77文章解读与程序——EI\CSCD\北大核心《基于合作博弈的综合能源系统利益分配优化调度》已提供下载资源

👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆下载资源链接👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆

《《《《《《《《更多资源还请持续关注本专栏》》》》》》》

论文与完整源程序_电网论文源程序的博客-CSDN博客https://blog.csdn.net/liang674027206/category_12531414.html

电网论文源程序-CSDN博客电网论文源程序擅长文章解读,论文与完整源程序,等方面的知识,电网论文源程序关注python,机器学习,计算机视觉,深度学习,神经网络,数据挖掘领域.https://blog.csdn.net/LIANG674027206?type=download

文献可参考：

基于多主体博弈的综合能源系统运行优化方法

基于合作博弈的综合能源系统电-热-气协同优化运行策略

考虑阶梯式碳交易机制与电制氢的综合能源系统热电优化

在“双碳”背景下，为有效提高综合能源系统（IES）的能源利用率，减少碳排放量，同时提升系统运行的灵活性，提出一种基于合作博弈的IES优化运行模型。首先构建IES框架，针对电转气（P2G）、碳捕集、燃气轮机、热储能等设备进行建模；其次考虑系统内各主体之间存在协同合作的可能，将系统内各运营主体分为三方构建合作联盟，阐述能源互补提高整体收益的原理；最后建立基于合作博弈的IES协同优化调度模型，利用Shapley值法对合作剩余按贡献进行分配。该文通过内蒙古地区某综合能源系统实例仿真分析，验证了所提出的策略能有效减少各合作主体的运行成本及合作联盟的运行总成本，促进联盟内多主体开展合作，同时有效提升系统内风电消纳能力，减少系统碳排放量，可为电力系统低碳经济调度提供理论参考。

部分代码展示：

function F=sc12()
clc
clear
tic
%% 基础数据
T=24;
K_gas=37.72;      %天然气低位燃烧热值（MJ/m^3）
nita_ch4=0.4;     %甲烷反应器转换效率
nita_H2=0.87;      %电解槽转换效率
nita_CB=0.7;      %电解槽转换效率
alpha_co2=1.76;   %生成单位天然气所需CO2的量（kg）
CHP_h=0.8;        %CHP热效率
CHP_e=0.35;
beta1=40*10^(-3)/7.2;  %弃风惩罚费用
beta2=35*10^(-3)/7.2;  %弃光惩罚费用
alpha_net=0.0046*10^(-3)/7.2;   %过网费成本系数alpha
beta_net=1.548*10^(-3)/7.2;     %过网费成本系数beta
pw=0.039;                      %风光运维成本
c_chp=0.021;                   %CHP运维成本
c_p2g=20*10^(-3)/7.2;         %P2G运维费用
load_e=xlsread('data.xlsx','C2:C25')';
load_h=xlsread('data.xlsx','D2:D25')';
load_g=xlsread('data.xlsx','E2:E25')';
load_H=xlsread('data.xlsx','G2:G25')';
C_e=xlsread('data.xlsx','A2:A25')';
C_g=xlsread('data.xlsx','B2:B25')';
S_w=xlsread('data.xlsx','F2:F25')';
S_p=xlsread('data.xlsx','H2:H25')';
C=[];
%% 决策变量定义 
P_wt=sdpvar(1,T);     %风机消纳功率
P_pv=sdpvar(1,T);      %光伏消纳功率
V_gas=sdpvar(1,T);     %P2G产生天然气体积
Q_co2=sdpvar(1,T);     %制气厂消耗二氧化碳的量
P_H2=sdpvar(1,T);      %电解池产生的氢气量
P_P2G=sdpvar(1,T);     %P2G消耗电功率量
P_h2cha=sdpvar(1,T);   %储氢罐充气功率
P_h2dis=sdpvar(1,T);   %储氢罐放气功率
H_h2cha=binvar(1,T);   %储氢罐充气变量
H_h2dis=binvar(1,T);   %储氢罐放气变量
P_H2total=sdpvar(1,T);   
E_h=sdpvar(1,T);       %储氢罐放气功率
P_CHPe=sdpvar(1,T);     %CHP发电功率
P_CHPh=sdpvar(1,T);     %CHP发热功率
P_CHPg=sdpvar(1,T);     %CHP耗气功率
Q_co2out=sdpvar(1,T);   %CHP燃烧产生的co2
P_be=sdpvar(1,T);       %购电功率
P_bg=sdpvar(1,T);       %购气功率
V_CB=sdpvar(1,T);       %燃气锅炉进气量
Q_CB=sdpvar(1,T);       %燃气锅炉发热量
P_MRh=sdpvar(1,T);       %甲烷反应器输入氢功率
P_MRg=sdpvar(1,T);       %甲烷反应器输出天然气功率
%% 风光模型 
C=[C,0<=P_wt<=S_w];
C=[C,0<=P_pv<=S_p];


%% P2G设备运行模型

C=[C,Q_co2==alpha_co2*nita_ch4*load_H];
C=[C,P_H2==nita_H2*P_P2G];           %电解槽产生氢气功率
C=[C,P_H2total==P_H2+P_h2dis-P_h2cha];
C=[C,0<=P_H2<=500];

%% 甲烷反应器运行模型
C=[C,P_MRg==nita_ch4*P_MRh];           %电解槽产生氢气功率
C=[C,0<=P_MRg<=250];

%% 储氢罐模型

C = [C, H_h2dis + H_h2cha <= 1];

C = [C, 0 <= P_h2cha <=H_h2cha*50];
C = [C, 0 <= P_h2dis<= H_h2dis*50];

for t = 2:24
        C = [C, E_h(t) == E_h(t-1) + 0.9*P_h2cha - P_h2dis/0.9]; 
end

C = [C, 0.1 <= E_h(:)/200 <= 0.9];
C = [C,  E_h(1)==E_h(24)];

%% CHP运行约束

C=[C,P_CHPe==P_CHPg*CHP_e];
C=[C,P_CHPh==P_CHPg*CHP_h];
C=[C,Q_co2out==P_CHPg*alpha_co2];
C=[C,0<=P_CHPg<=600];
for t=1:1:23
    C=[C,-50<=P_CHPg(t+1)-P_CHPg(t)<=50];
end

%% 燃气锅炉约束
C=[C,Q_CB==K_gas*nita_CB*V_CB];
C=[C,0<=Q_CB<=800];
for t=1:1:23
    C=[C,-100<=Q_CB(t+1)-Q_CB(t)<=100];
end
%% 功率平衡约束

C=[C,0<=P_be<=1000];
C=[C,0<=P_bg<=1000];
%电功率平衡
C=[C,load_e==P_wt+P_pv+P_CHPe+P_be];
%热功率平衡
C=[C,load_h==P_CHPh+Q_CB];
%气功率平衡
C=[C,load_g+P_CHPg+V_CB==P_MRg+P_bg];
%氢功率平衡
C=[C,load_H+P_MRh==P_H2+P_h2dis-P_h2cha];

%% 目标函数
Fe=sum((load_e).*C_e);
Fh=sum(0.65*load_h);
Fg=sum(load_g.*C_g);
CDE=sum(P_CHPe*c_chp+pw*(P_wt+P_pv));
CQ=sum(beta1*(S_w-P_wt)+beta2*(S_p-P_pv));
Cbe=sum(C_e.*P_be);
Cbg=sum(C_g.*P_bg);
Cnet=sum(alpha_net*(load_e).^2+beta_net*(load_e));
Cco2=0.5*sum((Q_co2out+0.92*P_be));
Ftotal=Fe+Fh+Fg-(CDE+CQ+Cbe+Cnet+Cbg);
F=0.5*Ftotal-0.5*Cco2;



%% 5.设求解器
ops = sdpsettings('verbose', 1, 'solver', 'cplex');
sol = optimize(C,-F);

%% 
if sol.problem == 0
    disp('succcessful solved');
else
    disp('error');
    yalmiperror(sol.problem)
end

toc



[model,recoveryalmip,diagnostic,internalmodel]=export(C,-F,ops);%转为cplex模型
milpt=Cplex('milp for htc');
milpt.Model.sense='minimize';
milpt.Model.obj=model.f;
milpt.Model.lb=model.lb;
milpt.Model.ub=model.ub;
milpt.Model.A=[model.Aineq;model.Aeq];
milpt.Model.lhs=[-inf*ones(size(model.bineq,1),1);model.beq];
milpt.Model.rhs=[model.bineq;model.beq];
milpt.Model.ctype=model.ctype;
milpt.writeModel('ab.lp');%输出cplex模型（注意大小写）
milpt.solve();%模型求解



P_wt=value(P_wt);     %风机消纳功率
P_pv=value(P_pv);      %光伏消纳功率
V_gas=value(V_gas);     %P2G产生天然气体积
Q_co2=value(Q_co2);     %制气厂消耗二氧化碳的量
P_H2=value(P_H2);      %电解池产生的氢气量
P_P2G=value(P_P2G);     %P2G消耗电功率量
P_h2cha=value(P_h2cha);   %储氢罐充气功率
P_h2dis=value(P_h2dis);   %储氢罐放气功率
H_h2cha=value(H_h2cha);   %储氢罐充气变量
H_h2dis=value(H_h2dis);   %储氢罐放气变量
P_H2total=value(P_H2total);   
E_h=value(E_h);       %储氢罐放气功率
P_CHPe=value(P_CHPe);     %CHP发电功率
P_CHPh=value(P_CHPh);     %CHP发热功率
P_CHPg=value(P_CHPg);     %CHP耗气功率
Q_co2out=value(Q_co2out);   %CHP燃烧产生的co2
P_be=value(P_be);       %购电功率
P_bg=value(P_bg);       %购气功率
V_CB=value(V_CB);       %燃气锅炉进气量
Q_CB=value(Q_CB);       %燃气锅炉发热量
P_MRh=value(P_MRh);       %甲烷反应器输入氢功率
P_MRg=value(P_MRg);       %甲烷反应器输出天然气功率
F=value(F);

效果展示：

77号资源-源程序：论文可在知网下载《基于合作博弈的综合能源系统利益分配优化调度》本人博客有解读资源-CSDN文库https://download.csdn.net/download/LIANG674027206/89139708👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆下载资源链接👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆

《《《《《《《《更多资源还请持续关注本专栏》》》》》》》

论文与完整源程序_电网论文源程序的博客-CSDN博客https://blog.csdn.net/liang674027206/category_12531414.html

电网论文源程序-CSDN博客电网论文源程序擅长文章解读,论文与完整源程序,等方面的知识,电网论文源程序关注python,机器学习,计算机视觉,深度学习,神经网络,数据挖掘领域.https://blog.csdn.net/LIANG674027206?type=download