协同ADMM求解考虑碳排放约束直流潮流问题的对偶问题(附文章和程序下载地址)

A Distributed Dual Consensus ADMM Based on Partition for DC-DOPF with Carbon Emission Trading

1.What about this project/study?(项目介绍)

  This study is using alternating direction method of multipliers (ADMM) approach for solving the direct current dynamic optimal power flow with carbon emission trading (DC-DOPF-CET) problem. Theoretically, our method can effectively solve DC-DOPF problem with complex constraints (i.e., CET, DR), as long as these constraints are convex and separable.  In this study, we focus on the impact of parameter rou and miu, the number of elements in the consensus variable, the number of subsystems and the scale of power systems on the convergence performance. In order to verify the performance of our proposed algorithms and the effective of improved,we apply them on a various of numerical case studies, and compare their key features and simulation resultswith the method in [6] and [7]. The numerical case studies include a 6-bus system, a 30-bus system, a RTS48-bussystem in [6], a 118-bus system in [7] and a 1062-bus system. The results show that the convergence performancelargely depends on the number of elements in the consensus variable rather than the number of subsystems orthe scale of power systems. An excellent subsystem partition strategy cound enhance the convergence performance, since it has less global variables.


[6] A. Kargarian, J. Mohammadi, J. Guo, S. Chakrabarti, M. Barati, G. Hug, S. Kar and R. Baldick, “Toward Distributed/Decentralized DC Optimal Power Flow Implementationin Future Electric Power Systems,” IEEE Trans. Smart Grid, 2016.
[7] Y. Wang, L. Wu and S. Wang, “A Fully-Decentralized Consensus-Based ADMM Approach for DC-OPF With Demand Response,” IEEE Trans. Smart Grid, vol. 8, no. 6, pp. 2637-2647, Nov. 2017.

 

2.The description of folder (文件夹说明)

  • SCUC_dat : The numerical case studies data. 计算数据
  • Picture : The figures and tables in this paper. 数据结果图表。

3.The description of implement code files (函数文件说明)

  • DCOPF_ADMM.m : The main funciton. 主函数。
  • ReadDataSCUC : Read the SCUC6.txt and SCUC1062.txt. SCUC6.txt和SCUC1062.txt的读取函数。
  • ReadDataDCDOPF : Read the DDOPF118.txt和RTS48.txt. DDOPF118.txt和RTS48.txt的读取函数。
  • SCUC_nodeY : Construct network admittance matrix. 形成导纳矩阵的函数。
  • partitionNode : Set the partition of the system. 设置分区的函数。
  • partitionDataPI : The procedure of identifying "real" coupling boudnary branches and brandary buses. 识别耦合节点和耦合支路的函数。
  • formMatrixA : Corresponding to the constraint (17) in manuscript. 构造文章中约束(17)的系数矩阵。
  • formMatrixM : Corresponding to the constraint (18) in manuscript. 构造文章中约束(18)的系数矩阵。
  • formQC4Emission : Corresponding to the constraint (19) in manuscript. 构造文章中约束(19)的系数矩阵。
  • yanZheng : Using Cplex to solve DC-DOPF-CET problem. 使用Cplex求解DC-DOPF-CET。
  • formQCP_PI_x_i : Corresponding to the constraint (30) in manuscript. 构造文章中约束(30)的系数矩阵。

4.Prerequisite(运行该项目需要的库或软件)

  • Matlab R2014a
  • Cplex 12.6.2

  Every version of Cplex only support specific version of MATLAB. Otherwise, it may be cause some unknown problems. In my opinion, the code can run correctly with the latest Cplex version.

5.Publication


  • If you use our study in academic work then please consider citing our papers.(如果您参考我们的项目/论文 并用于学术目的,请考虑引用我们的论文


6. About Us (关于我们)


  • Authors:Lingfeng Yang (ylf@gxu.edu.cn), Jiangyao Luo (landiljy@163.com), Yan Xu, Zhenrong Zhang, Zhaoyang Dong
  • Webpage: http://jians.gxu.edu.cn/default.do


7. Download (下载)

协同ADMM求解考虑碳排放约束直流潮流问题的对偶问题(A Distributed Dual Consensus ADMM Based on Partition for DC-DOPF with Carbon Emission Trading)的更多相关文章

  1. 用ADMM求解大型机器学习问题

    [本文链接:http://www.cnblogs.com/breezedeus/p/3496819.html,转载请注明出处] 从等式约束的最小化问题说起:                       ...

  2. {转}用ADMM求解大型机器学习问题

    [本文链接:http://www.cnblogs.com/breezedeus/p/3496819.html] 从等式约束的最小化问题说起:                               ...

  3. 02(e)多元无约束优化问题- 梯度的两种求解方法以及有约束转化为无约束问题

    2.1 求解梯度的两种方法 以$f(x,y)={{x}^{2}}+{{y}^{3}}$为例,很容易得到: $\nabla f=\left[ \begin{aligned}& \frac{\pa ...

  4. 余胜威《MATLAB数学建模经典案例实战》2015年版

    内容介绍 本书全面.系统地讲解了数学建模的知识.书中结合历年全国大学生数学建模竞赛试题,采用案例与算法程序相结合的方法,循序渐进,逐步引导读者深入挖掘实际问题背后的数学问题及求解方法.在本书案例的分析 ...

  5. 交替方向乘子法(ADMM)的原理和流程的白话总结

    交替方向乘子法(ADMM)的原理和流程的白话总结 2018年08月27日 14:26:42 qauchangqingwei 阅读数 19925更多 分类专栏: 图像处理   作者:大大大的v链接:ht ...

  6. 4. SVM分类器求解(2)

    最优间隔分类器(optimal margin classifier) 重新回到SVM的优化问题: 我们将约束条件改写为: 从KKT条件得知只有函数间隔是1(离超平面最近的点)的线性约束式前面的系数,也 ...

  7. ADMM与one-pass multi-view learning

    现在终于开始看论文了,机器学习基础部分的更新可能以后会慢一点了,当然还是那句话宁愿慢点,也做自己原创的,自己思考的东西.现在开辟一个新的模块----多视图学习相关论文笔记,就是分享大牛的paper,然 ...

  8. 在线最优化求解(Online Optimization)之三:FOBOS

    在线最优化求解(Online Optimization)之三:FOBOS FOBOS (Forward-Backward Splitting)是由John Duchi和Yoram Singer提出的[ ...

  9. 交替方向乘子法(ADMM)

    交替方向乘子法(ADMM) 参考1 参考2 经典的ADMM算法适用于求解如下2-block的凸优化问题( 是最优值,令 表示一组最优解): Block指我们可以将决策域分块,分成两组变量, 这里面 都 ...

随机推荐

  1. .Net Core 智能提示汉化包

    在.Net Core 2.x 版本,Microsoft 官方没有提供 .Net Core 正式版的多语言安装包.因此,我们在用.Net Core 2.x 版本作为框架目标编写代码时,智能提成是英文的. ...

  2. jQuery---scrollTop和scrollLeft的方法

    scrollTop和scrollLeft的方法 <script src="jquery-1.12.4.js"></script> <script> ...

  3. Windows Server多用户同时远程登录

    因为工作需要,需要使用windwos作为一个远程登录跳板机,管理员对登录windwos机器再windwos的基础上连接别的机器,普通用户也可以连接windwos机器再连接别的机器,关于管理员普通用户连 ...

  4. 深信服SCSA

    最近应公司要求报了SCSA课程,老师讲解的可谓是非常的专业以及详细,不止深信服产品及其配置,还有VPN,网络基础的原理介绍等等,产品不用说,工作中会遇到,能学即学.最好的要数网络发包原理,建立连接等底 ...

  5. java中堆栈的一些理解备忘

    堆:用来存放对象的信息,同一个类存放各自的成员变量,共享对象的方法. 栈:用来保存局部变量的值,包括基本数据类型的值.保存类的实例(堆区对象的引用).保存加载方法的帧. 常量池:包含了一个类型所有的对 ...

  6. Subway POJ - 2502 spfa

    #include<cstdio> #include<cmath> #include<cstring> #include<cstring> #includ ...

  7. 杭电oj_2047——阿牛的EOF牛肉串(java实现)

    题目链接:http://acm.hdu.edu.cn/showproblem.php?pid=2047 思路:先是列出了四个,但是没发现规律,然后开始画递归树,在其中找到了规律,算出递归式为f(n) ...

  8. Python-Django学习笔记(三)-Model模型的编写以及Oracle数据库的配置

    Django使用的 MTV 设计模式(Models.Templates.Views) 因此本节将围绕这三部分并按照这个顺序来创建第一个页面 模型层models.py 模型是数据唯一而且准确的信息来源. ...

  9. H3C接口管理配置

    一.接口批量配置 当多个接口需要配置某功能(比如shutdown)时,需要逐个进入接口视图,在每个接口执行一遍命令,比较繁琐.此时,可以使用接口批量配置功能,对接口进行批量配置,节省配置工作量. 1. ...

  10. [CF1304C] Air Conditioner

    维护一区间 \([l,r]\) 人按照时间升序 考虑 \((l_i, h_i, t_i)\),当前的所有区间与这个区间取交 推到 \(t_{i+1}\) 时,所有区间的端点向两边扩张即可 注意把空掉的 ...