基于元模型优化算法的主从博弈多虚拟电厂动态定价和能量管理（matlab代码）

%% 算法总参数设定Number=5; %% 根据超拉丁采样(LHS)生成Number个初始样本点lambda_Wb=[0.40*ones(1,7),0.75*ones(1,4),1.20*ones(1,3),0.75*ones(1,4),1.20*ones(1,4),0.40*ones(1,2)];% % lambda_Ws = 0.4*ones(1,24);lambda_Ws=[0*ones(1,7),0.35*ones(1,4),0.5*ones(1,3),0.35*ones(1,4),0.5*ones(1,4),0*ones(1,2)];%通过LHS生成样本点for t=1:24    temp=lhsdesign(Number,1); %生成每个时段的抽样中间辅助矩阵,为1维分Number层的超拉丁抽样结果    lambda_DAs(:,t)=temp.*(lambda_Wb(t)-lambda_Ws(t))+lambda_Ws(t); %生成运营商制定的售电价格    lambda_DAb(:,t)=lambda_DAs(:,t)+rand(Number,1).*(lambda_Wb(t)-lambda_DAs(:,t)); %生成运营商制定的购电价格(购电价应大于售电价所以这么写)enddisp('超拉丁采样(LHS)生成Number个初始样本点,结束！')%% 通过生成的样本点调用下层博弈模型,计算出每个VPP的交易电量来构成样本数据集for i=1:Number    [P_VPP_s1,P_VPP_b1,~]=Fun_VPP1(lambda_DAb(i,:),lambda_DAs(i,:));    [P_VPP_s2,P_VPP_b2,~]=Fun_VPP2(lambda_DAb(i,:),lambda_DAs(i,:));    [P_VPP_s3,P_VPP_b3,~]=Fun_VPP3(lambda_DAb(i,:),lambda_DAs(i,:));    P_VPP_s(i,:)=[P_VPP_s1,P_VPP_s2,P_VPP_s3];    P_VPP_b(i,:)=[P_VPP_b1,P_VPP_b2,P_VPP_b3];enddisp('样本数据集构成,结束！')%% 修正Kriging模型,计算每组样本点对应的目标函数值for i=1:Number    [C_DSO(i,1)]=Fun_DSO(lambda_DAs(i,:),lambda_DAb(i,:),P_VPP_b(i,:),P_VPP_s(i,:));enddisp('计算每组样本点对应的目标函数值,结束！')%% 关键区域划分,并计算各个区域的最优值l=1; %划分的区域的编号,初始化为1(编号越小,说明该区域包含最优解的概率越大) S=C_DSO; %设定S为所有电价样本对应的上层目标函数值集for i=1:Number    lambda_DA(i,:)=[lambda_DAs(i,:),lambda_DAb(i,:)]; %将售卖电价统一放入lambda_DA中存储endX=lambda_DA; %设定X为所有电价样本点集SL=lambda_DA; %后续计算半径r中用于生成电价上下边界值的辅助变量k_max=5; %设定均衡算法的最大迭代次数[Max_C_DSO,ind]=max(C_DSO); %寻找区域1中最大的上层目标函数值和对应的电价样本点集编号y(1).S=[Max_C_DSO]; %给y(l)的S赋予当前找到的上层目标函数值y(l).X=lambda_DA(ind,:); %给y(1)的X赋予当前找到的最优电价样本S(ind)=[]; %将S的集合中删去此时的区域1的最优解的值SL(ind,:)=[];lambda_DA0=lambda_DA(ind,:); %设定区域l的中心电价的值while 1    if isempty(S) %判断S是否为非空集(也就是关键区域完成划分)        break;    end    eval(['y',num2str(l),'.S=[];']);     eval(['y',num2str(l),'.X=[];']);    k=1; %设定初始迭代次数    while k<=k_max        if isempty(S) %判断S是否为非空集(也就是关键区域完成划分)            break;        else            lambda_DA_max=max(sqrt(sum(SL.^2,2))); %计算得到电价的上边界值            lambda_DA_min=min(sqrt(sum(SL.^2,2))); %计算得到电价的下边界值            r=norm(lambda_DA_max-lambda_DA_min)/3*(k_max-k+1)/k_max; %计算得到半径r            ind=Fun_R(lambda_DA0,SL,r); %寻找距离中心点小于等于r的点的编号            if isempty(ind) %确认寻找到的点集非空                break;            else                eval(['y',num2str(l),'.S=[y',num2str(l),'.S;S(ind)];']);                eval(['y',num2str(l),'.X=[y',num2str(l),'.X;SL(ind,:)];']);                S(ind)=[]; %将S的集合中删去此时距离小于r的值                SL(ind,:)=[]; %将SL的集合中删去此时距离小于r的值                k=k+1; %均衡算法迭代次数加一            end        end    end