01
绪论：为什么要做调峰？
新能源并网带来的挑战与综合能源系统的机遇。
背景趋势
02
基础概念：什么是调峰？
调峰容量、调峰速率、调峰深度等核心指标解析。
指标定义
03
系统架构
并网型综合能源系统的典型拓扑结构（电、气、热、冷耦合）。
拓扑耦合
04
核心设备建模（上）
燃气轮机、余热锅炉、电锅炉的数学模型与运行约束。
设备数学
05
核心设备建模（下）
储能电池、蓄热罐、光伏、风电的出力特性与模型。
储能新能源
06
不确定性处理
风光出力的随机性与预测误差，场景生成与削减方法。
随机场景
07
确定性优化模型
以运行成本最低为目标的混合整数线性规划（MILP）建模。
MILP成本
08
求解算法基础
分支定界法、Benders分解法在能源系统优化中的应用。
算法分解
09
商业求解器实战
使用Gurobi/Python求解一个简单的日前调度问题。
GurobiPython
10
鲁棒优化入门
盒式、椭球式不确定集，两阶段鲁棒优化模型。
鲁棒不确定集
11
分布鲁棒优化
基于Wasserstein距离的分布鲁棒优化方法。
分布鲁棒Wasserstein
12
多时间尺度协调
日前-日内-实时三级调度架构与滚动优化策略。
滚动多尺度
13
需求响应机制
价格型与激励型需求响应，可平移/可中断负荷建模。
DR可中断
14
电动汽车集群调控
V2G技术，电动汽车作为移动储能参与调峰。
V2G移动储能
15
多主体博弈
产消者、微电网、聚合商之间的非合作博弈与主从博弈。
博弈主从
16
碳交易与绿色证书
碳配额、CCER、绿证交易对调峰策略的影响。
碳绿证
17
市场环境下的调峰
电力现货市场、辅助服务市场中的调峰报价策略。
现货辅助服务
18
机器学习辅助优化
用LSTM预测负荷与新能源出力，嵌入优化模型。
LSTM预测
19
强化学习调峰
基于深度Q网络（DQN）的实时调峰决策。
DQN强化学习
20
数字孪生技术
构建综合能源系统的数字孪生体，进行在线优化。
数字孪生在线
21
案例实战（一）
某工业园区电-热耦合系统日前调度代码实现。
实战电热
22
案例实战（二）
含储能的社区微电网两阶段鲁棒优化。
鲁棒微电网
23
案例实战（三）
考虑电动汽车的虚拟电厂参与辅助服务市场。
虚拟电厂EV
24
案例实战（四）
基于多智能体强化学习的多微网协同调峰。
多智能体协同
25
软件工具链
Python + Pyomo + Gurobi + Pandas 的完整工作流。
Pyomo工作流
26
算法性能调优
大M法、约束聚合、对称性破缺等建模技巧。
调优大M
27
结果分析
如何解读优化结果？灵敏度分析、影子价格与边际成本。
灵敏度影子价格
28
系统可靠性评估
N-1准则下的调峰策略鲁棒性校验。
N-1可靠性
29
前沿趋势
氢储能、光热发电、核能供热与新型调峰资源。
氢光热
30
课程总结与展望
从工程实践到学术前沿，调峰技术的未来之路。
总结未来