程序介绍
本程序参考了3篇电力系统TOP-EI期刊，将目前的热点研究数据驱动结合综合综合能源系统，利用分布鲁棒处理不确定性问题，程序中算例丰富，注释清晰，干货满满，小编非常推荐这个程序，下面对程序代码详细介绍！
参考文献
1. 中国电机工程学报：计及需求响应柔性调节的分布鲁棒 DG 优化配置
2. 电力系统自动化：基于场景聚类的主动配电网分布鲁棒综合优化
3. 电网技术：基于数据驱动的交直流配电网分布鲁棒优化调度
创新点
1. 通过基于多面体的线性化技巧和McCormick方法，将原始混合整数非线性模型线性化，建立混合整数线性规划模型；然后，充分利用需求响应和新能源出力的历史数据，构建数据驱动的两阶段分布鲁棒新能源优化配置模型，其中第一阶段确定新能源的投资方案，第二阶段模拟投入新能源后的系统运行， 并同时考虑不确定性概率分布置信集合的1-范数和∞-范数约束；
2. 在考虑新能源间相关性的基础上，基于原始数据采用拉丁超立方采样得到初始场景，利用手肘法确定K-means算法的聚类数，从而得到典型场景，场景分布的概率置信区间由1-范数和∞-范数约束。
3. 通过二阶锥松弛和McCormick线性化方法，将原始混合整数非线性模型(MINLP)转化为混合整数二阶锥凸优化模型(MISOCP)；然后，结合风光和负荷的典型历史数据以及决策变量的调节特性，构建数据驱动的两阶段分布鲁棒优化调度模型，并综合1-范数和∞-范数同时约束不确定性概率分布置信集合；
第一阶段目标函数：一阶段目标是微燃机启停成本
第二阶段目标函数：分别是电网购电成本、发电机运行成本、蓄电池老化成本（或者运维）、弃风和弃光成本。
程序结果
部分程序
%决策变量p_ch=sdpvar(24,4);%蓄电池充电功率p_dis=sdpvar(24,4);%蓄电池放电功率p_gl=sdpvar(24,4);%锅炉功率uu_ch=binvar(24,4);uu_dis=binvar(24,4);%充放电状态01变量uu_m=binvar(24,4);%发电机状态01变量p_buy=sdpvar(24,4);%购电变量p_sell=sdpvar(24,4);%售电变量p_wt=sdpvar(24,4);p_pv=sdpvar(24,4);%实际参与风、光p_g=sdpvar(24,4);%发电机出力yita=sdpvar(1,1);%两阶段鲁棒优化中的主问题中目标+yita%热储能h_ch=sdpvar(24,4);h_dis=sdpvar(24,4);uh_dis=binvar(24,4);%充放热状态01变量%负荷需求响应变量pdz=sdpvar(24,4);%可转移电负荷pdd=sdpvar(24,4);%可中断电负荷phd=sdpvar(24,4);%可消减热负荷%不确定性变量psp=sdpvar(1,4);%ps+，参见高海淑文献公式54，下同psd=sdpvar(1,4);%ps-sigmap=binvar(1,4);%54公式第三个sigmas+sigmad=binvar(1,4);%54公式第三个sigmas-hchmax=50;sh=300;yitahch=0.85;yitahdis=0.9; %储热atse=0.1;aie=0.1;bie=0.1; %调整幅度constraints=[];%约束开始load=p_l';%约束lam1=sdpvar(96,1);lam11=sdpvar(96,1);lam12=sdpvar(96,1);lam120=sdpvar(96,1);lam2=sdpvar(192,1);lam21=sdpvar(192,1);lam3=sdpvar(4,1);lam4=sdpvar(96,1);lam41=sdpvar(96,1);lam5=sdpvar(96,1);lam51=sdpvar(96,1);lam6=sdpvar(96,1);%设定对偶变量%增加原始约束constraints=[constraints,Q1*x<=Pgmax];%负荷需求响应constraints=[constraints,-atse.*p_l<=pdz<=atse.*p_l,sum(pdz)==0];%kkt% constraints=[constraints,Q1'*lam1-Q1'*lam11+Q12'*lam12-Q12'*lam120+Q2'*lam2-Q2'*lam21+Q3'*lam3+Q4'*lam4-Q4'*lam41+Q5'*lam5+Q6'*lam6>=-P'];y_u=binvar(23,4);%启停线性化constraints=[constraints,y_u(j,i)<=uu_m(j,i),y_u(j,i)<=uu_m(j+1,i),y_u(j,i)>=uu_m(j+1,i)+uu_m(j,i)-1];cdz=0.5;cdd=0.5;chd=0.05; %补偿成本c1=sum(price.*p_buy(:,1)'+cg.*p_g(:,1)'+ccn.*p_ch(:,1)'+ccn.*p_dis(:,1)'+cq.*p0_wt(:,1)'-cq.*p_wt(:,1)'+cq.*p0_pv(:,1)'-cq.*p_pv(:,1)'-sell.*p_sell(:,1)'+cdz.*pdz(:,1)'+cdd.*pdd(:,1)'+chd.*phd(:,1)')+0.13*sum(0.82*p_buy(:,1)'+0.49*p_g(:,1)')+0.011*sum(h_ch(:,1)'+p_dis(:,1)');
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，小编会继续推送更有质量的学习资料、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！
