三篇论文联合复现:高比例新能源下考虑需求侧响应和智能软开关的配电网重构程序代码!

本文主要是介绍三篇论文联合复现:高比例新能源下考虑需求侧响应和智能软开关的配电网重构程序代码!,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!

适用平台:Matlab+Yalmip+Cplex

程序在高比例新能源接入的情况下提出了考虑需求响应(DR)和智能软开关(SOP)的多时段主动配电网重构策略,进一步降低配电系统重构费用,减少弃风率和弃光率;基于混合整数二阶锥规划对配电网重构模型进行求解,将模型转化为MISOCP问题,并在调用CPLEX求解器进行求解。程序中算例丰富、注释清晰、干货满满,可扩展性和创新性很高!下面对文章和程序做简要介绍!

程序创新点:

1配电网重构; 2)高比例可再生能源;

3)需求响应DR;4)智能软开关SOP。

主要工作:

程序提出了高比例新能源接入下考虑需求侧响应(DR)和智能软开关(SOP)的配电网重构策略。首先,构建了配电网重构下的DR和SOP模型;然后,综合考虑网损费用、弃风费用、弃光费用和开关费用,以社会利益最大化为优化目标,构建高比例新能源接入下多时段配电网重构模型;再次,通过大M法和二阶锥松弛将配电网重构模型转化为混合整数二阶锥规划问题,并采用Matlab调用YALMIP和CPLEX对转化后的模型进行求解;最后,采用改进的IEEE33节点配电系统进行了算例仿真,并进行了灵敏度分析和不同配电网重构策略的对比分析,验证了模型的有效性。所提考虑DR和SOP的配电网重构策略,可以有效提高配电系统的新能源消纳能力,平抑负荷峰谷差,提升配电网运行的经济性。

(1)智能软开关(SOP)

智能软开关(soft open point , SOP)是一种电力电子装置,用于替代传统联络开关,能有效解决配电系统中功率调节能力不足的问题。SOP可在馈线之间实现快速、动态和持续的有功无功潮流控制,起到平衡负载潮流并优化系统电压分布的作用。SOP的应用提高了配电网潮流的可控性,可有效解决高渗透率DG接入配电网带来的一系列问题,从而改善系统运行的经济性、灵活性和可靠性。

(2)需求响应

DR是指电力用户根据价格信号或激励机制做出响应,以此改变用户的常规电力消费行为。DR往往采用峰谷电价的形式引导用户的用电行为,从而将高峰时段的部分负荷转移到低谷时段,达到削峰填谷、平衡负荷的目的。政府制定的峰谷电价是一个长效机制,考虑到电价政策的调控变动在中国实施的难度,针对用户电价体系中的分时电价,现阶段已有一些研究工作通过积分制和电价套餐的方式来实现。

(3)Distflow潮流约束

dist-flow 潮流方程是基于Kirchhoff电流定律和Kirchhoff电压定律建立的。它考虑了配电系统中各节点之间的阻抗和功率负荷,通过求解一组非线性方程,得到各节点的电压和功率的分布情况,在dist-flow潮流方程中,首先需要确定各节点的电压幅值和相角,然后,根据节点电压和阻抗,计算节点注入功率和节点注入电流根据Kirchhoff电流定律和Kirchhoff电压定律,可以得到一组非线性方程。通过求解这组非线性方程,可以得到各节点的电压和功率的分布情况。相比于传统的基于节点功率的潮流计算法,Distflow 潮流模型更适用于辐射状配电系统的潮流计算。

程序结果:

部分程序:

delta_T=1;  N=1;S_sopi1=1;    S_sopj1=1;%SOP容量 
nl=37;nc=5;%37条线 5条联络线
xb=[33 12 22 0.1 0.1;34 8 21 0.1 0.1;35 15 9 0.1 0.1;36 25 29 0.1 0.1;37 18 33 0.1 0.1];%联络线的Branch矩阵
Branch=[Branch;xb];r_ij=Branch(:,4);   x_ij=Branch(:,5);
p_Solar=zeros(33,1);p_Wind=zeros(33,1);p_Load=p_load;
p_Solar(5)=0.05;p_Solar(11)=0.05;p_Solar(15)=0.05;p_Solar(22)=0.05;p_Solar(31)=0.05;%分布式功率  
q_Solar=p_Solar.*0.05;%无功按照有功的0.05倍 
lamda=sdpvar(33,N,'full');
x_Iij_square=sdpvar(37,N,'full');   x_ui_square=sdpvar(33,N,'full');
x_pij=sdpvar(37,N,'full');      x_qij=sdpvar(37,N,'full');
x_p_sop1=sdpvar(2,N,'full');    x_q_sop1=sdpvar(2,N,'full');
opt_num=1;beta=binvar(37,37,'full');Zij=binvar(nl,1);%网架结构
Z0=[ones(nl-nc,1);zeros(nc,1)];%初始拓扑 32条全连接 5条断开
assign(Zij,Z0);%为Zij与Z0赋初始值x_sop_L=sdpvar(2,N,'full');%sop损失
Constraints=[];%for opt_num=1:N    
Constraints = [Constraints, sum(Zij) == 32];%网架结构
Constraints = [Constraints, 0<= x_pij(33:37) <= 0.1.*Zij(33:37)];
Constraints=[Constraints,implies(Zij(i)==0,[beta(Branch(i,2),Branch(i,3))==0,beta(Branch(i,3),Branch(i,2))==0]),%非联通情况下的参数关系implies(Zij(i)==1,[beta(Branch(i,2),Branch(i,3))+beta(Branch(i,3),Branch(i,2))==1])];%联通情况下的参数关系if ~ismember([i,j],Branch(:,[2,3]))
Constraints=[Constraints,beta(i,j)==0];%非联通节点的参数beta设置为0
Constraints=[Constraints,sum(beta(1:37,:),2)==1];%公式6c
Constraints=[Constraints,beta(1,2)==0];%6d
%% 定义目标函数f=r_ij'*x_Iij_square(:,opt_num)+100*sum(p_load)+100*sum(-lamda.*p_load);Constraints=[Constraints,x_ui_square(1,opt_num)==12.66^2];Constraints=[Constraints,0<=lamda<=1];
% Constraints=[Constraints,x_Iij_square(7,opt_num)==0];%设置故障线路1Constraints=[Constraints,Zij(6)==0];Constraints=[Constraints,Zij(35)==0];

欢迎感兴趣的小伙伴关注,小编会不定期更新高质量的学习资料、文章和程序代码,为您的科研加油助力!

这篇关于三篇论文联合复现:高比例新能源下考虑需求侧响应和智能软开关的配电网重构程序代码!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/645972

相关文章

SpringBoot定制JSON响应数据的实现

《SpringBoot定制JSON响应数据的实现》本文主要介绍了SpringBoot定制JSON响应数据的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们... 目录前言一、如何使用@jsonView这个注解?二、应用场景三、实战案例注解方式编程方式总结 前言

Spring MVC如何设置响应

《SpringMVC如何设置响应》本文介绍了如何在Spring框架中设置响应,并通过不同的注解返回静态页面、HTML片段和JSON数据,此外,还讲解了如何设置响应的状态码和Header... 目录1. 返回静态页面1.1 Spring 默认扫描路径1.2 @RestController2. 返回 html2

使用Python实现批量访问URL并解析XML响应功能

《使用Python实现批量访问URL并解析XML响应功能》在现代Web开发和数据抓取中,批量访问URL并解析响应内容是一个常见的需求,本文将详细介绍如何使用Python实现批量访问URL并解析XML响... 目录引言1. 背景与需求2. 工具方法实现2.1 单URL访问与解析代码实现代码说明2.2 示例调用

python与QT联合的详细步骤记录

《python与QT联合的详细步骤记录》:本文主要介绍python与QT联合的详细步骤,文章还展示了如何在Python中调用QT的.ui文件来实现GUI界面,并介绍了多窗口的应用,文中通过代码介绍... 目录一、文章简介二、安装pyqt5三、GUI页面设计四、python的使用python文件创建pytho

嵌入式QT开发:构建高效智能的嵌入式系统

摘要: 本文深入探讨了嵌入式 QT 相关的各个方面。从 QT 框架的基础架构和核心概念出发,详细阐述了其在嵌入式环境中的优势与特点。文中分析了嵌入式 QT 的开发环境搭建过程,包括交叉编译工具链的配置等关键步骤。进一步探讨了嵌入式 QT 的界面设计与开发,涵盖了从基本控件的使用到复杂界面布局的构建。同时也深入研究了信号与槽机制在嵌入式系统中的应用,以及嵌入式 QT 与硬件设备的交互,包括输入输出设

让树莓派智能语音助手实现定时提醒功能

最初的时候是想直接在rasa 的chatbot上实现,因为rasa本身是带有remindschedule模块的。不过经过一番折腾后,忽然发现,chatbot上实现的定时,语音助手不一定会有响应。因为,我目前语音助手的代码设置了长时间无应答会结束对话,这样一来,chatbot定时提醒的触发就不会被语音助手获悉。那怎么让语音助手也具有定时提醒功能呢? 我最后选择的方法是用threading.Time

AI hospital 论文Idea

一、Benchmarking Large Language Models on Communicative Medical Coaching: A Dataset and a Novel System论文地址含代码 大多数现有模型和工具主要迎合以患者为中心的服务。这项工作深入探讨了LLMs在提高医疗专业人员的沟通能力。目标是构建一个模拟实践环境,人类医生(即医学学习者)可以在其中与患者代理进行医学

智能交通(二)——Spinger特刊推荐

特刊征稿 01  期刊名称: Autonomous Intelligent Systems  特刊名称: Understanding the Policy Shift  with the Digital Twins in Smart  Transportation and Mobility 截止时间: 开放提交:2024年1月20日 提交截止日

基于 YOLOv5 的积水检测系统:打造高效智能的智慧城市应用

在城市发展中,积水问题日益严重,特别是在大雨过后,积水往往会影响交通甚至威胁人们的安全。通过现代计算机视觉技术,我们能够智能化地检测和识别积水区域,减少潜在危险。本文将介绍如何使用 YOLOv5 和 PyQt5 搭建一个积水检测系统,结合深度学习和直观的图形界面,为用户提供高效的解决方案。 源码地址: PyQt5+YoloV5 实现积水检测系统 预览: 项目背景

论文翻译:arxiv-2024 Benchmark Data Contamination of Large Language Models: A Survey

Benchmark Data Contamination of Large Language Models: A Survey https://arxiv.org/abs/2406.04244 大规模语言模型的基准数据污染:一项综述 文章目录 大规模语言模型的基准数据污染:一项综述摘要1 引言 摘要 大规模语言模型(LLMs),如GPT-4、Claude-3和Gemini的快