核心内容摘要
尘封往事：R星“精选黑料”背后，那些你不知道的故事
文献内容基于非对称纳什谈判的多微网电能共享运行优化策略。
#在 MATLAB 平台上进行算例仿真通过 Yalmip 工具与 CPLEX 求解器进行建模与求解。
说明完美复现文献内容注释完整清晰代码修改性强微电网抱团取暖这事儿听起来挺美好实操起来全是坑。
去年在项目上折腾多微网协同优化时发现传统集中式调度压根解决不了各主体间的利益拉扯直到在文献堆里扒拉出这个非对称纳什谈判模型眼前突然亮堂了——这玩意儿能把扯皮过程直接数学化先说清楚游戏规则三个微电网老哥MG1~MG3各自带着风光储既要保证自家用电又能通过联络线倒腾电能。
关键是怎么分这块合作产生的蛋糕让大伙都觉得没吃亏。
这就得请出纳什谈判的改良版——考虑各微网谈判筹码不同的非对称版本。
咱们直接上代码骨架先看看怎么用Yalmip搭这个博弈模型。
先定义核心变量% 微网数量、时间断面、联络线数量 N 3; T 24; L 3; % 各微网谈判权重根据装机容量或贡献度设定 bargaining_weight [
4,
3,
3]; % 定义决策变量 P_ijt sdpvar(L, T, full); % 联络线传输功率 P_discharge sdpvar(N, T, full); % 储能放电功率 P_charge sdpvar(N, T, full); % 储能充电 SoC sdpvar(N, T, full); % 储能荷电状态这里每个变量都带着物理意义比如P_ijt(i,j,t)表示t时段微网i向j传输的电量。
注意谈判权重的设定直接影响最终利益分配实操中常根据各微网的发电容量或历史贡献度动态调整。
接下来构建目标函数这是纳什谈判的核心所在% 各微网独立运行成本分歧点 C_disagreement [1500, 1800, 1600]; % 合作后总成本 C_cooperation sum(... a1*P_wind a2*P_pv ... % 发电成本 b1*(P_charge).^2 b2*(P_discharge).^2 ... % 储能损耗 c1*P_ijt.^2 ... % 传输损耗 ); % 非对称纳什乘积项 nash_product 1; for i 1:N nash_product nash_product * (C_disagreement(i) - C_cooperation(i))^bargaining_weight(i); end Objective -log(nash_product); % 转换为凸优化问题这里有个精妙之处把原问题的乘积目标取对数转成求和让求解器能处理。
分歧点C_disagreement需要单独计算——通常取各微网独立运行时的最优成本这部分得提前用CPLEX跑一遍优化。
文献内容基于非对称纳什谈判的多微网电能共享运行优化策略。
#在 MATLAB 平台上进行算例仿真通过 Yalmip 工具与 CPLEX 求解器进行建模与求解。
说明完美复现文献内容注释完整清晰代码修改性强约束条件才是重头戏18行代码里藏了7类约束Constraints []; % 功率平衡每个微网每个时刻 for t 1:T for i 1:N Constraints [Constraints, P_wind(i,t) P_pv(i,t) P_discharge(i,t) - P_charge(i,t) ... sum(P_ijt(:,t).*line_map(i,:)) demand(i,t)]; end end % 储能动态约束 Constraints [Constraints,
2*E_max SoC
9*E_max,... SoC(:,
1)
5*E_max,... SoC(:,t) SoC(:,t-
eta_c*P_charge(:,t) - P_discharge(:,t)/eta_d];特别注意line_map这个联络线拓扑矩阵用来标记物理连接关系。
储能约束里的
2和
9是寿命保护阈值别随便改电池换起来可比电费贵多了。
求解环节反而简单但得注意数值稳定性ops sdpsettings(solver,cplex,verbose,1,cplex.timelimit,
; optimize(Constraints, Objective, ops); % 提取帕累托前沿数据 if ~isempty(strfind(ops.solver,cplex)) P_opt value(P_ijt); cost_saving C_disagreement - sum(value(C_cooperation),
; end跑完优化别急着看结果先做两个校验一是检查联络线功率是否双向流动同一时刻不能既送电又受电二是验证合作后各微网成本确实低于分歧点。
曾经有个项目因为网损系数设反了导致某个微网合作后反而亏钱现场差点打起来。
最后画个收益分配图更直观figure(Position,[200,200,600,400]) bar([C_disagreement; sum(value(C_cooperation),
]) legend(独立运行成本,合作运行成本) title(成本对比), xlabel(微网编号), ylabel(元) set(gca,FontSize,12,FontName,微软雅黑)从实际跑的数据看合作后总成本能降12%~15%但各家的节省幅度得按谈判权重分配。
比如权重
4的老大可能拿到总节省额的40%这就看当初权重设定是否合理了。
改代码时重点注意几个参数bargainingweight、Cdisagreement、网损系数c1。
遇到过有人把权重设成等值结果小容量微网闹脾气退出合作整个系统优化效果直接腰斩。