微电网两阶段鲁棒优化经济调度方法（Python代码实现）

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Python代码实现

💥1 概述

上一次用Matlab代码复现，回顾之：微电网两阶段鲁棒优化经济调度方法[3]【升级优化版本】（Matlab代码实现）

文献来源：

摘要：针对微电网内可再生能源和负荷的不确定性,建立了min-max-min结构的两阶段鲁棒优化模型,可得到最恶劣场景下运行成本最低的调度方案。模型中考虑了储能、需求侧负荷及可控分布式电源等的运行约束和协调控制,并引入了不确定性调节参数,可灵活调整调度方案的保守性。基于列约束生成算法和强对偶理论,可将原问题分解为具有混合整数线性特征的主问题和子问题进行交替求解,从而得到原问题的最优解。最终通过仿真分析验证了所建模型和求解算法的有效性,同时给出了分时电价机制下微电网对储能进行调度的边界条件,可为微电网投资商规划储能及配电网运营商设计激励机制提供参考。

关键词：

微电网;经济调度;两阶段鲁棒优化;不确定性调节参数;

微电网的经济调度是微电网相关研究中的热点问题，一般以运行成本最小为目标，实现能源的

高效利用。然而，诸如光伏、风机等分布式电源出力以及负荷用电的随机特性给微电网的运行带来了挑战。如何有效应对微电网内的不确定性因素，实现可靠、经济运行，成为微电网经济调度问题研究的关键。针对此类问题，常采用随机规划和场景分析法对不确定变量建模，模拟不确定性对微电网运行的影响。其中，随机规划利用随机变量描述不确定信息，优化得到期望成本最小的调度方案；场景分析法则基于概率理论，将研究对象的不确定信息用场景的方式描述，所得到的调度方案需在不同场景下都具有较好的表现。两种方法的关键都在于以有限的场景模拟不确定变量特性。文献[7]考虑了光伏、风机出力和负荷功率的不确定性，通过蒙特卡洛法生成场景及相应的概率，并最终利用混合整数线性规划方法求解随机优化模型；文献[8]进一步考虑了微电网内的潮流约束，将随机规划模型分解为能量调度主问题和交流潮流子问题，在降低网损的同时，实现微电网期望成本最小的目标。由于随机规划方法寻求的是目标函数期望值最大/最小的解集，存在某种场景下决策不合理的风险，因此，文献[9]将随机规划和条件风险价值约束方法相结合，使得相应场景下的预期收图1所示为典型的微电网结构，由可控分布式电源、可再生分布式电源、储能及本地负荷集成而成。此外，考虑微电网内包含需求响应负荷的情况，微电网可通过灵活调整需求响应负荷的用电计划,降低运行成本。同时，需求响应负荷也能通过提供该服务获取一定的收益。

不低于给定的置信水平，从而降低了系统风险。然而，无论是随机规划还是场景分析法都需要确定性的概率曲线生成场景，可能导致模型不够精确，无法反映实际情况[10]。相比于上述方法，鲁棒优化方法以不确定集代替随机变量的确切概率分布，通过优化手段得到“最恶劣”场景下系统的调度方案，更加贴合实际工程的需求。文献[11]考虑了微电网和配电网交互成本最大场景下的经济调度问题，搭建了 min-max鲁棒优化模型，并利用场景生成法将其转化为单层优化问题进行求解。文献[12]建立了 min-max-min结构的两阶段鲁棒模型，考虑了风电多场景下的备用调度和经济调度模式。然而，上述文献的鲁棒模型无法对调度方案的保守性进行灵活的调整。文献[13]提出了一种分布不确定模型，负荷功率的概率分布可围绕给定的参考分布变化。此外，模型中考虑了实时电价的波动，并在目标函数中引入调节参数控制优化方案的鲁棒性。本文构建了基于两阶段鲁棒优化的微电网经济调度模型，考虑微电网内可再生分布式电源和负荷的不确定性及储能、需求响应负荷和可控分布式电源等的协调控制，通过一系列的模型推导和转换，将两阶段问题转变为具有混合整数线性形式的主问题和子问题进行求解。模型中增加了不确定性调节参数，可供微电网调度员灵活选择调度方案的保守程度。此外，通过进一步分析，得到了分时电价机制下微电网中储能系统运行的边界条件。