【全部更新完毕】2024电工杯A题数学建模详细思路代码文章分享

A 题：园区微电网风光储协调优化配置
摘要
在全球范围内，气候变化和环境污染问题日益严重，减少碳排放和实现可持续发展成为各国的共同目标。新能源，尤其是风能和光伏发电，因其清洁、可再生的特性，正在全球范围内得到广泛应用。然而，风能和光伏发电的间歇性和波动性导致与用电负荷的时序不匹配，产生了弃风弃光问题。为解决这一问题，储能技术的应用显得尤为重要。通过储能设备，可以存储多余的风光电能，在用电高峰时段释放，提高风光发电的利用率，减少对主电网的依赖。

通过合理配置储能系统和优化运行策略，三个园区在可再生能源利用和经济性方面都有显著提升。特别是园区B，通过有效的储能系统配置和管理，实现了最低的单位电量平均供电成本。园区A尽管在经济性上表现不如园区B，但通过进一步优化，仍有较大提升空间。此次研究为实现经济高效的园区微电网系统提供了参考和指导。

在分析联合园区储能配置及其经济性时，我们通过线性规划优化方法，比较了联合园区在未配置储能和最优配置储能两种情况下的经济性。联合园区的购电量和总供电成本均显著低于独立园区的总和，单位电量平均供电成本也较低。同时，联合园区的电池功率上限和容量明显减少，表明通过共享储能资源，可以有效降低投资成本并提高能源利用效率。通过联合运行和优化储能配置，可以实现更高效的能源利用和显著的成本节约，具有重要的实际应用价值和推广前景。

随着园区电负荷需求的增加，如何在满足更高负荷的同时保持经济性和可持续性成为关键问题。本文通过模拟分析了在电负荷增加50%的条件下，各园区分别在独立运营和联合运营模式下的风光储协调配置方案及其经济性。结果表明在电负荷增加50%的情况下，联合运营模式展现了更高的经济性和资源利用效率。

关键词：风能发电，光伏发电，混合整数线性规划 (MILP)，Gurobi，磷酸铁锂电池

目录
A 题：园区微电网风光储协调优化配置 1
摘要 1
一、背景 4
二、问题重述与分析 6
三、模型假设与参数说明 8
四、问题求解 10
4.1问题一各园区独立运营储能配置方案及其经济性分析 11
4.1.1分析未配置储能时各园区运行的经济性 11
4.1.2各园区分别配置50kW/100kWh储能，制定储能最优运行策略及购电计划 14
4.1.3是否最优及最优储能配置方案 19
4.2问题二联合园区储能配置方案及其经济性分析 24
4.2.1若未配置储能，分析联合园区运行经济性 24
4.2.2制定联合园区的总储能最优配置方案 28
4.2.3与各园区独立运营相比，园区联合运营的经济收益 31
4.3问题三园区风、光、储能的协调配置方案及其经济性分析 34
4.3.1分别按各园区独立运营、联合运营制定风光储协调配置方案 34
4.3.2按全年12个月典型日风光发电功率数据，制定各园区独立运营的风光储协调配置方案 47
五、展望 55
六、参考文献 56
附录【自行删减】 57


### https://docs.qq.com/doc/DVWRIQUlKaVNqcWFr

在这里插入图片描述

四、问题求解
求解工具选择Gurobi搭配Matlab
Gurobi Optimizer 是一个用于数学优化（数值优化）问题求解的商业软件，它能够高效地求解线性规划（LP）、二次规划（QP）、二次约束规划（QCP）、整数规划（IP）、混合整数规划（MIP）、非线性规划（NLP）等问题。Gurobi 被广泛应用于工业、金融、能源、物流等多个领域，是优化求解的首选工具之一。

4.1问题一各园区独立运营储能配置方案及其经济性分析
4.1.1分析未配置储能时各园区运行的经济性
对于ABC三个园区，都采用线性规划的方式来解决电网的优化调配问题优化方法：线性规划问题
优化变量：，
目标函数：
限制变量：
电平衡：
其他：
求解结果：
表1给出了三个园区未配置储能时各园区运行的经济性的购电量，弃风弃光电量，总供电成本和单位电量平均供电成本信息，可以看出：
1）园区A的购电量和供电成本最高，说明其对主电网的依赖程度较高，自发电能力不足。相反，园区B购电量和供电成本最低，表明其自发电能力较强，对主电网依赖较小。
2）园区C的弃风弃光电量最高，说明其可再生能源发电能力较强，但由于负荷时序不匹配，未能充分利用这些能源。减少弃风弃光电量是提高可再生能源利用率的关键。
3）园区A的单位电量平均供电成本最高，这不仅是因为购电量大，还因为可再生能源利用率低，导致整体供电成本较高。园区B的单位电量平均供电成本最低，说明其可再生能源利用率较高，经济性较好。

园区 A B C
购电量/kWh 4874.125 2432.3 2699.39
弃风弃光电量/kWh 951.2 897.5 1128.02
总供电成本/￥ 6863.1625 4902.38 5510.87
单位电量平均供电成本/(￥/kWh) 0.8686448 0.63585 0.7087
表1 三个园区未配置储能时各园区运行的经济性

在这里插入图片描述

图4 园区A未配置储能各时段电力调配信息

4.1.2各园区分别配置50kW/100kWh储能，制定储能最优运行策略及购电计划
优化方法：混合整数线性规划问题
优化变量：，，, ，
目标函数：

限制变量：
电平衡：
电池状态：
电池容量变换范围限制：
电池充放电状态限制：
不能同时充放电：
其他：

在这里插入图片描述

求解结果：
表2给出了三个园区未配置储能时各园区运行的经济性的购电量，弃风弃光电量，总供电成本和单位电量平均供电成本信息，可以看出：
1）园区A的购电量和供电成本最高，说明其对主电网的依赖程度较高，自发电能力不足。相反，园区B购电量和供电成本最低，表明其自发电能力较强，对主电网依赖较小。

4.1.3是否最优及最优储能配置方案
显然50kW/100kWh的方案不是最优的，因为可以明显看出（2）的各个结果中仍然出现了大量的弃电现象，这会导致大量的浪费我们需要增加电池的电量来获取更好的电量‘去峰填谷’效果
优化方法：混合整数线性规划问题
优化变量：，，, ，，，
目标函数：

限制变量：
电平衡：
电池状态：
电池容量变换范围限制：
电池充放电状态限制：
不能同时充放电：
其他：
优化结果：
表3给出了三个园区配置最优储能时各园区运行的经济性的购电量，弃风

4.2.3与各园区独立运营相比，园区联合运营的经济收益
经济收益比较：
计算各园区独立运营和联合运营情况下的总购电量、总弃风弃光电量、总供电成本和单位电量平均供电成本。
园区 A B C 总和联合园区
购电量/kWh 4015.667 1622.30625 1681.35195 7319.325 7149.719563
弃风弃光电量/kWh 0 0 0 0 0
总供电成本/￥ 6604.40039 4447.857303 5176.151573 16228.41 14480.59104
单位电量平均供电成本/(￥/kWh) 0.83589424 0.576894592 0.665657353 0.739382 0.619172662
电池功率上限/kW 194.625 212.9 260.69 668.215 448.115
电池容量/kWh 1129.55 626.1940789 1269.758125 3025.502 1469.145313
表7 独立园区与联合园区最优配置储能时运行经济性比较

在这里插入图片描述

表7展示了独立园区与联合园区最优配置储能时运行经济性比较，从表中可以看出

购电量
独立园区：A、B、C三个园区的购电量分别为4015.667 kWh、1622.30625 kWh和1681.35195 kWh，总和为7319.325 kWh。
联合园区：购电量为7149.719563 kWh，比独立园区的总和减少169.605437 kWh。
分析：联合园区的购电量减少表明，通过联合运行和共享储能资源，可以有效降低购电需求，提高能源利用效率。
弃风弃光电量：
所有园区的弃风弃光电量均为0。

4.3问题三园区风、光、储能的协调配置方案及其经济性分析
4.3.1分别按各园区独立运营、联合运营制定风光储协调配置方案
条件：各园区的最大负荷增长50%，且负荷波动特性不变。风电、光伏电源的配置成本分别为3000元/kW、2500元/kW。投资回报期为5年。
分时电价如表8所示（需要提供表8的具体分时电价）。
时段电价（元/kWh）
7:00-22:00 1
其余时段 0.4
表8 分时电价表
计算负荷增长后的最大负荷：
P_load.A_new = PLmax.A * 1.5
P_load.B_new = PLmax.B * 1.5
P_load.C_new = PLmax.C * 1.5
独立运营的风光储协调配置方案：
确定各园区风电和光伏的装机容量，使得满足未来的负荷需求。计算储能的配置容量和功率，使得能在高峰负荷时段提供足够的电力，并在风光发电高峰时段存储电能。
联合运营的风光储协调配置方案：
计算联合园区的总负荷需求和总风光装机容量。计算联合园区的储能配置容量和功率。
经济性分析：计算各方案的总投资成本（风电、光伏、储能）。计算年化成本（考虑5年投资回报期）。
比较不同方案的经济性。

优化变量：，，, ，,
目标函数：

限制变量：
电平衡：
电池状态：
电池容量变换范围限制：
电池充放电状态限制：
不能同时充放电：
其他：
优化结果：
表9为增长负荷之后的风光储协调配置方案经济性,从该表中可以看出：
购电量
在这里插入图片描述

在这里插入图片描述

图16联合园区增长负荷之后的风光储协调配置信息
时间段购电量/kWh 弃风弃光电量/kWh 充电量/kWh 放电量/kWh
0 288.7293216 0 0 0
1 0 0 290.6295812 0
2 0 0 161.0289092 0
3 0 0 280.9827567 0
4 0 0 978.6979893 0
5 0 0 855.2761331 0
6 0 0 0 125.7532545
7 0 0 0 1090.747681
8 0 0 0 458.2943
9 0 0 309.81864 0
10 0 0 0 325.4529367
11 0 0 387.4384707 0
12 0 0 913.0820729 0
13 0 0 253.4907529 0
14 0 0 0 457.116122
15 0 0 0 488.5146185
16 0 0 193.054425 0
17 0 0 212.939244 0
18 0 0 415.5817153 0
19 0 0 726.5380996 0
20 0 0 0 322.9343346
21 0 0 0 623.4313861
22 0 0 0 527.7193439
23 0 0 0 975.6853304
表13联合增长负荷之后的风光储协调运行各时段参数
图13~16分别展示了园区A,B,C和联合园区在增长负荷之后的风光储协调配置信息，

在这里插入图片描述

问题代码展示：A_1_1_A

%A_1_1_A
% 清除工作区
clear;clc;close all;warning off;
%读取参数

%正常读取
% P_LOAD=xlsread('附件1：各园区典型日负荷数据.xlsx');
% P_PVWT=xlsread('附件2：各园区典型日风光发电数据.xlsx');
% P_load=P_LOAD(:,2)';
% P_PV=750*P_PVWT(:,2)';

%若无法读取直接使用该数据
P_load=[275,275,277,310,310,293,293,380,375,281,447,447,447,405,404,403,268,313,287,288,284,287,277,275];%电负荷/kW
P_PV=750*[0,0,0,0,0,0,0,.0058,.3026,.6020,.7711,.8555,.8531,.7842,.6437,.4242,.0619,0,0,0,0,0,0,0,];%光伏输出/kW

%常数
N_T=24;%24h
C_buy=1;%购电价格：元/kWh
C_WT=.5;    %风电价格：元/kWh
C_PV=.4;    %光伏价格：元/kWh

% 决策变量
P_buy = sdpvar(1,N_T);%购电功率
P_waste = sdpvar(1,N_T);%弃电功率

% 设置约束条件
C=[
    P_PV+P_buy==P_load+P_waste      %电平衡
    P_buy >= 0                      % 购电功率非负
    P_waste >= 0                    % 弃电功率非负
    ];

ops = sdpsettings('solver', 'gurobi', 'verbose', 2, 'debug', 1);

F = sum(P_PV*C_PV+C_buy*P_buy);
result = optimize(C,F,ops);
if result.problem == 0 % problem =0 代表求解成功
    disp(value(F));
else
    disp('求解出错');
end

% 定义要删除的文件名
filename = 'A_1_1_A.xlsx';
% 使用delete函数删除文件
if exist(filename, 'file')
    delete(filename);
    disp(['已成功删除文件：' filename]);
else
    disp(['文件 ' filename ' 不存在。']);
end
data = table({'购电量/kWh', '弃风弃光电量/kWh', '总供电成本/￥', '单位电量平均供电成本/(￥/kWh)'}', ...
    [sum(value(P_buy)), sum(value(P_waste)),value(F),value(F)/sum(P_load)]', 'VariableNames', {'经济参数', 'A_1_1_A'});
writetable(data, 'A_1_1_A.xlsx');

figure('Position', [880, 60, 800, 500]);  % [左下角 x 坐标, 左下角 y 坐标, 宽度, 高度]
b=bar([value(P_buy);value(P_PV);-value(P_waste)]','stacked');hold on;
b(1).FaceColor = [156/255 168/255 184/255];
b(2).FaceColor = [122/255 103/255 71/255];
b(3).FaceColor = [201/255 156/255 78/255];
plot(P_load,'k','LineWidth',2);hold on;
legend('购电','光伏','弃电','电负荷','Orientation', 'horizontal')%横着放图例
legend('Location', 'NorthWest');  % 根据需要选择位置
title('A\_1\_1\_A电平衡');


saveas(gcf, 'A_1_1_A电平衡.jpg');