01
多能互补系统概述
能源转型背景 · 多能互补定义与价值 · 典型系统架构（电/热/气/冷耦合）
概念架构
02
负荷预测基础
时间序列概念 · 平稳性与周期性 · 自相关与偏自相关分析
时序统计
03
数据预处理实战
缺失值处理（插值法）· 异常值检测（3σ原则）· 归一化与标准化
清洗特征工程
04
经典预测模型
ARIMA模型原理 · 模型定阶（AIC/BIC）· Python实现与残差检验
ARIMA统计
05
机器学习预测
特征工程（温度/湿度/节假日）· 随机森林回归 · XGBoost调参实战
XGBoost随机森林
06
深度学习预测
LSTM网络结构 · 时间步长与滑动窗口 · Keras/TensorFlow实现
LSTMTensorFlow
07
多模型融合策略
Stacking集成学习 · 加权平均法 · 模型选择与在线更新
集成Stacking
08
预测误差评估
MAE/MAPE/RMSE指标 · 误差分布分析 · 预测区间构建
评估区间
09
调度优化基础
优化三要素（目标/变量/约束）· 线性规划与整数规划
LP整数规划
10
经济调度模型
火电机组成本曲线 · 负荷平衡约束 · 等微增率准则求解
经济调度等微增率
11
多能互补调度模型
电热耦合约束 · 储能设备建模（SOC/充放电）· CCHP系统建模
CCHP储能
12
混合整数线性规划
MILP标准形式 · 分支定界法原理 · Python调用Gurobi/Cplex
MILPGurobi
13
鲁棒优化调度
不确定集（盒式/椭球式）· 两阶段鲁棒优化 · 列与约束生成
鲁棒C&CG
14
随机规划调度
场景生成与削减（K-means）· 期望值模型 · CVaR风险度量
随机规划CVaR
15
模型预测控制
MPC基本原理 · 滚动优化与反馈校正 · 微电网调度应用
MPC滚动优化
16
强化学习调度
马尔可夫决策过程 · Q-learning与深度Q网络 · 多智能体协同
强化学习DQN
17
源荷不确定性处理
风光出力预测误差建模 · 概率约束转化为确定性约束
不确定性概率约束
18
需求响应机制
价格型DR（分时电价）· 激励型DR（可中断负荷）· 用户响应模型
需求响应DR
19
储能优化配置
容量与功率优化 · 全生命周期成本 · 电池退化模型
储能LCC
20
综合能源系统规划
设备选型与容量配置 · 多目标优化（经济/环保/能效）
规划多目标
21
电力市场环境下的调度
日前市场出清 · 实时平衡市场 · 虚拟电厂参与市场
电力市场虚拟电厂
22
碳交易与低碳调度
碳配额分配 · 碳价机制 · 低碳经济调度模型
碳交易低碳
23
分布式协同调度
ADMM算法原理 · 分布式优化求解 · 一致性约束处理
ADMM分布式
24
实时调度与日内滚动
超短期预测（15分钟级）· 日内滚动优化策略
实时滚动
25
调度结果可视化
Gantt图绘制 · 负荷曲线对比 · 热力图展示调度方案
可视化Gantt
26
Python调度框架搭建
Pyomo/Optimization Toolbox · 自定义求解器接口
Pyomo框架
27
案例实战1：工业园区
多能互补系统调度（含光伏+储能+燃气轮机）
实战工业
28
案例实战2：商业楼宇
冷热电联供系统优化运行
CCHP商业
29
案例实战3：社区微电网
含电动汽车的日前-日内两阶段调度
微电网EV
30
课程总结与前沿展望
数字孪生 · AI大模型在能源调度中的应用趋势
前沿数字孪生