2. 调度优化理论基础：优化问题建模、线性规划与混合整数规划、动态规划在储能调度中的应用

各位好，我是老张。今天咱们聊聊调度优化的理论基础。说实话，这部分内容看着有点枯燥，但它是整个储能调度方案的“地基”。我见过不少项目，算法跑得挺欢，结果一落地就崩，为什么？说白了，就是模型没建对。

咱们先理清一个概念：储能调度，本质上是个“决策问题”。什么时候充？什么时候放？充多少？放多少？这些问题背后，都对应着数学上的优化模型。你想想看，如果连模型都建错了，后面的求解再漂亮也是白搭。

2.1 优化问题建模：从实际问题到数学语言

我个人习惯，拿到一个调度问题，先问自己三个问题：

• 决策变量是什么？——我要决定什么？比如每小时的充放电功率。
• 目标函数是什么？——我想达到什么效果？比如收益最大、成本最小。
• 约束条件是什么？——有哪些限制？比如电池容量、功率上限、SOC范围。

举个例子。假设我们有一个储能电站，要参与电网调峰。目标是在一天内赚最多的钱。决策变量就是每个小时的充放电功率。约束条件包括：电池不能过充过放、功率不能超过逆变器限值、每天的充放电次数有限制等等。

写成数学形式，大概是这样：

目标函数：max Σ (放电收入 - 充电成本)
决策变量：P_charge[t], P_discharge[t]  (t = 1,2,...,24)
约束条件：
  0 ≤ P_charge[t] ≤ P_max
  0 ≤ P_discharge[t] ≤ P_max
  SOC[t+1] = SOC[t] + η_charge * P_charge[t] - P_discharge[t] / η_discharge
  SOC_min ≤ SOC[t] ≤ SOC_max
  SOC[0] = SOC[24]  (日循环约束)

嗯，这里要注意。我在项目中遇到过，很多人把SOC的初始值和终值设成一样的，结果发现实际运行中根本做不到。为什么？因为电池有自放电，还有效率损失。所以，我建议在建模时，把SOC[24]设成一个范围，比如[0.2, 0.8]，而不是一个固定值。这样更贴近实际。

2.2 线性规划与混合整数规划：两种常用的求解方法

模型建好了，怎么求解？这就涉及到优化算法了。最常用的两类是线性规划（LP）和混合整数规划（MIP）。

线性规划，说白了就是目标函数和约束条件都是线性的。比如上面那个例子，如果充放电功率是连续变量，那就是一个线性规划问题。求解起来很快，几秒钟就能出结果。

但现实往往没那么简单。比如，储能电站不能同时充电和放电。这个约束怎么表达？你可能会想，加一个条件：P_charge[t] * P_discharge[t] = 0。但这是非线性的，求解起来很麻烦。

这时候，就需要引入整数变量。比如，定义一个二进制变量u[t]，表示t时刻的状态：1表示充电，0表示放电。然后加上约束：

P_charge[t] ≤ M * u[t]
P_discharge[t] ≤ M * (1 - u[t])

其中M是一个很大的数。这样，当u[t]=1时，只能充电；u[t]=0时，只能放电。这就是混合整数规划。

我曾经在一个项目中，用MIP模型做储能调度，结果求解时间长达几个小时。后来发现，是整数变量太多了。你想想看，如果时间粒度是15分钟，一天就有96个时段，每个时段一个整数变量，求解器会非常吃力。

下面这张图，展示了线性规划和混合整数规划在储能调度中的适用场景：

2.3 动态规划在储能调度中的应用

说完LP和MIP，咱们再聊聊动态规划（DP）。这个方法，我个人非常喜欢。为什么？因为它特别适合处理“时序决策”问题。储能调度，本质上就是一个多阶段决策问题——每个时刻都要决定充放电，而且当前决策会影响后续状态。

动态规划的核心思想，说白了就是“把大问题拆成小问题”。比如，一天的调度问题，可以拆成24个小时的子问题。每个子问题，只需要考虑当前时刻的决策和下一时刻的状态。

具体到储能调度，动态规划的递推公式是这样的：

V(t, SOC) = max { 当前收益 + V(t+1, SOC') }
其中：
  t: 当前时刻
  SOC: 当前荷电状态
  SOC': 下一时刻的荷电状态（由当前决策决定）
  V(t, SOC): 从t时刻、SOC状态出发，到结束的最大累计收益

你想想看，这个公式是不是很直观？每个时刻，我们只需要考虑“现在做什么，能让未来收益最大”。这就是动态规划的精髓。

我记得有一次，用动态规划做储能调度，效果出奇的好。但有个问题——状态空间太大了。如果SOC的精度是1%，一天24个时段，状态数就是100^24，根本算不过来。

下面这个表格，对比了三种方法在储能调度中的特点：

方法	适用场景	求解速度	我的经验
线性规划	连续变量，无离散决策	快（秒级）	适合实时调度，但无法处理启停
混合整数规划	含离散决策，如启停、状态切换	中等（分钟级）	模型灵活，但要注意整数变量数量
动态规划	时序决策，状态转移明确	慢（取决于状态数）	理论最优，但状态离散化要谨慎

最后，我想说一句。理论是基础，但实践才是检验真理的唯一标准。我见过太多人，拿着复杂的算法去解决简单的问题，结果得不偿失。记住，最好的算法，不是最复杂的，而是最合适的。