1. 赛题背景与核心挑战解析2022年的电工杯数学建模竞赛A题题目是“高比例风电电力系统储能运行及容量配置优化策略研究”。看到这个标题很多初次接触电力系统建模的同学可能会觉得头大感觉涉及的专业知识太深。但别慌这道题的本质其实是一个经典的“资源调度与投资规划”问题只不过场景设定在了电力系统这个专业领域。它的核心挑战可以归结为在一个风电出力随机波动、负荷需求不断变化的电力系统中如何经济、可靠地配置和调用储能系统。为什么这个问题重要因为风电是“看天吃饭”的风大的时候发电多甚至可能超过用电需求风小的时候发电少又需要其他电源顶上。这种不确定性给电网的实时平衡带来了巨大压力。储能就像一个“电力银行”可以把多余的电存起来缺电的时候再放出去是平抑波动、提高风电消纳能力的关键技术。这道题就是让你扮演一个电网规划师去回答两个核心问题第一给定一个储能系统每天怎么充放电最划算运行策略第二从长远看建一个多大容量的储能电站最经济容量配置这两个问题环环相扣运行策略决定了储能的价值而价值又反过来影响投资多大容量才划算。题目通常会提供一段时间比如一年的风电出力预测数据、负荷需求数据、分时电价、储能设备的成本参数如单位功率成本、单位容量成本、效率、寿命等。你的任务就是建立数学模型在满足电力平衡等一系列约束条件下寻找那个能让系统总成本包括投资成本和运行成本最低的“最优解”。这里的总成本既要算一次性建储能电站的钱也要算每天运行下来因为买电、弃风风电发出来但用不掉、缺电等产生的费用。这是一个典型的混合整数规划或动态规划问题目标函数复杂约束条件多对建模和求解能力都是不小的考验。2. 问题拆解与建模思路总览面对这样一个综合性问题直接上手建一个大而全的模型很容易陷入混乱。我的经验是必须进行清晰的拆解分步骤、分层级地解决问题。整个建模过程可以看作一个“三层架构”。最底层是数据预处理层。竞赛提供的数据往往不是“干净”的可能存在缺失、异常或时间尺度不匹配。例如风电出力和负荷数据可能是15分钟或1小时一个点而你需要以小时为单位进行优化。这就需要你进行数据清洗、插值、聚合。更重要的是要对数据进行可视化分析观察风电和负荷的日变化、季节性变化规律以及两者之间的相关性。这能帮你直观理解系统的“脾气”比如是不是夜间负荷低但风电大发导致弃风严重这些洞察会直接影响到你模型约束条件和目标函数权重的设置。中间层是核心优化模型层。这是解题的心脏。我们需要建立一个能够描述系统状态随时间变化的数学模型。模型的核心变量通常包括每个时刻储能的充电功率、放电功率、储能荷电状态SOC即还剩多少电、从主网购电功率、弃风功率、负荷缺额功率等。目标函数是最小化总成本它一般由两部分构成一是储能设备的等年值投资成本将一次性投资按寿命折算到每年二是系统的年运行成本购电成本、弃风惩罚成本、缺电惩罚成本等。约束条件则包括功率平衡约束发电放电网购电 负荷充电弃风、储能运行约束SOC上下限、充放电功率上限、充放电不能同时进行、储能SOC动态更新方程当前SOC 上一时刻SOC 充电量×效率 - 放电量/效率等。最上层是策略求解与评估层。模型建好后你需要选择合适的算法进行求解。对于这种多时段、连续变量为主的问题线性规划LP或混合整数线性规划MILP是常用且高效的工具如果引入了是否投资的0-1变量就是MILP。你可以使用MATLAB的linprog、intlinprog函数或更专业的优化求解器如Gurobi、CPLEX通常有学生免费版。求解得到最优的充放电序列和储能容量后还不能直接交卷。你必须对结果进行深入的敏感性分析和经济性评估。例如改变风电预测误差、电价波动幅度看你的策略是否依然稳健计算储能项目的投资回收期、内部收益率等经济指标来论证方案的可行性。3. 储能运行策略的精细化建模运行策略解决的是“怎么用”的问题。一个粗糙的策略可能只是“低储高发”但要想在竞赛中脱颖而出必须考虑更多现实细节让模型更“聪明”。3.1 考虑分时电价与套利这是最直接的盈利模式。模型中的购电成本项应该是实时电价与网购电功率的乘积。优化算法会自动寻找在电价低谷时甚至为负某些市场会出现给储能充电在电价高峰时放电的时机从而实现套利降低总购电成本。这里的关键是电价数据必须准确并且你需要将其处理成与优化时段对应的向量。一个常见的坑是忽略了储能的充放电损耗。如果你的充放电效率是90%那么充1度电只能放出0.9度。在目标函数中放电收益必须乘以效率否则会高估套利收益。3.2 平抑波动与减少弃风这是储能服务于风电消纳的核心价值。在目标函数中我们需要增加对“弃风功率”的惩罚项。弃风意味着清洁能源的浪费从环保和系统效率角度都是不经济的。通过设置一个较高的弃风惩罚系数元/千瓦时模型会倾向于在风电出力超过负荷时优先启动储能充电储存多余的风电而不是简单地弃掉。同样为了保障供电可靠性对“负荷缺额功率”也要设置惩罚迫使系统在风电不足时优先用储能放电其次才是从电网买电。这两个惩罚系数的设定很有讲究它们本质上代表了决策者对“环保”和“可靠性”的重视程度。在灵敏度分析中可以探讨这两个系数变化对最优策略和容量的影响。3.3 储能设备的物理约束与建模技巧储能不是理想电池建模时必须考虑其物理极限否则结果毫无工程意义。功率约束充电功率和放电功率分别有上限这个上限由储能变流器的容量决定。在变量设置上通常用P_ch(t)和P_dis(t)两个非负变量表示t时刻的充、放电功率。容量约束储能SOC必须维持在额定容量的一个范围内比如20%到90%以防止过充过放延长寿命。即SOC_min * E_rated E(t) SOC_max * E_rated其中E(t)是t时刻储能电量。互斥约束储能不能同时充电和放电。这是一个典型的“或”关系需要引入0-1整数变量来刻画。设二进制变量u_ch(t)和u_dis(t)分别表示t时刻是否处于充电或放电状态则需添加约束u_ch(t) u_dis(t) 1以及P_ch(t) u_ch(t) * P_ch_maxP_dis(t) u_dis(t) * P_dis_max。引入整数变量会使问题变为MILP求解时间变长但对于保证策略的物理可行性至关重要。SOC动态方程E(t) E(t-1) η_ch * P_ch(t) * Δt - (1/η_dis) * P_dis(t) * Δt。这里Δt是时间步长如1小时η_ch和η_dis分别是充、放电效率。这个方程将各个时段耦合起来是模型动态性的体现。注意在编程实现时特别是使用MATLAB的linprog求解线性规划部分时你需要将上述所有约束写成A*x b或Aeq*x beq的标准矩阵形式。这是一个繁琐但必须仔细完成的工作建议先用小规模如24小时数据测试模型是否正确再扩展到全年数据。4. 储能容量配置的优化模型运行策略告诉我们怎么用而容量配置则回答“建多大”。这是一个典型的“规划-运行”联合优化问题或者叫“双层优化”。上层决定储能功率和容量P_rated,E_rated下层在给定的容量下进行最优运行。竞赛中为了简化通常将两层问题合并为一层同时优化容量和全年8760个小时的运行策略。4.1 投资成本建模储能系统的总投资成本C_inv通常由功率成本变流器、PCS和容量成本电池本体两部分构成C_inv c_p * P_rated c_e * E_rated。其中c_p是单位功率成本元/kWc_e是单位容量成本元/kWh。为了在年度优化中考虑这笔一次性投资我们需要将其“年化”。常用方法是计算等年值C_inv_annual C_inv * [r(1r)^n] / [(1r)^n - 1]。这里r是贴现率如8%n是储能寿命如10年。这个公式将总投资均匀分摊到每一年使其可以与每年的运行成本相加。4.2 将容量变量引入运行约束此时储能额定功率P_rated和额定容量E_rated不再是已知参数而是模型的决策变量。因此之前的约束需要改写功率约束变为P_ch(t) P_rated,P_dis(t) P_rated。容量约束变为SOC_min * E_rated E(t) SOC_max * E_rated。目标函数变为Min 总成本 C_inv_annual 年运行成本。这样模型在优化每一天充放电行为的同时也在寻找使全生命周期总成本最低的那个“最佳”储能规模。这是一个连续变量和整数变量混合的规划问题规模巨大变量数≈8760*4 2。直接求解全年8760小时的数据对计算资源要求很高。一个实用的技巧是选取典型日。你可以通过聚类分析如K-means从全年数据中选出几类具有代表性的日曲线如大风日、小风日、高负荷日、低负荷日每类赋予一个年出现天数。然后对这几类典型日进行优化再将结果加权求和近似得到全年最优解。这能极大降低问题规模是比赛中非常实用的策略。4.3 经济性评价指标计算得到最优配置后不能只说“总成本最低了”还需要用专业的财务指标来评价这个项目。投资回收期用储能项目每年带来的净收益运行成本节约额去抵消总投资所需的年数。静态回收期 总投资 / 年净收益。净现值将项目全生命周期内各年的净现金流按贴现率折现到当前时刻的总和。NPV 0 说明项目盈利。内部收益率使项目净现值为零的贴现率。IRR越高项目盈利能力越强。 在论文中展示这些指标能极大地提升方案的说服力和完整性体现你对问题商业层面的理解。5. 模型求解的实战技巧与避坑指南理论模型建立后真正的挑战在于求解和实现。这里分享几个从实战中总结的关键技巧和常见大坑。5.1 求解器选择与问题规模处理对于包含整数变量充放电互斥约束的模型必须使用混合整数规划求解器。MATLAB自带的intlinprog可以应付中小规模问题。如果数据是典型日比如4个典型日每个日24小时变量数在几百个intlinprog通常能在可接受时间内求解。但如果你直接处理全年8760小时数据变量数将达到数万intlinprog很可能内存溢出或耗时极长。因此强烈建议使用典型日法。如果坚持用全年数据并且计算机性能允许可以尝试调用Gurobi或CPLEX的MATLAB接口它们的求解效率远高于intlinprog。在编写代码时构建约束矩阵A,b,Aeq,beq是最容易出错的地方。我的建议是先画时序图在纸上画出E(t),P_ch(t),P_dis(t)等变量从t1到T的序列想清楚每个约束涉及哪些变量。分块构建不要试图一次性写出整个大矩阵。分别构建功率平衡约束块、SOC动态约束块、功率上下限约束块、互斥约束块等每构建好一块就检查一下维度是否正确。使用稀疏矩阵约束矩阵中绝大部分元素是0使用sparse函数创建稀疏矩阵可以节省大量内存。例如SOC动态方程E(t) - E(t-1) - η*P_ch(t)*Δt (1/η)*P_dis(t)*Δt 0这个约束只涉及相邻时刻的E和当刻的P_ch,P_dis用稀疏矩阵表示非常高效。5.2 初始值与求解稳定性MILP求解器对初始解不敏感但线性规划LP或非线性规划NLP求解器可能敏感。如果你先放松整数约束求解LP问题得到一个初始解再供给MILP求解器有时能加快求解速度。在intlinprog中可以通过x0参数提供初始点。另一个常见问题是模型“不可行”。求解器报错“No feasible solution found”。这通常意味着约束条件之间存在矛盾。排查步骤检查数据是否有负荷需求远大于最大可能供电风电最大出力储能最大放电网购电上限的时刻如果有那么无论如何都会缺电除非你允许缺电并施加惩罚。放松约束暂时调大储能功率和容量的上限值或者调高缺电惩罚系数看模型是否变得可行。如果可行再逐步收紧。分步调试用一天的数据调试模型确保所有约束逻辑正确。然后增加到一周最后再到典型日或全年。5.3 结果分析与可视化得到解之后不能只满足于一个成本数字。深入分析解的结构才能写出有深度的论文。绘制典型日运行图用子图绘制风电出力、负荷曲线、储能SOC曲线、充放电功率、网购电功率。这张图能直观展示储能的“削峰填谷”和“减少弃风”作用。例如你会看到SOC在夜间负荷低谷、风电大发时上升在白天负荷高峰时下降。进行灵敏度分析这是提升论文层次的关键。研究关键参数变化对结果的影响。例如电价波动幅度如果峰谷电价差缩小储能的套利空间变小最优配置容量会如何变化储能成本假设电池成本下降20%最优配置容量和项目经济性会如何改善这能引出关于技术进步的讨论。风电渗透率如果风电装机容量增加50%同比缩放风电出力数据对储能的需求是增加还是减少惩罚系数调整弃风惩罚和缺电惩罚的相对大小观察系统在“经济性”、“环保性”、“可靠性”之间的权衡。 将灵敏度分析的结果用图表展示如柱状图、趋势线并给出合理解释。5.4 一个容易忽略的坑时间尺度与数据一致性题目给的风电、负荷数据可能是15分钟或1小时一个点而你的优化步长Δt是1小时。你需要确保所有数据包括电价都统一到同一时间尺度上。加总时要注意功率kW乘以时间h才是能量kWh。如果你的原始数据是15分钟间隔的功率那么4个点的平均值才是该小时的平均功率用这个平均功率乘以1小时作为该小时的能量值进行优化才是准确的。直接拿某个时刻的功率值代表整个小时会引入误差。另一个一致性问题是优化周期。通常按“天”为周期进行优化并假设每天结束时储能的SOC回到初始值如50%以保证日周期的独立性。如果你优化连续多天需要在约束中体现这一点或者考虑更长期的储能如季节性储能但这会极大增加问题复杂度电工杯赛题通常不要求。6. 论文写作要点与加分项设计数学建模竞赛三分靠模型七分靠表达。一个清晰、完整、专业的论文是获胜的关键。6.1 模型叙述逻辑论文的模型部分不要直接堆公式。建议按以下逻辑展开符号说明用三线表清晰列出所有变量、参数、下标及其含义、单位。问题分析用文字和流程图阐述你的建模思路如何将复杂问题分解为运行层和配置层以及它们之间的联系。模型建立先写目标函数解释总成本由哪几部分构成为什么这么设置。再分门别类写约束条件电力平衡约束、储能运行约束功率、容量、互斥、SOC动态、变量非负约束等。每个约束都要配上简要的文字说明其物理或经济意义。对于关键约束如SOC动态方程、互斥约束可以给出推导过程。模型求解说明你将问题转化为了什么类型的数学规划问题MILP使用了什么求解工具MATLABintlinprog以及针对问题规模大采取了什么技巧如典型日选取。6.2 结果分析深度这是区分平庸与优秀论文的核心。基准场景分析详细展示一组参数下的最优结果。包括最优储能功率和容量、等年值总成本及其构成投资成本占比、运行成本占比、投资回收期等关键指标。用运行图可视化展示储能的“工作状态”。灵敏度分析至少选择2-3个关键参数进行深入分析。不仅展示结果数据更要分析背后的原因。例如“当峰谷电价差从0.5元/kWh缩小到0.3元/kWh时最优储能容量下降了30%。这是因为储能套利收益减少使得投资回收期变长部分容量配置变得不经济。” 这样的分析体现了你对模型机理的理解。方案对比可以设计一个简单的对比方案例如“无储能方案”或“固定容量储能方案”与你的优化方案进行对比用数据突出你方案的优势总成本降低百分比、弃风率减少百分比等。6.3 模型评价与推广在论文最后客观地评价自己模型的优缺点。优点考虑因素全面计及成本、约束、物理特性模型贴近实际求解方法高效使用了典型日法结果通过了灵敏度分析检验等。缺点与展望这是展示你思考深度的好机会。可以指出模型假设风电预测是完美的实际中需考虑预测误差模型未考虑储能的退化成本电价采用的是历史数据未来可能变化可以考虑更复杂的储能模型如考虑自放电等。并提出未来可以如何改进。6.4 排版与可视化图表规范所有图表必须有编号和标题并在正文中引用。曲线图线条清晰不同曲线用不同线型实线、虚线、点划线和标记区分并附上图例。柱状图数据标签清晰。公式规范公式居中编号用公式编辑器编写确保符号统一。代码附录将主要的MATLAB代码特别是模型构建和求解部分整理后放在附录中保持代码整洁有必要的注释。电工杯A题是一个经典的能源优化问题它综合考察了数据处理、数学建模、优化算法和学术写作能力。攻克它的过程本身就是一次完美的系统工程训练。从看到题目时的一头雾水到最终形成一个逻辑自洽、数据翔实的解决方案这种成就感是无与伦比的。我最深的体会是不要畏惧复杂的背景抓住“成本最小化”这个核心用数学的语言去描述物理和经济的约束剩下的就是耐心地调试和严谨地分析。当你看到自己建的模型自动算出一个合理的储能充放电计划并清晰地展示在图表上时你会真正感受到数学建模的力量。