考虑实时市场联动的电力零售商鲁棒定价策略 关键词电力现货市场需求响应零售定价鲁棒优化 参考文档《考虑实时市场联动的电力零售商鲁棒定价策略》 仿真平台MATLAB YALMIP GUROBI 主要内容采用IEEE-33节点测试系统节点边际电价通过二阶锥模型计算得到节点边际电价通过最小二乘法拟合为一次函数实时电价场景通过聚类得到电动汽车类型通过聚类得到电动汽车需求响应通过主从博弈模型描述并转化为KKT条件两阶段离散场景分布鲁棒优化模型通过列与约束生成算法迭代求解主问题为混合整数二次规划问题子问题为混合整数线性规划问题均通过GUROBI求解先看节点边际电价这块硬骨头。直接上二阶锥模型计算核心代码就几行bus ext2int(loadcase(case33_modified)); mpc runopf(bus, mpoption(opf.ac.solver, IPOPT)); LMP mpc.bus(:, 14);但原始电价曲线跟狗啃的似的得用最小二乘给捋直了。下面这段骚操作把非线性关系压成一次函数p polyfit(load_profile, LMP, 1); fit_error norm(LMP - polyval(p, load_profile))^2;这里有个坑拟合误差超过2%就得重新校验电网拓扑别问我是怎么知道的——都是调参调出的工伤。实时电价场景生成直接甩k-means聚类[cluster_idx, centroids] kmeans(price_scenarios, 5, Replicates, 10);电动汽车用户分群更刺激得考虑充电功率、电池容量、可调度时段三个维度。上高斯混合模型聚类的时候记得标准化数据不然维度差异能让你哭出声。重头戏在主从博弈模型。电动汽车用户追求充电成本最小零售商要利润最大化。转化KKT条件时特别注意互补松弛条件处理Constraints [Constraints, ... implies(alpha 0, dual_cons 0), ... implies(beta 0, price_bound 0)];这种混合整数约束在YALMIP里得用big-M法处理M值别设太大否则GUROBI求解时会怀疑人生。考虑实时市场联动的电力零售商鲁棒定价策略 关键词电力现货市场需求响应零售定价鲁棒优化 参考文档《考虑实时市场联动的电力零售商鲁棒定价策略》 仿真平台MATLAB YALMIP GUROBI 主要内容采用IEEE-33节点测试系统节点边际电价通过二阶锥模型计算得到节点边际电价通过最小二乘法拟合为一次函数实时电价场景通过聚类得到电动汽车类型通过聚类得到电动汽车需求响应通过主从博弈模型描述并转化为KKT条件两阶段离散场景分布鲁棒优化模型通过列与约束生成算法迭代求解主问题为混合整数二次规划问题子问题为混合整数线性规划问题均通过GUROBI求解两阶段鲁棒优化玩的是列与约束生成CCG。主问题建模时把不确定性场景当孙子训MP optimizer(Constraints, Objective, ops, {gamma, theta}, {x, y});子问题专门找最恶劣场景这里得用对偶变换把max-min问题变成单层优化。注意求解子问题时把主问题变量当固定参数否则迭代十次都收敛不了。最后上点干货实际跑IEEE-33节点系统时GUROBI的MIPGap建议设0.5%就行再低计算时间指数爆炸。鲁棒系数别超过0.3否则保守得电价能吓跑用户。遇到模型不可行八成是节点电压约束打架回去检查潮流计算就完事儿。说到底电力零售定价就是戴着镣铐跳舞。既要跟着现货市场蹦迪又得防着用户掀桌子。这套鲁棒优化方案算是给价格这把双刃剑配了个刀鞘。代码虽糙能跑就行模型虽虐管用就香。