01
课程导论
热储能在区域能源系统中的角色 · 课程目标与学习路径 · 典型项目案例全景展示
全景入门
02
热负荷特性分析
区域热负荷的构成 · 典型日负荷曲线 · 季节性变化规律与影响因素
负荷曲线
03
热源特性分析
常见热源类型（CHP、电锅炉、热泵、太阳能集热）· 出力特性与成本模型
热源成本
04
储能技术选型
显热储热（水蓄热、岩石蓄热）· 相变储热 · 热化学储热的技术对比与适用场景
选型对比
05
储热介质与材料
水的热物性 · 相变材料（PCM）的选择标准 · 新型复合材料简介
材料PCM
06
储热罐体设计基础
立式与卧式储罐 · 分层与混合 · 保温材料与热损失计算
罐体热损失
07
容量配置核心参数
储热时长 · 设计温差 · 放热功率 · 循环效率 · 自放电率
参数设计
08
经济性评价指标
净现值（NPV）· 内部收益率（IRR）· 投资回收期 · 全生命周期成本（LCC）
经济LCC
09
确定性容量配置方法
基于峰值负荷的简易估算法 · 基于典型日的能量平衡法
确定性估算
10
不确定性分析入门
负荷预测的不确定性 · 可再生能源出力的随机性 · 电价波动的影响
不确定性随机
11
蒙特卡洛模拟方法
基本原理 · 在容量配置中的应用步骤 · Python实现框架
蒙特卡洛模拟
12
场景分析法
典型场景生成 · 场景削减技术（k-means聚类）· 场景概率权重分配
场景聚类
13
鲁棒优化基础
盒式不确定集 · 鲁棒对等模型 · 保守度与成本的权衡
鲁棒保守
14
随机规划基础
两阶段随机规划模型 · 期望值模型 · 风险度量（CVaR）
随机规划CVaR
15
多目标优化
Pareto前沿 · NSGA-II算法简介 · 经济性与可靠性的权衡
多目标Pareto
16
Python工具链入门
NumPy、Pandas、Matplotlib在能源数据分析中的基础应用
Python数据分析
17
Pyomo建模基础
优化问题建模 · 线性规划与混合整数线性规划 · 求解器配置
PyomoMILP
18
单目标容量优化模型
以最小化LCC为目标，建立储热容量与运行策略的联合优化模型
单目标LCC
19
多目标容量优化模型
同时优化经济性与系统可靠性（如失负荷率），生成Pareto前沿
多目标可靠性
20
考虑需求侧响应的容量配置
可平移负荷 · 可削减负荷对储热容量的影响
需求响应灵活性
21
与电储能联合配置
电-热耦合系统 · 电锅炉+储热 vs 热泵+储热的技术经济对比
电热耦合对比
22
季节性储热技术
跨季节储热（BTES、ATES）的原理 · 容量配置的特殊性
跨季节BTES
23
分布式与集中式储热对比
网络拓扑 · 热损失 · 投资成本 · 运维复杂度的权衡
分布式集中式
24
项目实战一：某工业园区热储能容量配置
数据准备 · 模型搭建 · 结果分析
实战工业
25
项目实战二：某区域供暖系统热储能容量配置
含太阳能集热与热泵
实战太阳能
26
项目实战三：某数据中心余热回收+储热系统容量配置
余热回收 · 数据中心 · 容量配置
实战余热
27
敏感性分析
关键参数（电价、设备成本、负荷增长率）对最优容量的影响
敏感性参数
28
后评估与验证
仿真验证 · KPI指标体系 · 实际运行数据与设计值的对比方法
验证KPI
29
行业标准与规范
国内外储热相关标准（如GB/T、IEC）· 设计审查要点
标准规范
30
课程总结与前沿展望
虚拟电厂中的储热 · AI辅助容量优化 · 未来技术趋势
前沿AI