开源代码分享(14)—考虑DG不确定性的抽水蓄能优化调度(附matlab代码)
来源于中科院一区SCI期刊的开源代码，在此给大家免费分享：
1.引言
1.1 摘要
本文提出了一个多阶段随机规划的形式化框架，用于在多地区可再生能源生产不确定性的输电受限经济调度中，重点优化实时运营中的储运调度。该问题通过使用随机对偶动态规划方法来解决。所提出方法的适用性在一个基于2013-2014年德国电力系统太阳能和风能整合水平校准的实际案例研究中得到了证明，考虑了24小时的时间范围和15分钟的时间步长。随机解的价值相对于确定性策略的成本为1.1%，而相对于随机规划策略的完美预测价值为0.8%。分析了各种替代实时调度策略的相对性能，并探讨了结果的敏感性。
1.2 引言
在近年来，由于可再生能源资源的大规模整合，日前市场和实时电力系统运营变得越来越复杂。为了缓解可再生能源供应的操作挑战，可以利用灵活的资源。本文特别关注储能（具体来说是抽水蓄能资源）在实时运营中的作用。
目前，进行实时运营的行践依赖于经济调度，具有相对有限的预测时间范围和确定性的可再生能源供应预测，这在现有调度模型的有限预测范围下相对准确。但在具有大量储能和可再生资源的系统中，这种实践可能导致低效性[1]。部署各种储能资源，包括抽水蓄能、规模化电池、飞轮、可推迟需求（包括电动汽车储能）以及分布式住宅储能，需要实时调度过程能够具备长期展望和强大的不确定性管理能力。随机规划适合处理这个任务。本文提出了一个基于多阶段随机优化的实时经济调度程序，可用于储能资源的管理。
在上述文献背景下，本文提出了一个多阶段随机规划的经济调度公式，着重优化实时运营中储能资源的管理。先前的日前模型的一个主要缺点是假设关于可再生能源供应的不确定性的内天演变在第二阶段开始时一次性揭示的。考虑多阶段随机规划模型的替代方案会带来计算挑战，本文通过使用随机对偶动态规划（SDDP）方法克服了这些挑战。
本文的贡献可以总结如下：
(i) SDDP算法在中期多阶段水电热调度中应用最成功，用于处理水库水位在降雨不确定性下的优化问题[4]。本文展示了SDDP在另一个越来越重要的应用领域的计算存活性：面对可再生能源供应不确定性的短期多阶段经济调度中储能资源的调度问题。这两个问题的类比非常显著，然而，SDDP在多阶段随机经济调度的背景下的适用性尚未在文献中探讨。
(ii) 分析了使用多阶段随机规划中获得的价值函数来调度实时运营中的储能的潜在价值。现有文献的大部分集中在使用过于乐观的日前两阶段机组启停模型分析储能的价值，或者是规模小或前瞻受限的经济调度模型，而储能在整个一天中创造了时间耦合。分析了这些发现与输电约束、坡度约束和优化前瞻的敏感性。
(iii) 强调了实现多机经济调度以嵌入现有电力系统和电力市场运营中的实际实施挑战，并探索了克服这些挑战的解决方案。
2.数学模型
3.算例分析
本节介绍了德国电力系统的案例研究。德国被选择为欧洲范围内最相关的示例，因为德国在风能和太阳能整合方面处于领先地位。近年来，德国可再生能源供应的快速增长可以从装机容量的演变中看出。太阳能的装机容量从2013年的36.3 GW增长到2015年的39.8 GW，风能的装机容量从2013年的34.0 GW增长到2015年的44.5 GW [来源：德国联邦经济事务和能源部]。根据本研究所使用的数据的历史观察到的可再生能源生产与总能源生产的比例（2013年1月至2014年12月）为18.7%。传统发电机的装机容量总计103.5 GW，细分为：核能（11.966 GW）、褐煤（20.694 GW）、煤炭（25.488 GW）、天然气（35.751 GW）、石油（2.204 GW）、生物质（7.179 GW）和废弃物（0.188 GW）[来源：欧洲输电网络系统运营商 (ENTSO-E) 透明度平台]。2014年该系统的峰值负荷为73 GW [来源：欧洲输电网络系统运营商 (ENTSO-E) 透明度平台]。抽水蓄能和抽水容量为5.867 GW，而德国抽水蓄能装置的储能容量为38 GWh [来源：欧洲能源交易所 (EEX) 透明度平台]。
从商业数据库获得了292个常规机组的技术规格。需要来自regelleistung.net。负荷和进口数据被固定在它们的历史值上，这些值来自ENTSO-E透明度平台。抽水蓄能资源的往返效率为76.5%。假设每个母线都有快速响应机组可用。这些机组的边际成本被假定为分段常数，从100 €/MWh 到 500 €/M等。该模型由228个母线和312条线组成。
4.完整代码获取
注意，这份代码需要用到FAST工具箱，该工具箱可以从下面的链接下载：
GitHub - leopoldcambier/FAST at 0.9.1b
论文的完整代码如下：
DG不确定性下基于随机对偶动态规划(SDDP)的储能实时优化调度(附matlab代码)