基于两阶段鲁棒优化算法的微网多电源容量配置(Matlab）

news2024/9/21 20:35:36

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

🌈3 Matlab代码实现

🎉4 参考文献

💥1 概述

目标函数主要考虑了投资成本和运行成本两部分，其中，投资成本主要为储能的等年值投资成本，运行成本则包括配电网交互成本（购售电成本）、各单元运维成本以及微型燃气轮机的燃料成本。

$\min C=\min \left\{C_{\text {int }}+C_{o p e}\right\}$

📚2 运行结果

部分代码：

%微型燃气轮机上下限约束
C = [C, Q1*x <= p_g_int];
C = [C, Q1*x >= 0];
% constraints=[constraints,Q2*x<=T2];
% constraints=[constraints,Q2*x>=0];
%充放电量平衡约束
C = [C, Q3*x == 0];
%配电网交互约束
C = [C, Q4*x <= T4];
C = [C, Q4*x >= 0];
%SOC约束
C = [C, Q5*x <= T5];
C = [C, Q5*x >= T51];
%功率平衡
C = [C, Q6*x + G*u == 0];%这里的u是定值

C = [C, yita >= sum(sum(repmat(price,1,4).*(p_buy(:,:) - p_sell(:,:))) + c_fuel*sum(p_g(:,1))...%购售电成本和燃料成本
+ sum(c_wt_om*p_wt(:,:)) + sum(c_pv_om*p_pv(:,:)) + sum(c_g_om*p_g(:,:)) + sum(c_bat_om*p_dis(:,:)) + sum(c_bat_om*p_ch(:,:)))];%+...%运维成本
%约束
F = [];
F = [F, ee_bat_int >= 20,p_pv_int >= 20,p_wt_int >= 20,p_g_int >= 20,yita >= 0];
Fj = rp*(rp+1)^rbat/((rp+1)^rbat-1)*cbat*ee_bat_int + rp*(rp+1)^rPV/((rp+1)^rPV-1)*cPV*p_pv_int...
+ rp*(rp+1)^rWT/((rp+1)^rWT-1)*cWT*p_wt_int + rp*(rp+1)^rG/((rp+1)^rG-1)*cG*p_g_int + yita;

ops = sdpsettings('solver','cplex');
result = optimize(F+C,Fj,ops);

ee_bat_int = value(ee_bat_int);%电池储能的容量
p_wt_int = value(p_wt_int);%风机
p_pv_int = value(p_pv_int);%光伏
p_g_int = value(p_g_int);

LB = value(Fj);
yita = value(yita);