1. 项目概述电气热综合能源系统优化建模在能源系统集成领域电气热综合能源系统Integrated Energy System, IES的协同优化已成为当前研究热点。这类系统通过耦合电网、气网和热网实现多能互补和梯级利用显著提升能源利用效率。本文分享一个基于MATLAB平台的综合能源优化程序采用YALMIP建模工具和CPLEX求解器通过二阶锥松弛技术处理非线性约束构建了包含39节点电网、6节点气网和热网的完整模型。这个项目的核心价值在于为初学者提供完整的综合能源系统建模范例展示二阶锥规划在实际工程问题中的应用实现电力、天然气、热力系统的耦合约束处理提供可直接运行的MATLAB代码框架提示本文所有代码示例均基于MATLAB R2021b、YALMIP R20200531和CPLEX 12.10环境验证通过建议使用相同或更高版本确保兼容性。2. 系统建模与理论基础2.1 综合能源系统架构设计我们构建的三网耦合系统包含以下核心组件电网部分采用标准的IEEE 39节点系统10台同步发电机含3台燃气机组19个负荷节点46条输电线路气网部分6节点环形管网2个气源节点3个燃气负荷节点供应燃气机组1个储气设施热网部分集中供热网络2台热电联产机组CHP4个热负荷节点热水管网采用恒定温差模型系统耦合点主要体现在燃气机组连接气网与电网热电联产机组同时连接电网与热网电锅炉将电能转化为热能2.2 二阶锥松弛技术原理在综合能源系统优化中关键的非线性约束来自电网的交流潮流方程气网的Weymouth流量方程热网的水力-热力耦合方程传统处理方法是将这些方程线性化但会损失精度。我们采用二阶锥松弛Second-Order Cone Relaxation, SOCR技术将非线性约束转化为二阶锥形式原始非线性约束 [ P_{ij}^2 Q_{ij}^2 \leq S_{ij}^2 ]二阶锥松弛后 [ \left| \begin{array}{c} 2P_{ij} \ 2Q_{ij} \ S_{ij}^2 - 1 \end{array} \right|2 \leq S{ij}^2 1 ]这种转换保持了原问题的凸性确保CPLEX等求解器能高效求解。理论证明在辐射状网络结构下这种松弛是紧的即松弛后的解等于原问题解。3. MATLAB程序实现详解3.1 环境配置与初始化首先需要确保安装以下工具% 检查必要工具箱 assert(~isempty(ver(optim)), 需要安装Optimization Toolbox); assert(exist(yalmiptest.m, file) 2, 需要安装YALMIP); assert(exist(cplex.m, file) 2, 需要安装CPLEX); % 初始化参数 n_bus 39; % 电网节点数 n_gas 6; % 气网节点数 n_heat 4; % 热网节点数 n_time 24; % 时间步长小时3.2 决策变量定义使用YALMIP定义优化变量% 电网变量 P_gen sdpvar(10, n_time, full); % 发电机出力 P_line sdpvar(46, n_time, full); % 线路功率 V sdpvar(n_bus, n_time, full); % 电压幅值 % 气网变量 Q_gas sdpvar(n_gas, n_time, full); % 节点流量 P_comp sdpvar(2, n_time, full); % 压缩机功率 % 热网变量 H_chp sdpvar(2, n_time, full); % CHP产热量 T_supply sdpvar(n_heat, n_time, full); % 供水温度 % 耦合变量 P_gas_gen sdpvar(3, n_time, full); % 燃气机组耗气量3.3 约束条件构建3.3.1 电网约束% 功率平衡约束 for t 1:n_time Constraints [Constraints, sum(P_gen(:,t)) sum(Load(:,t)) sum(P_line_loss(:,t)), P_line(:,t) PTDF * (P_gen(:,t) - Load(:,t))]; end % 发电机出力限制 Constraints [Constraints, P_gen_min P_gen P_gen_max]; % 二阶锥形式的线路容量约束 for k 1:46 Constraints [Constraints, norm([2*P_line(k,:); 2*Q_line(k,:); S_line(k)^2-1], 2) S_line(k)^21]; end3.3.2 气网约束% 流量平衡 Constraints [Constraints, sum(Q_gas, 1) Gas_load sum(P_gas_gen, 1)]; % Weymouth方程的二阶锥松弛 for p 1:5 Constraints [Constraints, norm([2*Q_gas(p,:); pi(p)^2-1], 2) pi(p)^21]; end3.3.3 热网约束% 热功率平衡 Constraints [Constraints, H_chp(1,:) H_chp(2,:) Heat_demand]; % 温度-功率关系 for n 1:n_heat Constraints [Constraints, H(n,:) c_p * m(n,:) .* (T_supply(n,:) - T_return)]; end3.4 目标函数与求解定义最小化总运行成本% 成本系数元/MWh C_power [150 180 200 220 250 280 300 320 350 380]; C_gas 2.5; % 元/m³ C_heat 80; % 元/MWh % 目标函数 Objective sum(sum(diag(C_power)*P_gen)) ... C_gas*sum(sum(P_gas_gen)) ... C_heat*sum(sum(H_chp)); % 求解设置 options sdpsettings(solver, cplex, verbose, 1); optimize(Constraints, Objective, options);4. 关键实现技巧与注意事项4.1 模型简化技巧电压幅值处理 对于输电网可采用平坦电压启动flat start初始化assign(V, ones(n_bus, n_time)*1.0);气网线性化 当气压变化不大时可用分段线性近似Weymouth方程% 分3段线性化 addApprox (x,y) [implies(xx1, yk1*x), implies(x1xx2, yk2*xb2), implies(xx2, yk3*xb3)];热网延迟处理 对于长距离供热管网添加时间延迟补偿% 1小时延迟补偿 if t 1 Constraints [Constraints, T_supply(:,t) 0.8*T_supply(:,t-1) 0.2*T_supply_set]; end4.2 求解性能优化约束排序% 按类型分组约束加速求解 Constraints [ Constraints(power_balance), Constraints(gas_flow), Constraints(heat_transfer), Constraints(SOC) ];并行计算% 启用多线程求解 options.cplex.threads 4; options.cplex.parallelmode 1;热启动策略% 使用上一时段解作为初始值 if t 1 assign(P_gen(:,t), value(P_gen(:,t-1))); assign(Q_gas(:,t), value(Q_gas(:,t-1))); end4.3 常见问题排查不可行问题诊断% 检查不可行约束 if ~isempty(Constraints) diagnostics optimize(Constraints, [], options); [~, ~, ~, infeasible] check(Constraints); show(infeasible); end数值不稳定处理缩放变量范围至相近数量级添加小量正则化项到目标函数Objective Objective 1e-6*norm([P_gen(:); Q_gas(:)], 2);内存不足应对% 启用磁盘缓存 options.cplex.workmem 512; % MB options.cplex.workdir temp;5. 结果分析与扩展应用5.1 典型运行结果执行24小时优化后我们观察到成本构成电力占比68%天然气27%热能5%峰谷特性燃气机组在电价高峰时段出力增加耦合特性CHP机组同时响应电、热需求变化可视化关键结果figure; subplot(3,1,1); plot(value(sum(P_gen))); title(总发电出力); subplot(3,1,2); plot(value(sum(Q_gas))); title(总天然气消耗); subplot(3,1,3); plot(value(sum(H_chp))); title(总供热功率);5.2 模型扩展方向不确定性处理% 鲁棒优化版本 P_load_uncertain P_load sdpvar(size(P_load)); Constraints [Constraints, uncertain(P_load_uncertain), -0.1*P_load P_load_uncertain - P_load 0.1*P_load];需求响应集成% 可平移负荷建模 P_shiftable sdpvar(n_shift, n_time); Constraints [Constraints, sum(P_shiftable, 2) Shiftable_total, P_shiftable 0];碳约束引入% 碳排放上限 C_emission sum(sum(E_power*P_gen)) sum(sum(E_gas*P_gas_gen)); Constraints [Constraints, C_emission Carbon_cap];在实际项目中应用此模型时建议先从简化版本开始验证逐步添加复杂约束。对于大规模系统可考虑采用分布式优化算法如ADMM进行求解加速。