快排做网站排名,俄罗斯乌克兰局势最新消息,快速排名seo,wordpress 多级菜单插件适用平台#xff1a;MatlabYalmipCplex
程序在建立电厂与碳捕集装置协同调度模型的基础上#xff0c;引入信息间隙决策理论(information gap decision theory, IGDT)以同时满足系统的鲁棒性和经济性要求#xff0c;通过风险追求和风险规避#xff12;种决策角度得到不同的…适用平台MatlabYalmipCplex
程序在建立电厂与碳捕集装置协同调度模型的基础上引入信息间隙决策理论(information gap decision theory, IGDT)以同时满足系统的鲁棒性和经济性要求通过风险追求和风险规避种决策角度得到不同的调度方案。程序算例丰富、注释清晰、干货满满可扩展性和创新性很高码超所值下面对文章和程序做简要介绍
程序创新点
1将该系统在不确定性下的调度分为机会模型( opportuneness model, OM )和鲁棒模型(robustness model, RM)种前者偏投机后者偏向保守。
2在进行调度优化时研究者需考虑负荷的不确定性并对调度方案进行决策指导。这里采用IGDT方法优化负荷的不确定性。
主要工作
作为目前最有潜力的大规模商业化减碳手段之一基于化学溶剂吸收的燃烧后碳捕集技术有望实现化石能源的清洁使用。在燃煤火电厂动态运行的基础上耦合碳捕集系统对于推动“碳中和”进程具有重要意义。但是大多数研究没有考虑诸如用电价格波动和用电量的变化等因素对耦合碳捕集系统的电厂的影响。为此该文在建立电厂与碳捕集装置协同调度模型的 基础上引入信息间隙决策理论(information gap decision theoryIGDT)以同时满足系统的鲁棒性和经济性要求通过风险追求和风险规避种决策角度得到不同的调度方案为系统的动态运行提供指导性意见。该文首先构建了确定性电厂与碳捕集装置耦合调度模型其次针对实时市场中负荷需求的不确定性通过引入信息间隙决策理论得到不同风险态度下的不确定性电厂与碳捕集装置耦合调度模型优化确定系统调度的决策方案。
主要框架 1. 信息间隙理论-IGDT
IGDT是处理非概率不确定性的决策方法。常用的随机规划方法难以优化此类无法用概率或场景表示的不确定性。同时因模型设置了预期成本或利润指标在优化中可同时保证系统鲁棒性和基本经济性优于传统的鲁棒优化方法。不同于鲁棒优化精确的上下限范围集合
IGDT的不确定因素输入为一个不精确的集合并通过一些非概率模型的不确定集描述不确定性如包络模型、分数不确定性模型和椭球模型等。
2. 基于风险追求的机会IGDT调度模型
机会IGDT模型认为实时市场电力负荷的不确定性可使调度朝经济有利的方向发展。在风险追求调度决策下不确定性调度模型的目标是最小化不确定度即要保证在负荷波动幅度内的系统日利润要大于期望利润且尽可能降低追求不确定性带来的风险从而获得更大的收益。因此建立了基于风险追求的机会IGDT碳捕集电厂调度模型表示如下 上式为双层规划模型下层的目标函数通过风险追求调度决策优化使利润最大化在该模型中实时负荷需求限制在不确定集内上层的目标函数为最小化负荷的不确定度。其中εm为机会偏差因子DPOM为机会收益阈值DP0为确定性碳捕集电厂调度模型(或称为风险中性模型neutral modelNM)的最优值该确定性模型是基于不确定性的预测值构建的。决策方案的机会性使得下层模型的目标利润大于DP0因此εm的取值为[0,1且与决策对风险追求的程度呈正比。对于碳捕集电厂而言考虑负荷的调度方案与以电价为导向的调度方案相比其日利润有所下降。此时风险追求调度决策下负荷需求约束越小越能获得收益。对于上式来说当实时负荷需求取值为不确定集的下限λELtλELt(1α)时下层模型的日利润能达到最大值, 因而可将双层规划模型转化为下述单层优化模型 3. 基于风险规避的鲁棒IGDT调度模型
鲁棒IGDT模型认为负荷的不确定性会影响系统调度结果。在风险规避调度决策下碳捕集电厂希望在保证基本的经济性的前提下实现鲁棒性最优即求得不确定参数波动的极限值使得碳捕集电厂的日利润能够满足期望值因此建立的基于风险规避的鲁棒IGDT碳捕集电厂调度模型为 其中δm为鲁棒偏差因子DPRM为鲁棒收益阈值.同理δm的取值范围为[0,1)且与决策对风险的规避程度呈正比。同时对于上式来说当实时负荷需求为λELtλELt(1α)时即为不确定集的上界时。下层模型能取得最小值。同理。可将上式转化为 程序结果
1. 基于风险追求的机会IGDT 调度模型 2. 基于风险规避的鲁棒IGDT 调度模型 部分程序
%% 定义信息间隙决策理论增加变量
HeatLoadsdpvar(1,24);%实际热负荷EleLoadsdpvar(1,24);%实际电负荷
P_v_presdpvar(1,24);%实际光伏P_w_presdpvar(1,24);%实际风电
gasLoadsdpvar(1,24);%实际气负荷C_CO2sdpvar(1,1);%碳交易成本
% 购电
statebinvar(1,24,full); % 判断是否售电1购电0不购电
P_buy sdpvar(1,24,full); % 购电功率
% 燃气轮机
GT_Q sdpvar(1,24,full); % 燃气轮机的产热量
C_GT sdpvar(1,24,full); % 燃气轮机碳排放
% 燃气锅炉
GB_G sdpvar(1,24,full); % 燃气锅炉气耗量
GB_Q sdpvar(1,24,full); % 燃气轮机的产热量
% 电锅炉
EB sdpvar(1,24,full);EB_Q sdpvar(1,24,full);
EB_Qinsdpvar(1,24,full); % 电锅炉供给CSP的热量
EB_Qload sdpvar(1,24,full);
% 储气装置
GS_S sdpvar(1,24,full); %储气罐的储热量GS_Qout sdpvar(1,24,full); %储气罐的放热功率
% 电储能储装置
PS_S sdpvar(1,24,full); PS_Qout sdpvar(1,24,full);
% 购气
Gas sdpvar(1,24,full); % 购买的天然气量P2G sdpvar(1,24,full); % 电转气
G_P2G sdpvar(1,24,full); % 电转气
% 光热
CSP_Ssdpvar(1,24,full); % CSP中的储热罐的储热量CSP_Qinsdpvar(1,24,full); % CSP中的储热罐充热功率
CSP_Qoutsdpvar(1,24,full); % CSP的储热罐放热功率CSP_SUsdpvar(1,24,full); % CSP用于启动汽轮机的热量
% 碳捕集
CCSsdpvar(1,24,full); % 碳捕集量P_CCSsdpvar(1,24,full); % 碳捕集能耗
CCS_P2Gsdpvar(1,24,full); % 供给P2GCCS_S_insdpvar(1,24,full); % 储碳
CCS_S_outsdpvar(1,24,full); % 放碳
%% 碳捕集CCS(t)0.98*C_GT(t),P_CCS(t)0.26*CCS(t)3,CCS(t)CCS_P2G(t)CCS_S_in(t),G_P2G(t)2*(CCS_P2G(t)CCS_S_out(t)),20CCS_S(t)150,CCS_S_lamda(t)*150*0.3CCS_S_out(t)0,
%% 光热电站%热量传递约束
Qsf(t)CSP_Qin(t)-CSP_Qout(t)CSP_SU(t)CSP_Gen(t),%% IGDT新增约束
HeatLoad(t)(1-0.2*alfa)*HeatLoads(t),%热负荷鲁棒区间约束
EleLoad(t)(1-0.3*alfa)*EleLoads(t),%电负荷鲁棒区间约束
P_v_pre(t)(10.1)*P_v_pres(t),%光伏鲁棒区间约束
P_w_pre(t)(10.1)*P_w_pres(t),%风电鲁棒区间约束
gasLoad(t)(1-0.3*alfa)*gasLoads(t),%气负荷鲁棒区间约];
%% 不确定性系数加权各取0.2此概率可自行设置加一起等于1即可P_yunsum(gamma_gas.*Gas)sum(0.1*PV_P)sum(0.1*WP_P)sum(0.1*GT_P)sum(0.1*GB_Q)sum(gamma_buy.*(P_buyP2G))sum(0.1*CSP_GenP),C_CO20.5*(0.35*sum(GB_Q)sum(C_GT)1.08*sum(P_buy)-sum(G_P2G)),cost29898.4065*(1-0.13),%设置目标函数约束0.3为偏差系数不过取的过小否则容易无解
部分内容源自网络侵权联系删除
欢迎感兴趣的小伙伴点关注并私信获取完整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
