基于混合整数线性规划的电力系统机组组合优化研究_电力系统混合 ...

基于混合整数线性规划的电力系统机组组合优化研究

*一、简介

电力系统机组组合问题属于单目标、多约束优化问题，是电力系统优化调度、系统规划的学习的第一步。通过对机组组合优化的掌握，并进一步引入新的运行场景、新的调度变量以及新的不确定性量化算法，以达到不同方向的研究。因此，本文章目的在于对了解并掌握电力系统机组组合优化代码的学习。由于传统基于智能优化算法具有优化时间长、并且优化结果很大程度受罚值影响，故本文采用混合整数优化算法。

约束条件：发电机组出力约束、启停爬坡约束、潮流约束、功率平衡约束等
1）系统功率平衡约束

2）热备用约束

3）机组出力约束

4）机组爬坡约束

5）机组启停时间约束

6）启停费用约束

7）潮流安全约束(采用直流潮流)

由上小节构建的机组组合优化模型，煤耗成本采用二次函数，当系统规模较大时（如节点数超过1000），求解起来将消耗大量时间。因此我们可以对原模型进行线性化处理。将煤耗函数分段线性化，分为m段：

其中，代表分段线性化后煤耗函数各段斜率，表示机组开机并以最小出力运行产生的煤耗，为机组分段的出力：

*三、部分源代码

校验程序的算例基于IEEE-30节点标准测试系统，系统接线图如图1。系统包含30个节点，6台发电机组。要求确定系统最优机组组合，使得系统各机组总运行成本（煤耗成本+启停成本）最小化，本文代码采用基于matlab的yalmip+cplex构建模型。

%决策变量
u=binvar(gennum,T,'full');     %各0-1变量
p=sdpvar(gennum,T,'full');     %各机组出力功率
Ps=sdpvar(gennum,T,m,'full');  %各机组分段出力
costH=sdpvar(gennum,T,'full'); %机组启动成本
costJ=sdpvar(gennum,T,'full'); %机组关停成本
sum_PowerGSDF=sdpvar(T,branch_num,numnodes,'full');%发电机的输出功率转移总和
%% 目标函数
totalcost=0;%机组费用成本最小
%线性化的最优成本目标
for i=1:gennum
for t=1:T
for s=1:m
    totalcost=totalcost+K(i,s)*Ps(i,t,s);%线性化煤耗成本
    totalcost=totalcost+u(i,t)*(para(i,2)*limit(i,2)+para(i,1)*limit(i,2)^2+para(i,3));%加上表示机组开机并以最小出力 运行产生的煤耗
    totalcost=totalcost+costH(i,t)+costJ(i,t);%加上机组启停产生的开停机成本
*四、运行结果
 
*五、备注
 
完整代码请关注：
  
*六、 参考文献
 
[1] https://blog.csdn.net/weixin_42650162/article/details/102807821
 [2] 邓俊, 韦化, 黎静华. 考虑电量可实现性和启停功率轨迹的火电机组组合混合整数线性规划模型[J]. 电网技术, 2015(10):2882-2888.
                                    摘要： 电力系统优化问题是电力系统运行中的关键问题之一。本文针对单时段机组启停情况、煤炭损耗、机组出力和机组组合优化问题，提出了一种基于粒子群算法的求解方法。该方法将机组启停状态、机组出力、煤炭损耗等因素综合考虑，并采用粒子群算法进行优化，最终得到最佳机组组合方案，以实现系统运行成本最小化。文章首先介绍了问题模型和粒子群算法的基本原理，然后详细阐述了该方法的求解步骤，最后通过算例验证了该方法的有效性和优越性。关键词： 电力系统优化；机组启停；煤炭损耗；机组出力；机组组合；粒子群算法一、引言。
                                    💥💥💞💞欢迎来到本博客❤️❤️💥💥🏆博主优势：🌞🌞🌞⛳📋📋📋本文目录如下：🎁🎁🎁目录💥1 概述1.1 问题描述在电力系统中，高效的资源调度，对于在集中式或竞争性环境中实现经济可靠的能源生产和系统运行是必要的。
                                    关注公X众X号：New Power System预测和优化理论分享新型电力系统预测和优化领域的理论研究成果，包括优秀论文、工程应用、仿真代码等电力系统预测和优化方向研究生必备matlab-yalmip代码！祝您快速入门，早日发paper！【不断更新】链接：百度网盘 请输入提取码提取码：a701数据分析与预测高质量matlab代码【不断更新】链接：百度网盘 请输入提取码提取码：qhyt各种最新智能优化算法及应用【不断更新】链接：百度网盘 请输入提取码提取码：ydv0[1]刘隽琦,赵琳,廖宇等.德国城市能源系统
                                    校验程序的算例基于IEEE-30节点标准测试系统，系统接线图如图1。要求确定系统最优机组组合，使得系统各机组总运行成本（煤耗成本+启停成本）最小化。由上小节构建的机组组合优化模型，煤耗成本采用二次函数，当系统规模较大时（如节点数超过1000），求解起来将消耗大量时间。求解：机组组合结果，即机组各时段启停计划、机组各时段最优出力，以及内含的各时段的直流潮流等。当机组启动最小出力大于爬坡速率，机组爬坡约束将使得所有关停的机组都无法启动，因此改写为。将煤耗函数分段线性化，分为m段，将原模型煤耗函数的替换为。
                                    两阶段鲁棒优化方法是电力专业分析分布式发电（风/光）或者负荷不确定性的核心方法之一，分析两阶段鲁棒优化方法常用的就是C&CG和benders，由于CCG算法中子问题向主问题返回原切平面，相较返回对偶切平面的benders分解法效率更高，因此本文主要介绍CCG算法，以陈哲《计及需求侧响应日前—日内两阶段鲁棒备用优化》文章作为分析对象。
                                    本文提出了一种具有两阶段目标的可调鲁棒恢复优化模型，涉及不确定 DG 输出和负载需求。第一阶段为恢复停电电力生成最佳策略，第二阶段则旨在寻找最坏的波动情景。该模型被制定成了混合整数线性规划问题，使用列约束生成方法进行求解。通过这种鲁棒优化模型获得的恢复策略可以在预定义的不确定性集的所有情况下得到实现并确保良好的性能、可行性和可靠性。
                                    微电网优化调度作为智能电网优化的重要组成部分，对降低能耗、环境污染具有重要 意义。微电网的发展目标既要满足电力供应的基本需求，又要提高经济效益和环境保护。本文基于Matlab平台，使用Yalmip+Cplex对微电网进行最优化调度问题求解，调度求解的过程较为简洁方便，可修改性强，适合初学者快速理解Yalmip+Cplex的使用与微电网经济调度的原理。
                                    本文提出一种确定机组组合的降维半解析动态规划方法,可以与其他经济调度算法相结合,用以解决多种约束条件下的机组组合问题。该方法通过比较各时段负荷及机组参数,剔除各时段下不满足要求的组合状态,从而减少动态规划中的状态点数;根据机组的最小连续运行、停运时间限制,以及机组功率上升、下降速度的约束,剔除了状态点间的无效路径,从而减少了动态规划的路径个数,达到降维的目的;在确定机组启停状态后,再采用解析法进行机组的功率分配,可以大大提高动态规划方法的效率。
                                    由于工程项目需要，在求解新能源消纳问题时，需要进行电力系统优化调度，不可避免的需要优化求解电力系统机组组合问题。其本质是一个优化问题。查阅相关资料，目前做电力系统优化最主流的方法就是：Matlab + Yalmip + Cplex
  Yalmip
  Yalmip是一个Matlab工具包，在Yalmip官网下载，解压至Matlab Toolbox 工具箱中，然后设置好Pat...