Matlab|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

目录

[1 主要内容](#1 主要内容)

目标函数

计算步骤

节点系统

[2 部分代码](#2 部分代码)

[3 程序结果](#3 程序结果)

[4 下载链接](#4 下载链接)


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:

复制代码
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。

复制代码
%             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

复制代码
                        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。

4 下载链接

相关推荐
小王同学mf1 分钟前
Kafka生产者如何提高吞吐量?
分布式·kafka
songqq2739 分钟前
【快速入门】Kafka的安装部署
分布式·kafka
天冬忘忧1 小时前
Spark 中 RDD 的诞生:原理、操作与分区规则
大数据·分布式·spark
点云侠1 小时前
二维椭圆拟合算法及推导过程
开发语言·c++·算法·计算机视觉·matlab
黄俊懿3 小时前
【架构师从入门到进阶】第一章:架构设计基础——第五节:架构演进(缓存到微服务)
分布式·后端·缓存·微服务·架构·系统架构·架构设计
songqq274 小时前
kafka面试夺命30问
分布式·面试·kafka
二进制杯莫停4 小时前
PaaS云原生:分布式集群中如何构建自动化压测工具
分布式·云原生·paas
不写是真记不住啊6 小时前
kafka生产消费问题
分布式·kafka
大数据编程之光7 小时前
【spark面试题】RDD容错机制
大数据·分布式·spark
顶呱呱程序8 小时前
2-149 基于matlab的LDPC译码性能分析
matlab·误码率·迭代次数、码长、信噪比·ldpc译码性能分析