好的，如果你希望使用一个**更简单的算法**来解决这个问题，而不是使用复杂的优化建模工具（如 `pyomo`），我们可以使用**贪心策略**（Greedy Algorithm）来实现一个近似最优调度方案。 --- ## 🧠 简单贪心策略思路： 我们每个小时做以下决策： 1. **优先使用光伏电力**来满足负荷。 2. **如果光伏电力不足**，优先使用电池放电。 3. **如果电池也不能提供足够的电力**，则从电网购电。 4. **如果光伏电力过剩**： - 优先给电池充电。 - 如果电池已满，则削减多余光伏电力。 5. **电池充放电时考虑效率**（90%）。 6. **每次充放电都计入电池衰减成本**（0.01$/kWh）。 7. **电网输入不能超过20kW**。 8. **电池充放电速率不超过5kW**。 --- ## ✅ Python 实现（贪心策略） ```python # 数据定义 PV = [0, 0, 0, 0, 0, 3, 5, 8, 10, 12, 15, 18, 18, 13, 11, 8, 5, 3, 0, 0, 0, 0, 0, 0] Load = [2, 2, 2, 2, 2, 2, 7, 9, 5, 2, 2, 2, 2, 2, 3, 7, 9, 12, 12, 15, 6, 2, 2, 2] hours = 24 # 电池参数 battery_capacity = 20 # kWh battery_charge_rate = 5 # kW battery_discharge_rate = 5 # kW battery_efficiency = 0.9 # 90% battery_initial_soc = 5 # kWh # 电网参数 grid_max_power = 20 # kW grid_price = 0.15 # $/kWh battery_degradation_cost = 0.01 # $/kWh # 初始化 soc = battery_initial_soc total_cost = 0 schedule = [] for t in range(hours): pv = PV[t] load = Load[t] # Step 1: 使用光伏电力 use_pv = min(pv, load) remaining_load = load - use_pv pv_used = use_pv pv_cut = 0 # Step 2: 尝试使用电池放电 max_discharge = min(battery_discharge_rate, remaining_load, soc) discharge_energy = max_discharge if discharge_energy > 0: use_battery = discharge_energy * battery_efficiency use_battery_actual = min(use_battery, remaining_load) soc -= use_battery_actual / battery_efficiency remaining_load -= use_battery_actual else: use_battery_actual = 0 # Step 3: 从电网购买电力 grid_power = min(remaining_load, grid_max_power) remaining_load -= grid_power cost = grid_power * grid_price total_cost += cost # Step 4: 多余光伏充电 if remaining_load == 0: surplus = pv - pv_used charge_energy = min(surplus, battery_charge_rate, battery_capacity - soc) soc += charge_energy * battery_efficiency pv_cut = surplus - charge_energy else: # 如果仍有负荷未满足，说明电网供电不足（但这里假设电网可以满足） pass # 计算电池衰减成本 battery_cycle_cost = battery_degradation_cost * (use_battery_actual + charge_energy) total_cost += battery_cycle_cost # 记录结果 schedule.append({ 'hour': t + 1, 'pv_used': pv_used, 'pv_cut': pv_cut, 'battery_discharge': use_battery_actual, 'battery_charge': charge_energy, 'grid_power': grid_power, 'soc': soc, 'step_cost': cost + battery_cycle_cost }) # 输出结果 print("Total Cost: $%.2f" % total_cost) print("{:<6} {:<6} {:<6} {:<6} {:<6} {:<6} {:<6} {:<10}".format( "Hour", "PV_U", "BattD", "BattC", "Grid", "SOC", "Cut", "StepCost")) for s in schedule: print("{hour:6} {pv_used:6.2f} {battery_discharge:6.2f} {battery_charge:6.2f} {grid_power:6.2f} {soc:6.2f} {pv_cut:6.2f} {step_cost:10.2f}".format(**s)) # 可视化 import matplotlib.pyplot as plt plt.figure(figsize=(12, 6)) plt.plot([s['soc'] for s in schedule], label='Battery SOC (kWh)') plt.plot([s['grid_power'] for s in schedule], label='Grid Power (kW)') plt.plot([s['battery_discharge'] for s in schedule], label='Battery Discharge (kW)') plt.plot([s['battery_charge'] for s in schedule], label='Battery Charge (kW)') plt.plot(PV, label='PV Generation (kW)') plt.plot(Load, label='Load Demand (kW)') plt.legend() plt.xlabel('Hour') plt.ylabel('Power (kW) / SOC (kWh)') plt.title('Microgrid Operation Schedule (Greedy Strategy)') plt.grid(True) plt.show() ``` --- ### 🔍 代码解释： - **每小时决策逻辑**： - 优先使用光伏电力。 - 其次使用电池放电。 - 最后从电网购电。 - 多余的光伏电力用于给电池充电。 - 剩余无法使用的光伏被削减。 - **成本计算**： - 电网电力成本 = 电网功率 × 电价 - 电池衰减成本 = （充电 + 放电） × 单位衰减成本 - **可视化**： - 绘制了 SOC、电网功率、充放电功率、光伏和负荷曲线。 --- ### ✅ 优点： - 简单易懂 - 不需要复杂求解器 - 实时性强，适合嵌入式系统部署 ### ❌ 缺点： - 无法全局最优（可能不是成本最低的调度方案） - 无法处理复杂约束（如未来预测不确定性） --- ###