当前位置: 首页 > news >正文

基于SMPC随机模型预测控制的IEEE6电网系统matlab仿真,对比不允许负荷响应和允许负荷响应

目录

1.课题概述

2.系统仿真结果

3.核心程序与模型

4.系统原理简介

5.完整工程文件


1.课题概述

       实现了一个基于随机模型预测控制SMPC的IEEE6节点电网系统调度方案,核心目标是在含20台风机的风电场接入电网后,通过预测控制优化发电与负荷的功率分配,最小化运行成本。系统以风电场状态空间模型为基础,结合IEEE6节点电网的拓扑与参数,通过滚动优化处理风电随机性,并对比了“允许负荷响应”与“不允许负荷响应”两种场景的经济性差异。

2.系统仿真结果

3.核心程序与模型

版本:Matlab2024b

%x(k+1) = A*x(k) + B*u(k) + G*w(k)
%y(k)   = C*x(k) + D*u(k) + v(k)
%Xs1 <= x(k) <= Xe1
%Xs2 <= u(k) <= Xe2
N     = 20;%20个风机 
p     = 3;%每个风机3个状态
Np    = N*p;%IEEE6网络节点数据
%system MVA base
baseMVA = 100;
%bus data
%	bus_i	type	Pd	Qd	Gs	Bs	area	Vm	Va	baseKV	zone	Vmax	Vmin
bus = [1	3	0	0	0	0	1	1.05	0	230	1	1.05	1.05;2	2	0	0	0	0	1	1.05	0	230	1	1.05	1.05;3	2	0	0	0	0	1	1.07	0	230	1	1.07	1.07;4	1	70	70	0	0	1	1	0	230	1	1.05	0.95;5	1	70	70	0	0	1	1	0	230	1	1.05	0.95;6	1	70	70	0	0	1	1	0	230	1	1.05	0.95;];
%generator data
%	bus	Pg	Qg	Qmax	Qmin	Vg	mBase	status	Pmax	Pmin	Pc1	Pc2	Qc1min	Qc1max	Qc2min	Qc2max	ramp_agc	ramp_10	ramp_30	ramp_q	apf
gen = [1	0	0	100	-100	1.05	100	1	200	50	0	0	0	0	0	0	0	0	0	0	0;2	50	0	100	-100	1.05	100	1	150	37.5	0	0	0	0	0	0	0	0	0	0	0;3	60	0	100	-100	1.07	100	1	180	45	0	0	0	0	0	0	0	0	0	0	0;];%branch data
%	fbus	tbus	r	x	b	rateA	rateB	rateC	ratio	angle	status	angmin	angmax
branch = [1	2	0.1	0.2	0.04	40	40	40	0	0	1	-360	360;1	4	0.05	0.2	0.04	60	60	60	0	0	1	-360	360;1	5	0.08	0.3	0.06	40	40	40	0	0	1	-360	360;2	3	0.05	0.25	0.06	40	40	40	0	0	1	-360	360;2	4	0.05	0.1	0.02	60	60	60	0	0	1	-360	360;2	5	0.1	0.3	0.04	30	30	30	0	0	1	-360	360;2	6	0.07	0.2	0.05	90	90	90	0	0	1	-360	360;3	5	0.12	0.26	0.05	70	70	70	0	0	1	-360	360;3	6	0.02	0.1	0.02	80	80	80	0	0	1	-360	360;4	5	0.2	0.4	0.08	20	20	20	0	0	1	-360	360;5	6	0.1	0.3	0.06	40	40	40	0	0	1	-360	360;
];
gencost = [2	0	0	3	0.00533	11.669	213.1;2	0	0	3	0.00889	10.333	200;2	0	0	3	0.00741	10.833	240;
];..................................................................................
x=[moneya2(1:25:end)',moneya1(1:25:end)'];
figure;
bar(x);
xlabel('时段');
ylabel('价格万元');
legend('SMPC无负荷','SMPC有负荷');
ylim([0,2*max(moneya2)]);figure;
plot(G1(1:25:end)/1e3,'-bs',...'LineWidth',1,...'MarkerSize',6,...'MarkerEdgeColor','k',...'MarkerFaceColor',[0.9,0.0,0.0]);
hold on
plot(G2(1:25:end)/1e3,'-mo',...'LineWidth',1,...'MarkerSize',6,...'MarkerEdgeColor','k',...'MarkerFaceColor',[0.5,0.9,0.0]);
hold on
plot(G3(1:25:end)/1e3,'-r>',...'LineWidth',1,...'MarkerSize',6,...'MarkerEdgeColor','k',...'MarkerFaceColor',[0.9,0.9,0.0]);
grid on
legend('G1','G2','G3');
title('不允许负荷响应');
ylim([0,1.5*max(max([G1,G2,G3]))/1e3]);
xlabel('时段');
ylabel('功率');figure;
plot(P1(1:25:end)/1e3,'-bs',...'LineWidth',1,...'MarkerSize',6,...'MarkerEdgeColor','k',...'MarkerFaceColor',[0.9,0.0,0.0]);
hold on
plot(P2(1:25:end)/1e3,'-mo',...'LineWidth',1,...'MarkerSize',6,...'MarkerEdgeColor','k',...'MarkerFaceColor',[0.5,0.9,0.0]);
hold on
plot(P3(1:25:end)/1e3,'-r>',...'LineWidth',1,...'MarkerSize',6,...'MarkerEdgeColor','k',...'MarkerFaceColor',[0.9,0.9,0.0]);
grid on
legend('P1','P2','P3');
title('允许负荷响应');
ylim([0,1.5*max(max([P1,P2,P3]))/1e3]);
xlabel('时段');
ylabel('功率');
08_099bm

4.系统原理简介

       SMPC通过建立系统的随机状态空间模型,在每个控制周期内预测未来有限时域内的系统状态与输出,结合随机扰动(如风速波动)的统计特性,求解带约束的二次规划问题,得到当前最优控制量。与确定性MPC不同,SMPC引入扰动的协方差矩阵,在优化过程中考虑不确定性的影响,提高控制鲁棒性。

风电场状态空间模型

程序中,风电场被建模为离散时间随机状态空间系统:

IEEE6电网

电网模型基于IEEE6节点标准测试系统,包含:

节点数据:6个节点中,节点1为平衡节点(type=3),节点2-3为PV节点(type=2),节点4-6为 PQ节点(type=1),定义了有功/无功负荷(Pd、Qd)、电压上下限(Vmax、Vmin)等;

发电机数据:3台发电机分别接入节点1-3,包含有功出力(Pg)、无功上下限(Qmax、Qmin)、调节速率(ramp_agc 等);

支路数据:11条输电线路,定义了电阻(r)、电抗(x)、传输容量(rateA)等;

成本数据:发电机的二次成本函数,如0.00533*Pg² + 11.669*Pg + 213.1,为经济调度提供依据。

风速通过组合模型

       该系统基于SMPC实现了含风电场的IEEE6节点电网优化调度,核心步骤包括状态空间建模、LQR反馈设计、预测约束处理与二次规划优化。对比结果表明,允许负荷响应能有效降低系统运行成本,尤其在高负荷或高电价阶段,负荷与发电的协同优化可显著提升经济性。

5.完整工程文件

v v

关注后,GZH回复关键词:a8

http://www.dtcms.com/a/582357.html

相关文章:

  • 2025山西省网络安全职业技能大赛PWN方向题解
  • 郑州网站建设技术精粹一站式网站建设架构
  • 2025 年世界职业院校技能大赛机械设计与制造赛道备赛方案
  • 【2025软考高级架构师】——2024年11月架构真题解析
  • 基于HAL库实现看门狗喂狗实时时钟睡眠停止模式ADC采集w25qx写入读取
  • Linux系统编程——多线程编程(一)
  • 建设钓鱼网站源码网站seo优化心得
  • 关方网站买微信我们做网站 出教材 办育心经
  • python+django/flask基于深度学习的个性化携程美食数据推荐系统
  • VRRP虚拟路由冗余
  • 嵌入式软件OTA升级,有哪几种FLASH划分方式?
  • wordpress 投稿者 权限厦门做网站seo
  • 玩转Rust高级应用 如何避免对空指针做“解引用”操作,在C/C++ 里面就是未定义行为
  • 音视频处理(三):hls协议和m3u8详解和视频下载爬虫实战
  • Java面试全生态图谱(2025体系版)
  • 亳州做网站的公司公司品牌网站建设
  • 泉州网站公司wordpress 搜索乱码
  • SG-EIP-MOD-210(EtherNet/IP 转 Modbus 网关)
  • TDengine 字符串函数 CONCAT_WS 用户手册
  • SmartDV宣布其MIPI® SoundWire® I3S℠ 1.0 IP产品组合已向多家客户提供授权
  • 如何将本地文件上传至Github?【详细解释】
  • 酒店网站可以怎么做网站下雪代码
  • 【自然语言处理】预训练05:全局向量的词嵌入(GloVe)
  • 中国男女直接做的视频网站学做土建资料员的网站
  • Data engineering at Meta
  • 开创视觉方案新范式!INDEMIND四目空间智能方案让导航从追求“精准”迈向“智能协同”
  • 智慧引擎,零碳未来:安科瑞EMS3.0赋能省园区高效低碳转型
  • 在 UNS 中如何使用 Avro + Schema Registry 管理 MQTT 数据模型
  • AI辅助数据分析和学习了没?
  • 海东电子商务网站建设代做seo排名