可再生能源与电动汽车协同调度的双层优化模型研究

1. 项目背景与研究意义

在能源转型与碳中和目标的双重驱动下，可再生能源发电与电动汽车的协同调度已成为电力系统优化领域的前沿课题。这项研究源于一个关键矛盾：风电、光伏等可再生能源的间歇性与电动汽车充电需求的时空随机性，给配电网运行带来了巨大挑战。传统调度方法往往将两者割裂处理，导致可再生能源消纳率低、电网峰谷差加剧等问题。

山东大学赵浩然博士的这项研究创新性地构建了双层优化模型：上层通过二次规划协调全局资源，下层采用二阶锥规划处理配电网最优潮流问题。这种分层架构既保证了调度策略的全局最优性，又满足了实时计算的时效性要求。作为硕士论文的复现项目，我们将通过Matlab和Python双平台实现，完整还原论文中的算法设计与实验验证过程。

2. 模型架构与数学基础

2.1 双层优化框架设计

整个协同调度系统采用"宏观-微观"的双层控制架构：

上层模型（系统级调度）

• 决策变量：各时段可再生能源发电计划、电动汽车充放电总量
• 目标函数：最小化系统总运行成本（火电燃料成本+弃风弃光惩罚成本）
• 约束条件：

  math复制\min \frac{1}{2}x^TQx + c^Tx \\
  s.t.\ Ax \leq b \\
       Cx = d
  

  其中Q为正定矩阵，保证问题凸性

下层模型（配电网级优化）

• 决策变量：各节点电压、支路功率、EV充放电功率
• 目标函数：最小化配电网有功损耗
• 关键创新：将非凸的AC最优潮流松弛为二阶锥规划：

  math复制\min \sum_{t=1}^T \sum_{(i,j)\in E} r_{ij}I_{ij,t} \\
  s.t.\ V_iI_{ij} \geq P_{ij}^2 + Q_{ij}^2 \quad (二阶锥约束) \\
       V_{min} \leq V_i \leq V_{max}
  

2.2 凸优化理论应用

项目核心在于将复杂的非凸问题转化为可高效求解的凸优化问题。对于下层模型，我们采用如下转换技巧：

1. 网损线性化：传统网损表达式为非线性项，通过引入虚拟电流变量I_ij=(P_ij^2+Q_ij^2)/V_i，将目标函数转为线性
2. 锥松弛精确性：在配电网辐射状拓扑下