基于双层优化的微电网系统规划容量配置方法 参考文献:基于双层优化的微电网系统规划设计方法 非完全复献

基于双层优化的微电网系统规划容量配置方法 参考文献:基于双层优化的微电网系统规划设计方法 非完全复献 matlab+yalmip+cplex 主要内容:微网的多电源容量优化配置，规划出最佳的微电网光伏、风电、储能等多电源的容量配置方案，此外，代码采用双层模型，上层以周期内运维成本以及投资成本之和最低为目标函数，下层则以调度周期内购售电成本以及燃料成本最低为目标函数，上层得出最佳容量配置方案，下层得出最佳运行策略。

微电网容量配置这事儿，说白了就是在光伏板装多少、风机选多大、储能电池堆几组之间反复横跳。传统单层优化经常被实际运行打脸，这时候就得请出双层优化这个狠角色——上层拍板设备容量，下层实时调度发电，俩AI在数学框架里互掐直到达成共识。

先看上层决策怎么建模。在YALMIP里定义决策变量简单粗暴：

PV_cap = sdpvar(1); % 光伏装机容量 WT_cap = sdpvar(1); % 风机装机容量 ESS_cap = sdpvar(1); % 储能额定容量 ESS_power = sdpvar(1); % 储能额定功率

目标函数把投资成本摊到每天，加上预估运维开支：

inv_cost = 800*PV_cap + 1500*WT_cap + 600*ESS_cap + 400*ESS_power; OM_cost = 0.03*inv_cost; objective_upper = inv_cost/(20*365) + OM_cost;

这里光伏单位成本800元/kW，储能分容量和功率成本——看着像车企卖电动车拆开电池和车体收费的套路。

基于双层优化的微电网系统规划容量配置方法 参考文献:基于双层优化的微电网系统规划设计方法 非完全复献 matlab+yalmip+cplex 主要内容:微网的多电源容量优化配置，规划出最佳的微电网光伏、风电、储能等多电源的容量配置方案，此外，代码采用双层模型，上层以周期内运维成本以及投资成本之和最低为目标函数，下层则以调度周期内购售电成本以及燃料成本最低为目标函数，上层得出最佳容量配置方案，下层得出最佳运行策略。

下层调度模型更有意思，需要处理24小时动态平衡：

P_grid = sdpvar(24,1); % 从主网购电量 P_sell = sdpvar(24,1); % 向主网售电量 ESS_char = sdpvar(24,1); % 储能充电功率 ESS_dischar = sdpvar(24,1); % 储能放电功率

目标函数暗藏玄机：

fuel_cost = sum(C_fuel*(a*P_diesel + b)); % 柴油机燃料费 energy_cost = sum(C_buy*P_grid - C_sell*P_sell); objective_lower = fuel_cost + energy_cost;

这个式子把柴油发电机的工作特性曲线拆成线性项和常数项，妥妥的工程经验大过数学严谨的操作。

上下层如何联动？举个储能约束的栗子：

constraints = [... ESS_char <= ESS_power,... ESS_dischar <= ESS_power,... 0.2*ESS_cap <= ESS_SOC <= 0.9*ESS_cap,... % SOC硬约束 cumsum(ESS_char*eta_char - ESS_dischar/eta_dischar) == ESS_SOC... % 充放电动态 ];

储能功率限制直接来自上层决策变量，SOC管理策略则影响下层调度灵活性。这时候用CPLEX求解，经常能看到对偶间隙在0.5%左右反复横跳，得靠收敛条件设置来打断这个死循环。

最后吐个槽：实际项目中发现风光出力预测误差超过15%时，这个模型配置结果可能让储能系统忙成狗——不是在充电就是在放电的路上。后来加了个鲁棒优化层才算hold住场子，不过那就是另一个故事了。