基于两阶段鲁棒优化的微电网经济调度

目录

摘要：

两阶段鲁棒优化模型：

求解方法：

---

摘要：

构建了微网两阶段鲁棒调度模型，建立了min-max-min 结构的两阶段鲁棒优化模型，可得到最恶劣场景下运行成本最低的调度方案。模型中考虑了储能、需求侧负荷及可控分布式电源等的运行约束和协调控制，并引入了不确定性调节参数，可灵活调整调度方案的保守性。基于列约束生成算法和强对偶理论，可将原问题分解为具有混合整数线性特征的主问题和子问题进行交替求解，从而得到原问题的最优解。最终通过仿真分析验证了所建模型和求解算法的有效性，具体内容可自行查阅，程序基于MATLAB yalmip调用CPLEX实现求解，整体复现效果良好，由于无法获得原始数据，结果与原文有些许差别，不影响结果的正确性。

微电网调度所需要的决策

1）第 2 日可再生分布式电源出力和常规负荷 功率的预测曲线；

2）需求响应负荷的可调度范围、单位调度成 本及期望用电计划；

3）配电网日前交易电价及各时段与微电网交 换功率的限值；

4）储能单元和可控分布式电源的容量、调度 功率限值及单位调度成本；

5）储能单元的荷电状态限值及调度初始时刻 的剩余容量

关注博主，私信获取本文全部代码

参考文档：《微电网两阶段鲁棒优化经济调度方法》

 仿真平台：MATLAB YALMIP+CPLEX

两阶段鲁棒优化模型：

微电网的运行目标为日运行成本最小化，如式(18)所示，所需满足的约束条件包括式(2)、式(4)—(9)及式(12)—(16)。

当不考虑光伏出力和负荷功率的不确定性时，可得到上述微电网经济调度问题的确定性优化模型，其紧凑形式可表述为

求解方法：

针对上述两阶段鲁棒优化模型，本文采用列约束生成算法(C&CG)进行求解。类似于 Benders分解算法，C&CG 算法也通过将原问题分解为主问题和子问题进行交替求解的形式得到原问题的最优解。两者的区别在于 C&CG 算法在求解主问题的过程中不断引入和子问题相关的变量和约束，可以获得更加紧凑的原目标函数值下界，从而有效降低迭代次数。

本文基于两阶段鲁棒优化方法建立了考虑微 电网内可再生分布式电源和负荷不确定性的经济 调度模型，分析结果表明：

1）所提出的模型考虑了可再生分布式电源和 负荷的不确定性，通过对两阶段鲁棒优化模型的求 解，微电网能够得到“最恶劣”场景下系统运行成 本最小的调度方案；

2）通过改变不确定性调节参数，能够灵活调 整微电网优化方案的保守性，有利于微电网调度员 在运行成本和运行风险间进行合理选择；

3）鲁棒优化方法相对于确定性优化方法的优 势随着预测误差的增大而更加显著，得到的日前调 度方案具备更强的鲁棒性和抵御实时市场电价波 动风险的能力；

4）分时电价机制下，微电网对储能的调度计 划取决于峰谷电价差和储能单位充放电成本之间 的关系，该结论可为微电网投资商在规划储能时提 供参考，同时也有助于配电网运营商设计合理的激 励机制

出图效果：