企业官网建设流程全解析

FileZilla做网站,网站建设商务通什么意思,做网站 好苦逼,全网推广怎么做#x1f4a5;#x1f4a5;#x1f49e;#x1f49e;欢迎来到本博客❤️❤️#x1f4a5;#x1f4a5; #x1f3c6;博主优势#xff1a;#x1f31e;#x1f31e;#x1f31e;博客内容尽量做到思维缜密#xff0c;逻辑清晰#xff0c;为了方便读者。 ⛳️座右铭欢迎来到本博客❤️❤️博主优势博客内容尽量做到思维缜密逻辑清晰为了方便读者。⛳️座右铭行百里者半于九十。本文目录如下目录1 概述1.1 上层问题1.2 下层问题2 运行结果2.1 Python运行结果2.2 Matlab代码运行结果3 参考文献4 Matlab代码、Python代码、数据1 概述文献来源1.1 上层问题在第3章所建立的上层模型中目标函数为二次凸函数且约束条件均为线性属于典型的二次规划问题二次规划问题是最基本的非线性规划问题其主要特点就是目标函数为二次型且约束均为线性约束一般形式可以表示如下:1.2 下层问题下层对各充电站有功无功充放量以及各可再生能源发电站无功出力的优化过程,实际上就是调度对象仅包含电动汽车储能和可再生能源的配电网的有功无功协调优化过程属于最优潮流问题。最优潮流的求解方法主要分为智能算法和数值分析法两大类。智能算法对问题的形式没有任何要求具有极强的通用性并且从理论上具有全局寻优的能力。但在实际应用中该类算法容易陷入局部最优而且存在计算量大寻优速度慢求解结果不稳定等弊端[42]。本文提出的调度策略是实时进行的,具有一定的计算速度的要求从而也限制了对智能算法的使用。数值分析法大都只具备局部寻优能力只有凸规划方法具有全局寻优性。此外下层模型中计及充电桩及可再生能源并网逆变器的无功响应配电网的运行优化过程涉及有功及无功的协调优化该模型中的最优潮流问题是一个非凸非线性问题,基于凸优化理论的凸规划能够通过在算法上进行松弛为非凸问题提供一个有效的解决途径。目前凸优化算法中的半正定规划(semi-definite programming, SDP)和二阶锥规划(second order conic programming, SOCP在电力系统中的应用较为广泛其中SOCR作为锥规划中的一个特例使用和求解较其他锥规划更加容易因此对SOCR 的研究和应用也最为广泛。二阶锥规划作为一种凸优化拥有凸规划的所有优势因此在二阶锥规划问题中所有的局部最优解都是全局最优的且求解效率及准确性相较于非线性规划有了明显提高。但它要求优化模型的目标函数必须为线性43因此在下层模型的目标函数中使用支路电流描述系统的有功网损即可将原目标函数转换为线性函数:详细讲解见第4部分。2 运行结果2.1 Python运行结果部分代码if i in range(0,15): Column11 PF33.addConstr((pev1[0]num_ask0*50/1000), namecolumn11)#电动汽车有功约束---充电 Column12 PF33.addConstr((pev1[0]0), namecolumn12) Column13 PF33.addConstr((pev2[0]num_ask1*50/1000), namecolumn13) Column14 PF33.addConstr((pev2[0]0), namecolumn14) Column15 PF33.addConstr((pev3[0]num_ask2*50/1000), namecolumn15) Column16 PF33.addConstr((pev3[0]0), namecolumn16) elif i in range(15,24): Column11 PF33.addConstr((pev1[0]-num_ask0*50/1000), namecolumn11)#电动汽车有功约束---放电 Column12 PF33.addConstr((pev1[0]0), namecolumn12) Column13 PF33.addConstr((pev2[0]-num_ask1*50/1000), namecolumn13) Column14 PF33.addConstr((pev2[0]0), namecolumn14) Column15 PF33.addConstr((pev3[0]-num_ask2*50/1000), namecolumn15) Column16 PF33.addConstr((pev3[0]0), namecolumn16)2.2 Matlab代码运行结果部分代码%二阶锥约束 Constraints [Constraints, V(branch(:,1),:).*I P.^2Q.^2]; %% 通用约束 %节点电压约束 Constraints [Constraints, Vmin V,V Vmax]; %发电机功率约束 Constraints [Constraints, -Pgmax Pg,Pg Pgmax,-Qgmax Qg,Qg Qgmax]; %支路电流约束 Constraints [Constraints, 0 I,I 0.11*Zij]; %支路功率约束 Constraints [Constraints, -0.11*Zij P,P 0.11*Zij,-0.11*Zij Q,Q 0.11*Zij]; %% 4.设目标函数 objective sum(sum(I.*(r*ones(1,T))));%网损最小 %% 5.设求解器 opssdpsettings(verbose, 1, solver, cplex); soloptimize(Constraints,objective,ops);3参考文献文章中一些内容引自网络会注明出处或引用为参考文献难免有未尽之处如有不妥请随时联系删除。[1]赵浩然. 可再生能源发电与电动汽车的协同调度策略研究[D].山东大学,2020.DOI:10.27272/d.cnki.gshdu.2020.001215.4 Matlab代码、Python代码、数据