虚拟电厂调度优化系统 (VPP Optimization System)
基于 oemof-solph 构建的虚拟电厂多能源资源协调调度优化系统，采用 CBC 求解器进行线性规划优化，本项目采用的虚拟数据作为演示（不具有现实参考性）。
项目地址：https://github.com/2308087369/Virtual-power-plants
项目文档：https://github.com/2308087369/Virtual-power-plants/blob/main/docs/optimization_modeling.md
🌟 系统效果预览
🎯 项目概述
本项目是一个完整的虚拟电厂调度优化解决方案，旨在为虚拟电厂提供智能化的能源资源调度策略，实现多类型能源资源的协调运行和成本最优化。系统集成了源网荷储一体化的现代能源管理理念，支持可再生能源、传统发电、储能系统、可调负荷和电网交互的协同优化。
注意！！！
本项目采用的数据都是通过数据生成方式的虚拟数据，如果需要替换成真实数据可以参考生成代码进行替换。
核心功能
- 多能源建模: 光伏、风电、燃气机组、储能系统、可调负荷、电网交互
- 智能调度: 基于线性规划的最优调度策略，实现成本最小化
- 需求响应: 冷机、热机等可调负荷参与系统优化，提供需求侧灵活性
- 实时分析: 完整的经济性和技术性能分析
- 可视化: 丰富的图表和报告生成
- 配置化: 灵活的YAML配置文件管理
最新特性 ✨
- ✅ 可调负荷: 新增冷机和热机可调负荷，支持需求侧响应
- ✅ 经济优化: 综合考虑发电成本、储能成本、可调负荷成本
- ✅ 智能可视化: 自动检测系统组件，动态生成相应图表
- ✅ 完整报告: 包含可调负荷分析的详细运行报告
🏗️ 系统架构
vpp_opt_test_qqder/
├── README.md # 项目文档
├── pyproject.toml # 项目配置
├── main.py # 主程序入口
├── config/ # 配置文件目录
│ ├── system_config.yaml # 系统参数配置
│ └── solver_config.yaml # 求解器配置
├── docs/ # 项目文档
│ └── optimization_modeling.md # 优化建模详细说明
├── src/ # 源代码目录
│ ├── __init__.py
│ ├── data/ # 数据生成模块
│ │ ├── __init__.py
│ │ └── data_generator.py # 负荷、光伏、风电、电价数据生成
│ ├── models/ # 优化模型模块
│ │ ├── __init__.py
│ │ └── vpp_model.py # oemof-solph能源系统建模
│ ├── solvers/ # 求解器模块
│ │ ├── __init__.py
│ │ └── optimization_solver.py # CBC求解器配置和优化求解
│ ├── analysis/ # 结果分析模块
│ │ ├── __init__.py
│ │ └── result_analyzer.py # 经济性分析和性能指标计算
│ └── visualization/ # 可视化模块
│ ├── __init__.py
│ └── plot_generator.py # 结果图表生成和报告
├── tests/ # 测试文件
│ └── test_vpp_system.py # 系统测试
├── examples/ # 示例和演示
│ └── demo_optimization.py # 简单演示
├── outputs/ # 输出结果目录
│ ├── plots/ # 图表输出
│ └── reports/ # 报告输出
├── logs/ # 日志文件
├── cbc/ # CBC求解器
│ └── bin/
│ └── cbc.exe # CBC可执行文件
└── test_*.py # 功能测试脚本
🔧 技术栈
核心技术
- 优化引擎: oemof-solph 0.5.0+ (开源能源系统建模框架)
- 求解器: CBC (Coin-or Branch and Cut) 线性规划求解器
- 建模工具: pyomo 6.6.0+ (数学建模语言)
- 数据处理: pandas, numpy
- 可视化: matplotlib, plotly
- 配置管理: PyYAML
- Python版本: 3.12+
依赖包
oemof.solph>=0.5.0 # 能源系统建模
pyomo>=6.6.0 # 数学优化建模
psutil>=7.0.0 # 系统监控
PyYAML>=6.0 # 配置文件解析
scipy>=1.11.0 # 科学计算
matplotlib>=3.8.0 # 图表绘制
pandas>=2.1.0 # 数据分析
numpy>=1.26.0 # 数值计算
🚀 快速开始
1. 环境准备
# 克隆项目
git clone https://github.com/2308087369/Virtual-power-plants
cd vpp_opt_test_qqder
# 安装依赖（推荐使用uv）
uv pip install -e .
# 或使用pip
pip install -e .
2. 运行优化
# 运行完整的虚拟电厂优化演示
python main.py --demo
# 运行主程序（默认模式）
python main.py
# 查看帮助信息
python main.py --help
3. 测试功能
# 测试基本功能
python test_cbc.py
# 测试完整流程
python test_complete_flow.py
# 测试可调负荷功能
python test_adjustable_loads.py
# 运行单元测试
python tests/test_vpp_system.py
4. 配置自定义
编辑配置文件来自定义系统参数：
系统配置 (config/system_config.yaml):
# 能源资源容量配置
energy_resources:
photovoltaic:
capacity_mw: 50 # 光伏装机容量
wind:
capacity_mw: 30 # 风电装机容量
gas_turbine:
capacity_mw: 100 # 燃气机组容量
battery_storage:
power_capacity_mw: 50 # 储能功率容量
energy_capacity_mwh: 200 # 储能能量容量
# 可调负荷配置
adjustable_loads:
chiller:
rated_power_mw: 20 # 冷机额定功率
operating_cost_yuan_mwh: 50 # 运行成本
heat_pump:
rated_power_mw: 15 # 热机额定功率
operating_cost_yuan_mwh: 40 # 运行成本
求解器配置 (config/solver_config.yaml):
cbc_options:
threads: 4 # 使用线程数
timeLimit: 300 # 求解时间限制(秒)
ratioGap: 0.01 # 最优性间隙(1%)
📊 主要组件
1. 发电资源 ⚡
可再生能源
- 光伏发电: 50MW装机，日间出力，成本5元/MWh
- 风力发电: 30MW装机，全天候运行，成本8元/MWh
传统发电
- 燃气机组: 100MW装机，最小出力30%，成本600元/MWh
2. 储能系统 🔋
- 功率容量: 50MW (充电/放电)
- 能量容量: 200MWh
- 往返效率: 90.25% (充电95% × 放电95%)
- 响应速度: 毫秒级快速响应
3. 可调负荷 🏭
冷机系统
- 额定功率: 20MW
- 调节范围: 30%-100%
- 制冷效率: 85%
- 响应时间: 5分钟
- 运行成本: 50元/MWh
热机系统
- 额定功率: 15MW
- 调节范围: 20%-100%
- 制热系数: COP=3.5
- 响应时间: 3分钟
- 运行成本: 40元/MWh
4. 电网交互 🏗️
- 最大购电: 1000MW
- 最大售电: 500MW
- 售电价格: 95%市场电价
- 双向调节: 支持购售电灵活切换
🎯 优化目标与约束
优化目标
系统以总运行成本最小化为目标，综合优化：
min: 发电成本 + 储能成本 + 可调负荷成本 + 电网交易成本 - 售电收入
主要约束
- 电力平衡约束: 供需实时平衡
- 设备容量约束: 各设备运行在额定范围内
- 储能SOC约束: 储能荷电状态限制
- 机组爬坡约束: 燃气机组最小出力约束
- 可调负荷约束: 冷热机调节范围约束
- 电网交易限制: 购售电功率上限
📚 详细数学建模
📖 完整的优化建模说明: 优化建模文档
包含详细的目标函数、约束条件、决策变量等数学公式和建模方法说明。
📈 输出结果
调度策略输出
- ⚡ 发电计划: 各时段光伏、风电、燃气机组出力
- 🔋 储能策略: 充放电功率和SOC变化
- 🏭 负荷调节: 冷机、热机功率调节策略
- 🔌 电网交易: 购售电计划和交易量
分析报告
- 📊 经济性分析: 成本结构、收益分析、投资回报
- 📈 技术指标: 可再生能源渗透率、自给自足率、设备利用率
- 📋 运行报告: 详细的系统运行总结和建议
可视化图表
- 📉 发电资源出力曲线
- ⚖️ 负荷与供应平衡图
- 🔋 储能充放电策略图
- 🏭 可调负荷运行状态图
- 💰 电价变化和成本结构图
📊 典型运行结果
基于24小时优化调度的典型结果：
能源供需结构
- 总负荷需求: 1,259.8 MWh
- 可再生能源发电: 665.8 MWh (49.1%渗透率)
- 可调负荷参与: 207.0 MWh (16.4%参与率)
- 自给自足率: 100%
经济性表现
- 净运行成本: 464,960元
- 平均供电成本: 369.08元/MWh
- 可调负荷成本: 9,660元
- 年化运行成本: 约1.7亿元
系统性能
- 可再生能源利用率: 高效消纳
- 储能系统效率: 需优化调度策略
- 负荷响应能力: 35MW可调容量
- 电网交易平衡: 134.18 MWh净购电
📊 关键技术指标
通过可视化结果可以清晰看到：
- 🌞 光伏发电: 日间高效发电，峰值达到额定容量
- 💨 风力发电: 全天候稳定出力，提供基础电力供应
- ⚡ 燃气机组: 灵活调节，在可再生能源不足时及时补充
- 🔋 储能系统: 削峰填谷，优化电力供需匹配
- 🏭 可调负荷: 冷机和热机智能参与需求侧响应
- 🔌 电网交互: 双向功率流，实现经济优化运行
💡 提示: 图表数据基于真实的优化算法计算结果，反映了虚拟电厂在实际运行中的调度策略和经济效益。
🔍 使用场景
适用领域
- 🏭 工业园区: 多能源协调调度和成本优化
- 🏢 商业综合体: 冷热电联供系统优化
- 🌆 智慧城市: 区域能源管理和需求响应
- ⚡ 电力市场: 虚拟电厂聚合资源参与市场交易
- 🔬 科研院所: 能源系统优化算法研究
典型用户
- 虚拟电厂运营商: 制定最优调度策略
- 能源管理系统开发者: 算法验证和系统集成
- 电力市场参与者: 交易策略制定和风险评估
- 工业用户: 能源成本控制和需求侧管理
🛠️ 开发指南
扩展新的可调资源
- 配置文件扩展:
# config/system_config.yaml
adjustable_loads:
new_device:
rated_power_mw: 10
operating_cost_yuan_mwh: 30
- 模型组件添加:
# src/models/vpp_model.py
def _create_adjustable_loads(self):
# 添加新设备的建模逻辑
new_device = solph.components.Sink(...)
- 结果分析更新:
# src/analysis/result_analyzer.py
# 添加新设备的结果提取和分析
自定义优化目标
可以通过修改oemof-solph模型来实现不同的优化目标：
- 碳排放最小化
- 可再生能源利用率最大化
- 峰谷差最小化
- 多目标权衡优化
⚠️ 注意事项
系统要求
- 操作系统: Windows 10+, Linux, macOS
- Python版本: 3.12或更高
- 内存: 建议8GB以上
- 处理器: 多核处理器，支持并行计算
求解器配置
- CBC求解器已包含在项目中 (
cbc/bin/cbc.exe) - 大规模问题建议使用商业求解器（Gurobi, CPLEX）
- 求解时间可通过配置文件调整
性能优化建议
- 适当调整时间段数量和模型复杂度
- 使用多线程求解提升性能
- 监控内存使用，避免内存不足
🐛 故障排除
常见问题
1. CBC求解器找不到
# 检查CBC路径
ls cbc/bin/cbc.exe
# 重新安装依赖
uv pip install -e .
2. 求解失败
- 检查数据有效性
- 调整求解器参数
- 查看日志文件
logs/solver.log
3. 内存不足
- 减少优化时间段
- 简化模型约束
- 增加虚拟内存
📝 许可证
MIT License - 详见 LICENSE 文件
扫一扫
592
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
