还在被机组组合问题困扰？快来试试这个用处极大的思量安全约束机组组合模子 ...

前言
所谓安全约束机组组合，即在满足电力系统安全性约束的条件下，以系统购电本钱最低等为优化目标，制定多时段的机组开停机操持。

机组组合(Unit commitment, Uc)优化问题旨在电力系统运行时，安全给定以及调解发电机组的启/停与实时出力，使发电机组的总运行本钱最小。研究UC问题的混合整数规划方法，重要涉及机组组合模子紧且简洁的重构--紧性能减少求解器搜索空间，简洁性进步求解器搜索速度，研究的机组模子能明显减少计算负担。别的，研究机组组合完全分布式优化方法，通过对偶完全解耦机组系统约束，在完全保护机组隐私信息前提下，获得高质量的机组调理方案。

模子紧凑/简洁性形貌

安全约束机组组合(Security Constrained Unit Commitment，简称SCUC)是一种基于电力系统安全性约束条件下的发电机组优化组合问题。在电力系统运行中，为了包管电力供应的安全性，须要对发电机组的开启和关闭状态进行优化调理。SCUC问题就是在满足电力系统安全约束的前提下，探求一组最优的发电机组组合，使得系统的运行本钱最低或经济效益最大。
SCUC与思量约束的经济调理(SCED)的区别
SCUC与思量约束的经济调理(Screening-based Constrained Economic Dispatch，简称SCED)都是电力系统优化调理问题，但它们之间存在一些区别:
1.优化目标:SCUC问题的优化目标是在满足安全约束条件下，探求组发电机组组合，使得系统的运行本钱最低或经济效益最大;而SCED问题则是在满足电力系统可靠性和经济性约束条件下，探求一组最优的发电机组组合。
2.约束条件:SCUC问题重要思量电力系统的安全性约束，包括功角约束、电压约束等;而SCED问题除了思量安全性约束外，还须要思量经济性约束，如燃料本钱、排放约束等。
3.应用背景:SCUC问题重要应用于电力系统的安全稳定运行，如防止电力系统故障、确保电力供应可靠性等;而SCED问题则更多应用于电力市场的优化调理，如发电机组的调峰、备用容量管理等。
程序简介
程序综合分析了机组发电量约束及安全校正计算的特点，提出了一种有用的处理方法，通过修正机组出力可调解量约束，将发电量约束隐含于各越限时段的建模和计算过程中，思量系统运行的故障情况，在安全校正计算完成后自然得到满足。程序算例丰富、解释清楚、干货满满，可扩展性和创新性很高！下面对文章和程序做扼要先容！
建模步调
SCUC是根据研究周期内的各个时段系统负荷推测优化机组发电操持，包括机组起停方式和机组发电出力。优化的目标是系统的总本钱(包括发电本钱、开机本钱、停机本钱)最小。约束重要分为3类：
(1)系统约束。包括负荷平衡、系统备用；
(2)机组约束。包括机组出力上下限、最小连续开停时间、爬坡率、旋转备用、最大开停次数；(3)安全约束。包括支路输电极限、断面极限、 节点电压等。SCUC在现实应用中还可以根据须要添加约束条件，如开停机过程的出力约束、分区备用约束、排放约束、资源约束等。
数学模子
电能平衡在UC中有三种不同的表现方式：
在单母线近似中，网格被忽略：只要总产量等于总需求，就认为需求得到满足，无论其地理位置如何。
在DC（直流）近似中，仅对基尔霍夫电流定律建模；这对应于忽略无功功率流，电压角差被认为很小，而且角电压曲线被假定为恒定；
在完备的AC（交换）模子中，使用了完备的基尔霍夫定律：这导致模子中存在高度非线性和非凸约束。当使用全交换模子时，UC现实上包含了最优潮流问题，这已经是一个非凸非线性问题。
本程序思量AC和DC模子，在AC模子中采用二阶锥模子对机组发电本钱做了线性化处理，因此可使用Yalmip+Cplex高效求解。模子中思量了机组组合故障状态约束，对思量机组组合故障、电网韧性的小伙伴很有资助！
程序结果
适用平台：Matlab+Yalmip+Cplex/Gurobi
（1）DC模子：依次为IEEE14节点、30节点、118节点

（2）AC模子：依次为IEEE14节点、30节点、118节点

部分程序：

1. %​% 读入
2. % casename = input('Please enter case name : ', 's');
3. % casename = 'case14mod_SCUC';
4. % casename = 'case30mod';
5. casename = 'case118mod';
6. k_safe = 0.85;    %安全系数，用于留一定的裕度，针对潮流安全约束​
7. % 时段数t 用于机组组合优化
8. n_T = 24;
9. % 发电机曲线 二次函数 分段线性化
10. n_L = 20;​
11. % 初始化文件
12. initial;PD = bus(:, BUS_PD)/baseMVA;​QD = bus(:, BUS_QD)/baseMVA;
13. % PD = PD*ones(1, n_T);​% QD = QD*ones(1, n_T);
14. % 24小时的负荷数据
15. Q_factor = QD/sum(QD);​P_factor = PD/sum(PD);
16. %P_sum = sum(PD)-sum(PD)/2*sin(pi/12*[0:n_T-1]+pi/3);
17. P_sum = mpc.PD'/baseMVA;​QD = Q_factor*sum(QD)*P_sum/sum(PD);
18. PD = P_factor*P_sum;spnningReserve = 1.02*P_sum;​
19. %导纳矩阵计算
20. % [Ybus, Yf, Yt] = makeYbus(baseMVA, bus, M_branch);   % build admitance matrix
21. [Bbus, Bf, Pbusinj, Pfinj] = makeBdc(baseMVA, bus, branch);       %直流潮流​
22. % 创建决策变量​% 发电机出力 非发电机节点取0
23. gen_P = sdpvar(n_bus, n_T);​gen_P_upper = sdpvar(n_bus, n_T);   %发电机有功出力上界
24. % gen_Q = sdpvar(n_bus, n_T);
25. % 各节点电压幅值 相角
26. % Vm = sdpvar(n_bus, n_T);      %幅值
27. Vm = ones(n_bus, n_T);        %幅值 直流潮流
28. Va = sdpvar(n_bus, n_T);      %相角​
29. % 各支路潮流
30. PF_D = sdpvar(n_branch, n_T);     %P Flow Direct 正向有功潮流 1->2
31. % QF_D = sdpvar(n_M_branch, n_T);     %Q Flow Direct 正向无功潮流 1->2
32. % PF_R = sdpvar(n_branch, n_T);     %P Flow Reverse 反向有功潮流 2->1
33. % QF_R = sdpvar(n_M_branch, n_T);     %Q Flow Reverse 反向无功潮流 2->1​
34. % 机组状态
35. u_state = binvar(n_bus, n_T);     %按母线数，非发电机节点取0
36. C = [];     %约束​% C = sdpvar(C)>=0;
37. %发电机费用曲线 二次函数分段线性化
38. P_nl = sdpvar(n_gen, n_L, n_T);​for i = 1: n_gen
39. ​gen_P(gen(i,GEN_BUS),t) == sum(P_nl(i,:,t))+gen(i,GEN_PMIN)*u_state(gen(i,GEN_BUS),t)/baseMVA,
40. ​0 <= P_nl(i,l,t) <= (gen(i, GEN_PMAX)-gen(i, GEN_PMIN))/n_L/baseMVA,
41. ​% 机组开机费用 Cjk
42. cost_up = sdpvar(n_gen, n_T);​C = [C, cost_up >= 0];
43. ​cost_up(:,k) >= start_cost(:,t).*(u_state(gen(:,GEN_BUS),k) - sum(u_state(gen(:,GEN_BUS),[k-t: k-1]),2))

复制代码

部分内容源自网络，侵权联系删除！
接待感爱好的小伙伴关注并私信获取完备版代码，小编会不定期更新高质量的学习资料、文章和程序代码，为您的科研加油助力！

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。