Matlab|计及需求响应消纳风电的电热综合能源系统经济调度

目录

[1 主要内容](#1 主要内容)

场景分析

目标函数:

约束条件:

[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

程序主要参考《计及需求响应消纳风电的电热综合能源系统经济调度》第四章内容,模型负荷侧应用需求响应的基本原理,在日前应用分段电价需求响应原理,优化电负荷出力更加平顺,提高了风电上网空间,促进风电消纳。在日内应用风变电价需求响应,降低因风电出力不确定性给系统带来的调度维护费用,符合电力系统经济运行的基本要求。构建机组侧和负荷侧的两阶段优化经济调度模型,解决风电消纳困难,以及可再生能源出力不确定性的问题。

负荷侧需求响应部分可详见《电价负荷需求响应-考虑电价变动》和《负荷需求响应-考虑风变影响》两个文章介绍,在此不再赘述。

场景分析

本次主要是对算例场景进行分析,主要分为如下三个场景,本程序中场景3并未采用滚动调度,通过风变负荷来实现日内优化效果,实现了SPDR和WEPDR两种负荷需求响应的影响分析。

目标函数:

(注:计算参考该公式,目标函数包括热电联产机组和火电机组运行成本以及弃风成本,未计及PDR成本。)

约束条件:

2 部分代码

复制代码
Pmax=[600  600  600  247  247  247  800  600  ];%各个机组最大电出力
Pmin=[165  165  165  81  81  81  0  0  ];%各个机组最小电出力
PUmax=[70  70  70  80  80  80  50  130  ];%各个机组最大电爬坡
PDmax=[70  70  70  80  80  80  50  130  ];%各个机组最小电爬坡
Hmax=[450  450  450  180  180  180  ];%8台中有6台热电联产机组,最大热出力
Hmin=[0  0  0  0  0  0  ];%8台中有6台热电联产机组,最小热出力
HUmax=[100  100  100  93.3  93.3  93.3  ];%8台中有6台热电联产机组,最大热爬坡
HDmax=[100  100  100  93.3  93.3  93.3  ];%8台中有6台热电联产机组,最小热爬坡
a=[0.0532  0.0532  0.0532  0.0504  0.0504  0.0504  ];%6台热电联产机组,热电成本系数a
b=[190.12  190.12  190.12  160.44  160.44  160.44  ];%6台热电联产机组,热电成本系数b
c=[13175.4  13175.4  13175.4  10232.6  10232.6  10232.6  ];%6台热电联产机组,热电成本系数c
e=[  0.1197  0.266  ];%2台纯火电机组,火电成本系数a
f=[  189.35  190.12  ];%2台纯火电机组,火电成本系数b
g=[  8075.9  26351.5  ];%2台纯火电机组,火电成本系数c
cv=0.15;
cw=100;
forecast=[
    1825.61999675894    1030   400     450 
    1739.61915170686   1040   410     430 
    1826.41881967561   1050     420     530 
    1814.46302565045   1070     420     550 
    1857.00904221349   1080     430     575 
    1895.16431333503   1100     440     600 
    1796.99834571728   1090     450     610 
    1919.26529195984   1090     430     585 
    1923.65338812799   1000    400     500 
    1923.87540668541   900   350     480 
    2042.64027800894   800   300     460 
    2030.84385531158   700   270     330 
    2005.75464467561   650   250     335 
    2072.63007983821   600   240     390 
    2120.70393754842   550   250     370 
    2317.09098113394   570   255     450 
    2367.27096841592   700   300     500 
    2329.71633356450   800      320     530 
    2088.67030460469   850      330     510 
    2111.39027800894   880      340     510% 
    2000.60339098971   950      380     500 
    2004.84591193752   1020  430     510 
    1916.59855631083   1000  420     490 
    1973.15369782026   1030   420     570
    ];%1电负荷     2区域1热负荷     3区域2热负荷     4预测风电出力
onoff=binvar(8,24,'full');%调度周期24小时中,每小时各个机组的运行状况,用0-1表示
re   =sdpvar(6,24,'full');%6台热电联产机组的实际出力
huo  =sdpvar(2,24,'full');%2台纯火电机组的实际出力
feng =sdpvar(1,24,'full');%风电的实际出力
qfeng=sdpvar(1,24,'full');%弃风量
qfeng=forecast(:,4)'-feng;%弃风量
%约束条件
Constraints=[ ];
%热电联产机组约束
for k=1:24
    Constraints=Constraints+(Hmin'<=re(:,k)<=Hmax');%6台热电联产机组热出力上下限约束
end
for k=2:24
    Constraints=Constraints+((-1)*HDmax'<=re(:,k)-re(:,k-1)<=HUmax');%6台热电联产机组热爬坡约束
end
for k=1:24
    Constraints=Constraints+(sum(re(:,k))==sum(forecast(k,2:3)));%区域1和2热网互联后热负荷平衡约束
end
%for k=1:24
%    Constraints=Constraints+(Pmin(1,1:6)'<=0.75*re(:,k)<=Pmax(1,1:6)');%通过热电比将热换算为电,进行热电联产机组的电出力约束  
%end
%for k=2:24
%    Constraints=Constraints+((-1)*PDmax(1,1:6)'<= 0.75*re(:,k)-0.75*re(:,k-1)<=PUmax(1,1:6)');%通过热电比将热换算为电,进行热电联产机组的电出力爬坡约束
%end
%常规机组约束
for k=1:24
    Constraints=Constraints+(Pmin(1,7:8)'<=huo(:,k)<=Pmax(1,7:8)');%进行纯火电机组的电出力上下限约束   
end 
for k=2:24
    Constraints=Constraints+((-1)*PDmax(1,7:8)'<=huo(:,k)-huo(:,k-1)<=PUmax(1,7:8)');%进行纯火电机组的电出力爬坡约束
end
%风电出力约束
Constraints=[Constraints,0<=feng'<=forecast(:,4)];%风电出力上下限约束
​
for k=1:24
  Constraints=Constraints+(sum(0.95*re(1:3,k))+sum(0.75*re(4:6,k))+sum(huo(:,k))+feng(1,k)==PLT2(1,k));%系统的电功率平衡约束
end
%目标函数
Objective=0;
for k=1:24
    for i=1:6
    Objective=Objective+re(i,k)*a(1,i)*re(i,k)+re(i,k)*b(1,i)+c(1,i);%6个热电联产机组的成本
    end
end
for k=1:24
    for j=1:2
    Objective=Objective+huo(j,k)*e(1,j)*huo(j,k)+huo(j,k)*f(1,j)+g(1,j);%2个纯火电机组的成本
    end
end
Objective=Objective+sum(cw*qfeng);%弃风惩罚费用
%求解

3 程序结果

场景1:弃风率27.8942%(程序自动计算得出)

场景2:弃风率6.747%(程序自动计算得出)

场景3:弃风率5.8103%(程序自动计算得出)

4 下载链接

相关推荐
Luis Li 的猫猫3 小时前
基于Matlab的人脸识别的二维PCA
开发语言·人工智能·算法·matlab
对许12 小时前
分布式光伏发电的发展现状与前景
光伏
DesolateGIS1 天前
数学建模:MATLAB强化学习
开发语言·matlab
爱编程的鱼1 天前
MATLAB—从入门到精通的第二天
数据结构·算法·matlab
涛思数据(TDengine)1 天前
从 MongoDB 到 TDengine,沃太能源实现 18 倍写入性能提升
mongodb·能源·tdengine
艾思科蓝 AiScholar2 天前
【南华大学机械工程学院主办,澳大利亚莫道克大学支持 | EI、Scoups检索】2025年智慧能源与控制工程国际学术会议(SECE 2025)
图像处理·人工智能·目标检测·计算机视觉·自动化·能源·制造
我爱C编程2 天前
基于SNR估计的自适应码率LDPC编译码算法matlab性能仿真,对比固定码率LDPC的系统传输性能
matlab·snr估计·自适应码率·ldpc编译码
机器学习之心2 天前
基于混合蝴蝶粒子群算法 粒子群算法 蝴蝶算法实现无人机复杂山地环境下航迹规划附matlab代码
算法·matlab·无人机
爱编程的鱼2 天前
Matlab—从入门到精通的第一天
开发语言·matlab
IT猿手2 天前
基于多目标向日葵优化算法(Multi-objective Sunflower Optimization,MOSFO)的移动机器人路径规划研究,MATLAB代码
算法·机器学习·matlab·机器人