基于YALMIP 的微网优化调度模型探索

关键词：微网优化调度机组组合 YALMIP cplex 编程语言：MATLAB平台主题：基于YALMIP 的微网优化调度模型内容简介：程序基于MATLAB yalmip 开发，做了一个简单的微网优化调度模型，模型中含有蓄电池储能、风电、光伏以及柴油机组等发电单元，程序运行结果良好，适合初学。

在电力系统领域，微网的优化调度一直是热门话题。今天咱就唠唠基于MATLAB平台结合YALMIP开发的一个超适合初学者上手的微网优化调度模型。这个模型里，我们有蓄电池储能、风电、光伏以及柴油机组这些发电单元，最终程序运行结果还挺不错。

YALMIP和CPLEX的"梦幻联动"

YALMIP是MATLAB中用于求解优化问题的强大工具包，而CPLEX是高效的商业求解器。二者结合，就像郭靖搭配黄蓉，相得益彰，能高效解决各种复杂的优化问题。在微网优化调度模型里，它们可是大功臣。

构建发电单元模型

1. 光伏与风电

光伏和风电出力受自然条件影响大，具有间歇性和波动性。在MATLAB里，我们可以这样简单模拟它们的出力情况：

matlab 复制代码

% 假设已知的光伏和风电出力预测数据
pv_power = [10 15 20 25 30]; % 不同时段的光伏出力
wind_power = [5 8 12 10 7]; % 不同时段的风电出力

这里我们简单设定了几个时段的出力值，实际应用中，这些数据会来自于气象预测等更复杂的手段。

2. 柴油机组

柴油机组的出力相对稳定，但考虑成本等因素需要合理调度。它的出力有上下限限制，我们用以下代码来表示：

matlab 复制代码

% 柴油机组参数
diesel_max = 50; % 柴油机组最大出力
diesel_min = 10; % 柴油机组最小出力
diesel_cost = 0.2; % 柴油机组单位发电成本

% 定义柴油机组出力变量
diesel_power = sdpvar(1, length(pv_power), 'Full');
% 约束条件：出力上下限
Constraints = [diesel_power >= diesel_min, diesel_power <= diesel_max];

这里我们用YALMIP的sdpvar函数定义了柴油机组的出力变量，然后设定了它的上下限约束。

3. 蓄电池储能

蓄电池能起到"削峰填谷"的作用，储存多余电能，在缺电时释放。代码如下：

matlab 复制代码

% 蓄电池参数
battery_max_charge = 20; % 最大充电功率
battery_max_discharge = 30; % 最大放电功率
battery_capacity = 100; % 蓄电池容量
battery_efficiency = 0.9; % 充放电效率

% 定义蓄电池相关变量
battery_charge = sdpvar(1, length(pv_power), 'Full');
battery_discharge = sdpvar(1, length(pv_power), 'Full');
battery_state = sdpvar(1, length(pv_power), 'Full');

% 约束条件
Constraints = [Constraints, battery_charge >= 0, battery_charge <= battery_max_charge,...
               battery_discharge >= 0, battery_discharge <= battery_max_discharge,...
               battery_state(1) == battery_capacity,...
               battery_state(i+1) == battery_state(i) + battery_charge(i)*battery_efficiency - battery_discharge(i)/battery_efficiency];

这段代码定义了蓄电池的充电、放电功率以及电量状态变量，并给出了相应的约束条件，比如充电、放电功率限制，以及电量的递推关系。

目标函数与求解

我们的目标是最小化发电成本，代码如下：

matlab 复制代码

% 目标函数：最小化发电成本
Objective = sum(diesel_power*diesel_cost);

% 调用求解器求解
optimize(Constraints, Objective, sdpsettings('solver', 'cplex'));

这里用sum函数计算柴油机组发电成本总和作为目标函数，然后通过optimize函数，利用CPLEX求解器，在之前设定的约束条件下求解这个优化问题。

最终，通过这样一套代码流程，我们就完成了基于YALMIP的微网优化调度模型的搭建与求解。这个模型对于初学者理解微网调度原理，以及掌握YALMIP和CPLEX在MATLAB中的应用非常有帮助。后续还可以在此基础上，加入更多复杂因素，比如电力市场价格波动等，进一步完善模型。