ReW_p

原创 已于 2022-06-18 11:07:07 修改 · 213 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#c语言 #开发语言

于 2022-06-14 18:23:44 首次发布

经典exe

：
在这里插入图片描述
v18是我们输入的；v5是那一串带点的；v0是我们输入的字符串长度；
看函数sub_4116c7：
在这里插入图片描述
每三个一组，取前六位、取后两位、取前两位，和0x30、f、3f进行与操作。这么熟悉的操作，想起了base64加密。再看看加密字符串：

在这里插入图片描述
能够确定，是base64加密
然后往下看
v1是加密后字符串的长度；
然后进入函数sub_411389：
在这里插入图片描述
依旧是加密，只不过表的最后两位给换了。
往下看函数sub_411023：
在这里插入图片描述
就是给加密后的字符串加点，加到第一位:a2的第一位是点，然后a2的第二位是a1的第一位，然后依次换位。
接下来的函数也是加点，只不过加到了第22位上
接下来的函数运用的是爆破思想：
个人理解：首先是可见字符串的ASCII码值，x代表ASCII码值，a代表数组1，b代表数组2，c代表数组3
如果a的第一位的x对应b的第一位，那么就让c的第一位赋值为x
脚本：

int main()
{
    char Str[100];
    int a[100];
    char a1[]=".W1BqthGbfGBqoXBmVZRQd.W5VoXNJcMR6XNBxoM5FoFDucMWyWNfBpXNAoF0.";
    int a2 = 2;
    int len = strlen(a1);
     for ( int i = 0;i<len ; i++ )
  {
      for(int j = 0;j < 128;j++){
            a[i] = j;
    if ( a[i] < 65 || a[i] > 90 )//如果a[i]的值小于65或者大于90进去继续
    {
      if ( a[i] >= 97 && a[i] <= 122 )//如果值在（97,122）之间正好是25小于26，那么ASCII值加上97，变成大写的26个字母其中之一
        a[i] = (a[i] + a2 - 97) % 26 + 97;
    }
    else
    {
      a[i] = (a[i] + a2 - 65) % 26 + 65;//如果值在（65,90）之间正好是25小于26，那么ASCII值加上65，变成小写的26个字母其中之一
    }
    if((char)a[i] == a1[i]){
        Str[i] = j;
    }
  }
  }
  for(int i = 0;i<len;i++){
  printf("%c",Str[i]);
  }
  return 0;
}

在这里插入图片描述

解出来的字符串去点然后进行两次的base64解密即可

经典base

在这里插入图片描述
查看伪代码，我们发现有一个base58加密（Base58 采用数字、大写字母、小写字母，去除歧义字符 0（零）、O（大写字母 O）、I（大写字母i）、l（小写字母L），总计58个字符作为编码的字母表也就是：123456789ABCDEFGHJKLMNPQRSTUVWXYZabcdefghijkmnopqrstuvwxyz）
那我们直接用icyberchef：
在这里插入图片描述
从base58转换为字符串

经典re1

用x64dbg打开之后，运行，然后右键>搜索>当前区域>字符串，然后ctrl+f搜索flag找到
在这里插入图片描述

经典re2

用ida打开
在这里插入图片描述
首先我们输入v7，然后将v7的值赋给v10，然后进入while循环，过程是把v7的值每一个都与7异或，然后退出循环，如果v8和那个unk函数里的值一样就是yes
那么我们要做的就是找到unk函数里的值，然后再每个值异或7即可
然后进入unk函数
在这里插入图片描述
发现什么都没有，这需要动态调试了，unk的值应该是程序运行到某个地方然后才会跑出来值
关于ida的动调：首先找一个合适的调试器
在这里插入图片描述
然后文件目录下找到dbgsrv
在这里插入图片描述
我们用的是64位的
在这里插入图片描述
把端口、ip填进去
在这里插入图片描述
开始调试
在这里插入图片描述
在这里插入图片描述
找到这一串字符串，发现是他们进入到unk函数里
在ida里面，进入unk函数
在这里插入图片描述
可以发现mov了很多值进入函数里，我们用f5查看代码
在这里插入图片描述
在这里插入图片描述
但不造我为啥后面没有字符串。。。。。
然后写一个简简单单的脚本得到flag
在这里插入图片描述

squid

放到linux里面运行
在这里插入图片描述
拉入ida，shift+f12查看字符串，发现有很多py开头的
在这里插入图片描述
意味着是一个python文件被打包成了exe文件
用pyinstxtractor.py文件
通过readme.txt获得使用方法
在这里插入图片描述

在这里插入图片描述
成功解包
在这里插入图片描述
捣鼓了半天，根据cmd里面的提示发现，说是要用python3.6去解包，于是我把python版本改为3.6,然后解包，PYZ-00.pyz_extracted文件夹里才有东西了。
之后把struct里面的文件头给pyc补充上，然后放到在线python反编译得到
在这里插入图片描述
打开PCcharm运行得到
在这里插入图片描述

cheems

先查壳
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
ida里面也找不到字符串和函数
然后可以看到是upx
在这里插入图片描述
但放到010发现是cpx，怪了，手动改改
在这里插入图片描述
可以了
然后ida找字符串
在这里插入图片描述

稚少莽...
关注
【图像拼接】源码精读：Parallax-Tolerant Image Stitching Based on Robust Elastic Warping（ELA/REW）
主要更新底层视觉（去噪、超分等）相关的科研内容，形式为【论文精读】+【论文复现】
02-05 1万+
论文题目：Parallax-Tolerant Image Stitching Based on Robust Elastic Warping —— 基于非常灵活扭曲的大视差图像拼接算法注：matlab代码。【图像拼接论文精读】专栏对应文章【图像拼接】论文精读：Parallax-Tolerant Image Stitching Based on Robust Elastic Warping（ELA/REW）配合对应的文章阅读，效果更佳！注：请重点关注代码段中的注释！！！
数学小抄: Gaussian的基础操作
nkc555的博客
09-18 887
数学小抄系列： 高斯基础操作
rew
qq_41772754的博客
04-03 740
什么是React？ React是一个JavaScript库 - 最受欢迎的库之一，在GitHub上有超过100,000颗星。 React不是一个框架（与Angular不同，它更加自以为是）。 React是一个由Facebook创建的开源项目 React用于在前端构建用户界面（UI） React是MVC应用程序的视图层（模型视图控制器） React最重...
反应测试_REW声学测试软件与rePhase的化学反应——让系统调试变得简单
weixin_34479122的博客
12-15 3026
视频在最下方REW和rePhase作为免费的良心软件，而且还一直更新版本，真的是音频工作者的福音。这两款免费软件的功能真的是不容小觑，对于现场系统调试提供了很大帮助，也节省了很多时间。REW的自动均衡文件可直接导出到前级处理设备及FIR设计软件，目前5.0版本支持：MiniDSP,DCX2496,FBQ2496,FBQ1000,Generic.......等硬件设备。而rePhase导出...
左声道右声道测试音源_REW声学测试（二）：离线测试
weixin_39613188的博客
12-15 2467
在智能音箱扬声器测试的时候，由于智能音箱有独立的芯片模块，因此将待测设备连接到测试系统是不实际的。通常是使用智能音箱的蓝牙模块连接测试系统的蓝牙模块进行信号播放，但是demo阶段的智能音箱有可能没有蓝牙模块，在这些情况下，可以通过将REW的测试信号保存为wav文件，使用adb命令导入，使用aplay/tinyplay命令播放该测试信号，然后可以在REW中导入录到的信号以生成新的测试曲线。...
REW软件介绍 硬件软件需求 room eq wizard 5.20.13音频测试测量软件
qq_20921319的博客
03-13 3654
Rew软件是John Mulcahy制作的一个免费音频测量和eq计算软件，基于全双工声卡，可以测量：频率响应曲线（支持TST /TSR），相位曲线，thd，阻抗曲线，扬声器t/s数据，tsr技术，瀑布图，声谱图，rt60。测量阻抗曲线需要的硬件：TOTLAB TYPE0311阻抗测量盒子，参考电阻，需要注意，为了获得更准确的结果，请使用低阻抗输出的声卡或者功率放大器连接阻抗测量盒子，建议＜1Ohm。4.麦克风电源（可选）：一般来说麦克风有相关供电标准，例如p48，iepe，应该配合符合标准的电源。
Python学习笔记之基础知识
KJChan
03-30 460
本文部分参考了“小甲鱼的python教程”、《python基础教程（第二版）》，在此表示感谢。侵删。1.输入&输出 输出：print"hello world"hello worldprint 3 + 2 + 1 - 5 + 4 % 2 - 1 / 4 + 6 print"Is it true that 3 + 2 < 5 - 7?" print 3 + 2 < 5 - 77 Is it true
php中$_server大全,PHP $_SERVER详解
weixin_42520661的博客
03-24 3326
$_SERVER['HTTP_ACCEPT_LANGUAGE']//浏览器语言$_SERVER['REMOTE_ADDR'] //当前用户 IP 。$_SERVER['REMOTE_HOST'] //当前用户主机名$_SERVER['REQUEST_URI'] //URL$_SERVER['REMOTE_PORT'] //端口。$_SERVER['SERVER_NAME'] //服务器主机的名称。...
硬盘SMART检测参数详解
热门推荐
sdlyx2017的博客
05-28 1万+
硬盘SMART检测参数详解 一、SMART概述 要说Linux用户最不愿意看到的事情，莫过于在毫无警告的情况下发现硬盘崩溃了。诸如RAID的备份和存储技术可以在任何时候帮用户恢复数据，但为预防硬件崩溃造成数据丢失所花费的代价却是相当可观的，特别是在用户从来没有提前考虑过在这些情况下的应对措施时。 硬盘的故障一般分为两种：可预测的（predictable）和不可预测的（unpredictable）。后者偶而会发生，也没有办法去预防它，例如芯片突然失效，机械撞击等。但像电机轴承磨损、盘片磁介...
检查以下代码，给出修改后的完整代码：%% 基于阶梯碳交易机制与P2P能源共享的综合能源系统优化调度模型 clc clear %% ===================== 记载数据初始化 ===================== % 可再生能源预测出力 P_rew_e = [875.53, 846.02, 862.71, 870.27, 836.21, 841.49, 782.69, 698.20, ... 701.43, 621.10, 581.15, 596.79, 580.38, 594.44, 566.58, 574.68, ... 585.51, 552.64, 670.59, 783.63, 804.22, 850.56, 884.58, 897.08]; % kW % 用户负荷数据 % 用户1 - 住宅区 P_Load_e1 = [438.92, 449.06, 384.87, 383.56, 555.78, 829.08, 695.91, 634.75, ... 824.46, 534.34, 811.55, 886.41, 730.53, 887.85, 541.62, 696.93, ... 769.47, 699.58, 572.86, 540.62, 435.75, 396.30, 474.34, 437.77]; % 电负荷 kW P_Load_h1 = [281.52, 210.02, 303.03, 218.45, 263.47, 350.30, 375.96, 330.86, ... 337.32, 444.79, 436.02, 503.66, 312.27, 366.63, 462.30, 500.07, ... 438.91, 331.59, 454.63, 356.66, 321.48, 363.06, 246.40, 320.91]; % 热负荷 kW % 用户2 - 商业区 P_Load_e2 = [311.35, 496.96, 422.78, 490.75, 501.39, 743.94, 606.49, 663.09, ... 700.90, 848.33, 800.27, 776.04, 651.84, 983.69, 671.58, 618.50, ... 512.87, 509.70, 756.91, 687.65, 554.83, 461.36, 344.51, 451.31]; P_Load_h2 = [292.69, 279.79, 249.42, 335.28, 324.71, 311.21, 440.46, 505.70, ... 346.73, 328.94, 360.90, 296.29, 434.50, 444.01, 359.39, 373.67, ... 554.70, 503.06, 296.99, 336.52, 328.45, 356.39, 328.94, 293.09]; % 用户3 - 工业区 P_Load_e3 = [392.65, 394.79, 398.32, 350.81, 375.84, 690.77, 627.59, 806.97, ... 545.60, 717.08, 874.86, 782.36, 809.26, 819.57, 549.26, 802.08, ... 831.48, 612.44, 597.20, 564.87, 544.12, 579.74, 481.82, 412.59]; P_Load_h3 = [260.08, 247.82, 262.92, 282.56, 402.31, 310.23, 394.91, 441.18, ... 295.73, 348.94, 413.06, 447.17, 439.96, 355.54, 496.10, 402.27, ... 402.00, 557.99, 482.69, 437.40, 307.05, 243.88, 303.08, 306.68]; %% ===================== 基础参数初始化 ===================== % 时间参数 num_hours = 24; hours = 1:num_hours; % 电价参数 C_Pri_buy = [0.60*ones(1,8), 0.75*ones(1,4), 1.20*ones(1,3), ... 0.75*ones(1,4), 1.20*ones(1,4), 0.60*ones(1,1)]; % 购电价 C_Pri_sell = [0.30*ones(1,8), 0.40*ones(1,4), 0.60*ones(1,3), ... 0.40*ones(1,4), 0.60*ones(1,4), 0.30*ones(1,1)]; % 售电价 C_gas_price = 3.2; % 天然气价格 (元/Nm³) C_carbon_price = [0.2, 0.3, 0.45]; % 阶梯碳价 [元/kg] k_curtail_penalty = 0.5; % 弃风惩罚系数 % 设备参数 CHP_eff_e = 0.30; % CHP发电效率 CHP_eff_h = 0.45; % CHP产热效率 CHP_gas_heat = 9.7; % 天然气热值 (kWh/Nm³) GB_eff = 0.90; % 燃气锅炉效率 P2G_eff = 0.95; % P2G转换效率 CCS_energy = 0.109; % CCS单位能耗 (kWh/kgCO2) CO2_factor = 0.390; % 单位天然气碳排放 (kgCO2/Nm³) % 置信区间计算 (正态分布双侧分位数) confidence_level = 0.8; margin = norminv((1+confidence_level)/2); % 80%置信水平 M = 1e6; % Big-M法大常数 %% ===================== 决策变量定义 ===================== % 设备变量 P_e_rew = sdpvar(1, num_hours); % 可再生能源实际出力 P_e_cur = sdpvar(1, num_hours); % 弃风量 P_e_CHP = sdpvar(1, num_hours); % CHP发电功率 P_h_CHP = sdpvar(1, num_hours); % CHP产热功率 P_h_GB = sdpvar(1, num_hours); % 燃气锅炉产热 P_e_P2G = sdpvar(1, num_hours); % P2G消耗功率 P_e_CCS = sdpvar(1, num_hours); % 碳捕集消耗功率 Gas_CHP = sdpvar(1, num_hours); % CHP耗气量 Gas_GB = sdpvar(1, num_hours); % GB耗气量 Gas_P2G = sdpvar(1, num_hours); % P2G产气量 CO2_CHP = sdpvar(1, num_hours); % CHP碳排放 CO2_CCS = sdpvar(1, num_hours); % CCS捕集量 % 电网交易变量 P_buy = sdpvar(1, num_hours); % 购电功率 P_sell = sdpvar(1, num_hours); % 售电功率 miu_ies = binvar(1, num_hours); % 交易状态 (0-售电/1-购电) % 用户变量 p_cut_1 = sdpvar(1, num_hours); % 用户1电负荷削减 h_cut_1 = sdpvar(1, num_hours); % 用户1热负荷削减 p_cut_2 = sdpvar(1, num_hours); % 用户2电负荷削减 h_cut_2 = sdpvar(1, num_hours); % 用户2热负荷削减 p_cut_3 = sdpvar(1, num_hours); % 用户3电负荷削减 h_cut_3 = sdpvar(1, num_hours); % 用户3热负荷削减 % P2P交易变量 (允许双向交易) p_tran_12 = sdpvar(1, num_hours); % 用户1<->2交易电量 p_tran_13 = sdpvar(1, num_hours); % 用户1<->3交易电量 p_tran_23 = sdpvar(1, num_hours); % 用户2<->3交易电量 % 碳交易变量 E_CO2 = sdpvar(1,1); % 实际碳排放 E_c = sdpvar(1,1); % 碳配额 E_1 = sdpvar(1,1); % 阶梯碳交易分段1 E_2 = sdpvar(1,1); % 阶梯碳交易分段2 E_3 = sdpvar(1,1); % 阶梯碳交易分段3 %% ===================== 约束条件 ===================== Cons = []; % === 设备物理约束 === % 可再生能源约束 Cons = [Cons, P_e_cur + P_e_rew == P_rew_e]; % 出力平衡 Cons = [Cons, 0 <= P_e_cur <= P_rew_e]; % 弃风限制 Cons = [Cons, 0 <= P_e_rew <= P_rew_e]; % 实际出力限制 % CHP机组约束 Cons = [Cons, P_e_CHP == CHP_eff_e * CHP_gas_heat * Gas_CHP]; % 电功率 Cons = [Cons, P_h_CHP == CHP_eff_h * CHP_gas_heat * Gas_CHP]; % 热功率 Cons = [Cons, 0 <= P_e_CHP <= 2000]; % 发电上限 Cons = [Cons, CO2_CHP == CO2_factor * Gas_CHP]; % 碳排放 Cons = [Cons, 0 <= Gas_CHP <= 2000/(CHP_eff_e*CHP_gas_heat)]; % 耗气量限制 % 燃气锅炉约束 (统一碳排放因子) Cons = [Cons, P_h_GB == GB_eff * CHP_gas_heat * Gas_GB]; % 热功率 Cons = [Cons, 0 <= P_h_GB <= 2000]; % 产热上限 Cons = [Cons, 0 <= Gas_GB <= 2000/(GB_eff*CHP_gas_heat)]; % 耗气量限制 % P2G约束 Cons = [Cons, Gas_P2G == P2G_eff * P_e_P2G / CHP_gas_heat]; % 产气量 Cons = [Cons, 0 <= P_e_P2G <= 500]; % 消耗功率上限 Cons = [Cons, 0 <= Gas_P2G]; % 产气量非负 % 碳捕集约束 Cons = [Cons, P_e_CCS == CCS_energy * CO2_CCS]; % 能耗计算 Cons = [Cons, 0 <= CO2_CCS <= 0.9 * CO2_CHP]; % 捕集量限制 Cons = [Cons, 0 <= P_e_CCS <= 500]; % 消耗功率上限 % === 系统平衡约束 === % 电力平衡 (考虑负荷削减) total_power_generation = P_e_CHP + P_e_rew; % 总发电量 total_power_consumption = (P_Load_e1 - p_cut_1) + (P_Load_e2 - p_cut_2) + (P_Load_e3 - p_cut_3) + ... P_e_P2G + P_e_CCS; % 总耗电量(含削减) uncertainty_margin = margin * 0.2 * P_rew_e; % 不确定性余量 Cons = [Cons, (P_buy - P_sell) + total_power_generation - total_power_consumption >= uncertainty_margin]; % 热力平衡 (考虑负荷削减) Cons = [Cons, P_h_CHP + P_h_GB == (P_Load_h1 - h_cut_1) + (P_Load_h2 - h_cut_2) + (P_Load_h3 - h_cut_3)]; % 天然气平衡 Cons = [Cons, Gas_CHP + Gas_GB <= Gas_P2G]; % 天然气消耗 <= P2G生产 % 购售电逻辑约束 Cons = [Cons, implies(miu_ies == 1, [P_sell == 0, P_buy >= 0])]; % 购电状态 Cons = [Cons, implies(miu_ies == 0, [P_buy == 0, P_sell >= 0])]; % 售电状态 Cons = [Cons, 0 <= P_buy <= 1000]; % 购电上限 Cons = [Cons, 0 <= P_sell <= 1000]; % 售电上限 % === 用户侧约束 === % 用户1负荷削减约束 Cons = [Cons, 0 <= p_cut_1 <= 0.15 * P_Load_e1]; % 最大削减15% Cons = [Cons, 0 <= h_cut_1 <= 0.15 * P_Load_h1]; % 用户2负荷削减约束 Cons = [Cons, 0 <= p_cut_2 <= 0.20 * P_Load_e2]; % 商业区可削减20% Cons = [Cons, 0 <= h_cut_2 <= 0.20 * P_Load_h2]; % 用户3负荷削减约束 Cons = [Cons, 0 <= p_cut_3 <= 0.25 * P_Load_e3]; % 工业区可削减25% Cons = [Cons, 0 <= h_cut_3 <= 0.25 * P_Load_h3]; % P2P交易约束 (允许双向交易) Cons = [Cons, p_tran_12 + p_tran_13 <= 0.2 * P_Load_e1]; % 用户1最大出售量 Cons = [Cons, -0.2 * P_Load_e2 <= p_tran_12 - p_tran_23 <= 0.2 * P_Load_e2]; % 用户2交易平衡 Cons = [Cons, -0.2 * P_Load_e3 <= -p_tran_13 - p_tran_23 <= 0.2 * P_Load_e3]; % 用户3交易平衡 Cons = [Cons, abs(p_tran_12) <= 200, abs(p_tran_13) <= 200, abs(p_tran_23) <= 200]; % 交易功率限制 % === 碳交易机制 === total_CO2_production = sum(CO2_CHP) + CO2_factor * sum(Gas_GB); % 统一碳排放因子 total_energy_output = sum(1.67*P_e_CHP + P_h_CHP + P_h_GB); % 总能量输出 Cons = [Cons, E_CO2 == total_CO2_production - sum(CO2_CCS)]; % 实际碳排放 Cons = [Cons, E_c == 0.047 * total_energy_output]; % 碳配额 Cons = [Cons, E_CO2 - E_c == E_1 + E_2 + E_3]; % 分段变量 Cons = [Cons, 0 <= E_1 <= 5000]; % 第一段 Cons = [Cons, 0 <= E_2 <= 5000]; % 第二段 Cons = [Cons, 0 <= E_3]; % 第三段 %% ===================== 目标函数 ===================== % 成本计算 fuel_cost = C_gas_price * sum(Gas_CHP + Gas_GB - Gas_P2G); % 燃料成本 energy_trade_cost = sum(C_Pri_buy .* P_buy) - sum(C_Pri_sell .* P_sell); % 电网交易净成本 curtail_cost = k_curtail_penalty * sum(P_e_cur); % 弃风惩罚 carbon_cost = C_carbon_price * [E_1; E_2; E_3]; % 阶梯碳成本 % 用户收益 (负荷削减收益) user_benefit = 0.8 * sum(C_Pri_sell .* (p_cut_1 + p_cut_2 + p_cut_3)) + ... 0.7 * sum(mean(C_Pri_sell) * (h_cut_1 + h_cut_2 + h_cut_3)); % P2P交易收益 (基于实际交易量) avg_price = mean([C_Pri_buy, C_Pri_sell]); % 平均电价 p2p_revenue = 0.5 * avg_price * sum(abs(p_tran_12) + abs(p_tran_13) + abs(p_tran_23)); % 系统净成本 (最小化) total_cost = fuel_cost + energy_trade_cost + curtail_cost + carbon_cost - user_benefit - p2p_revenue; % 目标函数 Obj = total_cost; %% ===================== 模型求解 ===================== % 求解器设置 options = sdpsettings('solver', 'cplex', 'verbose', 1, 'showprogress', 1,... 'cplex.timelimit', 600, 'cplex.mip.tolerances.mipgap', 1e-4); % 求解优化问题 disp('开始求解优化问题...'); tic; sol = optimize(Cons, Obj, options); solve_time = toc; % 检查求解状态 if sol.problem == 0 disp(['优化成功! 求解时间: ', num2str(solve_time), '秒']); disp(['系统总成本: ', num2str(value(Obj)), '元']); else error('求解失败! 原因: %s', sol.info); end %% ===================== 结果提取 ===================== % 设备出力 P_e_rew_opt = value(P_e_rew); P_e_cur_opt = value(P_e_cur); P_e_CHP_opt = value(P_e_CHP); P_h_CHP_opt = value(P_h_CHP); P_h_GB_opt = value(P_h_GB); P_e_P2G_opt = value(P_e_P2G); P_e_CCS_opt = value(P_e_CCS); Gas_CHP_opt = value(Gas_CHP); Gas_GB_opt = value(Gas_GB); Gas_P2G_opt = value(Gas_P2G); CO2_CHP_opt = value(CO2_CHP); CO2_CCS_opt = value(CO2_CCS); % 电网交易 P_buy_opt = value(P_buy); P_sell_opt = value(P_sell); miu_ies_opt = value(miu_ies); % 用户侧 p_cut_1_opt = value(p_cut_1); h_cut_1_opt = value(h_cut_1); p_cut_2_opt = value(p_cut_2); h_cut_2_opt = value(h_cut_2); p_cut_3_opt = value(p_cut_3); h_cut_3_opt = value(h_cut_3); % P2P交易 p_tran_12_opt = value(p_tran_12); p_tran_13_opt = value(p_tran_13); p_tran_23_opt = value(p_tran_23); % 碳排放 E_CO2_opt = value(E_CO2); E_c_opt = value(E_c); E_1_opt = value(E_1); E_2_opt = value(E_2); E_3_opt = value(E_3); % 成本分解 fuel_cost_val = value(fuel_cost); energy_trade_val = value(energy_trade_cost); curtail_cost_val = value(curtail_cost); carbon_cost_val = value(carbon_cost); user_benefit_val = value(user_benefit); p2p_revenue_val = value(p2p_revenue);
11-29
即：P_e_CHP + P_e_rew + P_buy = (P_Load_e1 - p_cut_1 + P_Load_e2 - p_cut_2 + P_Load_e3 - p_cut_3) + P_e_P2G + P_e_CCS + uncertainty_margin + P_sell 但原约束写成了： (P_buy - P_sell) + total_power_...
整理以下代码：%% 基于阶梯碳交易机制与P2P能源共享的综合能源系统优化调度模型 clc clear %% ===================== 数据初始化 ===================== % 可再生能源预测出力 P_rew_max = [875.53, 846.02, 862.71, 870.27, 836.21, 841.49, 782.69, 698.20, ... 701.43, 621.10, 581.15, 596.79, 580.38, 594.44, 566.58, 574.68, ... 585.51, 552.64, 670.59, 783.63, 804.22, 850.56, 884.58, 897.08]; % kW % 用户1负荷数据 - 住宅区 P_Load_e1 = [438.92, 449.06, 384.87, 383.56, 555.78, 829.08, 695.91, 634.75, ... 824.46, 534.34, 811.55, 886.41, 730.53, 887.85, 541.62, 696.93, ... 769.47, 699.58, 572.86, 540.62, 435.75, 396.30, 474.34, 437.77]; % 电负荷 kW P_Load_h1 = [281.52, 210.02, 303.03, 218.45, 263.47, 350.30, 375.96, 330.86, ... 337.32, 444.79, 436.02, 503.66, 312.27, 366.63, 462.30, 500.07, ... 438.91, 331.59, 454.63, 356.66, 321.48, 363.06, 246.40, 320.91]; % 热负荷 kW % 用户2负荷数据 - 商业区 P_Load_e2 = [311.35, 496.96, 422.78, 490.75, 501.39, 743.94, 606.49, 663.09, ... 700.90, 848.33, 800.27, 776.04, 651.84, 983.69, 671.58, 618.50, ... 512.87, 509.70, 756.91, 687.65, 554.83, 461.36, 344.51, 451.31]; P_Load_h2 = [292.69, 279.79, 249.42, 335.28, 324.71, 311.21, 440.46, 505.70, ... 346.73, 328.94, 360.90, 296.29, 434.50, 444.01, 359.39, 373.67, ... 554.70, 503.06, 296.99, 336.52, 328.45, 356.39, 328.94, 293.09]; % 用户3负荷数据 - 工业区 P_Load_e3 = [392.65, 394.79, 398.32, 350.81, 375.84, 690.77, 627.59, 806.97, ... 545.60, 717.08, 874.86, 782.36, 809.26, 819.57, 549.26, 802.08, ... 831.48, 612.44, 597.20, 564.87, 544.12, 579.74, 481.82, 412.59]; P_Load_h3 = [260.08, 247.82, 262.92, 282.56, 402.31, 310.23, 394.91, 441.18, ... 295.73, 348.94, 413.06, 447.17, 439.96, 355.54, 496.10, 402.27, ... 402.00, 557.99, 482.69, 437.40, 307.05, 243.88, 303.08, 306.68]; %% ===================== 基础参数初始化 ===================== % 时间参数 Num_hours = 24; % 市场电价参数 C_Pri_buy = [0.60*ones(1,8), 0.75*ones(1,4), 1.20*ones(1,3), 0.75*ones(1,4), 1.20*ones(1,4), 0.60*ones(1,1)]; % 购电价 C_Pri_sell = [0.30*ones(1,8), 0.40*ones(1,4), 0.60*ones(1,3), 0.40*ones(1,4), 0.60*ones(1,4), 0.30*ones(1,1)]; % 售电价 C_gas_price = 3.2; % 天然气价格 (元/Nm³) C_carbon_price = [0.27, 0.32, 0.45]; % 阶梯碳价 [元/kg] % 设备参数 k_chp_e = 0.34; % CHP发电效率 k_chp_h = 0.27; % CHP产热效率 k_gas_h = 9.7; % 天然气热值 (kWh/Nm³) k_gb_h = 0.92; % 燃气锅炉效率 k_p2g_g = 0.95; % P2G转换效率 U_CCS_energy = 0.109; % CCS单位能耗 (kWh/kg_CO2) U_CO2_factor = 0.390; % 单位天然气碳排放 (kg_CO2/Nm³) % 置信区间计算 (正态分布双侧分位数) Z_cf_level = 0.8; Z_margin = norminv((1+Z_cf_level)/2); % 80%置信水平 M = 1000; % Big-M法大常数 (CPLEX兼容值) % 热价参数 C_heat_price = 0.4 * ones(1,24); % 基础热价 (元/kWh) C_heat_price(9:12) = 0.6; % 高峰时段热价 (9:00-12:00) C_heat_price(18:21) = 0.6; % 高峰时段热价 (18:00-21:00) %% ===================== 决策变量定义 ===================== % 设备变量 P_wt_e = sdpvar(1, Num_hours); % 风电实际出力 P_waste_wind = sdpvar(1, Num_hours); % 弃风量 P_CHP_e = sdpvar(1, Num_hours); % CHP发电功率 P_CHP_h = sdpvar(1, Num_hours); % CHP产热功率 P_GB_h = sdpvar(1, Num_hours); % 燃气锅炉产热 P_e_P2G = sdpvar(1, Num_hours); % P2G消耗功率 P_e_CCS = sdpvar(1, Num_hours); % CCS消耗功率 V_Gas_CHP = sdpvar(1, Num_hours); % CHP耗气量 V_Gas_GB = sdpvar(1, Num_hours); % GB耗气量 V_P2G_Gas = sdpvar(1, Num_hours); % P2G产气量 V_CHP_CO2 = sdpvar(1, Num_hours); % CHP碳排放 V_CO2_CCS = sdpvar(1, Num_hours); % CCS捕集量 V_buy_g = sdpvar(1, Num_hours); % 外部购气量 % 电网交易变量 P_buy_e = sdpvar(1, Num_hours); % 购电功率 P_sell_e = sdpvar(1, Num_hours); % 售电功率 B_miu_ies = binvar(1, Num_hours); % 交易状态 (0-售电/1-购电) % 用户变量 PL_cut_1 = sdpvar(1, Num_hours); % 用户1电负荷削减 HL_cut_1 = sdpvar(1, Num_hours); % 用户1热负荷削减 PL_cut_2 = sdpvar(1, Num_hours); % 用户2电负荷削减 HL_cut_2 = sdpvar(1, Num_hours); % 用户2热负荷削减 PL_cut_3 = sdpvar(1, Num_hours); % 用户3电负荷削减 HL_cut_3 = sdpvar(1, Num_hours); % 用户3热负荷削减 % P2P交易变量 P_tran_12_pos = sdpvar(1, Num_hours); % 用户1→用户2交易量 P_tran_12_neg = sdpvar(1, Num_hours); % 用户2→用户1交易量 P_tran_13_pos = sdpvar(1, Num_hours); % 用户1→用户3交易量 P_tran_13_neg = sdpvar(1, Num_hours); % 用户3→用户1交易量 P_tran_23_pos = sdpvar(1, Num_hours); % 用户2→用户3交易量 P_tran_23_neg = sdpvar(1, Num_hours); % 用户3→用户2交易量 P_net_1 = sdpvar(1, Num_hours); % 用户1净交易量 P_net_2 = sdpvar(1, Num_hours); % 用户2净交易量 P_net_3 = sdpvar(1, Num_hours); % 用户3净交易量 % P2P交易方向二进制变量 B_tran_12 = binvar(1, Num_hours); % 1表示1→2, 0表示2→1 B_tran_13 = binvar(1, Num_hours); % 1表示1→3, 0表示3→1 B_tran_23 = binvar(1, Num_hours); % 1表示2→3, 0表示3→2 % 碳交易变量 E_CO2_t = sdpvar(1,1); % 实际碳排放 P_CO2_t = sdpvar(1,1); % 碳配额数量 E_carbon = sdpvar(1,1); % 碳排放超额量 T_E_1 = sdpvar(1,1); % 阶梯碳交易分段1 (0-5000kg) T_E_2 = sdpvar(1,1); % 阶梯碳交易分段2 (5000-10000kg) T_E_3 = sdpvar(1,1); % 阶梯碳交易分段3 (>10000kg) %% ===================== 约束条件 ===================== Cons = []; % 可再生能源约束 Cons = [Cons, P_waste_wind + P_wt_e == P_rew_max]; Cons = [Cons, 0 <= P_waste_wind <= P_rew_max]; Cons = [Cons, 0 <= P_wt_e <= P_rew_max]; % CHP机组约束 Cons = [Cons, P_CHP_e == k_chp_e * k_gas_h * V_Gas_CHP]; Cons = [Cons, P_CHP_h == k_chp_h * k_gas_h * V_Gas_CHP]; Cons = [Cons, 0 <= P_CHP_e <= 2000]; Cons = [Cons, V_CHP_CO2 == U_CO2_factor * V_Gas_CHP]; Cons = [Cons, 0 <= V_Gas_CHP <= 2000/(k_chp_e*k_gas_h)]; % 燃气锅炉约束 Cons = [Cons, P_GB_h == k_gb_h * k_gas_h * V_Gas_GB]; Cons = [Cons, 0 <= P_GB_h <= 2000]; Cons = [Cons, 0 <= V_Gas_GB <= 2000/(k_gb_h*k_gas_h)]; % P2G机组约束 Cons = [Cons, V_P2G_Gas == k_p2g_g * P_e_P2G / k_gas_h]; Cons = [Cons, 0 <= P_e_P2G <= 500]; Cons = [Cons, 0 <= V_P2G_Gas]; % CCS机组约束 Cons = [Cons, P_e_CCS == U_CCS_energy * V_CO2_CCS]; Cons = [Cons, 0 <= V_CO2_CCS <= 0.9 * V_CHP_CO2]; Cons = [Cons, 0 <= P_e_CCS <= 500]; % === CPLEX兼容的关键修改: 重构购售电约束 === % 显式边界约束 Cons = [Cons, 0 <= P_buy_e <= M]; Cons = [Cons, 0 <= P_sell_e <= M]; % Big-M法实现互斥 Cons = [Cons, P_buy_e <= M * B_miu_ies]; Cons = [Cons, P_sell_e <= M * (1 - B_miu_ies)]; % ====== 能源系统平衡约束 ====== % 电功率平衡 Total_generation = P_CHP_e + P_wt_e; Total_consumption = (P_Load_e1 - PL_cut_1) + ... % 用户1电负荷 (P_Load_e2 - PL_cut_2) + ... % 用户2电负荷 (P_Load_e3 - PL_cut_3) + ... % 用户3电负荷 P_e_P2G + P_e_CCS; % 设备耗电 % 不确定性裕度计算 Uncertainty_margin = Z_margin * 0.2 .* P_rew_max; Cons = [Cons, Total_generation + P_buy_e == Total_consumption + P_sell_e + Uncertainty_margin]; % 热功率平衡 Cons = [Cons, P_CHP_h + P_GB_h == (P_Load_h1 - HL_cut_1) + (P_Load_h2 - HL_cut_2) + (P_Load_h3 - HL_cut_3)]; % 天然气平衡 Cons = [Cons, V_Gas_CHP + V_Gas_GB == V_P2G_Gas + V_buy_g]; Cons = [Cons, V_buy_g >= 0]; % 非负约束 % ====== 用户侧约束 ====== % 负荷削减约束 Cons = [Cons, 0 <= PL_cut_1 <= 0.15 * P_Load_e1]; Cons = [Cons, 0 <= HL_cut_1 <= 0.15 * P_Load_h1]; Cons = [Cons, 0 <= PL_cut_2 <= 0.20 * P_Load_e2]; Cons = [Cons, 0 <= HL_cut_2 <= 0.20 * P_Load_h2]; Cons = [Cons, 0 <= PL_cut_3 <= 0.25 * P_Load_e3]; Cons = [Cons, 0 <= HL_cut_3 <= 0.25 * P_Load_h3]; % ====== P2P交易约束 ====== % 净交易量计算 Cons = [Cons, P_net_1 == (P_tran_12_pos - P_tran_12_neg) + (P_tran_13_pos - P_tran_13_neg)]; Cons = [Cons, P_net_2 == (P_tran_12_neg - P_tran_12_pos) + (P_tran_23_pos - P_tran_23_neg)]; Cons = [Cons, P_net_3 == (P_tran_13_neg - P_tran_13_pos) + (P_tran_23_neg - P_tran_23_pos)]; % P2P净交易守恒约束 Cons = [Cons, P_net_1 + P_net_2 + P_net_3 == 0]; % 用户净交易量约束 Cons = [Cons, -0.2 * P_Load_e1 <= P_net_1 <= 0.2 * P_Load_e1]; Cons = [Cons, -0.2 * P_Load_e2 <= P_net_2 <= 0.2 * P_Load_e2]; Cons = [Cons, -0.2 * P_Load_e3 <= P_net_3 <= 0.2 * P_Load_e3]; % 交易功率限制 Cons = [Cons, P_tran_12_pos <= 200 * B_tran_12]; Cons = [Cons, P_tran_12_neg <= 200 * (1 - B_tran_12)]; Cons = [Cons, P_tran_13_pos <= 200 * B_tran_13]; Cons = [Cons, P_tran_13_neg <= 200 * (1 - B_tran_13)]; Cons = [Cons, P_tran_23_pos <= 200 * B_tran_23]; Cons = [Cons, P_tran_23_neg <= 200 * (1 - B_tran_23)]; % ====== 碳交易机制 (线性模型) ====== % 总碳排放计算 Total_CO2_production = sum(V_CHP_CO2) + U_CO2_factor * sum(V_Gas_GB); % 碳配额计算 (根据行业标准0.047kg/kWh) % 使用CHP发电效率转换计算等效能源 electrical_equivalent = P_CHP_e / k_chp_e; % 将电能转换为一次能源 Total_energy_output = electrical_equivalent + P_CHP_h + P_GB_h; Cons = [Cons, E_CO2_t == Total_CO2_production - sum(V_CO2_CCS)]; Cons = [Cons, P_CO2_t == 0.047 * sum(Total_energy_output)]; % 超额碳排放计算 Cons = [Cons, E_carbon >= 0]; Cons = [Cons, E_carbon >= E_CO2_t - P_CO2_t]; % 阶梯碳交易约束 (线性分段) Cons = [Cons, E_carbon == T_E_1 + T_E_2 + T_E_3]; Cons = [Cons, 0 <= T_E_1 <= 5000]; % 第一段：0-5000kg Cons = [Cons, 0 <= T_E_2 <= 5000]; % 第二段：5000-10000kg Cons = [Cons, T_E_3 >= 0]; % 第三段：>10000kg %% ===================== 目标函数 ===================== % 成本计算 F1_cost = C_gas_price * sum(V_buy_g); F2_cost = sum(C_Pri_buy .* P_buy_e) - sum(C_Pri_sell .* P_sell_e); F3_cost = C_carbon_price(1)*T_E_1 + C_carbon_price(2)*T_E_2 + C_carbon_price(3)*T_E_3; % 负荷削减补偿成本 electric_comp = 0.8 * sum(C_Pri_sell .* (PL_cut_1 + PL_cut_2 + PL_cut_3)); heat_comp = 0.7 * (sum(C_heat_price .* HL_cut_1) + ... sum(C_heat_price .* HL_cut_2) + ... sum(C_heat_price .* HL_cut_3)); F4_cost = electric_comp + heat_comp; % P2P交易收益 p2p_volume = sum(P_tran_12_pos + P_tran_12_neg + ... P_tran_13_pos + P_tran_13_neg + ... P_tran_23_pos + P_tran_23_neg); avg_price = mean([C_Pri_buy, C_Pri_sell]); F5_revenue = 0.52 * 0.97 * avg_price * p2p_volume; % 系统净成本 total_cost = F1_cost + F2_cost + F3_cost + F4_cost - F5_revenue; %% ===================== 模型求解 ===================== options = sdpsettings('solver', 'cplex', 'verbose', 2); options.cplex.timelimit = 600; % 10分钟求解时间限制 options.cplex.mip.tolerances.mipgap = 0.01; % 1%最优间隙 disp('>>>开始求解优化问题...'); tic; sol = optimize(Cons, total_cost, options); solve_time = toc; if sol.problem == 0 disp(['>>>优化成功! 求解时间: ', num2str(solve_time), '秒']); % 计算并显示各子成本 Fuel_cost_val = value(F1_cost); Trade_cost_val = value(F2_cost); Carbon_cost_val = value(F3_cost); Compensation_cost_val = value(F4_cost); F_p2p_revenue_val = value(F5_revenue); total_cost_val = value(total_cost); % 详细成本输出 disp('======= 成本明细 ======='); disp(['1. 机组燃料成本: ', num2str(Fuel_cost_val), '元']); disp(['2. 电网交易成本: ', num2str(Trade_cost_val), '元 (购电: ', ... num2str(sum(value(C_Pri_buy .* P_buy_e))), '元, 售电收入: ', ... num2str(-sum(value(C_Pri_sell .* P_sell_e))), '元)']); disp(['3. 碳交易成本: ', num2str(Carbon_cost_val), '元']); disp([' - 第一阶梯: ', num2str(value(C_carbon_price(1)*T_E_1)), '元']); disp([' - 第二阶梯: ', num2str(value(C_carbon_price(2)*T_E_2)), '元']); disp([' - 第三阶梯: ', num2str(value(C_carbon_price(3)*T_E_3)), '元']); disp(['4. 负荷补偿成本: ', num2str(Compensation_cost_val), '元']); disp([' - 电负荷补偿: ', num2str(value(electric_comp)), '元']); disp([' - 热负荷补偿: ', num2str(value(heat_comp)), '元']); disp(['5. P2P交易收益: ', num2str(F_p2p_revenue_val), '元']); disp('------------------------'); disp(['>>>总运行成本: ', num2str(total_cost_val), '元']); % 额外分析指标 carbon_quota = value(P_CO2_t); actual_emission = value(E_CO2_t); disp(['>>>碳排放总量: ', num2str(actual_emission), 'kg, 碳配额: ', ... num2str(carbon_quota), 'kg, 超额: ', num2str(value(E_carbon)), 'kg']); % 验证互斥约束有效性 P_buy_val = value(P_buy_e); P_sell_val = value(P_sell_e); conflict_hours = sum((P_buy_val > 0.1) & (P_sell_val > 0.1)); disp(['>>>购售电互斥验证: 冲突时段数 = ', num2str(conflict_hours)]); tran12_pos = value(P_tran_12_pos); tran12_neg = value(P_tran_12_neg); conflict_tran = sum((tran12_pos > 0.1) & (tran12_neg > 0.1)); disp(['>>>P2P交易互斥验证: 用户1-2冲突时段数 = ', num2str(conflict_tran)]); % 绘制关键结果 figure; subplot(2,1,1) plot(1:24, value(P_buy_e), 'b-o', 'LineWidth', 1.5); hold on; plot(1:24, value(P_sell_e), 'r-s', 'LineWidth', 1.5); plot(1:24, value(P_wt_e), 'g-^', 'LineWidth', 1.5); legend('购电功率', '售电功率', '风电出力'); title('电力系统运行结果'); xlabel('小时'); ylabel('功率(kW)'); grid on; subplot(2,1,2) area(1:24, [value(P_CHP_h); value(P_GB_h)]'); legend('CHP产热', '燃气锅炉产热'); title('热力系统运行结果'); xlabel('小时'); ylabel('热功率(kW)'); grid on; else error('>>>求解失败! 原因: %s', sol.info); end %% 基于阶梯碳交易机制与P2P能源共享的综合能源系统优化调度模型 clc clear %% ===================== 数据初始化 ===================== % 可再生能源预测出力 P_rew_max = [875.53, 846.02, 862.71, 870.27, 836.21, 841.49, 782.69, 698.20, ... 701.43, 621.10, 581.15, 596.79, 580.38, 594.44, 566.58, 574.68, ... 585.51, 552.64, 670.59, 783.63, 804.22, 850.56, 884.58, 897.08]; % kW % 用户1负荷数据 - 住宅区 P_Load_e1 = [438.92, 449.06, 384.87, 383.56, 555.78, 829.08, 695.91, 634.75, ... 824.46, 534.34, 811.55, 886.41, 730.53, 887.85, 541.62, 696.93, ... 769.47, 699.58, 572.86, 540.62, 435.75, 396.30, 474.34, 437.77]; % 电负荷 kW P_Load_h1 = [281.52, 210.02, 303.03, 218.45, 263.47, 350.30, 375.96, 330.86, ... 337.32, 444.79, 436.02, 503.66, 312.27, 366.63, 462.30, 500.07, ... 438.91, 331.59, 454.63, 356.66, 321.48, 363.06, 246.40, 320.91]; % 热负荷 kW % 用户2负荷数据 - 商业区 P_Load_e2 = [311.35, 496.96, 422.78, 490.75, 501.39, 743.94, 606.49, 663.09, ... 700.90, 848.33, 800.27, 776.04, 651.84, 983.69, 671.58, 618.50, ... 512.87, 509.70, 756.91, 687.65, 554.83, 461.36, 344.51, 451.31]; P_Load_h2 = [292.69, 279.79, 249.42, 335.28, 324.71, 311.21, 440.46, 505.70, ... 346.73, 328.94, 360.90, 296.29, 434.50, 444.01, 359.39, 373.67, ... 554.70, 503.06, 296.99, 336.52, 328.45, 356.39, 328.94, 293.09]; % 用户3负荷数据 - 工业区 P_Load_e3 = [392.65, 394.79, 398.32, 350.81, 375.84, 690.77, 627.59, 806.97, ... 545.60, 717.08, 874.86, 782.36, 809.26, 819.57, 549.26, 802.08, ... 831.48, 612.44, 597.20, 564.87, 544.12, 579.74, 481.82, 412.59]; P_Load_h3 = [260.08, 247.82, 262.92, 282.56, 402.31, 310.23, 394.91, 441.18, ... 295.73, 348.94, 413.06, 447.17, 439.96, 355.54, 496.10, 402.27, ... 402.00, 557.99, 482.69, 437.40, 307.05, 243.88, 303.08, 306.68]; %% ===================== 基础参数初始化 ===================== % 时间参数 Num_hours = 24; % 市场电价参数 C_Pri_buy = [0.60*ones(1,8), 0.75*ones(1,4), 1.20*ones(1,3), 0.75*ones(1,4), 1.20*ones(1,4), 0.60*ones(1,1)]; % 购电价 C_Pri_sell = [0.30*ones(1,8), 0.40*ones(1,4), 0.60*ones(1,3), 0.40*ones(1,4), 0.60*ones(1,4), 0.30*ones(1,1)]; % 售电价 C_gas_price = 3.2; % 天然气价格 (元/Nm³) C_carbon_price = [0.27, 0.32, 0.45]; % 阶梯碳价 [元/kg] % 设备参数 k_chp_e = 0.34; % CHP发电效率 k_chp_h = 0.27; % CHP产热效率 k_gas_h = 9.7; % 天然气热值 (kWh/Nm³) k_gb_h = 0.92; % 燃气锅炉效率 k_p2g_g = 0.95; % P2G转换效率 U_CCS_energy = 0.109; % CCS单位能耗 (kWh/kg_CO2) U_CO2_factor = 0.390; % 单位天然气碳排放 (kg_CO2/Nm³) % 置信区间计算 (正态分布双侧分位数) Z_cf_level = 0.8; Z_margin = norminv((1+Z_cf_level)/2); % 80%置信水平 M = 1e6; % Big-M法大常数 % 热价参数 C_heat_price = 0.4 * ones(1,24); % 基础热价 (元/kWh) C_heat_price(9:12) = 0.6; % 高峰时段热价 (9:00-12:00) C_heat_price(18:21) = 0.6; % 高峰时段热价 (18:00-21:00) %% ===================== 决策变量定义 ===================== % 设备变量 P_wt_e = sdpvar(1, Num_hours); % 风电实际出力 P_cur_e = sdpvar(1, Num_hours); % 弃风量 P_CHP_e = sdpvar(1, Num_hours); % CHP发电功率 P_CHP_h = sdpvar(1, Num_hours); % CHP产热功率 P_GB_h = sdpvar(1, Num_hours); % 燃气锅炉产热 P_e_P2G = sdpvar(1, Num_hours); % P2G消耗功率 P_e_CCS = sdpvar(1, Num_hours); % CCS消耗功率 V_Gas_CHP = sdpvar(1, Num_hours); % CHP耗气量 V_Gas_GB = sdpvar(1, Num_hours); % GB耗气量 V_P2G_Gas = sdpvar(1, Num_hours); % P2G产气量 V_CHP_CO2 = sdpvar(1, Num_hours); % CHP碳排放 V_CO2_CCS = sdpvar(1, Num_hours); % CCS捕集量 V_buy_g = sdpvar(1, Num_hours); % 外部购气量 % 电网交易变量 P_buy_e = sdpvar(1, Num_hours); % 购电功率 P_sell_e = sdpvar(1, Num_hours); % 售电功率 B_miu_ies = binvar(1, Num_hours); % 交易状态 (0-售电/1-购电) % 用户变量 PL_cut_1 = sdpvar(1, Num_hours); % 用户1电负荷削减 HL_cut_1 = sdpvar(1, Num_hours); % 用户1热负荷削减 PL_cut_2 = sdpvar(1, Num_hours); % 用户2电负荷削减 HL_cut_2 = sdpvar(1, Num_hours); % 用户2热负荷削减 PL_cut_3 = sdpvar(1, Num_hours); % 用户3电负荷削减 HL_cut_3 = sdpvar(1, Num_hours); % 用户3热负荷削减 % P2P交易变量 P_tran_12_pos = sdpvar(1, Num_hours); % 用户1→用户2交易量 P_tran_12_neg = sdpvar(1, Num_hours); % 用户2→用户1交易量 P_tran_13_pos = sdpvar(1, Num_hours); % 用户1→用户3交易量 P_tran_13_neg = sdpvar(1, Num_hours); % 用户3→用户1交易量 P_tran_23_pos = sdpvar(1, Num_hours); % 用户2→用户3交易量 P_tran_23_neg = sdpvar(1, Num_hours); % 用户3→用户2交易量 P_net_1 = sdpvar(1, Num_hours); % 用户1净交易量 P_net_2 = sdpvar(1, Num_hours); % 用户2净交易量 P_net_3 = sdpvar(1, Num_hours); % 用户3净交易量 % 碳交易变量 E_CO2_t = sdpvar(1,1); % 实际碳排放 P_CO2_t = sdpvar(1,1); % 碳配额数量 E_carbon = sdpvar(1,1); % 碳排放超额量 T_E_1 = sdpvar(1,1); % 阶梯碳交易分段1 (0-5000kg) T_E_2 = sdpvar(1,1); % 阶梯碳交易分段2 (5000-10000kg) T_E_3 = sdpvar(1,1); % 阶梯碳交易分段3 (>10000kg) %% ===================== 约束条件 ===================== Cons = []; % 可再生能源约束 Cons = [Cons, P_cur_e + P_wt_e == P_rew_max]; Cons = [Cons, 0 <= P_wt_e <= P_rew_max]; % CHP机组约束 Cons = [Cons, P_CHP_e == k_chp_e * k_gas_h * V_Gas_CHP]; Cons = [Cons, P_CHP_h == k_chp_h * k_gas_h * V_Gas_CHP]; Cons = [Cons, 0 <= P_CHP_e <= 2000]; Cons = [Cons, V_CHP_CO2 == U_CO2_factor * V_Gas_CHP]; Cons = [Cons, 0 <= V_Gas_CHP <= 2000/(k_chp_e*k_gas_h)]; % 燃气锅炉约束 Cons = [Cons, P_GB_h == k_gb_h * k_gas_h * V_Gas_GB]; Cons = [Cons, 0 <= P_GB_h <= 2000]; Cons = [Cons, 0 <= V_Gas_GB <= 2000/(k_gb_h*k_gas_h)]; % P2G机组约束 Cons = [Cons, V_P2G_Gas == k_p2g_g * P_e_P2G / k_gas_h]; Cons = [Cons, 0 <= P_e_P2G <= 500]; Cons = [Cons, 0 <= V_P2G_Gas]; % CCS机组约束 Cons = [Cons, P_e_CCS == U_CCS_energy * V_CO2_CCS]; Cons = [Cons, 0 <= V_CO2_CCS <= 0.9 * V_CHP_CO2]; Cons = [Cons, 0 <= P_e_CCS <= 500]; % ====== 能源系统平衡约束 ====== % 电功率平衡 Total_generation = P_CHP_e + P_wt_e; Total_consumption = (P_Load_e1 - PL_cut_1) + ... % 用户1电负荷 (P_Load_e2 - PL_cut_2) + ... % 用户2电负荷 (P_Load_e3 - PL_cut_3) + ... % 用户3电负荷 P_e_P2G + P_e_CCS; % 设备耗电 % 不确定性裕度计算 Uncertainty_margin = Z_margin * 0.2 .* P_rew_max; Cons = [Cons, Total_generation + P_buy_e == Total_consumption + P_sell_e + Uncertainty_margin]; % 热功率平衡 Cons = [Cons, P_CHP_h + P_GB_h == (P_Load_h1 - HL_cut_1) + (P_Load_h2 - HL_cut_2) + (P_Load_h3 - HL_cut_3)]; % 天然气平衡 Cons = [Cons, V_Gas_CHP + V_Gas_GB == V_P2G_Gas + V_buy_g]; Cons = [Cons, V_buy_g >= 0]; % 非负约束 % 购售电逻辑约束 Cons = [Cons, implies(B_miu_ies == 1, [P_sell_e == 0, P_buy_e >= 0])]; Cons = [Cons, implies(B_miu_ies == 0, [P_buy_e == 0, P_sell_e >= 0])]; Cons = [Cons, 0 <= P_buy_e <= 1000]; Cons = [Cons, 0 <= P_sell_e <= 1000]; % ====== 用户侧约束 ====== % 负荷削减约束 Cons = [Cons, 0 <= PL_cut_1 <= 0.15 * P_Load_e1]; Cons = [Cons, 0 <= HL_cut_1 <= 0.15 * P_Load_h1]; Cons = [Cons, 0 <= PL_cut_2 <= 0.20 * P_Load_e2]; Cons = [Cons, 0 <= HL_cut_2 <= 0.20 * P_Load_h2]; Cons = [Cons, 0 <= PL_cut_3 <= 0.25 * P_Load_e3]; Cons = [Cons, 0 <= HL_cut_3 <= 0.25 * P_Load_h3]; % ====== P2P交易约束 ====== % 净交易量计算 Cons = [Cons, P_net_1 == (P_tran_12_pos - P_tran_12_neg) + (P_tran_13_pos - P_tran_13_neg)]; Cons = [Cons, P_net_2 == (P_tran_12_neg - P_tran_12_pos) + (P_tran_23_pos - P_tran_23_neg)]; Cons = [Cons, P_net_3 == (P_tran_13_neg - P_tran_13_pos) + (P_tran_23_neg - P_tran_23_pos)]; % P2P净交易守恒约束 Cons = [Cons, P_net_1 + P_net_2 + P_net_3 == 0]; % 用户净交易量约束 Cons = [Cons, -0.2 * P_Load_e1 <= P_net_1 <= 0.2 * P_Load_e1]; Cons = [Cons, -0.2 * P_Load_e2 <= P_net_2 <= 0.2 * P_Load_e2]; Cons = [Cons, -0.2 * P_Load_e3 <= P_net_3 <= 0.2 * P_Load_e3]; % 交易功率限制 Cons = [Cons, 0 <= P_tran_12_pos <= 200, 0 <= P_tran_12_neg <= 200]; Cons = [Cons, 0 <= P_tran_13_pos <= 200, 0 <= P_tran_13_neg <= 200]; Cons = [Cons, 0 <= P_tran_23_pos <= 200, 0 <= P_tran_23_neg <= 200]; % ====== 碳交易机制 (线性模型) ====== % 总碳排放计算 Total_CO2_production = sum(V_CHP_CO2) + U_CO2_factor * sum(V_Gas_GB); Total_energy_output = sum(1.67*P_CHP_e + P_CHP_h + P_GB_h); % 碳配额计算 (根据行业标准0.047kg/kWh) Cons = [Cons, E_CO2_t == Total_CO2_production - sum(V_CO2_CCS)]; Cons = [Cons, P_CO2_t == 0.047 * Total_energy_output]; % 超额碳排放计算 Cons = [Cons, E_carbon >= 0]; Cons = [Cons, E_carbon >= E_CO2_t - P_CO2_t]; % 阶梯碳交易约束 (线性分段) Cons = [Cons, E_carbon == T_E_1 + T_E_2 + T_E_3]; Cons = [Cons, 0 <= T_E_1 <= 5000]; % 第一段：0-5000kg Cons = [Cons, 0 <= T_E_2 <= 5000]; % 第二段：5000-10000kg Cons = [Cons, T_E_3 >= 0]; % 第三段：>10000kg % 阶梯边界约束 Cons = [Cons, T_E_2 >= 5000 - (10000 - E_carbon)]; % 确保阶梯正确分段 Cons = [Cons, T_E_3 >= E_carbon - 10000]; % 第三段起始点 %% ===================== 目标函数 ===================== % 成本计算 F1_cost = C_gas_price * sum(V_buy_g); F2_cost = sum(C_Pri_buy .* P_buy_e) - sum(C_Pri_sell .* P_sell_e); F3_cost = C_carbon_price(1)*T_E_1 + C_carbon_price(2)*T_E_2 + C_carbon_price(3)*T_E_3; % 负荷削减补偿成本 electric_comp = 0.8 * sum(C_Pri_sell .* (PL_cut_1 + PL_cut_2 + PL_cut_3)); heat_comp = 0.7 * (sum(C_heat_price .* HL_cut_1) + ... sum(C_heat_price .* HL_cut_2) + ... sum(C_heat_price .* HL_cut_3)); F4_cost = electric_comp + heat_comp; % P2P交易收益 p2p_volume = sum(P_tran_12_pos + P_tran_12_neg + ... P_tran_13_pos + P_tran_13_neg + ... P_tran_23_pos + P_tran_23_neg); avg_price = mean([C_Pri_buy, C_Pri_sell]); F5_revenue = 0.52 * 0.97 * avg_price * p2p_volume; % 系统净成本 total_cost = F1_cost + F2_cost + F3_cost + F4_cost - F5_revenue; %% ===================== 模型求解 ===================== options = sdpsettings('solver', 'cplex', 'verbose', 1); disp('>>>开始求解优化问题...'); tic; sol = optimize(Cons, total_cost, options); solve_time = toc; if sol.problem == 0 disp(['>>>优化成功! 求解时间: ', num2str(solve_time), '秒']); % 计算并显示各子成本 Fuel_cost_val = value(F1_cost); Trade_cost_val = value(F2_cost); Carbon_cost_val = value(F3_cost); Compensation_cost_val = value(F4_cost); F_p2p_revenue_val = value(F5_revenue); total_cost_val = value(total_cost); % 详细成本输出 disp('======= 成本明细 ======='); disp(['1. 机组燃料成本: ', num2str(Fuel_cost_val), '元']); disp(['2. 电网交易成本: ', num2str(Trade_cost_val), '元 (购电: ', ... num2str(sum(value(C_Pri_buy .* P_buy_e))), '元, 售电收入: ', ... num2str(-sum(value(C_Pri_sell .* P_sell_e))), '元)']); disp(['3. 碳交易成本: ', num2str(Carbon_cost_val), '元']); disp([' - 第一阶梯: ', num2str(value(C_carbon_price(1)*T_E_1)), '元']); disp([' - 第二阶梯: ', num2str(value(C_carbon_price(2)*T_E_2)), '元']); disp([' - 第三阶梯: ', num2str(value(C_carbon_price(3)*T_E_3)), '元']); disp(['4. 负荷补偿成本: ', num2str(Compensation_cost_val), '元']); disp([' - 电负荷补偿: ', num2str(value(electric_comp)), '元']); disp([' - 热负荷补偿: ', num2str(value(heat_comp)), '元']); disp(['5. P2P交易收益: ', num2str(F_p2p_revenue_val), '元']); disp('------------------------'); disp(['>>>总运行成本: ', num2str(total_cost_val), '元']); % 额外分析指标 carbon_quota = value(P_CO2_t); actual_emission = value(E_CO2_t); disp(['>>>碳排放总量: ', num2str(actual_emission), 'kg, 碳配额: ', ... num2str(carbon_quota), 'kg, 超额: ', num2str(value(E_carbon)), 'kg']); else error('>>>求解失败! 原因: %s', sol.info); end %% ===================== 模型求解 ===================== options = sdpsettings('solver', 'cplex', 'verbose', 1, 'showprogress', 1,... 'cplex.timelimit', 600, 'cplex.mip.tolerances.mipgap', 1e-4); disp('>>>开始求解优化问题...'); tic; sol = optimize(Cons, total_cost, options); solve_time = toc; disp(['>>>优化成功! 求解时间: ', num2str(solve_time), '秒']); % 计算并显示各子成本 Fuel_cost_val = value(F1_cost); Trade_cost_val = value(F2_cost); Carbon_cost_val = value(F3_cost); Compensation_cost_val = value(F4_cost); F_p2p_revenue_val = value(F5_revenue); total_cost_val = value(total_cost); % 详细成本输出 disp('======= 成本明细 ======='); disp(['1. 机组燃料成本: ', num2str(Fuel_cost_val), '元']); disp(['2. 电网交易成本: ', num2str(Trade_cost_val), '元 (购电: ', ... num2str(sum(value(C_Pri_buy .* P_buy_e))), '元, 售电收入: ', ... num2str(-sum(value(C_Pri_sell .* P_sell_e))), '元)']); disp(['3. 碳交易成本: ', num2str(Carbon_cost_val), '元']); disp([' - 第一阶梯: ', num2str(value(C_carbon_price(1)*T_E_1)), '元']); disp([' - 第二阶梯: ', num2str(value(C_carbon_price(2)*T_E_2)), '元']); disp([' - 第三阶梯: ', num2str(value(C_carbon_price(3)*T_E_3)), '元']); disp(['4. 负荷补偿成本: ', num2str(Compensation_cost_val), '元']); disp([' - 电负荷补偿: ', num2str(value(electric_comp)), '元']); disp([' - 热负荷补偿: ', num2str(value(heat_comp)), '元']); disp(['5. P2P交易收益: -', num2str(F_p2p_revenue_val), '元']); disp('------------------------'); disp(['>>>综合能源系统总运行成本: ', num2str(total_cost_val), '元']); % 额外分析指标 carbon_quota = value(P_CO2_t); actual_emission = value(E_CO2_t); disp(['碳排放总量: ', num2str(actual_emission), 'kg, 碳配额: ', ... num2str(carbon_quota), 'kg, 超额: ', num2str(value(E_carbon)), 'kg']); %% 基于阶梯碳交易机制与P2P能源共享的综合能源系统优化调度模型 clc clear %% ===================== 数据初始化 ===================== % 可再生能源预测出力 P_rew_max = [875.53, 846.02, 862.71, 870.27, 836.21, 841.49, 782.69, 698.20, ... 701.43, 621.10, 581.15, 596.79, 580.38, 594.44, 566.58, 574.68, ... 585.51, 552.64, 670.59, 783.63, 804.22, 850.56, 884.58, 897.08]; % kW % 用户1负荷数据 - 住宅区 P_Load_e1 = [438.92, 449.06, 384.87, 383.56, 555.78, 829.08, 695.91, 634.75, ... 824.46, 534.34, 811.55, 886.41, 730.53, 887.85, 541.62, 696.93, ... 769.47, 699.58, 572.86, 540.62, 435.75, 396.30, 474.34, 437.77]; % 电负荷 kW P_Load_h1 = [281.52, 210.02, 303.03, 218.45, 263.47, 350.30, 375.96, 330.86, ... 337.32, 444.79, 436.02, 503.66, 312.27, 366.63, 462.30, 500.07, ... 438.91, 331.59, 454.63, 356.66, 321.48, 363.06, 246.40, 320.91]; % 热负荷 kW % 用户2负荷数据 - 商业区 P_Load_e2 = [311.35, 496.96, 422.78, 490.75, 501.39, 743.94, 606.49, 663.09, ... 700.90, 848.33, 800.27, 776.04, 651.84, 983.69, 671.58, 618.50, ... 512.87, 509.70, 756.91, 687.65, 554.83, 461.36, 344.51, 451.31]; P_Load_h2 = [292.69, 279.79, 249.42, 335.28, 324.71, 311.21, 440.46, 505.70, ... 346.73, 328.94, 360.90, 296.29, 434.50, 444.01, 359.39, 373.67, ... 554.70, 503.06, 296.99, 336.52, 328.45, 356.39, 328.94, 293.09]; % 用户3负荷数据 - 工业区 P_Load_e3 = [392.65, 394.79, 398.32, 350.81, 375.84, 690.77, 627.59, 806.97, ... 545.60, 717.08, 874.86, 782.36, 809.26, 819.57, 549.26, 802.08, ... 831.48, 612.44, 597.20, 564.87, 544.12, 579.74, 481.82, 412.59]; P_Load_h3 = [260.08, 247.82, 262.92, 282.56, 402.31, 310.23, 394.91, 441.18, ... 295.73, 348.94, 413.06, 447.17, 439.96, 355.54, 496.10, 402.27, ... 402.00, 557.99, 482.69, 437.40, 307.05, 243.88, 303.08, 306.68]; %% ===================== 基础参数初始化 ===================== % 时间参数 Num_hours = 24; % 市场电价参数 C_Pri_buy = [0.60*ones(1,8), 0.75*ones(1,4), 1.20*ones(1,3), 0.75*ones(1,4), 1.20*ones(1,4), 0.60*ones(1,1)]; % 购电价 C_Pri_sell = [0.30*ones(1,8), 0.40*ones(1,4), 0.60*ones(1,3), 0.40*ones(1,4), 0.60*ones(1,4), 0.30*ones(1,1)]; % 售电价 C_gas_price = 3.2; % 天然气价格 (元/Nm³) C_carbon_price = [0.2, 0.3, 0.45]; % 阶梯碳价 [元/kg] K_curtail_penalty = 0.5; % 弃风惩罚系数 % 设备参数 k_chp_e = 0.30; % CHP发电效率 k_chp_h = 0.45; % CHP产热效率 k_gas_h = 9.7; % 天然气热值 (kWh/Nm³) k_gb_h = 0.90; % 燃气锅炉效率 k_p2g_g = 0.95; % P2G转换效率 U_CCS_energy = 0.109; % CCS单位能耗 (kWh/kg_CO2) U_CO2_factor = 0.390; % 单位天然气碳排放 (kg_CO2/Nm³) % 置信区间计算 (正态分布双侧分位数) Z_cf_level = 0.8; Z_margin = norminv((1+Z_cf_level)/2); % 80%置信水平 M = 1e6; % Big-M法大常数 % 热价参数 C_heat_price = 0.4 * ones(1,24); % 基础热价 (元/kWh) C_heat_price(9:12) = 0.6; % 高峰时段热价 (9:00-12:00) C_heat_price(18:21) = 0.6; % 高峰时段热价 (18:00-21:00) %% ===================== 决策变量定义 ===================== % 设备变量 P_wt_e = sdpvar(1, Num_hours); % 风电实际出力 P_cur_e = sdpvar(1, Num_hours); % 弃风量 P_CHP_e = sdpvar(1, Num_hours); % CHP发电功率 P_CHP_h = sdpvar(1, Num_hours); % CHP产热功率 P_GB_h = sdpvar(1, Num_hours); % 燃气锅炉产热 P_e_P2G = sdpvar(1, Num_hours); % P2G消耗功率 P_e_CCS = sdpvar(1, Num_hours); % CCS消耗功率 V_Gas_CHP = sdpvar(1, Num_hours); % CHP耗气量 V_Gas_GB = sdpvar(1, Num_hours); % GB耗气量 V_P2G_Gas = sdpvar(1, Num_hours); % P2G产气量 V_CHP_CO2 = sdpvar(1, Num_hours); % CHP碳排放 V_CO2_CCS = sdpvar(1, Num_hours); % CCS捕集量 V_buy_g = sdpvar(1, Num_hours); % 外部购气量 % 电网交易变量 P_buy_e = sdpvar(1, Num_hours); % 购电功率 P_sell_e = sdpvar(1, Num_hours); % 售电功率 B_miu_ies = binvar(1, Num_hours); % 交易状态 (0-售电/1-购电) % 用户变量 PL_cut_1 = sdpvar(1, Num_hours); % 用户1电负荷削减 HL_cut_1 = sdpvar(1, Num_hours); % 用户1热负荷削减 PL_cut_2 = sdpvar(1, Num_hours); % 用户2电负荷削减 HL_cut_2 = sdpvar(1, Num_hours); % 用户2热负荷削减 PL_cut_3 = sdpvar(1, Num_hours); % 用户3电负荷削减 HL_cut_3 = sdpvar(1, Num_hours); % 用户3热负荷削减 % P2P交易变量 P_tran_12_pos = sdpvar(1, Num_hours); % 用户1→用户2交易量 P_tran_12_neg = sdpvar(1, Num_hours); % 用户2→用户1交易量 P_tran_13_pos = sdpvar(1, Num_hours); % 用户1→用户3交易量 P_tran_13_neg = sdpvar(1, Num_hours); % 用户3→用户1交易量 P_tran_23_pos = sdpvar(1, Num_hours); % 用户2→用户3交易量 P_tran_23_neg = sdpvar(1, Num_hours); % 用户3→用户2交易量 P_net_1 = sdpvar(1, Num_hours); % 用户1净交易量 P_net_2 = sdpvar(1, Num_hours); % 用户2净交易量 P_net_3 = sdpvar(1, Num_hours); % 用户3净交易量 % 碳交易变量 E_CO2_t = sdpvar(1,1); % 实际碳排放 P_CO2_t = sdpvar(1,1); % 碳配额数量 E_carbon = sdpvar(1,1); % 碳排放超额量 T_E_1 = sdpvar(1,1); % 阶梯碳交易分段1 T_E_2 = sdpvar(1,1); % 阶梯碳交易分段2 T_E_3 = sdpvar(1,1); % 阶梯碳交易分段3 b_carbon = binvar(2,1); % 分段状态变量 %% ===================== 约束条件 ===================== Cons = []; % 可再生能源约束 Cons = [Cons, P_cur_e + P_wt_e == P_rew_max]; Cons = [Cons, 0 <= P_cur_e <= P_rew_max]; Cons = [Cons, 0 <= P_wt_e <= P_rew_max]; % CHP机组约束 Cons = [Cons, P_CHP_e == k_chp_e * k_gas_h * V_Gas_CHP]; Cons = [Cons, P_CHP_h == k_chp_h * k_gas_h * V_Gas_CHP]; Cons = [Cons, 0 <= P_CHP_e <= 2000]; Cons = [Cons, V_CHP_CO2 == U_CO2_factor * V_Gas_CHP]; Cons = [Cons, 0 <= V_Gas_CHP <= 2000/(k_chp_e*k_gas_h)]; % 燃气锅炉约束 Cons = [Cons, P_GB_h == k_gb_h * k_gas_h * V_Gas_GB]; Cons = [Cons, 0 <= P_GB_h <= 2000]; Cons = [Cons, 0 <= V_Gas_GB <= 2000/(k_gb_h*k_gas_h)]; % P2G机组约束 Cons = [Cons, V_P2G_Gas == k_p2g_g * P_e_P2G / k_gas_h]; Cons = [Cons, 0 <= P_e_P2G <= 500]; Cons = [Cons, 0 <= V_P2G_Gas]; % CCS机组约束 Cons = [Cons, P_e_CCS == U_CCS_energy * V_CO2_CCS]; Cons = [Cons, 0 <= V_CO2_CCS <= 0.9 * V_CHP_CO2]; Cons = [Cons, 0 <= P_e_CCS <= 500]; % ====== 能源系统平衡约束 ====== % 电功率平衡 Total_generation = P_CHP_e + P_wt_e; Total_consumption = (P_Load_e1 - PL_cut_1) + ... % 用户1原始净负荷 (P_Load_e2 - PL_cut_2) + ... % 用户2原始净负荷 (P_Load_e3 - PL_cut_3) + ... % 用户3原始净负荷 P_net_1 + P_net_2 + P_net_3 + ... % P2P交易净量 P_e_P2G + P_e_CCS; % 设备耗电 Uncertainty_margin = Z_margin * 0.2 * P_rew_max; Cons = [Cons, Total_generation + P_buy_e == Total_consumption + P_sell_e + Uncertainty_margin]; % 热力平衡 Cons = [Cons, P_CHP_h + P_GB_h == (P_Load_h1 - HL_cut_1) + (P_Load_h2 - HL_cut_2) + (P_Load_h3 - HL_cut_3)]; % 天然气平衡 Cons = [Cons, V_Gas_CHP + V_Gas_GB == V_P2G_Gas + V_buy_g]; Cons = [Cons, V_buy_g >= 0]; % 非负约束 % 购售电逻辑约束 Cons = [Cons, implies(B_miu_ies == 1, [P_sell_e == 0, P_buy_e >= 0])]; Cons = [Cons, implies(B_miu_ies == 0, [P_buy_e == 0, P_sell_e >= 0])]; Cons = [Cons, 0 <= P_buy_e <= 1000]; Cons = [Cons, 0 <= P_sell_e <= 1000]; % ====== 用户侧约束 ====== % 负荷削减约束 Cons = [Cons, 0 <= PL_cut_1 <= 0.15 * P_Load_e1]; Cons = [Cons, 0 <= HL_cut_1 <= 0.15 * P_Load_h1]; Cons = [Cons, 0 <= PL_cut_2 <= 0.20 * P_Load_e2]; Cons = [Cons, 0 <= HL_cut_2 <= 0.20 * P_Load_h2]; Cons = [Cons, 0 <= PL_cut_3 <= 0.25 * P_Load_e3]; Cons = [Cons, 0 <= HL_cut_3 <= 0.25 * P_Load_h3]; % ====== P2P交易约束 ====== % 净交易量计算 Cons = [Cons, P_net_1 == (P_tran_12_pos - P_tran_12_neg) + (P_tran_13_pos - P_tran_13_neg)]; Cons = [Cons, P_net_2 == (P_tran_12_neg - P_tran_12_pos) + (P_tran_23_pos - P_tran_23_neg)]; Cons = [Cons, P_net_3 == (P_tran_13_neg - P_tran_13_pos) + (P_tran_23_neg - P_tran_23_pos)]; % 用户净交易量约束 Cons = [Cons, -0.2 * P_Load_e1 <= P_net_1 <= 0.2 * P_Load_e1]; Cons = [Cons, -0.2 * P_Load_e2 <= P_net_2 <= 0.2 * P_Load_e2]; Cons = [Cons, -0.2 * P_Load_e3 <= P_net_3 <= 0.2 * P_Load_e3]; % 交易功率限制 Cons = [Cons, 0 <= P_tran_12_pos <= 200, 0 <= P_tran_12_neg <= 200]; Cons = [Cons, 0 <= P_tran_13_pos <= 200, 0 <= P_tran_13_neg <= 200]; Cons = [Cons, 0 <= P_tran_23_pos <= 200, 0 <= P_tran_23_neg <= 200]; % ====== 碳交易机制 ====== Total_CO2_production = sum(V_CHP_CO2) + U_CO2_factor * sum(V_Gas_GB); Total_energy_output = sum(1.67*P_CHP_e + P_CHP_h + P_GB_h); Cons = [Cons, E_CO2_t == Total_CO2_production - sum(V_CO2_CCS)]; Cons = [Cons, P_CO2_t == 0.047 * Total_energy_output]; % 超额碳排放计算 (使用辅助变量和约束实现) Cons = [Cons, E_carbon >= 0]; Cons = [Cons, E_carbon >= E_CO2_t - P_CO2_t]; Cons = [Cons, E_carbon <= E_CO2_t - P_CO2_t + M*(1-b_carbon(1))]; Cons = [Cons, E_carbon <= M*b_carbon(1)]; % 阶梯碳交易约束 Cons = [Cons, E_carbon == T_E_1 + T_E_2 + T_E_3]; Cons = [Cons, 0 <= T_E_1 <= 5000]; Cons = [Cons, 0 <= T_E_2 <= 5000]; Cons = [Cons, T_E_3 >= 0]; % 二元变量约束 Cons = [Cons, implies(b_carbon(1)==1, T_E_1 == 5000)]; Cons = [Cons, implies(b_carbon(1)==0, T_E_2 == 0)]; Cons = [Cons, implies(b_carbon(2)==1, T_E_2 == 5000)]; Cons = [Cons, b_carbon(1) >= b_carbon(2)]; % 顺序约束 %% ===================== 目标函数 ===================== % 成本计算 F1_cost = C_gas_price * sum(V_buy_g); F2_cost = sum(C_Pri_buy .* P_buy_e) - sum(C_Pri_sell .* P_sell_e); F3_cost = C_carbon_price * [T_E_1; T_E_2; T_E_3]; % 负荷削减补偿成本 electric_comp = 0.8 * sum(C_Pri_sell .* (PL_cut_1 + PL_cut_2 + PL_cut_3)); heat_comp = 0.7 * (sum(C_heat_price .* HL_cut_1) + ... sum(C_heat_price .* HL_cut_2) + ... sum(C_heat_price .* HL_cut_3)); F4_cost = electric_comp + heat_comp; % P2P交易收益 p2p_volume = sum(P_tran_12_pos + P_tran_12_neg + ... P_tran_13_pos + P_tran_13_neg + ... P_tran_23_pos + P_tran_23_neg); avg_price = mean([C_Pri_buy, C_Pri_sell]); F5_revenue = 0.5 * avg_price * p2p_volume; % 系统净成本 total_cost = F1_cost + F2_cost + F3_cost + F4_cost - F5_revenue; %% ===================== 模型求解 ===================== options = sdpsettings('solver', 'cplex', 'verbose', 1, 'showprogress', 1,... 'cplex.timelimit', 600, 'cplex.mip.tolerances.mipgap', 1e-4); disp('>>>开始求解优化问题...'); tic; sol = optimize(Cons, total_cost, options); solve_time = toc; if sol.problem == 0 disp(['>>>优化成功! 求解时间: ', num2str(solve_time), '秒']); % 计算并显示各子成本 Fuel_cost_val = value(F1_cost); Trade_cost_val = value(F2_cost); Carbon_cost_val = value(F3_cost); Compensation_cost_val = value(F4_cost); F_p2p_revenue_val = value(F5_revenue); total_cost_val = value(total_cost); % 详细成本输出 disp('======= 成本明细 ======='); disp(['1. 机组燃料成本: ', num2str(Fuel_cost_val), '元']); disp(['2. 电网交易成本: ', num2str(Trade_cost_val), '元 (购电: ', ... num2str(sum(value(C_Pri_buy .* P_buy_e))), '元, 售电收入: ', ... num2str(-sum(value(C_Pri_sell .* P_sell_e))), '元)']); disp(['3. 碳交易成本: ', num2str(Carbon_cost_val), '元']); disp([' - 第一阶梯: ', num2str(value(C_carbon_price(1)*T_E_1)), '元']); disp([' - 第二阶梯: ', num2str(value(C_carbon_price(2)*T_E_2)), '元']); disp([' - 第三阶梯: ', num2str(value(C_carbon_price(3)*T_E_3)), '元']); disp(['4. 负荷补偿成本: ', num2str(Compensation_cost_val), '元']); disp([' - 电负荷补偿: ', num2str(value(electric_comp)), '元']); disp([' - 热负荷补偿: ', num2str(value(heat_comp)), '元']); disp(['5. P2P交易收益: -', num2str(F_p2p_revenue_val), '元']); disp('------------------------'); disp(['>>>综合能源系统总运行成本: ', num2str(total_cost_val), '元']); % 额外分析指标 carbon_quota = value(P_CO2_t); actual_emission = value(E_CO2_t); disp(['碳排放总量: ', num2str(actual_emission), 'kg, 碳配额: ', ... num2str(carbon_quota), 'kg, 超额: ', num2str(value(E_carbon)), 'kg']); else error('>>>求解失败! 原因: %s', sol.info); end %% ===================== 模型求解 ===================== options = sdpsettings('solver', 'cplex', 'verbose', 1, 'showprogress', 1,... 'cplex.timelimit', 600, 'cplex.mip.tolerances.mipgap', 1e-4); disp('>>>开始求解优化问题...'); tic; sol = optimize(Cons, total_cost, options); solve_time = toc; if sol.problem == 0 disp(['>>>优化成功! 求解时间: ', num2str(solve_time), '秒']); disp(['系统总成本: ', num2str(value(total_cost)), '元']); else error('>>>求解失败! 原因: %s', sol.info); end %% 结果可视化 % 电功率平衡可视化 figure('Name', '电功率平衡', 'Position', [100, 100, 800, 600]); plot_data = [results.P_e_CHP; results.P_e_rew; -results.p_load{1}-results.p_load{2}-results.p_load{3}]'; bar(1:24, plot_data, 'stacked'); legend('CHP发电', '可再生能源', '用户负荷', 'Location', 'best'); title('电功率平衡'); xlabel('时间 (h)'); ylabel('功率 (kW)'); grid on; % 热功率平衡可视化 figure('Name', '热功率平衡', 'Position', [200, 200, 800, 600]); plot_data = [results.P_h_CHP; results.P_h_GB; -results.h_load{1}-results.h_load{2}-results.h_load{3}]'; bar(1:24, plot_data, 'stacked'); legend('CHP产热', '燃气锅炉', '用户热负荷', 'Location', 'best'); title('热功率平衡'); xlabel('时间 (h)'); ylabel('功率 (kW)'); grid on; % 用户电价可视化 figure('Name', '用户电价', 'Position', [300, 300, 1000, 800]); subplot(3,1,1); plot(1:24, results.pri_e_user{1}, 'b-o', 'LineWidth', 1.5); title('用户1电价'); ylabel('电价 (元/kWh)'); grid on; ylim([0.2, 1.2]); subplot(3,1,2); plot(1:24, results.pri_e_user{2}, 'r-s', 'LineWidth', 1.5); title('用户2电价'); ylabel('电价 (元/kWh)'); grid on; ylim([0.2, 1.2]); subplot(3,1,3); plot(1:24, results.pri_e_user{3}, 'g-^', 'LineWidth', 1.5); title('用户3电价'); xlabel('时间 (h)'); ylabel('电价 (元/kWh)'); grid on; ylim([0.2, 1.2]); % 碳排放分析 figure('Name', '碳排放分析', 'Position', [400, 400, 600, 400]); emissions = [results.E_c, results.E_CO2, results.E_1+results.E_2+results.E_3]; bar(emissions); set(gca, 'XTickLabel', {'碳排放配额', '实际碳排放', '碳交易量'}); ylabel('碳排放量 (kg)'); title('碳排放分析'); grid on; % 用户负荷削减分析 figure('Name', '负荷削减分析', 'Position', [500, 500, 1000, 800]); for i = 1:3 subplot(3,1,i); plot(1:24, results.p_cut{i}, 'b', 'LineWidth', 1.5); hold on; plot(1:24, results.h_cut{i}, 'r', 'LineWidth', 1.5); title(['用户', num2str(i), '负荷削减']); legend('电负荷削减', '热负荷削减', 'Location', 'best'); xlabel('时间 (h)'); ylabel('削减量 (kW)'); grid on; end
11-30
P_rew_max = [875.53, 846.02, 862.71, 870.27, 836.21, 841.49, 782.69, 698.20, ... 701.43, 621.10, 581.15, 596.79, 580.38, 594.44, 566.58, 574.68, ... 585.51, 552.64, 670.59, 783.63, 804.22, 850.56, ...
检查以下代码，指出需要修改的地方：%% 基于阶梯碳交易机制与P2P能源共享的综合能源系统优化调度模型 clc clear %% ===================== 数据初始化 ===================== % 可再生能源预测出力 P_rew_max = [875.53, 846.02, 862.71, 870.27, 836.21, 841.49, 782.69, 698.20, ... 701.43, 621.10, 581.15, 596.79, 580.38, 594.44, 566.58, 574.68, ... 585.51, 552.64, 670.59, 783.63, 804.22, 850.56, 884.58, 897.08]; % kW % 用户负荷数据 P_Load_e1 = [438.92, 449.06, 384.87, 383.56, 555.78, 829.08, 695.91, 634.75, ... 824.46, 534.34, 811.55, 886.41, 730.53, 887.85, 541.62, 696.93, ... 769.47, 699.58, 572.86, 540.62, 435.75, 396.30, 474.34, 437.77]; P_Load_h1 = [281.52, 210.02, 303.03, 218.45, 263.47, 350.30, 375.96, 330.86, ... 337.32, 444.79, 436.02, 503.66, 312.27, 366.63, 462.30, 500.07, ... 438.91, 331.59, 454.63, 356.66, 321.48, 363.06, 246.40, 320.91]; P_Load_e2 = [311.35, 496.96, 422.78, 490.75, 501.39, 743.94, 606.49, 663.09, ... 700.90, 848.33, 800.27, 776.04, 651.84, 983.69, 671.58, 618.50, ... 512.87, 509.70, 756.91, 687.65, 554.83, 461.36, 344.51, 451.31]; P_Load_h2 = [292.69, 279.79, 249.42, 335.28, 324.71, 311.21, 440.46, 505.70, ... 346.73, 328.94, 360.90, 296.29, 434.50, 444.01, 359.39, 373.67, ... 554.70, 503.06, 296.99, 336.52, 328.45, 356.39, 328.94, 293.09]; P_Load_e3 = [392.65, 394.79, 398.32, 350.81, 375.84, 690.77, 627.59, 806.97, ... 545.60, 717.08, 874.86, 782.36, 809.26, 819.57, 549.26, 802.08, ... 831.48, 612.44, 597.20, 564.87, 544.12, 579.74, 481.82, 412.59]; P_Load_h3 = [260.08, 247.82, 262.92, 282.56, 402.31, 310.23, 394.91, 441.18, ... 295.73, 348.94, 413.06, 447.17, 439.96, 355.54, 496.10, 402.27, ... 402.00, 557.99, 482.69, 437.40, 307.05, 243.88, 303.08, 306.68]; %% ===================== 基础参数初始化 ===================== Num_hours = 24; % 市场电价参数 C_Pri_buy = [0.60*ones(1,8), 0.75*ones(1,4), 1.20*ones(1,3), 0.75*ones(1,4), 1.20*ones(1,4), 0.60*ones(1,1)]; C_Pri_sell = [0.30*ones(1,8), 0.40*ones(1,4), 0.60*ones(1,3), 0.40*ones(1,4), 0.60*ones(1,4), 0.30*ones(1,1)]; C_gas_price = 3.2; % 元/Nm³ C_carbon_price = [0.27, 0.32, 0.45]; % 元/kg % 设备参数 k_chp_e = 0.34; % CHP发电效率 k_chp_h = 0.27; % CHP产热效率 k_gas_h = 9.7; % 天然气热值 (kWh/Nm³) k_gb_h = 0.92; % 燃气锅炉效率 k_p2g_g = 0.95; % P2G转换效率 U_CCS_energy = 0.109; % CCS单位能耗 (kWh/kg_CO2) U_CO2_factor = 0.390; % 单位天然气碳排放 (kg_CO2/Nm³) % 置信区间计算 Z_cf_level = 0.8; Z_margin = norminv((1+Z_cf_level)/2); % 80%置信水平 % 热价阶梯参数 C_heat_price = 0.4 * ones(1,24); C_heat_price(9:12) = 0.6; % 高峰时段热价 C_heat_price(18:21) = 0.6; % 高峰时段热价 %% ===================== 决策变量定义 ===================== % 设备运行变量 P_wt_e = sdpvar(1, Num_hours); P_cur_e = sdpvar(1, Num_hours); P_CHP_e = sdpvar(1, Num_hours); P_CHP_h = sdpvar(1, Num_hours); P_GB_h = sdpvar(1, Num_hours); P_e_P2G = sdpvar(1, Num_hours); P_e_CCS = sdpvar(1, Num_hours); V_Gas_CHP = sdpvar(1, Num_hours); V_Gas_GB = sdpvar(1, Num_hours); V_P2G_Gas = sdpvar(1, Num_hours); V_CHP_CO2 = sdpvar(1, Num_hours); V_CO2_CCS = sdpvar(1, Num_hours); V_buy_gas = sdpvar(1, Num_hours); % 电网交易变量 P_buy_e = sdpvar(1, Num_hours); P_sell_e = sdpvar(1, Num_hours); B_miu_ies = binvar(1, Num_hours); % 交易状态 (0-售电/1-购电) % 用户变量 PL_cut_1 = sdpvar(1, Num_hours); HL_cut_1 = sdpvar(1, Num_hours); PL_cut_2 = sdpvar(1, Num_hours); HL_cut_2 = sdpvar(1, Num_hours); PL_cut_3 = sdpvar(1, Num_hours); HL_cut_3 = sdpvar(1, Num_hours); % P2P交易变量 P_tran_12_pos = sdpvar(1, Num_hours); % 用户1→用户2 P_tran_12_neg = sdpvar(1, Num_hours); % 用户2→用户1 P_tran_13_pos = sdpvar(1, Num_hours); % 用户1→用户3 P_tran_13_neg = sdpvar(1, Num_hours); % 用户3→用户1 P_tran_23_pos = sdpvar(1, Num_hours); % 用户2→用户3 P_tran_23_neg = sdpvar(1, Num_hours); % 用户3→用户2 P_net_1 = sdpvar(1, Num_hours); P_net_2 = sdpvar(1, Num_hours); P_net_3 = sdpvar(1, Num_hours); % 碳交易变量 E_CO2_t = sdpvar(1,1); % 实际碳排放 P_CO2_t = sdpvar(1,1); % 碳免费配额 E_carbon = sdpvar(1,1); % 超额碳排放 T_E_1 = sdpvar(1,1); % 阶梯碳交易分段1 T_E_2 = sdpvar(1,1); % 阶梯碳交易分段2 T_E_3 = sdpvar(1,1); % 阶梯碳交易分段3 %% ===================== 约束条件 ===================== Cons = []; % 可再生能源约束 Cons = [Cons, P_cur_e + P_wt_e == P_rew_max]; Cons = [Cons, 0 <= P_cur_e <= P_rew_max]; Cons = [Cons, 0 <= P_wt_e <= P_rew_max]; % CHP机组约束 Cons = [Cons, P_CHP_e == k_chp_e * k_gas_h * V_Gas_CHP]; Cons = [Cons, P_CHP_h == k_chp_h * k_gas_h * V_Gas_CHP]; Cons = [Cons, 0 <= P_CHP_e <= 2000]; Cons = [Cons, V_CHP_CO2 == U_CO2_factor * V_Gas_CHP]; Cons = [Cons, 0 <= V_Gas_CHP <= 2000/(k_chp_e*k_gas_h)]; % 燃气锅炉约束 Cons = [Cons, P_GB_h == k_gb_h * k_gas_h * V_Gas_GB]; Cons = [Cons, 0 <= P_GB_h <= 1800]; Cons = [Cons, 0 <= V_Gas_GB <= 1800/(k_gb_h*k_gas_h)]; % P2G机组约束 Cons = [Cons, V_P2G_Gas == k_p2g_g * P_e_P2G / k_gas_h]; Cons = [Cons, 0 <= P_e_P2G <= 500]; Cons = [Cons, 0 <= V_P2G_Gas]; % CCS机组约束 Cons = [Cons, P_e_CCS == U_CCS_energy * V_CO2_CCS]; Cons = [Cons, 0 <= V_CO2_CCS <= 0.9 * V_CHP_CO2]; Cons = [Cons, 0 <= P_e_CCS <= 500]; % ====== 能源系统平衡约束 ====== % 电功率平衡 Total_generation = P_CHP_e + P_wt_e; Total_consumption = (P_Load_e1 - PL_cut_1) + ... (P_Load_e2 - PL_cut_2) + ... (P_Load_e3 - PL_cut_3) + ... P_e_P2G + P_e_CCS; Uncertainty_margin = Z_margin * 0.2 .* P_rew_max; Cons = [Cons, Total_generation + P_buy_e == Total_consumption + P_sell_e + Uncertainty_margin]; % 热功率平衡 Cons = [Cons, P_CHP_h + P_GB_h == (P_Load_h1 - HL_cut_1) + (P_Load_h2 - HL_cut_2) + (P_Load_h3 - HL_cut_3)]; % 天然气平衡 Cons = [Cons, V_Gas_CHP + V_Gas_GB == V_P2G_Gas + V_buy_gas]; Cons = [Cons, V_buy_gas >= 0]; % 购售电逻辑约束 Cons = [Cons, implies(B_miu_ies == 1, [P_sell_e == 0, P_buy_e >= 0])]; Cons = [Cons, implies(B_miu_ies == 0, [P_buy_e == 0, P_sell_e >= 0])]; Cons = [Cons, 0 <= P_buy_e <= 1000]; Cons = [Cons, 0 <= P_sell_e <= 1000]; % ====== 用户侧约束 ====== Cons = [Cons, 0 <= PL_cut_1 <= 0.15 * P_Load_e1]; Cons = [Cons, 0 <= HL_cut_1 <= 0.15 * P_Load_h1]; Cons = [Cons, 0 <= PL_cut_2 <= 0.20 * P_Load_e2]; Cons = [Cons, 0 <= HL_cut_2 <= 0.20 * P_Load_h2]; Cons = [Cons, 0 <= PL_cut_3 <= 0.25 * P_Load_e3]; Cons = [Cons, 0 <= HL_cut_3 <= 0.25 * P_Load_h3]; % ====== P2P交易约束 ====== % 净交易量计算 Cons = [Cons, P_net_1 == (P_tran_12_pos - P_tran_12_neg) + (P_tran_13_pos - P_tran_13_neg)]; Cons = [Cons, P_net_2 == (P_tran_12_neg - P_tran_12_pos) + (P_tran_23_pos - P_tran_23_neg)]; Cons = [Cons, P_net_3 == (P_tran_13_neg - P_tran_13_pos) + (P_tran_23_neg - P_tran_23_pos)]; % P2P净交易守恒约束 Cons = [Cons, P_net_1 + P_net_2 + P_net_3 == 0]; % 用户净交易量约束 Cons = [Cons, -0.2 * P_Load_e1 <= P_net_1 <= 0.2 * P_Load_e1]; Cons = [Cons, -0.2 * P_Load_e2 <= P_net_2 <= 0.2 * P_Load_e2]; Cons = [Cons, -0.2 * P_Load_e3 <= P_net_3 <= 0.2 * P_Load_e3]; % 交易功率限制 Cons = [Cons, 0 <= P_tran_12_pos <= 200, 0 <= P_tran_12_neg <= 200]; Cons = [Cons, 0 <= P_tran_13_pos <= 200, 0 <= P_tran_13_neg <= 200]; Cons = [Cons, 0 <= P_tran_23_pos <= 200, 0 <= P_tran_23_neg <= 200]; % ====== 碳交易机制 (线性模型) ====== Total_CO2_production = sum(V_CHP_CO2) + U_CO2_factor * sum(V_Gas_GB); Total_energy_output = sum(1.67*P_CHP_e + P_CHP_h + P_GB_h); Cons = [Cons, E_CO2_t == Total_CO2_production - sum(V_CO2_CCS)]; Cons = [Cons, P_CO2_t == 0.047 * Total_energy_output]; Cons = [Cons, E_carbon >= E_CO2_t - P_CO2_t]; Cons = [Cons, E_carbon == T_E_1 + T_E_2 + T_E_3]; Cons = [Cons, 0 <= T_E_1 <= 5000]; % 第一段 Cons = [Cons, 0 <= T_E_2 <= 5000]; % 第二段 Cons = [Cons, T_E_3 >= 0]; % 第三段 %% ===================== 目标函数 ===================== % 成本计算 F1_cost = C_gas_price * sum(V_buy_gas); F2_cost = sum(C_Pri_buy .* P_buy_e) - sum(C_Pri_sell .* P_sell_e); F3_cost = C_carbon_price(1)*T_E_1 + C_carbon_price(2)*T_E_2 + C_carbon_price(3)*T_E_3; % 负荷削减补偿成本 electric_comp = 0.8 * sum(C_Pri_sell .* (PL_cut_1 + PL_cut_2 + PL_cut_3)); heat_comp = 0.7 * (sum(C_heat_price .* HL_cut_1) + ... sum(C_heat_price .* HL_cut_2) + ... sum(C_heat_price .* HL_cut_3)); F4_cost = electric_comp + heat_comp; % P2P交易收益 p2p_volume = sum(P_tran_12_pos + P_tran_12_neg + ... P_tran_13_pos + P_tran_13_neg + ... P_tran_23_pos + P_tran_23_neg); avg_price = mean([C_Pri_buy, C_Pri_sell]); F5_revenue = 0.52 * 0.97 * avg_price * p2p_volume; % 系统净成本 total_cost = F1_cost + F2_cost + F3_cost + F4_cost - F5_revenue; %% ===================== 模型求解 ===================== options = sdpsettings('solver', 'cplex', 'verbose', 1); disp('>>>开始求解优化问题...'); tic; sol = optimize(Cons, total_cost, options); solve_time = toc; if sol.problem == 0 disp(['>>>优化成功! 求解时间: ', num2str(solve_time), '秒']); % 计算并显示各子成本 Fuel_cost_val = value(F1_cost); Trade_cost_val = value(F2_cost); Carbon_cost_val = value(F3_cost); Compensation_cost_val = value(F4_cost); F_p2p_revenue_val = value(F5_revenue); total_cost_val = value(total_cost); % 详细成本输出 disp('======= 成本明细 ======='); disp(['1. 机组燃料成本: ', num2str(Fuel_cost_val), '元']); disp(['2. 电网交易成本: ', num2str(Trade_cost_val), '元 (购电: ', ... num2str(sum(value(C_Pri_buy .* P_buy_e))), '元, 售电收入: ', ... num2str(-sum(value(C_Pri_sell .* P_sell_e))), '元)']); disp(['3. 碳交易成本: ', num2str(Carbon_cost_val), '元']); disp([' - 第一阶梯: ', num2str(value(C_carbon_price(1)*T_E_1)), '元']); disp([' - 第二阶梯: ', num2str(value(C_carbon_price(2)*T_E_2)), '元']); disp([' - 第三阶梯: ', num2str(value(C_carbon_price(3)*T_E_3)), '元']); disp(['4. 负荷补偿成本: ', num2str(Compensation_cost_val), '元']); disp([' - 电负荷补偿: ', num2str(value(electric_comp)), '元']); disp([' - 热负荷补偿: ', num2str(value(heat_comp)), '元']); disp(['5. P2P交易收益: ', num2str(F_p2p_revenue_val), '元']); disp('------------------------'); disp(['>>>总运行成本: ', num2str(total_cost_val), '元']); % 额外分析指标 carbon_quota = value(P_CO2_t); actual_emission = value(E_CO2_t); disp(['>>>碳排放总量: ', num2str(actual_emission), 'kg, 碳配额: ', ... num2str(carbon_quota), 'kg, 超额: ', num2str(value(E_carbon)), 'kg']); else error('>>>求解失败! 原因: %s', sol.info); end
11-30
因为P_rew_max是向量，所以Uncertainty_margin也是向量，而等式是逐小时的，所以没有问题。 4. 在目标函数中，P2P交易收益F5_revenue计算中，avg_price计算的是整个时段购电价和售电价的平均值，然后乘以总的交易...
请你检查代码：%% 基于阶梯碳交易机制与P2P能源共享的综合能源系统优化调度模型 clc clear %% ===================== 数据初始化 ===================== % 可再生能源预测出力 P_rew_max = [875.53, 846.02, 862.71, 870.27, 836.21, 841.49, 782.69, 698.20, … 701.43, 621.10, 581.15, 596.79, 580.38, 594.44, 566.58, 574.68, … 585.51, 552.64, 670.59, 783.63, 804.22, 850.56, 884.58, 897.08]; % kW % 用户负荷数据 % 用户1 - 住宅区 P_Load_e1 = [438.92, 449.06, 384.87, 383.56, 555.78, 829.08, 695.91, 634.75, … 824.46, 534.34, 811.55, 886.41, 730.53, 887.85, 541.62, 696.93, … 769.47, 699.58, 572.86, 540.62, 435.75, 396.30, 474.34, 437.77]; % 电负荷 kW P_Load_h1 = [281.52, 210.02, 303.03, 218.45, 263.47, 350.30, 375.96, 330.86, … 337.32, 444.79, 436.02, 503.66, 312.27, 366.63, 462.30, 500.07, … 438.91, 331.59, 454.63, 356.66, 321.48, 363.06, 246.40, 320.91]; % 热负荷 kW % 用户2 - 商业区 P_Load_e2 = [311.35, 496.96, 422.78, 490.75, 501.39, 743.94, 606.49, 663.09, … 700.90, 848.33, 800.27, 776.04, 651.84, 983.69, 671.58, 618.50, … 512.87, 509.70, 756.91, 687.65, 554.83, 461.36, 344.51, 451.31]; P_Load_h2 = [292.69, 279.79, 249.42, 335.28, 324.71, 311.21, 440.46, 505.70, … 346.73, 328.94, 360.90, 296.29, 434.50, 444.01, 359.39, 373.67, … 554.70, 503.06, 296.99, 336.52, 328.45, 356.39, 328.94, 293.09]; % 用户3 - 工业区 P_Load_e3 = [392.65, 394.79, 398.32, 350.81, 375.84, 690.77, 627.59, 806.97, … 545.60, 717.08, 874.86, 782.36, 809.26, 819.57, 549.26, 802.08, … 831.48, 612.44, 597.20, 564.87, 544.12, 579.74, 481.82, 412.59]; P_Load_h3 = [260.08, 247.82, 262.92, 282.56, 402.31, 310.23, 394.91, 441.18, … 295.73, 348.94, 413.06, 447.17, 439.96, 355.54, 496.10, 402.27, … 402.00, 557.99, 482.69, 437.40, 307.05, 243.88, 303.08, 306.68]; %% ===================== 基础参数初始化 ===================== % 时间参数 num_hours = 24; hours = 1:num_hours; % 电价参数 C_Pri_buy = [0.60ones(1,8), 0.75ones(1,4), 1.20ones(1,3), 0.75ones(1,4), 1.20ones(1,4), 0.60ones(1,1)]; % 购电价 C_Pri_sell = [0.30ones(1,8), 0.40ones(1,4), 0.60ones(1,3), 0.40ones(1,4), 0.60ones(1,4), 0.30ones(1,1)]; % 售电价 C_gas_price = 3.2; % 天然气价格 (元/Nm³) C_carbon_price = [0.2, 0.3, 0.45]; % 阶梯碳价 [元/kg] K_curtail_penalty = 0.5; % 弃风惩罚系数 % 设备参数 k_chp_e = 0.30; % CHP发电效率 k_chp_h = 0.45; % CHP产热效率 k_gas_h = 9.7; % 天然气热值 (kWh/Nm³) GB_eff_h = 0.90; % 燃气锅炉效率 P2G_eff_g = 0.95; % P2G转换效率 CCS_energy = 0.109; % CCS单位能耗 (kWh/kg_CO2) CO2_factor = 0.390; % 单位天然气碳排放 (kg_CO2/Nm³) % 置信区间计算 (正态分布双侧分位数) Z_cf_level = 0.8; Z_margin = norminv((1+Z_cf_level)/2); % 80%置信水平 M = 1e6; % Big-M法大常数 %% ===================== 决策变量定义 ===================== % 设备变量 P_wt_e = sdpvar(1, num_hours); % 风电实际出力 P_cur_e = sdpvar(1, num_hours); % 弃风量 P_CHP_e = sdpvar(1, num_hours); % CHP发电功率 P_CHP_h = sdpvar(1, num_hours); % CHP产热功率 P_GB_h = sdpvar(1, num_hours); % 燃气锅炉产热 P_e_P2G = sdpvar(1, num_hours); % P2G消耗功率 P_e_CCS = sdpvar(1, num_hours); % CCS消耗功率 V_Gas_CHP = sdpvar(1, num_hours); % CHP耗气量 V_Gas_GB = sdpvar(1, num_hours); % GB耗气量 V_P2G_Gas = sdpvar(1, num_hours); % P2G产气量 V_CHP_CO2 = sdpvar(1, num_hours); % CHP碳排放 V_CO2_CCS = sdpvar(1, num_hours); % CCS捕集量 % 电网交易变量 P_buy_e = sdpvar(1, num_hours); % 购电功率 P_sell_e = sdpvar(1, num_hours); % 售电功率 B_miu_ies = binvar(1, num_hours); % 交易状态 (0-售电/1-购电) % 用户变量 PL_cut_1 = sdpvar(1, num_hours); % 用户1电负荷削减 HL_cut_1 = sdpvar(1, num_hours); % 用户1热负荷削减 PL_cut_2 = sdpvar(1, num_hours); % 用户2电负荷削减 HL_cut_2 = sdpvar(1, num_hours); % 用户2热负荷削减 PL_cut_3 = sdpvar(1, num_hours); % 用户3电负荷削减 HL_cut_3 = sdpvar(1, num_hours); % 用户3热负荷削减 % P2P交易变量 (允许双向交易) P_tran_12 = sdpvar(1, num_hours); % 用户1<->2交易电量 P_tran_13 = sdpvar(1, num_hours); % 用户1<->3交易电量 P_tran_23 = sdpvar(1, num_hours); % 用户2<->3交易电量 % 碳交易变量 E_CO2 = sdpvar(1,1); % 实际碳排放 P_CO2 = sdpvar(1,1); % 碳配额数量 E_1 = sdpvar(1,1); % 阶梯碳交易分段1 E_2 = sdpvar(1,1); % 阶梯碳交易分段2 E_3 = sdpvar(1,1); % 阶梯碳交易分段3 %% ===================== 约束条件 ===================== Cons = []; % === 运行机组物理约束 === % 可再生能源约束 Cons = [Cons, P_cur_e + P_wt_e == P_rew_max]; % 出力平衡 Cons = [Cons, 0 <= P_cur_e <= P_rew_max]; % 弃风限制 Cons = [Cons, 0 <= P_wt_e <= P_rew_max]; % 实际出力限制 % CHP机组约束 (统一碳排放因子) Cons = [Cons, P_CHP_e == k_chp_e * k_gas_h * V_Gas_CHP]; % 电功率 Cons = [Cons, P_CHP_h == k_chp_h * k_gas_h * V_Gas_CHP]; % 热功率 Cons = [Cons, 0 <= P_CHP_e <= 2000]; % 发电上限 Cons = [Cons, V_CHP_CO2 == CO2_factor * V_Gas_CHP]; % 机组碳排放 Cons = [Cons, 0 <= V_Gas_CHP <= 2000/(k_chp_e*k_gas_h)]; % 耗气量限制 % 燃气锅炉约束 (统一碳排放因子) Cons = [Cons, P_GB_h == GB_eff_h * k_gas_h * V_Gas_GB]; % 热功率 Cons = [Cons, 0 <= P_GB_h <= 2000]; % 产热上限 Cons = [Cons, 0 <= V_Gas_GB <= 2000/(GB_eff_h*k_gas_h)]; % 耗气量限制 % P2G约束 Cons = [Cons, V_P2G_Gas == P2G_eff_g * P_e_P2G / k_gas_h]; % 产气量 Cons = [Cons, 0 <= P_e_P2G <= 500]; % 消耗功率上限 Cons = [Cons, 0 <= V_P2G_Gas]; % 产气量非负 % 碳捕集约束 Cons = [Cons, P_e_CCS == CCS_energy * V_CO2_CCS]; % 能耗计算 Cons = [Cons, 0 <= V_CO2_CCS <= 0.9 * V_CHP_CO2]; % 捕集量限制 Cons = [Cons, 0 <= P_e_CCS <= 500]; % 消耗功率上限 % === 系统平衡约束 === % 电功率平衡 total_generation = P_CHP_e + P_wt_e; % 总发电量 total_consumption = (P_Load_e1 - PL_cut_1) + (P_Load_e2 - PL_cut_2) + (P_Load_e3 - PL_cut_3) + P_e_P2G + P_e_CCS; % 总耗电量(含削减) uncertainty_margin = Z_margin * 0.2 * P_rew_max; % 不确定性余量 % 正确的电力平衡方程 Cons = [Cons, total_generation + P_buy_e == total_consumption + P_sell_e + uncertainty_margin]; % 热力平衡 (考虑负荷削减) Cons = [Cons, P_CHP_h + P_GB_h == (P_Load_h1 - HL_cut_1) + (P_Load_h2 - HL_cut_2) + (P_Load_h3 - HL_cut_3)]; % 天然气平衡 Cons = [Cons, V_Gas_CHP + V_Gas_GB <= V_P2G_Gas]; % 天然气消耗 <= P2G生产 % 购售电逻辑约束 Cons = [Cons, implies(B_miu_ies == 1, [P_sell_e == 0, P_buy_e >= 0])]; % 购电状态 Cons = [Cons, implies(B_miu_ies == 0, [P_buy_e == 0, P_sell_e >= 0])]; % 售电状态 Cons = [Cons, 0 <= P_buy_e <= 1000]; % 购电上限 Cons = [Cons, 0 <= P_sell_e <= 1000]; % 售电上限 % === 用户侧约束 === % 用户1负荷削减约束 Cons = [Cons, 0 <= PL_cut_1 <= 0.15 * P_Load_e1]; % 最大削减15% Cons = [Cons, 0 <= HL_cut_1 <= 0.15 * P_Load_h1]; % 用户2负荷削减约束 Cons = [Cons, 0 <= PL_cut_2 <= 0.20 * P_Load_e2]; % 商业区可削减20% Cons = [Cons, 0 <= HL_cut_2 <= 0.20 * P_Load_h2]; % 用户3负荷削减约束 Cons = [Cons, 0 <= PL_cut_3 <= 0.25 * P_Load_e3]; % 工业区可削减25% Cons = [Cons, 0 <= HL_cut_3 <= 0.25 * P_Load_h3]; % P2P交易约束修正 (允许双向交易) Cons = [Cons, -0.2 * P_Load_e1 <= P_tran_12 + P_tran_13 <= 0.2 * P_Load_e1]; % 用户1净交易量 Cons = [Cons, -0.2 * P_Load_e2 <= P_tran_12 - P_tran_23 <= 0.2 * P_Load_e2]; % 用户2净交易量 Cons = [Cons, -0.2 * P_Load_e3 <= -P_tran_13 - P_tran_23 <= 0.2 * P_Load_e3]; % 用户3净交易量 Cons = [Cons, abs(P_tran_12) <= 200, abs(P_tran_13) <= 200, abs(P_tran_23) <= 200]; % 交易功率限制 % === 碳交易机制 === total_CO2_production = sum(V_CHP_CO2) + CO2_factor * sum(V_Gas_GB); % 统一碳排放因子 total_energy_output = sum(1.67*P_CHP_e + P_CHP_h + P_GB_h); % 总能量输出 Cons = [Cons, E_CO2 == total_CO2_production - sum(V_CO2_CCS)]; % 实际碳排放 Cons = [Cons, P_CO2 == 0.047 * total_energy_output]; % 碳配额 Cons = [Cons, E_CO2 - P_CO2 == E_1 + E_2 + E_3]; % 分段变量 Cons = [Cons, 0 <= E_1 <= 5000]; % 第一段 Cons = [Cons, 0 <= E_2 <= 5000]; % 第二段 Cons = [Cons, 0 <= E_3]; % 第三段 %% ===================== 目标函数 ===================== % 成本计算 fuel_cost = C_gas_price * sum(V_Gas_CHP + V_Gas_GB - V_P2G_Gas); % 燃料成本 energy_trade_cost = sum(C_Pri_buy .* P_buy_e) - sum(C_Pri_sell .* P_sell_e); % 电网交易净成本 curtail_cost = K_curtail_penalty * sum(P_cur_e); % 弃风惩罚 carbon_cost = C_carbon_price * [E_1; E_2; E_3]; % 阶梯碳成本 % 用户收益 (负荷削减收益) user_benefit = 0.8 * sum(C_Pri_sell .* (PL_cut_1 + PL_cut_2 + PL_cut_3)) + … 0.7 * sum(mean(C_Pri_sell) * (HL_cut_1 + HL_cut_2 + HL_cut_3)); % P2P交易收益 (基于实际交易量) avg_price = mean([C_Pri_buy, C_Pri_sell]); % 平均电价 p2p_revenue = 0.5 * avg_price * sum(abs(P_tran_12) + abs(P_tran_13) + abs(P_tran_23)); % 系统净成本 (最小化) total_cost = fuel_cost + energy_trade_cost + curtail_cost + carbon_cost - user_benefit - p2p_revenue; % 目标函数 Obj = total_cost; %% ===================== 模型求解 ===================== % 求解器设置 options = sdpsettings(‘solver’, ‘cplex’, ‘verbose’, 1, ‘showprogress’, 1,… ‘cplex.timelimit’, 600, ‘cplex.mip.tolerances.mipgap’, 1e-4); % 求解优化问题 disp(‘开始求解优化问题…’); tic; sol = optimize(Cons, Obj, options); solve_time = toc; % 检查求解状态 if sol.problem == 0 disp(['优化成功! 求解时间: ', num2str(solve_time), ‘秒’]); disp(['系统总成本: ', num2str(value(Obj)), ‘元’]); else error(‘求解失败! 原因: %s’, sol.info); end
11-29
- 电功率平衡：`total_generation + P_buy_e = total_consumption + P_sell_e + uncertainty_margin`，这里注意`uncertainty_margin`是一个向量，因为`P_rew_max`是24维的，所以`Z_margin * 0.2 * P_rew_max`也是24...
再次检查修改后的代码：%% 基于P2P能源共享机制的综合能源系统优化调度模型 clc clear %% ===================== 数据初始化 ===================== % 可再生能源预测出力 P_rew_max = [875.53, 846.02, 862.71, 870.27, 836.21, 841.49, 782.69, 698.20, ... 701.43, 621.10, 581.15, 596.79, 580.38, 594.44, 566.58, 574.68, ... 585.51, 552.64, 670.59, 783.63, 804.22, 850.56, 884.58, 897.08]; % kW % 用户1负荷数据 - 住宅区 P_Load_e1 = [438.92, 449.06, 384.87, 383.56, 555.78, 829.08, 695.91, 634.75, ... 824.46, 534.34, 811.55, 886.41, 730.53, 887.85, 541.62, 696.93, ... 769.47, 699.58, 572.86, 540.62, 435.75, 396.30, 474.34, 437.77]; % 电负荷 kW P_Load_h1 = [281.52, 210.02, 303.03, 218.45, 263.47, 350.30, 375.96, 330.86, ... 337.32, 444.79, 436.02, 503.66, 312.27, 366.63, 462.30, 500.07, ... 438.91, 331.59, 454.63, 356.66, 321.48, 363.06, 246.40, 320.91]; % 热负荷 kW % 用户2负荷数据 - 商业区 P_Load_e2 = [311.35, 496.96, 422.78, 490.75, 501.39, 743.94, 606.49, 663.09, ... 700.90, 848.33, 800.27, 776.04, 651.84, 983.69, 671.58, 618.50, ... 512.87, 509.70, 756.91, 687.65, 554.83, 461.36, 344.51, 451.31]; P_Load_h2 = [292.69, 279.79, 249.42, 335.28, 324.71, 311.21, 440.46, 505.70, ... 346.73, 328.94, 360.90, 296.29, 434.50, 444.01, 359.39, 373.67, ... 554.70, 503.06, 296.99, 336.52, 328.45, 356.39, 328.94, 293.09]; % 用户3负荷数据 - 工业区 P_Load_e3 = [392.65, 394.79, 398.32, 350.81, 375.84, 690.77, 627.59, 806.97, ... 545.60, 717.08, 874.86, 782.36, 809.26, 819.57, 549.26, 802.08, ... 831.48, 612.44, 597.20, 564.87, 544.12, 579.74, 481.82, 412.59]; P_Load_h3 = [260.08, 247.82, 262.92, 282.56, 402.31, 310.23, 394.91, 441.18, ... 295.73, 348.94, 413.06, 447.17, 439.96, 355.54, 496.10, 402.27, ... 402.00, 557.99, 482.69, 437.40, 307.05, 243.88, 303.08, 306.68]; %% ===================== 基础参数初始化 ===================== % 时间参数 Num_hours = 24; % 市场电价参数 C_Pri_buy = [0.60*ones(1,8), 0.75*ones(1,4), 1.20*ones(1,3), 0.75*ones(1,4), 1.20*ones(1,4), 0.60*ones(1,1)]; % 购电价 C_Pri_sell = [0.30*ones(1,8), 0.40*ones(1,4), 0.60*ones(1,3), 0.40*ones(1,4), 0.60*ones(1,4), 0.30*ones(1,1)]; % 售电价 C_gas_price = 3.2; % 天然气价格 (元/Nm³) % 设备参数 k_chp_e = 0.34; % CHP发电效率 k_chp_h = 0.27; % CHP产热效率 k_gas_h = 9.7; % 天然气热值 (kWh/Nm³) k_gb_h = 0.92; % 燃气锅炉效率 k_p2g_g = 0.95; % P2G转换效率 U_CCS_energy = 0.109; % CCS单位能耗 (kWh/kg_CO2) % 热价参数 C_heat_price = 0.4 * ones(1,24); % 基础热价 (元/kWh) C_heat_price(9:12) = 0.6; % 高峰时段热价 (9:00-12:00) C_heat_price(18:21) = 0.6; % 高峰时段热价 (18:00-21:00) %% ===================== 决策变量定义 ===================== % 设备变量 P_wt_e = sdpvar(1, Num_hours); % 风电实际出力 P_CHP_e = sdpvar(1, Num_hours); % CHP发电功率 P_CHP_h = sdpvar(1, Num_hours); % CHP产热功率 P_GB_h = sdpvar(1, Num_hours); % 燃气锅炉产热 P_e_P2G = sdpvar(1, Num_hours); % P2G消耗功率 P_e_CCS = sdpvar(1, Num_hours); % CCS消耗功率 V_Gas_CHP = sdpvar(1, Num_hours); % CHP耗气量 V_Gas_GB = sdpvar(1, Num_hours); % GB耗气量 V_P2G_Gas = sdpvar(1, Num_hours); % P2G产气量 V_buy_gas = sdpvar(1, Num_hours); % 外部购气量 % 电网交易变量 P_buy_e = sdpvar(1, Num_hours); % 购电功率 P_sell_e = sdpvar(1, Num_hours); % 售电功率 B_miu_ies = binvar(1, Num_hours); % 交易状态 (0-售电/1-购电) % 用户变量 PL_cut_1 = sdpvar(1, Num_hours); % 用户1电负荷削减 HL_cut_1 = sdpvar(1, Num_hours); % 用户1热负荷削减 PL_cut_2 = sdpvar(1, Num_hours); % 用户2电负荷削减 HL_cut_2 = sdpvar(1, Num_hours); % 用户2热负荷削减 PL_cut_3 = sdpvar(1, Num_hours); % 用户3电负荷削减 HL_cut_3 = sdpvar(1, Num_hours); % 用户3热负荷削减 % P2P交易变量 P_tran_12_pos = sdpvar(1, Num_hours); % 用户1→用户2交易量 P_tran_12_neg = sdpvar(1, Num_hours); % 用户2→用户1交易量 P_tran_13_pos = sdpvar(1, Num_hours); % 用户1→用户3交易量 P_tran_13_neg = sdpvar(1, Num_hours); % 用户3→用户1交易量 P_tran_23_pos = sdpvar(1, Num_hours); % 用户2→用户3交易量 P_tran_23_neg = sdpvar(1, Num_hours); % 用户3→用户2交易量 P_net_1 = sdpvar(1, Num_hours); % 用户1净交易量 P_net_2 = sdpvar(1, Num_hours); % 用户2净交易量 P_net_3 = sdpvar(1, Num_hours); % 用户3净交易量 %% ===================== 约束条件 ===================== Cons = []; % 可再生能源约束 Cons = [Cons, 0 <= P_wt_e <= P_rew_max]; for h = 1:Num_hours if C_Pri_sell(h) > mean(C_Pri_sell) Cons = [Cons, P_sell_e(h) >= 0.1 * P_rew_max(h)]; end end % CHP机组约束 Cons = [Cons, P_CHP_e == k_chp_e * k_gas_h * V_Gas_CHP]; Cons = [Cons, P_CHP_h == k_chp_h * k_gas_h * V_Gas_CHP]; Cons = [Cons, 0 <= P_CHP_e <= 2000]; Cons = [Cons, 0 <= V_Gas_CHP <= 2000/(k_chp_e*k_gas_h)]; % 燃气锅炉约束 Cons = [Cons, P_GB_h == k_gb_h * k_gas_h * V_Gas_GB]; Cons = [Cons, 0 <= P_GB_h <= 1800]; Cons = [Cons, 0 <= V_Gas_GB <= 1800/(k_gb_h*k_gas_h)]; % P2G机组约束 Cons = [Cons, V_P2G_Gas == k_p2g_g * P_e_P2G / k_gas_h]; Cons = [Cons, 0 <= P_e_P2G <= 500]; Cons = [Cons, 0 <= V_P2G_Gas]; % CCS机组约束 Cons = [Cons, 0 <= P_e_CCS <= 300]; % ====== 能源系统平衡约束 ====== % 电功率平衡 Total_generation = P_CHP_e + P_wt_e; Total_consumption = (P_Load_e1 - PL_cut_1) + (P_Load_e2 - PL_cut_2) + (P_Load_e3 - PL_cut_3) + P_e_P2G + P_e_CCS; Cons = [Cons, Total_generation + P_buy_e == Total_consumption + P_sell_e ]; % 热功率平衡 Cons = [Cons, P_CHP_h + P_GB_h == (P_Load_h1 - HL_cut_1) + (P_Load_h2 - HL_cut_2) + (P_Load_h3 - HL_cut_3)]; % 天然气平衡 Cons = [Cons, V_Gas_CHP + V_Gas_GB == V_P2G_Gas + V_buy_gas]; Cons = [Cons, V_buy_gas >= 0]; % 非负约束 % 购售电逻辑约束 Cons = [Cons, implies(B_miu_ies == 1, [P_sell_e == 0, P_buy_e >= 0])]; Cons = [Cons, implies(B_miu_ies == 0, [P_buy_e == 0, P_sell_e >= 0])]; Cons = [Cons, 0 <= P_buy_e <= 1000]; Cons = [Cons, 0 <= P_sell_e <= 1500]; % ====== 用户侧约束 ====== % 负荷削减约束 Cons = [Cons, 0 <= PL_cut_1 <= 0.15 * P_Load_e1]; Cons = [Cons, 0 <= HL_cut_1 <= 0.15 * P_Load_h1]; Cons = [Cons, 0 <= PL_cut_2 <= 0.20 * P_Load_e2]; Cons = [Cons, 0 <= HL_cut_2 <= 0.20 * P_Load_h2]; Cons = [Cons, 0 <= PL_cut_3 <= 0.25 * P_Load_e3]; Cons = [Cons, 0 <= HL_cut_3 <= 0.25 * P_Load_h3]; % ====== P2P交易约束 ====== % 净交易量计算 Cons = [Cons, P_net_1 == (P_tran_12_pos - P_tran_12_neg) + (P_tran_13_pos - P_tran_13_neg)]; Cons = [Cons, P_net_2 == (P_tran_12_neg - P_tran_12_pos) + (P_tran_23_pos - P_tran_23_neg)]; Cons = [Cons, P_net_3 == (P_tran_13_neg - P_tran_13_pos) + (P_tran_23_neg - P_tran_23_pos)]; % P2P净交易守恒约束 Cons = [Cons, P_net_1 + P_net_2 + P_net_3 == 0]; % 用户净交易量约束 Cons = [Cons, -0.2 * P_Load_e1 <= P_net_1 <= 0.2 * P_Load_e1]; Cons = [Cons, -0.2 * P_Load_e2 <= P_net_2 <= 0.2 * P_Load_e2]; Cons = [Cons, -0.2 * P_Load_e3 <= P_net_3 <= 0.2 * P_Load_e3]; % 交易功率限制 Cons = [Cons, 0 <= P_tran_12_pos <= 200, 0 <= P_tran_12_neg <= 200]; Cons = [Cons, 0 <= P_tran_13_pos <= 200, 0 <= P_tran_13_neg <= 200]; Cons = [Cons, 0 <= P_tran_23_pos <= 200, 0 <= P_tran_23_neg <= 200]; %% ===================== 目标函数 ===================== % 成本计算 F1_cost = C_gas_price * sum(V_buy_gas); % 燃料成本 F2_cost = sum(C_Pri_buy .* P_buy_e) - sum(C_Pri_sell .* P_sell_e); % 电网交易成本 % 负荷削减补偿成本 electric_comp = 0.8 * sum(C_Pri_sell .* (PL_cut_1 + PL_cut_2 + PL_cut_3)); heat_comp = 0.7 * (sum(C_heat_price .* HL_cut_1) + sum(C_heat_price .* HL_cut_2) + sum(C_heat_price .* HL_cut_3)); F4_cost = electric_comp + heat_comp; % 负荷补偿成本 % P2P交易收益 p2p_volume = sum(P_tran_12_pos + P_tran_12_neg + P_tran_13_pos + P_tran_13_neg + P_tran_23_pos + P_tran_23_neg); avg_price = mean([C_Pri_buy, C_Pri_sell]); F5_revenue = 0.52 * 0.97 * avg_price * p2p_volume; % P2P收益 % 综合能源系统总运行成本 total_cost = F1_cost + F2_cost + F4_cost - F5_revenue; %% ===================== 模型求解 ===================== options = sdpsettings('solver', 'cplex', 'verbose', 1); disp('>>>开始求解优化问题...'); tic; sol = optimize(Cons, total_cost, options); solve_time = toc; if sol.problem == 0 disp(['>>>优化成功! 求解时间: ', num2str(solve_time), '秒']); % 计算并显示各子成本 Fuel_cost_val = value(F1_cost); Trade_cost_val = value(F2_cost); Compensation_cost_val = value(F4_cost); F_p2p_revenue_val = value(F5_revenue); total_cost_val = value(total_cost); % 详细成本输出 disp('============== 成本明细 =============='); disp(['1. 机组燃料成本: ', num2str(Fuel_cost_val), '元']); disp(['2. 电网交易成本: ', num2str(Trade_cost_val), '元']); disp([' - 购电的成本: ', num2str(sum(value(C_Pri_buy .* P_buy_e))), '元']); disp([' - 售电的收益: ', num2str(sum(value(C_Pri_sell .* P_sell_e))), '元']); disp(['3. 用户响应成本: ', num2str(Compensation_cost_val), '元']); disp([' - 电负荷补偿: ', num2str(value(electric_comp)), '元']); disp([' - 热负荷补偿: ', num2str(value(heat_comp)), '元']); disp(['4. P2P交易收益: ', num2str(F_p2p_revenue_val), '元']); disp('------------------------------------------------'); disp(['>>>总运行成本: ', num2str(total_cost_val), '元']); % 计算并输出负荷削减指标 total_e_cut = sum(value(PL_cut_1 + PL_cut_2 + PL_cut_3)); total_h_cut = sum(value(HL_cut_1 + HL_cut_2 + HL_cut_3)); disp(['>>>总电负荷削减: ', num2str(total_e_cut), 'kW (', ... num2str(100*total_e_cut/sum(P_Load_e1+P_Load_e2+P_Load_e3)), '%)']); disp(['>>>总热负荷削减: ', num2str(total_h_cut), 'kW (', ... num2str(100*total_h_cut/sum(P_Load_h1+P_Load_h2+P_Load_h3)), '%)']); else error('>>>求解失败! 原因: %s', sol.info); end
11-30
在检查修正后的代码后，我发现了一个关键问题：在目标函数中计算P2P交易收益时，使用了交易量的...但是，如果该时段可再生能源预测出力很低（比如0），那么约束`P_sell_e(h) >= 0.1 * P_rew_max(h)`可能会要求售电量...
【Linux C/C++ 开发】 GCC 编译过程深度解析指南
love131452098的博客
12-04 689
GCC (GNU Compiler Collection) 将 C 源码转换为可执行文件的过程并非一蹴而就，而是分为四个独立的流水线阶段：预处理 (Preprocessing)、编译 (Compilation)、汇编 (Assembly) 和 链接 (Linking)。预处理器主要处理以 开头的指令。使用 参数查看预处理结果： 查看 的尾部，可以看到宏 和 已经被替换： 3. 阶段二：编译 (Compilation) 这是整个流程中最复杂、最核心的阶段。GCC 前端（Frontend）将 C 代
脑机接口（BCI）常用开发语言全景分析：从信号处理到系统构建的技术选型指南
AllenLV的博客
11-23 1010
本文系统分析了脑机接口（BCI）开发中的主流编程语言生态。Python凭借丰富的科学计算库成为算法开发的首选；MATLAB以其专业工具箱在科研领域占据优势；C/C++凭借高性能特性在实时处理和硬件交互中发挥关键作用；Java则擅长跨平台应用开发与系统集成。这些语言各具优势，在不同技术环节协同配合，共同推动BCI技术的发展。文章为开发者提供了全面的技术选型参考，有助于根据具体应用场景选择最合适的编程语言组合。
IPC4J进程间内存共享库_基于inotify事件通知机制与mmap内存映射及shm_open共享内存API构建的半双工高性能跨进程通信框架_实现Linux环境下与发行版无关的进程.zip
最新发布
12-04
IPC4J进程间内存共享库_基于inotify事件通知机制与mmap内存映射及shm_open共享内存API构建的半双工高性能跨进程通信框架_实现Linux环境下与发行版无关的进程.zip
（48页PPT）DG某著名企业云平台赋能企业数字化转型.pptx
12-04
（48页PPT）DG某著名企业云平台赋能企业数字化转型.pptx
高可用的综合电商服务平台项目_后台商品管理子系统会员管理子系统订单管理子系统前端购物平台子系统商品搜索子系统商品详情子系统订单物流中心子系统_用于构建一个具备高可用性和可扩展性的完.zip
12-04
高可用的综合电商服务平台项目_后台商品管理子系统会员管理子系统订单管理子系统前端购物平台子系统商品搜索子系统商品详情子系统订单物流中心子系统_用于构建一个具备高可用性和可扩展性的完.zip
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值