MindOpt——优化虚拟电厂智能调度问题(二)

上一案例光储荷经济性调度只考虑到经济性调度的单一目标，这里我们考虑综合多个评测指标，同时以智慧楼宇全天各时段调度为目标，构建一个完整的日调度场景。

本案例来源：https://opt.aliyun.com/example/aqIv2uBnQZfe/src/02_%E6%99%BA%E6%85%A7%E6%A5%BC%E5%AE%87%E5%A4%9A%E7%9B%AE%E6%A0%87%E8%B0%83%E5%BA%A6.ipynb
作者：蒋蔚(蔚绛)

智慧楼宇多目标调度

1. 问题描述

智慧楼宇调度，是在保证社区负荷需求的情况下，通过储能设备的指令控制，以用电经济性、环保性和对电网稳定性为综合目标的一种调度场景。

社区用电来源可以包括：（1）光伏设备发电；（2）储能设备放电；（3）向公网购买。我们考虑多时段多目标优化问题，通过资源协调利用，在满足设备功率约束和能量状态约束的条件下，提供调度决策指令参考值。

本案例部分内容参考自竞赛 NeurIPS 2022 CityLearn Challenge。在这个比赛中，达摩院决策智能实验室团队提出的电力调度AI解决方案，创新性地融合预测技术、优化技术和强化学习，使得实验项目在用电量不变的前提下，碳排放量减少13.6%，电费减低28.2%。，可参阅文章。

2. 数学规划模型

2.1 数学建模

考虑$I$个楼宇在$T$时间段内的调度问题，输入以下参数：

• 楼宇的净负荷需求（负荷和光伏功率的差值）$L=(l_{it})\in {\mathbb{R}}^{I\times T}$ （单位：kWh）
• 电价 $P=(p_t)\in {[0,\infty )}^T$ （单位: $/kWh）
• 碳排价格 $E=(e_t)\in {[0,\infty )}^T$ (单位: kg CO2/kWh)
• 储能充电效率 $c_1\in [0,1]$
• 储能放电效率 $c_2\in [0,1]$
• 储能单次充放电限制 $\alpha \in [0,1]$

为了实现电费、碳排和电网稳定性的多目标，引入决策变量归一化的储能动作：

• 充电变量 $X=(x_{it})\in [0,\alpha {]}^{I\times T}$
• 放电变量 $Y=(y_{it})\in [-\alpha ,0{]}^{I\times T}$
• 储能设备能量状态 $S=(s_{it})\in [0,1{]}^{I\times T}$

最小化以下目标：

$\mathrm{minimize}\text{Direct Cost + Emission Charge + Ramping Charge}$

$\iff$

${\mathrm{minimize}}_{X,Y,S}{\sum }_{t=1}^T\max ({\sum }_{i=1}^I(l_{}$