李傲天做风光互补制氢合成氨系统的容量-调度双变量优化，是这两年新能源系统方向里出镜率非常高的一道硬菜。项目名里只要出现“并/离网”“Cplex求解”“Matlab代码实现”，基本就指向一套混合整数线性规划的完整链路：既要决定风电、光伏、电解槽、储氢罐各装多大，又要回答建成之后每个小时设备怎么启动、怎么出力、氢气怎么在储罐和合成氨装置之间分配。两个问题放在一起互相咬合，咬出来的才是工程上真正能用的方案，而不是纸面上一堆孤立的“最优单机容量”。
这篇文章按我完整复现该项目的顺序展开。会先讲清楚为什么容量和调度必须放在同一个模型里求解，再写系统拓扑和并网/离网两种模式在约束上的本质差异，接着给出可直接落地的优化建模细节、Cplex在Matlab里的调用参数、时序数据预处理方法，最后把复现时最容易让人卡住的问题一次性说透。文中的思路对正在复现类似论文、做毕业设计，或者刚踏入绿氢化工优化方向的工程师都适用，读完至少能少走两三个星期弯路。
1. 容量与调度为什么要放进同一个模型，而不是接力计算
很多第一次接触这个题目的人会下意识觉得，这问题可以拆成两步：先用年利用小时数的思路估算风光要建多大，再拿一个固定容量去做逐时调度。这个思路不是完全不能用，但做出来的“系统最优容量”和“最优运行方案”往往是互相矛盾的，原因在于容量的价值只有通过调度才能兑现，而调度可行域又完全被容量限制住。
举个例子。一套离网系统如果只按全年平均风速来定风电装机，很容易把风机容量配小。可实际风速曲线是波动的，电解槽又只能在一定出力区间内运行，当连续几天无风时，制氢系统要么停机、要么合成氨负荷跟着下降。氨合成回路偏偏不喜欢频繁变负荷，波动太大直接影响催化剂寿命和产品质量。这种工况下，最优运行策略根本没有可行解——不是因为调度模型写得差，而是容量配置压根没给运行留出缓冲空间。
反过来只做运行优化也不行。调度模型需要事先给定风电、光伏、电解槽、储氢罐的容量参数，这些参数如果来自手工拍脑袋，那不管求解器多强，算出来的也只是“给定配置下的最优操作”，并不代表系统整体最优。更隐蔽的问题是，设备投资成本和运行成本往往此消彼长：电解槽装得大，风电出力高峰时能多吃电，但设备闲置率和初始投资也高；储氢罐装得大，调度上有更多灵活性，但储罐本身也不便宜。
所以这类项目的标准做法是建立两阶段联合优化模型，业内常叫规划-运行一体化模型。规划层用二进制和整数变量表达“某风电装机台数”“某电解槽规模”，运行层用连续变量表达每小时的电功率、产氢量、储氢状态、合成氨负荷。两层变量共同出现在同一个目标函数和同一组约束里，由求解器一次性算出最优解。Cplex在这一步承担的角色，就是对这种混合整数规划问题进行分支剪枝求解，找全局最优或gap可控的近似最优解。
这里需要明确一个概念：这类模型求解出来不是先有容量、后有调度，而是同步给出容量配置和典型/全时段的调度计划。正因为容量和运行耦合，模型规模会比普通调度问题大一个量级，这也是为什么很多人都选择Cplex这类商业求解器而不是单纯靠Matlab内置的linprog/intlinprog去硬啃。理解了这一点，后面所有的建模细节才有落点。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 并网/离网两种模式在拓扑与约束上的本质差别
风光互补制氢合成氨系统的物理结构不算特别复杂，但优化模型里如果边界条件画不清楚，约束写出来很容易自相矛盾。系统主体可以分成三个能量/物料层级来看。
2.1 系统拓扑与能量物料流
电气层：风电场和光伏阵列发电，接入母线，母线给电解水制氢装置供电，同时给空分装置、冷却水、压缩机等辅助负荷供电。如果项目考虑并网，母线上还多了一个与电网的交换点，可以从电网购电。
氢/氮物料层：电解槽产氢后，氢气进入缓冲罐暂存，再输送到合成氨装置。空分装置从空气中分离氮气，按3:1的氢氮摩尔比送入合成回路。注意，氢气储罐在这套系统里不是单纯的“储能”，它更重要的是起到缓冲作用，保证合成氨回路的进气尽量平稳。
氨合成与储存层：合成氨装置在高温高压下反应生成氨，经过冷却分离后进入液氨储罐，最后按外部订单或连续外送需求出氨。调度优化通常会把“氨产量满足外送需求”作为硬约束，而不是让工厂想产多少就产多少。整套系统的可行运行区间受限于每一层设备的容量和动态特性。
2.2 并网模式多出来的边界条件
并网模式和离网模式的本质区别，不是简化成“能不能买电”，而是整个功率平衡约束的形式变了。
离网模式下，任何时刻都必须满足：风电出力 + 光伏出力 = 电解槽电耗 + 辅助负荷 + 弃风弃光电量。这里必须显式加入弃风弃光变量，因为风光出力超过负荷需求时，系统不可能把多余的电凭空消纳，只能切掉一部分功率。如果不加这个变量，模型会因为风光出力在某些时段高于负荷而直接无解。
并网模式下，功率平衡变成：风电出力 + 光伏出力 + 电网购电 = 系统电负荷 + 弃风弃光电量。多了购电变量之后，优化模型在风电不足时不再需要强制抬高弃光量，而是可以买电补缺口。但并网不等于电网是无限容量的“奶妈”，实际项目通常还会约束最大购电功率、年购电比例或者限制购电的电量来源，否则模型会倾向于把电解槽规模做得特别大、专门在低谷电价时段疯狂买电，这既不符合绿色氨的定位，也偏离了题目里风光互补的初衷。
这两种模式的优化结果差异非常明显。离网系统的风电、光伏装机往往有较大冗余，必须依靠多装风机来对抗连续无风天气；并网系统则可以适度降低风光装机，把电网作为安全的兜底。储氢罐的策略也不同：离网模式必须依靠储氢罐跨时段搬运气量，储罐容量通常按“天”的量级设计；并网模式下电解槽可以短时调低出力买电维持合成氨，储氢罐更多承担小时级波动缓冲，容量需求会小一些。这些差异如果不在模型里体现清楚，复现出来的两套结果会非常接近，那就说明模型大概率漏了某个关键边界。
3. 从文字描述到可求解方程：目标函数、变量和约束的搭建顺序
这一部分是整个复现的核心。建模不能一上来就写大段sdpsdpvar，得先按规划层、运行层、跨层耦合三层来梳理。
3.1 决策变量和目标函数怎么分层
规划层变量是一组“装多大”的决策。常见包括：风电场额定容量、光伏额定容量、电解槽额定电功率、储氢罐有效容量、合成氨装置最大产能，必要时还有空分装置容量。这些变量要么直接取连续值，要么用离散的机组台数乘以单机容量表达。用离散台数更贴近工程，但会把问题变成整数规划，求解难度更高，需要根据设备和文献情况取舍。
运行层变量是每个时段的运行状态。以小时为步长，典型包括：风电实际出力、光伏实际出力、电解槽输入电功率、电解槽产氢速率、氢储罐储氢量、合成氨耗氢速率、合成氨产氨速率、电网购电功率、弃风弃光功率。只要系统里有可启停设备，就还需要对应的0/1启停变量，比如电解槽在某时段是否开机。
目标函数通常是最小化年化总成本。典型形式为：
年化投资成本 + 年运行维护成本 + 年购电成本 + 启停惩罚或缺负荷惩罚
投资成本要把一次性投资按设备寿命折算成等年值系数，再乘上各设备的单位投资和容量。运行维护成本既可以按年固定百分比计算，也可以拆成固定维护费和与发电量/制氢量相关的可变维护费。购电成本只存在于并网模型。离网模型一般不设售电项，否则可能出现“为了卖电而多装风机”的变形，不是这个题目想研究的内容。
这里必须提醒一个常见错误：目标函数里各成本项的量纲必须完全统一。设备投资动辄元/kW，电费却是元/kWh，氢气可能按元/kg或元/Nm3，氨按元/吨。如果不先统一换算，Cplex算出来一堆满足约束的解，但目标函数根本没法反映真实经济性。
3.2 电-氢-氨的核心约束链
系统约束可以按“电平衡—氢平衡—氨产量”链条来写，不容易漏项。
电功率平衡约束是最先要立住的等式约束。离网时写成：
P_wt(t) + P_pv(t) = P_el(t) + P_aux(t) + P_curtail(t)
并网时左侧多加一项P_buy(t)。P_aux是空分、冷却、压缩等辅助电耗，如果不想单独建模，很多复现会把辅助负荷按电解槽输入功率的固定比例计入。这个简化在初步复现时完全可接受，但需要在文档里注明。
电解槽模块需要同时约束电功率上下限和电氢转换关系：
u_el(t) * P_el_min ≤ P_el(t) ≤ u_el(t) * P_el_max
F_H2(t) = η_el * P_el(t) / k_el
其中η_el表示电解槽综合效率，k_el是单位换算系数，F_H2是产氢量。“效率恒为常数”是所有MILP模型里最常见的假设，文献中常取每标方氢气耗电4.8到5.5千瓦时的区间。如果要提高精度，可以把电解槽的电耗-产氢曲线做成多段线性，这在下一步会说到。
氢气缓冲罐的动态方程是整个模型里时间耦合最强的约束：
S_H2(t+1) = S_H2(t) + F_H2(t) - F_consum(t)
储氢量S必须在零和罐容之间，合成氨耗氢速率F_consum与产氢速率之间可能还受短时爬坡限制。如果只做典型日调度，这一条约束还需要加上调度周期起末储氢量一致的循环条件，或者将期末储氢量设为已知值，否则储罐可以“白嫖”初始储氢，优化结果会失真。
合成氨部分最简单的建模方式是按固定氢氨转化率把耗氢量折算成产氨量。反应方程是N2 + 3H2 → 2NH3，理论上生产1吨氨大约需要176公斤氢气。按电解槽每公斤氢气耗电约50千瓦时估算，光是电解制氢环节就需要约8.8兆瓦时电，这还不算空分和合成压缩的能耗。计算前把单位制全部换算到同一套体系，可以避免很多看起来莫名其妙的数值偏差。
合成氨回路还需要考虑最小负荷约束。工业氨合成塔通常不允许在极低负荷下长期运行，复现文献里常见的方式是给合成氨装置设备本身加一个负荷系数上下限：
Q_demand(t) ≤ Q_NH3(t) ≤ Q_NH3_max
也就是说，合成氨装置至少要运行在某个比例以上，同时能力不能超过建设容量。若模型结果出现合成氨装置频繁启停或长时间地板负荷，往往说明约束里缺了最低连续运行时间或爬坡限制。
3.3 非线性耦合项怎么线性化
构建MILP最大的工作量在把非线性关系转成线性约束。风光互补制氢合成氨系统里最典型的非线性来源有三个。
第一个是0/1变量与连续变量相乘。比如电解槽启停状态u与电功率P相乘，直接得到计划外产氢量，这不是线性项。处理办法是引入大M法：P_el(t) ≤ M * u_el(t)，P_el(t) ≥ P_el_min * u_el(t)，从而把启停和出力范围绑定。
第二个是设备投资成本与容量呈阶梯状时才出现的分段函数，常见于光伏组件按“块”、风机按“台”、电解槽按“套”购买。连续容量模型一般不用处理，离散采购模型需要引入整数变量，有时还要加二进制变量表达“同一档内是否建设”，这些结构会让求解规模明显膨胀。
第三个是电解槽效率曲线或合成氨能耗曲线的非线性。最稳妥的方法是分段线性化：把负荷区间切成几段，每段用斜率不同的直线近似，再通过SOS2或二进制变量约束选段。Cplex对SOS2支持不错，Yalmip里也有相关接口。如果只是为了复现基准算例，用固定效率就足够了，但项目如果注明“精细化调度”，分段线性化通常绕不开。
在处理这些非线性项时，比较容易忽略的是变量上下界的松紧程度。大M的M不能取得太大，否则求解器在分支剪枝时会产生严重的数值问题，出现“看起来满足约束、实际离可行域很远”的假解。一个稳妥的原则是：M只比该变量在约束里可能出现的最极端数值略大，不要图省事直接填99999。
4. Matlab代码实现和Cplex求解器的几个关键细节
模型建到能落成代码的程度，下一步就是选实现工具和调求解器。
4.1 Yalmip建模比直接面向Cplex接口更推荐
很多初学者会纠结用Yalmip还是直接用Cplex的Matlab API。以我复现这类项目的经验，强烈建议先用Yalmip搭模型。
Cplex自带Matlab工具箱的特点是求解能力强、底层矩阵暴露完整，但要求你把约束一条条写成稀疏矩阵A*x ≤ b的形式。容量-调度联合模型的约束数量经常上千甚至上万，手工整理稀疏矩阵很容易发生某一行系数填错、找半天bug的情况。Yalmip相当于在Matlab和Cplex之间加了一层描述语言，里面的sdpvar变量、约束表达式和optimize调用非常接近数学模型本身，调试效率完全不在一个量级。
搭建代码时我习惯把变量按子系统拆分命名，比如风电出力命名P_wt，光伏出力P_pv，电解槽输入P_el，不要图省事把所有变量写成x1、x2的大数组。模型一旦不可行或成本异常，清晰的命名能帮你快速定位是哪条约束出了问题。
Yalmip调用Cplex的核心代码短得出奇：
matlab复制ops = sdpsettings('solver','cplex','verbose',2);
ops.cplex.mip.tolerances.mipgap = 1e-3;
ops.cplex.timelimit = 3600;
sol = optimize(Constraints, Objective, ops);
关键点是先确保Matlab能识别yalmip和cplex两个工具箱，再确认Yalmip确实把求解器切换到了Cplex而不是自己又装了另外的求解器。可以在命令行用yalmiptest检查solver状态，或者运行后查看sol.solveroutput是否指向CPLEX。
4.2 Cplex参数调整策略：别一上来就追求零gap
Cplex求解这类MILP时，默认参数通常能解小算例，但场景一多就会卡在分支定界树上。这时候不需要怀疑模型写错，先按照下面顺序调参。
第一，放宽mipgap。工业项目复现经常把gap设在0.1%到1%之间，完全足够支撑结论。很多论文号称“全局最优”，实际上是在可接受gap内停下来的。设置ops.cplex.mip.tolerances.mipgap = 0.001之后，Cplex会在最优性间隙进入0.1%时提前结束，能省下大量时间。
第二，限制单次求解时间。ops.cplex.timelimit = 1800这种设置看起来粗暴，但非常好用。Cplex到时间后会返回当前最好的可行解和最优性差距，你至少能得到一个可以用于对比分析的方案，而不是干等几个小时没有结果。
第三，根据模型特征选择MIP emphasis。如果模型里整数变量比例很高，收敛慢，可以尝试ops.cplex.mip.strategy.search = 1或调整node selection策略，但这类参数不能盲抄。复现时更推荐先跑一个小规模算例，多试几种emphasis设置，观察log里的gap下降速度再决定。
第四，小心数值容差。模型里若同时出现1e-6级的爬坡系数和1e9级的投资成本，Cplex会因尺度悬殊产生奇奇怪怪的不稳定结果。把各系数归一化到相近的量级，比调任何求解器参数都有效。
5. 时序数据预处理：解不快或结果“假”，问题多半出在这里
风光互补制氢合成氨系统的优化要以风光出力时序作为输入。用全年8760个小时直接求解，模型变量数和约束数都会变得很大，Cplex不一定扛得住，而且很多离线复现的机器内存也不够。所以场景削减是必做一步。
5.1 典型日聚类会影响储氢调节能力
最常见的做法是用K-means把全年日曲线聚成几个典型日，再按每类的天数占比给典型日加权。这个方法本身没毛病，但放到含储氢的系统里要格外小心。储氢罐天然具备跨日调节的能力，第一天晚上多产氢气存起来，第二天早上再送给合成氨装置，这是很常见的优化操作。如果只把单日24小时抽出来分别优化，并强制每天的初始储氢等于结束储氢，那相当于把储氢罐的“跨日搬运”能力直接砍掉了。
对于只做24小时单日调度的复现，可以放宽初末储氢约束或者不设循环约束，转而给期末储氢设定一个合理目标值。但最稳妥的做法是对离网系统采用连续多日场景块一起优化，比如把全年数据切成若干个7天连续块，再做聚类，典型块内部保留逐时连续性，块与块之间只通过权重传递经济信息。这样储氢罐的跨日调节能力才能真正体现。
5.2 离网项目建议剥离典型日概念直接做场景削减
离网系统的运行更多受极端连续无风天气影响，而不是平均意义上的“典型日”。如果单纯按出力均值聚类，很容易把“连续三日大风+一日静风”这种极端序列平滑掉，算出来的储氢罐容量严重偏小。针对这个问题，更专业的做法是用同步回代消除法对全年小时级场景做削减。它会把风电、光伏的时空相关性保留在保留场景中，同时给每个保留场景一个概率权重，适合作为优化模型的输入。
无论用哪种方法，都需要把风光出力的原始物理单位换算成容量因子或者标幺值。常见做法是：风电出力序列除以风机额定功率得到0到1之间的出力系数，光伏类似地除以光伏额定容量。这样规划层变量乘上标幺出力就直接得到实际出力，避免数据里藏着单位缩放错误。处理完后最好先画几张全年风光出力曲线看一眼：有没有连续几天出力接近零？有没有长时间满发？这些特征直接决定电解槽冗余和储氢罐容量最终会算成多大。
6. 复现过程中最容易让模型“无解”或结果失真的四个坑
这个项目属于典型的一步错步步错型。下面四个问题是我自己复现和帮别人排查时遇到频率最高的，几乎占了调试时间的八成。
6.1 单位换算和化学计量比混乱
很多模型写出来infeasible，根本不是逻辑问题，而是氢的“公斤、吨、标方”之间换算错了。电解槽产氢速率有些文献写kg/h，有些写Nm3/h，合成氨需求却按吨/日给。氢气在标准状况下密度约0.0899 kg/Nm3，一吨氨按化学计量需要大概0.176吨氢。这条换算链如果某一环出错，电解槽耗氢速率和储氢罐容量的量级就会差好几倍，优化结果自然荒谬。
建议做法是：在代码最开始单独写一段“单位换算区”，所有输入统一转成以kW、kWh、kg、h为基础单位的内部变量，并在该区域用注释写清每一个换算系数来源。这能省掉后面无穷无尽的检查时间。
6.2 大M取值过大造成数值病态
前面说过大M不能盲目取大。实际操作里，如果约束里M取成1e9，而其他系数是几百，Cplex进行节点求解时经常会报警numerical difficulties，有时还会给出看似最优实际违反约束的“假解”。诊断方法很简单：把求解出的变量代回所有约束，逐一检查最大违反量。如果违反量远大于Cplex设定的可行容差，优先检查每一个带M的约束。M取值应尽量贴近该约束下变量的物理上限，比如母线功率相关约束的M用“风电装机+光伏装机+购电上限”，而不是用一个大得吓人的通用常数。
6.3 储氢罐初末状态没约束好
如果不给储氢罐初末状态加约束，优化模型会利用“初始充满氢气/结束时放空”来做无本生意，把氢储存产生的经济效益虚高。常见处理是设置初末储氢量相等，或者要求调度周期终点的储氢量不低于初始值。但这里也有细节：如果模型只优化一个典型日，第一天和最后一天的储氢相等会把储氢罐的跨日调节作用抹掉，储氢罐直接被逼成“日平衡罐”。这个问题没有唯一解法，核心看你研究的是周调节还是日调节。如果想让模型自己决定储氢罐跨多日工作，就至少要把运行层的时间跨度拉长到几天，而不是继续在单日24小时里打转。
6.4 合成氨回路的可运行域被忽略
氨合成装置不是一台可以随意启停的“理想反应器”。它的最低负荷约束、最低连续运行时间约束如果缺失，调度结果会频繁出现合成回路配合风光大起大落的方案，而这样的方案放到真实工厂里根本没法落地。Cplex在数学上会把这种工程约束当成软性条件自动忽略，但结果不能用于发表或工程参考。复现时至少应加入两个约束：一是合成氨装置运行时的负荷范围，二是当合成回路一旦启动后的最小连续运行时间。这样结果才不会出现氨装置每两小时启停一次的可笑局面。
7. 并/离网模型典型结果怎么解读：从“数字最优”到“工程可信”
模型调通、Cplex能顺利给出最优解后，最大的门槛变成“结果解读”。很多人拿到一版容量配置就开始抄进论文，却忘了先检验数字是否符合系统物理规律。
并网模型下，只要电网购电价格低于风光单位度电成本，优化结果通常会让系统保留一定购电能力来降低电解槽和储氢罐的冗余。这时候要注意看购电比例：如果最优结果里90%的电都来自电网，那说明本质上已经变成一个“电网供电制氢+小部分风光点缀”的系统，和“风光互补制氢合成氨”的命题不一致。很多复现项目会额外添加“可再生电力消费比例不低于某个阈值”的约束，防止结果跑偏。
离网模型下，最优配置通常表现为风光装机近似电解槽峰值电耗的1.5到2倍，具体倍数取决于当地资源条件。注意，如果算出来的风光装机冗余特别低，而储氢罐也没有显著放大，那大概率是数据里存在“不可能出现的平滑风光曲线”，或者约束里允许了氢气供应中断。检查的方法是统计全年所有时段的失负荷风险：当风光出力不足且储氢罐已放空时，系统是否还能满足合成氨需求？如果某些时段靠“削减氨产量”来平衡，就说明模型实际上允许产氨不达标，这不属于严格满足需求约束的容量配置。
站在结果解读的角度，我还习惯画三张图：第一张是全年储氢罐储量的热力图，看它有没有周期性波动或长期满罐/空罐；第二张是并网模式下购电功率的全年分布，看电网是被当成事故备用还是常态电源；第三张是电解槽出力的持续曲线，如果电解槽满负荷小时数特别低，不如直接减少装机反而更经济。这三张图能快速暴露模型或数据里的问题，比盯着Cplex返回的gap数值更有用。
实际复现过程中我自己最大的体会是：求解器只是最后一步，真正的功夫都在模型假设和数据处理里。风光互补制氢合成氨系统的容量和调度耦合得非常紧，任何一个子系统约束写松了，都会让结果往不切实际的方向跑。因此每调一版模型，都要回到物理直觉上去问自己一句：这个最优解，在真实工厂里敢不敢这么开机、这么调度？如果答案是不敢，那问题多半出在约束而不是求解器身上。