微电网两阶段鲁棒优化经济调度方法.zip

function [u,UB] = SP_simple(x) %% 1.参数设置 %燃气轮机参数设置 pg_max=800; %燃气轮机最大功率限制 pg_min=80; %燃气轮机最小功率限制 a=0.67; %燃气轮机成本系数a,b设置 b=0; %蓄电池参数设置 ps_max=500; %储能允许最大充放电给功率 Es_max=1800; %蓄电池调度过程中允许的最大剩余容量 Es_min=400; %蓄电池调度过程中允许的最小剩余容量 Es_0=1000; %调度过程中初始容量 Ks=0.38; %折算后充放电成本 yita=0.95; %充放电效率 %需求响应负荷参数设置 K_DR=0.32; %需求响应负荷单位调度成本 D_DR=2940; %需求响应总用电需求 D_DR_min=50; D_DR_max=200; %配电网交互功率参数设置 pm_max=1500; %微电网与配电网交互功率最大值 %配电网日前交易电价，为24*1向量 price = [0.48;0.48;0.48;0.48;0.48;0.48;0.48;0.9;1.35;1.35;1.35;0.9;0.9;0.9;0.9;0.9;0.9;0.9;1.35;1.35;1.35;1.35;1.35;0.48]; %光伏日前预测，为24*1向量 p_pv_forecast_0 = 1500*[ 0 0 0 0 0 0.0465 0.1466 0.3135 0.4756 0.5213 0.6563 1.0000 0.7422 0.6817 0.4972 0.4629 0.2808 0.0948 0.0109 0 0 0 0 0]'; %p_pv_forecast=[0; 0; 0; 0; 0; 0; 40; 200; 425; 731; 884; 1180; 900; 830; 600; 510; 340; 50; 0; 0; 0; 0; 0; 0]; %初始最坏数据 %负荷日前预测，为24*1向量 p_l_forecast_0=1500*[ 0.4658 0.4601 0.5574 0.5325 0.5744 0.6061 0.6106 0.6636 0.7410 0.7080 0.7598 0.8766 0.7646 0.7511 0.6721 0.5869 0.6159 0.6378 0.6142 0.6752 0.6397 0.5974 0.5432 0.4803]'; %p_l_forecast=[400; 350; 320; 300; 300; 310; 451; 561; 605; 748; 720; 810; 891; 836; 770; 726; 775.5; 730; 790; 810; 850; 800; 505; 410]; %初始最坏数据 % C=[]; c=[a*ones(1,24) Ks*yita*ones(1,24) (Ks/yita)*ones(1,24) zeros(1,24) K_DR*ones(1,48) price' -price' zeros(1,48)]; % 这个为什么多 zeros(1,48) ？ % MP_simple 中的QC QC=c cy是目标函数 %% 2.变量设置 %对偶变量设置 gamma=sdpvar(192,1); lamda=sdpvar(50,1); miu=sdpvar(192,1); pai=sdpvar(48,1); %二元变量B设置 %B=binvar(48,1); %B为子问题初始二元变量，取到1即为最坏情况 %% 3.1 设子问题第一行约束 %其中，D为192*240矩阵，d为192*1矩阵 就是原来的y矩阵，现在换位y；u矩阵，所以多出48行 D=[eye(24) zeros(24,216); % 对应原来的Q1 -eye(24) zeros(24,216); % 删掉了 Q31;Q32 Q51;Q52 Q101;Q102 转移到F、G、h的约束中去了 zeros(24,24) yita.*tril(ones(24,24),0) -1/yita.*tril(ones(24,24),0) zeros(24,168); % 对应原来的Q4 zeros(24,24) -yita.*tril(ones(24,24),0) 1/yita.*tril(ones(24,24),0) zeros(24,168); zeros(24,72) eye(24) zeros(24,144); % 对应原来的Q9 zeros(24,72) -eye(24) zeros(24,144); zeros(24,96) eye(24) zeros(24,120); % 对应原来的Q101 zeros(24,120) eye(24) zeros(24,96);]; % 对应原来的Q102 d=[pg_min.*ones(24,1); -pg_max.*ones(24,1); (Es_min-Es_0).*ones(24,1); -(Es_max-Es_0).*ones(24,1); D_DR_min.*ones(24,1); -D_DR_max.*ones(24,1); zeros(48,1)]; %其中，K为50*240矩阵，s为50*1矩阵 K=[zeros(1,24) yita.*ones(1,24) -1/yita.*ones(1,24) zeros(1,168); % Q2 zeros(1,72) ones(1,24) zeros(1,144); % Q8 zeros(24,72) eye(24) eye(24) -eye(24) zeros(24,96); % 103 eye(24) -eye(24) eye(24) -eye(24) zeros(24,48) eye(24) -eye(24) eye(24) -eye(24)]; % 这行哪里出来的 有点像Q6 但又不完全一样 后面多出来48行 是啥？ s=[0; % 这又是那里出来的 %这个应该是g，它写成s了 2940; %总的需求响应 110 % 这个是可转移负荷的参数 100 90 80 100 100 130 100 120 160 175 200 140 100 100 120 140 150 190 200 200 190 80 60 %每个调度时刻的期望需求响应 zeros(24,1)]; %其中，G为192*240矩阵，h为192*1向量，F为192*48矩阵 F=[zeros(24,48); ps_max.*eye(24) zeros(24,24); zeros(24,48); -ps_max.*eye(24) zeros(24,24); zeros(24,48); zeros(24,24) pm_max*eye(24); zeros(24,48); zeros(24,24) -pm_max*eye(24);]; G=[zeros(24,48) eye(24) zeros(24,168); % Q32 zeros(24,48) -eye(24) zeros(24,168); % -Q32 * zeros(24) eye(24) zeros(24,192); % Q31 zeros(24) -eye(24) zeros(24,192); % -Q31 * zeros(24,144) eye(24) zeros(24,72); % Q51 zeros(24,144) -eye(24) zeros(24,72); % -Q51 * zeros(24,168) eye(24) zeros(24,48); % Q52 zeros(24,168) -eye(24) zeros(24,48)]; % -Q52 * h=[zeros(72,1); -ps_max.*ones(24,1); zeros(72,1); -pm_max.*ones(24,1)]; %I为48*240矩阵，u为48*1向量 I=[zeros(24,192) eye(24) zeros(24); zeros(24,216) eye(24)]; u0=[p_pv_forecast_0;p_l_forecast_0]; C = [C, D'*gamma+K'*lamda+G'*miu+I'*pai<=c']; %子问题第一行约束 %% Dp_pv_max=0.15*1500*[ 0 0 0 0 0 0.0465 0.1466 0.3135 0.4756 0.5213 0.6563 1.0000 0.7422 0.6817 0.4972 0.4629 0.2808 0.0948 0.0109 0 0 0 0 0]'; DPL_max=0.1*1500*[ 0.4658 0.4601 0.5574 0.5325 0.5744 0.6061 0.6106 0.6636 0.7410 0.7080 0.7598 0.8766 0.7646 0.7511 0.6721 0.5869 0.6159 0.6378 0.6142 0.6752 0.6397 0.5974 0.5432 0.4803]'; delta_u=[Dp_pv_max;DPL_max]; BPV=binvar(24,1,'full'); BL=binvar(24,1,'full'); B=[BPV;BL]; BB=sdpvar(48,1); %引入的辅助变量B’，记为BB %引入的辅助变量B’，记为BB C = [C, gamma>=0]; C = [C, miu>=0]; %C = [C, lamda>=0]; %C = [C, pai>=0]; C = [C, BB>=0]; C = [C,BB<=1000000*B]; %C = [C, BB>=pai-10*(ones(48,1)-B)]; C = [C, pai-1000000*(1-B)<=BB,BB<=pai]; C = [C, sum(B(1:24,:))<=15]; C = [C, sum(B(1:24,:))>=15]; C = [C, sum(B(25:48,:))<=15]; C = [C, sum(B(25:48,:))>=15]; %L1=[ones(1,24) zeros(1,24)]; %L2=[zeros(1,24) ones(1,24)]; %C = [C, L1*B<=12]; %C = [C, L2*B<=12]; %% 4.目标函数 % % Z=-(d'*gamma+s'*lamda+(h-F*x)'*miu+u0'*B+delta_u'*BB)+6200; % 为啥要加上6200？ s'*lamda？ % Z=-(d'*gamma+s'*lamda+(h-F*x)'*miu+u0'*B+delta_u'*BB); % 为啥要加上6200？ s'*lamda？ 为啥要加还要想想 Z=-(d'*gamma+s'*lamda+(h-F*x)'*miu+u0'*pai+delta_u'*BB); % 为啥要加上6200？ s'*lamda？ 为啥要加还要想想 %% 5.求解 ops = sdpsettings('solver','cplex'); result = optimize(C,Z,ops); BBB=value(B); BBBB=value(BB); GAMMA=value(gamma); LAMDA=value(lamda); MIU=value(miu); PAI=value(pai); UB=value(Z); for k=1:24 p_pv(k,1)=p_pv_forecast_0(k,1)-BBB(k,1)*delta_u(k,1); PL(k,1)=p_l_forecast_0(k,1)+BBB(k+24,1)*delta_u(k+24,1); end u=[p_pv;PL]; %% 画图 % figure(6) % plot(BBB(1:24),'r','linewidth',2) % hold on % plot(BBB(25:48),'b','linewidth',2) % %hold on % %plot(BBBB,'k','linewidth',3) figure(6) plot(p_pv,'k','linewidth',1) hold on plot(p_pv_forecast_0,'r.--','linewidth',1) hold on plot(p_pv_forecast_0+Dp_pv_max,'g.--','linewidth',1) hold on plot(p_pv_forecast_0-Dp_pv_max,'g.--','linewidth',1) legend('光伏实际出力','光伏预测出力','光伏区间出力上限','光伏区间出力下限'); xlabel('时间/h') ylabel('功率/kw') grid on figure(7) plot(PL,'k','linewidth',1) hold on plot(p_l_forecast_0,'r.--','linewidth',1) hold on plot(p_l_forecast_0+DPL_max,'g.--','linewidth',1) hold on plot(p_l_forecast_0-DPL_max,'g.--','linewidth',1) legend('负荷实际出力','负荷预测出力','负荷区间出力上限','负荷区间出力下限'); xlabel('时间/h') ylabel('功率/kw') grid on