基于CVX优化器的储能电池调峰调频算法matlab仿真-CSDN博客

本文链接：https://blog.csdn.net/hardware_player/article/details/146385350

1.课题概述

基于CVX优化器的储能电池调峰调频算法matlab仿真。CVX 是一种用于求解凸优化问题的强大工具。凸优化问题具有良好的数学性质，能够保证找到全局最优解。基于 CVX 优化器的储能电池调峰调频算法通过构建合适的优化模型，利用 CVX 求解器来确定储能电池的充放电策略，以实现电力系统的稳定运行和高效调度。

2.系统仿真结果

3.核心程序与模型

版本：Matlab2024b

..........................................................................
    %提取调节信号段
    Dats0 = Dats((i-1)*T+1:i*T);
    %归一化
    Dats1 = loade((i-1)*T+1:6:i*T*6);
    Dats1 = Dats1/max(Dats1);
    1
    %不使用电池
    [y_ref,elec_ref,peak_ref,batterys_ref,Reg1_ref,Reg2_ref,Reg3_ref]        = func_reference(lambda,T,ts,Dats1);
    2
    %电池仅频率调节
    [y_reg,elec_reg,peak_reg,batterys_reg,Reg1_reg,Reg2_reg,Reg3_reg]        = func_opt_capC(lambda,battery,T,ts,tt,Dats1,Dats0);
    3
    %电池仅削峰方案
    [y_peak,elec_peak,peak_peak,batterys_peak,Reg1_peak,Reg2_peak,Reg3_peak] = func_peak_shaving(lambda,battery,T,ts,tt,Dats1);
    4
    %电池同时进行削峰和频率调节
    [y_both,elec_both,peak_both,batterys_both,Reg1_both,Reg2_both,Reg3_both] = func_peak_shaving_Fregulation(lambda,battery,T, ts,tt,Dats1,Dats0);
 
%归一化各方案的总费用
y    = [y_ref, y_reg,y_peak, y_both];%总费用

elec = [elec_ref, elec_reg,elec_peak, elec_both];%电力费用

peak = [peak_ref, peak_reg,peak_peak, peak_both];%峰值费用

batt = [batterys_ref,batterys_reg,batterys_peak, batterys_both];%电池费用

figure;
bar([y;elec;peak;batt]',0.8)
grid on
hold off
ylabel('归一化总费用');
xlabel('1:不使用电池, 2:频率调节, 3:削峰, 4:削峰+频率调节'); 
legend('总费用','电力费用','峰值费用','电池费用');
107

4.系统原理简介

电池储能系统在电力系统中愈发重要，针对用户，研究电池同时用于削峰和调频的联合优化。户电费由能源费用和峰值需求费用构成。削峰可降低峰值需求费用，调频则可通过参与电网服务盈利，同时考虑电池的充放电效率、荷电状态限制及电池退化成本。

4.1 原理概述

CVX是一种用于求解凸优化问题的强大工具。凸优化问题具有良好的数学性质，能够保证找到全局最优解。基于CVX优化器的储能电池调峰调频算法通过构建合适的优化模型，利用CVX求解器来确定储能电池的充放电策略，以实现电力系统的稳定运行和高效调度。储能电池参与调峰的主要目标是平抑电力系统的负荷峰谷差，降低系统的最大负荷需求，提高电力系统的运行经济性。

提出的联合优化框架可降低商业用户电费，存在超线性收益，即联合优化节省的费用大于单独应用节省费用之和；开发的在线控制算法能实现超线性收益；未来可将更通用准确的电池退化模型融入联合优化框架。

4.2 CVX工具箱概述

CVX会对用户输入的表达式进行解析和转换。当用户定义一个目标函数和一系列约束条件后，CVX会检查这些表达式是否符合凸优化的规则。CVX集成了多种高效的凸优化求解器，如 SDPT3、MOSEK等。一旦问题被转化为标准凸优化形式，CVX会根据问题的类型和规模，自动选择最合适的求解器。例如，对于一个二阶锥规划问题，CVX可能会选择适合此类问题求解的 MOSEK求解器。求解器通过迭代算法，在满足约束条件的情况下，不断逼近目标函数的最优解。

在MATLAB脚本中，使用cvx_begin和cvx_end语句块来界定CVX优化问题的范围。在cvx_begin之后，可以定义优化变量。例如，定义一个实数向量变量x，维度为n，可以使用cvx_variable x(n)；若要定义一个对称半正定矩阵变量X，大小为m×m，则使用cvx_semidefinite X(m)。