基于双层优化的微电网系统规划容量配置方法 参考文献:基于双层优化的微电网系统规划设计方法 非完全复献 matlabyalmipcplex 主要内容:微网的多电源容量优化配置规划出最佳的微电网光伏、风电、储能等多电源的容量配置方案此外代码采用双层模型上层以周期内运维成本以及投资成本之和最低为目标函数下层则以调度周期内购售电成本以及燃料成本最低为目标函数上层得出最佳容量配置方案下层得出最佳运行策略。微电网容量配置这事儿说白了就是在光伏板装多少、风机选多大、储能电池堆几组之间反复横跳。传统单层优化经常被实际运行打脸这时候就得请出双层优化这个狠角色——上层拍板设备容量下层实时调度发电俩AI在数学框架里互掐直到达成共识。先看上层决策怎么建模。在YALMIP里定义决策变量简单粗暴PV_cap sdpvar(1); % 光伏装机容量 WT_cap sdpvar(1); % 风机装机容量 ESS_cap sdpvar(1); % 储能额定容量 ESS_power sdpvar(1); % 储能额定功率目标函数把投资成本摊到每天加上预估运维开支inv_cost 800*PV_cap 1500*WT_cap 600*ESS_cap 400*ESS_power; OM_cost 0.03*inv_cost; objective_upper inv_cost/(20*365) OM_cost;这里光伏单位成本800元/kW储能分容量和功率成本——看着像车企卖电动车拆开电池和车体收费的套路。基于双层优化的微电网系统规划容量配置方法 参考文献:基于双层优化的微电网系统规划设计方法 非完全复献 matlabyalmipcplex 主要内容:微网的多电源容量优化配置规划出最佳的微电网光伏、风电、储能等多电源的容量配置方案此外代码采用双层模型上层以周期内运维成本以及投资成本之和最低为目标函数下层则以调度周期内购售电成本以及燃料成本最低为目标函数上层得出最佳容量配置方案下层得出最佳运行策略。下层调度模型更有意思需要处理24小时动态平衡P_grid sdpvar(24,1); % 从主网购电量 P_sell sdpvar(24,1); % 向主网售电量 ESS_char sdpvar(24,1); % 储能充电功率 ESS_dischar sdpvar(24,1); % 储能放电功率目标函数暗藏玄机fuel_cost sum(C_fuel*(a*P_diesel b)); % 柴油机燃料费 energy_cost sum(C_buy*P_grid - C_sell*P_sell); objective_lower fuel_cost energy_cost;这个式子把柴油发电机的工作特性曲线拆成线性项和常数项妥妥的工程经验大过数学严谨的操作。上下层如何联动举个储能约束的栗子constraints [... ESS_char ESS_power,... ESS_dischar ESS_power,... 0.2*ESS_cap ESS_SOC 0.9*ESS_cap,... % SOC硬约束 cumsum(ESS_char*eta_char - ESS_dischar/eta_dischar) ESS_SOC... % 充放电动态 ];储能功率限制直接来自上层决策变量SOC管理策略则影响下层调度灵活性。这时候用CPLEX求解经常能看到对偶间隙在0.5%左右反复横跳得靠收敛条件设置来打断这个死循环。最后吐个槽实际项目中发现风光出力预测误差超过15%时这个模型配置结果可能让储能系统忙成狗——不是在充电就是在放电的路上。后来加了个鲁棒优化层才算hold住场子不过那就是另一个故事了。