1. 为什么要把电转气、碳捕集和垃圾焚烧装进同一个虚拟电厂先说个我自己的切身体会。去年我拿到一个园区级综合能源项目里面刚好有垃圾焚烧电厂、风电机组、电转气装置还有一套碳捕集系统。按常规思路这几个东西是各干各的垃圾焚烧厂只管发电碳捕集负责减碳电转气把多余的电变成天然气。但真把数据放进同一个调度模型里跑才发现它们之间的耦合关系比想象中深得多——垃圾焚烧机组提供基础负荷和蒸汽碳捕集装置消耗大量电能和热蒸汽电转气又把弃风弃光变成燃气回补机组这几条能量流绕在一起单独优化任何一个环节都得不到全局最优解。这正是这个课题的核心出发点做一台虚拟电厂Virtual Power Plant, VPP的优化调度把电转气Power to Gas, P2G、碳捕集Carbon Capture System, CCS和垃圾焚烧发电Waste-to-Energy, WtE这三种技术放在同一个桶里协同优化用Matlab搭建数学模型并求解。标题里“计及电转气协同”这六个字本质上就是在说碳捕集和垃圾焚烧这对组合已经有很多人做过但引入P2G作为灵活性资源和碳循环的中间环节才是这个题目的真正增量。为什么这几种技术能凑到一起你从元素流动的角度看就特别清楚。垃圾焚烧产生CO₂碳捕集把CO₂从烟气里抓出来P2G装置需要高纯度CO₂和氢气合成甲烷合成出来的天然气又能供给燃气机组发电或者卖给燃气管网。换句话说P2G在这里不只是用电制气的负荷而是碳捕集系统产出的CO₂的下游消纳方。这就把单纯的减碳链条闭环了焚烧厂排碳→捕集捉碳→电转气用碳→产气再发电。如果不把这个闭环写进去碳捕集捕下来的CO₂就只能封存或外售模型里体现不出碳资源化利用的价值。从虚拟电厂的角度看这三种单元的角色也刚好互补。垃圾焚烧机组的特点是出力稳定、可调范围宽但在碳排放约束下运行成本会升高碳捕集装置是一个大功率可变负荷吸收塔和再生塔的能耗直接受捕集率调节能配合新能源出力做削峰填谷——风光大发时多捕碳相当于给电网侧加了一个可控大负荷P2G同样如此电价低谷时段启动制氢制甲烷既消纳了可再生能源又把电能转化为可存储的天然气突破了电化学储能容量有限的瓶颈。所以在写Matlab程序之前你先别急着撸代码要把这个三角关系想明白垃圾焚烧厂是碳源电源碳捕集是耗电减碳的调节阀P2G是耗电耗碳产气的转换枢纽这三者的调度决策是强耦合的。我见过不少初学者把三个单元各自建模、各自设约束然后在目标函数里简单相加最后结果和分开调度没区别——那是因为没有把碳流、气流、电流之间的耦合约束写进去。这篇博文面向的读者应该是电力系统、综合能源方向的研究生和刚入行做优化调度的工程师。你不需要有很深厚的优化理论功底但最好懂一点线性规划和Matlab编程基础。我会按照物理建模→数学建模→Matlab实现→算例分析→踩坑记录这个完整链路来讲你可以直接拿着思路去改自己的模型。2. 三个核心单元分别怎么建模物理过程到数学表达2.1 碳捕集系统的能耗模型捕集率是决策变量不是定死的参数碳捕集我建议用目前工业上最成熟的燃烧后化学吸收法来建模也就是胺溶液吸收CO₂。烟气从垃圾焚烧炉出来后进入吸收塔与胺溶液接触CO₂被吸收到溶液里富液送去再生塔加热解析出高浓度CO₂贫液循环使用。这个过程里消耗的能量主要是再生塔的再沸器热耗通常由汽轮机抽汽提供同时溶剂泵等设备还需要耗电。很多论文里喜欢用一个固定捕集率比如0.85来做仿真但做优化调度时捕集率应该是一个连续可调的决策变量。理由很简单电网给虚拟电厂的运行环境是变化的电价低的时候你当然想多捕碳因为捕碳电耗便宜而且捕下来的碳能卖钱或者提供给P2G电价高的时候就要降低捕集率把更多发电能力留给上网。所以模型的正确写法是[ P_{CCS,t} P_{ccs}^{base} k \cdot \lambda_{ccs,t} \cdot E_{gross,t} ](P_{CCS,t}) 是碳捕集系统在t时段的总电耗(P_{ccs}^{base}) 是固定电耗溶剂循环泵、风机这些逃不掉的负荷(k) 是捕集单位CO₂对应的电耗系数MWh/tCO₂(\lambda_{ccs,t}) 是t时段的捕集率0到λmax的连续变量(E_{gross,t}) 是发电机组毛出力焚烧炉产生的总电能含自耗电。被捕集下来的CO₂量是[ M_{CO2,cap,t} \gamma \cdot E_{gross,t} \cdot \lambda_{ccs,t} ]其中γ是单位发电量对应的CO₂排放强度tCO₂/MWh。这套建模方式的好处是捕集率直接和机组出力耦合在一起调度模型能同时优化发多少电和捕多少碳。另外要注意设置捕集率爬坡约束因为吸收塔和再生塔的溶剂循环是惯性过程不允许捕集率在相邻时段剧烈跳变。2.2 垃圾焚烧机组的出力特性热值波动与连续可调范围垃圾焚烧和燃煤机组最本质的区别是燃料热值不稳定。原生垃圾的收到基低位热值普遍在4000~7000 kJ/kg之间波动随季节和地区差异很大这直接影响机组的最大出力。建模时我会引入一个入炉垃圾量决策变量 (M_{waste,t})并把它当做燃料输入[ E_{gross,t} \eta_{wte} \cdot H_u \cdot M_{waste,t} ](\eta_{wte}) 是焚烧发电综合效率一般0.18~0.25含锅炉效率和汽轮机效率(H_u) 是入炉垃圾的低位热值。垃圾焚烧机组和火电的另一个不同在于为了保证炉膛温度稳定、抑制二噁英生成焚烧炉通常有个最小技术出力要求而且入炉垃圾量不能频繁大起大落。在约束设计上我一般会写机组出力上下限(P_{min} \le E_{gross,t} - P_{CCS,t} - P_{plant,self,t} \le P_{max})注意这里已经把碳捕集电耗从毛出力里扣掉了得到的是可上网的净出力入炉垃圾量波动约束(|M_{waste,t} - M_{waste,t-1}| \le \Delta M_{max})防止求解器给出这小时烧10吨下小时烧80吨这种工程上不可行的解全天垃圾处理量约束(\sum_t M_{waste,t} \le M_{total})对应垃圾储运的日进场量上限。垃圾焚烧还有一个特点其实是它的补贴属性——很多地区对垃圾处理给予电价补贴和处置费这意味着垃圾焚烧机组的发电成本是负的处置费摊薄后。在目标函数里要把处置费收入写进去否则求解器可能在部分时段选择让焚烧机组停机但现实中这种机组恨不得全天满负荷运行来消纳垃圾。这一点不做模型的人很难体会但它是让结果符合工程直觉的关键。2.3 电转气装置制氢、甲烷化与CO₂消耗量的数学关系P2G的技术路线一般分两步第一步电解水制氢第二步氢气和CO₂在甲烷化反应器里合成甲烷Sabatier反应。从电网调度的角度看P2G首先是一个可控电负荷其次它是一个碳消纳装置。[ M_{CH4,t} \eta_{p2g} \cdot P_{P2G,t} / H_{CH4} ]其中 (P_{P2G,t}) 是P2G装置的输入电功率(\eta_{p2g}) 是电转气的综合效率0.50~0.65电解效率×甲烷化效率(H_{CH4}) 是甲烷热值。与此同时甲烷化需要消耗CO₂消耗量和产气量之间有一个化学反应计量比关系[ M_{CO2,consume,t} \mu \cdot M_{CH4,t} ]这个 (\mu) 约等于2.75每生产1吨甲烷约消耗2.75吨CO₂。这里就是整个协同模型非常关键的一环P2G消耗的CO₂刚好可以由碳捕集系统提供。如果碳捕集的产碳量大于P2G的用碳量多余CO₂可以外售给化工厂或者封存如果不够P2G可能面临碳源短缺就得考虑外购CO₂当然成本会高很多。在Matlab建模中P2G设备我还加了这样几个处理一是运行状态约束设备在启动和停机时段存在最小启停时间二是输出燃气可以直接进入燃气轮机组发电这样就形成了一个电→氢→甲烷→电的循环注意这其实是有能量损耗的P2G效率0.6燃气发电效率0.4来回一趟只剩0.24所以P2G耦合燃气机组的本质作用是时移而非增能——把低谷电变成高峰电赚的是峰谷价差和碳收益。2.4 三个单元之间的协同耦合约束碳流、气流的平衡单设备建模完成后最重要的就是写耦合约束。这部分是模型协同二字的灵魂我建议至少写三类平衡关系。碳平衡约束[ M_{CO2,cap,t} - M_{CO2,consume,t} M_{CO2,self-use,t} M_{CO2,sale,t} ]也就是说被捕集下来的CO₂量减去P2G消纳的量剩下的要么自用比如食品饮料行业要么外售。在目标函数里给外售CO₂一个单位售价这个等式就把碳捕集和P2G硬连接起来了。气平衡约束[ M_{CH4,t} M_{gas,purchase,t} M_{gas,load,t} M_{gas,GT,t} ]P2G产出的甲烷加上外购天然气要满足气负荷和燃气机组的消耗。这里燃气机组的耗气量又和它的发电量挂钩形成一个闭环。电平衡约束[ P_{RE,t} E_{gross,t} - P_{CCS,t} P_{GT,t} P_{dis,t} P_{load,t} P_{P2G,t} P_{ch,t} ]这个等式是整个调度模型的核心枢纽可再生能源出力和焚烧机组毛出力减去碳捕集电耗加上燃气轮机出力和储能放电要等于系统负荷加上P2G耗电和储能充电。把P2G和CCS放在等式两侧它们的负荷效应就非常直观了。我强烈建议读者把这三条平衡约束当成模型的骨架来对待。很多文章里的协同只是共同参与调度并没有真正的耦合关系结果就是相互独立。用碳平衡和气平衡把三者横向联系之后你才能看到同一个24小时调度周期内P2G启动时段恰好配合高捕集率时段这种有意思的联动行为。3. 优化目标与约束体系从各管各到全局协同的模型设计3.1 目标函数怎么设计成本项、收益项与碳价的相互作用目标函数我采用的是系统总运行成本最小化但展开之后远比字面复杂。它包含成本项和收益项两大类我实际用的形式是[ \min \quad C_{fuel} C_{OM} C_{carbon} C_{gas,pur} - R_{waste} - R_{CO2} - R_{elec} ]逐项解释一下(C_{fuel})垃圾焚烧机组的辅助燃料成本天然气助燃、点火油和燃气轮机的燃料成本。垃圾本身不计入燃料成本因为垃圾处理是收费项目。辅助燃料通常只在垃圾热值过低导致炉温不够时投入但在模型中为了简化我一般写成出力的一次函数。(C_{OM})运行维护成本包括焚烧机组、P2G设备、碳捕集设备、储能的运行维护费用。P2G的检修成本比较高质子交换膜电解槽的运行成本约为0.3元/kWh这会直接影响求解结果对P2G使用力度的判断。(C_{carbon})碳排放成本。这里要特别注意碳排放成本的对象是净排碳量即原排碳量减去捕集量。写成 [ C_{carbon} P_{carbon} \cdot (M_{CO2,gross,t} - M_{CO2,cap,t}) ] 这也是模型的减碳动力所在——捕集率越高碳成本越低但捕集电耗增加导致出力减少、购电成本上升所以目标函数会自动寻找一个最优捕集率而不是越大越好。(C_{gas,pur})从外部管网购买天然气的成本。P2G产气替代外购气越多这个成本越低模型自然会倾向在低谷电时段拉开P2G出力。(R_{waste})垃圾处理费收入一般是按进场垃圾量乘以处理补贴单价这是固定收益但它的存在让焚烧机组有动力多烧垃圾。(R_{CO2})CO₂外售收益等于外售CO₂量乘单价。请注意如果P2G的CO₂需求量很大这个收益可能趋近于零因为CO₂都内部消纳了。(R_{elec})售电收益等于上网电量乘分时电价。在这个目标函数里最值得玩味的是碳价和P2G的关系。当碳价较高时碳捕集会多运行产生的CO₂如果被P2G消纳相当于把碳捕集成本转化成了燃气收益这时候模型可能呈现出高捕集率P2G满发燃气轮机顶峰的协同状态碳价低时碳捕集几乎不投P2G因为缺少碳源也只能低负荷运行。建议读者做一组碳价灵敏度分析这能非常直观地展示协同效应的价值。3.2 约束条件的工程化处理上下限、爬坡、储能和启停第一部分的内容里已经提到了各设备的基础约束这里补充几个工程上必须处理的细节点**储能系统约束**虚拟电厂通常包含电储能锂电池或铅碳电池。储能的荷电状态SOC变化是[ SOC_{t1} SOC_t \eta_{ch} \cdot P_{ch,t} - P_{dis,t} / \eta_{dis} ]这里容易犯的错是忘记设置调度周期末SOC回归初始值否则求解器会在最后一个时段把储能放干来省钱。实际运行时储能应该具备日循环特性我一般设SOC初值和终值都为0.5且SOC范围0.1~0.9。**启停变量**如果P2G设备和碳捕集装置采用0-1变量表示启停状态模型就从线性规划LP变成了混合整数线性规划MILP。求解时间会明显增加但也更贴近实际。对于P2G我建议至少设置最小连续运行时间约束——电解槽频繁启停会导致隔膜损坏工程上不允许。碳捕集装置则可以容忍更灵活的调节但再生塔的温度波动也有限制。**网络约束简化**虚拟电厂在配网层面通常不详细建模交流潮流采用直流潮流约束或者干脆忽略网损只做功率平衡。如果你做的是单个VPP并网模型对外部电网表现为一个功率节点这部分约束就是从电网购电功率不超过联络线容量。但如果你想和配电网重构、电压调节结合那就是另一个工程深度这篇不展开。3.3 关于不确定性为什么先做确定性优化再谈鲁棒/随机我见过很多同行一上来就写两阶段鲁棒优化结果数据搞不定模型不收敛连确定性案例都没跑明白。对这个题目我强烈建议分两步走第一步老老实实做确定性优化把协同机理通过算例看清楚第二步再考虑新能源出力不确定性引入场景法或鲁棒优化。原因是这个模型本身变量多、耦合强先在确定场景下把模型验证正确后续换求解方法和不确定性模型时你也知道问题出在物理建模还是算法层面。如果你要加不确定性处理最简单的方案是场景法条件风险价值CVaR用典型日场景或蒙特卡洛抽样生成风光出力场景目标函数改为期望成本CVaR风险成本。但注意不要贪多场景数从10个开始观察求解时间和解的稳定性通常50个场景以内MILP还能跑动超过100个场景对普通笔记本就是不小的考验了。4. Matlab代码实现从建模到求解的完整链路4.1 求解器和建模工具怎么选YalmipGurobi/Cplex的实际配置Matlab写优化调度程序我个人的干活配置只有一个Yalmip工具箱MILP求解器Gurobi或Cplex。你可能也听说过直接用linprog或者intlinprog写说实话做做教学例题可以真到了这种规模决策变量几百个、约束上千条的MILP还是需要专业的商用求解器。Yalmip的安装很简单去GitHub下载最新版代码解压后把文件夹加入Matlab路径再运行savesavemyworkspace或者你在命令行执行yalmiptest验证安装。求解器的安装相对麻烦一些尤其现在MathWorks对许可证查得严Cplex和Gurobi都需要你注册学术账号并配置许可证文件。以Gurobi为例下载安装包后在Matlab里执行% 添加Gurobi的Matlab接口 addpath(C:\gurobi1100\win64\matlab); gurobi_setup();然后在Yalmip里设置求解器ops sdpsettings(solver,gurobi,verbose,2); ops.mip.tolerances.mipgap 0.0001;这里需要注意mipgap的取值0.0001一般够用了太小会拖慢求解速度对实际工程设成0.001也完全可接受。4.2 决策变量定义和约束写入的代码骨架我把整个模型的代码骨架给你搭一遍。首先定义时间尺度这里用24小时调度也可以拓展到96个时段即15分钟分辨率%% 参数定义 T 24; % 调度周期 % 焚烧机组参数 P_wte_max 60; % 最大毛出力(MW) P_wte_min 18; % 最小稳定出力 eta_wte 0.22; % 焚烧发电效率 Hu 5.5; % 垃圾低位热值(MWh/t) r_waste 180; % 垃圾处理补贴(元/t) % 碳捕集参数 lambda_max 0.9; % 最大捕集率 gamma_CO2 0.6; % 单位发电CO2排放(t/MWh) k_ccs 0.15; % 捕集单位CO2电耗(MWh/t) P_ccs_base 1.5; % 固定电耗(MW) c_co2_price 120; % 碳价(元/t) % P2G参数 eta_p2g 0.6; % 综合效率 P_p2g_max 20; % 最大电功率(MW) mu_co2 2.75; % 每吨甲烷耗CO2量(t) H_ch4 13.9; % 甲烷热值(MWh/t) c_co2_sale 80; % CO2外售价格(元/t) %% 决策变量 P_wte sdpvar(1, T); % 焚烧机组毛出力 M_waste sdpvar(1, T); % 入炉垃圾量 lambda_ccs sdpvar(1, T); % 碳捕集率 P_ccs sdpvar(1, T); % 碳捕集电耗 P_p2g sdpvar(1, T); % P2G输入电功率 M_co2_cap sdpvar(1, T); % 捕集CO2量 M_co2_p2g sdpvar(1, T); % P2G消耗CO2量 M_ch4 sdpvar(1, T); % P2G产甲烷量 M_ch4_gt sdpvar(1, T); % 燃气轮机耗气量 P_gt sdpvar(1, T); % 燃气轮机出力 P_ch sdpvar(1, T); % 储能充电功率 P_dis sdpvar(1, T); % 储能放电功率 SOC sdpvar(1, T1); % 储能荷电状态 Z_ccs binvar(1, T); % 碳捕集启停 Z_p2g binvar(1, T); % P2G启停 %% 约束条件 C []; % 1. 垃圾焚烧机组出力上下限考虑碳捕集电耗后的净出力 for t 1:T C [C, P_wte_min P_wte(t) - P_ccs(t) P_wte_max]; end % 2. 碳捕集系统能耗与捕集量 for t 1:T C [C, P_ccs(t) P_ccs_base k_ccs * lambda_ccs(t) * P_wte(t)]; C [C, M_co2_cap(t) gamma_CO2 * P_wte(t) * lambda_ccs(t)]; C [C, 0 lambda_ccs(t) lambda_max * Z_ccs(t)]; C [C, -0.2 lambda_ccs(t1) - lambda_ccs(t) 0.2]; % 捕集率爬坡约束(t1时单独处理) end % 3. P2G系统 for t 1:T C [C, 0 P_p2g(t) P_p2g_max * Z_p2g(t)]; C [C, M_ch4(t) eta_p2g * P_p2g(t) / H_ch4]; C [C, M_co2_p2g(t) mu_co2 * M_ch4(t)]; end % 4. 碳平衡捕集量 P2G消耗 外售 M_co2_sale sdpvar(1, T); for t 1:T C [C, M_co2_cap(t) - M_co2_p2g(t) M_co2_sale(t)]; C [C, M_co2_sale(t) 0]; end % 5. 电功率平衡 for t 1:T C [C, P_wte(t) - P_ccs(t) P_gt(t) P_dis(t) P_re(t) ... P_load(t) P_p2g(t) P_ch(t)]; end % 6. 储能约束 for t 1:T C [C, SOC(t1) SOC(t) eta_ch * P_ch(t) - P_dis(t)/eta_dis]; end C [C, SOC(1) 0.5, SOC(T1) 0.5, 0.1 SOC 0.9];这里最关键的一点是决策变量的类型选择。焚烧机组连续出力、捕集率连续可调用sdpvar没问题但P2G和碳捕集的启停状态用binvar模型才会具备要么开要么关的物理含义。如果你要跑多个场景对比建议把上述代码封装成函数参数放结构体里传进来方便批量测试。4.3 求解循环与结果输出怎么批量跑碳价灵敏度为了做协同效应的敏感性分析我习惯写一个外循环遍历碳价或分时电价c_price_list [60, 80, 100, 120, 150]; % 碳价序列 result_table zeros(length(c_price_list), 6); for i 1:length(c_price_list) c_co2_price c_price_list(i); % 重新构造目标函数(C_total是上面约束基础上累加的目标值表达式) obj C_total; optimize(C, obj, ops); % 记录结果 result_table(i,1) c_co2_price; result_table(i,2) value(sum(P_wte - P_ccs)); % 净发电量 result_table(i,3) value(sum(lambda_ccs))/T; % 平均捕集率 result_table(i,4) value(sum(P_p2g)); % P2G总耗电量 result_table(i,5) value(sum(M_co2_cap) - sum(M_co2_p2g)); % 外售CO2 result_table(i,6) value(obj); % 总成本 end disp(result_table);跑完这个循环你就能看到随着碳价上升平均捕集率和P2G耗电量怎么联动增长外售CO₂量如何先增后降因为P2G消纳量变大。这些结果直接构成论文第四章的对比图表。4.4 求解器数值坑位大数小数混合模型收敛问题的处理这一节我要专门分享一个很多入门者没意识到的问题。模型里同时有元/MW级别的价格参数几百也有H_u这种6.0左右的效率系数还有功率量纲几十、上百的值如果你把碳价120和捕集率0.85直接相乘数值范围在0~几百之间浮动这本身没问题。但如果把CO₂排放量写成吨级几百吨而外售价格写80元/吨乘积是几万——这些数值和电功率的乘积几千到几万混在一起有时候会导致求解器出现数值困难。我的习惯是把所有价格和效率参数归一化到1附近或者用标幺值处理但标幺值在MILP里有离散变量的兼容性麻烦。更稳妥的做法是接受量纲差异但确保所有约束条件里不要出现10的8次方和10的负4次方这种悬殊数量级的组合。比如碳捕集电耗系数k0.15 MWh/tCO₂乘以捕集率0.5再乘以60MW的出力得到4.5MW这个数量级是协调的。如果你用了克或kg作单位数值就会变得非常大模型的数值稳定性直线下降。如果实在出现数值警告检查方法很简单在Yalmip求解后用check(C)逐条看约束残差数值警告基本都是某个单位的量纲不匹配。另外给求解器设一个合理的feastolGurobi默认是1e-6有时候设计成1e-5也不会影响实际精度但能显著提高收敛性。5. 典型算例验证协同模式到底能带来什么收益5.1 基础算例设置一整天24小时的运行边界条件为了讲清楚协同调度的实际效果我设计了一个标准算例。虚拟电厂包含一台60MW垃圾焚烧机组带碳捕集、一台20MW燃气轮机、30MW风电、20MW光伏、20MW/80MWh储能、20MW P2G装置。负荷曲线用典型工业园区日负荷峰谷差大约30MW。分时电价采用峰1.2元/kWh10:00-15:00、18:00-21:00、平0.8元/kWh、谷0.4元/kWh23:00-次日7:00三段制。碳价取120元/tCO₂外售价格80元/t。这些参数并不一定对应某个真实工程但量级和逻辑是自洽的——垃圾焚烧机组的60MW毛出力匹配日处理垃圾量约450吨P2G的20MW对应每小时可产甲烷约0.9吨大致能满足3000户家庭的日用气量。运行约束上垃圾日进场量上限设500吨焚烧机组最小出力18MWP2G最小运行时间2小时碳捕集爬坡限制每小时不超过0.2。5.2 三种运行模式的对比独立调度、无P2G协同、完全协同我跑了三种模式对比。模式A三个单元完全独立调度各自优化、不共享碳和气模式B碳捕集和焚烧协同但不含P2G模式C完全协同模型。结果差异非常典型列个简表指标模式A独立模式B无P2G协同模式C完全协同日总运行成本万元42.635.830.2平均碳捕集率0.380.620.74P2G总耗电量MWh——148外购天然气量万m³5.24.63.1可再生能源利用率92%97%99%碳排放量tCO₂486312204看这个结果完全协同模式比独立模式成本降低了29%碳排放量降低了一半还多。更重要的是P2G用148MWh低谷电制气把3.1万m³的外购天然气置换掉按天然气价格2.5元/m³计算仅此一项就节省7.75万元/天。如果你把P2G购置成本折旧摊进去20MW的P2G设备投资大概花8000万按20年折旧每天约1.1万经济上依然划算。5.3 24小时调度曲线里的协同行为特征把运行曲线拉出来看协同调度有几个特别有意思的行为特征夜间低谷时段23:00-07:00风电出力大、电价低、负荷低。模型会怎么做焚烧机组保持较高毛出力因为要消纳垃圾碳捕集率拉到0.9满负荷捕碳P2G满发20MW用低谷电制甲烷。捕下来的CO₂一部分直接送P2G合成甲烷另一部分储存起来。储能在此时段充电把低谷电存起来。这是典型的低谷填负荷模式虚拟电厂在夜间从外部电网购电或削减上网但内部正在进行能量转换和储存。白天高峰时段10:00-15:00光伏出力很高负荷也高电价贵。模型策略是碳捕集率降到0.4左右省电给上网焚烧机组净出力提高燃气轮机在11:00-14:00顶峰时段启动燃烧夜间P2G生产的甲烷储能放电。此时虚拟电厂对电网呈现高出力状态赚取峰段高电价。这里要特别留意燃气轮机的启停——夜间P2G产出甲烷后是否够白天顶峰时段烧是模型内部自动权衡的。过渡时段P2G在早晚时段会出现短时启停行为比如早上7:00电价刚变平段P2G出力开始下降碳捕集率同步调低。这种联动响应说明耦合约束起了作用P2G减少用碳量后碳捕集器的CO₂外售量开始增加模型在多捕碳外售和少捕碳多发电之间找到了新的平衡点。5.4 碳价变化的非线性响应为什么不是单调递增我做碳价从60元/t升到200元/t的灵敏度扫描时遇到了一个反直觉的现象P2G的耗电量并不是单调上升的而是先升后略有回落。仔细看原因——碳价很高时碳捕集系统几乎满负荷运行捕集率接近0.9此时捕碳电耗也很大挤压了P2G可用的电量空间。换句话说碳捕集和P2G在用电侧其实是竞争关系它们的协同不是无条件的而是受制于总可用电功率的平衡。这个发现如果写论文是很好的分析点如果做工程它提醒你需要同时考虑碳捕集和P2G的容量配比不能盲目地两个都上最大的。6. 从代码到论文再到工程应用踩坑记录与进阶建议6.1 我踩过的最典型的五个坑及排查方法第一个坑是捕集率爬坡约束维度不匹配。我第一次写的时候把爬坡约束写成lambda_ccs(t1)-lambda_ccs(t)0.2但忘记t1时刻没有前值导致求解时第一时段约束缺失结果模型聪明地在初始时段直接拉到最高捕集率后面再缓慢回落——这实际上利用了模型的初始状态漏洞。后来我在约束循环外面单独定义了lambda_init作为初始捕集率问题就解决了。第二个坑是P2G设备的最小运行时间约束写法不对。如果你用常见的逻辑约束大M法写法需要引入附加辅助变量否则整型变量Z_p2g在时序上不连接。我建议直接写成三个约束的AND组合启动检测变量、停机检测变量和基于这两个变量的最小运行/停机约束。虽然引入了额外变量但求解稳定性比在约束里硬凑要强得多。第三个坑是储能的SOC初值导致模型早高峰放电异常。我已经解释过忘记设置SOC周期末回初始值求解器会在最后一个时段疯狂放电。除此之外充放电功率和SOC的约束耦合里如果充电效率0.95、放电效率0.9那两个方向不能同时为正——需要加P_ch M*Z_ch和P_dis M*Z_dis以及Z_chZ_dis1。这是非常基础但特别容易被忽视的互斥约束。第四个坑是垃圾处理量约束的量纲。我把M_waste写成吨把热量H_u写成MWh/t本来是自洽的。但后来我在目标函数里给垃圾处理补贴写的是元/吨和功率MW相乘后出现了元/小时和元混用的错误最后我统一把所有涉及时间的项都按小时换算才在报告的收支平衡表里对上账。这里提醒你在Yalmip里写目标函数时一定检查每一项的单位时域是功率还是能量。第五个坑是求解时间失控。最开始模型变量数大约300个、约束1000条Gurobi一般几十秒能解完。但加了P2G的最小启停时间约束后因为我用了一个不太恰当的建模方式引入了大量二值辅助变量变量数翻倍到600多求解时间暴涨到十几分钟。优化解法是把启停约束写成组约束而非逐时段二值约束用implies封装逻辑求解时间降回40秒左右。如果你遇到求解时间过长第一反应不是去买更强的机器而是检查你的0-1变量建模是否冗余。6.2 进一步扩展的几个方向如果你的目标是发论文或者做更深层的工程应用我建议在现有模型基础上往三个方向延伸。第一是考虑热-电联产耦合。垃圾焚烧机组和碳捕集再生塔都需要蒸汽如果你引入供热负荷形成热电联产碳捕集抽汽模型耦合关系会更复杂但也更真实。这时汽轮机抽汽供碳捕集再沸器会减少发电出力模型需要权衡供热收益和发电收益。第二是引入氢能转换的多时间尺度优化。P2G制出来的氢气不一定要全部甲烷化一部分可以直接供氢燃料电池车或者工业用氢。这样你要建立电-氢-气-碳四网耦合模型决策变量再加一个氢流的分配比例。多时间尺度上碳捕集吸收塔的溶剂循环有小时级惯性氢储能可以支持跨日调度这些时间尺度的错配和匹配都值得写几章内容。第三是考虑垃圾焚烧与碳捕集设备检修计划的中期优化。短期调度更多的只是运行决策如果你把时间尺度拉长到一个月或一年加入检修计划0-1变量模型的维度又会再上一个台阶。这种中线优化在真实的园区能源管理系统中非常受欢迎因为运营方既需要日前的调度指令也需要未来一周甚至一个月的机组检修建议。6.3 关于Matlab求解结果可信度的自我检验清单最后送你一份我每次跑完模型都会过一遍的检验清单它能帮你快速发现模型里的低级错误检查功率平衡约束逐时段是否严格满足残差小于1e-6检查储能SOC曲线是否在上下限之间平滑变化周期末是否回到初值检查碳捕集率在爬坡约束下没有阶跃跳变检查P2G在启停状态约束下没有频繁启停比如一小时开、一小时关这种振荡解检查目标函数值在增加约束后只增不减——如果加了约束总成本反而下降说明之前的模型有漏洞检查各设备出力都在物理上下限内不能有负功率最后把优化得到的调度方案手动带入平衡方程算一遍确认不是求解器的数值误差在作弊。这套清单花不了十分钟但能挡住至少一半的返工。我见过太多人拿结果去汇报结果被人一问你这个时段的电平衡怎么差着2MW就答不上来——那种时刻非常尴尬。写Matlab代码实现这套含碳捕集、垃圾焚烧和电转气协同的虚拟电厂调度模型我的体会是建模的物理理解比公式推导更花时间耦合约束比目标函数更容易出错算例验证比代码调试更考验耐心。如果你现在正在跑这个方向先把碳、气、电三条平衡关系烂熟于心再动手写代码整个过程的产出效率会完全不同。模型初步跑通后可以试着改一改碳价、P2G容量、垃圾热值这几个参数做几组对比你会看到模型涌现出不少反直觉但逻辑自洽的行为那些细节恰恰是最值得写进论文里的亮点。
