分享:我复现的这个冷热电联供综合能源系统多时间尺度优化调度模型,到底值不值得做?
做综合能源系统优化调度的朋友,大概率都会遇到同一个痛点:单一的调度周期撑不住现实工况。光伏和风电在分钟级波动,电负荷秒级跳动,而热负荷和冷负荷又是小时级缓慢变化;如果只做日前调度,实时偏差来了只能干瞪眼,如果只做实时修正,又看不到机组启停和购电计划的大局。我最近把一个基于多时间尺度的冷热电联供综合能源系统优化调度模型完整跑通了一遍,代码用MATLAB写的,核心思路是把日前调度、日内滚动、实时调整三个层次嵌套在同一个框架里。这篇就把整个模型的设计思路、数学建模、代码骨架、调试过程和踩坑实录都摊开讲,对正在做微电网调度、园区综合能源、冷热电联供方向的硕博和工程师应该能省不少弯路。
这个模型解决的是什么问题?一句话:在冷热电三种能量形态深度耦合的微网里,怎么在不同时间尺度上分别决策,让系统在满足供需平衡的前提下运行成本最小。它适合谁参考?一是刚入门综合能源优化、想找一个可以复现的完整算例的研究生;二是已经在做工程调度、想把日前计划和实时修正统一起来的技术人员。代码涉及混合整数线性规划、多时间尺度滚动优化、能源枢纽建模,但我会把核心逻辑拆到最通俗的层面来聊。
1. 冷热电联供系统的整体设计与建模思路
1.1 系统里到底有哪些设备、哪些能量流
先把系统的物理结构说清楚。我建的这个模型包含的风光出力数据和负荷数据都是按典型日曲线输入的,构建的设备对象主要有这几类:供电侧有光伏、风电、燃气轮机、上级电网购电;供热侧有燃气轮机余热回收、燃气锅炉;供冷侧有吸收式制冷机和电制冷机;储能侧有蓄电池、蓄热罐和蓄冷罐。负荷侧则分为电负荷、热负荷和冷负荷三类,电动汽车充放电也作为可调度资源耦合进来。
整个系统本质上是一个能源枢纽,三条能量母线(电母线、热母线、冷母线)把源、网、储、荷串在一起。燃气轮机烧天然气发电,发电的同时产生高温烟气,烟气通过余热锅炉变成热水或蒸汽供给热母线;热母线再分一路给吸收式制冷机,转化成冷水供冷母线。如果余热不够,燃气锅炉直接补燃供热;如果冷量不够,电制冷机消耗电力补冷。这样就形成了“以热定电”和“以电定冷”的耦合逻辑,也是冷热电联供区别于普通微网的核心特征。
在实际建模中,最容易被忽略的是耦合约束的时序关系。燃气轮机的余热不是即时可用的,烟气经过余热锅炉、热网管道再到用户侧,会存在热惯性延迟。日内滚动和实时调整阶段,如果不考虑热网的惯性时间常数,会导致热负荷预测偏差被机械地放大到电出力上。
1.2 为什么必须做多时间尺度,而不是只做日前调度
只做日前调度最大的问题是:光伏预测和负荷预测在24小时前给出的数据,到了当天大概率是偏的。光伏的预测误差随天气变化可能达到20%以上,而实时电价在不同时段又剧烈波动。如果只按日前计划执行,要么出现弃光弃风,要么出现功率缺额,要么被迫在高峰时段从电网买高价的电,一来一回成本损失非常可观。
多时间尺度调度的本质是把决策分层:日前调度负责“大方向”,确定机组启停状态、与大电网的购售电计划、储能的日前充放电计划,分辨率是1小时;日内滚动调度负责“纠偏”,每15分钟到1小时滚动一次,根据最新的光伏、负荷预测更新各机组的出力计划;实时调整层负责“保平衡”,以分钟级分辨率响应实际运行中的波动,主要通过储能快速充放电和可控负荷调节来实现。
这三层的关系有点像出行规划:日前做的是“选择高铁还是自驾”的大决策,日内做的是“路上要不要换路线”的调整,实时做的是“遇到堵车怎么绕行”的瞬时决策。三层的时间常数不同,决策变量类型也不同,这正是优化模型设计的主线。
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. 多时间尺度调度框架与核心技术细节
2.1 三阶段调度架构:日前、日内、实时分别管什么
搭建这个模型时,我采用的是滚动时域优化的思路。日前调度以24小时为周期,步长1小时,决策变量包含机组启停状态(0-1整数变量)、各设备的出力计划、储能充放电计划、购售电计划。日前阶段的目标是总运行成本最小,包括燃料成本、购电成本、设备维护成本和弃风弃光惩罚,同时减去售电收益。
日内调度的时间窗口我设为4小时,步长15分钟。每个滚动周期开始时,用最新的光伏、风电、电负荷、热负荷超短期预测数据,在前一日日前计划的基础上进行修正。日内层只能调整连续变量(设备出力、储能功率),不能再动机组启停状态,否则会引入新的整数变量,导致求解时间不可控。
实时调整层放在秒级到分钟级,主要处理实时功率偏差。我的模型里用储能和电动汽车
