企业官网建设流程全解析

做了好几年综合能源系统优化调度，我越来越觉得“有功-无功协同”这五个字的分量，远比你想象中重。尤其在“碳中和”这个目标下，电力网络和天然气网络深度耦合，你要是还像以前那样只盯有功经济调度、无功靠就地补偿硬扛，那电压越限、气压波动、碳排放超标这些问题迟早会一起找上门。这篇文章要讲的电气互联系统有功-无功协同优化模型，本质上是把电网的潮流约束、气网的稳态流量约束和耦合设备的运行特性，放进同一个优化问题里同时求解。目标只有一个：在满足安全边界的前提下，让运行成本和碳排放都尽量低。模型本身的规模并不大，难点全在数学表达和Matlab代码实现上。

1. 项目定位与建模思路：为什么必须把有功和无功放进一个模型

1.1 传统调度方式到底缺了什么

以前做电力系统经济调度，最常用的做法是“先有功、后无功”：先用最优潮流算出各台机组的有功出力，再单独做一次无功优化，调整发电机机端电压、无功补偿装置和变压器分接头，把电压拉回合格范围。这套思路在火电占比高、负荷曲线平稳的年代没什么大问题，因为电源分布相对固定，无功储备也充足。

但碳中和目标带来两个根本性变化：一是新能源大规模接入，风机和光伏的出力随机波动，导致节点电压频繁越限；二是电气互联系统里多了燃气轮机和电转气（P2G）这类耦合设备，电网和气网之间不再是“各管各的”，而是存在双向影响。燃气机组多发电，气网负荷就增加，气压跟着下降；P2G设备启动，电网有功负荷上升，局部电压又会变化。

这时候如果你还沿袭“先有功、后无功”的两步走策略，经常出现的情况是：有功调度结果算出来很经济，但到了无功优化阶段发现某个节点电压怎么调都调不回来，只能回来修改有功计划，一来一回浪费大量时间，甚至可能陷入迭代不收敛的死循环。

1.2 电气互联系统里到底有哪些设备在“互联”

所谓电气互联系统，在我的理解里包含三块：电网、气网、耦合设备。电网大家很熟悉，有母线、线路、变压器、发电机，还有无功补偿装置；气网则包括气源、输气管道、压缩机和气负荷。

耦合设备是电气互联系统的灵魂，最容易理解的有两类：

一类是燃气轮机组，它消耗天然气、输出电能，是“气转电”的通道，也是碳排放的主要来源；另一类是P2G，也就是电转气，它利用电力电解水制氢、再通过甲烷化反应合成天然气，是“电转气”的通道，能够消纳多余的新能源电力，同时为气网补充气量。

这两类设备的存在，让电网的有功潮流量、无功电压水平、气网的压力分布、气源开度全都搅在了一起。燃气机组出力变化会改变气网节点平衡，P2G耗电又会改变电网节点负荷，任何单一网络的独立优化都很难得到全局最优解。

1.3 这个模型定位是什么

简单说，这是一个扩展的最优潮流问题，叠加了天然气网的稳态调度。它适合三类人参考：一是做电力系统优化调度研究的学生，需要把电-气耦合建模搞扎实；二是刚进综合能源方向、想在Matlab里快速复现一个完整优化算例的工程师；三是做园区级多能互补规划的人，想评估燃气机组和P2G的联合运行经济效益。

模型的目标函数可以做成经济成本最小，也可以做成碳排放最小，或者用碳交易机制把碳排放折算成成本放进目标函数里。我后文统一采用“运行成本+碳交易成本”最小，这样既贴近碳中和语境，又能让优化结果体现出减排信号。

2. 核心数学模型拆解：电网潮流、气网流量与耦合约束

2.1 电网侧建模：交流潮流和无功设备约束

电网侧采用极坐标形式的交流潮流方程。对每个节点i，有功和无功需要满足：

P_g,i - P_d,i = V_i ∑ V_j (G_ij cosθ_ij + B_ij sinθ_ij)

Q_g,i + Q_c,i - Q_d,i = V_i ∑ V_j (G_ij sinθ_ij - B_ij cosθ_ij)

其中P_g和Q_g是发电机出力，P_d和Q_d是负荷，Q_c是无功补偿装置出力，V_i和θ_i是节点电压幅值和相角，G_ij和B_ij是节点导纳矩阵的实部和虚部。

无功优化必须配套以下约束：发电机无功出力上下限、无功补偿装置容量上下限、节点电压幅值上下限，以及支路潮流或电流限制。注意，支路限制不能省，否则优化模型可能为了降网损把某些线路压得特别狠，计算结果虽然“数值好看”，实际运行完全没法用。

2.2 气网侧建模：Weimouth方程引入非凸性

气网稳态模型里，管道流量通常用Weimouth方程描述：

F_mn = sign(π_m - π_n) · C_mn · sqrt(|π_m - π_n|)

这里π = p²，采用气压平方而不是直接使用压力，是为了让方程形式上更接近线性，方便后续松弛处理。C_mn是管道常数，由管径、长度、温度等因素决定。

每个气网节点需要满足气流平衡：流入节点的管道流量加上气源注入量，等于节点气负荷加上流出节点的管道流量，还要扣掉压缩机消耗的气量。此外还有节点气压上下限、气源产气量上下限。

Weimouth方程里带符号函数和开方，是非凸非线性约束，直接丢给求解器大概率会得到“Infeasible problem”。常用的处理办法是做二阶锥松弛，把原来的等式约束松弛为：

F_mn² ≤ C_mn² · (π_m - π_n)，并且要求π_m ≥ π_n

这一步看着只是把等号变成小于等于，但性质完全不同。松弛后问题变成二阶锥规划，可以用Gurobi、Cplex、Mosek这类商业求解器高效求解。至于松弛得到的解是否满足原等式，需要在求解后回代检查，一般只要目标函数往经济性方向压，管道流量会自然贴近上限，松弛间隙通常在可接受范围内。

2.3 耦合设备与碳排放模型

燃气轮机组耗气量和有功出力之间可以做线性化处理：

H_g = a_g · P_g + b_g

这里的H_g表示耗气量，a_g是边际气耗率，b_g是空载气耗。额定工况附近线性化误差不大，工程上完全够用。

P2G设备则简单很多，输入电力、输出天然气：

G_p2g = η_p2g · P_p2g

η_p2g是电转气综合效率，一般取50%到70%。效率太低时P2G在经济上不占优势，但碳中和模型里它承担了消纳新能源电力和降低碳排放的功能，所以不能只看电-气转换效率。

碳排放计算的思路是：燃气机组按耗气量乘排放因子，外购电力也要计及等效碳排放。为了体现碳中和目标，我采用碳交易机制，给系统分配一个免费碳排放配额，超过配额的部分需要按碳价购买。这样碳排放就从硬约束变成了目标函数里的惩罚项，优化器会在“多发电多花钱”和“多买碳配额”之间自动权衡。

2.4 “协同”到底协同在哪里

传统解耦模型里有功潮流方程和无功潮流方程分开处理，气网和电网更是各算各的。协同优化模型则把所有决策变量放在同一个求解框架里：有功出力P_g、无功出力Q_g、电压幅值V、相角θ、无功补偿Q_c、气源产气量G_s、管道流量F、气压平方π、P2G耗电和产气量，全部一次性求出。

这样一来，燃气机组出力一旦调整，不仅影响电网潮流的P方程，还通过耗气量H_g影响气网的流量平衡；P2G耗电则同时改变电网节点负荷和气网气源注入。优化器能够看到全局所有耦合关系，得出的解才是真正意义上的全局最优。

3. Matlab实现全流程：环境配置、变量定义与求解命令

3.1 环境准备：YALMIP加Gurobi，别在这步省时间

Matlab代码实现我建议用YALMIP建模，配Gurobi求解。YALMIP是MATLAB下的建模工具箱，语法接近数学表达式，能把二阶锥约束、线性约束混在一起写，非常省心。Gurobi是商业求解器，学术用户可以免费申请许可证，安装过程也不复杂。

先说工具箱路径设置。下载YALMIP后，解压到任意目录，在MATLAB里执行“addpath(genpath(‘YALMIP文件夹路径’))”，再用“savepath”保存。Gurobi装完后，在MATLAB里运行其自带的setup命令就能自动配置路径。

这里要特别提醒一个很多人踩过的坑：MATLAB 2023版本之后，如果默认编码不是UTF-8，写中文注释会出现乱码，处理不好甚至会在运行脚本时报错。我的建议是在“预设项-编辑器/调试器-语言”里把编码统一改为UTF-8，然后重启MATLAB。代码注释尽量用简洁中文，关键约束行加英文关键词，方便排查。

3.2 数据准备：用结构体把电网和气网数据整理干净

数据管理建议用结构体，不要散成几十个全局变量。电网数据至少包括：母线编号、负荷有功无功、发电机接入母线、发电机有功/无功上下限、支路首末端母线、支路电阻电抗、对地电纳、变压器变比等。气网数据包括：气源节点、气源产气上下限、管道首末端节点、管道常数C、节点气压上下限、气负荷分布。

耦合数据单独建一个结构体：燃气机组接在哪个电网节点、对应消耗哪个气网节点的气、气耗系数是多少；P2G接在哪个电网节点、输出到哪个气网节点、转换效率是多少。

我在调试不同算例时发现，把数据集中放Excel或CSV里统一读取，比直接写在m文件里更灵活。换算例时只要替换数据文件，代码主体一行都不用改。

3.3 变量定义与约束构建的核心片段

决策变量通过sdpvar定义，关键代码如下：

% 电网决策变量 P_g = sdpvar(n_gen, 1, 'full'); Q_g = sdpvar(n_gen, 1, 'full'); V = sdpvar(n_bus, 1, 'full'); theta = sdpvar(n_bus, 1, 'full'); Q_c = sdpvar(n_shunt, 1, 'full'); % 气网决策变量 Pi = sdpvar(n_gasbus, 1, 'full'); G_s = sdpvar(n_gassource, 1, 'full'); F = sdpvar(n_pipe, 1, 'full'); % 耦合设备决策变量 H_g = sdpvar(n_gt, 1, 'full'); P_p2g = sdpvar(n_p2g, 1, 'full'); G_p2g = sdpvar(n_p2g, 1, 'full');

潮流约束写成循环或矩阵形式。气网管道约束用二阶锥形式：

for k = 1:n_pipe fro = pipe_fr(k); too = pipe_to(k); Constraints = [Constraints, F(k)^2 <= C(k)^2 * (Pi(fro) - Pi(too))]; Constraints = [Constraints, Pi(fro) >= Pi(too)]; end

耦合约束则写为：

% 燃气机组耗气 for k = 1:n_gt Constraints = [Constraints, H_g(k) == a_g(k) * P_g(gen_idx(k)) + b_g(k)]; end % P2G电转气 for k = 1:n_p2g Constraints = [Constraints, G_p2g(k) == eta_p2g(k) * P_p2g(k)]; end

目标函数按“购电成本+购气成本+碳交易成本”构建，最后调用：

ops = sdpsettings('solver', 'gurobi', 'verbose', 2); sol = optimize(Constraints, Objective, ops); if sol.problem == 0 P_g_opt = value(P_g); V_opt = value(V); Pi_opt = value(Pi); else disp('求解失败，请检查约束'); end

这里有个细节值得强调：YALMIP默认变量范围是[-∞, +∞]，所有电气量一定要显式添加上下界。以电压为例，不约束上下界的话，求解器可能跑来一个极其离谱的数值，但目标函数竟然还更小，那就是彻底的错误解。

3.4 求解器的数值稳定性调参

Gurobi整体很稳，但遇到数值病态问题也可能给出“Numerical trouble”之类的警告。最常见的诱因是量纲不一致：电网用有名值，气网用MPa，结果相差好几个数量级，导致约束矩阵条件数很大。

我的做法是，电网侧统一用标幺值，气网侧气压平方π也做归算，让数量级都在0.01到100之间。如果模型还是难收敛，可以试试给目标函数加一个极小值罚项，比如对机组出力加0.0001倍的二次罚项，能让求解器在多个几乎相同的最优解里快速稳定下来。

4. 仿真结果对比与物理量解读

4.1 测试系统怎么搭

为了快速验证模型，我建议先搭一个小系统，比如6节点电网配合7节点气网。电网由6条母线和3台发电机构成，其中1台是燃气机组，气网由7个节点、6条管道、2个气源构成。P2G设备接在第5个电网节点，同时向第6个气网节点注气。

我调试时把负荷水平和气负荷水平都做了归一化处理，保证系统在没有任何优化的情况下，电压和气压都处于合理范围内。这样后续优化结果的提升量才可信，不会一上来就是越限状态。

4.2 解耦优化与协同优化结果对比

我分别跑了传统“解耦”模型和“有功-无功协同”模型，结果整理成表格。这里的数据是示意性的，但趋势完全符合物理直觉：

电压偏差是衡量无功优化的核心指标之一。协同优化把燃气机组有功出力和P2G耗电放在一起优化，让有功分布和无功分布彼此照应，电压被压在更靠近1.0 p.u.的水平，网损率也随之下降。

碳排放的下降也很直观：协同优化会主动调整燃气机组和普通火电的出力比例，更容易安排P2G在负荷低谷期运行，把燃气机组的部分出力替换掉，碳排放自然降下来。

4.3 碳价变化如何影响运行决策

碳交易价格是碳中和目标里最有意思的一个参数。我连续把碳价从50元/吨调到300元/吨，观察系统运行方式的变化。碳价低的时候，系统倾向于多开燃气机组、少用P2G，因为气价相对便宜；碳价升高之后，燃气机组的运行成本明显上升，P2G的利用率开始增加。

再往上走，系统还会出现一个拐点，部分燃气机组直接减出力，外购电力增加。但外购电也会带来等效碳排放，如果电网侧的清洁比例不高，可能出现“本地减排、外调增加”的碳排放转移现象。这个点特别值得做研究的人关注，它说明碳中和不是一个纯技术优化问题，还需要配套的碳排放核算边界设计。

5. 常见报错排查与调试技巧实录

5.1 求解器不可用或“No suitable solver”

出现这条提示，十有八九是YALMIP没找到Gurobi。先检查Gurobi能否在MATLAB里单独运行，再检查路径是否正确。如果手头没有商业求解器，我建议先换用免费的SDPT3或SeDuMi，它们也支持二阶锥约束，只是求解速度慢一些。但对小规模测试系统完全够用。

5.2 模型返回“Infeasible problem”

不可行是所有优化模型里最让人头大的问题。我调试时一般按照“先电网、后气网、再耦合”的次序逐段放开。具体做法是：先把气网约束全部注释掉，把燃气机组当成普通发电机组，只跑电网OPF，确认电网自身约束没问题；再把电网约束锁死，单独调度气网模型，确认气网无约束冲突；最后把耦合约束逐条加回去。

如果加上某一类约束后立刻不可行，问题通常出在耦合设备的“数量级”或“流向”上。比如燃气机组气耗系数写得太大，气网气源根本供不上，优化器就会告诉你无解。这种情况要么调整气源上限，要么修正气耗系数，而不是盲目去放松电压限值。

5.3 电压初值导致收敛异常

交流潮流方程里有V×V×cosθ这类乘积项，本质是非凸问题，Gurobi处理的是松弛后的模型，求解稳定性整体不错，但初值太离谱仍可能导致中断。我在调试时会把电压初值固定为1.0，相角初值固定为0，也就是常说的平启动。只需要在sdpvar定义后给变量加个低权重罚项，或者初始化时用“assign(V, ones(n_bus,1))”。

5.4 中文注释乱码问题

MATLAB中文注释乱码，最直接的原因是文件编码和编辑器编码不匹配。我建议在保存m文件时把编码改成UTF-8，如果是旧版本遗留的GBK编码文件，直接另存为UTF-8即可。

实际操作中还有个更隐蔽的问题：代码里出现了中文引号、中文括号，YALMIP解析时会直接报错。排查办法很简单，把报错行整行删掉重新手打一遍，不要用编辑器从网页复制粘贴。

5.5 松弛不紧怎么处理

Weimouth方程做二阶锥松弛后，如果发现管道流量平方远小于右侧压力差，说明松弛并不紧，解出来可能偏向某些低压节点。我在这种情况会采取两个办法：一个是提高目标函数里碳价的权重，引导气网和电网的耦合设备更积极运行；另一个是给关键管道增加微小的流量罚项，让优化器倾向于把管道流量推向约束边界。

如果仍然不紧，就要考虑是不是管道常数C或者节点气压上下限设置有问题，很多人把节点气压下限设得过低，导致压力差足够大，管道流量反而游刃有余，松弛自然紧不起来。

5.6 调试心态与节奏

做这类电气互联系统优化，最容易犯的错误就是想一步到位。我自己的实践体会是：第一次跑通模型时，目标函数越简单越好，甚至可以先把气网方程里的压缩机消耗忽略，只保留管道流量平衡和压力约束，等整个框架跑通之后再把压缩机、碳交易、P2G等扩展模块逐步加回来。

这个“减法到加法”的过程看起来慢，实际是最快的。因为每加一个模块，你都能清楚地知道它对目标函数和约束的影响，一旦结果异常，你也能快速定位到底哪个模块在捣乱。

最后再分享一个我每次复现这类模型都会固定使用的小技巧：在输出模块里把电网节点电压、气网节点压力、机组出力和碳排放量同时画在一张多子图里。不要只在数据层面抠数值，直接看趋势图往往比看一堆数字更能发现模型问题。多试几次，你会对“电网和气网到底是如何耦合”有非常直观的感觉，这东西比任何论文里的公式都来得深刻。