简介面向电力系统研究人员与电气工程专业学生的MATLAB/CPLEX实现资料聚焦安全约束机组组合SCUC及经济调度求解问题。资源以IEEE-30节点系统为测试平台覆盖机组启停状态分配与最小运行时间约束、负荷需求预测与供需平衡、设备出力上下限及线路潮流等安全约束建模同时纳入燃料成本、启动/停机成本与旋转备用成本的经济目标给出混合整数线性规划求解思路适合需要掌握SCUC完整建模流程或开展优化算法验证的读者。压缩包共11个文件主体包括2个.m源码脚本机组组合优化主程序、分段处理逻辑、6个xls结果表格不同热备用系数下的机组最优出力与求解结果可对照查看节点导纳矩阵及逆矩阵数据、2个vsdx可视化图表机组各时段最优出力变化趋势及1个docx基本要求说明整体仅301KB结构紧凑便于逐文件对照运行。该资源已有1959人浏览学习。读者可通过源码与Excel结果复现热备用系数分别为0.2与0.05状态下的机组组合算例逐时段对比各机组最优出力安排与总运行成本差异直观理解安全约束如何影响机组启停决策与经济性取舍还可借助可视化图表快速定位关键结果。这套资料既可支撑课程设计、毕业设计中的算例验证也能帮助读者把“考虑安全约束的优化”从理论落到可运行的程序与结果数据上为后续将SCUC模型扩展至更大规模电力系统提供可复用的建模参考。1. 考虑SCUC的电力系统机组组合优化为什么这是调度系统里最难啃的骨头SCUCSecurity Constrained Unit Commitment安全约束机组组合要解决的并不是哪些机组开机这么简单而是在未来一天到一周的每个时段里同时决定机组启停和出力分配确保功率平衡、备用充足、线路潮流不越限、N-1预想事故下依然安全并把总发电成本压到最低。它和普通机组组合最大的区别在于安全约束四个字——普通UC只需要管功率平衡和经济性SCUC还要把电网拓扑和潮流约束一并纳入优化。这个问题的数学本质是混合整数规划MIP既有0/1启停变量又有连续出力变量二者强耦合模型规模动辄十万级约束。凡是做调度运行、电力市场出清、新能源消纳分析的工程师几乎都要过这一关。这篇文章从建模、代码实现、求解器参数到踩坑记录完整讲清楚这套方案的落地路径。2. SCUC建模的第一步目标函数和约束条件怎么写才不漏项2.1 目标函数拆解燃料成本、启动成本、停机成本怎么算SCUC的目标函数通常写成三部分叠加min Σ_t Σ_i [ 燃料成本_i(p_i,t) 启动成本_i · max(0, u_i,t - u_i,t-1) 停机成本_i · max(0, u_i,t-1 - u_i,t) ]燃料成本一般用二次函数近似C_i(p) a_i · p² b_i · p c_i。这里有个关键选择二次项和0/1变量相乘后问题变成MIQP混合整数二次规划求解难度比MILP混合整数线性规划高不少。工程上最常见的做法是对二次成本曲线做分段线性化把每台机组出力范围切成46段用一组连续变量和0/1变量表示每段增量把问题降级为MILP。分段数量直接影响精度和求解速度切4段时误差约1.5%切6段能控制在0.5%以内但约束数量会多出约三分之一。启动成本这里有个容易忽略的细节——热启动和冷启动的区分。停机时间短于某个阈值比如8小时时锅炉还保温启动成本低停机超过阈值后需要完全冷启动成本可能翻几倍。建模时需要一个额外变量表示冷启动状态当机组在t时段启动且此前连续停机时间超过冷启动时间阈值就取冷启动成本否则取热启动成本。这个逻辑要用一组带大M的约束实现不能简单地用max函数不然求解器会把非线性踢回给你。停机成本在日调度里容易被忽略但燃气轮机频繁启停时燃料吹扫、寿命损耗等费用累积起来能占到总成本的3%5%。真实的检修台账里会把停机成本和启动成本一并统计建模时别忘了加进去。2.2 机组级约束出力上下限、最小启停时间、爬坡约束的数学表达机组出力上下限是最基本的约束注意要乘上启停变量让停机机组的出力强制为0P_min,i · u_i,t ≤ p_i,t ≤ P_max,i · u_i,t最小连续运行时间和最小连续停机时间是SCUC里最容易写错的部分。标准写法是如果机组在t时段启动u_i,t - u_i,t-1 1那么从t1到tT_up-1的时段里u必须保持为1。数学上写成u_i,t - u_i,t-1 ≤ u_i,τ , τ ∈ [t1, tT_up-1]最小停机时间对称处理u_i,t-1 - u_i,t ≤ 1 - u_i,τ , τ ∈ [t1, tT_down-1]这里有一个边界坑T取96时段时t在模型后段时tT_up-1可能超出时间范围。处理办法是只在t T_up - 1 ≤ T的范围内加约束剩余时段不做强制——因为超出规划周期的部分完全由下一个周期的初始状态接管。爬坡约束分爬坡ramp-up和滑坡ramp-downp_i,t - p_i,t-1 ≤ RU_i p_i,t-1 - p_i,t ≤ RD_i这里必须乘上启停状态做松弛否则启动瞬间出力从0升到P_min会违反爬坡速率。实际代码里写成p_i,t - p_i,t-1 ≤ RU_i M · (1 - u_i,t) p_i,t-1 - p_i,t ≤ RD_i M · (1 - u_i,t-1)M取一个足够大的数比如该机组P_max的1.5倍既不会限制正常运行时的爬坡又不至于让松弛把约束彻底打开。2.3 系统级约束功率平衡、备用容量和网络安全约束如何进入模型功率平衡约束是硬约束所有机组出力加上新能源出力必须等于负荷。光伏和风电按预测出力处理不确定性靠备用约束兜底。备用容量约束一般写成在线机组最大出力之和要大于负荷加备用需求Σ_i (u_i,t · P_max,i) ≥ Load_t Reserve_t这里注意备用是在线机组的可调容量不是当前出力所以用P_max乘以启停变量求和。SCUC区别于普通UC的核心是网络安全约束最常见的是直流潮流近似。先用潮流计算生成PTDF功率传输分布因子矩阵然后对每条线路的潮流做上下限约束-Limit_l ≤ Σ_i PTDF_l,i · (P_i,t - D_i,t) ≤ Limit_lD_i,t是节点负荷P_i,t是节点注入功率。至于N-1预想事故约束数量会从N条线路变成N×N条。工程上不用全加我用过最实用的做法是迭代法第一轮不加安全约束求解得到潮流分布找出越限线路和最危险的N-1断面把这些关键约束加回模型再求解验证。迭代二到三轮后基本稳定求解时间比一次性加满约束快一半以上。3. 用YALMIPGurobi把SCUC跑通一套最小可复现代码3.1 数据准备机组参数和96点负荷曲线的格式设计下面这套代码用MATLAB YALMIP Gurobi可跑通支持N台机组、T个时段包含功率平衡、备用、出力上下限、启停成本和最小启停时间约束。机组参数统一放在gen_data矩阵里每行一台机组% 96时段负荷曲线模拟典型日负荷 T 96; load_curve 500 200 * sin((1:T) / T * 2 * pi) randn(1, T) * 30; % 机组参数矩阵10列分别对应 % Pmax Pmin T_up T_down HSC CSC T_cold a b c gen_data [ 200 50 4 4 500 1500 8 0.001 12.5 50; 150 30 3 3 400 1200 7 0.002 13.2 45; 100 25 2 2 300 900 6 0.003 14.1 40; % ... 其余机组按实际数据补齐 ]; N size(gen_data, 1); Pmax gen_data(:,1); Pmin gen_data(:,2); Tup gen_data(:,3); Tdown gen_data(:,4); HSC gen_data(:,5); CSC gen_data(:,6); Tcold gen_data(:,7); a gen_data(:,8); b gen_data(:,9); c gen_data(:,10);这里解释一下为什么用矩阵而不是结构体YALMIP的表达式生成需要向量化运算矩阵按行放机组后可以直接用列切片参与约束和目标的构造不需要写循环去逐台机组处理模型生成速度会快一个量级。负荷曲线的随机扰动部分在实际数据中应替换为实测或预测数据这里只是为了演示模型能处理波动性。3.2 模型建立二进制启停变量和连续出力变量的分工核心变量的定义是整段代码的骨架u binvar(N, T, full); % 0/1启停变量 p sdpvar(N, T, full); % 连续出力变量 Constraints []; % 功率平衡各时段发电总和等于负荷 Constraints [Constraints, sum(p, 1) load_curve]; % 备用约束在线机组最大出力之和不小于负荷加备用 Reserve 0.05 * max(load_curve); Constraints [Constraints, sum(u .* repmat(Pmax, 1, T), 1) load_curve Reserve]; % 出力上下限乘上启停变量停机机组出力为0 Constraints [Constraints, repmat(Pmin, 1, T) .* u p repmat(Pmax, 1, T) .* u]; % 最小启停时间约束 for i 1:N for t 2:T if t Tup(i) - 1 T Constraints [Constraints, u(i,t) - u(i,t-1) u(i, t1:tTup(i)-1)]; end if t Tdown(i) - 1 T Constraints [Constraints, u(i,t-1) - u(i,t) 1 - u(i, t1:tTdown(i)-1)]; end end end为什么要单独声明两个变量而不是合并成一个因为启停变量u决定机组的在线/离线状态出力变量p是在线时的连续调节量二者的可行域耦合方式完全不同——u是离散的p是连续的。YALMIP对binvar和sdpvar的处理路径不同分开声明才能让求解器正确识别MIP结构。最小启停时间约束用双层循环生成每条约束检测一次启动动作或停机动作。这里的技巧是u(i,t) - u(i,t-1) 1意味着t时刻发生启动那么从t1到tTup(i)-1共Tup(i)-1个小时u必须全部保持1。写成向量形式的约束一次写入多条不等式比逐条改更高效。Tup(i)4时一个启动动作会生成3条约束。3.3 目标函数与求解MIPGap、TimeLimit怎么设目标函数需要处理二次燃料成本的线性化。YALMIP内置的polynomial函数可以自动做分段线性近似也可以手动写分段fuel_cost 0; for i 1:N % 二次成本线性化把[Pmin,Pmax]切成5段用增量变量近似 p_seg sdpvar(5, T, full); delta (Pmax(i) - Pmin(i)) / 5; Constraints [Constraints, p(i,:) Pmin(i) * u(i,:) sum(p_seg, 1)]; Constraints [Constraints, 0 p_seg delta]; % 每段的边际成本用段中点斜率近似 for k 1:5 p_mid Pmin(i) (k - 0.5) * delta; fuel_cost fuel_cost (2 * a(i) * p_mid b(i)) * p_seg(k,:); end fuel_cost fuel_cost (a(i) * Pmin(i)^2 b(i) * Pmin(i) c(i)) * u(i,:); end % 启动成本 start_cost 0; for t 2:T start_cost start_cost HSC * max(0, u(:,t) - u(:,t-1)); end Objective sum(fuel_cost) sum(start_cost); ops sdpsettings(solver, gurobi, verbose, 2); ops.gurobi.MIPGap 0.01; ops.gurobi.TimeLimit 600; ops.gurobi.Threads 8; optimize(Constraints, Objective, ops);这里的关键参数是MIPGap。设0.01表示允许1%的对偶间隙常规日调度计划足够用如果用于电力市场出清需要收紧到0.001以下但求解时间会成倍上升。TimeLimit600保证流程在10分钟内一定返回一个可行解避免夜间调度任务卡死。max(0, u(:,t)-u(:,t-1))在YALMIP里会生成带辅助变量的线性约束因为max的参数本身是线性表达式YALMIP能自动处理如果你用的建模工具不支持max就手动引入辅助变量z ≥ u(:,t)-u(:,t-1)且z ≥ 0。求解完成后提取结果u_sol round(value(u)); p_sol value(p); % 校验功率平衡 residual sum(p_sol, 1) - load_curve; fprintf(最大功率不平衡量: %.4f MW\n, max(abs(residual))); % 校验启停状态合理性 for i 1:N % 检查是否有开机1小时就关机的违规情况 for t 2:T if u_sol(i,t) 1 u_sol(i,t-1) 0 % 找到启动时刻检查未来Tup(i)-1小时是否都运行 if t Tup(i) - 1 T assert(all(u_sol(i, t1:tTup(i)-1) 1), 机组%d最小运行时间违规, i); end end end end为什么u_sol要round因为MIP求解器返回的0/1变量在数值上可能是0.99999或0.00001直接拿去计算成本会有微小偏差。round之后再做两轮校验——功率平衡和最小运行时间——能在抛给下游调度系统之前抓住绝大部分约束写错的问题。4. SCUC的求解器选型与参数调优从能跑到跑得快4.1 求解器对比Gurobi、CPLEX和开源求解器的真实差距SCUC本质是MILP能解MILP的求解器不少但差距非常明显。Gurobi和CPLEX是工业界两个标杆对电力系统这类约束多、整数变量占比高、目标函数含分段线性项的模型处理得最成熟。开源求解器如SCIP和CBC能跑通小规模案例但实际工程中同一道SCUC题Gurobi 20秒优化到1% gapCBC可能需要10分钟还停在5%以上。差距主要来自三个机制Presolve预处理收紧LP松弛界、Gomory割平面增强分支定界剪枝、以及冲突驱动搜索记录不可行组合。这些底层能力靠工程积累开源求解器受社区资源限制很难短期内追平。如果你刚入行直接用Gurobi是最省时间的选择学术许可证免费性能和稳定性都经过大规模验证。YALMIP作为建模层的价值在于同一套代码可以无缝切换求解器——把ops.solver改成cplex或scip即可不会影响模型定义部分。这也方便你做个对比实验用两个求解器跑同一组数据看谁先达到设定的MIPGap。4.2 四个必调的求解参数MIPGap、Threads、TimeLimit、Presolve参数调优是SCUC求解里最像玄学的部分但其实有章法可循。第一个是MIPGap。它定义求解器认为足够好的标准。日调度计划对成本偏差不敏感1%的gap对应可能几万元成本差异调度员完全感知不到但能让求解时间从几小时压缩到十几分钟。日内滚动计划更宽松设到0.05甚至0.1都能接受。市场出清则严格得多通常要求0.001以下因为出清价格对机组启停计划的微小变化非常敏感。第二个是Threads。Gurobi默认用满服务器所有核心在共享环境下容易抢资源导致其他任务卡顿。我一般显式设4到8个线程配合TimeLimit使用保证调度系统整体稳定。第三个是TimeLimit。它像一道安全网与其无限等一个最优解不如先拿一个可行整数解返回。实际调度系统里SCUC通常在整点前15分钟启动如果到整点还没收敛调度员宁可要一个次优但可行的方案也不要一个最优但迟到的结果。TimeLimit设600秒是我常用的保守值。第四个是Presolve。默认开启但遇到约束加了之后求解时间反而暴增的怪现象时试着把Presolve关掉再跑一次。Presolve的变量消除和约束收紧在正常时候是加速器但对某些数值病态的问题反而会把结构破坏掉。关闭之后虽然单次迭代变慢但分支定界的搜索路径通常更稳定也方便诊断问题来源。4.3 SCUC与SCED的衔接两阶段优化怎么分工才合理实际调度系统里SCUC和SCED安全约束经济调度通常是拆开做的。第一阶段的SCUC只决定机组启停网络约束用直流潮流近似和关键断面的PTDF约束第二阶段在启停计划固定的前提下用更精确的安全约束经济调度算出每台机组出力并通过交流潮流校验修正。代码层面的衔接技巧% 第一阶段SCUC求解完成后固定启停变量 fixed_u value(u); % 第二阶段SCED只定义连续出力变量启停变量设为固定值 p2 sdpvar(N, T, full); Constraints2 [Constraints, u fixed_u]; % 固定整数变量 % 重新求解此时问题退化为LP极快 optimize(Constraints2, Objective2, sdpsettings(solver, gurobi));为什么拆开反而更合理因为SCUC如果连出力一起精确优化完整N-1安全约束下的MIP规模会大到无法在时限内收敛。拆开后SCUC只处理整数决策SCED在连续空间里用高精度潮流模型修正出力计划两阶段各司其职。要注意的是固定u之后爬坡约束里的松弛项也必须同步固定否则会出现机组启动瞬间出力突变被放过的bug这个坑在5.4节详细说。5. SCUC落地的避坑记录五个值得反复踩的坑5.1 求解器报infeasible但模型看起来每个约束都合理现象optimize返回problem1不可行检查功率平衡和上下限都满足但就是找不到可行解。原因约束之间隐性冲突。最常见的是备用约束和最小出力之间打架——某时段负荷低备用需求又高在线机组最小出力之和超过负荷导致功率平衡无法满足。其次是初始状态与最小启停时间冲突比如初始状态说机组已连续运行2小时但最小运行时间要求5小时而后续负荷又撑不起它继续运行。解决先把所有耦合约束注释掉只留功率平衡和上下限跑通后逐类加回二分定位冲突源。YALMIP里用optimize之后调用check(Constraints)输出每条约束的残差值非零的就是嫌疑对象。更狠的办法是给功率平衡加一个松弛变量如果松弛变量的最优值非零说明系统确实缺容量而不是约束写错。5.2 MIPGap长时间卡在同一个数值不动现象求解器日志里gap在10%停住每过半分钟才下降一位分支数暴增但下界不动。原因整数变量太多导致分支树爆炸或者LP松弛界和整数解之间差距太大切割平面效率低。还有一种隐蔽情况是目标函数里存在数值差异过大的量级——启动成本5000和燃料成本0.001混在一起求解器数值标度出问题。解决先加约束收紧LP松弛界。比如给相同参数的机组加对称破缺约束——按编号顺序强制开机状态单调递减能砍掉大量对称分支。然后检查目标函数各组成部分的量级把成本系数统一归一化到同一数量级。数值标度问题在电力系统建模里比想象中常见成本系数动辄差10⁶倍MIP求解器对这种问题很敏感。5.3 最小启停时间约束被边界效应绕过现象结果里机组开机2小时就停机而最小运行时间约束写的4小时。原因约束只覆盖了t到tT_up-1 ≤ T的时段在规划周期末端的启动没有强制约束——模型认为周期结束后的事不归它管于是故意在最后3小时启动一台机组然后直接停机。这在滚动优化里尤其隐蔽因为下一轮优化会重新初始状态惩罚被完全躲掉。解决期末时段同样要加约束——对t T_up - 1 T的时段需要根据滚动窗口的交接信息强制最小运行到窗口末尾。另外在结果校验脚本里增加边界检测如果一台机组在最后几个时段启动且随后窗口结束标记为warning并检查下一轮初始状态是否包含这次启动。这个bug在96时段日调度里很容易漏掉。5.4 爬坡约束在启动/停机瞬间被松弛吃掉现象相邻时段出力从300MW跳到500MW单台机组的爬坡限制是80MW/时段但求解器判定合法。原因爬坡约束乘了松弛项(1-u)如果启停变量在数值上不是严格的0/1比如u0.0001松弛项几乎为1等效于把爬坡限制永久打开。这是MIP求解器数值精度问题不是模型错误。解决两种手段并行——第一把u_sol严格round之后再重跑一次LP可行性校验确保整数化后的解满足所有约束第二改用三状态建模把启动、运行、停机分开描述每个状态的出力点唯一爬坡约束只在同一状态内部生效。三状态模型让约束数量增加约50%但消除了一整类数值问题我做的日内滚动优化系统最终用了这个方案。5.5 结果成本很低但调度员一眼就否决现象模型输出的计划成本漂亮但调度员说这台机组一天启停三次绝对不行。原因目标函数里没有约束单日最大启停次数而现场规程对频繁启停有严格限制——汽轮机冷热交替会加速疲劳燃气轮机频繁启停影响热通道寿命。模型只看到启动成本数字没看到运维台账里的隐性代价。解决把现场规程硬编码进约束——单台机组单日启停次数上限两次启动之间的最小间隔时间这些都要作为额外约束加入模型。另一个容易踩的是启动成本参数填错台账里的一次启动成本5000元是指包含燃料费、检修分摊、寿命损耗的综合成本不是单纯的购电成本或燃料成本。数据校验比算法调试更花时间SCUC落地项目里参数错误导致的返工量通常大于求解器调优。6. SCUC结果验证的实战技巧三个不用跑全模型也能抓bug的方法第一个是单时段退化测试。把T设为1去掉所有跨时段约束最小启停、爬坡模型退化成纯经济调度。此时的结果应该和单独求解静态经济调度的结果一致。如果出入超过0.1%说明目标函数系数写错或出力上下限约束有误。这个测试二十分钟能跑完值得每次改模型后都做。第二个是对偶间隙合理性检查。记录MIP求解结束时的LP松弛界和整数解目标值二者差距通常在0.5%到3%之间。如果超过10%大概率是整数约束没有真正生效比如某个0/1变量被错误声明为连续变量或者存在冗余约束切割了可行域。反过来如果差距小于0.1%说明整数变量对结果影响甚微可以考虑直接把问题简化为LP近似大幅提升求解速度。第三个是两阶段交叉验证先跑完整SCUC拿到启停计划固定启停后重跑SCED比较两阶段总成本和整体求解成本的差距。差距超过2%说明SCUC阶段的安全约束给得太松关键断面没加进来差距很小说明拆两阶段的做法在工程上是成立的。这也是给项目验收方最有说服力的证据。我现在的个人习惯是每次往模型加新约束先在一个T4的小算例上跑通并人工验算结果再放开到全时段规模。这个习惯帮我抓过一次约束索引从1开始还是从0开始的低级错误也抓过两次PTDF矩阵行列顺序颠倒的严重bug。SCUC的模型规模大、耦合强最贵的排错时间通常不在求解器本身而在数据清洗和约束边界。做SCUC优化先把数据弄干净、把边界情况想清楚再去追求解器参数这条路会更稳。希望这些细节能帮到你少踩几个坑。本文还有配套的精品资源点击获取