【综合能源】计及碳捕集电厂低碳特性及需求响应的综合能源系统多时间尺度调度模型

简介: 此程序是基于《计及碳捕集电厂低碳特性的含风电电力系统源-荷多时间尺度调度方法》的复现,实现了电热综合能源系统的日前日内调度模型,涉及燃气轮机、风电机组、火电机组、电锅炉及碳捕集系统。程序使用MATLAB的YALMIP+CPLEX进行优化,考虑了碳捕集、风电协调、需求响应和系统灵活性。它定义了多种决策变量,包括电力和热力出力、碳排放、能耗等,并设置了相应的约束条件,如出力范围、碳捕集效率和旋转备用约束。程序还显示了实现效果的图表,但具体细节未给出。

1主要内容

本程序是对《计及碳捕集电厂低碳特性的含风电电力系统源-荷多时间尺度调度方法》方法复现,非完全复现,只做了日前日内部分,并在上述基础上改进升级为电热综合电源微网系统,未考虑节点系统。


本程序依据上述文献模型实现一个虚拟电厂/微网多时间尺度电热综合能源系统低碳经济调度模型,源侧在碳捕集电厂中装设烟气旁路系统与溶液存储器,形成碳捕集电厂综合灵活运行方式进而与风电协调配合;荷侧调用不同响应速度的价格型、激励型需求响应资源克服多时间尺度下碳捕集电厂综合灵活运行方式的局限,通过源荷资源协调优化,从而提高系统的低碳性能。其次,构建源荷协调的日前-日内两阶段低碳经济调度模型,优化系统的负荷及分配计划。

2部分程序

%% 决策变量

% 电力源出力

GT_P = sdpvar(2,24,'full'); % 燃气轮机电出力

P_w = sdpvar(1,24,'full'); % 风电机组出力

P_G = sdpvar(3,24,'full'); % 火电机组出力

EB=sdpvar(2,24,'full'); % 电锅炉出力

% 热力源出力

GT_H = sdpvar(2,24,'full'); % 燃气轮机热出力

EB_H=sdpvar(2,24,'full'); % 电锅炉热出力

% 天然气

P_gas=sdpvar(2,24,'full'); % 天然气需求

% 碳捕集相关

E_G=sdpvar(3,24,'full'); % 碳捕集机组产生的总碳排放

E_total_co2=sdpvar(3,24,'full'); % 机组捕获的总碳排放

E_CG=sdpvar(3,24,'full'); % 储液装置提供的待捕集二氧化碳量

P_B=sdpvar(3,24,'full'); % 机组运行能耗

P_J=sdpvar(3,24,'full'); % 机组净出力

V_CA=sdpvar(3,24,'full'); % 机组净出力

V_FY=sdpvar(3,24,'full'); % 富液体积

V_PY=sdpvar(3,24,'full'); % 贫液体积

P_tran=sdpvar(1,24,'full'); % 系统可转移电负荷

P_cut=sdpvar(1,24,'full'); % 系统可削减电负荷

P_DE=sdpvar(1,24,'full'); % 系统经过过需求响应后的电负荷

H_tran=sdpvar(1,24,'full'); % 系统可转移热负荷

H_cut=sdpvar(1,24,'full'); % 系统可削减热负荷

H_DE=sdpvar(1,24,'full'); % 系统经过过需求响应后的热负荷

gn=5;  

P_G_line= sdpvar(3,24,'full'); % 火电机组出力

%% 约束条件

C = [];  %约束条件初始

for t=1:24

   for i=1:3

   C = [C,        

       0<=E_CG(i,t),

       0<=P_B(i,t),

       E_G(i,t)==eg(i)*P_G(i,t), % 碳捕集机组产生的总碳排放  

       E_total_co2(i,t)==E_CG(i,t)+0.25*E_bata*eg(i)*(y1(i,t)-y2(i,t)), % 机组捕获的二氧化碳总量

       0<=E_total_co2(i,t)<=P_yita*E_bata*eg(i)*P_G_max(i),  

       P_B(i,t)==P_lamda(i)*E_total_co2(i,t), % 机组运行能耗

       P_G(i,t)==P_J(i,t)+P_D(i,t)+P_B(i,t), % 机组输出总功率

       P_G_min(i)-P_lamda(i)*P_yita*E_bata*eg(i)*P_G_max(i)-P_D(i)<=P_J(i,t)<=P_G_max(i)-P_D(i), % 碳捕集电厂净出力范围

       0<= P_w(t)<= P_prew(t), % 风电出力区间约束

       sum(EB(:,t))+P_w(t)<=P_prew(t);

       P_G_min(i)<= P_G(i,t)<=P_G_max(i), % 火电机组出力约束

       ];

   end

end

C=[C,min(sum(R_u),sum(P_G_max)-sum(P_G))>=0.01*max(P_DE),]; % 旋转备用约束


3实现效果



相关文章
|
网络协议 前端开发 Unix
QEMU&KVM-2 Live Migration
虚拟机的迁移是指把一台VM上的OS迁移到另外一台VM,两个VM可以run在不同的物理机上。 包括:Offline Migration和Live Migration。这里讲讲比较常用的Live Migration(热迁移)。 在热迁移过程中,Guest OS完全无感,其运行的任务,在快速迁移过后能继续运行。 首先,对于Guest OS从一个VM迁移到其他VM,涉及到对register配置,di
8316 0
QEMU&KVM-2 Live Migration
|
2月前
Snipaste 截图工具安装使用教程:桌面 "贴" 图神器,高效截图不费力
Snipaste 不只是截图工具,更是让截图“活”起来的效率神器!支持快速截图(F1)、贴图置顶(F3)、缩放旋转、透明穿透等灵活操作,还可将文字颜色转为图片窗口。轻巧强大,提升办公效率必备!
523 8
Snipaste 截图工具安装使用教程:桌面 "贴" 图神器,高效截图不费力
|
搜索推荐 数据安全/隐私保护 UED
产品经理-B 端与C端
B端与C端是IT互联网产品经理的类型划分,分别面向企业和个人消费者。C端产品如微信、淘宝,注重用户体验和快速迭代;B端产品如CRM系统、ERP软件,强调功能复杂性和定制化服务。此外,还有G端产品,主要服务于政府机构,注重数据安全和合规性。产品经理起源于20世纪20年代末的美国宝洁公司,随着互联网的发展,该角色在IT领域变得愈加重要。
1693 12
Next.js 实战 (三):优雅的实现暗黑主题模式
这篇文章介绍了在Next.js中实现暗黑模式的具体步骤。首先,需要安装next-themes库。然后,在/components/ThemeProvider/index.tsx文件中新增ThemeProvider组件,并在/app/layout.tsx文件中注入该组件。如果想要加入过渡动画,可以修改代码实现主题切换时的动画效果。最后,需要在需要的位置引入ThemeModeButton组件,实现暗黑模式的切换。
473 0
Next.js 实战 (三):优雅的实现暗黑主题模式
|
算法 调度 决策智能
基于元模型优化算法的主从博弈多虚拟电厂动态定价和能量管理(matlab代码)
基于元模型优化算法的主从博弈多虚拟电厂动态定价和能量管理(matlab代码)
|
运维 监控 安全
在Linux中,如何进行故障排查?
在Linux中,如何进行故障排查?
|
缓存 NoSQL 安全
【Azure Redis 缓存】Azure Redis 4.0 被扫描到漏洞,如何修补呢?
【Azure Redis 缓存】Azure Redis 4.0 被扫描到漏洞,如何修补呢?
295 0
|
图形学 开发者
U3D小游戏开发实战:构建趣味互动体验的全面指南
【7月更文第13天】Unity 3D(U3D)作为业界领先的跨平台游戏开发引擎,以其强大的功能和灵活性,成为无数开发者打造创意小游戏的理想选择。本文将深入探讨如何利用U3D构建一款既有趣又互动的小游戏项目,从概念设计到实现细节,涵盖基础设置、核心逻辑编码、以及优化技巧,旨在为开发者提供一套实战性极强的开发流程指南。
892 0
|
Kubernetes Cloud Native Go
Golang深入浅出之-Go语言中的云原生开发:Kubernetes与Docker
【5月更文挑战第5天】本文探讨了Go语言在云原生开发中的应用,特别是在Kubernetes和Docker中的使用。Docker利用Go语言的性能和跨平台能力编写Dockerfile和构建镜像。Kubernetes,主要由Go语言编写,提供了方便的客户端库与集群交互。文章列举了Dockerfile编写、Kubernetes资源定义和服务发现的常见问题及解决方案,并给出了Go语言构建Docker镜像和与Kubernetes交互的代码示例。通过掌握这些技巧,开发者能更高效地进行云原生应用开发。
407 1
|
Web App开发 调度 Windows
开源代码分享(8)—大规模电动汽车时空耦合双层优化调度(附matlab代码)
本文研究了发电机、电动汽车和风能的协同优化调度问题。提出了一种新颖的双层优化方法,用于解决在风能存在的情况下,电动汽车充放电负荷在时间和空间领域的调度问题。在输电系统中,上层优化协调了电动汽车、热发电机和基本负荷,考虑了风能因素,优化了电动汽车在时间域内的负荷时段。在配电系统中,下层优化则对电动汽车负荷的位置进行空间调度。通过对一个拥有10台发电机的输电网和一个IEEE 33节点的配电网的电力系统基准进行评估,评估了提出的双层优化策略的性能。分析了电价曲线、电动汽车普及率以及电动汽车负荷位置等因素的影响。