双层优化 大型电动汽车 时空调度 测试环境MATLAB 关键词双层优化电动汽车时空调度配电网。 考虑电动汽车有序充放电的机组组合和最优趋势机组组合采用相同的线性化方法采用二阶锥松弛的配电网模型问题描述为一个MISOP问题测试系统为IEEE33系统。最近在实验室折腾电动汽车调度模型发现双层优化这玩意儿真是让人又爱又恨。特别是把机组组合和时空分布的充电桩揉在一起的时候MATLAB跑出来的结果时不时给我整点惊喜或者惊吓。今天就跟大伙儿唠唠这个二阶锥松弛在配电网里的实战应用。先说场景某小区停车场突然涌进300辆电动爹电网老哥的33节点系统直接压力拉满。这时候得搞个双层策略——上层控制发电机组启停下层安排每辆车的充放电时空位置。就像在玩现实版《过山车大亨》既要保证电网不崩又要让车主第二天能满电出门。双层优化 大型电动汽车 时空调度 测试环境MATLAB 关键词双层优化电动汽车时空调度配电网。 考虑电动汽车有序充放电的机组组合和最优趋势机组组合采用相同的线性化方法采用二阶锥松弛的配电网模型问题描述为一个MISOP问题测试系统为IEEE33系统。核心代码里有个骚操作把配电网模型整形成二阶锥。比如这段潮流方程处理% 二阶锥松弛处理 for k1:n_branch Constraints [Constraints, ... P(k)^2 Q(k)^2 S(k)^2, ... S(k) 0.5*(I(k)U(from_node(k))/Z(k))]; % 锥约束 end这里把传统的非凸约束转换成锥形式相当于给优化问题戴了个紧箍咒。虽然会损失点精度但算得快啊特别是处理300EV这样的规模不这么玩怕是得等到天荒地老。调度策略里最带劲的是时空耦合约束。每辆车都有个时空身份证得记录它几点几分在哪个充电桩趴着% 车辆时空状态矩阵 EV_space_time zeros(n_ev, 24, 33); for ev1:n_ev arrival_node randi([10,25]); % 随机停靠节点 stay_duration randi([4,8]); % 停留时长 % 生成时空轨迹 EV_space_time(ev, t_arrival:t_departure, arrival_node) 1; end这个三维矩阵像是给电网装了上帝视角知道什么时候哪个节点会突然多出个电老虎。上层机组组合看到这些数据调峰策略直接从玄学变科学。跑完优化最爽的时刻是看电压分布热力图。某次实验里没做调度的系统电压最低掉到0.89pu优化后硬是给抬到了0.94pu以上。不过翻车也是常事有回忘记约束反向功率结果某个充电桩疯狂往电网灌电搞得仿真结果像心电图似的——所以说代码里的安全约束真不是摆设% 充放电功率双向限制 if is_discharging P_ev(ev,t) -0.2*capacity; % 放电下限 else P_ev(ev,t) 0.3*capacity; % 充电上限 end现在这套模型还在持续迭代最近在尝试把预测误差做成鲁棒优化。不过每次跑完33节点系统看着密密麻麻的收敛曲线总觉得在跟电网玩俄罗斯方块——调度得当就能消除风险手一抖就可能GAME OVER。也许这就是做电力优化的乐趣吧比游戏刺激多了毕竟不用氪金。