建设网站需要哪些硬件设施,阿里巴巴做企业网站,网站主页布局,网站开发有什么软件有哪些目录 1 主要内容
基础模型
2 部分代码
3 部分程序结果
4 下载链接 1 主要内容 该程序为文章《Two-Timescale Stochastic Dispatch of Smart Distribution Grids》的源代码#xff0c;主要做的是主动配电网的双时间尺度随机优化调度#xff0c;该模型考虑配电网的高效和安…目录 1 主要内容
基础模型
2 部分代码
3 部分程序结果
4 下载链接 1 主要内容
该程序为文章《Two-Timescale Stochastic Dispatch of Smart Distribution Grids》的源代码主要做的是主动配电网的双时间尺度随机优化调度该模型考虑配电网的高效和安全运行涉及到在不同的时间尺度上的决策如电压控制器可以在慢时间尺度进行调度而光伏需要在快时间尺度调度和调节以最佳地跟踪可再生能源发电和需求的变化两种时间尺度通过耦合方式形成统一的优化调度模型。文中对于随机优化模型建立了两种方式分别是平均调度算法和概率调度算法这两种方法均基于辐射网络线性分布潮流LDF模型模型涉及拉格朗日、非凸转换等深度内容非常适合用来学习。程序采用matlabcvx进行求解程序采用模块化方式、采用英文注释适合有编程经验的同学深度学习 基础模型
该模型通过引入A建立配网潮流模型通过电流流向始端和终端建立线路和节点关联关系。 以此为基础通过进一步推导和变量集合形成优化调度模型。 将上述模型中的9l替换为下述概率模型即可形成概率调度算法。 模型中目标函数涉及到在慢时间尺度上的能量调度成本加上快速时间尺度上的平均能源管理成本9b-9c确保节点无功有功功率平衡9e考虑有功功率损失9f是线性潮流容量约束9i-(9l)是电压约束其中9l为平均电压约束替换成10即形成概率电压约束。
2 部分代码
clear; close all
%%
preprocess;
%buses_pm [3 5 14 25 32 51];
buses_pm [];
b_pm false(1, Nb);
b_pm(buses_pm) 1;
buses_pd [10, 18, 21, 30, 36, 43, 51, 55];
b_pd false(1, Nb);
b_pd(buses_pd) 1;
params struct();
params.pm_lower zeros(Nb, 1);
params.pm_upper zeros(Nb, 1);
params.pm_upper(b_pm) 0.25;
%http://www.powermag.com/microturbine-technology-matures/
microturbine_pf 0.8;
params.pm_diag_phi diag(b_pm)*tan(acos(microturbine_pf));
params.pm_linear 40*ones(Nb,1); % reasonable value
params.pm_quadratic 20*ones(Nb,1); % to give some curvature
% pm_space linspace(0, 0.2, 100);
% plot(pm_space, mean(params.pm_linear) * pm_space ...
% mean(params.pm_quadratic) * pm_space.^2);
params.pd_lower zeros(Nb, 1);
params.pd_upper zeros(Nb, 1);
params.pd_upper(b_pd) 0.5;
params.pd_linear 30*ones(Nb, 1); %must be higher than solar% should be lower than the microturbines linear term
params.pd_quadratic 15*ones(Nb, 1);
if(0),pd_space linspace(0, 0.5, 100);plot(pd_space, mean(params.pd_linear) * pd_space ...mean(params.pd_quadratic) * pd_space.^2);
end
params.S2 7.^2*ones(Nb,1); % indirectly effects a limit on the substation injection
params.pi_inverter 0.0*ones(Nb,1); % typical value (1/2 ret)
params.beta 37;
params.gammaB 45;
params.gammaS 19;
%buses_pv [15 22 31 40 44 50];
%buses_pv 44;
buses_pv [44 50];
b_pv zeros(Nb,1);
b_pv(buses_pv) 1;
%nominal_pv 2*b_pv; % smaller PV systems than in SCE model
nominal_pv 5*b_pv; %SCE 56 nodes (Gan, Li, Topcu and Low)
params.s2_inverter (1.2*nominal_pv).^2;
inverter_pf 0.85; % DallAnese, Dhople, and Giannakis, 2014
params.phi_inverter b_pv*tan(acos(inverter_pf));
params.alpha 0.05;
%%
v_bounds_tight struct();
v_bounds_tight.v_upper 1.02.^2*ones(Nb, 1);
v_bounds_tight.v_lower 0.98.^2*ones(Nb, 1);
v_bounds_loose struct();
v_bounds_loose.v_upper 1.03.^2*ones(Nb, 1);
v_bounds_loose.v_lower 0.97.^2*ones(Nb, 1);
v0_bounds struct();
v0_bounds.v_upper 1.03.^2;
v0_bounds.v_lower 0.97.^2;
%%
load_max_pf 0.85; load_phi tan(acos(load_max_pf));
tnomi_p_load 1; %how many times the nominal load is the mean
stdev_p_load 0.2; %standard deviation of the random var
stdev_q_load load_phi*(tnomi_p_load/3 - stdev_p_load);
% This line adjusts the reactive loads stdev_q considering that
% the worst-case power factor takes place when
% the active load is 3*stdev_p below the mean and reactive load
% is 3*stdev_q in absolute value.
prop_p_avail 0.5; %proportion of the available p that is
% randomized via a uniform distribution.
n_rlz 500; % number of realizations of the random vars
hyp.seed 20;
rng(hyp.seed);
random_vars struct();
random_vars.p_load ...tnomi_p_load*nominal_loads(2:end)*ones(1, n_rlz) ... stdev_p_load*diag(nominal_loads(2:end))*randn(Nb, n_rlz);
random_vars.q_load ...stdev_q_load*diag(nominal_loads(2:end))*randn(Nb, n_rlz);
random_vars.pinv_available ...diag(nominal_pv)*(1-prop_p_avail*rand(Nb, n_rlz));
random_vars_mean struct();
random_vars_mean.p_load tnomi_p_load*nominal_loads(2:end);
random_vars_mean.q_load 0*nominal_loads(2:end);
random_vars_mean.pinv_available (1-prop_p_avail/2)*nominal_pv;
first_stage_initial solve_average (benchmark, params, ...random_vars_mean, v_bounds_tight);
%nu_initial 0.2;
%%
hyp.n_iterations n_rlz;
hyp.epsilon0_p0 4/50/5;
hyp.epsilon0_v0 0.02/50;
hyp.epsilon0_pd 0.3/50;
hyp.mu0 1.5*50*3;
hyp.evaluate_output 0;
%hyp.stepsize_mode constant;
hyp.stepsize_mode O(1/sqrt(k));
hyp.precision low;
hyp.r 0.5;
nu_upper_initial zeros(Nb, 1); nu_upper_initial(1) 0; %0.8;
nu_lower_initial zeros(Nb, 1); nu_lower_initial(36) 0; %0.6;
results stochastic_solver_avg(benchmark, ...first_stage_initial, nu_lower_initial, nu_upper_initial, ...random_vars, params, ...v_bounds_tight, v_bounds_loose, v0_bounds, hyp, ...struct(plot, 1));
%%
filename [run- datestr(now)];
filename(16)_;
filename(filename:) [];
save(filename)
display([Saved filename]);
beep3 部分程序结果 4 下载链接
