基于数据驱动分布鲁棒优化的随机最优潮流，基于分布鲁棒的随机最优潮流(OPF) matlab源代码

基于数据驱动分布鲁棒优化的随机最优潮流，基于分布鲁棒的随机最优潮流(OPF)
matlab源代码，保证正确
利用MATLAB解决了一个基于预测误差分布信息有限的多阶段随机OPF问题，将多阶段反馈策略与任何预测方法和历史预测误差数据明确地结合起来。
研究目标是确定电网中可控制设备的电力调度策略，以平衡设备和网络约束违反的运行成本和条件风险值(CVaR)。
这些决定包括名义电力计划和储备政策，具体规定了对预测误差的计划反应，以适应波动的可再生能源(RESs)。
我们不假设网络中的不确定性遵循规定的概率分布，而是考虑以有限训练数据集为中心的分布的模糊集。
通过使用Wasserstein度量来量化基于经验数据的分布和真实未知数据生成分布之间的差异，我们制定了一个多阶段分布鲁棒的OPF问题来计算控制策略，该控制策略对数据集内固有的预测误差和抽样误差都具有鲁棒性。
该包包括两个子包，分别为配电网和传输系统设计。
在配电网和输电网上进行了大量的数值实验，以说明所提方法的有效性和灵活性平衡效率、约束违背风险和输出的理论样品的性能。
在配电方面，该方法利用局部储能装置减轻了由于光伏穿透能力高而产生的过电压。
在输电侧，该方法利用可控发电机的备用策略，降低了因高穿风率而产生的N-1安全线路流约束风险。
在这两种情况下，基于数据的分布式鲁棒模型预测 (MPC)算法明确地利用了预测误差训练数据集，该数据集可以在线更新。
数值结果说明了操作成本、违反约束的风险和样本外性能之间的内在权衡，为系统运营商提供了平衡这些目标的系统技术。

ID:43200638320707475SourseCode