matlab采用粒子群优化算法求解含压缩储能设备的综合能源系统运行优化。 结果包含储能设备24时出力，内燃机发电和发热出力，电制冷机出力等。 代码包含相关注释，方便对算法进行改进。 附相关参考文献。
最近在折腾综合能源系统的优化问题，发现粒子群算法（PSO）处理这类多约束、非线性问题还挺趁手。今天咱们就聊聊怎么用Matlab实现带压缩储能的系统优化，重点看看储能设备、内燃机和制冷机的出力协调。
先上段核心代码框架：
% 系统参数初始化 ESS_capacity = 500; % 储能额定容量(kWh) CHP_max = 200; % 内燃机最大出力(kW) load_electric = [120 110 ... ]; % 24时电负荷 load_heat = [50 45 ... ]; % 24时热负荷 % PSO参数 swarm_size = 50; % 粒子数量 max_iter = 100; % 迭代次数 w = 0.8; % 惯性权重 c1 = 2.0; c2 = 2.0; % 学习因子 % 变量维度：储能充放电+内燃机发电+内燃机产热+电制冷机 dim = 24*4;这里有个小技巧——把24小时的决策变量按时间片展开。比如第一个小时：
- 变量1：储能充放电功率（可正可负）
- 变量25：内燃机发电量
- 变量49：内燃机产热量
- 变量73：电制冷机功率
这种排布方式方便处理时间耦合约束，特别是储能的SOC（荷电状态）连续性。
目标函数是总运行成本最小，重点看约束处理：
function cost = objective(x) % 提取各设备出力 ESS_power = x(1:24); CHP_e = x(25:48); CHP_h = x(49:72); EC_power = x(73:96); % 计算成本（示例） fuel_cost = sum(CHP_e*0.6 + CHP_h*0.4); grid_cost = max(0, (load_electric + EC_power - CHP_e - ESS_power)) * 0.8; total_cost = fuel_cost + sum(grid_cost); % 约束惩罚项 penalty = 0; % 功率平衡约束 penalty += 1e4*sum(abs(CHP_e + ESS_power + grid_purchase - load_electric - EC_power)); % 储能SOC约束 SOC = cumsum(ESS_power)/ESS_capacity; penalty += 1e4*sum(max(0, SOC-1) + max(0, -SOC)); % 设备出力上下限 penalty += 1e4*sum(max(0, CHP_e-CHP_max) + max(0, -CHP_e)); cost = total_cost + penalty; end这里用外点法处理约束，把违规量转化为惩罚项。实际项目中发现系数取1e4能较好平衡收敛性和约束满足。
粒子更新部分要注意边界控制：
% 速度更新 v = w*v + c1*rand().*(pbest_pos - x) + c2*rand().*(gbest_pos - x); % 边界处理 x = min(max(x + v, lb), ub); % 特殊处理储能充放电功率 ESS_power = x(1:24); ESS_power(ESS_power>0) = min(ESS_power(ESS_power>0), charge_rate); % 充电限制 ESS_power(ESS_power<0) = max(ESS_power(ESS_power<0), -discharge_rate); x(1:24) = ESS_power;这里在常规越界处理后，单独对储能功率进行充放电速率限制，防止出现一个小时就把储能充满/放空的情况。
跑完算法后，典型结果长这样：
储能出力: [-50 -50 ... 30 30] % 夜间充电，白天放电 内燃机发电: [120 110 ... 180 170] 产热: [45 40 ... 60 55] 电制冷机: [20 18 ... 25 22]可以看到储能在电价低谷时段充电，负荷高峰时放电配合内燃机工作，实现削峰填谷。内燃机运行在热电比相对固定的区间，通过电制冷机调节冷热负荷平衡。
代码里留了几个可改进点：
- 在
objective函数第15行，电网购电计算改用分时电价模型 - 粒子初始化时采用拉丁超立方采样（可以用
lhsdesign函数） - 加入动态惯性权重调整策略
参考文献扔这里方便扩展：
[1] Kennedy J. Particle swarm optimization[M]. 1995.
[2] 王伟等. 含压缩空气储能的区域综合能源系统优化调度[J]. 电力系统自动化, 2018.
代码传了GitHub，需要自取。这类优化问题参数调试挺玄学的，多跑几次迭代观察收敛曲线，适当调整惩罚系数效果更稳。
