微电网双层优化规划：MATLAB与CPLEX实战解析

1. 微电网规划的双层优化方法论

微电网容量配置本质上是个"既要马儿跑，又要马儿不吃草"的典型问题。光伏、风电、储能等设备的投资成本与运行收益之间存在复杂的耦合关系，传统单层优化模型往往顾此失彼。我在实际项目中就遇到过这种情况：按照初始投资最低的方案配置光伏容量，结果后期运营时发现弃光率高达30%，反而拉高了整体成本。

双层优化架构完美解决了这个困境。上层模型（规划层）的决策变量是各电源的安装容量（光伏x₁、风机x₂、储能x₃），目标函数为总投资成本与年化运营成本之和最小：

code复制min f₁ = C_inv(x) + 365·C_oper(x)
s.t. x_min ≤ x ≤ x_max

其中投资成本C_inv通常表现为线性函数：

matlab复制invest_cost = 1500*x(1) + 2000*x(2) + 800*x(3);  % 单位：$/kW

而下层模型（运行层）则是在给定容量配置下，以日运行成本最小为目标进行调度优化：

code复制min f₂ = Σ(c_grid·P_grid + c_fuel·P_diesel)
s.t. 功率平衡约束
     设备运行约束
     电网交互约束

关键点：下层模型会被上层反复调用，形成嵌套优化结构。这要求下层求解必须高效，这也是选择CPLEX作为求解器的原因——其混合整数规划(MIP)求解速度比开源工具快10倍以上。

2. 代码实现核心技术解析

2.1 双层模型耦合机制

上下层模型通过两种方式交互：

1. 上层将容量配置x传递给下层作为设备参数
2. 下层将日运行成本C_oper返回给上层进行年化计算

这种双向数据流在MATLAB中通过函数嵌套实现：

matlab复制function total_cost = upper_level(x)
    invest_cost = calculate_investment(x);
    [operate_cost, ~] = lower_level(x);  % 调用下层模型
    total_cost = invest_cost + operate_cost*365;
end

2.2 运行层优化细节

下层模型的核心挑战在于处理储能系统的非线性行为。我们采用