调峰成本这个词做电力系统规划或者电力市场设计的人应该都不陌生。前几年我们总说“新能源大发时段调峰困难”但真要追问一句调峰一次到底花了多少钱这笔钱又应该算在谁头上很多人说不到两句就模糊了。我手头这套Matlab实现就是专门解决这两个问题的先在高比例可再生能源电力系统下做时序生产模拟把火电深度调峰、启停调峰、弃风弃光折算成可量化的调峰成本再基于“谁引发、谁受益、谁承担”的分摊原则把总成本拆分到风电、光伏、负荷等可归责主体上。整套代码从数据输入、净负荷计算、机组成本建模到调峰成本归集和分摊输出是一个可以跑通的闭环。它适合电网规划工程师、电力市场研究人员、做风光消纳分析的同行以及所有被“调峰成本说不清”折磨过的研究生和论文党。1. 模型整体思路先定边界再谈分摊1.1 调峰成本到底包含哪些科目很多人一听“调峰成本”就默认等于煤耗增量这个理解太窄了。实际调峰动作包含三种形态常规负荷跟踪、深度调峰、启停调峰。系统正常情况下机组顺着负荷曲线上调下调属于常规运行这部分成本是发电成本的一部分不应该扔进“调峰成本”里。真正需要单独算的是为消纳可再生能源而被迫增加的额外支出。我把调峰成本拆成了四个科目深度调峰附加成本机组出力压低到常规技术出力下限以下时锅炉稳燃需要投油或等离子助燃燃烧效率明显下降单位煤耗上升这部分是深度调峰的主要成本。机组寿命损耗成本频繁变负荷和深度压负荷会让转子等热力部件出现低周疲劳损耗这是慢变量但真实存在工程上会折算成每兆瓦时出力的寿命损耗费。启停调峰成本启动一次需要燃料、厂用电、设备维护和寿命折损停机再启动还会导致机组状态转换费用应该单独统计。弃风弃光成本系统调峰能力不够被迫切除可再生能源出力时少发电量价值也是调峰不充分的成本表现。边界一定要在建模前固定。否则同样的算例有人把煤耗增量全计入有人只统计投油成本结果能差出几倍。模型里我采用“边际增量”口径即只计算相对常规基荷运行的额外支出把常规燃料成本剥离开。1.2 为什么必须做时序仿真而不是典型日简单叠加调峰成本不是静态函数它和机组状态、爬坡、启停次数、开停机时间深度绑定。比如一台600兆瓦机组从300兆瓦爬坡到600兆瓦和从200兆瓦直接停机再启动成本结构完全不同。如果只拿典型日的峰谷差做估算忽略跨时段的状态转移结果会严重失真。高比例可再生能源系统里净负荷曲线负荷减去风光出力才是真正决定调峰需求的曲线。风光大发时净负荷被压低负荷高峰期净负荷又可能突然上扬净负荷的波动幅度往往比原始负荷曲线更陡。这种波动必须用逐时或更细分辨率的时间序列去捕捉。所以模型采用了时序生产模拟的思路建立一个包含负荷功率、风电出力、光伏出力的时间序列然后逐时段做机组出力分配记录每台机组在每个时段的开停机状态、出力水平和成本发生量。这样统计出的调峰成本不仅可以汇总还能回到每个时段看成本到底发生在几点方便后续做责任溯源。1.3 分摊原则谁引发谁承担成本算清楚之后怎么分摊更考验模型设计。业界对分摊对象有几种观点有人主张调峰成本应该由可再生能源承担因为它们出力波动是调峰需求的来源也有人主张应该由所有用户承担因为调峰的最终目的是保证供电还有人认为电网公司作为运行者应该兜底。如果从“因果责任”看分摊对象应该锁定在引发净负荷波动的主体上。负荷曲线的峰谷波动属于自然需求不是可再生能源造成的而风电、光伏出力偏离常规可控电源特性才是高比例系统里调峰问题的放大因素。因此模型采用“场景差量波动贡献”的组合分摊法先做一个不含风电、光伏的基准场景得到系统基准调峰成本再做实际含风电、光伏的场景得到实际调峰成本两次差量作为可再生能源引发的增量调峰成本把差量按每个新能源场站的出力下滑量、反调峰程度分配到具体电站。分摊的原则并不唯一但口径必须在一个模型里保持一致。后面代码部分会展示这种组合分摊法的矩阵实现。2. 核心数学模型与成本函数2.1 机组深度调峰的分段成本函数火电深度调峰成本是整套模型里最需要细致处理的部分。同一台机组在不同负荷区间的成本特性完全不同我按负荷率分了三个区间正常调峰区间负荷率小于等于100%、大于等于常规最小技术出力对应负荷率时煤耗按热力试验曲线计算深度调峰区间负荷率继续下探至深度调峰下限需要投油或等离子助燃附加成本包含燃油消耗、效率下降增耗和设备寿命损耗极深度调峰/停机区间低于深度调峰下限时不允许持续运行只能选择停机。工程上可以写出简化分段表达式机组i在时段t出力为P_{i,t}额定容量为P_{i,max}常规最小技术出力为P_{i,con}深度调峰最小出力为P_{i,min}。若P_{i,t}在P_{i,con}和P_{i,max}之间成本函数为[C_{i,t}^{fuel}a_i b_i P_{i,t} c_i P_{i,t}^2]若P_{i,t}在P_{i,min}和P_{i,con}之间额外增加深度调峰成本项[C_{i,t}^{deep}\lambda_i (P_{i,con}-P_{i,t}) \mu_i \cdot \mathbb{I}[P_{i,t}P_{i,con}]]其中(\lambda_i)是深度调峰单位压出力增量成本(\mu_i)是投油固定成本(\mathbb{I}[\cdot])为0-1指示变量。寿命损耗可以并入(\lambda_i)也可以单独列成与压出力幅度成正比的项。这里有个关键点公式里的(\lambda_i)不是拍脑袋定的需要通过机组热力性能试验数据拟合。拿不到实测数据时可以参考同容量机组文献值并在模型里做成可调参数方便后期替换。2.2 启停调峰成本怎么计入状态转移启停调峰的成本与机组是否启动、是否停机直接相关属于跨时段状态量。数学模型里需要引入0-1变量表示机组开停机状态[u_{i,t}1]表示机组i在时段t处于开机状态否则为0。启动事件定义为状态从0变到1停机事件定义为从1变到0。因此启停成本可以写成[C_{i,t}^{su}S_i^{su} \cdot \max(0, u_{i,t}-u_{i,t-1})][C_{i,t}^{sd}S_i^{sd} \cdot \max(0, u_{i,t-1}-u_{i,t})]其中(S_i^{su})和(S_i^{sd})分别是机组i的单次启动费用和单次停机费用。注意启动费用和停机费用并不对称冷态启动可能是热态启动的好几倍如果模型精度要求更高可以进一步区分热态、温态、冷态启动的差异。在Matlab中如果使用Yalmip建模启动和停机变量可以显式定义u binvar(n, T, full); % 机组开停机状态 su binvar(n, T, full); % 启动事件 sd binvar(n, T, full); % 停机事件 % 状态转移约束 Constraints [Constraints, su(:,t) u(:,t) - u(:,t-1)]; Constraints [Constraints, sd(:,t) u(:,t-1) - u(:,t)];2.3 弃电成本与调峰成本怎么避免重复计算弃风弃光成本在模型里很容易和调峰成本重复计算。如果已经计算了火电因为压出力产生的深度调峰成本再把“火电多发替代风光少发”的燃料成本差异也算进去那就重复了。我的处理方法是严格区分电量口径弃电成本 弃电量 × 单位损失价值调峰成本 常规机组参与调峰动作的额外支出两者互斥计入最终总成本 调峰成本 弃电成本 失负荷惩罚。单位损失价值可以选参考上网电价也可以考虑绿色电力环境价值。参考电价口径最直观环境价值口径更能体现“消纳可再生能源的社会收益”。实际建模时我建议把这两个口径都做进去通过参数切换观察结果差异这也是灵敏度分析的一部分。3. Matlab代码实现从数据到成本台账3.1 数据组织和主程序分层代码工程化改造的第一步是分层。官方一点的叫法叫模块化说白了就是让每个文件只干一件事后期改参数不用翻遍整个脚本。我实现的文件结构大致是main_dispatch.m % 主程序调度计算与成本汇总 load_input_data.m % 读取负荷、风电、光伏时间序列 build_units.m % 构建火电机组参数结构数组 sequential_dispatch.m % 简化时序调度函数 milp_dispatch_yalmip.m % 混合整数优化调度函数 cost_settlement.m % 调峰成本归集与统计 allocate_cost.m % 调峰成本分摊 plot_results.m % 结果可视化机组参数用结构数组存储比散落的变量好管理得多units(1).name G1; units(1).Pmax 600; units(1).Pmin 180; units(1).Pcon 240; units(1).a 20; % 空载成本系数 units(1).b 0.3; % 线性煤耗系数 units(1).c 0.0002; % 二次煤耗系数 units(1).lambda 0.05; % 深度调峰单位压出力成本 units(1).su_cost 8e4; % 启动费用 units(1).sd_cost 2e4; % 停机费用负荷和可再生能源数据我建议统一放到表格里第一列时间戳后面依次是负荷、风电功率、光伏功率。数据读取后直接转成Matlab datetime数组后续画图非常方便。3.2 时序生产模拟的两种实现路线时序调度有两种实现路线按用途不同选择路线A优先顺序调度法。按机组边际成本从小到大排队逐时分配净负荷。逻辑简单、计算快适合教学和快速方案对比但无法处理最小开停机时间约束。路线B混合整数线性规划MILP。用Yalmip加Gurobi或Cplex求解机组组合问题能够在目标函数中加入启停变量、最小启停时间、爬坡约束结果更贴近实际调度代价是求解时间长。怕把问题复杂化的话可以先跑路线A把净负荷计算、成本归集和分摊逻辑调通如果要做严肃算例分析再切到路线B。我的代码里两个版本都写了调度函数接口保持一致。路线B核心优化问题的精简版可以用如下代码表达P sdpvar(n, T, full); % 机组出力 u binvar(n, T, full); % 开停机状态 su binvar(n, T, full); % 启动事件 % 目标函数燃料成本 深度调峰成本 启停成本 弃电成本 Objective 0; for t 1:T for i 1:n Objective Objective units(i).a units(i).b * P(i,t) ... units(i).c * P(i,t)^2; % 深度调峰附加成本分段处理 Objective Objective units(i).lambda * max(0, units(i).Pcon - P(i,t)); end Objective Objective su_cost * su(:,t) sd_cost * sd(:,t); Objective Objective shed_cost * P_shed(t); end Constraints [Constraints, sum(P(:,t)) P_shed(t) netload(t)]; Constraints [Constraints, P(i,t) units(i).Pmin * u(i,t)]; Constraints [Constraints, P(i,t) units(i).Pmax * u(i,t)];注意这里的二次项(c_i P_{i,t}^2)不是线性表达式如果要交给线性求解器必须用分段线性近似。常用做法是通过内部变量对燃料成本曲线分段线性化或者直接把目标函数改成线性煤耗函数。工程上差别不大但表达方式直接影响求解效率。3.3 成本分摊模块的Matlab实现分摊模块我用的是“场景差量 净负荷下滑贡献”组合方法。首先计算实际场景与无风光基准场景的成本差cost_increment cost_actual_scene - cost_base_scene;然后对风电和光伏逐时出力计算下滑量即相对于上一时段出力下降的幅度down_wind max(0, wind_power(:, 1:end-1) - wind_power(:, 2:end)); down_pv max(0, pv_power(:, 1:end-1) - pv_power(:, 2:end)); down_all [down_wind; down_pv]; % 按各场站总下滑量占全部场站下滑量的比例分摊 weight sum(down_all, 2) / max(sum(sum(down_all)), eps); alloc_result cost_increment * weight;这里的分摊逻辑是可再生能源出力下滑时系统必须让常规机组上升出力弥补而下一时段新能源出力上升时常规机组又要压出力这种来回变化就是调峰需求。因此用“总出力下滑量”作为波动贡献代理指标物理意义直观。如果还要计入负荷侧责任就把负荷变化量也纳入权重计算权重改成[w_i\frac{\sum_t \max(0, \Delta P_{i,t})}{\sum_j \sum_t \max(0, \Delta P_{j,t})\sum_t \max(0, \Delta L_t)}]这样就可以把成本同时分给负荷和新能源场站。3.4 结果可视化与报表输出代码跑完不能只输出一堆数字我习惯用三类图把结果讲清楚第一类是净负荷与机组出力堆叠面积图直观展示“谁在跟随调峰”第二类是调峰成本堆叠柱状图按深度调峰、启停调峰、弃电成本分色展示第三类是分摊结果横向条形图展示各个风电场、光伏电站和负荷侧分摊到的成本比例。绘图代码不复杂area(t_axis, [P_mid; P_deep; P_peak]); legend({中等调峰机组,深度调峰机组,尖峰机组}); xlabel(时间); ylabel(出力/MW);输出报表我用了一个Excel导出函数writetable把机组各时段出力、成本明细、分摊结果三个表写到同一个工作簿的不同Sheet里。这样客户或导师拿到的是一个完整台账而不是一张截图。4. 算例验证与灵敏度分析4.1 基础算例设置我构造了一个简化但典型的算例系统负荷峰值1200兆瓦风电装机800兆瓦光伏装机500兆瓦火电总装机1200兆瓦分为四台机组容量依次为600、300、200、100兆瓦。火电常规最小技术出力比例设置45%深度调峰下限设置35%。风电场景很有意思夜间大发的反调峰特性和光伏白昼出力叠加后净负荷曲线呈现明显的“鸭子曲线”形状。4.2 调峰成本结果与结构分解利用三天数据跑出来结果后我按24小时汇总统计成本科目金额/万元占比深度调峰附加成本18.642.3%机组寿命损耗成本7.918.0%启停调峰成本12.428.2%弃风弃光成本5.111.5%合计44.0100%可以看到深度调峰和启停调峰是成本大头。这个比例和很多公开文献的结果趋势一致。如果负荷波动没那么极端占比会向深度调峰倾斜如果反调峰严重到必须频繁启停启停成本会迅速上升。4.3 煤价、深调极限和风光容量的灵敏度同一个模型改几个关键参数就能看出结论变化煤价上调20%深度调峰成本增加约14%启停成本增加约9%因为燃料成本在两类成本里都有贡献深度调峰下限从35%调到30%理论上机组能压得更低弃电成本下降但深度调峰损耗上升总成本不一定下降。这种非单调关系是系统调度里常见现象建议做参数扫描光伏装机翻倍午间净负荷低谷更低火电深度调峰成本上升但傍晚净负荷爬坡更陡启停成本和爬坡成本同时上升总调峰成本增长可能超过50%。灵敏度分析的意义不在于找到一个“完美参数”而在于理解系统的成本驱动点在哪里。如果煤价灵敏度和启停灵敏度都很高说明这台系统的调峰压力主要由火电承担下一步就应该考虑储能或需求响应来转移这些压力。4.4 三种分摊方案的结果对比我把同一个算例分别用三种方案分摊分摊方案风电分摊光伏分摊负荷侧分摊按发电量比例分摊61.5%38.5%0%按出力波动贡献分摊54.8%24.7%20.5%Shapley值分摊56.2%26.9%16.9%按发电量比例分摊看似公平但实际偏离因果某个风电场发电量高但出力平稳对调峰需求贡献很小却被分摊了大量成本出力波动大的小风电场反而成本很少。按出力波动贡献分摊更贴近“谁引发谁承担”Shapley值在理论上更严格但计算成本高。工程上我推荐用出力波动贡献分摊因为可解释性强且代码简洁。5. 实操经验、避坑清单与扩展方向5.1 最容易踩的坑模型口径与数据细节这版代码我改了三个迭代踩过的坑基本都集中在下面几处最小开停机时间约束缺失。早期版本只做了功率平衡结果机组间隔两个小时就启停一次成本高不真实还难以解释。后来加了最小开停时间约束结果立刻稳定下来。平均煤耗和边际煤耗混用。深度调峰的成本增量应该用边际煤耗增量如果直接用平均煤耗会显著低估深度调峰的真实支出。弃电成本和火电调峰成本重复计算。火电因为多发电产生的燃料成本和可再生能源被切除的损失在总账单里只能算一次。这个线条要在成本归集前理清。新能源出力约束缺失。净负荷为负的时刻直接把火电出力设为零而忽略风电和光伏最大出力约束会让弃电成本失真。正确的做法是同时添加可再生能源出力上限。intlinprog整数变量设置错误。把开停机状态写成了连续变量求解结果经常出现0.5这种伪状态得到成本毫无意义。检查变量类型是排查问题的第一步。脚本文件编码问题。项目文件建议统一存成UTF-8格式避免中文注释在旧版Matlab里出现乱码影响后续维护。5.2 模型验证三件事模型跑通不代表结果正确我会用三件事做验证第一逐时功率平衡校验。每个时段所有机组出力、新能源出力和失负荷电量之和必须严格等于该时段负荷值误差超过0.1兆瓦就要排查。第二机组出力限值校验。所有机组的出力都必须落在自身最小出力和最大出力之间且停机状态出力必须为零。第三成本逻辑重算。把模型输出的成本按物理公式重新手算几个典型时段如果结果不一致大概率是成本函数写错或者参数单位没统一。比如煤耗系数用的是吨标准煤还是吨原煤单位不同结果差很多。这三件事做好模型的可解释性才有保障。5.3 往储能、需求响应和多区域方向扩展这套模型框架并不锁死在火电调峰上。把火电机组参数改成储能系统充放电功率限额和SOC约束就能量化储能替代调峰火电的经济性把可削减负荷写成带惩罚成本的可调度资源就能评估需求响应参与调峰后系统总成本的变化把单区域功率平衡改成多区域联络线约束则能分析跨区域调峰互济价值。我后来在另一个项目里加入了一个100兆瓦/400兆瓦时的储能电站目标函数里增加充放电惩罚项和SOC日周期约束调峰总成本下降了约27%。这个改造只花了一天半时间因为基础模型的数据结构和目标函数本来就是解耦的。最后再分享一点个人经验调峰成本量化最难的往往不是公式而是口径统一。把边界、参数和评价指标在建模前写清楚后面所有代码和分析都会顺很多。先拿24时典型日把完整逻辑跑通再扩展到8760小时并考虑年际变化效率会比一开始铺大模型高得多。如果你正准备用Matlab做类似课题建议从小算例起步把每一笔成本的来龙去脉都打开看一遍再去调参数和加模块。