目录

1 主要内容

计算模型

场景生成与聚类方法应用

2 部分程序

3 程序结果

4 下载链接


主要内容

该程序方法复现了《融合多场景分析的交直流混合微电网多时间尺度随机优化调度策略》3.1节基于多场景技术的随机性建模部分,该部分是随机优化调度的重要组成部分,运用多场景分析技术模拟风光和交直流负荷的不确定性,随机优化算法是考虑源荷鲁棒性的重要算法,理论难度低于两阶段鲁棒,但是较确定性算法确实迈进了一大步,全文复现正在进行中,尽快发布,有需要的可以蹲一下。

Matlab|风光及负荷多场景随机生成与缩减-LMLPHP

  • 计算模型

Matlab|风光及负荷多场景随机生成与缩减-LMLPHP

  • 场景生成与聚类方法应用

Matlab|风光及负荷多场景随机生成与缩减-LMLPHP

Matlab|风光及负荷多场景随机生成与缩减-LMLPHP

部分程序

clc;clear all
%pv超立方抽样+k-means聚类
u=0.5;d=0.33;
ns=1000;%模拟数量
for i=1:24
y(:,i)=normLHS(ns,u,d);
end
pv=50.*[0,0,0,0,0,0.00670613838163443,0.0740392771149517,0.240411546113239,0.450742969667699,0.699735172142443,0.855341269188865,0.963572441035704,1,0.917690448475439,0.500560277957363,0.463527102400363,0.341920844346065,0.191942376214751,0.136370650849977,0,0,0,0,0];
pv_lhs=repmat(pv,ns,1).*(1+0.2.*(y-0.5));%魏斌 公式(1)
data=pv_lhs;K=5;
[Cv,kv]=kmeans(data,K);
​
。。。(省略)
​
%生成场景总数和对应概率
kt=0;
for k1=1:5
    for k2=1:5
        for k3=1:2
                kt=kt+1;
                C_res(kt,:)=[Cv(k1,:) Cw(k2,:) Cl(k3,:)];
                pk(kt)=kv(k1)*kw(k2)*kl(k3);%概率
        end
    end
end

程序结果

Matlab|风光及负荷多场景随机生成与缩减-LMLPHP

Matlab|风光及负荷多场景随机生成与缩减-LMLPHP

Matlab|风光及负荷多场景随机生成与缩减-LMLPHP

4 下载链接

06-26 09:25