价格+替代：综合能源系统需求响应优化调度实战

开工之前先问你一个问题：你调综合能源系统的时候，是不是也遇到过这种情况——设备参数都是好的，容量也够，光伏出力也正常，但每天一算账，电费还是高得离谱，天然气也没少烧。这时候大多数人的第一反应是上储能、换设备、加光伏，但这些都要动钱动设备，周期长；真正动手之后我才想明白，最便宜、见效最快的资源其实不在机房，而在负荷侧——把负荷调度起来，系统运行成本能明显降一个档次，这就是今天我打算唠清楚的事情。

先把这个标题拆开。价格与替代型需求响应，本质上就是两类手段：价格型需求响应负责让负荷“换个时间用”，替代型需求响应负责让负荷“换个能源用”。电、气、冷、热在综合能源系统里是绞在一起的，这两类手段一旦配好，运行弹性真跟变魔术一样涨上去。这篇博客我会把两套机制的底层原理、数学模型、优化求解过程、典型算例对比和工程落地踩坑，完整过一遍。适合三种人看：刚入门综合能源优化、正在做单一微网想往多能互补走、以及项目已经上线但调度策略始终不够精细的运营人员。

1. 两种“需求响应”在综合能源系统里到底改了什么

在展开模型之前，先建立直觉。我见过不少同行把需求响应当成“削峰填谷”四个字就过去了，真到建模的时候才发现完全不是那么回事。你要先区分一个核心问题：负荷的柔性到底来自哪里。

1.1 价格型需求响应：给负荷装上“时间旋钮”

价格型需求响应，英文一般叫Price-Based Demand Response，缩写PBDR。它的逻辑是：电网分时电价拉出峰谷价差，用户根据价格信号调整用电时段，把原来在峰时段的用电需求挪到平段或谷段。

举一个身边的例子。工业园区的充电桩集群，大量电动汽车白天进厂插上就充，傍晚开走。如果没有任何引导，充电负荷全压在白天峰时段，跟生产用电叠在一起，变压器容量和购电费用都会被顶得很高。做价格型需求响应之后，调度系统给你的充电桩下发“低谷时段充电优先”策略，把大部分充电量挪到凌晨，峰段负荷降下来，电费也降下来。这就是时间维度上的响应，负荷总量没变，变的是用电时刻。

在单能源系统里，价格型需求响应几乎是唯一的负荷侧资源。传统电力系统研究了几十年，弹性的来源就是“时间可移”。空调用电、洗衣机、工业电解槽、抽水蓄能、充电桩，全都是靠时间搬移来实现削峰填谷。

1.2 替代型需求响应：给负荷装上“能源转换开关”

替代型需求响应的思路就不一样了。它考虑的是综合能源系统里一个大杀器——同一个冷/热需求，可以由不同能源品种来满足。这就是所谓“替代”的含义，也叫能源品种替代。

举个例子，冬季园区供热，正常情况下燃气锅炉烧天然气供暖，天然气价格折算下来约0.29元/kWh，锅炉效率按0.92算，单位热量成本大约0.31元/kWh。如果谷时电价只有0.35元/kWh，电锅炉效率0.98，单位热量成本约0.36元/kWh，还是比燃气贵。但如果在某些时段电价有现货波动，或者光伏大发时电价极低，甚至出现0.15元/kWh的价格，电锅炉的单位热量成本就只剩0.15/0.98=0.153元/kWh，这时候用电锅炉供热就比燃气锅炉划算得多。调度程序看准时机，把燃气锅炉出力降下去，电锅炉顶上来。负荷侧需求没变，用户该热的还是热，但系统买东西的能源账单变了。

夏天制冷也同理。吸收式制冷机用燃气余热驱动，电制冷机用电驱动，谁的等效成本低就多开谁。这个“替代”动作，本质上是把需求侧从单一能源绑定中解放出来，让整个综合能源系统有了第二条、第三条路可选，灵活性就是这么来的。

1.3 为什么综合能源系统里这两种DR能叠加出“魔法”

单一电网系统里，需求响应只有一种玩法——负荷时间搬移。但到了综合能源系统，冷热电负荷之间通过设备耦合，价格型需求响应和替代型需求响应是可以同时发生、互相叠加的。

我习惯把这个画面理解成一块弹性布料：价格型DR负责在时间轴上拉，替代型DR负责在能源品种轴上拉，两个方向同时受力，负荷的可调度空间就从“一条线”变成了“一个面”。同样一套设备、同样的负荷曲线，有这两个维度自由度的系统，比只能在时间维度搬移的系统，运行成本可以再低一截，这个结论在后面的算例里会给你量化结果。

还有一个隐藏收益是可靠性。某条能源供应路径出问题（比如天然气管网压降、电网限电）时，替代型DR可以快速切换供能路径，相当于多了一层保险。

2. 想让魔法生效，先把“能量枢纽”这台机器画清楚

聊清楚了DR的逻辑，接下来就要把它落到数学上。不管是价格型还是替代型，最终都要嵌进综合能源系统的优化模型里。而要建模，你手里得先有一张清清楚楚的“能量地图”。

2.1 能量枢纽模型：能量从输入端到负荷端经历什么

综合能源系统优化的经典建模框架是能量枢纽（Energy Hub，EH）。它的核心思想非常朴素：把系统看成一个黑箱，输入侧是外界购买的各种能源，输出侧是各种负荷，中间设备负责把输入能源转换、分配、存储后供给负荷。

输入侧通常包括：

• 从电网购电，记为 P_grid[t]
• 从气网购天然气，记为 F_gas[t]
• 可再生出力，比如光伏 P_pv[t]

输出侧通常是：

• 电负荷 L_e[t]
• 热负荷 L_h[t]
• 冷负荷 L_c[t]

中间设备完成转换。最简化的耦合关系可以写成下面这个矩阵形式：

[ L_e ] [ η_e2e η_g2e ] [ P_grid ]
[ L_h ] = [ η_e2h η_g2h ] × [ F_gas ]

矩阵里的每一项代表输入能源到输出负荷的转换效率。当然真实系统比这个复杂得多，设备和储能都要细化建模，但能量枢纽框架的意义在于，它能让你一眼看清系统里有哪些能源转化通道，替代型DR的建模基础就建立在这些转化通道上。

2.2 设备模型清单：CHP、锅炉、制冷机、储能怎么进约束

说一个我在实际项目中常用的设备配置。某园区综合能源系统的典型设备包括：

这些设备进模型之前，每个都要写对应的状态方程。以燃气轮机CHP为例：

• 发电功率范围约束：P_chp_min ≤ P_chp[t] ≤ P_chp_max
• 热出力与发电功率的耦合：H_chp[t] = P_chp[t] × 热电比
• 燃气消耗：F_chp[t] = P_chp[t] / η_chp_e
• 爬坡约束：-R_chp_down ≤ P_chp[t] - P_chp[t-1] ≤ R_chp_up

燃气锅炉、电锅炉、制冷机的模型相对简单，本质是一个效率公式：

• H_gb[t] = F_gb[t] × η_gb
• H_eb[t] = P_eb[t] × η_eb
• C_ec[t] = P_ec[t] × COP_ec
• C_ac[t] = H_ac_in[t] × COP_ac

储能部分要注意SOC递推：

SOC[t] = SOC[t-1] + P_ch[t] × η_ch × Δt / E_cap - P_dis[t] / η_dis × Δt / E_cap

同时强制充放电不同时：P_ch[t] + P_dis[t] ≤ 1 的逻辑，一般用二进制变量实现。

2.3 建模中最容易被忽略的三个细节

细节一：CHP的可行运行域不是矩形。燃气轮机的发电功率和热出力通常不是完全独立的，有个多边形可行域，建模时要用多个线性不等式逼近，否则算出来的解可能在实际运行中根本无法实现。

细节二：吸收式制冷机的驱动热源来源。它是用CHP余热、燃气锅炉高温热水还是直燃，直接影响热负荷和冷负荷的耦合。我在项目里见过直接把吸收式制冷当成“电制冷替代品”暴力建模的方案，结果算出来的方案现场根本执行不了。

细节三：储能、蓄热电锅炉的“蓄能”属性，天然就是价格型DR的最佳载体。蓄能设备相当于给“时间旋钮”装了一个大飞轮，价格型DR的效果很大程度上取决于蓄能容量配置。

把设备模型全部写成线性约束，优化问题就具备了用MILP求解的基础。这一步千万不能急，模型越准确，后面DR策略的“魔法”才越可信。

3. 价格型需求响应的建模：弹性矩阵与响应边界

搞清楚了系统侧模型，现在轮到需求侧。价格型DR是需求侧资源的主角，但怎么把它写进优化模型，是很多人容易搞糊涂的地方。

3.1 自弹性与交叉弹性：负荷怎么“感知”价格

价格型需求响应的经济学基础是弹性理论。电价升高，用户减少用电；电价降低，用户增加用电。这个关系可以用价格弹性系数来量化。

• 自弹性系数：同一时段内，负荷变化率与电价变化率的比值，通常是负值。
• 交叉弹性系数：不同时段之间，负荷变化率与另一时段电价变化率的比值，通常是正值。

写成公式就是这样：

ΔL[t] / L_base[t] = ε_tt × (Δρ[t] / ρ_base[t]) + Σ(τ≠t) ε_tτ × (Δρ[τ] / ρ_base[τ])

这里的 L_base[t] 是基线负荷，ρ_base[t] 是基线电价，ε_tt 是自弹性，ε_tτ 是交叉弹性。自弹性描述了“这个时段电价涨了，这个时段的负荷立即下降”；交叉弹性描述了“这个时段电价涨了，用户把一部分负荷挪到了其他时段”。

实际项目里，弹性矩阵一般通过历史用电数据和电价数据分析得到，没有条件做数据拟合时，可以采用经验参考值。典型自弹性系数在 -0.1 到 -0.3 之间，交叉弹性在 0.05 到 0.2 之间。要注意的是，弹性不恒定，负荷越刚性、生产越不可中断，弹性绝对值越小。

3.2 可转移负荷与可削减负荷的数学表达

弹性矩阵是经济学视角，到了工程建模阶段，我习惯把价格型DR拆成两类更直接的东西：可转移负荷和可削减负荷。

可转移负荷的特点是总用电量不变，只改变用电时段。典型对象包括：

• 电动汽车充电：总充电量固定，充电时间可调
• 蓄热电锅炉：夜间的蓄热量可以提升
• 工业电解等柔性流程：生产批次可移到低谷

建模时用“时段平移变量”来表达。假设某类可转移负荷总量为 E_shift，它可以从原计划时段 t 平移到时段 t'，模型需要定义平移量变量 x[t,t']，约束：

Σ(t') x[t,t'] = E_shift_origin[t]

Σ(t) x[t,t'] ≤ Cap_shift[t']

而可削减负荷是“接受一定程度削减、给补偿”的负荷。典型对象包括空调负荷、照明的一部分、非核心生产设备。建模最简单，只需要加一个约束：

0 ≤ P_cut[t] ≤ P_cut_max[t]

并且这个削减变量在目标函数里带一个削减补偿单价。价格型DR的激励成本就体现在这里。

3.3 响应边界不能让优化模型“放飞自我”

这里必须说一个我踩过的坑：如果只给弹性系数或者只给可转移负荷的上下限，优化模型为了省钱，有可能会把负荷大量转移甚至无限削减，算出来的结果非常激进，现实中用户根本不会这么老实响应。

所以一定要加“响应边界”。我的经验里至少三条：

第一，转移比例上限。比如单日可转移负荷不超过总负荷的15%-25%。设定之后目标函数不会出现“把所有负荷全部移到谷段”这种极端解。

第二，削减持续时间限制。可削减负荷不能连续削减超过X小时，否则影响生产。一般用最大累积削减时长约束实现。

第三，用户恢复系数。负荷被削减或转移之后，用户往往会在下一时段追补用电，这个追补效应如果不建模，实际执行时会出现“削了峰但紧接着又来一个峰”的尴尬。

这套边界看起来麻烦，但缺了它们，价格型DR就是一个华而不实的摆设。优化程序可以算出很漂亮的成本曲线，现场却完全跑不出同样的结果，原因往往就在这里。

4. 替代型需求响应的建模：能源品位替换与可行域

如果说价格型DR是需求响应的“老演员”，那替代型DR就是综合能源系统里真正的“新面孔”。它也是我觉得最值得花时间琢磨的部分。

4.1 替代的物理逻辑：同一需求为什么能由不同能源完成

先想清楚一个底层逻辑：用户要的不是“电”也不是“气”，要的是“热”“冷”“动力”这些终端服务。终端服务不变，能源载体可以换，这就是替代型DR成立的根本原因。

供热端，燃气锅炉和电锅炉提供的都是热水或蒸汽，只要温度等级和压力等级满足，对用户来说没有本质区别；供冷端，电制冷机和吸收式制冷机产生的也都是冷冻水，可以分别接入同一个冷母管。

能源品位这个概念在这里很关键。采暖需求一般是低温热水，品位低，最容易替代；蒸汽需求品位高，替代难度大；高温工艺需求属于受限场景。所以做替代型DR时，第一步不是建模型，而是挨个梳理负荷类型，判断哪些负荷允许用替代能源，替代后品质、温度、压力要求达不达标。这一步做扎实，后续优化模型才敢放开手脚算。

4.2 替代型DR怎么进优化模型

替代型DR的数学建模，核心思路是把“负荷由哪个设备承担”变成一群连续变量。以热负荷为例，假设园区有燃气锅炉和电锅炉两种供热来源，热负荷平衡约束可以写成：

L_h[t] = H_gb[t] + H_eb[t] + H_chp_heat[t]

其中 H_gb[t]、H_eb[t]、H_chp_heat[t] 分别对应燃气锅炉、电锅炉、CHP余热回收三路热源出力。三个变量在优化过程中自由分配，谁的单位热量成本低，谁就多出力，这就实现了“替代”。

冷负荷同理：

L_c[t] = C_ec[t] + C_ac[t]

电制冷机和吸收式制冷机共享冷负荷需求，优化程序根据电价、气价和余热资源量，自动决定两路制冷设备的出力比例。

还有一个容易被忽视的点：替代型DR需要满足“转换链平衡”。比如吸收式制冷机消耗的热量来自CHP余热或燃气锅炉，那么：

C_ac[t] = (H_chp_heat_share[t] + H_gb_share[t]) × COP_ac

这相当于把替代动作从负荷侧一路穿透到能源输入侧，优化模型才能准确评估每一次替代对应的真实购能成本。

4.3 价格型DR和替代型DR，到底谁在挑大梁

我把这两类DR放在一起做过很多次对比，它们有本质区别：

实际操作中，替代型DR往往是被价格型DR“唤醒”的。电价峰谷差拉得越大，替代型DR能捡到的便宜就越多。你光有替换通道但电价不分时，替代DR的收益就有限；既有分时电价，又有可替换设备，两者同时作用，才产生1+1大于2的效果。这也是为什么我说“价格+替代”组合是综合能源系统优化最有魔力的一对搭档。

5. 把“魔法”写进优化程序：目标函数、约束与求解流程

机制理清楚，接下来就是把整套逻辑转化成可运行的优化程序。这一节我按实际工程落地的方式，把目标函数、约束条件和求解流程捋一遍。

5.1 目标函数：运行成本与DR补偿怎么摆进去

综合能源系统日前优化的目标函数，我一般写成下面这个形式：

min Σ(t) ( ρ_grid[t] × P_grid[t] + ρ_gas × F_gas[t] + Σ_device C_op_dev × P_dev[t] + C_dr_cut[t] × P_cut[t] )

• 第一项是购电成本，按分时电价计算；
• 第二项是购气成本，按固定气价计算；
• 第三项是设备运行维护成本，与设备出力成正比；
• 第四项是可削减负荷的补偿成本，价格型DR的激励也算进来了。

要不要加入碳排放成本、设备启停成本，取决于你所在项目的结算规则。模型架构是开放的，加项就好。

关于替代型DR在目标函数里的体现，我不再额外加“替代惩罚项”，因为替代本身是优化结果——算下来谁便宜就用谁，不需要人为规定比例。

5.2 约束条件全盘点：功率平衡、设备域与储能SOC

把约束全列出来，方便你照着检查自己的模型：

• 电功率平衡：P_grid[t] + P_pv[t] + P_chp_e[t] + P_dis[t] = L_e[t] + P_ch[t] + P_ec[t] + P_eb[t] + P_cut[t]
  这里注意，电制冷机、电锅炉、充电桩都是电负荷，必须放在等式右侧。
• 热功率平衡：H_chp[t] + H_gb[t] + H_eb[t] = L_h[t] + H_ac_in[t]
  H_ac_in[t] 是吸收式制冷机消耗的热量，属于内部热负荷，别漏掉。
• 冷功率平衡：C_ec[t] + C_ac[t] = L_c[t]
• 设备出力上下限约束、爬坡约束：见第2节。
• 储能SOC递推与充放功率约束：见第2节。
• 价格型DR的转移量与削减量约束：见第3节。
• 替代型DR的转换链平衡：见第4.2节。

一个提醒：电平衡方程是所有约束里最容易写错的。电负荷要包含所有电驱动设备，如果设备清单里有电锅炉、电制冷机、充电桩，这些全部要加到电负荷侧。我曾经排查一个模型“怎么算都无解”的问题，最终发现就是电平衡少加了一个电锅炉的功耗。

5.3 求解流程与滚动优化的工程做法

模型建好后，求解的主流程用下面这段伪代码可以快速搭建：

python复制# 综合能源系统日前优化 - MILP伪代码
for t in 时段集合：
    # 决策变量：购电量、购气量、各设备出力、DR转移量、削减量
    P_grid[t]     = solver.continuous_var()
    F_gas[t]      = solver.continuous_var()
    P_chp[t]      = solver.continuous_var()
    H_gb[t]       = solver.continuous_var()
    P_eb[t]       = solver.continuous_var()
    P_ec[t]       = solver.continuous_var()
    H_ac_in[t]    = solver.continuous_var()
    P_cut[t]      = solver.continuous_var()
    X_shift[t]    = solver.continuous_var()  # 可转移负荷
    ...

for t in 时段集合：
    # 约束
    solver.add_constraint(电网购电范围)
    solver.add_constraint(CHP发电与热出力可行域)
    solver.add_constraint(电池SOC递推)
    solver.add_constraint(电/热/冷功率平衡)
    solver.add_constraint(DR转移与削减边界)

# 目标函数
solver.minimize(Σ 购电成本 + 购气成本 + 运维成本 + DR补偿)

# 求解
solution = solver.solve(mip_gap=0.01)

求解器的选择上，工程上最顺手的是 Gurobi 和 Cplex，线性规划规模不大时也可以用开源的 CBC。整型变量主要来自储能充放状态的互斥、可转移负荷的时段选择，所以问题通常是MILP。一个含24时段、20台左右设备的典型园区模型，求解时间通常在秒级到分钟级，完全能满足日前计划的需求。

工程上更成熟的做法是滚动时域优化。每15分钟或1小时，用最新负荷预测重新求解一次未来4-24小时的计划，只执行第一步，然后循环推进。这样能不断修正预测误差造成的影响，需求响应策略也始终跟着最新价格和负荷走。我强烈建议你在落地时采用滚动优化，而不是做一次性日前计划就完事，实际运营中两者效果差距很大。

6. 一个典型园区算例：成本、峰荷与设备出力的对比

前面讲了很多理论，最后用一个典型算例来验证整套方法的实际效果。数据是基于我项目经验的合理设定，不代表特定真实项目，但整体量级和趋势是有代表性的。

6.1 算例配置与基础数据

园区设备配置按照第2.2节的表格来。负荷侧设定：

• 电负荷峰值约1500 kW，日电量约20000 kWh
• 热负荷峰值约1200 kW，日热量约15000 kWh
• 冷负荷峰值约800 kW，日冷量约8000 kWh

分时电价采用典型的峰平谷三段式：

天然气价格按2.8元/Nm³，每Nm³天然气低位热值约9.7kWh，折算单位热价约0.29元/kWh。

价格型DR参数：可转移负荷占总电负荷10%-15%，可削减负荷不超过总电负荷5%，削减补偿单价0.8元/kWh。

替代型DR通道：燃气锅炉与电锅炉双路供热，电制冷机与吸收式制冷机双路供冷，CHP余热既可以直接供热也可以驱动吸收式制冷。

为了隔离变量，我固定光伏出力曲线和负荷曲线，确保三组对比处在同一外部条件下。

6.2 三种方案的结果对比

方案A：不做任何需求响应，设备按热跟随模式运行，CHP优先供热，不足部分燃气锅炉补，电负荷直接从电网买。

方案B：只加价格型DR，允许可转移负荷在24小时内重新分配。

方案C：同时启用价格型DR和替代型DR，供热供冷可自由切换。

优化求解后，结果对比如下：

看这个结果，有几个值得注意的现象：

成本端，仅价格型DR就能带来约7.8%的下降，这部分主要来自充电桩、蓄电设备的负荷搬移，用谷时电替代峰时电；叠加替代型DR后，成本降幅扩大到12.6%，多出来的这部分收益，主要来自电锅炉在谷时电价极低的时候大规模替代燃气锅炉，把原本必须烧的气省了下来。

峰时购电功率从1380kW降到1050kW，意味着变压器容量压力大幅缓解，极端情况下可以推迟变压器增容投资。这个价值在算账时经常被忽略，但对园区业主来说往往比电费节省更可观。

还有个细节——方案B里燃气锅炉日供热量反而比方案A略高。原因是价格型DR把电负荷大量挪到谷段，峰时段的电更贵了，系统为了避免峰时买高价电，会倾向于让CHP在峰时段多发高价电，同时用燃气锅炉补足热缺口。这就是交叉弹性带来的连锁反应，不建模根本看不见。

6.3 工程落地时那些“魔法失灵”的时刻

算法效果看着很美，但真实工程里，我见过不少“魔法失灵”的场景。挑几个典型的讲：

第一个坑是用户真实响应率远低于模型假设。分时电价下发了，用户不一定真的会把充电挪到半夜。响应率假设打八折的时候，成本下降幅度可能从12.6%直接掉到7%以下。解决办法有两个：一是更精细地做用户行为画像，别拍脑袋定弹性系数；二是把DR写入内部结算规则，给参与响应的用户真金白银的返利，用机制保证响应率。

第二个坑是热惯性被忽略。电锅炉替代燃气锅炉的时候，热水管网有热惯性，温度变化是缓慢的，按稳态模型瞬时切换供能来源，现场可能出现短时温度波动。工程上一是加蓄热罐缓冲，二是对替代切换速度设限，比如每小时供热来源变化率不超过30%。

第三个坑是通信和控制延时不匹配。优化程序下发指令周期是15分钟，但设备控制器可能有自己的本地逻辑，两者打架时，实际出力曲线和计划曲线对不上。我踩过一次之后，统一要求所有可调度设备走同一个协调控制器，禁止设备本地自动启停。

还有一个容易忽略的问题是，替代型DR需要所有设备具备远程可调能力，老旧设备没有通信接口时，需要加装边缘控制器和传感器，这部分改造预算要在项目前期做好心理准备。

最后再分享一点个人心得

回头看这套“价格+替代”的双维需求响应体系，我认为最有价值的地方不是某个模型公式，而是它把需求侧从“被动接受”变成了“主动参与”的资源。综合能源系统优化从来不只是设备选型和容量配置的问题，调度策略和负荷侧的柔性挖掘，往往才是投入产出比最高的优化方向。

我个人的习惯是，每次给园区做优化方案，先花两天时间梳理负荷类型和可替代通道，再花一天建模型。前期需求侧摸底越细，后期优化模型就越可靠。价格型DR、替代型DR在模型里都是简单的约束和变量，但它们背后的物理逻辑、用户行为、设备能力，才是决定项目成败的关键。希望这篇分享能给你一些可落地的思路，节省一点在黑暗中摸索的时间。