(文章复现)梯级水光互补系统最大化可消纳电量期望短期优化调度模型matlab代码

本文主要是介绍(文章复现)梯级水光互补系统最大化可消纳电量期望短期优化调度模型matlab代码,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

参考文献:

[1]罗彬,陈永灿,刘昭伟等.梯级水光互补系统最大化可消纳电量期望短期优化调度模型[J].电力系统自动化,2023,47(10):66-75.

1.基本原理

1.1 目标函数

        考虑光伏出力的不确定性,以梯级水光互补系统的可消纳电量期望最大为目标,函数可表示为:

1.2约束条件

1.2.1 电站约束

1)水量平衡约束

2)水库水位约束

 3)初始水位和末水位控制

4)出库流量约束

5)电站出力约束

6)水位-库容关系

7)尾水位-泄流量关系

1.2.2 机组约束

1)机组出力约束

2)机组发电流量约束

3)机组振动区约束

4)机组开、停机持续时间约束

 

机组在调度期内的最大开机次数,以避免频繁开停机。

5)机组出力爬坡约束

6)机组出力波动限制约束

7)机组发电水头约束

8)水头损失函数

9)机组动力特性关系

1.2.3 电网约束

1)梯级水电出力范围约束

2)分区断面约束

从目标函数和分区断面约束可以看出,弃电量中未设置弃水、弃光的优先级,模型目标会使得梯级水电在允许出力范围内优先蓄水减发,以提升受阻断面内光伏消纳量,从而提升互补系统整体可消纳水平,但为保障电网供电支撑无法继续减发时,受到分区断面限制而造成弃光也不可避免。

2.模型求解

2.1 模型转换

        MILP模型构建的关键在于模型的线性化转换 ,所提模型非线性约束包括式(10)、式(11)、式(16)、式(19)、式(21)和式(22)。其中,水位-库容、尾水位-泄流量以及水头损失函数可采用分段线性的方式进行处理[22]。 机组的动力特性参考文献[26],采用三角形权值技术进行处理。特殊地,对于季调节及以上电站,日内始末水位变化幅度较小,可在初始水位附近采用线性函数表示水位库容关系。

        1)机组振动区约束线性化

        大型机组可能存在多个振动区,将出力在最大最小出力范围内划分为多个非连续的安全运行区间。借鉴文献[21],文中假设机组振动区不随机组水头变化而改变,即固定的振动区,假设机组有 K 个振动区,则有 K + 1 个安全运行区间,即

        2)水电机组出力波动限制约束线性化

        水电机组出力的频繁波动表现为相邻时段出力的向上或向下调节。区别于已有文献中采用的关联搜索[27] 和负荷重构[28] 等方法,文中创新性地通过引入调节指标变量进行处理,可有效提高求解效率。

 

        因此 ,式(19)的非线性约束可用式(29)—式(31)替代。如图1所示机组状态变化示意图,当机组稳定出力时间达到 te 后,机组具有上调、下调和平稳出力 3 种有效状态,假设此时为 t0 时刻,若 t1 时刻上调或下调出力,调整之后则仅有平稳出力状态有效,上调和下调的状态暂时无效,直到稳定出力时间再次达到 te 后,机组上调和下调的状态重新有效,如此逐时段约束保证机组出力的稳定性。 

 

2.2 光伏出力场景构建

        受天气变化、预测方法等因素影响,光伏预测出力与实际出力之间的偏差客观存在。文中以历史偏差数据为样本,采用模糊聚类分析,构建光伏出力场景,具体方法流程如下。

        1)出力偏差处理

        2)模糊聚类分析

        以光伏场站历史日内96 点预测出力与实际出力偏差曲线为样本,进行模糊聚类分析,并采用聚类综合质量确定最佳聚类数,最后以各类别的模糊聚类中心构建预测出力偏差场景,具体公式和详细步骤可参考文献[29]。

        3)光伏出力场景

2.3 求解流程

        本文所述的互补系统最大化可消纳电量期望模型的求解步骤如下:

        步骤 1:读取基础数据并设置计算条件。包括区间流量、梯级发电计划、光伏预测出力、光伏历史预测与实际出力、分区断面约束、爬坡能力等。

        步骤 2:模型转换处理。采用 2.1 节所述模型转换方法,对非线性约束进行线性化处理。

        步骤 3:光伏出力场景构建。根据计划日光伏预测出力以及 2.2 节所述方法构建光伏出力场景。

        步骤 4:模型求解。将目标函数与转化后的约束结合构成的 MILP 模型,在 Java 环境中,编码调用CPLEX 求解类,实现模型求解,附录 Á 给出了编码和求解示例。

        步骤 5:结果输出。输出互补系统整体可消纳电量期望值,不同组合场景下的电站出力、机组出力、机组开停机、出库流量、水库水位等结果信息。

3.编程思路分析

3.1参数和变量定义

表1 相关参数

 

 表2 决策变量

 

3.2编程思路

        根据对文献内容的解读,可以设计下面的编程思路:

        步骤1:输入所需数据

算例分析用到的部分数据可以从原文中找到,大部分数据文献中都没有给出,只能参考其他文献进行设置。然后将所有需要的数据,按照表1的定义格式输入即可。包括区间流量、梯级发电计划、光伏预测出力、光伏历史预测与实际出力、分区断面约束、爬坡能力等。

        步骤2:光伏出力的场景生成与削减

        这部分就是根据计划日光伏预测出力以及原文中2.2节所述方法构建光伏的出力场景。原文中只是简单提到采用了参考文献[29]中所用方法进行场景生成与削减,并未详细介绍,此类方法比较简单,网上也能找到很多示例。另外,本来这个模型就是涉及非常多0-1变量,问题规模比较大,如果再加上多个场景,变量的数目将呈倍数增加,所以在复现的代码中,我就没有写场景生成与缩减的程序,直接给出了数据,选取典型的光伏出力场景作为算例。如果有需要的话可以自己修改数据,或者加入场景生成与削减的代码。

        步骤3:定义决策变量

        这一步比较简单,按照表2,初始化决策变量即可,同时每个决策变量的维度以及类型(sdpvar还是binvar)不要出错。另外,代码中变量定义的方式和文献中稍微有点不一样,这里不再详细介绍,具体可以去代码中查看。

        步骤4:写目标函数和约束条件

        写目标函数比较简单,按照给定的数据和定义的变量,写出目标函数即可。约束条件的处理比较复杂,文中只给出了约束条件16和19的线性化方法,其他几个非线性约束都是一笔带过,只说了用到某某文献中的方法。方便起见,我在这里把所有非线性约束都写出来,并介绍处理方法:

        1)式10

        原文中只给出了水位和库容的关系示意,一般情况下水位可以表示为库容的三次多项式,具体如下:

        四个不同的水电站水位-库容关系可以分别表示为:

y1=0.0006x^3-0.0811x^2+4.769x+1031, 10<=x<=45

y1=0.0269x^3-0.8958x^2+14.77x+891.8, 3.6<=x<=8.8

y1=0.01307x^3-0.699x^2+10.41x+803.5, 10<=x<=25

y1=0.005465x^3-0.1435x^2+3.495x+700.2, 5<=x<=22

        针对上述非线性函数关系,可采用分段线性化的方法将其转为线性约束,如图所示

2)式11

        尾水位是泄流量的非线性函数,通常表示为泄流量的2次多项式:

        四个不同的水电站尾水位-泄流量关系可以分别表示为:

y2=7.619e-07q^2-0.000672q+976.1

y2=7.081e-08q^2-9.372e-05q+839.1

y2=7.086e-08q^2+0.00032345q+752.6

y2=1.327e-07q^2-0.0005827q+655.9

        针对上述非线性函数关系,可采用分段线性化的方法将其转为线性约束,和约束10处理方法一致。

        3)式16、19

        原文中有详细解释,此处不再赘述。

        4)式21

        约束21是一个二次约束,也可以通过分段线性化的方式转为线性约束。不再赘述。

        5)式22

        水电站的非线性出力曲线,可以表示如下:

 

为了说明采用三角权值法是如何对这个表达式进行线性化的,首先把表达式简化如下:

        假设将Q的取值范围分为n1-1个区间,区间的端点值分别为Q1,Q2,...,Qn1,将H的取值范围分为n2-1个区间,区间的端点值分别为H1,H2,...,Hn2。那么对于任意的Q和H,都可以表示为区间端点值的线性组合,例如Q的取值在Q1和Q2之间,就可以用Q1和Q2表示Q,H的取值范围在H3和H4之间,就可以用H3和H4表示H。

        我们令pij=Hi×Qj,那么表达式也可以表示为:

        下面举个例子,假设H取值范围是[10,25],分为3个区间,区间端点分别为H1=10, H2=15, H3=20, H4=25,H取值范围是[80,100],分为4个区间,区间端点分别为H1=80, H2=85,H3=90, H4=95, H5=100。假设H是13,Q是86,就可以写成H=0.6H1+0.4H2,Q=0.8Q2+0.2Q3,QH就可以写成(0.6H1+0.4H2)(0.8Q2+0.2Q3)。也就是λ21=0.6×0.8,λ31=0.6×0.2,λ22=0.4×0.8,λ32=0.4×0.2。因此,可以将机组的输出功率表示为变量λij和已知量pij的表达式,从非线性表达式转为线性表达式。

步骤5求解模型

        原文中使用的是java和cplex求解,这份代码使用的是matlab+yalmip+cplex求解。

步骤6输出结果

        按原文中的格式输出优化结果,但由于文中提供的数据非常少,大部分数据都是自己设定的,所以结果肯定不一样,但原理都是一样的。

4.Matlab代码

        完整的matlab代码可以从这个链接获取:

https://download.csdn.net/download/weixin_44209907/88130711

5.运行结果分析

5.1光伏出力曲线

 5.2运行机组台数

 

5.3梯级水电站群出力 

 

5.4水电机组出力 

 

 5.5梯级水电站水位变化

 5.6各个断面出力

 

 

这篇关于(文章复现)梯级水光互补系统最大化可消纳电量期望短期优化调度模型matlab代码的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/613368

相关文章

Spring Boot + MyBatis Plus 高效开发实战从入门到进阶优化(推荐)

《SpringBoot+MyBatisPlus高效开发实战从入门到进阶优化(推荐)》本文将详细介绍SpringBoot+MyBatisPlus的完整开发流程,并深入剖析分页查询、批量操作、动... 目录Spring Boot + MyBATis Plus 高效开发实战:从入门到进阶优化1. MyBatis

MyBatis 动态 SQL 优化之标签的实战与技巧(常见用法)

《MyBatis动态SQL优化之标签的实战与技巧(常见用法)》本文通过详细的示例和实际应用场景,介绍了如何有效利用这些标签来优化MyBatis配置,提升开发效率,确保SQL的高效执行和安全性,感... 目录动态SQL详解一、动态SQL的核心概念1.1 什么是动态SQL?1.2 动态SQL的优点1.3 动态S

Spring Boot 3.4.3 基于 Spring WebFlux 实现 SSE 功能(代码示例)

《SpringBoot3.4.3基于SpringWebFlux实现SSE功能(代码示例)》SpringBoot3.4.3结合SpringWebFlux实现SSE功能,为实时数据推送提供... 目录1. SSE 简介1.1 什么是 SSE?1.2 SSE 的优点1.3 适用场景2. Spring WebFlu

java之Objects.nonNull用法代码解读

《java之Objects.nonNull用法代码解读》:本文主要介绍java之Objects.nonNull用法代码,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐... 目录Java之Objects.nonwww.chinasem.cnNull用法代码Objects.nonN

Python如何使用__slots__实现节省内存和性能优化

《Python如何使用__slots__实现节省内存和性能优化》你有想过,一个小小的__slots__能让你的Python类内存消耗直接减半吗,没错,今天咱们要聊的就是这个让人眼前一亮的技巧,感兴趣的... 目录背景:内存吃得满满的类__slots__:你的内存管理小助手举个大概的例子:看看效果如何?1.

一文详解SpringBoot响应压缩功能的配置与优化

《一文详解SpringBoot响应压缩功能的配置与优化》SpringBoot的响应压缩功能基于智能协商机制,需同时满足很多条件,本文主要为大家详细介绍了SpringBoot响应压缩功能的配置与优化,需... 目录一、核心工作机制1.1 自动协商触发条件1.2 压缩处理流程二、配置方案详解2.1 基础YAML

Java的IO模型、Netty原理解析

《Java的IO模型、Netty原理解析》Java的I/O是以流的方式进行数据输入输出的,Java的类库涉及很多领域的IO内容:标准的输入输出,文件的操作、网络上的数据传输流、字符串流、对象流等,这篇... 目录1.什么是IO2.同步与异步、阻塞与非阻塞3.三种IO模型BIO(blocking I/O)NI

SpringBoot实现MD5加盐算法的示例代码

《SpringBoot实现MD5加盐算法的示例代码》加盐算法是一种用于增强密码安全性的技术,本文主要介绍了SpringBoot实现MD5加盐算法的示例代码,文中通过示例代码介绍的非常详细,对大家的学习... 目录一、什么是加盐算法二、如何实现加盐算法2.1 加盐算法代码实现2.2 注册页面中进行密码加盐2.

python+opencv处理颜色之将目标颜色转换实例代码

《python+opencv处理颜色之将目标颜色转换实例代码》OpenCV是一个的跨平台计算机视觉库,可以运行在Linux、Windows和MacOS操作系统上,:本文主要介绍python+ope... 目录下面是代码+ 效果 + 解释转HSV: 关于颜色总是要转HSV的掩膜再标注总结 目标:将红色的部分滤

在C#中调用Python代码的两种实现方式

《在C#中调用Python代码的两种实现方式》:本文主要介绍在C#中调用Python代码的两种实现方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录C#调用python代码的方式1. 使用 Python.NET2. 使用外部进程调用 Python 脚本总结C#调