本程序参考一区SCI期刊《Using Battery Storage for Peak Shaving and Frequency Regulation: Joint Optimization for Superlinear Gains》，程序注释清晰，干货满满，算例丰富，下面对文章和程序做简要介绍。
通过联合优化框架同时使用电池储能进行调峰和频率调节，该模型捕捉电池退化、操作限制以及客户负载和调节信号中的不确定性。该模型使用真实数据，我们显示用户的电费可以减少12%。此外，算例表明，当电池单独应用时，联合优化的效益大于最佳节省的总和。提出了一种简单的阈值实时算法，并实现了这种超线性增益。与之前将电池储能用于单一应用相比，研究结果表明，如果电池联合提供多种服务，它们可以获得比以前想象的更大的经济效益。
论文创新点：储能同时用于调峰和调频，可以获得两份收益；关注储能使用次数与老化程度，最大程度保证储能运行寿命。
负荷预测方法：多元线性回归模型，预测精度很高；使用场景缩减最佳场景，数量设置为10。电池SOC状态实时跟踪，实现最优的调峰-调频性能，同时保证电池寿命。
数据来源：使用微软数据中心的半年功耗数据和华盛顿大学EE&CSE大楼的一年数据进行了案例研究。频率调节信号来自PJM快速频率调节市场。
文章结果
部分程序结果
部分程序
%% 定义battery.n = 5000; % Charge and discharge cyclesbattery.cell = 0.3;% Cell price, $/Whbattery.power = 1; % MW, battery powerbattery.energy = battery.power*(3/60); % MWh, battery energy, up for 3minbattery.socmax = 0.8;battery.socmin = 0.2;battery.socini = 0.6;%% 价格lambda.elec = 47; %Electricity price, $/MWhlambda.peak = 12*1000/30/24; %Peak demand charge, 12,000$/MWlambda.c = 50; %Unit regulation revenue //$100 for new signallambda.p = 500; %Mismatch panelty //$500 for new signallambda.battery = battery.cell*10^(6)/...(2*battery.n*(battery.socmax-battery.socmin)); %Battery cost, $/MWh%% 信号load('PJM_Reg_Signal_2013_06-201405.mat');%PJM frequency regulation signal 2013-2014r_tem = rr(1:2:end,:); %use old frequency regulation signal, change resolution to 4s%r_tem = sig2018(1:2:end, :); %use new frequency regulation signal, change resolution to 4s%% 参数% Reference electricity bill: Not using battery%[bill1.total, bill1.elec, bill1.peak, bill1.battery, bill1.reg...% Electricity bill doing frequency regulation only%[bill2.total, bill2.elec, bill2.peak, bll2.ibattery, bill2.reg...%saving = ((bill1.total-bill4.total)-(2*bill1.total-bill2.total-bill3.total));
部分内容源自网络，侵权联系删除！
欢迎感兴趣的小伙伴点击文末阅读原文获取完整版代码，小编会不定期更新高质量的学习资料、文章和程序代码，为您的科研加油助力！
更多创新性预测及优化程序请点击公众号首页：《预测优化》|《综合能源》链接！
