目录
主要内容
程序主要复现的是《考虑寿命损耗的微网电池储能容量优化配置》，解决微网中电源/储能容量优化配置的问题，即风电、光伏、储能以及燃气轮机的容量规划问题，程序考虑了不确定性，采用两阶段鲁棒优化方法进行优化，采用的是KKTCCG算法，一阶段主要决策储能、风电、光伏的容量，二阶段主要规划风光燃储的实际出力变量，最后结果不仅给出了微网电源容量配置的结果，还给出了各个机组的出力。
1.1 目标函数
1.2 约束条件
1.3 不确定变量
不确定变量考虑风光出力和负荷的不确定性，采用盒式不确定的方式。
tips:
1.该程序虽然收敛性良好，但是两阶段鲁棒优化流程还不完善，在一阶段未实现不同迭代次数下变量叠加，只是实现了变量的更新！有兴趣的可以看一下比较规范的两阶段鲁棒优化程序：《 6节点电网两阶段鲁棒优化调度matlab 》《 【重磅】IEEE33配电网两阶段鲁棒优化调度CCG》
2.模型对偶采用kkt方法，还是值得学习的，可结合《Solving two-stage robust optimization problems using a column-and-constraint generation》进行学习。
部分代码
%% 1.设参
%投资成本参数
rp = 0.08;%折现率
rbat = 10;rPV = 20;rWT = 15;rG = 15;%折现年数
cbat = 1107;cPV = 100;cWT = 300;cG = 2000;%单位容量投资成本
pm_max = 500;%联络线功率上限
eta = 0.95;%储能充放电效率
c_wt_om = 0.0296;c_pv_om = 0.0096;c_g_om = 0.059;c_bat_om = 0.009;%运维成本系数
c_fuel = 0.6;%燃料成本系数
%% 2.设决策变量
p_ch = sdpvar(24,4);%储能充电
p_dis = sdpvar(24,4);%储能放电
uu_bat = binvar(24,4);%充放电标识
uu_m = binvar(24,4);
p_buy = sdpvar(24,4);%配网购电
p_sell = sdpvar(24,4);%配网售电
p_wt = sdpvar(24,4);
p_pv = sdpvar(24,4);
p_load = sdpvar(24,4);
p_g = sdpvar(24,4);%微型燃气轮机
%% 3.设变量
ee_bat_int = sdpvar(1);%储能容量上限
p_pv_int = sdpvar(1);
p_wt_int = sdpvar(1);
p_g_int = sdpvar(1);
yita = sdpvar(1);
p_bat_int = ee_bat_int*0.21;%假设储能的功率上限和容量上限有比值关系
ee0 = 0.55*ee_bat_int;%储能初始电量
%风光出力和电价（以春季典型日为例）
p_l = xlsread('四个典型日数据.xlsx','0%','B3:E26')*900;%？
max_p_wt = xlsread('四个典型日数据.xlsx','0%','H3:K26')*p_wt_int;
max_p_pv = xlsread('四个典型日数据.xlsx','0%','N3:Q26')*p_pv_int;
%price=xlsread('四个典型日数据.xlsx','电价','A2:A25');
price = [0.48;0.48;0.48;0.48;0.48;0.48;0.48;0.9;1.35;1.35;1.35;0.9;0.9;0.9;0.9;0.9;0.9;0.9;1.35;1.35;1.35;1.35;1.35;0.48];
%% 4.设约束
C = [];
load = p_l';
wwt = 0.05;wpv = 0.1;wl = 0.15;%不确定度，缩放比例
C = [C, (1 - wwt)*max_p_wt <= p_wt,p_wt <= (1 + wwt)*max_p_wt];%不确定性风
C = [C, (1 - wpv)*max_p_pv <= p_pv,p_pv <= (1 + wpv)*max_p_pv];%不确定性光
C = [C, (1 - wl)*load' <= p_load,p_load <= (1 + wl)*load'];%不确定性负荷
%储能线性化
结果一览
