企业官网建设流程全解析

提到“计及P2G厂站的电-气综合能源系统规划研究”这个题，很多刚开始做论文复现的同学第一反应就是懵：P2G到底是个什么装置？规划研究和运行优化又差在哪里？Matlab代码从哪里下手？我当时拿到这个复现任务时也是从头查概念，等真正把论文里的模型拆开，才发现这条链路并没有想象中复杂——核心就是一句话：在电力系统和天然气系统之间加入P2G厂站作为耦合环节，然后在给定网络拓扑、负荷曲线、资源特性的前提下，回答“P2G厂站建在哪些节点、建多大容量、系统总成本最低”的问题。这篇文章适合正在复现综合能源方向论文的在校研究生、刚接触电气耦合规划的工程师，以及想快速把学术模型转成可运行程序的同行。我会把从模型公式到Matlab实现的完整流程，以及我实际踩过的坑全部写出来。

1. 复现之前，先搞懂这个课题到底在算什么

1.1 P2G厂站为什么值得写进规划模型

P2G（Power-to-Gas，电转气）的核心思路是把电能转化为燃气形态的能量存储。主流技术路线是先用电力电解水制氢，氢气可以直接混入天然气管道，也可以再经过甲烷化反应生成甲烷后注入燃气系统。听上去像是一条简单的“电→氢→气”串联路线，但放到综合能源系统里看，它带来的最大变化是：电网和气网从单向耦合变成了双向耦合。

过去电气综合能源系统里，电网与气网主要通过燃气轮机发生关联，燃气轮机消耗天然气发电，能量流向是“气往电走”。P2G一进来，电网富余的电也可以反向变成天然气，系统内部出现了一条“电往气走”的新通道。规划模型因此必须把两个网络放到同一个优化问题里联立求解，而不能像早期工程那样电网规划归电网、管网规划归管网。这就是题目里“计及”两个字的分量。

从实际收益来看，P2G在综合能源规划里主要有三个作用：支撑可再生能源消纳、缓解电网局部阻塞、提供长时间尺度的能量转移。风电和光伏的出力高峰经常是负荷低谷，如果不额外做储能，弃风弃光很难避免。电池储能适合解决小时级波动，但应对数天以上的能量转移成本很高。P2G把多余电能转成气，既可以用天然气管道大量存储，又能在燃气轮机需要时再发电，时间尺度灵活得多。

1.2 一份完整的复现项目到底要输出什么

标题里写的是“规划研究”，我用大白话翻译一下：在满足电力负荷、天然气负荷、新能源出力约束的前提下，合理选择P2G厂站的位置和容量，同时给出系统逐时段的运行方案，让全生命周期成本最低。

对应到论文里的图表，复现结果一般需要包含这样几类内容：

• P2G厂站的选址与定容：哪些候选节点被选中建设，每个节点的容量是多少；
• 逐时段运行结果：P2G输入功率、注入气网的燃气量、燃气轮机出力、购电量和购气量等；
• 经济性指标：总投资年值、年运行成本、总成本、各项成本占比；
• 对比分析：有P2G和无P2G两种场景下，总成本与新能源消纳率的差异；
• 灵敏度分析：P2G单位投资成本、气价、风电渗透率变化时，规划结果如何变化。

这些内容本质上就是论文里的核心图表，复现项目就是把这些图表背后的数学模型重新搭起来，用优化求解器算出数值结果，并努力和论文给出来的结果对齐。

1.3 我建议的复现顺序：别一上来就写完整模型

这个课题我一开始也走过弯路，想着直接把完整规划模型写进一个脚本里跑，结果约束写了几百行，报警告之后根本不知道问题出在哪个模块。后面我把流程调整成五步走，效率高了很多。

第一步是精读建模公式，把论文里的决策变量、约束条件、目标函数逐一列成表格，脑子里先形成“模型清单”。第二步是整理算例数据，网络拓扑参数、负荷曲线、风速曲线、分时电价、气价全部统一单位。第三步是先写一个不含P2G的基础运行优化模型，验证电网和气网约束本身没有写错。第四步再加P2G的容量决策变量与建设变量，把纯运行问题升级成混合整数规划问题。第五步才是跑完整算例、做对比分析。

这个顺序看起来很保守，但效果很稳。基础运行优化模型跑通了，说明网络约束和负荷数据没有问题；再加P2G耦合模块，出问题时就可以把排查范围锁定在P2G相关约束上，而不是在整个模型里大海捞针。

2. 核心建模方法：把论文公式拆成能编程的模块

2.1 P2G厂站建模：核心就三个变量

论文中常见的P2G简化模型是一个线性转换关系：

g_p2g(t) = eta_p2g * p_p2g(t)

p_p2g(t)是时段t消耗的电功率，单位用MW；g_p2g(t)是注入天然气系统的等效热功率，也用MW作为统一能量单位；eta_p2g是综合转换效率，数值多在0.55到0.75之间。实际工程里的效率会受到电解槽负荷率、温度等因素影响，但规划类论文普遍采用线性效率，原因是规划阶段关注的是投资决策和年度运行成本，不必精细到每个工况点。

P2G运行约束还需要搭配容量上限与建设逻辑：

0 <= p_p2g(t) <= cap_p2g * x_p2g

x_p2g是0-1建设变量，取1表示在该节点建设P2G厂站；cap_p2g是建设容量。这个约束保证没有建设厂站的节点强制不出力。有些论文还会加爬坡约束，限制P2G相邻时段输入功率的变化量，但在规划阶段如果时间尺度是小时级，爬坡约束的影响通常不大，可以根据论文是否给出相关参数决定加不加。

2.2 电网侧模型：直流潮流是主流选择

电网侧建模在规划类论文里基本都用直流潮流，不研究电压和无功，只关注有功功率分布。直流潮流的线性表达式为：

B * theta = P_inj P_flow_ij = (theta_i - theta_j) / x_ij

B是节点导纳矩阵的虚部，theta是节点相角，P_inj是节点净注入有功。P2G在这个模型里体现为一个电负荷，出现在对应节点的功率平衡方程中：

P_generator + P_import - P_load - p_p2g = sum(P_flow_out) - sum(P_flow_in)

支路潮流有限幅约束，相角也有上下限。这些约束打包进YALMIP时往往用矩阵形式一次性生成，不需要逐条循环。

直流潮流虽然忽略了很多电气细节，但对于“在哪里建P2G、建多大”这种投资决策问题已经足够。规划模型里同时包含建设变量和运行变量，求解规模本来就大，如果电网侧再用交流潮流模型，非线性会直接把求解难度拉到另一个量级。

2.3 气网侧模型：Weymouth方程怎么处理是关键

气网侧的稳态管流方程通常用Weymouth方程描述：

f_pipe^2 = K * (p_i^2 - p_j^2)

f_pipe是管道流量，K是管道常数，p_i和p_j是两端节点压力。麻烦在于，这是个非线性约束，直接扔给求解器几乎不可能在可接受时间内找到全局解。论文里常用的处理手段有三种：分段线性化、增量线性化、以及用变量替换后做迭代逼近。

我复现时采用的是分段线性化方法：把管道流量按照不同区间分段逼近，每一段用线性不等式描述气压平方差与流量的关系。这样做虽然会增加约束数量，但换来了模型整体线性，可以直接交给MILP求解器处理。气网节点流量平衡则写成：

g_source + g_p2g = g_load + g_gt + sum(pipe_flow_out) - sum(pipe_flow_in)

g_source是气源供气，g_p2g是P2G注入，g_load是气负荷，g_gt是燃气轮机耗气。气压上下限也要作为约束加入到模型里。

2.4 目标函数与整体约束结构

规划模型的目标函数由三块构成：P2G投资年值、系统运行成本、弃风惩罚。投资年值通常用等年值法折算：

C_inv = CRF * sum(inv_cost_p2g * cap_p2g) CRF = r * (1+r)^n / ((1+r)^n - 1)

r是折现率，n是项目寿命，CRF是等年值系数。运行成本包括购电成本和购气成本，购电按分时电价计算，购气按单位热值气价计算。弃风惩罚项可以加一个较小的惩罚系数，也可以直接作为硬约束要求风电全部消纳，具体看论文给的场景假设。

完整约束结构可以整理成下面这张表：

3. Matlab代码一步步搭起来：从变量定义到求解器调用

3.1 工具箱怎么选：YALMIP建模是复现最快路线

复现这类规划问题，最重要的一步就是选对建模工具箱。我的建议是用YALMIP做建模层，配一个成熟的MILP求解器做求解层。原因很简单：模型里同时有0-1变量、多时段变量、复杂耦合约束，如果用MATLAB自带的优化函数手写标准形式，变量顺序、等式约束矩阵、不等式约束矩阵稍微错一个位置就检查半天。YALMIP允许直接用数学表达式的形式写约束和变量，代码的可读性和调试效率都要高很多。

如果你的电脑还没装YALMIP，安装方式也不复杂，去官网下载压缩包，解压后把文件夹加到MATLAB路径即可。求解器方面，常见商业求解器和开源求解器都可以配合YALMIP工作，配置好求解器路径后，通过sdpsettings指定求解器名称就能调用。

3.2 代码结构：四个模块各司其职

我的复现工程分成四个脚本模块：参数初始化脚本、变量定义脚本、约束构建脚本、结果输出脚本。参数初始化脚本只负责给数据，变量定义脚本负责创建决策变量，约束构建脚本把所有约束汇总成一个约束对象，结果输出脚本负责统计成本和绘制曲线。

这种模块化写法在复现论文时非常有用。换一套算例参数时只需要改参数初始化脚本，约束脚本完全不用动；如果模型加一个约束，也只需要在约束构建脚本的对应位置改一行，不用在几百行代码里找人。

3.3 P2G耦合约束的YALMIP实现骨架

下面这段代码展示的是P2G耦合模块的核心写法，我把维度说明放在注释里：

%% 参数初始化（示意） T = 24; % 典型日时段数 N_BUS = 6; % 电网节点数 N_GAS = 6; % 气网节点数 cand = [2 3 5]; % P2G候选节点集合 eta_p2g = 0.62; % 转换效率 inv_cost = 5000; % 单位容量投资成本，元/kW discount = 0.08; % 折现率 life = 20; % 项目寿命年 CRF = discount * (1+discount)^life / ((1+discount)^life - 1); cap_max = 300; % 单节点最大建设容量，MW %% 决策变量定义 x_p2g = binvar(N_BUS, 1, 'full'); % 建设决策变量 cap_p2g = sdpvar(N_BUS, 1, 'full'); % 建设容量变量 p_p2g = sdpvar(T, N_BUS, 'full'); % P2G逐时段消耗电功率 g_p2g = sdpvar(T, N_GAS, 'full'); % P2G逐时段注入气网热功率 %% 约束构建 Constraints = []; for i = cand % P2G转换关系 Constraints = [Constraints, g_p2g(:, i) == eta_p2g * p_p2g(:, i)]; % 运行功率不超过建设容量 Constraints = [Constraints, 0 <= p_p2g(:, i) <= cap_p2g(i)]; % 容量上限，同时把容量与建设变量联系起来 Constraints = [Constraints, cap_p2g(i) <= cap_max * x_p2g(i)]; % 未建设节点强制容量为0 Constraints = [Constraints, cap_p2g(i) >= 0]; end % 候选节点之外的节点不允许建设 for i = setdiff(1:N_BUS, cand) Constraints = [Constraints, x_p2g(i) == 0, cap_p2g(i) == 0]; Constraints = [Constraints, p_p2g(:, i) == 0, g_p2g(:, i) == 0]; end

这段代码里有几个点容易写错。第一，p_p2g(:,i)的下标方向必须是T乘N，和后续电网节点平衡约束保持一致；第二，容量上限cap_max和效率eta_p2g的单位要先统一，我习惯把所有能量单位都统一成MW，天然气的热功率也按MW计，这样g_p2g和p_p2g可以直接用效率公式换算，不用再牵扯立方米、兆焦耳等单位换算；第三，setdiff那一段约束很多人容易漏掉，少了它，非候选节点虽然容量为0，但p_p2g仍然可能因为求解器边界设置被赋予非零值，导致结果里出现不存在厂站的P2G出力。

3.4 目标函数与求解调用

目标函数在YALMIP里可以直接写成表达式求和：

%% 目标函数 C_inv = CRF * sum(inv_cost * cap_p2g); % 投资年值 C_elec = sum(price_elec' * p_import); % 购电成本 C_gas = price_gas * sum(sum(g_buy)); % 购气成本 C_penalty = penalty_coef * sum(sum(p_wind_curtail)); % 弃风惩罚 obj = C_inv + C_elec + C_gas + C_penalty; %% 求解 ops = sdpsettings('solver', 'gurobi', 'verbose', 2); result = optimize(Constraints, obj, ops);

运行之前要检查YALMIP是否已经正确识别求解器，可以在MATLAB命令行输入yalmiptest，看输出里有没有出现对应的MILP求解器。如果求解器没有配置好，YALMIP可能自动降级成内置求解器，遇到0-1变量时速度会慢很多，甚至可能直接报错。

求解完成后，用value(x_p2g)、value(cap_p2g)提取规划结果，用value(p_p2g)提取逐时段运行结果。注意提取变量值的时候不要对整个sdpvar对象直接画图，先value转成double矩阵再画，否则很容易遇到类型不匹配的问题。

4. 一个可复现的小算例：跑一遍完整流程

4.1 算例结构与参数设定

为了验证整个代码流程，我自建了一个小规模的模拟测试系统，结构是6节点电网加6节点气网，两个网络在拓扑上一一对应，P2G候选节点选在2、3、5三个电气节点上。电网侧包含1个常规火电机组、2个风电场和2个燃气轮机，气网侧包含2个气源和若干气负荷。风速曲线采用典型日数据，节点负荷按峰值负荷比例缩放。

这里需要说明，算例参数是在论文常见量级基础上自己拼的，不代表任何真实工程数据，只是用来演示复现流程。具体参数如下：

4.2 复现结果与图表解读

按上述参数跑出来的规划结果是这样的：候选节点2建设P2G容量30MW，候选节点5建设容量16MW，候选节点3未建设。从系统层面看，加入P2G后总成本从无P2G场景的约5280万元/年下降到约5015万元/年，可再生能源利用率从91%提升到97%。

逐时段出力曲线上可以清楚看到，P2G的耗电功率集中在凌晨1点到5点之间，也就是风电出力高、电网负荷低的时段。加入P2G以后，风电消纳量明显提高，燃气轮机的耗气量也略有下降，因为部分气负荷由P2G注入的气体直接满足了。

这些结果的合理性可以从经济逻辑上验证：P2G厂站选址落在风电渗透率高的节点，是因为风电场周边电能不能就地消纳时有较大弃风压力，P2G相当于给风电装了一个“接盘方”；容量大小则由峰值负荷和风电曲线共同决定，容量再加大，多出来的P2G设备利用率太低，边际收益反而不划算。

4.3 算例结果对不上论文怎么办

复现时最容易急的一个问题就是结果和论文对不上。我的判断原则是：先看量级是否一致，再看趋势是否一致，最后才看数值是否完全一致。规划类论文里差几个百分点的数值是很正常的，因为论文复现需要的数据往往没有全部公开，负荷曲线、风速曲线的实际来源、典型日选取方式、收敛精度这些细节都会导致结果浮动。量级和趋势如果一致，就可以认为模型本身复现成功。

如果连量级都对不上，优先检查单位折算系数，尤其是天然气流量和热功率之间是否做了正确的能量换算。我见过不少复现失败案例，最后都是卡在气网单位上，一个换算系数搞错，整个成本就差了几倍。

5. 复现过程中容易卡住的问题与排查方法

5.1 WEYMOUTH非线性导致求解器不可行

最典型的坑是管道潮流方程直接写成sqrt形式，导致模型变成非线性混合整数问题，求解器要么报错要么长时间不收敛。我的处理方案是用分段线性化逼近，虽然约束数量增加，但整体模型保持MILP结构，求解稳定性和速度都有保障。分段数建议取5到8段，太少精度差，太多求解时间增长明显。

5.2 单位不统一导致目标函数数值扭曲

电力系统的MW、气网系统的m³/h、价格系统的元/kWh、元/m³，各自混在一起，结果很容易是天文数字或者无限接近零。统一能量单位是关键。我强烈建议把天然气的能量流量统一成MW热功率，气价也换算成元/MW，这样目标函数里所有项都是同一个量纲，数值范围可控，求解器数值稳定性也会好很多。

5.3 “没有建P2G的节点还在出力”这种逻辑错误

这种问题通常出在建设变量x_p2g与运行容量cap_p2g之间的约束缺失。一定要确认每个候选节点都建立了运行容量和建设变量的联动关系，非候选节点则显式强制为零。我会在约束构建完成后加一段诊断代码，打印所有节点x_p2g和cap_p2g的取值，快速发现这种逻辑错误。

5.4 求解时间过长或内存溢出

规划模型的时间维如果取8760小时，再叠加0-1变量，求解规模会膨胀得非常快。论文里常见做法是用典型日替代全年数据，比如取24小时或几个典型日加权重。如果你必须跑全年数据，建议先跑典型日验证模型正确性，再扩展到全年。求解时间超过预期时，先检查是不是求解器配置没设对，再考虑缩小候选节点集合、减少分段线性化段数。

5.5 结果不合理，总是选择在某一个节点建P2G

如果模型输出里所有候选节点都建了P2G，或者全部候选节点都不建，通常不是代码问题，而是目标函数或约束设置有问题。比如投资成本参数太小，模型就会倾向于到处建P2G；运行成本里购电价格太低，模型就会倾向于直接买电而不是转化。做一次参数灵敏度分析，看容量选址结果随成本参数如何变化，就能定位是哪个成本项权重不合理。

这里把常见问题整理成速查表：

6. 我的实际体会：P2G规划复现中最该重视的三件事

6.1 建模公式与代码要双向对照

复现质量的底线是“论文公式写得出来，代码片段对得上”。我建议每写完一组约束，就在注释里标注它对应论文里的哪个公式编号。这样做听起来麻烦，但在调试时节省的时间是成倍的。P2G规划模型涉及三个子系统的联动，任何一个模块写错，最后输出的结果都可能是“看起来合理但不正确”，因为目标函数还会收敛，只是收敛到一个错误的模型上。

6.2 求解结果必须做经济性解释

很多同学跑出结果就完事，但论文复现里更重要的能力是解释结果。为什么P2G建在风电节点而不建在负荷中心？为什么夜间出力高峰比白天更明显？这些问题的答案往往藏在数据里，比如分时电价的低谷段、风电高发时段与气负荷曲线的错峰关系。把结果讲清楚，才算真正理解了这个课题。

6.3 后续扩展可以往哪些方向走

复现完成的代码框架是一个很好的扩展平台。我目前在这个代码上继续改了三个方向：一是把单一典型日换成多个典型日加权重，做更接近全年的规划；二是加入多目标函数，同时考虑成本和可再生能源利用率两个指标；三是把P2G效率从固定值改成负荷率相关的分段函数，让运行结果更贴近实际。这些扩展在现有代码上改动量都不大，但研究深度和论文档次会有明显区别。

最后再分享一个个人习惯：每次改动完成后，我会把关键结果图表和参数组合保存成记录文件，方便随时回溯是哪一组参数跑出了哪个结果。复现不是一次性的任务，算例、参数、场景会经常变换，有完整过程记录再回头重跑或调整会从容很多。