代码复现： 《含多微网租赁共享储能的配电网博弈优化调度》 首先利用NSGA-II算法求解三个微...

代码复现： 《含多微网租赁共享储能的配电网博弈优化调度》 首先利用NSGA-II算法求解三个微网的最优充放电策略并做为已知条件代入到双层调度模型中；然后求解双层模型，上层为主动配电网调度模型，下层包括共享储能优化模型和多微网优化调度模型，采用粒子群算法+cplex求解器求解双层模型，在IEEE33节点算例中进行验证，并采用三种方案进行对比

一、代码设计背景与整体架构

本套MATLAB代码针对《含多微网租赁共享储能的配电网博弈优化调度》研究需求开发，构建了"多微网预优化-双层双层协同调度-算例验证"的三级技术框架。代码核心解决高渗透率分布式电源接入场景下，主动配电网（ADN）、多微网（MG）与共享储能（SESO）的利益协调问题，通过分层优化实现经济性与安全性的平衡。整体流程采用"先分散预优化、再集中博弈"的思路，具体架构如下：

一级模块：多微网充放电策略预优化（NSGA-II算法） ↓（输出：Pareto最优解集） 二级模块：双层配电网调度模型 ├─上层：ADN电价与上网功率优化（粒子群算法） └─下层：SESO与多微网协同调度（CPLEX求解） ↓（输出：最优调度方案） 三级模块：IEEE33节点系统验证与方案对比

二、核心模块技术细节

（一）多微网预优化模块：NSGA-II算法实现

该模块针对3个微网分别进行24小时充放电策略优化，生成Pareto前沿解集作为后续博弈的基础参数，核心技术点包括：

1. 多目标函数构建
   每个微网优化以"负荷平滑性-储能成本"为双目标：
   - 负荷平滑目标：z1 = 均方差(净负荷)，量化微网与配电网交互功率的波动程度
   - 成本目标：z2 = 租赁成本 + 运行成本，其中租赁成本与储能容量相关，运行成本与充放电功率相关

1. 关键约束处理
   通过myfun.m实现约束校验，包括：
   - 储能SOC约束：0.1 ≤ SOC(t) ≤ 0.9
   - 充放电功率约束：-Pmax ≤ Pbat(t) ≤ Pmax
   - 功率平衡约束：Ppv(t) + Pwt(t) + Pbat(t) = Pload(t) + Pgrid(t)

1. NSGA-II算法实现
   - 种群管理：Nondominatesort.m通过支配关系划分层级，Cal_cd.m计算拥挤度维持解集多样性
   - 遗传操作：Cross.m采用单点交叉（交叉概率0.7），Mutate.m实现随机变异（变异概率0.05）
   - 收敛控制：迭代50次后，通过隶属度函数从Pareto前沿选取折中解（PMG1/PMG2/PMG3）

（二）双层调度模型：粒子群与CPLEX协同求解

该模块是博弈优化的核心，通过上下层迭代实现多方利益平衡：

1. 上层ADN优化（粒子群算法）
   - 决策变量：3个时段售电电价（Cs1/Cs2/C_s3）+24小时上网功率（Pup）
   - 目标函数：最小化ADN总运行成本（购电成本+网损成本+惩罚成本）
   - 算法实现：ub.m中粒子群算法通过mubiao.m调用下层模型，迭代20次寻找最优解，采用线性递减惯性权重（0.9→0.4）提升收敛速度

1. 下层协同调度（CPLEX求解）
   - 共享储能优化：lowlevel.m中以SESO收益最大化为目标，优化购售电策略，考虑储能容量（8000kWh）、功率（1500kW）约束
   - 多微网优化：建立微网间功率互济模型，优先内部消纳风光资源，约束包括联络线容量（±2000kW）、燃气轮机出力上限
   - 求解逻辑：将下层问题转化为混合整数线性规划（MILP），通过sdpsettings配置CPLEX求解器，设置求解精度1e-3

（三）IEEE33节点验证模块

通过fitness11.m实现配电网安全校验，核心功能包括：

1. 潮流计算
   基于节点导纳矩阵，采用前推回代法求解24小时潮流，输出节点电压（V_bus）和支路损耗（Ploss）

1. 安全约束校验
   - 电压约束：0.95pu ≤ V_i ≤ 1.05pu
   - 功率约束：支路传输功率不超过额定容量
   - 越界惩罚：对电压越限节点施加二次罚函数，反馈至上层目标函数

（四）方案对比与可视化模块

代码内置多维度结果展示功能，关键图表包括：

• 算法收敛曲线：展示粒子群迭代过程中ADN成本的下降趋势
• 微网Pareto前沿：对比3个微网的"平滑性-成本"权衡特性
• 储能SOC曲线：验证共享储能运行在0.1-0.9安全区间
• 24小时电价曲线：展示分时电价与负荷的关联性
• 节点电压三维图：直观呈现33节点电压的时空分布

三、数据交互与运行流程

（一）核心数据文件

• 微网基础数据：MG1.mat/MG2.mat/MG3.mat（含负荷、光伏、风电时序数据）
• 风光资源数据：WT.mat（风电出力）、风光数据.xlsx（光伏辐射强度）
• 配电网参数：Branch.mat（IEEE33节点支路参数）

（二）完整运行流程

1. 预优化：分别运行MG1.m-MG3.m，生成微网充放电策略
2. 双层优化：运行ub.m，粒子群算法初始化决策变量
3. 下层求解：每个粒子通过mubiao.m调用lowlevel.m，CPLEX求解下层模型
4. 潮流验证：调用fitness11.m进行安全校验，计算惩罚成本
5. 结果输出：迭代收敛后自动生成优化方案与对比图表

四、代码特色与应用扩展

（一）技术特色

1. 分层解耦：将复杂系统拆分为预优化与双层调度，降低计算复杂度
2. 多算法融合：NSGA-II处理多目标优化，粒子群优化连续变量，CPLEX求解整数规划
3. 工程适配：参数设置贴合实际（如储能充放电效率0.95、网损系数0.05）

（二）应用扩展

1. 可通过修改myfun.m增加碳排放目标，实现多目标协同优化
2. 调整Branch.mat可适配不同节点数的配电网算例
3. 更换lowlevel.m中的目标函数系数，可模拟不同利益主体的博弈策略

本代码完整复现了含共享储能的多微网-配电网协同调度机制，为分布式能源系统优化提供了可复用的技术框架，其分层优化思路与多算法融合方案对相关领域研究具有参考价值。

代码复现： 《含多微网租赁共享储能的配电网博弈优化调度》 首先利用NSGA-II算法求解三个微网的最优充放电策略并做为已知条件代入到双层调度模型中；然后求解双层模型，上层为主动配电网调度模型，下层包括共享储能优化模型和多微网优化调度模型，采用粒子群算法+cplex求解器求解双层模型，在IEEE33节点算例中进行验证，并采用三种方案进行对比