双重低碳需求响应复现指南：碳交易与需求响应MILP建模

先说一个结论：这个概念在电力系统方向的论文里出现频率非常高，但你真去复现的时候，卡住你的往往不是那些好看的曲线，而是几个藏在细节里的建模假设。标题里的“双重低碳需求响应”，拆开看其实是两条线叠加：一条是发电侧的碳交易机制，一条是负荷侧的需求响应。两部分单独看都不复杂，合在一起就成了一个混合整数线性规划问题（MILP），用Matlab做，大部分课题组选Yalmip工具箱建模，求解器用CPLEX或Gurobi。这篇博文我把整个模型怎么搭、代码怎么组织、结果怎么验证，以及复现时最容易翻车的地方，全部过一遍。

1. 双重低碳需求响应到底是什么：先把这个课题拆明白

1.1 课题背景与核心价值

先说说为什么这个题目值得做。过去电力系统经济调度只关心“花多少钱能发够电”，目标函数是煤耗或发电成本最小化。但后来碳达峰、碳中和目标提出来以后，发电侧的碳排放不再是没有成本的行为，碳交易市场给每吨CO₂定了价，发电多、排放多，就要多花钱买配额。于是调度模型的目标函数里，除了燃料成本还得多一项碳成本，这叫发电侧的低碳化。

但光管发电侧还不够。用电负荷如果能在高峰时段少用点、低谷时段多用点，系统就可以少开高碳排放的调峰机组，整体碳排放自然降下来。这就是负荷侧的“需求响应”。需求响应不是让用户无条件拉闸，而是通过电价信号或补偿激励，引导用户主动调整用电行为。把两边合在一起，就构成了“双重低碳需求响应”。

你复现这个项目的时候，最终要得到的是一套Matlab代码，输入是系统参数（机组数据、负荷曲线、风电出力、碳配额、电价弹性矩阵），输出是未来24小时或更长时间尺度的机组出力计划、需求响应后的负荷曲线、碳排放量和总成本。

1.2 “双重低碳”的两条线：碳交易机制与负荷侧响应

“双重”这个表述在不同的文章里含义略有差异。有的文章指“碳交易+碳捕集”，有的指“碳排放约束+绿证交易”。但从热词和常见复现场景来看，这个标题更常见的对应是：

• 第一重：碳交易机制。给每台火电机组分配碳排放免费配额，实际排放超过配额的部分需要去碳市场购买，低于配额的部分可以出售获利。这样碳排放就成了成本的组成部分。
• 第二重：需求响应。负荷不再是固定刚性值，而是可以随电价或激励调整。常见建模方式有两种：一种是用价格弹性矩阵描述负荷对电价的响应，另一种是把负荷分为可转移负荷、可削减负荷和固定负荷，调度中心可直接优化调整量或给出补偿。

注意，这两条线不是简单拼在一起。碳交易会影响机组出力，机组出力变化会改变系统边际电价，电价变化又会影响需求响应后的负荷曲线，负荷曲线反过来再影响机组调度。这是一个双向耦合的优化问题。复现时的核心工作，就是把这种耦合关系用约束和目标函数的形式表达出来。

1.3 复现目标：能跑通的代码需要包含哪些模块

我按常见论文的实现口径，整理一下完整复现至少需要包含的模块：

这个结构可以直接对应你接下来写的每段代码。我建议你写代码时不要把所有内容堆在一个脚本里，否则后面换机组、改参数、换场景会非常痛苦。

2. 数学模型落地方案：目标函数和约束条件怎么定

2.1 目标函数：燃料成本、碳交易成本、需求响应补偿成本的耦合

调度模型的目标函数一般是总运行成本最小化。考虑双重低碳需求响应后，主要有四项成本（下面以火电系统加上风电、考虑需求响应为例）：

总成本 = 火电燃料成本 + 启停成本 + 碳交易成本 + 需求响应补偿成本（+ 弃风惩罚，看你是否考虑）

在一个标准复现项目里，燃料成本可以用二次函数或分段线性函数表示。二次函数形式：

C_fuel = Σ Σ (a_i × P_i(t)² + b_i × P_i(t) + c_i)

其中i是机组编号，t是时段，a、b、c是煤耗系数。这里的P_i(t)是优化变量，所以目标函数里出现平方项，如果直接用Yalmip把它声明为变量，求解器会把它当二次规划处理（如果是MILP则需要分段线性化）。

碳交易成本的形式取决于配额分配方式。最简单的基准线法计算方式是：

E_i(t) = δ_i × P_i(t) (机组i在t时段的实际碳排放量)
E_free,i = λ × P_i,max（机组i的免费配额，也