4. 容量优化理论基础：优化问题建模、目标函数与约束条件、线性规划与非线性规划
各位同学，咱们今天聊聊容量优化的理论基础。说白了，就是怎么用数学语言，把“怎么配风储容量最划算”这个问题说清楚。
我刚开始做风储项目那会儿，总觉得拍脑袋定个容量比例就行。结果呢？要么储能配多了，投资回报率低得可怜；要么配少了，弃风率居高不下。后来我才明白，这事儿必须得靠优化理论来指导。
4.1 优化问题建模——把工程问题翻译成数学语言
优化问题建模，就是把一个实际的工程问题，抽象成一个数学表达式。我个人习惯，先问自己三个问题：
- 决策变量是什么？——我要决定什么？比如风机容量、储能功率、储能容量。
- 目标是什么？——我想达到什么效果？比如总成本最小、弃风损失最小。
- 限制条件是什么？——有哪些约束？比如场地面积、投资预算、电网接入限制。
举个例子，一个简单的风储容量优化问题，可以这样建模：
决策变量：
P_wind：风机额定功率（MW）
E_storage：储能额定容量（MWh）
P_storage：储能额定功率（MW）
目标函数：
min 总成本 = 风机投资成本 + 储能投资成本 + 弃风惩罚成本
约束条件：
1. 投资预算 ≤ 总预算上限
2. 储能SOC在0~100%之间
3. 弃风率 ≤ 允许的最大弃风率
4. 风机出力 ≤ 当地风资源可发电量
嗯，这里要注意，建模的时候千万别把问题搞得太复杂。我在项目中遇到过，有人一上来就建了个几百个变量的模型，结果求解器跑三天三夜都算不出来。我的建议是：先建一个简单的、能跑通的模型，再逐步增加细节。
4.2 目标函数与约束条件——优化问题的“方向盘”和“护栏”
目标函数，就是你要优化的那个指标。它就像方向盘，决定了优化方向。约束条件，就是你不能逾越的边界，像护栏一样。
4.2.1 常见的目标函数
在风储容量优化中，常见的目标函数有这几类：
| 目标类型 | 数学表达式 | 适用场景 |
|---|---|---|
| 成本最小化 | min (C_wind + C_storage + C_curtailment) | 投资决策阶段 |
| 收益最大化 | max (R_electricity - C_total) | 运营优化阶段 |
| 弃风率最小化 | min (弃风电量 / 总发电量) | 高弃风率地区 |
| 多目标优化 | min (w1*成本 + w2*弃风率) | 综合权衡场景 |
你想想看，如果只追求成本最小，那干脆不配储能算了，但弃风率会很高。如果只追求弃风率最小，那配个超级大的储能，成本又受不了。所以，多目标优化在实际项目中更常见。
4.2.2 约束条件的分类
约束条件，说白了就是“你不能乱来”。我把它分成三类：
- 物理约束：比如储能SOC不能超过100%，也不能低于0%。这是物理定律，改不了的。
- 经济约束：比如总投资不能超过预算。这是老板定的，也改不了。
- 运行约束：比如弃风率不能超过5%。这是政策要求，还是改不了。
4.3 线性规划与非线性规划——两种求解思路
优化问题建好模了，接下来就是求解。根据目标函数和约束条件的数学性质，可以分为线性规划和非线性规划。
4.3.1 线性规划（LP）
线性规划，就是目标函数和约束条件都是线性的。说白了，就是所有变量都是一次方，没有平方、没有乘积、没有三角函数。
线性规划的优点：
- 求解速度快，成熟算法多（比如单纯形法、内点法）
- 一定能找到全局最优解
- 对大规模问题友好
线性规划的缺点：
- 表达能力有限，很多实际问题是非线性的
- 比如储能充放电效率，其实是和功率相关的非线性函数
举个例子，一个简化的线性规划模型：
目标函数：min 0.5*P_wind + 0.8*E_storage + 0.2*P_storage
约束条件：
P_wind + P_storage ≥ 10 （满足负荷需求）
E_storage ≤ 5 （储能容量上限）
P_wind ≥ 0, E_storage ≥ 0, P_storage ≥ 0
这个模型很简单，用Excel的求解器都能算出来。
4.3.2 非线性规划（NLP）
非线性规划，就是目标函数或约束条件中，至少有一个是非线性的。比如：
- 目标函数里有平方项：min (P_wind² + E_storage²)
- 约束条件里有乘积项：P_wind * η(P_storage) ≥ 10
- 有三角函数、指数函数等
非线性规划的挑战：
- 求解速度慢，尤其是大规模问题
- 可能陷入局部最优，找不到全局最优
- 对初始值敏感，不同的初始值可能得到不同的解
4.3.3 如何选择？
我个人习惯，先试试线性规划。如果线性规划的结果和实际偏差太大，再考虑非线性规划。你想想看，线性规划求解只要几秒钟，非线性规划可能要几个小时。在工程实践中，时间成本也是成本。
下面这张图，是我总结的优化方法选择流程：
嗯，这张图的核心逻辑就是：能线性就线性，不能线性就近似，实在不行再用非线性。这个原则，在我做过的十几个风储项目中，从来没出过问题。
4.4 小结
这一章的内容，说白了就是三件事：
- 建模：把工程问题翻译成数学语言，明确决策变量、目标函数和约束条件。
- 目标与约束：目标函数是方向盘，约束条件是护栏，两者缺一不可。
- 线性 vs 非线性：线性规划简单高效，非线性规划灵活但复杂。我的建议是，优先用线性规划。
记住，优化理论不是纸上谈兵。我在项目中见过太多人，模型建得漂漂亮亮，结果一跑就出问题。所以，动手实践才是王道。下一章，我会带大家用Python实现一个完整的容量优化案例，到时候你们就明白了。
公众号:蓝海资料掘金营，微信deep3321