碳捕集与P2G协同的综合能源系统双目标优化复现指南

先说结论：这篇一区文章复现的难度不在求解器调用，而在把物理解耦变成数学表达时，符号方向和边界条件特别容易出错。尤其是碳捕集设备的“捕碳量”与P2G设备“耗碳量”之间不是静态比例关系，二者要通过碳流平衡耦合在一起，很多复现代码跑出来的帕累托前沿不完整，根子就出在这。下面我把整个复现过程拆开讲，适合已经能跑通常规日前优化调度、想挑战双目标带碳排放处理的小伙伴参考。

1. 复现前的全局规划：系统架构与能流拓扑怎么搭

1.1 先把网架拓扑图老老实实画一遍

拿到论文标题，第一步不是开Matlab，而是把系统拓扑画在纸上。这套系统里有四个核心角色：燃气轮机热电联供机组、P2G电转气设备、碳捕集设备，以及外部电网和天然气网。它们之间的连接关系决定了所有约束方程的写法。

我复现时用的拓扑结构是这样：

• 电能母线：外部购电量、CHP发电量、P2G耗电量、普通电负荷、碳捕集设备耗电量，全部汇集在这条母线上。
• 热能母线：CHP余热、燃气锅炉补热，满足热负荷。
• 天然气母线：外部购气量分配给CHP和锅炉，P2G生成的天然气如果允许回注，也要并入这条母线。
• 碳流母线：CHP和锅炉燃烧产生的CO2进入碳捕集设备，捕集下来的CO2一部分交付P2G作为原料，剩余部分算封存。

这里要提醒一句：热电联供机组的排烟CO2浓度与锅炉排烟CO2浓度往往不同，论文里如果对碳捕集按“烟气来源”区分捕集成本，就要给每台设备单独建捕集模型，不能图省事合并成一个捕集器。我一开始就是把CHP和锅炉的CO2合在一起算，结果碳捕集能耗偏小，帕累托前沿的左端点偏移明显，后来拆开建模才和原文数据对齐。

1.2 能量流的三个层级关系

梳理完拓扑，接下来要分清三个层级的能流，因为写代码时每个层级对应一组不同的约束。

第一层是设备输入输出关系。比如CHP机组，输入天然气，输出电和热；P2G设备，输入电和水，输出氢再合成天然气；碳捕集设备，输入烟气中的CO2和额外电耗，输出高浓度CO2。这一层的核心是转换效率。

第二层是母线平衡关系。电能母线上所有供能之和等于所有用能之和，热母线同理，天然气母线同理。这一层是等式约束，最容易因为单位不一致而出问题。

第三层是碳流平衡关系。系统总排放CO2减去捕集量，得到净排放量，净排放量乘以碳价或配额价格，就是碳排放成本。P2G耗用掉的CO2属于碳循环利用，不应重复计入最终排放，但捕集过程本身消耗的电能又间接增加排放，这个循环关系要在目标函数里体现清楚。

画完这三层能流，我心里就有数了：所谓“双目标优化”，本质上是在“少烧天然气、多用电”和“电从哪里来、减排成本多高”之间找帕累托前沿。CHP少发一点电，碳排放减少，但电缺口要由外购电补上，外购电若来自高碳电网，则总排放不一定下降，这正是模型里最值得调参验证的部分。

2. 碳排放成本与运维成本的双目标：为什么选ε约束法

2.1 加权法在这里会漏掉帕累托前沿的凹段

双目标优化最常见的做法是先线性加权，把两个目标合成一个单目标，再反复调整权重生成帕累托前沿。实际做下来，加权法在这个问题上有一个要命的缺陷：当碳排放成本与运维成本的可行域边界是非凸曲线时，线性加权只能找到凸包上的支撑点，无法覆盖凹陷部分的帕累托最优解。

你可能会问，这套系统怎么就会出现非凸？问题出在CHP机组的电热耦合可行域上。CHP机组有背压式和抽凝式两种运行模式，抽凝式CHP的可行域是一个多边形区域，当P2G和碳捕集设备投入后，碳排放量关于CHP出力的函数在大范围变化时，会出现一段下凹区间。加权法从两个端点逐步移动权重，到凹陷段时目标组合值会突然跳变，得出的帕累托前沿缺一块。

2.2 ε约束法的核心流程

ε约束法把其中一个目标保留为目标函数，另一个目标转化为不等式约束，然后通过逐步收紧这个约束，得到一组帕累托最优解。这里我选择保留运维成本最小化作为目标函数，把碳排放成本作为约束，约束形式是：

碳排放成本 ≤ ε

ε从碳排放成本的最大可行值开始，逐步下降到最小值，每次下降都重新求解一次混合整数线性规划问题，就能得到一组完整的前沿点。

实现时先解两个单目标问题来确定ε的取值区间：

• 第一次只最小化运维成本，记录此时碳排放成本的取值C_max，这就是ε的上界（在完全不约束碳排放时的实际排放成本）。
• 第二次只最小化碳排放成本，得到碳排放成本最小值C_min，这就是ε的下界。

这两步必须用同一个约束集合来解，否则C_min和C_max不在同一个可行域内，后面的循环会经常出现无解。我吃过这个亏，第一次只改了目标函数却忘了把约束条件统一，结果第二个单目标的P2G出力范围比第一个小，ε区间整体偏窄。

2.3 ε区间划分的技巧

理论上ε在C_min到C_max之间均匀取N个点即可。但实际复现时我发现均匀取点在两端会出现冗余密集区，中间关键拐点反而取点稀疏。更稳的方式是：先均匀跑一遍，看哪个区间内目标变化剧烈，再在该区间加密取点。

具体到代码实现是这样的：

code复制% 单目标求区间
ops = sdpsettings('solver', 'gurobi', 'verbose', 0);
optimize(cons, C_opex, ops);
C_max = value(C_carbon);

optimize(cons, C_carbon, ops);
C_min = value(C_carbon);

% 生成ε序列
epsilon_list = linspace(C_max, C_min, N);

for k = 1:N
    e = epsilon_list(k);
    cons_e = [cons, C_carbon <= e];
    optimize(cons_e, C_opex, ops);
    pareto_carbon(k) = value(C_carbon);
    pareto_opex(k) = value(C_opex);
end

注意这里ε序列我是从排放成本最大往最小走，主要是因为约束不等式用≤写起来更自然。有些文章会反过来取，也完全不影响结果。关键点是每次求解完毕后，要把上一个解作为下一个解的初始可行解传入，能显著加快收敛，尤其是N取到50以上时，节省的时间肉眼可见。

YALMIP里可以用assign和optimize的 warm start 实现在线初始化，不过Gurobi本身会自动利用上一轮的basis信息，实测下来即使不手动做，重复求解同一模型也很快。

3. 碳捕集设备与P2G设备的建模细节

3.1 碳捕集设备的“捕碳能耗”才是碳排放成本的关键

碳捕集设备的建模不能只写一个捕集率。它的运行特性是：捕集到的CO2量越大，设备自身消耗的电能越多，而这部分电能如果是外购的，会在电网侧产生间接排放，冲抵一部分减排效果。这个细节直接决定了帕累托前沿的曲率，是整个模型里最有价值的一段。

我的建模方式是：

• 从烟气进入捕集器到分离出高浓度CO2，捕集量为G_cap。
• 捕集能耗为λ_cap × G_cap，其中λ_cap是单位捕集能耗系数。
• 捕集能耗作为电能负荷加到电平衡等式左侧。
• 捕集下来的CO2去向分流：W_cap给P2G，剩余为封存量。

在代码里，对应约束形如：

code复制P_ccs = lambda_ccs * G_cap;          % 捕集能耗
G_cap <= delta_ccs * G_flue;         % 捕集率上限
G_cap >= 0;
[H2O_constraints...]

G_flue是CHP和锅炉烟气中CO2总量，delta_ccs是捕集率上限。λ_cas这个值在原文的灵敏度分析里通常会给出一个范围，复现时建议先用中间值跑通模型，再拉高拉低看影响，能明显看出碳排放成本目标曲线的平移。

3.2 捕集的CO2并不是越多越好

如果捕集下来的CO2全部封存，相当于负碳技术，碳排放成本很可能直接被压到零附近。但原文论文往往给P2G设定了CO2需求量上限，原因在于：如果P2G不同时消耗CO2，捕集设备就得考虑封存成本或封存容量约束，而标题强调的是“P2G与碳捕集设备协同”，核心场景是捕集下来的CO2供P2G用，剩余部分才进入碳封存。

所以建模时我建议加一个不等式：

W_p2g ≤ G_cap

并且P2G侧生成的天然气进入气网后，会替代一部分外购天然气，这个替代量要折算成天然气成本减少。换句话说，碳捕集+ P2G的组合同时作用于两个目标：一是减少净碳排放（降低碳排放成本），二是减少外购天然气量（降低运维成本）。两者并非完全同向变动，因为P2G多产气意味着多耗电，外购电增加会导致运维成本上升。

3.3 P2G设备的效率与气网回注约束

P2G建模里有三个参数容易搞混：电解槽效率、甲烷化效率、总转换效率。我直接用总转换效率η_P2G表示“单位电能转化为天然气化学能的比例”，这样在目标函数和碳平衡里都比较好处理：

P2G输入电功率P_p2g，输出天然气功率G_p2g = η_P2G × P_p2g，同时消耗的CO2量是：

W_p2g = (G_p2g / LHV_NG) × θ_co2

其中θ_co2是每合成单位体积（或单位热能）天然气所需CO2质量。这里单位的坑非常多，下文专门写。

P2G回注气网时还要注意气网平衡约束的方向。如果气网只有一个天然气源（外购天然气），加入P2G后平衡等式为：

G_buy + G_p2g = G_chp + G_boiler

很多新手把G_p2g写到等号左边当负荷，那等于人为把P2G产气抵消掉，整条气网平衡就错乱了。我复现时核对的第一件事，就是看天然气平衡等式里P2G的符号。

4. Matlab主程序与求解链路实现

4.1 参数表与数据准备

复现一篇文章，参数表必须和原文一一对应。我建议先把所有设备和价格参数集中到一个Excel或m脚本里，方便统一修改。下面是我常用的参数清单，可以直接抄：

参数表做完以后，建议先把所有效率的单位统一为“低位热值基准”，这是综合能源系统仿真最常见的坑。P2G产出的天然气能量如果按高位热值记，效率数值会小一截，而碳排放因子通常按低热值给，两组数据混用会出现完全不可信的帕累托前沿。

4.2 用YALMIP建模的骨架代码

主程序我推荐直接用YALMIP建模，配合Gurobi求解。如果手头没有Gurobi，用Cplex或Mosek也可以，这些求解器都能处理含0-1变量的MIQP/MILP问题。核心变量定义部分：

code复制T = 24; % 调度时段

% 决策变量
P_chp = sdpvar(1, T, 'full');     % CHP电出力
H_chp = sdpvar(1, T, 'full');     % CHP热出力
P_p2g = sdpvar(1, T, 'full');     % P2G耗电
G_p2g = sdpvar(1, T, 'full');     % P2G产气功率
P_ccs = sdpvar(1, T, 'full');     % 碳捕集能耗
G_cap = sdpvar(1, T, 'full');     % 捕集CO2质量流
G_flue = sdpvar(1, T, 'full');    % 烟气CO2总量
P_buy = sdpvar(1, T, 'full');     % 外购电
G_buy = sdpvar(1, T, 'full');     % 外购天然气
u_chp = binvar(1, T);             % CHP启停
P_boiler = sdpvar(1, T, 'full');  % 锅炉热出力

变量全部用“full”显式声明类型，能避免YALMIP在自动推断变量类型时把连续变量误判成二进制变量，这是我遇到过的最无语的求解卡死原因之一。

约束部分按母线平衡来组织：

code复制% 电平衡
cons = [cons, P_buy + P_chp == P_load + P_p2g + P_ccs];

% 热平衡
cons = [cons, H_chp + P_boiler == H_load];

% 天然气平衡
cons = [cons, G_buy + G_p2g == G_chp + G_boiler];

% CHP耦合约束（简化线性化）
cons = [cons, H_chp == K_chp * P_chp];   % 或四边形可行域约束
cons = [cons, P_chp <= P_chp_max * u_chp];
cons = [cons, P_chp >= P_chp_min * u_chp];

这里CHP耦合关系如果直接用定热电比会丢掉抽凝式机组的可行域细节，建议实现成一组线性不等式围成的二维多边形区域，标准写法见Miller和Lennon两篇关于CHP可行域的描述，代码上等价于：

code复制cons = [cons, P_chp <= P_chp_max];
cons = [cons, H_chp <= H_chp_max];
cons = [cons, H_chp >= alpha1 * P_chp + beta1];
cons = [cons, H_chp <= alpha2 * P_chp + beta2];

4.3 碳相关约束的代码位置

碳排放成本函数的计算要多花点心思。我的写法是把总CO2产生量、捕集量、净排放量分别算出来：

code复制CO2_produced = co2_chp * P_chp + co2_boiler * P_boiler + co2_grid * P_buy;

% 捕集的部分
CO2_captured = G_cap;

% P2G消耗的CO2
CO2_consumed_by_p2g = theta_p2g * G_p2g;

% 净排放
CO2_net = CO2_produced - CO2_captured + CO2_released_by_p2g??
% 注意：CO2_consumed_by_p2g在甲烷化产物进入气网燃烧后会重新排放

这里有一个细节必须想明白：P2G把CO2转化为天然气，天然气再被CHP或锅炉燃烧后，CO2又回到烟气里。所以P2G消耗的CO2本质上不是碳封存，而是碳循环。如果简单地在净排放里减掉CO2_consumed_by_p2g，就相当于把循环碳也当成减排，结果碳排放成本会被严重低估。

正确做法是：碳捕集后分为两部分，一部分由P2G循环利用，另一部分永久封存。在净排放计算中，只有永久封存的部分才减去；P2G循环部分不参与净排放计算。但P2G消耗的CO2如果来自捕集，这部分CO2在气网燃烧后会再次产生，所以净排放里要算两次吗？不对，它们在首次产生时已计入CO2_produced，捕集后进入P2G，再燃烧再产生，需要再加一次。计算如下：

• 初始烟气排放：CO2_produced_initial = co2_chp * P_chp + co2_boiler * P_boiler
• 捕集量：G_cap（其中P2G消耗了W_p2g，封存为G_storage）
• 实际排放到大气 = （初始烟气未捕集的部分）+（外部购电间接排放）
• 循环燃烧再次排放：W_p2g → CHP燃烧重新排放
• 净碳排放 = CO2_produced_initial - G_cap + CO2_grid + W_p2g

等价于:

code复制CO2_net = (CO2_flue - G_cap) + CO2_grid + CO2_p2g_reburn;

其中CO2_p2g_reburn等于P2G产生的天然气被CHP或锅炉燃烧后产生的CO2，但注意，这部分天然气如果不产自P2G，本来就需要外购并燃烧，届时同样会排放。为体现协同减排效果，比较基准应该是“无P2G、无碳捕集”的系统。论文里通常会直接给出碳排放成本目标表达式的具体形式，复现时严格按公式走即可，逻辑上不要自作聪明加减。

4.4 求解循环与结果绘图

ε约束法的核心循环跑完后，输出两个向量：pareto_opex和pareto_carbon，直接plot就是帕累托前沿。要注意的是，每一个前沿点都对应着一组完整调度方案，可以挑几个特征点（左端点、右端点、拐点）把典型的24小时机组出力曲线画出来，便于后续分析。

绘图用fill函数把帕累托前沿凹下去的包络区域标出来，效果比散点图直观。需要注意的是，如果某次循环求解返回warnings（比如infeasible或numerical issue），要把这个点单独标出来，不要悄悄丢掉。ε接近C_min时出现无解是正常现象，前提是C_min本身比预期值大了1e-6之类的数值容差，但如果从某个ε开始连续十多个点全部无解，那就说明下界求错了，回去检查碳排放成本目标式的符号。

求解循环的完整代码如下：

code复制N = 30;
pareto_opex = nan(1, N);
pareto_carbon = nan(1, N);
epsilon_list = linspace(C_max, C_min, N);

for k = 1:N
    cons_k = [cons, C_carbon <= epsilon_list(k)];
    diagnostics = optimize(cons_k, C_opex, ops);
    
    if diagnostics.problem == 0
        pareto_opex(k) = value(C_opex);
        pareto_carbon(k) = value(C_carbon);
    else
        fprintf('k=%d infeasible, epsilon=%.4f\n', k, epsilon_list(k));
    end
end

figure;
plot(pareto_carbon, pareto_opex, 'o-', 'LineWidth', 1.5);
xlabel('碳排放成本 (元)');
ylabel('运维成本 (元)');
grid on;

4.5 变量初始化与求解性能优化

风力、光伏、负荷的时序数据用原文或公开数据集替换。求解性能方面，我实测在24时段、30个ε点下，总求解时间大约35秒，如果卡到几分钟以上，优先检查是否引入了非必要的非线性约束。比较隐蔽的是碳捕集能耗和捕集量之间的乘积关系，如果写成连续变量相乘，问题就变成二次约束规划，Gurobi求解MIQP反而慢。这里我直接将λ_ccs处理为常数，因此P_ccs = lambda_ccs * G_cap保持线性，对大电网下lp收敛极其友好。

5. 复现过程中最值得记录的五个坑

5.1 YALMIP变量类型推断导致的求解卡死

YALMIP有一个习惯：如果你定义sdpvar时没有显式注明类型，它可能在求解器转换阶段自动推导为二进制变量。我在复现时曾把P_p2g写成了sdpvar(T, 1)，没有加'full'参数，结果Gurobi把它当成连续变量倒没问题，但当碳排放约束收得很紧时，求解器开始在P2G启用状态附近反复试探，耗时特别长。后来我把所有变量统一按1×24行向量、显式'full'声明，问题立刻消失，耗时缩短了一个数量级。如果你遇到“为什么求解器解这么慢”，先检查变量维度和YALMIP的变量类型推断日志。

5.2 ε取值区间不对，帕累托前沿不完整

这个问题几乎人人都会遇到。ε区间取错有两种表现：一种是区间过宽，导致前几个点无解、后几个点全是最小排放值；另一种是区间过窄，前沿被迫截断，看起来很完整实际丢失了极端点。

要确定C_min和C_max，必须先保证单目标优化时目标函数的量纲和约束中C_carbon的量纲完全一致。我把碳排放成本统一折算成元（而不是吨），而约束里写的是元，这样C_cc在数值上直接可比。如果按吨写，ε序列也要按吨区间生成，一旦混用，前沿会变成一条水平线或垂直线。

5.3 单位混乱：kW与MW、热值与电能混用

这个坑非常隐蔽，因为Matlab不会报错。划重点：

• 外购电的单位是kW，但P2G产气的热功率单位也是kW。
• 天然气买卖按热功率（kWh）计，但CO2质量按kg计，合成天然气时能量与CO2质量之间的换算要乘以密度和热值。
• 如果风力、光伏按MW输入而负荷按kW输入，电平衡等式两边数值差1000倍，但求解器依然能解出一个荒谬结果，且目标函数值看起来正常。

我的建议是设置一个base基准值，所有功率量纲统一折算成同一个基准的标幺值，或者干脆全部用kW和kWh，坚决不混用。所有换算常数在参数表里用注释写明来源，便于逐行核对。

5.4 热负荷平衡容易忽略的“热电比单点”陷阱

很多论文复现只给CHP一个固定的热电比，比如1.3，然后直接把电出力和热出力等同起来，这种做法对含P2G的系统特别危险。因为P2G耗电后，如果靠CHP增加电出力来满足电平衡，热出力也跟着增加，而热负荷不一定能消纳这么多热，就会导致系统必须“弃热”或启动电锅炉来耗热。

原文如果考虑热储或者电锅炉，这些设备要在模型里体现。如果原文完全不考虑热力松弛，你只能通过给CHP一个可行域（而不是固定热电比）来让模型自动折中。我复现时把CHP建模成可以调整热电比的抽凝机组，帕累托前沿才终于跑出了下凹段。

5.5 碳流方向的符号问题

碳流在P2G与碳捕集之间的方向，看起来简单，但写进约束时非常容易出错。很多人直接写：

code复制G_cap <= W_p2g + W_storage

从物理意义上说不通。捕集下来的CO2全部被P2G和封存分掉，应该写成：

code复制W_p2g + W_storage == G_cap

这样才不会把“捕集量”和“P2G消耗量”混在一个不等号里。同时，W_p2g有上限，取决于P2G的转化效率与合成天然气需求量；如果W_p2g超过了G_cap，剩余CO2要从外部补充，这在系统里一般不允许，因此再加上W_p2g <= G_cap，最终才是合理的物理约束。

另外还有一个隐藏约束：只有捕集下来的CO2才能给P2G用。如果模型允许P2G直接购买外部CO2，问题就变了性质，变成CCU（碳捕集利用）和CCS之间的选择，这不是本文的模型设定，别加这条。

6. 复现完成后如何自我验证

6.1 用边界条件检验模型逻辑

模型跑通后先别急着画图。先做一个最简单的检验：把碳排放成本目标从约束中放开（ε取C_max），此时结果应该等于纯运维成本单目标优化的结果，这个值你在第2章已经算过，直接对比即可。如果不一样，说明主循环里目标函数或约束复制错了。

再做一个检验：把P2G和碳捕集设备的容量全部设为0，模型应退化为“电网+气网+CHP+锅炉”的传统热电联供系统，电平衡和热平衡依然成立，碳排放成本变成碳税乘以原始排放量。跑一遍看看有没有数值异常，尤其是热平衡，这是最快找出模型低级错误的方法。

6.2 帕累托前沿的收敛性

用N=10、20、30分别跑三遍，看前沿是否随N增大而变密但不变形。如果N=10时的前沿端点与N=30时明显不同，说明个别ε点求解不彻底或提前终止了，需要调大Gurobi的MIPGap参数。一般综合能源系统MILP模型规模不大，完全可以设成1e-4甚至0，让Gurobi达到全局最优。

还有一点，别忘了看求解日志里是否有数值警告。Gurobi的警告大多数情况下不影响结果，但如果连续出现“numerical trouble”或“feasibility”警告，就要回去检查是否存在极大极小数值共存的约束，比如CO2质量（量级在几百kg）与电能（量级在几千kW）相乘，可以考虑给质量再乘一个比例因子，让所有约束数值落在0.01到10000之间。

6.3 和原文结果能否对应上

一区文章的复现，很难做到数值完全一样，原因有三：原文用的电价曲线、负荷曲线可能没给全；原文某些效率值给的是一个范围，你取的是中间值；求解器版本和MIP gap不同。所以对比时看三点即可：

• 趋势是否一致：碳排放成本上升时运维成本怎么变化，应该几乎单调递增。
• 拐点位置是否接近：帕累托前沿的转折点（斜率突变处）在原文中的位置，决定了两目标权衡的临界点。
• 极端场景的调度策略是否合理：左端点（碳排放最小）应该出现P2G大功率运行+碳捕集满负荷，右端点（运维成本最小）应该出现CHP几乎满发。

如果这三条都满足，复现就算基本成功。非要追求完全一致的话，就得把原文审稿附件、数据附表都翻出来，逐项比对参数，那是另一个维度的工作了。

按我个人的体会，这种带双目标优化与碳捕集协同的综合能源系统复现，最耗时的地方从来不是ε约束法的代码，而是把碳流平衡、CHP可行域、单位统一几件事理顺。模型本身不算复杂，属于标准MILP框架，一旦你理解了两个目标的冲突来源，后面的求解只是重复劳动。希望这份复现笔记能让你少踩几个我踩过的坑，尤其是第5节那五个点，大多数跑不出完整帕累托前沿的问题，最后都能追溯到这五个原因上。