电力系统中机组组合强大的Yalmip+Cplex（入门学习+机组组合问题Matlab实现）_matlab机组组合 yalmip cplex 输出机组出力结果

目录

1、概述

（1）电力调度优化理论及其应用

（2）电力调度的机组组合UC 

（3）组合模型及算法 

2、人性化的Yalmip+Cplex 

（1）热身运动——线性规划

3、Yalmip+Cplex 解决机组组合（YYDS）

3.1 算例

3.2 目标函数

 3.3 约束条件

3.4 模型约束条件处理

3.5 Matlab代码实现

1、概述

（1）电力调度优化理论及其应用

（2）电力调度的机组组合UC 

（3）组合模型及算法 

2、人性化的Yalmip+Cplex 

（1）热身运动——线性规划

         尽管 python 比较火，cplex 对 python 的支持目前还不是太全，相关的学习资料比较少，ibm 自己 出的资料对 python 包的介绍也很简略，例子及相关类方法的介绍也不详细，这一点远没有对 java 或 c++ 支持地好。cplex 在 python 中没有重载加减乘除符号吗？目前给的例子都是输入系数矩阵这种形式。使用起来非常不方便的。

         所以推出了Yalmip+Cplex（matlab），matlab中这个库的下载方法，后面的文章会讨论matlab中Yalmip+Cplex这个强大的库在我们电力系统中的强大作用（噢头曼！！!)，虽然我很喜欢用Python，但是python是这几年才火起来，所以这个Cplex库还不是很完善，所以对于这个库强烈推荐matlab。下面先来点简单的线性规划，让大家热身。
                                  

%（1）设定决策变量X（1）、X（2）
%（2）sdpvar：实数变量；binvar：0—1变量；intvar：整型变量
%（3）Yalmip默认是对称的，要求非对称用full
 
x=sdpvar(2,1,'full');   
z=-2*x(1)+4*x(2);         %目标函数，默认最小
st=[];                    %设定一系列约束
st=[st,-3*x(1)+x(2)<=6];
st=[st,x(1)+2*x(2)>=4];
st=[st,x(1)+3*x(2)==4];
st=[st,x(2)>=-3];
ops=sdpsettings('solver','cplex');  %设定求解器
r=optimize(st,z);                   %求解，如果最大值用-z
x=value(x);                         %查看求解结果x的值
z=value(z);                         %查看目标函数的最优解

%结果
Optimal solution found.
 
>> x
 
x =
 
    13
    -3
 
>> z
 
z =
 
   -38

 ​​​

3、Yalmip+Cplex 解决机组组合（YYDS）

3.1 算例

基于已知的系统数据，求解计划时间内的6机30节点41支路的功率情况与机组的开停机情况，使得系统总成本达到最小。该问题的决策变量由两类，第一类是各时段机组的出力，为连续变量。第二类是各时段机组的启停状态,为整数变量，0表示关停,1表示启动。
本问题属于混合整数规划(MIP）问题，即要在决策变量的可行解空间里找到一组最优解，使得目标函数尽可能取得极值。对于混合整数规划，CPLEX提供了快速的MIP求解方法。

3.2 目标函数

 3.3 约束条件

3.4 模型约束条件处理

模型中有许多约束条件，这些约束条件不能用程序直接表达，只能用变换来表达。

 

3.5 Matlab代码实现