相关代码资源：TOPSIS法（优劣解距离法）需要代码可关注博主
风、光、负荷场景生成；风电出力各场景及概率；光伏出力各场景及概率；负荷各场景及概率；场景的削减；样本概率初始化；样本削减
基本算法智能微电网粒子群优化算法,微源：光伏、风机、发电机、储能等
MATLAB代码：基于双层优化的电动汽车日前-实时两阶段市场竞标
关键词：日前-实时市场竞标 电动汽车 双层优化
编程语言：MATLAB平台
内容简介：代码主要做的是电动汽车充电站市场竞标策略，采用双层优化模型对电动汽车的竞标策略进行优化，且在多个时间尺度，即日前和实时尺度分别进行了优化，双层优化中，上层为电动汽车的充放电费用最低目标函数，下层为市场出清模型，以社会福利最大化为目标函数，通过求解均衡解，得出了最优市场竞标策略。
实现效果截图（含论文截图）：
%%%集中调度模式%%%
%%%日前，按节点边际电价结算%%%
clear
clc
%决策变量
S=sdpvar(4,96);%广义储能设备电量
Pg=sdpvar(10,96);%发电商分段电量
Pf=sdpvar(7,96);%馈线功率
Pch=sdpvar(4,96);%各充电站出清充电电量
Pdis=sdpvar(4,96);%各充电站出清放电电量
%基本参数
load data_potential_DA
Link=zeros(24,96);%时段换算矩阵(日前1h换算为实时15min)
for i=1:24
Link(i,4*i-3:4*i)=1;
end
Loadcurve=[0.955391944564747,0.978345604157644,1,0.995019488956258,0.972932005197055,0.970333477695972,0.930489389346037,0.890428757037679,0.902771762667822,0.941966219142486,0.911000433087917,0.862061498484192,0.840190558683413,0.831095712429623,0.756604590731919,0.671719359029883,0.611520138588133,0.582936336076224,0.572542226071893,0.574707665656128,0.587267215244695,0.644218276310091,0.755521870939801,0.884798614118666];
Loadcurve=Loadcurve*Link;%换成96个时段
PL_base=[5.704;5.705;5.631;6.518;4.890;5.705;5.847]*1000;%负荷分布
PL=PL_base*Loadcurve;%基础负荷(负荷曲线从08:00开始算起，即第9个时段)
Pf_limit=1000*[40,40,40,40,40,40,40]';%馈线功率限制
Pg_step=1000*[20,5,3,2,2,2,2,2,2,100]';%报价区间
Price_DSO=[3:12]'*0.1;%分段电价
Pchmax=[Forecast_CS1(1,1:96);Forecast_CS2(1,1:96);Forecast_CS3(1,1:96);Forecast_CS4(1,1:96)];%充电站充电报量上限
Pdismax=[Forecast_CS1(2,1:96);Forecast_CS2(2,1:96);Forecast_CS3(2,1:96);Forecast_CS4(2,1:96)];%充电站放电报量上限
Smin=[Forecast_CS1(3,1:96);Forecast_CS2(3,1:96);Forecast_CS3(3,1:96);Forecast_CS4(3,1:96)];%充电站电量下限;
Smax=[Forecast_CS1(4,1:96);Forecast_CS2(4,1:96);Forecast_CS3(4,1:96);Forecast_CS4(4,1:96)];%充电站电量上限;
deltaS=[Forecast_CS1(5,1:96);Forecast_CS2(5,1:96);Forecast_CS3(5,1:96);Forecast_CS4(5,1:96)];%充电站电量变化量;
lastS=[Forecast_CS1(5,97);Forecast_CS2(5,97);Forecast_CS3(5,97);Forecast_CS4(5,97)];%第96个时段必须完成的充电量
%约束条件