企业官网建设流程全解析

1. 火电机组储热改造和低碳经济调度到底在解决什么问题

“火电机组储热改造”这几年在电力系统调度的圈子里出现频率特别高，原因其实不复杂：北方供暖季，热电联产机组（CHP）被热负荷死死摁住，“以热定电”的耦合关系让机组几乎没有调峰空间，风电光伏大发的时段它反而满发，弃风率高、碳排放也压不下去。低碳经济调度要做的，就是把储热改造带来的“热电解耦自由度”写进优化模型，在24小时甚至更长的时间窗口里同时权衡燃料成本、碳交易成本、新能源消纳和供热安全，最终输出一套每个时段的机组出力、储热充放策略和风电接纳功率。

我最早接触这个题目，是在一个风电接入比例很高的区域算例里：白天电负荷高、热负荷平，晚上电负荷掉下去，热负荷反而上来。没储热的时候，夜间CHP为了供热必须维持高电出力，风电想上网都上不去，白白弃掉。加了储热罐之后，问题变成了“晚上多烧热存起来、白天少烧热放出来”，机组夜间电出力可以压到很低，风电消纳空间一下就打开了。这篇文章就想把整个建模过程、目标函数、约束条件、Matlab实现逻辑和我在调算例时踩过的坑完整拆开讲一遍。适合正在写电力系统优化调度程序的硕士生、刚入行的调度工程师，以及所有想从“看得懂公式”过渡到“跑得出结果”的读者。

1.1 热电联产机组的“以热定电”困境

抽汽式CHP机组的本质是：进入汽轮机的蒸汽一边做功发电，一边抽出部分蒸汽去加热供暖水。抽出去的热蒸汽越多，能去汽轮机低压缸做功的蒸汽就越少，所以热出力会直接挤压电出力的上限。反过来，为了让机组稳定运行，电出力也不能无限低，供热越高，这个“最低电出力”的约束越紧。把这层关系画出来，机组的可行域不是一个方方正正的矩形，而是一个多边形。

这个多边形在调度模型里就是一组线性不等式。很多刚入门的同学习惯把电出力和热出力当成两个独立变量，各自上下限一拍就完事，结果算出来的方案在工程上根本不可行——冬天最冷的那几天，热负荷高的时候你让机组电出力降到纯凝工况下的最小值，蒸汽量根本不够抽，机组直接运行不安全。

更麻烦的是时间尺度。热负荷是逐时变化的，夜间外界温度低，供热需求反而高；电网的负荷低谷也出现在夜间。换句话说，最需要风电顶上来的时段，恰好是CHP最不能降低出力的时候。这种“电和热在时间上错配”的矛盾，是储热改造能发挥作用的前提。

1.2 储热改造改变了什么

储热改造的物理形态很朴素：在热力站或电厂侧加一个大容量的热水罐（也有相变储热、熔盐储热等方案，工程上常压热水罐最成熟），充热时把供热管网的富裕热量存进去，放热时再补到热网上。从调度模型的角度看，储热罐等于给“热出力”加了一个时间平移器：CHP机组的热出力不必在每个时段都和热负荷严格相等，只要“历史累计存入的热量 + 当前热出力”总能满足当前热负荷就行。

这样一来，夜间热负荷高的时候，储热罐可以代替CHP承担一部分供热，机组电出力顺势压下去；白天电负荷高的时候，机组多发电，热出力超过热负荷的部分存进罐里，留给晚上用。风电大发、煤电该让路的时候，储热罐就是那个“让煤电喘口气”的缓冲垫。

这也就是为什么低碳经济调度和储热改造天然绑在一起：不改造，CHP在供暖季几乎没有削峰填谷能力，风电消纳和碳减排都无从谈起；改造之后，调度模型多了一组连续状态变量（罐内储热量），多了一组充放功率变量，优化空间明显变大。

1.3 低碳目标为什么必须写进调度模型

很多人会问：碳排放是环境指标，调度模型把燃料成本最低当目标不就行了？但碳交易机制一旦生效，碳排放就变成了一项真实的运行成本：排放超过免费配额的部分要按照碳价购买，排放低于配额的部分可以把配额卖出去。于是“减排”不再是空泛的口号，而是一笔可以算的账——每发一兆瓦时电要多花多少碳钱，每少发一兆瓦时煤电又能省多少碳钱。

低碳经济调度的核心，就是在目标函数里把碳成本显式地放进去，让优化器自己去权衡“多烧煤发电 vs 少发电多买风电 vs 储热平移供热”这三条路。这里面最关键的建模细节是碳配额怎么给、碳价是固定的还是阶梯的，以及排放量和机组出力之间什么关系。下面这一节专门讲目标函数的拆解。

2. 目标函数：怎么把碳排放写成能优化的账

2.1 燃料成本：CHP机组的出力-煤耗关系

目标函数里最常见的一块是燃料成本。纯凝火电机组的成本函数是典型的二次曲线，C = aP² + bP + c，P是电出力。CHP机组要更复杂一点，因为热出力也会改变煤耗，工程上常用带交叉项的二次函数来近似，例如把煤耗写成电出力P和热出力H的二次函数，再加上一项线性交叉项P·H。

但是在线性规划框架里，这种二次成本函数没法直接用，必须分段线性化：把出力范围切成若干个区间，每个区间用一个线性斜率去逼近原曲线。分段点越多精度越高，代价是变量数变多。实际写代码时，我一般先看算例规模：T=24的日前调度，分3~5段足够；如果是96个时段甚至更细的实时调度，段数太多会让矩阵规模膨胀，求解速度下降，这时候用线性近似就够了，误差控制在1%以内影响不大。

2.2 碳排放量与免费配额的计算方式

碳排放量要和出力挂上钩才有意义。最常见的做法是给每台机组设定排放强度系数，单位是tCO2/MWh。纯凝机组直接用 e·P·Δt 累加；CHP机组则要把电出力和热出力分开算，分别乘以对应的排放强度，再加总。系数从哪里来？通常按机组容量、煤质、运行方式给一个经验值，燃煤机组大致在0.8~0.9 tCO2/MWh这个量级。

配额这块，命令式的思路是给每台机组一个基准排放强度δ，也就是每发一度电“免费”配给多少碳排放额度。于是每台机组每时段的净碳成本就是：

λ × (e - δ) × 出力

如果e > δ，发电是在“花碳钱”；如果e < δ（比如燃烧生物质或者高效机组），发电反而能赚钱。代码实现时，这个(λ×(e-δ))可以直接折算进目标函数的系数里，不用额外加变量，特别简洁。

2.3 阶梯碳价的分段处理

固定碳价是单一线性的，优化器会在所有时段统一权衡碳成本。但实际碳交易往往采用阶梯碳价：排放超过配额越多，超出部分的单价越贵。比如配额量Q，实际排放E，超过Q的部分0~2000吨按50元/吨，2000~4000吨按80元/吨，再往上按120元/吨。

这个阶梯结构是分段线性的，而且因为单价递增，目标函数保持凸性。建模的时候要为超排量拆出几个区间变量：

ΔE = E - Q = x1 + x2 + x3
碳成本 = λ1·x1 + λ2·x2 + λ3·x3
0 ≤ x1 ≤ L1，0 ≤ x2 ≤ L2，x3 ≥ 0

由于单价递增，优化器永远不会傻到先把高价段的x2填满而不填低价段的x1，所以不需要额外加整数约束，自然满足阶梯逻辑。这一点在Matlab里实现非常方便，只要在目标函数向量里给这几个区间变量配上对应的λ，再在约束矩阵里把它们的加和等于超排量就行。

阶梯碳价的意义在于：固定碳价下，模型只要算“减排省下的碳钱 > 多花的煤钱”就会减排；阶梯碳价则让高排放变得“越来越贵”，促使模型把最激进的减排手段也用上，比如晚上进一步压低机组的出力下限、提高储热充放速率。

2.4 弃风惩罚与储热运行成本

除了燃料和碳成本，目标函数里还应该放两块小成本。第一块是弃风惩罚：风电实际接纳量低于预测值时，按弃风量乘一个惩罚单价计入成本。这个单价的量级要小心：设得太小，模型宁可弃风也不调整煤电出力，消纳目标落空；设得太大，相当于“无限度”追风，会导致系统为了多消纳1度风而让煤电频繁启停、爬坡，反而不经济。我通常取煤电边际成本的1.5~2倍左右，够用。

第二块是储热运行成本，主要是循环泵、热损补偿这些，按充放热量乘一个很小的单位成本（几块钱每兆瓦时）。它有两个作用：一是让模型不要无意义地反复充放热；二是在充放速率上限之内，成本项会帮着约束充放行为的温和性。金额虽小，但别省略，否则优化器可能为了满足末端SOC约束做出非常漂亮但不切实际的充放曲线。

3. 约束条件：热、电、储三张表拼成可行域

3.1 CHP机组的可行域怎么用不等式表达

CHP机组热-电耦合关系，我习惯用两组线性不等式来描述。一组管下限：电出力不能低于某个随热出力变化的底线，热出力越大，可接受的最低电出力可以越小；另一组管上限：电出力不能超过某个随热出力增加而减小的上限，因为抽汽挤占了发电蒸汽。写成标准形式就是：

P_min - β·H ≤ P ≤ P_max - γ·H
0 ≤ H ≤ H_max

其中β和γ是耦合系数，反映机组抽汽能力。β越大，说明这台机组越能“压低电出力供热”，灵活性越好。这个模型虽然是对工程可行域的线性逼近，但对教学和工程初筛足够了。代码里实现就是每个时段加两行不等式，把P和H的映射关系填进矩阵对应位置。

3.2 储热罐的动态模型和状态边界

储热罐是一个带时间记忆的储能设备，状态变量是罐内储热量E(t)，单位是MWh。状态转移方程是最容易写错也最容易检查的一处：

E(t+1) = E(t) + [η_ch·H_ch(t) - H_dis(t)/η_dis]·Δt

H_ch是充热功率，H_dis是放热功率，η_ch和η_dis分别是充放热效率。注意充热乘效率、放热除效率——这是因为充进去的热量有损耗，放出来之前还要再损耗一道，两边符号不能搞反，反了算出来的SOC曲线会出现“越用越多”的离谱结果。

边界条件包括三组：储热容量上下限（通常还要留10%~15%的缓冲，防止罐内水层完全混合导致出热温度不稳）、充放热功率上限、以及跨日循环约束。跨日循环这个很多人会漏：日前调度的优化视野只有24小时，如果不加“调度结束时罐内热量不低于开始时”的约束，优化器会在最后几个时段把罐里的热全部放光，因为剩余热量在时间窗口之外没有价值，结果就得到一个不可持续的调度方案。加上 E(T) ≥ E(1) 或者干脆 E(T) = E(1)，才算闭环。

3.3 热平衡、功率平衡和爬坡约束

热平衡是热系统的“基尔霍夫定律”：供热机组热出力之和 + 储热罐放热功率 = 热负荷 + 储热罐充热功率。这里所有热功率都统一用MWth，时间用小时，做完之后热能量自然就是MWh。

电功率平衡是另一条硬约束：全部火电出力 + 风电机组实际接纳功率 = 电负荷。风电实际上网量是变量，预测值是上限，两者之差就是弃风量，后在处理阶段统计。

爬坡约束最容易在矩阵拼装时出问题。它把相邻时段耦合在一起：G(t+1) - G(t) ≤ ramp_up，以及G(t) - G(t+1) ≤ ramp_down。写成矩阵时，这两行不等式的非零元素落在相邻时段对应的列上，千万别把下标写反。如果目标是线性规划且包含多个机组，这些爬坡不等式加起来会增加2×(T-1)×机组数行约束，T=24时还好，T=96就最好用稀疏矩阵。

3.4 要不要引入0-1变量

如果机组在调度周期内“始终在线”，且储热罐允许同时充放热不出问题，这个模型就是个纯线性规划，用lcprog就能解。但如果要做机组启停优化，或者用0-1变量强约束“不能同时充热和放热”，问题就变成混合整数线性规划，求解复杂度上一个台阶。

我个人的做法是：教学型和初步工程评估用纯LP，把机组当成全时段在线，储热罐的效率不为1，同时充放热会出现能量损耗所以优化器天然不会这么干，不需要额外的整数变量。只有到了要做“机组启停+储热联合优化”或者“多场景随机调度”的时候，才上MILP，用整数变量描述启停状态和运行区间的选择。

4. Matlab实现：从数学模型到可运行代码的四步拆解

4.1 第一步：决策变量编排，代码的地基

Matlab跑优化模型，最影响代码可读性的不是求解器，而是变量编号方案。我的习惯是每个物理量各占一块，每块内部按时间连续排列，这样一个块可以用eye(T)一次性映射到约束矩阵的多行，比满地图散点赋值清爽太多。

T = 24; % 调度时段数（小时） % 变量块：1~2号CHP电出力、纯凝火电出力、风电、1~2号CHP热出力、充热、放热、储热SOC idx.P1 = 1:T; idx.P2 = T+1:2*T; idx.G = 2*T+1:3*T; idx.W = 3*T+1:4*T; idx.H1 = 4*T+1:5*T; idx.H2 = 5*T+1:6*T; idx.Hch = 6*T+1:7*T; idx.Hdis = 7*T+1:8*T; idx.E = 8*T+1:9*T; nVars = 9*T;

这套编号方案的好处是做约束填充时，你可以在脑子里面保持一个清晰的“地图”：第几行对应什么物理含义、第几列对应什么变量。排查问题时，只要按索引把x拆回去跟原始数据比对，几乎一眼就能看出哪行约束写歪了。

4.2 第二步：目标函数向量f的拼装

线性规划要求目标函数是f‘x的形式，所以所有线性成本都折算进f的对应位置。单碳价模型尤其简单，把燃料边际成本、净碳成本、储热运行成本、弃风惩罚一股脑加进去就行。

f = zeros(nVars, 1); lambda = 50; % 碳价，元/tCO2 e_em = 0.85; % 燃煤排放强度，tCO2/MWh e_quota = 0.75; % 免费配额强度，tCO2/MWh c_st = 5; % 储热单位运行成本，元/MWh f(idx.P1) = 320 + lambda*(e_em - e_quota); % 边际燃料成本+净碳成本 f(idx.P2) = 335 + lambda*(e_em - e_quota); f(idx.G) = 300 + lambda*(e_em - e_quota); f(idx.H1) = 180 + lambda*(e_em - e_quota); % 供热边际成本 f(idx.H2) = 190 + lambda*(e_em - e_quota); f(idx.Hch) = c_st; f(idx.Hdis) = c_st;

风电那一块的f置0就行——它没有燃料成本，优化器能在平衡方程的约束下自动尽可能多用。弃风惩罚不用放进f，除非你想用惩罚项代替风电出力上限，但标准做法是在约束里给风电变量设硬上限，后处理阶段再统计弃风量。

4.3 第三步：约束矩阵的拼装，用eye(T)批量生成

电力平衡和热平衡约束是最规则的，两个eye(T)就能搞定。以热平衡为例：每个时段，热出力1加热出力2加放热功率减充热功率等于热负荷。写成矩阵就是四块eye(T)的线性组合：

Aeq = zeros(3*T, nVars); beq = zeros(3*T, 1); % 电力平衡：P1+P2+G+W = D_e Aeq(1:T, idx.P1) = eye(T); Aeq(1:T, idx.P2) = eye(T); Aeq(1:T, idx.G) = eye(T); Aeq(1:T, idx.W) = eye(T); beq(1:T) = D_e; % 热平衡：H1+H2+Hdis-Hch = D_h r = T+1:2*T; Aeq(r, idx.H1) = eye(T); Aeq(r, idx.H2) = eye(T); Aeq(r, idx.Hdis) = eye(T); Aeq(r, idx.Hch) = -eye(T); beq(r) = D_h; % 储热状态转移 + 跨日循环 r = 2*T+1:3*T; for t = 1:T-1 Aeq(r(t), idx.E(t+1)) = 1; Aeq(r(t), idx.E(t)) = -1; Aeq(r(t), idx.Hch(t)) = -eta_ch*dt; Aeq(r(t), idx.Hdis(t)) = (1/eta_dis)*dt; end Aeq(r(T), idx.E(T)) = 1; Aeq(r(T), idx.E(1)) = -1; % 末状态等于初状态，保证跨日循环

这段代码的节奏是：先确定等式来源，再确定行索引r，再往里填变量系数。CHP耦合约束和爬坡约束同理，只是从等式变成不等式。拼完之后，转成稀疏矩阵能让求解速度明显提升：

A = sparse(A); Aeq = sparse(Aeq);

4.4 第四步：调用求解器并做结果拆解

模型规模不大时，MATLAB优化工具箱自带的linprog就能胜任。我是这么调的：

options = optimoptions('linprog','Display','iter','Algorithm','dual-simplex'); [x, fval, exitflag] = linprog(f, A, b, Aeq, beq, lb, ub, options); if exitflag <= 0 error('求解失败，exitflag=%d', exitflag); end

求解完成后，把x按之前定义的索引拆回各物理量时间序列，然后立即做几项“体检”：电力平衡残差是否全零、热平衡残差是否全零、SOC曲线是否在上下界内。这些检查晚做不如早做，越早发现越省事。

P1 = x(idx.P1); P2 = x(idx.P2); G = x(idx.G); W = x(idx.W); H1 = x(idx.H1); H2 = x(idx.H2); E = x(idx.E); Hch = x(idx.Hch); Hdis = x(idx.Hdis); % 弃风量 curtail = max(0, W_forecast - W);

如果用了阶梯碳价，还需要把超排量区间变量单拆出来，算完总碳成本后加进fval从而得到完整运行成本。别直接拿fval当总成本——它只包含目标向量里写进去的项，有时和你想统计的口径不一致。

5. 算例对比：储热改造到底省了多少碳、花了多少钱

5.1 算例参数怎么设置

我常用的一套算例参数长这样：两台抽汽式CHP机组，额定电功率分别是500MW和400MW，最大热出力分别是300MWth和250MWth；一台纯凝火电，600MW；风电场装机800MW，预测出力曲线模拟夜间大风白天小风；电负荷曲线典型双峰，峰值1200MW落在傍晚，谷值800MW出现在凌晨3点前后；热负荷曲线则是夜间高白天低，大致在400MWth和300MWth之间波动。

储热罐容量取1000MWh，充放热功率上限200MW，充放热效率都取0.95，自损耗每小时0.5%。碳价取50元/吨，免费配额强度0.75tCO2/MWh，燃煤排放强度0.85tCO2/MWh。阶梯碳价方案则在固定碳价基础上，设置超排量0~2000吨按50元、2000~4000吨按80元、4000吨以上按120元。

5.2 三个方案的调度结果对比

我分别跑了三个方案：A是无储热、只按固定碳价；B是有储热、固定碳价；C是有储热、阶梯碳价。结果整理成表：

看这张表能读出三层信息。第一，储热改造带来的燃料成本下降和弃风率下降是立竿见影的：方案B比方案A燃料成本少了13.2万，弃风率从11.8%压到3.6%。第二，固定碳价下碳交易成本反而降低，因为风电接入多了，煤电少发了，需要购买的碳配额就少了。第三，方案C的阶梯碳价让模型进一步压排放，从12920吨降到11760吨，但碳交易成本上升到35.6万元，总成本反而高于方案B——这就是“减排的边际代价”，很真实。

5.3 用电和储热曲线看机理

把三个方案的机组出力曲线摆在一起看，机理特别清楚。方案A里，凌晨时段热负荷400MWth，两台CHP为了供热被迫保持高电出力，风电本来就大半夜里最爱大发，结果被机组占掉的发电空间挤出去，弃风率高达11.8%。方案B加了储热罐后，凌晨时段储热罐以接近200MW的功率充电，两台CHP的电出力顺势压到各自最低，风电几乎全额上网。方案C则更激进：高碳价逼着模型进一步压低高排放机组的出力，代价是白天这些机组要以更高的出力追赶负荷，爬坡更猛，但排放确实降下来了。

储热罐的SOC曲线也很有意思：夜间充热，SOC从初始值爬升到接近上限；上午热负荷上升但电负荷还没到峰，储热罐开始放热；傍晚电负荷高峰时，CHP优先保证发电，热需求靠储热罐撑着；到深夜再次充热，周而复始。这个曲线的形状直接决定了罐容选择是否合理。

5.4 储热容量和碳价的灵敏度

实操时我还会做两组灵敏度分析。第一组把储热罐容量从0扫到2000MWh，看弃风率和总成本怎么变：容量小时，弃风率下降很陡；超过1600MWh之后，弃风率基本不再变化，收益进入平台期。这说明储热不是越大越好，容量超过一定程度，夜间热负荷已经能被完全平移，再加罐容就是浪费投资。第二组把碳价从20元/吨扫到100元/吨：碳价低时，模型对减排不敏感，总成本几乎不变；碳价升高到60元以上，排放下降明显变快，因为“少发煤电买风电”的边际收益超过了燃料成本增加。这个拐点位置，恰好是储热罐最优充放策略发生变化的位置。

6. 调试过程中最容易踩的坑和实用检查清单

6.1 单位混乱是头号杀手

我看过太多人栽在这里：热负荷数据源给的是GJ/h，调度模型里却当成MWth直接用；或者储热罐容量用了GJ，状态转移方程里系数忘了除以3.6。1MWth持续1小时就是1MWh，折合约3.6GJ。整个模型里热功率全用MWth，热能量全用MWh，时间全用小时，那么状态方程里Δt的单位就是小时，充放热效率参与运算后的量纲才一致。这个错误通常在“约束总是无解”或者“SOC曲线越界”的时候暴露，排查起来相当费时间。

6.2 储热SOC初值和末值必须当成约束

还有一个隐蔽坑是SOC初值。日前调度从零点开始算，罐内初始储热量E(1)不能随便取，最好从上一日实际运行的末值拿过来。如果全模型不设E(T)=E(1)，优化器会把末状态的储热当垃圾清空，最后一两个时段疯狂放热，出力的形状看起来“很聪明”，但第二天根本没热可用。我的习惯是加E(T)-E(1)=0的等式约束，或者至少加E(T)≥E(1)。前者稳妥，后者留一点灵活性，工程上常见。

6.3 效率不对称导致的同时充放热“漏洞”

如果充热效率比放热效率高很多，模型理论上可能出现先充后放“白赚”效率差的投机行为。比如充效率0.98、放效率0.95，充100放95，热平衡上看不出问题，但能量上亏了5%，实际系统不会这么干。解决思路有两个：要么给充放热功率加整