三个微网如果各自闷头调度光伏大发的时候用不完、负荷高峰的时候又得高价买电这本身就是一种浪费。把它们用联络线连起来让功率在微网之间流动再叠加上碳排放约束就是我这次想聊的核心问题——面向低碳经济运行目标的多微网能量互联优化调度。本文会从建模思路、目标函数设计、约束条件、Matlab代码实现到算例结果分析完整走一遍这类项目的技术路线。不管你是做微电网调度研究的学生还是刚接触能量管理系统的工程师都可以用它作为直接参考的基础框架。1. 三个微网为什么要连在一起——从各管各到互相搀扶的调度逻辑1.1 单微网自平衡的尴尬单微网自平衡是一种理想状态。实际运行中光伏和风电完全听天由命中午光伏大发遇到轻负荷多余的电只能弃掉傍晚负荷起来光伏又归零储能放完电就得靠上级电网高价购电。气体燃料机组不是每个微网都有即便有开起来也伴随着燃料成本和碳排放。我见过不少单微网项目经济性最好的运行策略往往是能不发就不发、能买谷电就买谷电结果就是微网内部的分布式电源利用率很低弃光弃风率高。这时候如果你站在整个区域的角度看微网A的弃电如果能够送到微网B去消纳双方的成本都能降下来这就是多微网互联最原始的驱动力。1.2 能量互联的三种收益多微网互联的收益不是一句互相帮助就能概括的落到调度模型上至少有三笔账是能算清楚的时差互补不同微网的负荷曲线和可再生出力曲线并不重合。甲微网光伏大发时乙微网可能正值晚高峰联络线把甲乙连起来乙就可以少买上级电。这在模型中体现为购电成本的直接削减。备用互助孤岛运行时每个微网都要为自身最大负荷留足储能余量。互联之后应急功率可以从邻网获得储能容量约束可以适当放宽系统的整体备用需求下降。碳排转移碳排放约束叠加之后某些时段微网C启动燃气轮机的碳成本可能高于从微网A购买清洁电力的成本此时功率流动天然会倾向于清洁电先行。这个机制在单微网内是不存在的必须靠微网间交互才能实现。1.3 面向低碳经济目标不只是一味减排把低碳作为目标不等于让所有设备尽量少发电、少买电。更合理的说法是给碳排放赋予价格让调度决策在经济效益和碳排放之间自己找平衡点。我常用的做法是引入碳交易机制每个微网分配一个碳排放配额实际排放低于配额的部分可以出售获利超出配额的部分必须购买。这样碳排放就被货币化了目标函数从单目标变成多目标加权求解的结果也更有工程意义。三个微网互联后除了原有的经济指标还要增加对联络线交换功率的经济责任划分。微网A向微网B送电相当于A的发电资源在B处产生价值那么输电路径上的损耗、线损成本、碳责任到底由谁承担必须在模型里定义清楚否则求出来的解在结算阶段会打架。2. 低碳经济运行目标建模成本与碳排兼顾的目标函数设计2.1 经济成本项怎么列多微网调度本质上是一个在时间尺度上做能量分配的问题我采用典型的多时段经济调度模型以1h为调度间隔优化周期取24h。目标函数的经济部分包含以下几类成本向上级电网购电成本各微网在时段t从主网购电电价采用分时电价。峰时1.2元/kWh、平时0.75元/kWh、谷时0.4元/kWh是比较典型的配置。售电收益微网向主网反送电的收益电价通常低于购电价我按0.35元/kWh计。这样不会出现低买高卖套利的空间模型也更贴合实际。燃气轮机燃料成本以微燃机的输出功率和效率计算天然气消耗量再乘天然气价格。燃料成本与输出功率近似线性关系。储能充放电损耗成本锂电池在充放电过程中有能量损耗同时循环次数会折损寿命。想要追求精确可以折算成度电成本我通常按0.05元/kWh计入损耗老化成本。微网间交换功率成本联络线功率传输有网络损耗互联双方需要对这部分损耗买单常见做法是让受电方支付传输费用或者按损耗电量折算。2.2 碳排放项三个来源一个都不能漏碳排放核算如果只算燃气轮机的天然气燃烧排放会低估系统真实的碳足迹。完整的碳排放来源应该包括三块碳排放来源计算方式典型排放因子向上级电网购电购电量 × 电网平均碳排放因子0.581 kg CO2/kWh燃气轮机发电发电量 × 天然气排放因子0.201 kg CO2/kWh碳配额超排购买max(实际排放 - 配额, 0)碳价按50元/t上级电网排放因子是个变量不同地区电网结构不一样清洁能源占比高的区域因子会低一些。如果你做的是区域级多微网我建议采用当地电网发布的年度平均排放因子而不是统一的全国值这样算出来的购电碳排放更有说服力。2.3 把碳排放变成钱然后并入目标函数低碳与经济并列权衡时我的做法是给碳排放一个动态价格采用碳交易成本项。数学模型上可以写成C_total C_buy C_fuel C_ess C_network - R_sell C_carbon_trade其中C_carbon_trade由购碳成本-售碳收益构成。这里有个关键细节碳配额完全免费分配时如果微网实际排放低于配额它在碳市场上出售配额就有收益这会激励它主动降低本地碳排放甚至在条件合适时向邻网输送绿色电力帮助邻网降碳换取配额收益。这个机制一旦落入目标函数互联功率的流向就不光受电价驱动还被碳价驱动了。有人问我碳价取多少合适我的经验是20~60元/t是常见区间。碳价太低减排激励不够调度结果几乎等同于纯经济调度碳价太高几乎所有功率都会被引向清洁电源甚至造成为了降碳而过度运行储能反而增加损耗。具体取值可以结合排放系数和当地碳市场行情标定也可以在算例做灵敏度分析。3. 能量互联调度模型的约束体系——功率平衡、联络线与储能约束3.1 每个微网内部的功率平衡约束每个微网在任何时段都要求发电购电储能放电邻网输入 负荷储能充电自身输出邻网。具体展开为P_pv(i,t) P_wt(i,t) P_mt(i,t) P_buy(i,t) P_dis(i,t) P_in(i,t) P_load(i,t) P_ch(i,t) P_sel(i,t) P_out(i,t)等式左右两边要严格相等。P_in和P_out是本微网从其他微网获得或送入的功率。值得提醒的是这种功率平衡约束必须逐微网、逐时段建立不能把三个微网的功率加在一起做总平衡因为每个微网和上级电网的连接点不同购售电价也可能不同总平衡会掩盖各微网间的真实传输需求。3.2 联络线约束与损耗处理微网间互联不是一条无损耗的理想导线。实际工程中联络线由电缆或架空线组成传输功率越大损耗越大。在优化模型中我采用简化的线性损耗模型P_line(j,k,t) P_send * (1 - λ)λ取2%~3%的传输损耗率。如果追求更精确可以引入二次损耗函数但线性模型的好处是保持线性规划性质求解稳定对结果的影响也足够小。联络线的约束还包括传输容量限制。设置每条联络线最大传输功率为10kW~20kW正方向代表从微网A流向微网B反方向则是一个负值变量。这里要特别小心方向约定我在写Matlab代码时习惯把每个联络线的交换功率定义为一个有符号变量正值代表功率从编号小的微网流向编号大的微网负值相反。这样约束只写一次不用为每条线拆两个方向变量代码会清爽很多。3.3 储能运行约束储能是多微网调度里的核心灵活性资源。它的约束包括充放电功率上下限、荷电状态SOC上下限、以及SOC的状态转移方程SOC(t1) SOC(t) (η_ch * P_ch - P_dis / η_dis) * Δtη_ch和η_dis分别取0.95、0.95。这里有一个建模陷阱如果不限制P_ch和P_dis不能同时为正优化求解器为了最小化损耗成本或利用充放电价差可能给出同一个储能同时充电又放电的伪解功率平衡方程虽然满足了实际物理上却不成立。我的做法是引入一个二进制变量u当u1时只允许充电u0时只允许放电用Big-M法写互斥约束。如果不考虑成本精度也可以用近似约束让两个变量乘积尽量小。3.4 燃气轮机的爬坡与启停约束燃气轮机作为可控电源出力区间通常取20%~100%额定功率还需要考虑上下爬坡速率。假设某台微燃机额定功率50kW爬坡速率设为30kW/h那么相邻两个时段出力变化量不能超过30kW。这在24h调度里很重要优化器很喜欢让燃气轮机在某一个时段大幅加出力然后下一时段立刻停机休息但真实机组完全做不到。启停逻辑我用二进制变量z表示机组运行状态并把出力和状态绑定P_mt_min * z ≤ P_mt ≤ P_mt_max * z如果模型里不要求启停状态只让出力连续结果会忽略启机成本和启停碳排的额外冲击低碳经济性评估会偏乐观。4. Matlab实现的关键环节Yalmip建模与求解器配置4.1 求解路线选择Yalmipcplex/gurobi 还是 智能算法Matlab下做这类调度优化主流的路线有两条。一是基于Yalmip工具箱把模型写成约束和目标交给商业求解器去解二是自己写粒子群、差分进化等智能算法。我的建议是优先用Yalmip求解器。原因很简单这个模型本质上是混合整数线性规划MILP规模不大3个微网×24时段变量几百个求解器几秒就能收敛到全局最优。智能算法虽然不需要装求解器但调参麻烦、结果有随机性写论文或工程复现时需要反复跑很多次稳定性很难保证。只有当模型里出现高度非线性、非凸约束比如考虑网损的潮流约束时才考虑启发式算法。如果你手头没有商业求解器许可证也可以用Matlab自带的intlinprog。需要注意Yalmip默认调用的求解器列表中intlinprog对中小规模问题也能解只是速度比cplex这类商业求解器慢一些但对24时段的算例来说通常1分钟以内也能出结果。4.2 变量定义与目标函数落地第一步是定义决策变量。我用sdpvar定义连续变量用binvar定义二进制变量。整个模型的核心变量可以这样定义% 3个微网 × 24时段 Pbuy sdpvar(3, 24); % 向上级电网购电 Psel sdpvar(3, 24); % 向上级电网售电 Pmt sdpvar(3, 24); % 燃气轮机出力 Pch sdpvar(3, 24); % 储能充电 Pdis sdpvar(3, 24); % 储能放电 SOC sdpvar(3, 25); % 荷电状态含初始时刻 % 联络线交换功率两个连接方向 Pline12 sdpvar(1, 24); % 微网1到微网2正负表示方向 Pline13 sdpvar(1, 24); Pline23 sdpvar(1, 24);联络线用单个有符号变量表示正负代表方向。这样不仅代码短目标函数里如果要按功率绝对值收取线损费用可以用abs(Pline12)Yalmip会自动处理这种表达式的线性化。目标函数累加时我建议把每一项写清楚不要为了简化全部塞进一个表达式里。分块相加的好处是后面做灵敏度分析时可以单独输出每一类成本的数值方便定位优化结果中成本构成是否合理。Objective sum(sum(Pbuy .* Price_buy ... - Psel .* Price_sell ... Pmt .* Cost_gas ... Pch .* Cost_ess ... Pdis .* Cost_ess)) ... sum(sum(Carbon_total .* Carbon_price)) ... sum(sum(Pline12_lambda .* abs(Pline12)));4.3 约束条件写入代码的要点约束代码写得是否规范直接影响求解器能不能快速收敛。这里我给出几个关键约束的写法参考储能SOC递推约束% 初始SOC设为0.5 SOC(:,1) 0.5; % 逐时段递推 for t 1:24 Constraints [Constraints, SOC(:,t1) SOC(:,t) ... (eta_ch * Pch(:,t) - Pdis(:,t) / eta_dis) * delta_t]; end % 首末SOC一致保证日调度可持续性 Constraints [Constraints, SOC(:,25) SOC(:,1)];首末SOC保持一致这一点很容易被忽略。如果不加这条优化器会在最后时段把储能彻底放空次日调度就会从空SOC状态重新开始这在滚动调度中是不现实的。连续调度视角下日末SOC应该尽量回到初始值。储能充放电互斥约束Big-M写法u_ch binvar(3, 24); u_dis binvar(3, 24); M 100; % 足够大的数 Constraints [Constraints, 0 Pch M * u_ch]; Constraints [Constraints, 0 Pdis M * u_dis]; Constraints [Constraints, u_ch u_dis 1];互斥约束用二进制变量实现后模型的求解时间会增加但可靠性和物理正确性大幅提升。实际测试中3个微网的模型加不加互斥约束求解时间差别不大放心用。微网内部功率平衡for t 1:24 Constraints [Constraints, ... Ppv(:,t) Pwt(:,t) Pmt(:,t) Pbuy(:,t) Pdis(:,t) Pin(:,t) ... Pload(:,t) Pch(:,t) Psel(:,t) Pout(:,t)]; end由于联络线功率使用有符号变量Pin和Pout需要通过映射关系从Pline中取出来。我的习惯是预先把所有微网之间的连接关系写成邻接矩阵然后循环累加得到各微网的净输入功率避免硬编码导致微网数量一变就重写代码。4.4 求解与结果处理模型写完后调用求解器的统一接口ops sdpsettings(solver, cplex, verbose, 2, showprogress, 1); result optimize(Constraints, Objective, ops);求解结束后检查result.problem是否为0不为0时说明无解或求解器出问题。我遇到过好几次infeasible的情况十有八九是储能SOC在某个时段被卡到负值或者功率平衡等式约束不闭合。排查方法很简单把每个时段的发电量和负荷量分别打印出来看差值在哪一步断了。结果处理方面我习惯把Pmt、Pbuy、Pdis、SOC这些变量输出成Excel表格再用Matlab绘图脚本输出24小时功率曲线图、SOC曲线图、联络线功率图。这也方便后面做对比实验时统一口径。5. 典型算例结果分析三微网互联与独立运行的差距5.1 算例工况设计我构设了一个典型的三个微网测试系统来说明模型效果。三个微网的结构和负荷特性刻意做成差异化才能体现互联的价值微网1光伏为主额定容量30kW日负荷以办公型为主白天高、夜间低。微网2风电为主额定容量40kW日负荷以居民型为主傍晚高。微网3燃气轮机为主额定容量50kW自身可再生出力少负荷全天相对平稳。储能配置上每个微网各配一组容量50kWh、功率25kW的锂电池。微网1与微网2之间最大交换功率15kW微网1与微网3、微网2与微网3之间均为10kW。碳配额按各微网历史排放的95%免费分配碳价取50元/t。5.2 互联与独立运行的优化结果对比我用同一套负荷和可再生能源出力数据分别做了两次优化第一次不加微网间联络线约束让三个微网独立调度第二次加入联络线约束允许功率交换。两种场景的成本与碳排放对比如下指标独立运行互联运行变化量系统总运行成本852元764元-88元-10.3%总购电成本510元423元-87元燃气轮机燃料成本185元179元-6元储能损耗成本42元38元-4元总碳排放量486 kg435 kg-51 kg-10.5%弃光弃风率14.2%6.5%-7.7个百分点互联运行后的总成本下降了10%左右碳排放下降了10.5%。原因不复杂白天微网1光伏大发时除了给自身储能充电多余的功率送入微网2和微网3消纳反而减少了两个受端微网上级购电需求也顺带把微网3燃气轮机的高碳出力压了一部分。最值得留意的是碳排放下降的路径。并不是哪个微网觉悟高主动减排而是碳价信号让微网2和微网3发现买微网1的电比启动本地机组更便宜尤其是碳配额收紧之后直接用光伏电替代燃气轮机出力碳排自然就下来了。5.3 联络线功率的典型时变特性观察优化结果中的联络线功率曲线能明显看到三个时段特征中午11点到14点微网1到微网2、微网1到微网3的功率接近上限这是光伏大发驱动的清洁电力外送。傍晚17点到20点微网2到微网1出现一定功率流动因为居民负荷傍晚高而微网2的风电在傍晚往往处于爬坡期。深夜时段三微网基本都在从主网低谷电价购电联络线交换功率很小因为储能都在谷电时段充电互联的边际收益不显著。这套结果给调度人员的直观启发是联络线的价值主要集中在可再生出力盈余时段和负荷峰值时段如果在这些时段把交换功率上限卡得太死互联收益会大打折扣。实际工程里联络线容量配置不能按年均峰值负荷来设计而要按互补性最强的时段来校核。6. 个人实操中遇到的几个坑与调参经验6.1 同购同售伪解购售电价差不足时的模型陷阱第一次跑模型时我发现在某些时段优化结果同时出现微网A高价购电和微网B向主网售电。从数学上这确实可以让资金流平衡但能量上完全是多此一举。原因是我没有约束任意微网在同一时段购电视为互斥。解决办法是给购售电加二进制互斥或者直接用购价高于售价的约束前提让优化器天然不会出现套利解。这一点做MILP模型时特别常见写代码时提前把互斥约束补上比事后调参省事得多。6.2 联络线功率的线损计费方式影响流动方向线损如果只在送端减掉一部分功率受端还是按全额接收来平衡那么送端微网会承担全部损耗成本这会让送端不愿意外送电能。我在模型中引入了功率传输成本由受端承担的做法后联络线利用率明显提高送端愿意在电价差较小的情况下也送电因为输电路径损耗由受益方付费经济信号更合理。6.3 碳排放因子的敏感性比想象中高电网碳排放因子的取值对调度结果影响非常大。当你取0.581 kg/kWh时购电碳成本很高燃气轮机反而显得有些低碳如果你把因子改成0.4局面马上反转。所以我建议在结果分析部分一定要做碳排放因子的灵敏度分析别把结论吊死在一个固定因子上。通常我会画出碳价-总成本-碳排放三条曲线说明这个模型对政策参数的内在响应机制。6.4 SOC首末状态要不要锁死如果你追求的是单日优化锁死SOC首末相等没问题如果考虑滚动调度每天零点SOC不必完全相等而是应该作为状态量传递给下一个调度周期。我的做法是给首末SOC加一个软约束允许小幅偏差但在目标函数里加入偏差惩罚项。这样模型既有灵活性又不会导致储能被用完即弃。另一个细节是储能初始SOC值不要直接给0.8这类固定值最好按实际运行中点提取。没有实测数据时0.5是合理的缺省值因为对称的SOC初始值能避免优化解对初始状态过于敏感。6.5 求解器的选择与参数整定对结果的影响同一个MILP模型cplex和gurobi解出来的最优值理论上应该一致但求解时间和数值稳定性有明显差别。在模型规模小的时候不明显一旦微网数量扩展到5个以上、联络线增加到10条变量数会急剧上升求解器默认参数的收敛速度可能比较差。我习惯设置sdpsettings(cplex.mip.tolerances.mipgap, 1e-4)这类终止容差让求解器在接近最优时不必花太多时间在无意义的精确化上工程上完全够用。如果用的是intlinprog建议打开ConstraintTolerance和OptimalityTolerance给的默认值有时会过早停止搜索导致结果离全局最优偏得比较远。用Yalmip的好处是可以一行代码切换求解器做结果对比时特别方便。6.6 从3微网扩展到更大系统的思路这个3微网模型验证通过后扩展到更多微网时不需要推倒重来。只需要把变量维度从3改成N把联络线邻接矩阵从手工定义改成根据拓扑自动生成约束循环和结果输出的代码逻辑完全不变。真正需要重新设计的是求解效率——N超过10、联络线超过15条的时候我建议把调度周期从24h缩短为滚动优化的8h窗口或者考虑把模型分解成主问题和子问题来迭代求解。另外扩展到更大系统之后微网间的功率传输如果穿过公共配电网就不再是简单的联络线损耗模型了需要考虑网络拓扑和潮流约束。这时候模型从MILP变成MINLP或动态优化问题就不是普通求解器能直接处理的了可以考虑用SOCP松弛或交替方向乘子法来处理。从建模到Matlab落地这个三微网低碳互联调度的框架整体走了一遍。核心收获就是三句话目标函数要把碳排放量化成成本才能参与优化联络线约束需要明确损耗归属和方向约定储能启停和购售互斥这类物理常识必须通过约束显式表达求解器才不会钻空子。如果你正打算复现类似的项目建议先从独立调度模型跑通再逐步添加互联约束和碳交易机制每一步对比结果差异这样调起来思路会清晰得多。
三个微网如果各自闷头调度光伏大发的时候用不完、负荷高峰的时候又得高价买电这本身就是一种浪费。把它们用联络线连起来让功率在微网之间流动再叠加上碳排放约束就是我这次想聊的核心问题——面向低碳经济运行目标的多微网能量互联优化调度。本文会从建模思路、目标函数设计、约束条件、Matlab代码实现到算例结果分析完整走一遍这类项目的技术路线。不管你是做微电网调度研究的学生还是刚接触能量管理系统的工程师都可以用它作为直接参考的基础框架。1. 三个微网为什么要连在一起——从各管各到互相搀扶的调度逻辑1.1 单微网自平衡的尴尬单微网自平衡是一种理想状态。实际运行中光伏和风电完全听天由命中午光伏大发遇到轻负荷多余的电只能弃掉傍晚负荷起来光伏又归零储能放完电就得靠上级电网高价购电。气体燃料机组不是每个微网都有即便有开起来也伴随着燃料成本和碳排放。我见过不少单微网项目经济性最好的运行策略往往是能不发就不发、能买谷电就买谷电结果就是微网内部的分布式电源利用率很低弃光弃风率高。这时候如果你站在整个区域的角度看微网A的弃电如果能够送到微网B去消纳双方的成本都能降下来这就是多微网互联最原始的驱动力。1.2 能量互联的三种收益多微网互联的收益不是一句互相帮助就能概括的落到调度模型上至少有三笔账是能算清楚的时差互补不同微网的负荷曲线和可再生出力曲线并不重合。甲微网光伏大发时乙微网可能正值晚高峰联络线把甲乙连起来乙就可以少买上级电。这在模型中体现为购电成本的直接削减。备用互助孤岛运行时每个微网都要为自身最大负荷留足储能余量。互联之后应急功率可以从邻网获得储能容量约束可以适当放宽系统的整体备用需求下降。碳排转移碳排放约束叠加之后某些时段微网C启动燃气轮机的碳成本可能高于从微网A购买清洁电力的成本此时功率流动天然会倾向于清洁电先行。这个机制在单微网内是不存在的必须靠微网间交互才能实现。1.3 面向低碳经济目标不只是一味减排把低碳作为目标不等于让所有设备尽量少发电、少买电。更合理的说法是给碳排放赋予价格让调度决策在经济效益和碳排放之间自己找平衡点。我常用的做法是引入碳交易机制每个微网分配一个碳排放配额实际排放低于配额的部分可以出售获利超出配额的部分必须购买。这样碳排放就被货币化了目标函数从单目标变成多目标加权求解的结果也更有工程意义。三个微网互联后除了原有的经济指标还要增加对联络线交换功率的经济责任划分。微网A向微网B送电相当于A的发电资源在B处产生价值那么输电路径上的损耗、线损成本、碳责任到底由谁承担必须在模型里定义清楚否则求出来的解在结算阶段会打架。2. 低碳经济运行目标建模成本与碳排兼顾的目标函数设计2.1 经济成本项怎么列多微网调度本质上是一个在时间尺度上做能量分配的问题我采用典型的多时段经济调度模型以1h为调度间隔优化周期取24h。目标函数的经济部分包含以下几类成本向上级电网购电成本各微网在时段t从主网购电电价采用分时电价。峰时1.2元/kWh、平时0.75元/kWh、谷时0.4元/kWh是比较典型的配置。售电收益微网向主网反送电的收益电价通常低于购电价我按0.35元/kWh计。这样不会出现低买高卖套利的空间模型也更贴合实际。燃气轮机燃料成本以微燃机的输出功率和效率计算天然气消耗量再乘天然气价格。燃料成本与输出功率近似线性关系。储能充放电损耗成本锂电池在充放电过程中有能量损耗同时循环次数会折损寿命。想要追求精确可以折算成度电成本我通常按0.05元/kWh计入损耗老化成本。微网间交换功率成本联络线功率传输有网络损耗互联双方需要对这部分损耗买单常见做法是让受电方支付传输费用或者按损耗电量折算。2.2 碳排放项三个来源一个都不能漏碳排放核算如果只算燃气轮机的天然气燃烧排放会低估系统真实的碳足迹。完整的碳排放来源应该包括三块碳排放来源计算方式典型排放因子向上级电网购电购电量 × 电网平均碳排放因子0.581 kg CO2/kWh燃气轮机发电发电量 × 天然气排放因子0.201 kg CO2/kWh碳配额超排购买max(实际排放 - 配额, 0)碳价按50元/t上级电网排放因子是个变量不同地区电网结构不一样清洁能源占比高的区域因子会低一些。如果你做的是区域级多微网我建议采用当地电网发布的年度平均排放因子而不是统一的全国值这样算出来的购电碳排放更有说服力。2.3 把碳排放变成钱然后并入目标函数低碳与经济并列权衡时我的做法是给碳排放一个动态价格采用碳交易成本项。数学模型上可以写成C_total C_buy C_fuel C_ess C_network - R_sell C_carbon_trade其中C_carbon_trade由购碳成本-售碳收益构成。这里有个关键细节碳配额完全免费分配时如果微网实际排放低于配额它在碳市场上出售配额就有收益这会激励它主动降低本地碳排放甚至在条件合适时向邻网输送绿色电力帮助邻网降碳换取配额收益。这个机制一旦落入目标函数互联功率的流向就不光受电价驱动还被碳价驱动了。有人问我碳价取多少合适我的经验是20~60元/t是常见区间。碳价太低减排激励不够调度结果几乎等同于纯经济调度碳价太高几乎所有功率都会被引向清洁电源甚至造成为了降碳而过度运行储能反而增加损耗。具体取值可以结合排放系数和当地碳市场行情标定也可以在算例做灵敏度分析。3. 能量互联调度模型的约束体系——功率平衡、联络线与储能约束3.1 每个微网内部的功率平衡约束每个微网在任何时段都要求发电购电储能放电邻网输入 负荷储能充电自身输出邻网。具体展开为P_pv(i,t) P_wt(i,t) P_mt(i,t) P_buy(i,t) P_dis(i,t) P_in(i,t) P_load(i,t) P_ch(i,t) P_sel(i,t) P_out(i,t)等式左右两边要严格相等。P_in和P_out是本微网从其他微网获得或送入的功率。值得提醒的是这种功率平衡约束必须逐微网、逐时段建立不能把三个微网的功率加在一起做总平衡因为每个微网和上级电网的连接点不同购售电价也可能不同总平衡会掩盖各微网间的真实传输需求。3.2 联络线约束与损耗处理微网间互联不是一条无损耗的理想导线。实际工程中联络线由电缆或架空线组成传输功率越大损耗越大。在优化模型中我采用简化的线性损耗模型P_line(j,k,t) P_send * (1 - λ)λ取2%~3%的传输损耗率。如果追求更精确可以引入二次损耗函数但线性模型的好处是保持线性规划性质求解稳定对结果的影响也足够小。联络线的约束还包括传输容量限制。设置每条联络线最大传输功率为10kW~20kW正方向代表从微网A流向微网B反方向则是一个负值变量。这里要特别小心方向约定我在写Matlab代码时习惯把每个联络线的交换功率定义为一个有符号变量正值代表功率从编号小的微网流向编号大的微网负值相反。这样约束只写一次不用为每条线拆两个方向变量代码会清爽很多。3.3 储能运行约束储能是多微网调度里的核心灵活性资源。它的约束包括充放电功率上下限、荷电状态SOC上下限、以及SOC的状态转移方程SOC(t1) SOC(t) (η_ch * P_ch - P_dis / η_dis) * Δtη_ch和η_dis分别取0.95、0.95。这里有一个建模陷阱如果不限制P_ch和P_dis不能同时为正优化求解器为了最小化损耗成本或利用充放电价差可能给出同一个储能同时充电又放电的伪解功率平衡方程虽然满足了实际物理上却不成立。我的做法是引入一个二进制变量u当u1时只允许充电u0时只允许放电用Big-M法写互斥约束。如果不考虑成本精度也可以用近似约束让两个变量乘积尽量小。3.4 燃气轮机的爬坡与启停约束燃气轮机作为可控电源出力区间通常取20%~100%额定功率还需要考虑上下爬坡速率。假设某台微燃机额定功率50kW爬坡速率设为30kW/h那么相邻两个时段出力变化量不能超过30kW。这在24h调度里很重要优化器很喜欢让燃气轮机在某一个时段大幅加出力然后下一时段立刻停机休息但真实机组完全做不到。启停逻辑我用二进制变量z表示机组运行状态并把出力和状态绑定P_mt_min * z ≤ P_mt ≤ P_mt_max * z如果模型里不要求启停状态只让出力连续结果会忽略启机成本和启停碳排的额外冲击低碳经济性评估会偏乐观。4. Matlab实现的关键环节Yalmip建模与求解器配置4.1 求解路线选择Yalmipcplex/gurobi 还是 智能算法Matlab下做这类调度优化主流的路线有两条。一是基于Yalmip工具箱把模型写成约束和目标交给商业求解器去解二是自己写粒子群、差分进化等智能算法。我的建议是优先用Yalmip求解器。原因很简单这个模型本质上是混合整数线性规划MILP规模不大3个微网×24时段变量几百个求解器几秒就能收敛到全局最优。智能算法虽然不需要装求解器但调参麻烦、结果有随机性写论文或工程复现时需要反复跑很多次稳定性很难保证。只有当模型里出现高度非线性、非凸约束比如考虑网损的潮流约束时才考虑启发式算法。如果你手头没有商业求解器许可证也可以用Matlab自带的intlinprog。需要注意Yalmip默认调用的求解器列表中intlinprog对中小规模问题也能解只是速度比cplex这类商业求解器慢一些但对24时段的算例来说通常1分钟以内也能出结果。4.2 变量定义与目标函数落地第一步是定义决策变量。我用sdpvar定义连续变量用binvar定义二进制变量。整个模型的核心变量可以这样定义% 3个微网 × 24时段 Pbuy sdpvar(3, 24); % 向上级电网购电 Psel sdpvar(3, 24); % 向上级电网售电 Pmt sdpvar(3, 24); % 燃气轮机出力 Pch sdpvar(3, 24); % 储能充电 Pdis sdpvar(3, 24); % 储能放电 SOC sdpvar(3, 25); % 荷电状态含初始时刻 % 联络线交换功率两个连接方向 Pline12 sdpvar(1, 24); % 微网1到微网2正负表示方向 Pline13 sdpvar(1, 24); Pline23 sdpvar(1, 24);联络线用单个有符号变量表示正负代表方向。这样不仅代码短目标函数里如果要按功率绝对值收取线损费用可以用abs(Pline12)Yalmip会自动处理这种表达式的线性化。目标函数累加时我建议把每一项写清楚不要为了简化全部塞进一个表达式里。分块相加的好处是后面做灵敏度分析时可以单独输出每一类成本的数值方便定位优化结果中成本构成是否合理。Objective sum(sum(Pbuy .* Price_buy ... - Psel .* Price_sell ... Pmt .* Cost_gas ... Pch .* Cost_ess ... Pdis .* Cost_ess)) ... sum(sum(Carbon_total .* Carbon_price)) ... sum(sum(Pline12_lambda .* abs(Pline12)));4.3 约束条件写入代码的要点约束代码写得是否规范直接影响求解器能不能快速收敛。这里我给出几个关键约束的写法参考储能SOC递推约束% 初始SOC设为0.5 SOC(:,1) 0.5; % 逐时段递推 for t 1:24 Constraints [Constraints, SOC(:,t1) SOC(:,t) ... (eta_ch * Pch(:,t) - Pdis(:,t) / eta_dis) * delta_t]; end % 首末SOC一致保证日调度可持续性 Constraints [Constraints, SOC(:,25) SOC(:,1)];首末SOC保持一致这一点很容易被忽略。如果不加这条优化器会在最后时段把储能彻底放空次日调度就会从空SOC状态重新开始这在滚动调度中是不现实的。连续调度视角下日末SOC应该尽量回到初始值。储能充放电互斥约束Big-M写法u_ch binvar(3, 24); u_dis binvar(3, 24); M 100; % 足够大的数 Constraints [Constraints, 0 Pch M * u_ch]; Constraints [Constraints, 0 Pdis M * u_dis]; Constraints [Constraints, u_ch u_dis 1];互斥约束用二进制变量实现后模型的求解时间会增加但可靠性和物理正确性大幅提升。实际测试中3个微网的模型加不加互斥约束求解时间差别不大放心用。微网内部功率平衡for t 1:24 Constraints [Constraints, ... Ppv(:,t) Pwt(:,t) Pmt(:,t) Pbuy(:,t) Pdis(:,t) Pin(:,t) ... Pload(:,t) Pch(:,t) Psel(:,t) Pout(:,t)]; end由于联络线功率使用有符号变量Pin和Pout需要通过映射关系从Pline中取出来。我的习惯是预先把所有微网之间的连接关系写成邻接矩阵然后循环累加得到各微网的净输入功率避免硬编码导致微网数量一变就重写代码。4.4 求解与结果处理模型写完后调用求解器的统一接口ops sdpsettings(solver, cplex, verbose, 2, showprogress, 1); result optimize(Constraints, Objective, ops);求解结束后检查result.problem是否为0不为0时说明无解或求解器出问题。我遇到过好几次infeasible的情况十有八九是储能SOC在某个时段被卡到负值或者功率平衡等式约束不闭合。排查方法很简单把每个时段的发电量和负荷量分别打印出来看差值在哪一步断了。结果处理方面我习惯把Pmt、Pbuy、Pdis、SOC这些变量输出成Excel表格再用Matlab绘图脚本输出24小时功率曲线图、SOC曲线图、联络线功率图。这也方便后面做对比实验时统一口径。5. 典型算例结果分析三微网互联与独立运行的差距5.1 算例工况设计我构设了一个典型的三个微网测试系统来说明模型效果。三个微网的结构和负荷特性刻意做成差异化才能体现互联的价值微网1光伏为主额定容量30kW日负荷以办公型为主白天高、夜间低。微网2风电为主额定容量40kW日负荷以居民型为主傍晚高。微网3燃气轮机为主额定容量50kW自身可再生出力少负荷全天相对平稳。储能配置上每个微网各配一组容量50kWh、功率25kW的锂电池。微网1与微网2之间最大交换功率15kW微网1与微网3、微网2与微网3之间均为10kW。碳配额按各微网历史排放的95%免费分配碳价取50元/t。5.2 互联与独立运行的优化结果对比我用同一套负荷和可再生能源出力数据分别做了两次优化第一次不加微网间联络线约束让三个微网独立调度第二次加入联络线约束允许功率交换。两种场景的成本与碳排放对比如下指标独立运行互联运行变化量系统总运行成本852元764元-88元-10.3%总购电成本510元423元-87元燃气轮机燃料成本185元179元-6元储能损耗成本42元38元-4元总碳排放量486 kg435 kg-51 kg-10.5%弃光弃风率14.2%6.5%-7.7个百分点互联运行后的总成本下降了10%左右碳排放下降了10.5%。原因不复杂白天微网1光伏大发时除了给自身储能充电多余的功率送入微网2和微网3消纳反而减少了两个受端微网上级购电需求也顺带把微网3燃气轮机的高碳出力压了一部分。最值得留意的是碳排放下降的路径。并不是哪个微网觉悟高主动减排而是碳价信号让微网2和微网3发现买微网1的电比启动本地机组更便宜尤其是碳配额收紧之后直接用光伏电替代燃气轮机出力碳排自然就下来了。5.3 联络线功率的典型时变特性观察优化结果中的联络线功率曲线能明显看到三个时段特征中午11点到14点微网1到微网2、微网1到微网3的功率接近上限这是光伏大发驱动的清洁电力外送。傍晚17点到20点微网2到微网1出现一定功率流动因为居民负荷傍晚高而微网2的风电在傍晚往往处于爬坡期。深夜时段三微网基本都在从主网低谷电价购电联络线交换功率很小因为储能都在谷电时段充电互联的边际收益不显著。这套结果给调度人员的直观启发是联络线的价值主要集中在可再生出力盈余时段和负荷峰值时段如果在这些时段把交换功率上限卡得太死互联收益会大打折扣。实际工程里联络线容量配置不能按年均峰值负荷来设计而要按互补性最强的时段来校核。6. 个人实操中遇到的几个坑与调参经验6.1 同购同售伪解购售电价差不足时的模型陷阱第一次跑模型时我发现在某些时段优化结果同时出现微网A高价购电和微网B向主网售电。从数学上这确实可以让资金流平衡但能量上完全是多此一举。原因是我没有约束任意微网在同一时段购电视为互斥。解决办法是给购售电加二进制互斥或者直接用购价高于售价的约束前提让优化器天然不会出现套利解。这一点做MILP模型时特别常见写代码时提前把互斥约束补上比事后调参省事得多。6.2 联络线功率的线损计费方式影响流动方向线损如果只在送端减掉一部分功率受端还是按全额接收来平衡那么送端微网会承担全部损耗成本这会让送端不愿意外送电能。我在模型中引入了功率传输成本由受端承担的做法后联络线利用率明显提高送端愿意在电价差较小的情况下也送电因为输电路径损耗由受益方付费经济信号更合理。6.3 碳排放因子的敏感性比想象中高电网碳排放因子的取值对调度结果影响非常大。当你取0.581 kg/kWh时购电碳成本很高燃气轮机反而显得有些低碳如果你把因子改成0.4局面马上反转。所以我建议在结果分析部分一定要做碳排放因子的灵敏度分析别把结论吊死在一个固定因子上。通常我会画出碳价-总成本-碳排放三条曲线说明这个模型对政策参数的内在响应机制。6.4 SOC首末状态要不要锁死如果你追求的是单日优化锁死SOC首末相等没问题如果考虑滚动调度每天零点SOC不必完全相等而是应该作为状态量传递给下一个调度周期。我的做法是给首末SOC加一个软约束允许小幅偏差但在目标函数里加入偏差惩罚项。这样模型既有灵活性又不会导致储能被用完即弃。另一个细节是储能初始SOC值不要直接给0.8这类固定值最好按实际运行中点提取。没有实测数据时0.5是合理的缺省值因为对称的SOC初始值能避免优化解对初始状态过于敏感。6.5 求解器的选择与参数整定对结果的影响同一个MILP模型cplex和gurobi解出来的最优值理论上应该一致但求解时间和数值稳定性有明显差别。在模型规模小的时候不明显一旦微网数量扩展到5个以上、联络线增加到10条变量数会急剧上升求解器默认参数的收敛速度可能比较差。我习惯设置sdpsettings(cplex.mip.tolerances.mipgap, 1e-4)这类终止容差让求解器在接近最优时不必花太多时间在无意义的精确化上工程上完全够用。如果用的是intlinprog建议打开ConstraintTolerance和OptimalityTolerance给的默认值有时会过早停止搜索导致结果离全局最优偏得比较远。用Yalmip的好处是可以一行代码切换求解器做结果对比时特别方便。6.6 从3微网扩展到更大系统的思路这个3微网模型验证通过后扩展到更多微网时不需要推倒重来。只需要把变量维度从3改成N把联络线邻接矩阵从手工定义改成根据拓扑自动生成约束循环和结果输出的代码逻辑完全不变。真正需要重新设计的是求解效率——N超过10、联络线超过15条的时候我建议把调度周期从24h缩短为滚动优化的8h窗口或者考虑把模型分解成主问题和子问题来迭代求解。另外扩展到更大系统之后微网间的功率传输如果穿过公共配电网就不再是简单的联络线损耗模型了需要考虑网络拓扑和潮流约束。这时候模型从MILP变成MINLP或动态优化问题就不是普通求解器能直接处理的了可以考虑用SOCP松弛或交替方向乘子法来处理。从建模到Matlab落地这个三微网低碳互联调度的框架整体走了一遍。核心收获就是三句话目标函数要把碳排放量化成成本才能参与优化联络线约束需要明确损耗归属和方向约定储能启停和购售互斥这类物理常识必须通过约束显式表达求解器才不会钻空子。如果你正打算复现类似的项目建议先从独立调度模型跑通再逐步添加互联约束和碳交易机制每一步对比结果差异这样调起来思路会清晰得多。
