new - lamda_old)) > ee || %| max(abs(clearDemand_new - clearDemand_old)) > 1e-4 %1e-6, 不能直接取0 % 后一个条件是因为即使lamda收敛后，供需也不平衡，所以需要取一正一负两个点，来求零点 % && || 的前一个为否，则后一个就不计算了 % 要求至少迭代两次（number=1，2） % if number > maxIteration % error('超出最大迭代次数'); % end if number > 1% number=2时才记录第一次 clearDemand_old = clearDemand_new; end %%依次根据priceArray, gasPrice1, pt三个输入值计算优化结果以及响应结果 [x1,f1,~,~,~] = EH1.handlePrice(priceArray, gasPrice1, pt); %根据priceArray, gasPrice1, pt三个输入值计算EH1优化结果以及响应结果 clearDemand_EH1_new = x1(1: 24 * period - pt + 1); %根据priceArray, gasPrice1, pt三个输入值计算EH2优化结果以及响应结果 [x2,f2,~,~,~] = EH2.handlePrice(priceArray, gasPrice1, pt); %根据priceArray, gasPrice1, pt三个输入值计算EH2优化结果以及响应结果 clearDemand_EH2_new = x2(1: 24 * period - pt + 1); %根据priceArray, gasPrice1, pt三个输入值计算EH3优化结果以及响应结果 [x3,f3,~,~,~] = EH3.handlePrice(priceArray, gasPrice1, pt); clearDemand_EH3_new = x3(1: 24 * period - pt + 1); %%根据lamda_new(i)的取值，计算不同情况下的电网侧出清结果（上层） clearDemand_grid_new=zeros(24 * period - pt + 1 ,1); for i = 1: 24 * period - pt + 1 if lamda_new(i) == 0
结果一览
1.原文结果
2.程序运行结果
