3. 收益模型构建：调频收益函数、调峰收益函数、联合优化目标函数
好，咱们进入第三讲。前面我们把调频和调峰的市场规则、物理约束都捋了一遍，现在该动真格的了——建数学模型。
说实话，我刚开始做这个方向的时候，也犯过傻。总想着把模型建得越复杂越好，恨不得把电网里每一根导线的损耗都算进去。结果呢？模型跑三天三夜不出结果，甲方爸爸直接打电话来骂人。后来我学乖了：收益模型，核心是抓住主要矛盾。调频看的是里程和容量，调峰看的是电量和爬坡，其他细枝末节，能简化就简化。
3.1 调频收益函数
调频市场的收益，说白了就两块：容量收益和里程收益。
容量收益，就是你为系统预留了多少调节功率。比如你报了个10MW的调频容量，不管实际用没用，市场都会按容量价格给你结算。里程收益呢，就是你的机组实际跟着AGC指令跑了多少路——这个“路”指的是调节里程，单位是MW。
我习惯把调频收益函数写成这样：
R_freq = R_cap + R_mil
R_cap = P_cap × T × λ_cap
R_mil = M_total × λ_mil其中：
- P_cap：申报的调频容量（MW）
- T：结算周期（小时）
- λ_cap：容量出清价格（元/MW·h）
- M_total：总调节里程（MW）
- λ_mil：里程出清价格（元/MW）
这里有个坑，我踩过。里程价格λ_mil不是固定的，它跟你的调节性能强相关。有些市场会引入“调节性能系数K”，K值越高，里程单价越高。你想想看，同样是跑了100MW的里程，K=0.8和K=1.2，收益能差50%。
3.2 调峰收益函数
调峰收益就相对直白了。它主要来自深度调峰和启停调峰两块。
深度调峰，就是让机组在低负荷运行，比如从50%额定负荷压到30%。这部分收益等于“少发电的损失”加上“市场给的补偿”。启停调峰更狠，直接停机再开机，补偿金额一般按启停次数算。
我一般这么建模：
R_peak = R_deep + R_start
R_deep = (P_base - P_low) × T_deep × λ_deep
R_start = N_start × λ_start参数说明：
- P_base：基准出力（MW），通常是额定功率的50%
- P_low：深度调峰时的实际出力（MW）
- T_deep：深度调峰持续时间（h）
- λ_deep：深度调峰补偿单价（元/MW·h）
- N_start：启停次数
- λ_start：单次启停补偿（元/次）
嗯，这里要注意：深度调峰的λ_deep往往不是线性函数。有些市场是阶梯报价，比如压到40%出力时补偿100元/MWh，压到30%时补偿200元/MWh。你想想看，压得越深，机组效率越低，磨损越大，补偿自然要更高。
3.3 联合优化目标函数
好，现在把调频和调峰捏到一起。为什么要联合优化？因为这两个市场是互相抢资源的。
你想想看，机组的可调容量是有限的。你拿10MW去做调频，那这10MW就不能同时去做调峰。反过来也一样。所以我们需要一个目标函数，把两个收益加起来，再减去成本，找到那个“总利润最大”的分配点。
我常用的联合优化目标函数长这样：
max: R_total = R_freq + R_peak - C_fuel - C_wear
s.t.
P_cap + P_low ≤ P_max - P_min // 容量约束
0 ≤ P_cap ≤ P_cap_max // 调频容量上限
P_min ≤ P_low ≤ P_base // 调峰出力范围
...其他约束其中：
- C_fuel：燃料成本，跟发电量挂钩
- C_wear：磨损成本，跟调节次数和深度有关
这个优化问题，说白了就是：在满足物理约束的前提下，把调频容量和调峰出力分配到最优比例。我习惯用线性规划或者混合整数规划来解，因为约束大多是线性的。
下面这张图，是我自己项目里常用的决策逻辑框架，你可以参考一下：
这个框架图，说白了就是三个输入、一个核心、一个输出。你在实际项目中，只需要把市场数据、机组参数、成本数据填进去，求解器就会告诉你：调频报多少容量、调峰压到多少出力、要不要启停。
最后说一句，模型建好了，别急着跑。先拿历史数据做一下回测，看看优化结果跟实际收益差多少。我一般会留20%的数据做验证，确保模型不是“过拟合”的纸老虎。