1. 项目概述做电力系统方向研究的朋友对“虚拟电厂”这个词应该都不陌生了。这几年双碳目标提得越来越紧电网里新能源渗透率一路走高风电光伏的随机性和间歇性让调度员头疼不已——中午光伏大发的时候电价能打到地板价晚高峰一上来电价又飙得离谱。单纯靠火电调峰既不够快也不够经济更不环保。所以业内开始把分散的分布式电源、可控负荷、储能装置聚合起来组成一个对外统一响应的整体这就是虚拟电厂Virtual Power Plant, VPP。而我今天要分享的这套Matlab代码做的不是普通的虚拟电厂聚合调度它加了两个很有分量的东西碳捕集和电转气Power to Gas, P2G同时还叠加了垃圾焚烧发电机组。说白了这是一个“算经济账”和“算环保账”同时进行的优化调度模型。代码用Yalmip工具箱建模调用商业求解器求解混合整数线性规划MILP问题最后输出各个机组的最优出力曲线、碳捕集系统运行状态、P2G设备的启停和产气情况以及在碳交易机制下的总运行成本。这类模型在最新的《电网技术》《电力系统自动化》等期刊上非常热门但我相信大部分刚接触这个方向的人面对摘要里那些“阶梯式碳交易”“碳捕集电碳耦合”“P2G两阶段运行”的术语脑子是懵的。这篇文章会把模型的每一个环节拆开讲清楚从物理原理到数学建模再到Matlab代码的具体实现方式以及我在跑通这套模型时踩过的坑。无论你是正在写毕业论文的研究生还是做综合能源系统规划的在职工程师这篇内容都可以当作一份可直接参考的复现笔记。2. 整体架构与关键技术点拆解2.1 虚拟电厂内部是怎么组织起来的先把这个虚拟电厂的“家底”盘清楚。模型内部主要包含五类元件垃圾焚烧发电机组、碳捕集系统、电转气系统含电解槽、氢气储罐、甲烷化反应器、风力发电、光伏发电外加一个电储能装置。垃圾焚烧机组是整个VPP的基础电源它不像风电光伏那样看天吃饭出力稳定可控可以作为系统里的“压舱石”。但垃圾焚烧发电有一个绕不开的问题——它要排二氧化碳。于是模型把碳捕集系统Carbon Capture System, CCS接在了机组尾气端通过化学吸收法把CO₂从烟气里分离出来。捕集下来的CO₂并不会直接封存而是送入电转气系统作为合成甲烷的原料。这样一来整个VPP就形成了一个“垃圾发电—捕碳—用碳制气—燃气回流”的闭环链条。电转气系统在这里承担的是双重角色。一方面它是个大功率电负荷电解槽可以把风电光伏大发时段的富余电力转化成氢气另一方面甲烷化反应器又把氢气和捕集来的CO₂合成为甲烷甲烷既可以直接卖给天然气网络也可以存进储气罐留待燃气轮机顶峰时使用。也就是说P2G既是需求侧响应的“弹性负荷”又是能量时移的“储存器”同时还是碳循环利用的“化学工厂”。这三重属性叠加起来才是标题里“电转气协同”的真正含义。2.2 碳捕集与P2G协同的物理逻辑为什么一定要把碳捕集和电转气放在一起说单独建一个碳捕集模型不也挺常见的吗问题在于传统碳捕集模型把捕集下来的CO₂当作纯成本捕得越多、能耗越高、越亏钱所以模型在优化时会尽量压低捕集率。而一旦引入了P2G情况就变了——CO₂变成了生产原料有了产品价值碳捕集的经济性就改善了反过来P2G的甲烷化反应需要CO₂如果只靠外部购买成本高昂还不稳定碳捕集恰好解决了这个供应问题。所以说这两个系统是共生关系协同建模才能让整体运行成本降到最低。从时间尺度上看这种协同还有更好的调度意义。风电在夜间大发时电价便宜P2G电解槽开足马力制氢氢气和CO₂合成为甲烷存起来白天用电高峰、电价高企时储气罐里的甲烷可以反哺燃气机组发电替代一部分昂贵的外购电。这套“低谷储气、高峰放气”的运行策略本质上就是在时间轴上搬移能量跟抽水蓄能、电化学储能的逻辑有相似之处但能量密度和存储周期上各有长短。2.3 为什么选择MatlabYalmip方案说句实在话这种中规模MILP模型Python里的Pyomo、Gurobi也能做Julia里的JuMP也很擅长。但Matlab在今天依然是国内电力系统课题组最普及的环境原因很现实一是很多老代码、教学资料都是Matlab写的接手容易二是Yalmip这个工具箱封装得极为友好建模和调试的效率非常高写约束就像写数学公式出错了报错信息也比较直观。再加上Matlab的绘图能力跑完优化直接画各机组出力曲线、碳捕集量曲线、储气量变化曲线一整套流程下来非常顺手。3. 系统建模每一块硬骨头的啃法3.1 垃圾焚烧发电机组建模垃圾焚烧机组的建模有几个层次要处理。最基础的出力约束跟普通火电机组类似有出力上下限约束P_min ≤ P_MT(t) ≤ P_max以及爬坡约束-Δ_down ≤ P_MT(t) - P_MT(t-1) ≤ Δ_up但它和火电不同的是焚烧炉的燃料是城市生活垃圾处理垃圾本身是有补贴收入的这部分收益在目标函数里要体现为负成本。同时焚烧过程会产生CO₂排放量跟发电量近似线性相关E_MT(t) e_MT · P_MT(t)其中e_MT是单位发电量的碳排放强度。这里有个实操中容易忽略的细节垃圾焚烧发电的碳排放系数和煤电不一样因为垃圾中生物质占比高生物质部分的碳排放按现行核算规则算“碳中和”所以真正计入碳配额约束的排放量要乘一个折算系数。模型里常见的处理方式是把总排放乘以一个小于1的系数或者直接设置一个“净排放率”具体取值要看采用的是哪一版核算指南。3.2 碳捕集系统建模碳捕集系统接在烟气管道上运行时要消耗电力和热力其中电力是最主要的部分。常用的简化模型把捕集能耗表示为单位捕集量的线性函数E_CCS(t) λ · C_cap(t)λ是捕集单位CO₂所需的电耗典型值在0.15~0.35 MWh/tCO₂之间。捕集量受两个因素限制一是烟气中CO₂的总量二是捕集设备的处理能力上限所以约束是0 ≤ C_cap(t) ≤ min(E_MT(t) · e_MT · η_max, C_cap_max)η_max是最大捕集率工程上化学吸收法能做到90%~95%。这里要特别强调一个我在代码里发现的设计细节碳捕集装置是可以“部分投入”的。也就是说t时刻可以只开50%的吸收塔处理能力捕集率并不是非0即1。这个操作灵活性其实是整个模型能在经济性和环保性之间找到平衡点的关键。如果不允许部分投入模型就只能要么全捕、要么不捕调度自由度和结果的经济性都会大打折扣。3.3 电转气两阶段建模P2G系统分两个阶段电解水制氢和甲烷化。电解槽第一阶段的输入是电和水输出是氢气和氧气。效率一般在60%~80%之间模型里用效率系数η_EL把电功率转化为氢气的热值输出H_h2(t) η_EL · P_EL(t)电解槽的出力有上下限还有爬坡限制。注意电解槽的爬坡比燃气轮机慢启停也有限制不能频繁启停这块需要加最小开停机时间约束否则求解器给出的结果在工程上根本执行不了。甲烷化反应器第二阶段的本质是萨巴蒂尔反应CO₂ 4H₂ → CH₄ 2H₂O从反应式可以算出合成1单位甲烷需要4单位氢气同时消耗约2.75单位的CO₂。模型里通常不直接写分子量换算而是用“氢气消耗系数”和“CO₂消耗系数”来表达H_meth(t) η_meth · H_h2_to_meth(t)C_consum(t) β_CO2 · H_meth(t)这里的β_CO2就是单位甲烷产量对应的CO₂消耗量。有一个建模选择要注意在系统里P2G的CO₂来源有两个一个是碳捕集的输出一个是外部购买。模型里默认优先使用碳捕集捕集的CO₂不足部分才外购因为外购CO₂价格更高优化程序会自动做出这个抉择。3.4 储能与外部交互建模电储能按照常规的SOC模型处理SOC(t1) SOC(t) P_ch(t)·η_ch - P_dis(t)/η_dis荷电状态有上下限约束充放电功率有上下限而且同一时刻不能既充又放——这个约束需要在Yalmip里用二进制变量或者大M法来写否则会做出同时充放电的荒唐结果。虚拟电厂和外部电网之间有一个购售电台区。购电时按市场电价付费售电时按上网电价结算两个价格往往不一样模型中要分别用变量表示配合二进制变量约束购售状态。4. 优化模型整体框架4.1 目标函数设计这套模型的目标是让24小时内的总运行成本最小成本项包括min C_total C_fuel C_grid C_om C_co2 C_waste_penalty - R_sell - R_subsidy拆开看每一项的含义C_fuel垃圾焚烧机组的燃料成本跟处理垃圾量相关。实际中垃圾处理有补贴所以这一项可能体现为负值。C_grid向外部电网购电的费用。C_om各设备的运行维护成本按出力线性折算。C_co2碳交易成本。采用阶梯式碳价机制——排放量在配额内免费超出部分按阶梯价格购买配额盈余的部分可以出售获利。C_waste_penalty弃风弃光惩罚。如果模型允许弃风弃光那这些被丢弃的电能要计惩罚费用惩罚系数设置得比售电价高一个量级引导优化器尽量消纳新能源。R_sell向电网售电的收入以及P2G产出的甲烷出售给天然气网络或用于燃气机组发电的收益。R_subsidy垃圾处理补贴收入。这个目标函数设计有讲究如果只设碳排放成本而不设售气收益P2G设备基本不会启动因为电解制氢在大多数电价场景下不划算模型会把P2G出力降到零。只有当储气收益、售气收益和碳减排收益叠加起来才能体现出P2G的调度价值。4.2 约束条件体系模型的约束体系是一个多层次的树状结构。最顶层是母线功率平衡所有电源出力加总减去所有负荷消耗等于与电网的交换功率。第二层是各设备自身的运行约束比如出力上下限、爬坡速率、储气罐容量上下限。第三层是耦合约束最核心的一条是CO₂物料的平衡C_cap(t) C_P2G_consum(t) C_storage(t)意思是碳捕集系统捕集到的CO₂一部分直接送去P2G做原料另一部分进入储碳罐暂存。这条约束写得对不对直接决定模型有没有可行解。我在第一次跑模型时就是因为忘了给储碳罐建模型导致P2G在全天大部分时段缺CO₂原料系统的P2G几乎不出力结果目标函数值高得离谱。第四层是碳配额约束反映整个VPP在碳交易市场中的角色。VPP的配额等于机组实际排放量减去碳捕集量再和分配到的初始配额作比较差额部分进入碳交易市场E_net(t) E_MT(t) - C_cap(t) - E_quota(t)如果E_net为正说明配额不够用要去碳市场买配额如果为负说明碳配额富余可以出售获利。这也是碳捕集系统改善经济效益的另一个渠道——捕碳不仅能产出CO₂原料还能直接减少碳市场上的购买需求。很多做碳排放优化的人只盯着碳捕集的能耗成本忽略了这个收益项整体优化结果就差了一大截。4.3 低碳调度协同的数学表达把整套协同机制用数学语言整理一下碳捕集的产出C_cap(t)连接了排放侧E_MT(t)和P2G的原料侧C_P2G_consum(t)P2G的耗电P_EL(t)连接了电力平衡和储气系统储气系统的输出又回馈给燃气机组或外售。这三个环节环环相扣中间的约束必须写全。我在代码里把这三个环节单独封装成三个函数模块carbon_capture_model.m、p2g_model.m、gas_storage_model.m每个模块内部对应一组约束方便调试和替换参数。5. Matlab代码实现的关键细节5.1 Yalmip建模框架搭建整个代码的骨架遵循一个标准流程参数初始化、变量定义、约束组装、目标函数定义、求解器配置、结果输出。用Yalmip定义变量时有几个常见坑值得提前说一下。二进制变量一定要显式声明为binvar类型。比如燃气机组的启停变量、储气的充放状态变量、电网购售状态变量这些如果定义成sdpvarYalmip不会自动识别整数性质最后求解出来可能是0.7这种不伦不类的值完全没法用。binvar是Yalmip的类型标识符表明变量是二进制变量只能取0或1必须显式声明否则无法正确求解MILP。定义约束时要注意Yalmip对矩阵约束的拼接方式最常见的是用方括号拼接Constraints [Constraints, P_MT_min P_MT P_MT_max]; Constraints [Constraints, SOC_ES(t) SOC_ES(t-1) ...];循环写约束时逐条append的效率极低建议把每个时段的约束一次性写成向量形式。Yalmip对向量化约束的预处理速度比for循环快很多尤其是24时段×大量约束的场景这个优化能让求解时间从几分钟降到几十秒。5.2 混合整数线性规划的求解配置这类模型本质上是MILP问题我用的是Gurobi求解器。安装Gurobi之后在Matlab里设置求解器非常简单ops sdpsettings(solver, gurobi, verbose, 2, gurobi.TimeLimit, 300); ops.gurobi.MIPGap 0.001;MIPGap这个参数很重要。Gurobi在求解MILP时用分支定界法找到一个可行解后会持续搜索更优解MIPGap表示当前最优解和理论上界的相对差距设置为0.001相当于让求解器跑接近最优。如果求解太慢放宽到0.01能大幅缩短时间。实操中我遇到过Gurobi license过期导致求解器启动失败的情况。这里提个醒运行前先检查一下license有效期。另一个常见问题是模型引入了太多二进制变量导致求解时间指数级上涨。减少二进制变量的方法之一是限制P2G的启停次数用“最大启停次数约束”替代逐时段启停变量可以让模型规模明显缩小。5.3 结果可视化与分析跑完优化只是第一步调度员和导师关心的是结果怎么解读。代码里我写了三组核心可视化函数第一组是电力平衡图把24小时的各电源出力、负荷、购售电画成堆叠面积图能一眼看出每个时段的电力来源和去向。第二组是碳流平衡图把垃圾焚烧排放、碳捕集量、P2G消耗量、碳交易量画成柱状对比图。第三组是储气系统SOC曲线看甲烷存储的日内变化直观验证“低谷储气、高峰放气”的策略是否被优化器采纳。画图用的是Matlab自带的plot和area函数配合自定义的颜色配色。有一个绘图细节堆叠面积图时如果多个序列的数值量级差异大比如电出力是兆瓦级碳量是吨级要分两个y轴坐标否则小量级序列会被压平到坐标轴底端图形完全看不出来。6. 常见问题与调试经验6.1 模型无解问题出在哪这是跑优化模型最常遇到的困境约束写好、目标函数填好求解器一跑直接报“infeasible problem”。我的排查经验是有固定套路的。首先检查功率平衡约束是不是被其他约束“卡死”了——最常见的原因是储能SOC的初值设置和末值约束冲突。比如设SOC(1)0.3又要求SOC(24)0.6而整个系统根本没有足够的充电功率在最后一个时段把SOC抬上去这样必然无解。排查方法是把SOC相关的约束暂时屏蔽看看剩余约束是否可行。如果仍无解再逐步屏蔽其他约束组二分定位出问题的那组约束这个方法效率很高。6.2 求解时间过长怎么办24时段的模型变量数量通常在1000上下其中整数变量占100左右Gurobi求解时间在正常情况下一两分钟能搞定。如果跑几分钟还不出结果优先检查三个方面一是是否在读写大矩阵时用了大量临时变量Matlab的for循环里反复append矩阵会产生大量内存复制这是最常见的性能杀手解决办法是预先分配内存或者向量化二是去看看MIPGap设置是否太严0.0001这种精度对工程问题毫无必要0.01已经能保证误差在1%以内三是把Yalmip的verbose开成2观察Gurobi输出的上下界gap变化如果gap在200秒内降不下去说明模型可能存在某种对称性问题可以考虑增加破坏对称性的约束。6.3 碳捕集率总是偏低很多人在结果里看到碳捕集率只有40%觉得模型“不够低碳”。这个现象其实很正常碳捕集系统要耗电捕集1吨CO₂要消耗0.2MWh左右的电能如果这些电是从电网高价买的捕碳成本就超过了碳交易市场里的碳价优化器自然选择少捕。调节的方式有两种一是把碳交易市场的碳价调高模拟更严格的碳排放政策二是修改单位捕集能耗λ比如从0.35改到0.2。通过参数敏感性分析你能清晰看到碳捕集系统投运率随碳价、能耗变化的趋势这种分析本身也是论文里的重要内容。6.4 P2G设备几乎不运行P2G出力为零是另一个高频结果。原因主要出在目标函数里P2G的收益设置上。如果甲烷出售价格设置过低或者储气罐容量设置过小P2G产出无法转化为实际收益优化器就会选择不运行。要解决这个问题需要把P2G的经济性来源拆细电解槽耗电制氢的收入来源包括甲烷销售、参与调峰辅助服务市场获取的补偿、以及通过氢气替代燃气减少的购气费用。在三类收益都纳入模型后P2G才会真正“活”起来。还有一个容易被忽略的点P2G在低谷电价时段购电制气看起来是在“亏钱”制气——但如果把这个行为当作储能在用低谷储、高峰放整体套利的逻辑就通了所以储气罐的容量和初始SOC设置一定要合理否则P2G没有蓄能空间经济性就无从谈起。7. 一个完整的典型案例分析7.1 基础工况与数据准备我用一套公开参考数据构建了一个典型算例。虚拟电厂包含一台30MW垃圾焚烧机组装机容量30MW单位碳排放强度0.8t/MWh风电场装机40MW光伏电站装机20MW碳捕集系统最大捕集率85%P2G系统的电解槽容量10MW甲烷化容量按氢气输入折算约8MW储气罐容量设为5MWh电储能容量10MW/20MWh。分时电价采用典型的峰谷三段式峰段(08:00-11:00, 18:00-22:00)电价1.1元/kWh平段(06:00-08:00, 11:00-18:00)电价0.65元/kWh谷段(23:00-06:00)电价0.3元/kWh。碳配额按机组排放量的70%发放碳交易价格为52元/吨。7.2 优化结果解读跑完24时段的优化看结果可以看到很清晰的调度策略风电大发时段凌晨2:00-5:00P2G电解槽处于满发状态功率约为8.5MW把富余风电转化为氢气存储起来。由于谷电价格极低外购电也参与了制氢——这个场景下电解槽相当于一个用低谷电“搬运”能量的装置。碳捕集系统在电价高峰时段的捕集率明显下调从峰段之前的85%降到60%左右把电能让给更重要的负荷夜间电价低谷时捕集率重新拉高到85%捕下来的CO₂一部分直接进甲烷化反应器一部分存进储碳罐留给白天用。垃圾焚烧机组全天维持在高出力水平原因是它的边际成本很低而且还带来垃圾处理补贴收入优化器没有理由降低它的出力。储气罐的SOC曲线呈现出清晰的“夜升昼降”模式夜间P2G满产储气量逐步累积白天高峰时段储气罐释放甲烷供燃气轮机补峰SOC从早上的峰值一路下降到傍晚降至最低点。这个结果证明了协同调度的价值如果没有碳捕集和P2G之间的CO₂物料循环碳捕集系统的整体经济性会明显变差如果没有P2G承担“蓄水池”角色夜间富余风电只能弃掉弃风率会接近15%而把两个系统协同起来之后弃风率降到了4%以下碳捕集系统的综合运行成本也大幅下降。8. 模型扩展方向与后续工作建议这套模型虽然已经覆盖了VPP运行的主要环节但站在做研究的角度依然有不少可以深挖的方向。第一个方向是多虚拟电厂协同。单个VPP的调节能力有限如果多个VPP之间通过共享储能或共享P2G设备互联可以在更大范围内实现电力电量平衡。对应的数学模型要增加VPP间的功率交互变量和约束矩阵复杂度上升明显但对解决新能源消纳问题的意义更大。第二个方向是考虑不确定性。目前模型里风电、光伏出力都是确定的预测曲线实际中预测误差很大。引入场景随机规划Stochastic Programming或鲁棒优化Robust Optimization后调度结果会具备抗风险能力更贴近工程实际。Yalmip对随机规划的支持很成熟——直接复制多组风、光出力场景在约束上叠加场景下标即可代码扩展的工作量并不大主要难点在于场景数增多后问题规模变大MILP求解时间会成倍增长。第三个方向是引入需求响应。把可平移负荷、可中断负荷作为可控资源放进VPP模型让负荷侧也参与调度平衡。很多文章里叫“源荷不确定性下虚拟电厂优化调度”就是在源、荷两侧同时做文章配套的代码参数需要增加可调节负荷的容量比例、补偿价格等数据。从个人实操体会来说这套模型的代码架构足够清晰完全可以在上面做二次开发。关键是要吃透每个约束的物理含义而不是单纯把别人的代码跑出几个图就完事。要把每个参数逐个调一遍看看目标函数和出力曲线怎么变才能真正理解模型内部的运行机制后续无论是写论文还是做工程应用都能踩在扎实的基础上。