做综合能源系统调度的同学看到“碳势-能源价格双响应”这个题目应该马上能意识到这不是普通的单目标优化复现。它把碳排放流里的碳势概念和需求侧价格响应机制揉在一起在一个Matlab框架里同时解决低碳调度和经济调度的权衡问题。我复现这个项目前后花了三周时间踩了不少坑也把整个建模逻辑彻底摸了一遍。这篇就把项目背后的核心思路、Matlab代码实现的具体流程以及求解过程中遇到的各种问题一次性讲清楚给准备做同类研究的朋友一个可以直接上手的参考。一句话说清楚这个项目是干什么的传统综合能源系统的经济调度只盯着运行成本低碳调度又只盯着碳排放量两者经常矛盾——燃气轮机发电便宜但排碳高电锅炉用电可能干净但成本高。这篇研究通过引入“碳势”作为碳排放强度的观测量再叠加能源价格的激励让设备出力和负荷需求在同一个优化模型里同时向“低成本”和“低碳”两个方向调整最终生成一组兼顾经济和碳排放的调度计划。所有建模和求解都在Matlab里完成用的是YALMIP加商用求解器这条标准技术路线。适合谁来读如果你正在研究综合能源系统、微电网、电力市场或者碳排放流方向这篇文章对你会比较实用如果你只是想把一篇EI论文的结果用Matlab复现出来里面的建模细节和排坑经验也能直接帮你省掉大量试错时间。下面按我自己的复现思路把整个项目拆开讲。1. 先把这个项目的研究背景拆透1.1 “碳势”到底是什么在做这个项目之前我先去翻了碳排放流理论的基础。传统碳排放核算都是“总量平均法”整个系统一年的碳排放除以总的用电量得出一个平均碳强度——这只能告诉用户平均水平完全看不出不同节点、不同时段用能的碳排放差异。而碳排放流理论把碳排放当成一种可以随潮流流动的“流体”通过潮流追踪算法把每一台机组排放的碳精确分摊到它实际供应的负荷上。这样算出来的结果才是真正反映“每一度电从哪里来、含多少碳”的精细信息。这里面的关键概念就是节点碳势表示某个节点上单位负荷所对应的等效碳排放强度单位一般是kgCO2/kWh或者tCO2/MWh。电网的节点碳势取决于上游发电组合风电、光伏占比高的时段节点碳势自然低火电、气电占比高的时段碳势就高。天然气网的碳势相对固定主要取决于气源的上游排放因子。在我复现的这套综合能源系统里电网和气网是耦合的CHP机组同时消耗天然气、输出电和热所以它既是气网的负荷又是电网的电源碳势的计算需要跨网络追踪。Matlab里面实现的时候我是分两步做的第一步先求解基础潮流得到各支路功率分布和各节点注入功率第二步根据发电机的碳排放强度数据用比例分摊法做碳排放流追踪得到每个节点的碳势值。这里有个容易出错的地方就是气网和电网的碳势单位不一样气网按单位体积天然气的隐含碳计算电网按单位电量的碳强度计算耦合设备做碳排放分摊时必须把这两类单位统一否则后面目标函数里碳势和价格加权时就乱了。我的做法是统一折算成吨标准煤当量下的碳排放因子再参与计算。1.2 为什么双响应机制能同时兼顾经济和低碳还有一个容易误会的点就是“价格响应”和“碳势响应”到底是不是重复设计。我最早读文献的时候也有这个疑问一度觉得既然分时电价已经把用户调峰调谷了再加一个碳势信号很多余。真正把模型建起来之后才理解这两者服务的维度完全不同。价格响应是经济利益驱动的。用户在峰时少用电、谷时多用电本质是为了省电费它能让系统运行成本下降但不保证碳排放下降——比如谷时如果正好是火电大发用户把负荷挪到谷时成本是低了碳反而排得更多了。碳势响应则不一样它给了用户一个实时“用能含碳量”的信号引导用户在低碳时段多用电、在高碳时段减少用电目标是降低碳排放但单独看它用户没有经济利益驱动很难自愿响应。所以原文的思路是把两者做成一个加权需求响应系数。响应系数是归一化后的能源价格和节点碳势的函数价格高或碳势高的时段响应系数变大负荷相应削减或转移反之负荷增加。我把这个逻辑实现了之后对比了三种场景无响应的固定负荷、仅价格响应、价格碳势双响应。实测下来双响应场景下的系统总成本和碳排放量都是最低的碳势信号确实补上了“便宜但高碳”这个盲区。这个对比结果是整个项目最核心的结论之一也是画图时一定要保留的对比工况。1.3 复现这个项目能锻炼哪些能力复现这个项目跟复现普通的“单目标经济调度”不一样它有明显的递进结构。首先你得掌握综合能源系统的基础建模包括CHP热电联产、燃气锅炉、电锅炉、储能等设备的数学模型其次要理解碳排放流理论知道碳势是怎么算出来的为什么节点碳势会随时间变化再次要把双响应机制转化成数学模型也就是怎么把碳势和价格对负荷的影响写成约束或目标的一部分最后才是Matlab代码实现包括YALMIP建模、求解器配置、结果后处理和可视化。这四层能力不是孤立的。我在复现过程中发现如果只把代码跑通不理解碳势的计算原理后面调试结果异常时完全无从下手反过来如果只看公式不动手写代码对“线性化处理”“0-1变量引入”这类工程细节又很难有深刻体会。所以如果你是给自己定学习目标建议不要只追求跑通要把每个模块的公式和代码对应起来这样收获会大得多。2. 调度模型的设计思路与数学建模2.1 系统架构与设备模型这个项目用的是一个典型的区域级综合能源系统电、气、热三种能源形态相互耦合。电源侧包括外部电网购电、风电/光伏、CHP机组热源侧包括CHP余热、燃气锅炉、电锅炉储能环节包括电储能和蓄热罐。网络侧通过电力和天然气网络连接各类设备和负荷。所有设备的模型最终都要写成可由求解器处理的数学约束。CHP机组是最核心的耦合设备它消耗天然气同时产电和产热。这里我用的是定热电比模型即电输出和热输出之间始终满足一个固定比例关系表达式是P_heat_chp k_chp * P_elec_chp。有些论文会用可变热电比但为了保持模型线性、方便MILP求解定热电比是更稳妥的选择而且对论文结论的影响不大。燃气锅炉和电锅炉相对简单本质就是输入燃料或电能输出热能效率系数固定。储能设备需要重点关注SOC的递推关系。电储能的约束包括充电功率、放电功率、SOC上下限、充放互斥、日初末SOC一致等蓄热罐同理需要考虑热损失系数。这里比较容易踩坑的是“充放互斥”约束如果不加这个约束求解器可能会让储能同时充电和放电结果虽然满足功率平衡但物理上完全不合理。我在代码里用两个0-1变量加一个大M做了互斥约束实测求解速度也能接受。风电和光伏的处理相对简单直接作为负的负荷或者给定功率注入使用预测值参与调度。如果要考虑不确定性那就要引入场景法或鲁棒优化这个项目暂时没有涉足属于扩展方向。2.2 目标函数运行成本与碳交易成本的双目标权衡调度模型的目标函数是整个项目的灵魂。我复现的版本把两个子目标统一在一个框架里第一个是系统运行成本包含从电网购电费用、购买天然气费用、设备运行维护费用第二个是碳交易成本采用的是阶梯碳交易机制。碳交易机制的计算逻辑是这样的系统会有一个无偿分配的碳排放配额通常是按历史排放或行业基准确定实际碳排放低于配额时可以卖出多余的配额获得收益高于配额时超额部分需要购买而且超额越多购买价格越高这就是阶梯碳交易。比如我的算例里设置的是配额内排放免费超配额部分在0-1000kg区间时碳价是0.2元/kg在1000-2000kg区间时跳到0.3元/kg再往上继续跳。这样处理之后目标函数就合成一个单目标总成本 运行成本 碳交易成本。实际上模型里只维护了一个目标函数通过碳交易价格这个杠杆把“低碳”量化成了“省钱”这就解决了多目标怎么加权的问题。这里并没有像有些论文那样用权重系数去平衡成本和碳排放而是直接用碳交易市场机制来协调我觉得这是这个方案在工程逻辑上最合理的地方。用Matlab表示目标函数的大致结构是% 运行成本购电 购气 运维 C_operation sum(price_e .* P_buy) * delta_t ... sum(price_g .* G_buy) * delta_t ... sum(c_om .* P_device) * delta_t; % 碳交易成本阶梯碳价 C_carbon carbon_cost(E_total, quota, price_level, price_step); % 总目标 objective C_operation C_carbon;这里carbon_cost我单独写了一个辅助函数输入总排放、配额、碳价档位和区间宽度输出碳交易成本。因为它是分段的所以在YALMIP建模时要用辅助变量加线性约束来实现后面细说。2.3 约束条件从功率平衡到设备运行边界约束条件方面首先最基本的当然是电功率平衡和热功率平衡每个时刻的发电/购电/放电之和等于负荷/充电/电锅炉用电之和热力侧同理。然后是各设备的出力上下限约束、爬坡约束、储能SOC边界、天然气网络节点压力或流量的简化约束以及需求侧双响应后的负荷转移约束。这里要特别说一下双响应负荷约束的实现。基本思路是先计算每个时刻的需求响应系数该系数在[0,1]区间内然后让实际参与调度的负荷等于基础负荷乘以1 - 响应系数*削减比例同时满足一天总负荷转移量不超过一定比例。我在代码中把这个过程拆成了两步第一步用上一天的碳势和价格数据计算响应系数第二步把调整后的负荷作为已知参数代入调度模型。这样做的好处是模型保持线性求解速度快坏处是碳势和负荷调整之间没有形成闭环反馈。如果想让模型更精细可以在迭代中反复更新碳势和负荷直到收敛这也是后续改进的一个方向。功率平衡约束的写法% 电功率平衡购电 CHP电出 风电 光伏 储放电 负荷 电锅炉 储充电 for t 1:T constraints [constraints, ... P_buy(t) P_chp_e(t) P_wt(t) P_pv(t) P_dis(t) ... P_load(t) P_eb(t) P_chg(t)]; end3. Matlab代码实现全流程3.1 环境配置与工具箱选型先说一下我的运行环境Matlab R2023b优化建模用的是YALMIP工具箱求解器用的是IBM CPLEX 12.10。这套组合是学术界做MILP优化的标配YALMIP负责把数学模型翻译成求解器能识别的标准形式CPLEX负责真正求解。如果你是第一次配置环境有几点需要注意。第一YALMIP需要下载后手动添加到Matlab路径用addpath命令加载到工作区即可不需要额外安装步骤。第二CPLEX需要用安装包里的MATLAB接口文件把对应的bin和matlab目录都加到路径里。第三版本兼容性一定要先验证好我一开始用的是Matlab R2021b搭配CPLEX 12.8跑起来没问题后来换到R2023bCPLEX的接口没更新就一直报Unable to load cplexmex折腾了半天才发现是接口文件版本不匹配。所以在配置环境这一步建议先跑一个最简单的测试x sdpvar(1,1); optimize(x 1, x);能正常返回结果再继续往下写。关于Gurobi它和CPLEX在这个项目里是可以互换的。我个人觉得Gurobi对MILP的默认参数调优更好求解速度可能会快10%-20%但CPLEX在学术界的安装授权更省心所以如果你的机器空间足够两个都装上最好写代码的时候用sdpsettings(solver,cplex)或sdpsettings(solver,gurobi)一行就能切换。3.2 基础数据与算例构建数据和模型代码分开是最重要的工程习惯。我的做法是建立一个initData.m脚本里面把所有算例参数集中定义包括24小时的负荷曲线、风电光伏预测出力、分时电价、天然气价格、设备容量、效率系数、碳交易参数等。调度主程序只需要调用这个脚本即可。这里分享一个数据构建的小技巧24小时的负荷数据和预测出力不要手写用正弦函数加噪声生成比较方便。比如电负荷的基准曲线可以设计为早晚两个高峰的形态热负荷设计为冬季的夜间偏高形态。风电预测出力用夜大昼小的曲线光伏用正午大、早晚为0的曲线。这样生成的算例逻辑合理画图也好看。另外所有物理量纲一定要统一。我在初版建模时因为把kW和MW混用导致求解结果数量级乱七八糟功率平衡约束“不满足”但求解器还返回了“最优解”。后来我统一把功率、热功率都换算成MW把碳排放量统一用吨表示能量用MWh这样再也没出过类似问题。3.3 从YALMIP建模到求解输出建模这块我的代码结构大致是这样的先用sdpvar定义决策变量包括CHP电出力和热出力、燃气锅炉出力、电锅炉功率、储能充放电功率、蓄热罐蓄放热功率、购电功率等然后用optimize函数传入目标函数和约束集合最后用value()函数提取结果。写约束时我比较推荐一个习惯每个约束都用cell数组累积起来避免最后传参数时漏掉某一条。核心代码框架T 24; constraints []; % 决策变量 P_chp_e sdpvar(1, T); P_chp_h sdpvar(1, T); P_gb sdpvar(1, T); P_eb sdpvar(1, T); P_chg sdpvar(1, T); P_dis sdpvar(1, T); SOC sdpvar(1, T1); u_chg binvar(1, T); % 充电状态标志 u_dis binvar(1, T); % 放电状态标志 % 约束CHP热电比 constraints [constraints, P_chp_h k_chp * P_chp_e]; % 约束储能SOC递推与互斥 for t 1:T constraints [constraints, SOC(t1) SOC(t) P_chg(t)*eta_chg - P_dis(t)/eta_dis]; constraints [constraints, P_chg(t) M * u_chg(t)]; constraints [constraints, P_dis(t) M * u_dis(t)]; constraints [constraints, u_chg(t) u_dis(t) 1]; end % 目标函数 objective sum(price_e .* P_buy) sum(price_g .* G_buy) ...; % 求解 ops sdpsettings(solver, cplex, verbose, 2); optimize(constraints, objective, ops);算例配置为24小时调度决策变量上百个CPLEX通常几秒到十几秒就能求解完毕作为EI论文复现的算例规模是完全够用的。求解完成后我一般会保存一个result.mat文件包含各设备的出力序列、碳势序列、负荷调整前后曲线、成本和碳排放总量。然后单独写一个plotResults.m脚本做画图这样每次画图不需要重新求解模型节约大量时间。4. 代码中的关键细节与调参经验4.1 碳势迭代计算的一个优化技巧前面提到碳势可以直接由潮流结果算出来逻辑上并不复杂。但实际运行时会面临一个问题需求侧双响应改变了负荷分布负荷分布又反过来影响潮流和碳势碳势变化后又会影响下一轮需求响应系数。这是一个典型的耦合迭代关系。我采用的务实方案是迭代计算先用固定负荷算一次碳势更新负荷再算一次碳势重复这个过程。实测下来迭代3-5次后碳势就基本稳定了扰动幅度能在1%以内。这个方案的优点是计算量可控代码实现简单缺点是它不是严格的全局最优解跟原论文可能有点差别。我在复现报告里专门说明了这个处理方式结论部分的对比图表质量没有受影响。另外碳势的数值波动很容易出现异常比如某几个节点突然出现负碳势。这个通常是因为追踪算法里出现了循环扣除或者数值精度问题。我的排查方法是打印每个节点的碳势分布如果出现负数检查对应的潮流方向是不是和追踪方向一致。这个问题在直流潮流模型里很少见但如果用交流潮流就会出现得比较多所以新手建议先用直流潮流模型。4.2 YALMIP建模中的几个常见坑第一个坑是关于变量类型。YALMIP的binvar是二值变量0-1intvar是整数变量sdpvar是连续变量。对于储能充放互斥这类约束用binvar对于阶梯碳交易的分档判断也可以用binvar。很多新手会把binvar误写成sdpvar再加范围0到1的约束这样求解出来的解是连续的虽然很多时候也能得到一个结果但严格来说已经不是MILP了充放电互斥效果可能不彻底。第二个坑是大M取值问题。互斥约束里的大M不能取太大太大容易导致数值稳定性问题最佳实践是取该变量物理上限的1.1倍比如充放电功率上限是20MWM就取22。取值太大会让求解器在预求解阶段就把约束“软化”出现一些微妙的不满足太小又会让可行域被错误压缩所以我一般会按物理量级来定M而不是随便用一个1e6。第三个坑是用function句柄封装非线性函数后直接传给YALMIPYALMIP对这类函数的求导和梯度处理比较有限所以尽量做线性化。本项目的碳交易阶梯成本和双响应系数都是分段的我都按线性约束处理了。凡是能用线性约束表达的绝不引入非线性这是用YALMIP做调度的铁律。4.3 结果可视化怎么把调度结果讲清楚复现EI论文图表质量直接决定整套工作的可信度。我最后交付的图有六张一张系统结构拓扑图、一张24小时电热负荷调整前后对比、一张各设备出力堆叠图、一张节点碳势时变曲线、一张碳排放量和运行成本的场景对比柱状图、一张碳交易价格灵敏度分析曲线。画图时我比较注重颜色的区分度采用红绿蓝橙紫六种色系线宽统一在1.5字体用Times New Roman 10.5磅。堆叠图用area函数碳势曲线用plot函数。Matlab默认的配色在多曲线场景下很难区分建议用paruly色带或者自定义RGB颜色。比如设备出力堆叠图从上到下按“购电-CLP-风电-光伏-储能放电”的顺序堆叠图例清晰颜色由深到浅读者一眼就能看出每种能源在全天不同时段的贡献。5. 常见问题与排查经历5.1 求解器报“Infeasible Problem”这是所有做优化调度的人都会遇到的头号问题。我的排查顺序是这样的第一步检查约束是否存在互相矛盾比如SOC末状态要求等于初状态但充放电效率太低导致物理上达不到这种就要调整参数或者放宽末状态约束第二步检查大M是否太小互斥约束和阶梯分段约束都可能因此造成不可行第三步把目标函数临时改为常数0只求一个可行解看问题出在哪个约束。如果可行解都找不到说明约束本身就有问题可以逐条注释约束来定位。5.2 碳势数值异常或总碳排放对不上排查步骤先检查潮流结果是否正确再检查发电机碳排放强度是否被正确赋值最后检查气网和电网的碳势单位是否统一。我调试过程中出现过一次碳势整体偏高原因是我把天然气的碳排放因子单位写错了导致CHP购气对应的碳排放被重复计入两次。这个错误直到我把“系统总碳排放电网侧碳排放气网侧碳排放-耦合设备重复部分”这个等式列出来作校验时才发现。5.3 求解时间过长的调参方案如果模型求解时间超过5分钟一般有两类原因一是整数变量过多MILP的搜索空间爆炸。这时要检查有没有可以用连续变量替代的整数变量或者把不必要的时间耦合约束放松。二是求解器参数没调好我通常会把CPLEX的MIP gap容忍度设为0.5%而不是默认的0%在工程和学术精度要求下这个设置能明显加速。还可以设置求解时间上限比如180秒到时取当前最优解这样代码即使遇到复杂算例也不会卡死。5.4 复现过程中最容易被忽视的数据核对表下面这个表格是我复现时整理的核对表每次跑完算例我都会过一遍检查项正确性标准常见错误功率平衡每时刻发电/购电/放电 负荷/充电/电锅炉耗电功率单位MW/kW混用热平衡CHP余热 锅炉 蓄热放热 热负荷漏算电锅炉产热储能SOC首末一致性SOC(1) SOC(25)首末状态约束缺失碳排放总量电网排放 气网排放 - 耦合设备重复 总排放单位不统一导致重复计算碳势范围0 碳势 所有源碳势最大值出现负值或超出物理范围需求响应率调整后总负荷变化率在设定范围内响应系数越界6. 复现路线与扩展思路6.1 从论文到代码的落地顺序这里给一个我实际走的复现路线按这个顺序来应该能少走弯路。第一步先把论文里的系统拓扑画清楚确认有哪些设备、哪些能源形式、哪些耦合关系第二步把设备模型和约束列成数学公式统一变量符号和单位第三步先在Matlab里实现一个最简单的“固定负荷经济调度”保证求解器能正常求解第四步加入碳势计算模块固定负荷情况下输出碳势结果并和论文对照第五步加入价格响应和碳势响应实现双响应负荷模型第六步加入碳交易成本和整体目标函数形成完整版本最后才是做场景对比、灵敏度分析、画图和写复现报告。每走一步都要及时验证中间结果而不是等所有代码写完一次性跑。这个习惯帮我节省了大量时间因为错误在一开始就能被发现越到后期排查成本越高。这个项目本身对Matlab的依赖非常重建议你先把YALMIP和求解器环境一次性配好后面所有调试都在这套环境里进行避免频繁切换。6.2 这个模型可以怎么扩展复现之后如果想做自己的研究或论文可以从几个方向扩展。第一是考虑不确定性给风电光伏出力加场景法或者鲁棒优化这也是目前IES调度的主流方向第二是增加时间尺度联动从日前调度扩展到日内滚动甚至加实时反馈环节第三是引入更多碳市场机制比如碳捕集、绿证交易、综合需求响应第四是把单区域扩展为多区域互联研究碳势在不同区域之间的转移和碳泄漏问题。在代码层面这套YALMIP建模框架的可扩展性很好新增一个设备就是新增几组约束和变量结构上不会伤筋动骨。另外还有一个很实用的工程扩展把Matlab的调度结果输出为Excel表格再结合Python的绘图库做更漂亮的图表或者写一个简单的GUI让参数可调方便做灵敏度分析。这些扩展在工程上都不难关键是核心优化模型要稳定可靠。我复现完这个项目最大的感受是一套好的调度模型设计逻辑远比代码技巧重要。碳势-价格双响应这个机制乍看只是把两个因素组合起来但真正实现的时候你会发现它逼着你把“碳排放是怎么产生的”“价格是怎么影响行为的”“两者如何在数学上统一”这几个问题想得特别透彻。Matlab和求解器只是工具真正值钱的是对物理过程的理解和模型结构的把握。最后分享一个小建议做这类复现项目不要只追求跑通出图一定要自己动手把每个公式和每段代码对应起来把关键参数改一改看看结果的变化是否符合物理直觉。比如把碳交易价格调高一倍再看系统是不是会更倾向于用电锅炉替代燃气锅炉把分时电价的峰谷差拉大再看负荷转移幅度是不是明显增加。只有做到这一步你才真正把这个项目消化成了自己的东西。希望这篇分享能让你在复现时少踩几个坑有疑问欢迎交流。
综合能源系统碳势-价格双响应调度Matlab实现详解
做综合能源系统调度的同学看到“碳势-能源价格双响应”这个题目应该马上能意识到这不是普通的单目标优化复现。它把碳排放流里的碳势概念和需求侧价格响应机制揉在一起在一个Matlab框架里同时解决低碳调度和经济调度的权衡问题。我复现这个项目前后花了三周时间踩了不少坑也把整个建模逻辑彻底摸了一遍。这篇就把项目背后的核心思路、Matlab代码实现的具体流程以及求解过程中遇到的各种问题一次性讲清楚给准备做同类研究的朋友一个可以直接上手的参考。一句话说清楚这个项目是干什么的传统综合能源系统的经济调度只盯着运行成本低碳调度又只盯着碳排放量两者经常矛盾——燃气轮机发电便宜但排碳高电锅炉用电可能干净但成本高。这篇研究通过引入“碳势”作为碳排放强度的观测量再叠加能源价格的激励让设备出力和负荷需求在同一个优化模型里同时向“低成本”和“低碳”两个方向调整最终生成一组兼顾经济和碳排放的调度计划。所有建模和求解都在Matlab里完成用的是YALMIP加商用求解器这条标准技术路线。适合谁来读如果你正在研究综合能源系统、微电网、电力市场或者碳排放流方向这篇文章对你会比较实用如果你只是想把一篇EI论文的结果用Matlab复现出来里面的建模细节和排坑经验也能直接帮你省掉大量试错时间。下面按我自己的复现思路把整个项目拆开讲。1. 先把这个项目的研究背景拆透1.1 “碳势”到底是什么在做这个项目之前我先去翻了碳排放流理论的基础。传统碳排放核算都是“总量平均法”整个系统一年的碳排放除以总的用电量得出一个平均碳强度——这只能告诉用户平均水平完全看不出不同节点、不同时段用能的碳排放差异。而碳排放流理论把碳排放当成一种可以随潮流流动的“流体”通过潮流追踪算法把每一台机组排放的碳精确分摊到它实际供应的负荷上。这样算出来的结果才是真正反映“每一度电从哪里来、含多少碳”的精细信息。这里面的关键概念就是节点碳势表示某个节点上单位负荷所对应的等效碳排放强度单位一般是kgCO2/kWh或者tCO2/MWh。电网的节点碳势取决于上游发电组合风电、光伏占比高的时段节点碳势自然低火电、气电占比高的时段碳势就高。天然气网的碳势相对固定主要取决于气源的上游排放因子。在我复现的这套综合能源系统里电网和气网是耦合的CHP机组同时消耗天然气、输出电和热所以它既是气网的负荷又是电网的电源碳势的计算需要跨网络追踪。Matlab里面实现的时候我是分两步做的第一步先求解基础潮流得到各支路功率分布和各节点注入功率第二步根据发电机的碳排放强度数据用比例分摊法做碳排放流追踪得到每个节点的碳势值。这里有个容易出错的地方就是气网和电网的碳势单位不一样气网按单位体积天然气的隐含碳计算电网按单位电量的碳强度计算耦合设备做碳排放分摊时必须把这两类单位统一否则后面目标函数里碳势和价格加权时就乱了。我的做法是统一折算成吨标准煤当量下的碳排放因子再参与计算。1.2 为什么双响应机制能同时兼顾经济和低碳还有一个容易误会的点就是“价格响应”和“碳势响应”到底是不是重复设计。我最早读文献的时候也有这个疑问一度觉得既然分时电价已经把用户调峰调谷了再加一个碳势信号很多余。真正把模型建起来之后才理解这两者服务的维度完全不同。价格响应是经济利益驱动的。用户在峰时少用电、谷时多用电本质是为了省电费它能让系统运行成本下降但不保证碳排放下降——比如谷时如果正好是火电大发用户把负荷挪到谷时成本是低了碳反而排得更多了。碳势响应则不一样它给了用户一个实时“用能含碳量”的信号引导用户在低碳时段多用电、在高碳时段减少用电目标是降低碳排放但单独看它用户没有经济利益驱动很难自愿响应。所以原文的思路是把两者做成一个加权需求响应系数。响应系数是归一化后的能源价格和节点碳势的函数价格高或碳势高的时段响应系数变大负荷相应削减或转移反之负荷增加。我把这个逻辑实现了之后对比了三种场景无响应的固定负荷、仅价格响应、价格碳势双响应。实测下来双响应场景下的系统总成本和碳排放量都是最低的碳势信号确实补上了“便宜但高碳”这个盲区。这个对比结果是整个项目最核心的结论之一也是画图时一定要保留的对比工况。1.3 复现这个项目能锻炼哪些能力复现这个项目跟复现普通的“单目标经济调度”不一样它有明显的递进结构。首先你得掌握综合能源系统的基础建模包括CHP热电联产、燃气锅炉、电锅炉、储能等设备的数学模型其次要理解碳排放流理论知道碳势是怎么算出来的为什么节点碳势会随时间变化再次要把双响应机制转化成数学模型也就是怎么把碳势和价格对负荷的影响写成约束或目标的一部分最后才是Matlab代码实现包括YALMIP建模、求解器配置、结果后处理和可视化。这四层能力不是孤立的。我在复现过程中发现如果只把代码跑通不理解碳势的计算原理后面调试结果异常时完全无从下手反过来如果只看公式不动手写代码对“线性化处理”“0-1变量引入”这类工程细节又很难有深刻体会。所以如果你是给自己定学习目标建议不要只追求跑通要把每个模块的公式和代码对应起来这样收获会大得多。2. 调度模型的设计思路与数学建模2.1 系统架构与设备模型这个项目用的是一个典型的区域级综合能源系统电、气、热三种能源形态相互耦合。电源侧包括外部电网购电、风电/光伏、CHP机组热源侧包括CHP余热、燃气锅炉、电锅炉储能环节包括电储能和蓄热罐。网络侧通过电力和天然气网络连接各类设备和负荷。所有设备的模型最终都要写成可由求解器处理的数学约束。CHP机组是最核心的耦合设备它消耗天然气同时产电和产热。这里我用的是定热电比模型即电输出和热输出之间始终满足一个固定比例关系表达式是P_heat_chp k_chp * P_elec_chp。有些论文会用可变热电比但为了保持模型线性、方便MILP求解定热电比是更稳妥的选择而且对论文结论的影响不大。燃气锅炉和电锅炉相对简单本质就是输入燃料或电能输出热能效率系数固定。储能设备需要重点关注SOC的递推关系。电储能的约束包括充电功率、放电功率、SOC上下限、充放互斥、日初末SOC一致等蓄热罐同理需要考虑热损失系数。这里比较容易踩坑的是“充放互斥”约束如果不加这个约束求解器可能会让储能同时充电和放电结果虽然满足功率平衡但物理上完全不合理。我在代码里用两个0-1变量加一个大M做了互斥约束实测求解速度也能接受。风电和光伏的处理相对简单直接作为负的负荷或者给定功率注入使用预测值参与调度。如果要考虑不确定性那就要引入场景法或鲁棒优化这个项目暂时没有涉足属于扩展方向。2.2 目标函数运行成本与碳交易成本的双目标权衡调度模型的目标函数是整个项目的灵魂。我复现的版本把两个子目标统一在一个框架里第一个是系统运行成本包含从电网购电费用、购买天然气费用、设备运行维护费用第二个是碳交易成本采用的是阶梯碳交易机制。碳交易机制的计算逻辑是这样的系统会有一个无偿分配的碳排放配额通常是按历史排放或行业基准确定实际碳排放低于配额时可以卖出多余的配额获得收益高于配额时超额部分需要购买而且超额越多购买价格越高这就是阶梯碳交易。比如我的算例里设置的是配额内排放免费超配额部分在0-1000kg区间时碳价是0.2元/kg在1000-2000kg区间时跳到0.3元/kg再往上继续跳。这样处理之后目标函数就合成一个单目标总成本 运行成本 碳交易成本。实际上模型里只维护了一个目标函数通过碳交易价格这个杠杆把“低碳”量化成了“省钱”这就解决了多目标怎么加权的问题。这里并没有像有些论文那样用权重系数去平衡成本和碳排放而是直接用碳交易市场机制来协调我觉得这是这个方案在工程逻辑上最合理的地方。用Matlab表示目标函数的大致结构是% 运行成本购电 购气 运维 C_operation sum(price_e .* P_buy) * delta_t ... sum(price_g .* G_buy) * delta_t ... sum(c_om .* P_device) * delta_t; % 碳交易成本阶梯碳价 C_carbon carbon_cost(E_total, quota, price_level, price_step); % 总目标 objective C_operation C_carbon;这里carbon_cost我单独写了一个辅助函数输入总排放、配额、碳价档位和区间宽度输出碳交易成本。因为它是分段的所以在YALMIP建模时要用辅助变量加线性约束来实现后面细说。2.3 约束条件从功率平衡到设备运行边界约束条件方面首先最基本的当然是电功率平衡和热功率平衡每个时刻的发电/购电/放电之和等于负荷/充电/电锅炉用电之和热力侧同理。然后是各设备的出力上下限约束、爬坡约束、储能SOC边界、天然气网络节点压力或流量的简化约束以及需求侧双响应后的负荷转移约束。这里要特别说一下双响应负荷约束的实现。基本思路是先计算每个时刻的需求响应系数该系数在[0,1]区间内然后让实际参与调度的负荷等于基础负荷乘以1 - 响应系数*削减比例同时满足一天总负荷转移量不超过一定比例。我在代码中把这个过程拆成了两步第一步用上一天的碳势和价格数据计算响应系数第二步把调整后的负荷作为已知参数代入调度模型。这样做的好处是模型保持线性求解速度快坏处是碳势和负荷调整之间没有形成闭环反馈。如果想让模型更精细可以在迭代中反复更新碳势和负荷直到收敛这也是后续改进的一个方向。功率平衡约束的写法% 电功率平衡购电 CHP电出 风电 光伏 储放电 负荷 电锅炉 储充电 for t 1:T constraints [constraints, ... P_buy(t) P_chp_e(t) P_wt(t) P_pv(t) P_dis(t) ... P_load(t) P_eb(t) P_chg(t)]; end3. Matlab代码实现全流程3.1 环境配置与工具箱选型先说一下我的运行环境Matlab R2023b优化建模用的是YALMIP工具箱求解器用的是IBM CPLEX 12.10。这套组合是学术界做MILP优化的标配YALMIP负责把数学模型翻译成求解器能识别的标准形式CPLEX负责真正求解。如果你是第一次配置环境有几点需要注意。第一YALMIP需要下载后手动添加到Matlab路径用addpath命令加载到工作区即可不需要额外安装步骤。第二CPLEX需要用安装包里的MATLAB接口文件把对应的bin和matlab目录都加到路径里。第三版本兼容性一定要先验证好我一开始用的是Matlab R2021b搭配CPLEX 12.8跑起来没问题后来换到R2023bCPLEX的接口没更新就一直报Unable to load cplexmex折腾了半天才发现是接口文件版本不匹配。所以在配置环境这一步建议先跑一个最简单的测试x sdpvar(1,1); optimize(x 1, x);能正常返回结果再继续往下写。关于Gurobi它和CPLEX在这个项目里是可以互换的。我个人觉得Gurobi对MILP的默认参数调优更好求解速度可能会快10%-20%但CPLEX在学术界的安装授权更省心所以如果你的机器空间足够两个都装上最好写代码的时候用sdpsettings(solver,cplex)或sdpsettings(solver,gurobi)一行就能切换。3.2 基础数据与算例构建数据和模型代码分开是最重要的工程习惯。我的做法是建立一个initData.m脚本里面把所有算例参数集中定义包括24小时的负荷曲线、风电光伏预测出力、分时电价、天然气价格、设备容量、效率系数、碳交易参数等。调度主程序只需要调用这个脚本即可。这里分享一个数据构建的小技巧24小时的负荷数据和预测出力不要手写用正弦函数加噪声生成比较方便。比如电负荷的基准曲线可以设计为早晚两个高峰的形态热负荷设计为冬季的夜间偏高形态。风电预测出力用夜大昼小的曲线光伏用正午大、早晚为0的曲线。这样生成的算例逻辑合理画图也好看。另外所有物理量纲一定要统一。我在初版建模时因为把kW和MW混用导致求解结果数量级乱七八糟功率平衡约束“不满足”但求解器还返回了“最优解”。后来我统一把功率、热功率都换算成MW把碳排放量统一用吨表示能量用MWh这样再也没出过类似问题。3.3 从YALMIP建模到求解输出建模这块我的代码结构大致是这样的先用sdpvar定义决策变量包括CHP电出力和热出力、燃气锅炉出力、电锅炉功率、储能充放电功率、蓄热罐蓄放热功率、购电功率等然后用optimize函数传入目标函数和约束集合最后用value()函数提取结果。写约束时我比较推荐一个习惯每个约束都用cell数组累积起来避免最后传参数时漏掉某一条。核心代码框架T 24; constraints []; % 决策变量 P_chp_e sdpvar(1, T); P_chp_h sdpvar(1, T); P_gb sdpvar(1, T); P_eb sdpvar(1, T); P_chg sdpvar(1, T); P_dis sdpvar(1, T); SOC sdpvar(1, T1); u_chg binvar(1, T); % 充电状态标志 u_dis binvar(1, T); % 放电状态标志 % 约束CHP热电比 constraints [constraints, P_chp_h k_chp * P_chp_e]; % 约束储能SOC递推与互斥 for t 1:T constraints [constraints, SOC(t1) SOC(t) P_chg(t)*eta_chg - P_dis(t)/eta_dis]; constraints [constraints, P_chg(t) M * u_chg(t)]; constraints [constraints, P_dis(t) M * u_dis(t)]; constraints [constraints, u_chg(t) u_dis(t) 1]; end % 目标函数 objective sum(price_e .* P_buy) sum(price_g .* G_buy) ...; % 求解 ops sdpsettings(solver, cplex, verbose, 2); optimize(constraints, objective, ops);算例配置为24小时调度决策变量上百个CPLEX通常几秒到十几秒就能求解完毕作为EI论文复现的算例规模是完全够用的。求解完成后我一般会保存一个result.mat文件包含各设备的出力序列、碳势序列、负荷调整前后曲线、成本和碳排放总量。然后单独写一个plotResults.m脚本做画图这样每次画图不需要重新求解模型节约大量时间。4. 代码中的关键细节与调参经验4.1 碳势迭代计算的一个优化技巧前面提到碳势可以直接由潮流结果算出来逻辑上并不复杂。但实际运行时会面临一个问题需求侧双响应改变了负荷分布负荷分布又反过来影响潮流和碳势碳势变化后又会影响下一轮需求响应系数。这是一个典型的耦合迭代关系。我采用的务实方案是迭代计算先用固定负荷算一次碳势更新负荷再算一次碳势重复这个过程。实测下来迭代3-5次后碳势就基本稳定了扰动幅度能在1%以内。这个方案的优点是计算量可控代码实现简单缺点是它不是严格的全局最优解跟原论文可能有点差别。我在复现报告里专门说明了这个处理方式结论部分的对比图表质量没有受影响。另外碳势的数值波动很容易出现异常比如某几个节点突然出现负碳势。这个通常是因为追踪算法里出现了循环扣除或者数值精度问题。我的排查方法是打印每个节点的碳势分布如果出现负数检查对应的潮流方向是不是和追踪方向一致。这个问题在直流潮流模型里很少见但如果用交流潮流就会出现得比较多所以新手建议先用直流潮流模型。4.2 YALMIP建模中的几个常见坑第一个坑是关于变量类型。YALMIP的binvar是二值变量0-1intvar是整数变量sdpvar是连续变量。对于储能充放互斥这类约束用binvar对于阶梯碳交易的分档判断也可以用binvar。很多新手会把binvar误写成sdpvar再加范围0到1的约束这样求解出来的解是连续的虽然很多时候也能得到一个结果但严格来说已经不是MILP了充放电互斥效果可能不彻底。第二个坑是大M取值问题。互斥约束里的大M不能取太大太大容易导致数值稳定性问题最佳实践是取该变量物理上限的1.1倍比如充放电功率上限是20MWM就取22。取值太大会让求解器在预求解阶段就把约束“软化”出现一些微妙的不满足太小又会让可行域被错误压缩所以我一般会按物理量级来定M而不是随便用一个1e6。第三个坑是用function句柄封装非线性函数后直接传给YALMIPYALMIP对这类函数的求导和梯度处理比较有限所以尽量做线性化。本项目的碳交易阶梯成本和双响应系数都是分段的我都按线性约束处理了。凡是能用线性约束表达的绝不引入非线性这是用YALMIP做调度的铁律。4.3 结果可视化怎么把调度结果讲清楚复现EI论文图表质量直接决定整套工作的可信度。我最后交付的图有六张一张系统结构拓扑图、一张24小时电热负荷调整前后对比、一张各设备出力堆叠图、一张节点碳势时变曲线、一张碳排放量和运行成本的场景对比柱状图、一张碳交易价格灵敏度分析曲线。画图时我比较注重颜色的区分度采用红绿蓝橙紫六种色系线宽统一在1.5字体用Times New Roman 10.5磅。堆叠图用area函数碳势曲线用plot函数。Matlab默认的配色在多曲线场景下很难区分建议用paruly色带或者自定义RGB颜色。比如设备出力堆叠图从上到下按“购电-CLP-风电-光伏-储能放电”的顺序堆叠图例清晰颜色由深到浅读者一眼就能看出每种能源在全天不同时段的贡献。5. 常见问题与排查经历5.1 求解器报“Infeasible Problem”这是所有做优化调度的人都会遇到的头号问题。我的排查顺序是这样的第一步检查约束是否存在互相矛盾比如SOC末状态要求等于初状态但充放电效率太低导致物理上达不到这种就要调整参数或者放宽末状态约束第二步检查大M是否太小互斥约束和阶梯分段约束都可能因此造成不可行第三步把目标函数临时改为常数0只求一个可行解看问题出在哪个约束。如果可行解都找不到说明约束本身就有问题可以逐条注释约束来定位。5.2 碳势数值异常或总碳排放对不上排查步骤先检查潮流结果是否正确再检查发电机碳排放强度是否被正确赋值最后检查气网和电网的碳势单位是否统一。我调试过程中出现过一次碳势整体偏高原因是我把天然气的碳排放因子单位写错了导致CHP购气对应的碳排放被重复计入两次。这个错误直到我把“系统总碳排放电网侧碳排放气网侧碳排放-耦合设备重复部分”这个等式列出来作校验时才发现。5.3 求解时间过长的调参方案如果模型求解时间超过5分钟一般有两类原因一是整数变量过多MILP的搜索空间爆炸。这时要检查有没有可以用连续变量替代的整数变量或者把不必要的时间耦合约束放松。二是求解器参数没调好我通常会把CPLEX的MIP gap容忍度设为0.5%而不是默认的0%在工程和学术精度要求下这个设置能明显加速。还可以设置求解时间上限比如180秒到时取当前最优解这样代码即使遇到复杂算例也不会卡死。5.4 复现过程中最容易被忽视的数据核对表下面这个表格是我复现时整理的核对表每次跑完算例我都会过一遍检查项正确性标准常见错误功率平衡每时刻发电/购电/放电 负荷/充电/电锅炉耗电功率单位MW/kW混用热平衡CHP余热 锅炉 蓄热放热 热负荷漏算电锅炉产热储能SOC首末一致性SOC(1) SOC(25)首末状态约束缺失碳排放总量电网排放 气网排放 - 耦合设备重复 总排放单位不统一导致重复计算碳势范围0 碳势 所有源碳势最大值出现负值或超出物理范围需求响应率调整后总负荷变化率在设定范围内响应系数越界6. 复现路线与扩展思路6.1 从论文到代码的落地顺序这里给一个我实际走的复现路线按这个顺序来应该能少走弯路。第一步先把论文里的系统拓扑画清楚确认有哪些设备、哪些能源形式、哪些耦合关系第二步把设备模型和约束列成数学公式统一变量符号和单位第三步先在Matlab里实现一个最简单的“固定负荷经济调度”保证求解器能正常求解第四步加入碳势计算模块固定负荷情况下输出碳势结果并和论文对照第五步加入价格响应和碳势响应实现双响应负荷模型第六步加入碳交易成本和整体目标函数形成完整版本最后才是做场景对比、灵敏度分析、画图和写复现报告。每走一步都要及时验证中间结果而不是等所有代码写完一次性跑。这个习惯帮我节省了大量时间因为错误在一开始就能被发现越到后期排查成本越高。这个项目本身对Matlab的依赖非常重建议你先把YALMIP和求解器环境一次性配好后面所有调试都在这套环境里进行避免频繁切换。6.2 这个模型可以怎么扩展复现之后如果想做自己的研究或论文可以从几个方向扩展。第一是考虑不确定性给风电光伏出力加场景法或者鲁棒优化这也是目前IES调度的主流方向第二是增加时间尺度联动从日前调度扩展到日内滚动甚至加实时反馈环节第三是引入更多碳市场机制比如碳捕集、绿证交易、综合需求响应第四是把单区域扩展为多区域互联研究碳势在不同区域之间的转移和碳泄漏问题。在代码层面这套YALMIP建模框架的可扩展性很好新增一个设备就是新增几组约束和变量结构上不会伤筋动骨。另外还有一个很实用的工程扩展把Matlab的调度结果输出为Excel表格再结合Python的绘图库做更漂亮的图表或者写一个简单的GUI让参数可调方便做灵敏度分析。这些扩展在工程上都不难关键是核心优化模型要稳定可靠。我复现完这个项目最大的感受是一套好的调度模型设计逻辑远比代码技巧重要。碳势-价格双响应这个机制乍看只是把两个因素组合起来但真正实现的时候你会发现它逼着你把“碳排放是怎么产生的”“价格是怎么影响行为的”“两者如何在数学上统一”这几个问题想得特别透彻。Matlab和求解器只是工具真正值钱的是对物理过程的理解和模型结构的把握。最后分享一个小建议做这类复现项目不要只追求跑通出图一定要自己动手把每个公式和每段代码对应起来把关键参数改一改看看结果的变化是否符合物理直觉。比如把碳交易价格调高一倍再看系统是不是会更倾向于用电锅炉替代燃气锅炉把分时电价的峰谷差拉大再看负荷转移幅度是不是明显增加。只有做到这一步你才真正把这个项目消化成了自己的东西。希望这篇分享能让你在复现时少踩几个坑有疑问欢迎交流。
