智能电网分布式模型预测控制的博弈论方法.zip

【实例简介】
在该项目中，已考虑对住宅区的智能电网进行控制，其中包括10000个可控负载（例如智能房屋）和10000辆电动汽车（EV），以优化电网中能源交易的货币成本，降低成本的服务，以及具有系统负载的配置文件，该文件显示了一天中每个小时的系统总电力负载，并尽可能平缓地进行负载均衡服务。请注意，每个EV和灵活负载在制定未来几个小时的功耗/发电计划时都有其自己的愿望和约束。将所有这些方面放在一起会导致大规模，复杂的优化问题，就硬件限制而言，这可能无法解决。因此，在本文中，我们利用一些数学工具在网格中的所有代理，电动汽车和灵活负载之间分配了解决此问题的计算负载，从而使每个代理都应制定自己的功耗/发电计划当然可以与其他人进行互动和协作。基于对网格中信息可访问性的假定假设，在两种不同的情况下（离线和在线情况下）对该过程进行了模拟。
【实例截图】
【核心代码】
16359647431834742851.zip
├── code
│   ├── LICENSE
│   ├── Offline Scenario
│   │   ├── Agg1.m
│   │   ├── Agg2.m
│   │   ├── ConsFind.m
│   │   ├── CreateCars.m
│   │   ├── CreateFlexLoad.m
│   │   ├── main.m
│   │   ├── Optimizer2.m
│   │   ├── optimizer.m
│   │   ├── Plot_Offline.m
│   │   └── PriceFinderVeh.m
│   ├── Online Scenario
│   │   ├── Agg1_MPC.m
│   │   ├── AvailableCarFinder.m
│   │   ├── ChangeAvaiCars.m
│   │   ├── ConsFind_MPC.m
│   │   ├── CreateCars_MPC.m
│   │   ├── CreatePowerGrid.m
│   │   ├── MPC.m
│   │   ├── optimizer_MPC.m
│   │   ├── Plot_Online.m
│   │   └── Updater.m
│   └── run
├── environment
│   └── Dockerfile
├── metadata
│   ├── cover.png
│   └── metadata.yml
├── pre_computed_results
│   ├── Fig2.fig
│   ├── Fig3.fig
│   ├── Fig3_L.mat
│   ├── Fig4.fig
│   ├── Fig5.fig
│   ├── Fig5_L.mat
│   ├── Fig5_LUnc.mat
│   ├── Fig5_MPC.mat
│   ├── Fig6.fig
│   ├── L_0_1_10000.mat
│   ├── L_0_1_15000.mat
│   ├── L_0_1_20000.mat
│   ├── L_0_1_5000.mat
│   ├── L_1_1_10000.mat
│   ├── L_1_1_15000.mat
│   ├── L_1_1_20000.mat
│   ├── L_1_1_5000.mat
│   ├── L_MPC_20000.mat
│   ├── Load.mat
│   ├── Plot.m
│   └── PriceFinderVeh.m
└── readme.txt

6 directories, 47 files