12-电-热综合能源系统耦合优化调度-100% 摘要：代码做了一个IEEE39节点和6节点热网...

12-电-热综合能源系统耦合优化调度-100% 摘要：代码做了一个IEEE39节点和6节点热网互联的电热综合能源系统优化调度模型，该模型考虑到了电网潮流以及热网潮流，同时可以优化出热网节点的进水以及出水温度，是为数不多的可以得出热网潮流以及电网潮流的电热综合能源调度模型，出图效果也非常清楚，具体可以看下图。

电热综合能源系统的调度优化是个有意思的活，尤其是把电网和热网两个不同物理特性的网络揉在一起建模的时候。最近在复现某篇paper时，用Pyomo搭了个结合IEEE39节点电网和6节点热网的调度模型，这里分享些实战细节。

电网这块咱们用经典的交流潮流模型，39节点里10台发电机都得考虑爬坡约束。重点在于热网那套水力-热力耦合方程，特别是要同时优化各节点的进出水温度。看这段核心变量定义：

model.Tin = Var(model.h_node, model.T, bounds=(40, 95)) # 进水温度 model.Tout = Var(model.h_node, model.T, bounds=(40, 95)) # 出水温度 model.m = Var(model.h_pipe, model.T) # 管道流量

有意思的是水温约束的处理。热网节点温度变化需要满足热力学方程，比如这个回水混合约束：

def return_mixing_rule(model, n, t): if n not in model.h_source: # 非热源节点 return model.m_ret[n,t] * model.Tret[n,t] == sum( model.m[i,t] * model.Tout[model.h_pipe_to[i],t] for i in model.h_pipe if model.h_pipe_to[i] == n) else: return Constraint.Skip model.return_mixing = Constraint(model.h_node, model.T, rule=return_mixing_rule)

这里用管道流量加权计算混合后的回水温度，注意要排除热源节点。调试时发现，水温初始值设定不当会导致求解器卡在局部最优，后来改成先固定发电机出力单独求解热网模型获取初值。

电网和热网的耦合点主要在热电厂。比如某燃气机组既发电又供热，需要把燃料消耗量同时算进两个系统。这里展示下耦合约束的写法：

def chp_coupling(model, g, t): return model.P[g,t] == model.heat[g,t] * model.chp_ratio[g] model.chp_coupling_con = Constraint(model.chp_gen, model.T, rule=chp_coupling)

目标函数是典型的总成本最小化，但要注意把热网的泵耗成本也加进去。举个计算泵耗的代码片段：

def pump_power_rule(model, t): return sum(model.m[p,t] * model.pipe_dp[p] / (model.eta_pump * 1000) for p in model.h_pipe) pump_cost = pump_power_rule(model,t) * electricity_price[t]

调试时踩过个坑：热网管道长度参数忘记单位换算，导致泵耗计算差了三个数量级。后来在约束里加了参数校验才避免翻车。

最后说说出图，用Matplotlib画双层Y轴图展示电热功率变化趋势挺直观。比如左边轴显示某节点电压幅值，右边轴对应热网管道流量，能清晰看出早晚高峰时的耦合特性。建议保存求解器中间输出，用Seaborn的FacetGrid做多变量相关性分析，可能会发现某些热负荷变化其实比电网负荷更具时间敏感性。

这个模型在求解速度上还有优化空间，特别是处理非凸约束时。下次考虑把热网方程线性化处理，或者试试分层求解策略。毕竟实际工程中，能在15分钟内出可行解比绝对最优更重要。