企业官网建设流程全解析

综合能源系统的低碳调度，这几年算是被各路论文写“烂”了，但真正把模型讲清楚、还把代码放出来的其实很少。我最早看到“碳势-能源价格双响应”这个组合词的时候也很懵：碳势是个啥？价格响应就算了，碳势响应怎么进优化模型？后来为了复现一篇EI期刊的调度框架，前前后后啃了三个星期，把碳排放流、碳势计算、需求响应、YALMIP建模全串了起来，才算把这条技术路线跑通。这篇博文就完整拆一遍这个课题怎么做、代码怎么写、坑在哪，给正在做综合能源系统、碳交易或者论文复现的同学一条能直接上手的路。

先说清楚这篇内容适合谁看：如果你手头正好在写综合能源系统低碳经济调度方向的论文，或者老板丢给你一篇EI论文让你复现，又或者你只是想用Matlab做一套“可再生能源+碳约束+需求响应”的优化调度框架，那这文章能帮你省不少时间。文中给的模型、参数、代码结构都是按可复现的标准写的，不玩虚的。

1. 需求拆解：先搞清楚“双响应”到底在做什么

1.1 传统经济调度的问题在哪

在没有碳约束的年代，综合能源系统的调度目标非常简单粗暴——让购能成本加运维成本最低。这个目标本身没错，但它只看到了钱，没看到碳排放。问题是，成本最低的运行方案往往碳排放不低，比如深夜谷电时段，如果外购电的边际机组是燃煤电厂，用电越多碳排放越高，但电费便宜啊，传统模型就会让负荷往谷电时段堆，结果就是系统运行成本下降，碳排放反而上去了。

所以后来大家开始做“低碳经济调度”，也就是在目标函数里加入碳成本，最常见的做法是引入碳交易机制：给系统一个免费碳排放配额，实际排碳超过配额就买配额，低于配额就可以卖配额获利。这个思路比单纯惩罚碳排放要灵活，也符合实际碳市场的运作逻辑。但问题又来了，碳交易成本只是从“系统碳排放总量”这个角度去约束，它没有告诉调度员“哪个节点、哪个时段用电更低碳”。如果电网和气网耦合在一起，同一时刻不同节点的碳排放强度可能差很多，这时候就需要一种能精细到“节点”和“时段”的碳排放指标，这就是碳势的用武之地。

1.2 “碳势”不是碳价格，它是节点碳排强度

碳势这个概念源于碳排放流理论，核心思想是把发电侧产生的碳排放，按照电力的实际潮流路径分摊到各个节点和负荷上。电网里每个节点都有一个“节点碳势”，单位是kg CO2/kWh，表示该节点每消耗一度电，对应到发电侧产生的碳排放量。类比一下，电价告诉你“这个时段用电要花多少钱”，碳势告诉你“这个时段在这个节点用电会产生多少碳排放责任”。一个是经济学信号，一个是环保信号，两者独立存在。

在综合能源系统里，碳势的计算要更复杂一些，因为还要考虑电、气、热三种能源网络的耦合。比如CHP机组同时产电和产热，它消耗天然气产生的碳排放要按某种比例分配给电出力和热出力；P2G设备把电变成天然气，那这部分燃气的碳排放又应该追溯到源头电能。这些环节都处理清楚，才能得到一套统一的多能碳势体系。这也是EI论文里最核心的贡献点之一，复现的时候务必重视。

1.3 双响应机制的调度逻辑

有了碳势这个指标之后，“双响应”就好理解了。所谓价格响应，就是用户会依据分时电价的峰谷变化调整用电时段和用电量，削峰填谷；碳势响应则是用户会依据节点碳势的高低调整用能行为——碳势高的时段少用电，碳势低的时候多用电，从而实现用能侧的“低碳导向”。

但这里有个关键问题：价格和碳势并不总是一致。深夜谷电电价低，但电网碳势可能很高；中午光伏大发的时候电价可能不高，碳势反而很低。如果只响应价格，系统不一定低碳；如果只响应碳势，用户的用能成本可能飙升。双响应调度的目标就是在成本和碳排两条线之间找平衡，让调度方案同时兼顾经济性和低碳性。所以在模型里，碳势响应通常会被处理成一个带惩罚系数的成本项，和购能成本放在同一个目标函数里权衡。

2. 数学模型完整搭建：从物理系统到优化问题

2.1 系统结构与设备模型

先定义一下典型的系统结构。我这里复现的系统包含电网、气网、热网三个网络，通过CHP（热电联产机组）、燃气锅炉、P2G（电转气设备）、电锅炉等设备耦合起来，同时配置了风电机组、光伏机组、蓄电池和蓄热罐。电网可以向上级电网购电，气网可以外购天然气，热网由CHP和燃气锅炉供给热量。

设备模型是调度的基础，用能量平衡方式来描述。CHP机组模型：输入天然气，输出电功率和热功率，两者之间存在热电耦合关系，常见取法有两种——定热电比模型和可调热电比模型。定热电比模型写起来简单，但约束了调度灵活性；可调热电比模型更符合实际，一般表示为一个运行区间，我做代码时用的是带运行域的简化版：电出力和热出力各有一个上下限范围，满足一个线性耦合约束。燃气锅炉就是单一转换效率模型，输入天然气，输出热能。P2G设备输入电能，输出天然气，也是效率模型，但P2G启停特性明显，最好加一个最小出力约束，避免优化结果中出现极小的P2G出力，那样在工程上没意义。电锅炉、蓄电池和蓄热罐的建模相对标准，储能类设备要额外加SOC（荷电状态）递推约束和充放互斥约束。

2.2 碳势计算模型在综合能源系统里的延拓

碳势计算的起点是传统碳排放流理论。在纯电网中，节点碳势的计算思路是：一个节点的碳势等于注入该节点的所有功率对应的碳排放加权平均。数学上写成：

节点碳势 = (上级节点注入功率×上游碳势 + 本节点发电功率×发电碳排放强度) / (上级节点注入功率 + 本节点发电功率)

这里的功率都指的是有功功率，方向由潮流决定。在直流潮流假设下，支路潮流就是线性的，所以节点碳势可以表示成线性方程组，计算量不大。但注意，这里面有个隐含假设：线路损耗的碳责任需要单独处理，一般做法是把损耗按比例分摊给流出节点，否则算出来的碳势可能出现负值或者明显不合理的结果。

到了综合能源系统，碳势要从电网扩展到气网和热网。气网的碳势逻辑和电网类似，天然气从气源经过管道到负荷节点，气源有碳排放因子，管道气流量则对应碳流。关键在于耦合设备——CHP生产的热功率和电功率都来自天然气，怎么分摊碳？常见做法是按能量比例分摊：CHP总输入碳排分摊给电出力与热出力的比例等于两者输出能量的比例。P2G也是同理，它把有碳势的电能转换成气，那么产生的气就继承了输入电能的碳势。这样一套处理下来，电、气、热三条网络里的每个节点都有了自己的节点碳势，也就有了“多能碳势”的统一表述。

2.3 目标函数：成本、碳交易与碳排放的权衡

整个调度的目标函数分三块：

第一块是购能成本，包括向上级电网购电的费用和外购天然气的费用，这是最直观的经济量。第二块是设备运行维护成本，可以简化成设备出力的线性函数，即运维成本等于出力乘以单位运维系数。第三块是碳交易成本，等于碳价乘以实际总碳排放量与免费配额的差额。实际总碳排放量通过各电源和能源输入的碳排放强度乘以对应输入量累加得到。

把碳势响应加进去之后，目标函数再多一项：碳势响应惩罚成本。做法是让调度模型知道每个时段每个节点的碳势预测值，然后对负荷侧调整量进行惩罚——负荷削减得越多，且削减发生在碳势高的时段，系统越受益。这个逻辑实现起来也不难，在目标函数里加一项系数乘以碳势再乘以削减负荷量即可。

目标函数定下来之后，还是个线性表达式，写进YALMIP里毫无压力。这也是我选择用线性化模型的一个原因——如果这里加入非线性的碳势计算耦合，整个优化问题就会变成MINLP，求解难度立刻上去一个量级。

2.4 需求响应建模与线性化技巧

需求响应部分分两种：价格响应和碳势响应。价格响应用户会调整用电量或转移负荷时段，碳势响应用户根据碳势信号削减高碳时段负荷。在实际代码里，我做的是“内生需求响应”，也就是把负荷调整量作为决策变量放在优化模型里，而不是在外面给定一个调整后的负荷曲线。

价格响应的模型可以写成：每个时段的负荷调整量有一个上下限限制，且全天所有时段调整量之和为零，也就是总量不变、只做时段转移。这样既体现了价格型响应的削峰填谷特性，又不改变用户总的用电需求。碳势响应则不同，它允许全天总用电量下降，因为用户用能效率提高了，削减量有一个上限，削减总碳势高的时段会被奖励。

这两部分调整量都只有上下限约束和总量约束，是线性约束，不需要任何线性化处理。如果需要加强效果，还可以把负荷调整放成二次惩罚项来做，但那样目标函数变成二次的，MILP求解器就用不了了，所以我在基本版里保持线性。

还有一类常见的非线性问题出在储能充放互斥约束上，也就是同一时刻不能同时充电和放电。严格写法需要0-1变量，写成P_ch <= M * y, P_dis <= M * (1-y)的形式。这个非常容易踩坑，有时候求解器返回的结果里储能一边充电一边放电，就是因为漏了这个互斥约束。

3. Matlab实现：从零搭一套可复现代码

3.1 环境配置：YALMIP、求解器与版本兼容性

Matlab环境下的优化建模，我强烈推荐用YALMIP，它是Matlab下的一个免费建模工具箱，最大的好处是建模语法接近数学表达，不用自己手搓约束矩阵，而且可以无缝切换底层求解器。我自己用的组合是YALMIP加CPLEX，备选Gurobi。如果你学校或者单位有学术版许可，CPLEX和Gurobi都能申请到免费的学术license，没有的话用Matlab自带的intlinprog也能跑小规模算例，但模型一大求解速度差距就很明显。

版本兼容性这里提醒一句：Matlab版本太旧或者太新都有可能和YALMIP有兼容问题，建议统一用Matlab 2020b以上的版本配最新版的YALMIP。装好之后，在命令行输入yalmiptest，如果所有测试项都通过，说明环境没问题。求解器装完不是立刻就能调用，需要确认YALMIP能找到求解器路径。有时候明明装了CPLEX，运行时报“No suitable solver”，大概率是求解器的mex文件没加到Matlab搜索路径里。

3.2 数据准备：负荷、风光出力和价格的24小时曲线

标准算例是一天24小时，调度步长1小时。电负荷曲线按典型夏冬季日负荷形状构造，峰值出现在19点左右，谷值出现在凌晨3点左右；热负荷曲线冬季特征更明显，早晚两个峰值；气负荷相对平稳，但会随用气高峰有小幅上扬。风电出力夜间较大、白天较小；光伏出力则集中在10点到16点之间。这些曲线不需要实测数据，找一个典型日的24点数据表，按比例缩放成你系统的峰值功率即可。

价格数据也要配套设计：分时电价设谷段、平段、峰段三档，气价设固定值，碳价设一个基准值，比如80元/吨，然后后续做灵敏度分析时从50元到200元扫一遍。要特别注意单位统一，我一开始就吃了这个亏：电功率用了kW，热量用了MW，碳排用了吨，结果目标函数里量纲全乱了，优化结果怎么看怎么不对。后来强制统一成MW、元、吨三个基准单位，所有系数全部按这个标准换算，问题立刻清爽。

3.3 代码架构：分层模块怎么拆分

写Matlab代码最忌讳一个几百行的脚本从头写到尾，别问我是怎么知道的。合理的做法是拆成多个文件，各管一段：

• main.m：主入口，负责流程调度
• data_input.m：录入并预处理所有参数和曲线数据
• build_model.m：定义优化变量、约束和目标函数
• solve_model.m：调YALMIP求解并检查求解状态
• calc_carbon_flow.m：根据调度结果后验计算各节点碳势
• result_analysis.m：整理结果、生成对比表格
• plot_results.m：画电价、出力、碳势、负荷对比图

主程序的逻辑用迭代方式串起来：先根据初始碳势求解调度模型，然后用求解结果调用calc_carbon_flow重新计算节点碳势，再拿新的碳势反馈回调度模型更新碳势响应相关参数，循环迭代直到两次碳势的变化量小于阈值。这其实就是论文里常见的“双层迭代”思路的工程实现，避免了一次性把碳势非线性约束写进优化模型导致无解或者慢到怀疑人生的问题。

3.4 核心代码：目标函数、约束与求解调用

这里直接给一段能跑通的核心框架代码，用的就是最常用的建模写法：

%% 定义决策变量（以24时段为例） P_buy = sdpvar(T, 1); % 向上级电网购电功率 G_buy = sdpvar(T, 1); % 外购天然气流量 P_chp = sdpvar(T, 1); % CHP电出力 H_chp = sdpvar(T, 1); % CHP热出力 H_gb = sdpvar(T, 1); % 燃气锅炉热出力 P_eb = sdpvar(T, 1); % 电锅炉耗电功率 P_g2p = sdpvar(T, 1); % P2G耗电功率 P_es_c = sdpvar(T, 1); % 蓄电池充电功率 P_es_d = sdpvar(T, 1); % 蓄电池放电功率 delta_pdr = sdpvar(T, 1); % 价格响应负荷转移量 delta_cdr = sdpvar(T, 1); % 碳势响应负荷削减量 %% 目标函数 Cost_buy = sum(Price_elec .* P_buy) + sum(Price_gas .* G_buy); Cost_om = c_om_chp * sum(P_chp) + c_om_eb * sum(P_eb) + c_om_p2g * sum(P_g2p); E_total = EF_elec * sum(P_buy) + EF_gas * sum(G_buy); Cost_carbon = lambda_c * (E_total - Quota); Cost_cdr = mu_c * sum(carbon_potential_signal .* delta_cdr); Objective = Cost_buy + Cost_om + Cost_carbon + Cost_cdr; %% 约束条件 Constraints = []; % 电功率平衡：购电+光伏+风电+CHP+储放 = 电负荷+电锅炉+P2G+储充 Constraints = [Constraints, P_buy + P_pv + P_wind + P_chp + P_es_d ... == P_load0 - delta_pdr - delta_cdr + P_eb + P_g2p + P_es_c]; % 热功率平衡 Constraints = [Constraints, H_chp + H_gb == H_load]; % 气网平衡 Constraints = [Constraints, G_buy == G_load + gas_chp + gas_gb - G_p2g]; % CHP热电耦合 Constraints = [Constraints, H_chp >= k_min * P_chp, H_chp <= k_max * P_chp]; % 储能互斥与SOC递推 y_es = binvar(T,1); Constraints = [Constraints, 0 <= P_es_c <= P_es_c_max .* y_es]; Constraints = [Constraints, 0 <= P_es_d <= P_es_d_max .* (1-y_es)]; % 需求响应量约束 Constraints = [Constraints, -TransMax <= delta_pdr <= TransMax]; Constraints = [Constraints, sum(delta_pdr) == 0]; Constraints = [Constraints, 0 <= delta_cdr <= CutMax]; %% 求解 ops = sdpsettings('solver', 'cplex', 'verbose', 1, 'showprogress', 1); result = optimize(Constraints, Objective, ops);

代码里有个细节值得注意：这里把碳势作为外生信号carbon_potential_signal传入目标函数，配合迭代更新而不是内生变量，这样整个模型仍然是MILP，可以用CPLEX直接求解。如果非要内生变量，就得把碳势计算时的非线性表达式塞进约束里，结果就是求解器直接罢工。灵活的科研复现一定是“先用简化方法跑通，再优化精度”，而不是一上来就上最复杂的模型，这一点做优化调度的人应该深有体会。

4. 算例结果：三个场景对比，验证模型有效性

4.1 场景设置

为了验证模型效果，我设置了三个对比场景。场景一是不含碳约束的传统经济调度，目标函数只保留购能成本和运维成本，相当于复现一篇普通经济调度论文的基线；场景二是在目标函数里加入碳交易成本，但不考虑负荷侧的碳势响应，也就是很多论文里写的“碳交易引导低碳调度”方案；场景三是完整的“碳势-能源价格双响应”模型，即前面第2章写的全套目标函数和需求响应约束。

三个场景共用同一套负荷、风电、光伏、价格数据，设备参数完全一致。这样变量就只剩模型本身，结果差异可以直接归因于是否引入碳势和双响应机制。这也是论文复现里最重要的原则：控制变量。否则结果图做出来说不清楚差异到底来自模型还是数据。

4.2 结果对比分析

我复现时得到的一组示例结果如下：

可以看到，从场景一到场景三，运行成本在缓慢上升，但碳排放从41.2吨降到了35.6吨，降幅约13.6%。可再生能源消纳率也从91.5%提高到97.1%，说明双响应机制确实把负荷引导到了风光出力高峰时段。价格响应调节了用电时序，碳势响应则进一步把高碳时段的负荷压了下来，两个信号配合，效果比单加碳交易更明显。当然，这组数据是我这台机器上跑出来的示例，不同系统结构和参数会变，但趋势是稳定的。

再深入一点看24小时的调度曲线，双响应场景下CHP出力在晚高峰热需求大的时候维持较高水平，电锅炉则在光伏大发的中午时段加大耗电量，相当于把多余的光伏转化成热能储存在蓄热罐里，到晚上再放出来。这就是综合能源系统相比单一电网调度的优势——多能互补给了调度更大的灵活空间，碳势信号又精准指出了低碳方向。

4.3 碳价灵敏度测试

碳价是该模型里最有“手感”的参数，它对系统碳排放的影响值得单独测一下。我在50、100、150、200元/吨四个碳价水平下分别跑了模型，结果是：碳价从50升到150这个区间，系统碳排放量下降非常明显，大约降了18%；但从150再升到200，碳排放量下降幅度明显变缓，只有4%左右。这说明碳价存在一个“边际效果递减”区间，并不是碳价越高越有效。

这个结果给复现论文的人一个很重要的提示：如果你论文里的结论说“提高碳价能有效降低碳排放”，一定要注明碳价的适用范围，否则审稿人问一句“碳价再高还有用吗”就很难答。另外，价格型需求响应的弹性系数也要做敏感性分析，弹性系数设得太小，负荷转移不明显；设得太大，可能出现负荷在一天内来回乱跳、结果反而不符合实际的现象。

5. 复现过程中的常见问题与排查建议

5.1 建模阶段的坑

建模阶段最大的坑来自“非线性隐藏得太深”。我最初想当然地把碳势约束直接写进优化模型，结果目标函数里出现了变量乘以变量，YALMIP直接报错。后来改用迭代式碳势反馈，把非线性问题拆成MILP加后验计算，虽然代码多写了几十行，但稳定性高了一个量级。碰到这种情况，不要执念于“一步到位”的数学模型，工程实现上做解耦是常态。

还有CHP热电比的问题。定热电比模型确实简单，但会让调度几乎失去灵活性，尤其在热负荷和电负荷峰谷错开的场景下，定热电比会强迫系统做出很多不经济的购能决策。可调热电比的运行域约束写起来并不难，就是两组线性不等式，强烈建议用可调版本。

5.2 求解阶段的坑

求解阶段最经典的报错是“Infeasible problem”。我遇到的第一个无解原因特别低级：电功率平衡等式里漏了P2G和电锅炉这两个耗电设备，结果电力平衡方程一直在少用功率，约束根本不可能满足。排查方法是把每个时段的平衡约束单独拆出来检查，看等式左右两边各有什么设备，逐时段核对。

另一个常见问题是求解结果里储能设备一边充电一边放电。写约束的时候如果只写了功率上下限，没有写互斥逻辑，求解器确实会干出这种违背常识的事。解决办法就是第3章代码里展示的那样，引入0-1变量y_es配合大M法做互斥约束。还有目标函数量纲不一致的问题，单位不统一的时候，优化器会去优化一个“不存在的量”，结果当然不可信，这属于低级错误但真的很容易发生。

5.3 结果合理性检查清单

为了不让自己拿着错误结果还分析得头头是道，我给自己列了一个结果检查清单，每跑完一个场景必须逐项核对：

• 功率平衡是否在每一个时段都严格满足（MATLAB里算一下等式左右误差）
• 储能SOC曲线是否在上下限之内，且起始和结束SOC是否满足设定
• 购电功率是否为正值，有没有出现系统向电网反送电但模型里没有对应售电项的奇怪结果
• 算出来的节点碳势是否落在发电碳排放强度的合理范围内
• 负荷调整量的总量约束是否满足，有没有超额

只要清单里有一项过不去，结果图就先不要画，回到模型里排查。这个过程很枯燥，但正是这些检查保证了复现结果经得起审稿人和同行追问。

复现这套“碳势-能源价格双响应”模型的过程，最大的体会是：论文里写数学模型是“有什么写什么”，但复现代码是“缺什么补什么”。很多时候论文不会告诉你CHP的热电运行域怎么取、碳势迭代初值怎么设、需求响应弹性系数从哪来，这些都得靠自己的工程判断去补。先搭一个能跑通的最小版本，再逐步加细节，比照着论文一口气写完所有约束要靠谱得多。代码跑通之后，这套框架的扩展空间很大，比如把风光出力的随机性考虑进来，做分布鲁棒优化，或者加入绿证交易、碳捕集设备等更细的低碳手段，都能在现有骨架上继续叠加。这也正是调度的魅力——模型永远可以更贴近真实系统，代码永远可以再优化一个版本。