顺德韭菜星做微电网优化调度研究的人，十有八九都会碰到同一个坎儿：单目标模型写出来容易，可论文审稿人或导师第一句话就问“你的目标函数为什么只选了经济性？排放呢？电压呢？储能寿命呢？”不是不想做多目标，是一旦多个目标同时优化，传统权重法那个权重系数调起来真的要命——调一次权重跑一次优化，跑完发现结果不合理再调，一来二去一周就没了。
这篇研究里我用NSGA-III算法直接一次生成一整条三维Pareto前沿，让决策者在成本和排放之间做主，而不是事前拍脑袋定权重。具体做了什么事情：搭建了一个含光伏、风电、微型燃气轮机和储能电池的微电网模型，以运行成本最低、污染物排放最少、净负荷波动最小为三个优化目标，用Matlab完整实现了NSGA-III求解流程，最后输出三维Pareto前沿并给出折中解选取方法。这套流程适合做微电网调度方向的研究生、做园区能源管理的工程师，以及想系统学习NSGA-III在电力领域落地的同学参考。代码思路和关键函数我都会拆开讲，照着改就能用在你的算例上。
1. 微电网多目标优化调度研究到底在做什么
1.1 一个典型微电网调度的物理图景
先把这个问题的物理图景说清楚。我做的微电网算例是一个典型的交直流混合结构：屋顶光伏（PV）、分布式风电（WT）、微型燃气轮机（MT）、蓄电池储能（BT），通过公共连接点（PCC）与大电网双向交互。整个系统给一个包含工业负荷和居民负荷的馈线供电，调度周期是24小时，调度间隔为1小时。
这种结构在真实园区和偏远地区微电网里非常常见，它带来的调度问题是：每个时刻都要决定光伏发多少、风机发多少、燃气轮机发多少、储能是充电还是放电、充放多少、大电网是买电还是卖电。这是个典型的顺序决策问题，而且变量之间互相耦合——白天光伏出力大，储能可能充电留着晚上放；晚上光伏归零，燃气轮机和购电成为主力。这些决策叠在一起，直接决定了整个系统一天的成本和排放。
但如果只做“单目标——成本最低”，模型会毫不犹豫地把燃气轮机砍到最小出力，然后全靠深夜低谷电价购电，白天高峰再卖电套利。这个结果表面上经济性很好，实际上完全忽略了排放约束和配电网运行安全性。所以在做调度方案时，必须把这个“只盯着一个指标”的思维改掉。
1.2 为什么单目标不够用：三个目标之间的冲突关系
我用三个目标来刻画微电网调度方案的好坏：
第一，系统总运行成本最小化。包括微型燃气轮机的燃料成本、各设备的运行维护成本、从大电网购电的成本，再减去向大电网售电的收益。
第二，污染物排放量最小化。燃气轮机的NOx和CO2排放、从大电网购电折算的上游火电排放都要算进去。
第三，净负荷波动最小化。净负荷定义为总负荷减去光伏和风电出力，再考虑储能充放电后的功率曲线。这个目标的值越小，说明微电网对大电网表现的“外部特性”越平滑，对配电网调峰压力越小。
这三个目标之间是天然冲突的。燃气轮机响应快、成本相对可控，但排放高；大电网深夜购电虽然成本低，但折算排放受电网排放因子影响，未必干净；储能削峰填谷能改善净负荷波动，但过度调用会增加运行维护成本，也影响电池循环寿命。所以不存在一个“全都要”的绝对最优解，只能找到一组Pareto最优解集，让决策者根据自己的偏好去选。
这也是我在这篇文章里不推荐加权法的根本原因：加权法本质上是把三个目标压成一个标量，一次求解只给一个解。你想看全局权衡关系？那就必须遍历大量权重组合，计算量上去了不说，权重取值对结果高度敏感，而且对非凸Pareto前沿无能为力。NSGA-III这种多目标进化算法一次运行就能给出整条前沿，这才是做研究和写论文该有的工具。
1.3 为什么是NSGA-III：算法选型的三条理由
选NSGA-III而不是NSGA-II、MOPSO或MOEA/D，我主要基于三条判断：
第一，这算例是3个目标，属于典型的高维（指目标空间维度）多目标问题。NSGA-II在高维目标空间里严重依赖拥挤距离来维持多样性，但拥挤距离在高维下区分度很差，最后容易导致结果堆积在一小块区域。NSGA-III用参考点机制替代拥挤距离，专门就是为了对付3个及以上目标的问题。这也是我做完对比实验后最直观的感受，后面第4章会给出数据。
第二，NSGA-III的参考点机制天然适合工程决策。参考点相当于在目标空间里铺了一张“均匀的网”，算法沿这些参考方向搜索，出来的Pareto前沿覆盖度好，能让决策者看到各个权衡区间的解。这对微电网调度场景很实用——同一个园区，夏天和冬天的负荷特性完全不同，一次跑完拿到完整的“成本-排放-波动”三角关系，比单点解有用得多。
第三，Matlab生态成熟。NSGA-III的参考点生成、非支配排序、归一化这些操作，用Matlab的矩阵运算写起来非常顺手，调试时又可以可视化每一步的种群分