4. 机组组合（UC）问题：从数学描述到求解实战
各位同学好，今天我们来聊聊电力系统调度里最核心、也最让人头疼的一个问题——机组组合（Unit Commitment，UC）。
说实话，我入行那会儿，第一次接触UC问题，感觉就像在看天书。什么启停状态、爬坡约束、最小开停机时间……一堆概念砸过来。后来在项目里摸爬滚打了好几年，才慢慢理清楚这里面的门道。
今天我就把这块硬骨头，掰开了、揉碎了，讲给你听。
4.1 UC问题到底在解决什么？
先问个问题：电网调度员每天上班第一件事是干嘛？
不是喝茶看报，而是决定——明天哪些机组要开机，哪些要停机，每台机组发多少电。
这就是UC问题的本质。说白了，就是要在满足负荷需求的前提下，找到一组机组的启停计划和出力分配，让总运行成本最低。
你想想看，一台大型火电机组，从冷态启动到并网发电，可能要花好几个小时，甚至十几个小时。如果明天早上8点负荷突然飙升，你总不能临时去启动一台机组吧？来不及的。
所以，UC问题必须提前做，通常是提前一天做计划，也就是我们常说的日前调度。
核心要点：UC问题是一个典型的混合整数规划（MIP）问题。为什么叫混合整数？因为决策变量里既有连续变量（出力大小），又有整数变量（0-1启停状态）。
4.2 UC问题的数学描述
好，我们来点硬核的。UC问题的数学模型，我习惯把它拆成三块来看：目标函数、约束条件、决策变量。
4.2.1 目标函数
目标很简单——总成本最小。总成本包括两部分：
- 运行成本：燃料费、运维费等，通常用机组的耗量特性曲线来描述，一般是个二次函数。
- 启停成本：机组启动一次要花多少钱（比如锅炉预热、汽轮机暖机），停机也有成本。
数学上写出来就是：
min Σ Σ [ C_i(P_i,t) * u_i,t + SU_i,t + SD_i,t ]
其中：
- i：机组编号
- t：时段编号（通常取24小时，每小时一个时段）
- C_i(P_i,t)：机组i在时段t的发电成本，是出力P_i,t的函数
- u_i,t：0-1变量，1表示机组i在时段t处于开机状态
- SU_i,t：启动成本
- SD_i,t：停机成本嗯，这里要注意，启动成本SU_i,t本身也是个分段函数——热启动便宜，冷启动贵。我在实际项目中，曾经因为简化了这个成本函数，导致优化结果偏差很大，后来老老实实改回了分段线性化。
4.2.2 约束条件
约束条件才是UC问题的重头戏。我列几个最关键的：
| 约束类型 | 数学表达 | 说明 |
|---|---|---|
| 功率平衡 | Σ P_i,t = D_t | 所有机组出力之和 = 负荷需求 |
| 备用容量 | Σ P_i,max * u_i,t ≥ D_t + R_t | 开机机组最大出力之和 ≥ 负荷 + 备用 |
| 出力上下限 | P_i,min ≤ P_i,t ≤ P_i,max | 每台机组有最小稳定出力和最大出力 |
| 最小开停机时间 | u_i,t - u_i,t-1 相关约束 | 机组不能频繁启停，有最短运行/停机时间 |
| 爬坡约束 | |P_i,t - P_i,t-1| ≤ Ramp_i | 机组出力变化速率有限制 |
这里面，最小开停机时间约束是最容易出问题的。我曾经在一个省级电网的项目里，因为忽略了水电机组的开停机时间约束，结果优化出来的方案根本没法执行——水电机组频繁启停，水头都来不及调整。
4.3 混合整数规划（MIP）建模
刚才说的这些约束，怎么变成计算机能求解的模型？这就涉及到MIP建模了。
我个人的习惯是，先把问题拆成线性部分和整数部分：
- 整数部分：机组的启停状态 u_i,t，0或1
- 连续部分：机组的出力 P_i,t，在上下限之间连续变化
然后，把非线性约束做线性化处理。比如：
- 启动成本SU_i,t = C_start * (u_i,t - u_i,t-1)，当u_i,t从0变1时触发
- 最小开停机时间约束，可以用一组线性不等式来表达
举个例子，最小开机时间约束可以写成：
u_i,t - u_i,t-1 ≤ u_i,τ (τ = t+1, t+2, ..., t+T_on-1)
意思是：如果机组在t时刻开机了（u_i,t=1, u_i,t-1=0），那么接下来T_on个时段都必须保持开机状态。这种约束在数学上叫逻辑约束，MIP求解器（比如CPLEX、Gurobi）能直接处理。
实战小技巧：MIP模型的规模会随着机组数量和时段数急剧膨胀。24台机组、24个时段，就有24×24=576个整数变量。如果考虑更多约束，变量数轻松上万。所以，建模时一定要精简约束，能用线性约束就别用非线性，能合并就别拆分。
4.4 拉格朗日松弛法求解思路
说到求解，就不得不提拉格朗日松弛法（Lagrangian Relaxation, LR）。这个方法在90年代到2000年初非常流行，现在虽然MIP求解器越来越强，但LR的思想依然值得学习。
LR的核心思路是什么？我打个比方：
UC问题就像一个大公司，各部门（机组）之间有很多协调约束（比如功率平衡）。LR的做法是——把协调约束“松弛”掉，给每个约束定个“价格”，让各部门自己优化。
具体来说：
- 把功率平衡约束、备用约束等耦合约束，通过拉格朗日乘子（λ）加到目标函数里
- 这样，原问题就分解成了单机组子问题——每台机组独立优化自己的启停和出力
- 然后，通过次梯度法或捆绑法更新拉格朗日乘子，逐步逼近最优解
数学上，拉格朗日函数长这样：
L(u,P,λ) = 原目标函数 + Σ λ_t * (D_t - Σ P_i,t)
然后对偶问题：max_{λ} min_{u,P} L(u,P,λ)说白了，就是先对偶，再分解，再迭代。
注意：拉格朗日松弛法有个天然缺陷——它给出的解可能不可行。因为松弛了约束，所以求出来的解可能不满足功率平衡。这时候需要做可行化修复，比如用启发式方法调整机组出力。
我记得有一次做项目，用LR求解一个200台机组的UC问题，迭代了500多次才收敛。当时心里那个急啊，但没办法，这就是LR的代价——计算快，但收敛慢。
4.5 三种求解方法的对比
为了让你有个直观感受，我整理了个对比表：
| 方法 | 优点 | 缺点 | 适用场景 |
|---|---|---|---|
| MIP（分支定界） | 解的质量高，能保证最优 | 大规模问题求解慢 | 中小规模系统（≤100台机组） |
| 拉格朗日松弛 | 计算速度快，适合大规模 | 解可能不可行，需修复 | 大规模系统（≥100台机组） |
| 动态规划 | 理论成熟，适合小系统 | 维数灾难，无法处理大规模 | 单机或小系统（≤10台机组） |
现在工业界的主流做法是MIP + 启发式。先用MIP求解器算一个初始解，再用启发式方法微调，兼顾速度和精度。
4.6 本章知识体系总览
最后，我用一张图把本章的核心逻辑串起来：
这张图把UC问题的三个核心维度串在了一起。你从数学描述出发，理解问题本质；然后通过MIP建模，把问题变成计算机能算的形式；最后用拉格朗日松弛法，解决大规模求解的难题。
好了，这一章的内容就到这儿。UC问题是个硬骨头，但啃下来之后，你对电力系统调度的理解会上一个台阶。下一章我们接着聊——经济调度（ED）问题，那是UC问题的“兄弟”，但更侧重于出力分配。
公众号:蓝海资料掘金营，微信deep3321