综合能源系统优化实战：电热冷气协同调度与储能配置

综合能源系统这几年是园区、工厂、数据中心都在看的真问题——电、热、冷、气四种能源介质互相牵制，分时电价又把这个牵制换算成了真金白银。很多人以为上了储能、用了谷电就算“综合能源”了，但实际上，一套没有把热、冷、气放进统一调度框架的系统，充其量只是“分头省电”，离“成本最优”还差很远。

这篇的内容来自我实际参与过的一个园区综合能源改造项目：四套能源子系统打通、储能与电价联动、用滚动调度做运行成本优化。全文不绕理论，直接把架构、计算、约束、实测和踩过的坑摊开写，适合正在做综合能源项目前期方案、或者已经拿到负荷数据准备做运行策略的朋友参考。

1. 综合能源项目的底色：四张网耦合出来的复杂优化问题

1.1 电、热、冷、气在一个系统里是怎么“打架”的

先摆一个常见的物理架构。一个中等规模的产业园区，典型能源配置大概是这样：

• 电：市电为主，配一台燃气内燃发电机或燃气轮机，余热回收供热；
• 热：燃气锅炉供蒸汽或热水，同时接收发电余热，两者并入同一供热母管；
• 冷：电制冷机（离心式/螺杆式）为主，配一台溴化锂吸收式制冷机，用发电余热或锅炉蒸汽驱动；
• 气：市政天然气进园区，经调压计量分三路——锅炉、发电机、直燃设备；
• 储能：电储能（锂电池集装箱或磷酸铁锂站）和蓄冷水罐/蓄热罐，有的项目会加蓄冷空调末端。

看起来各自独立，运行起来全是耦合关系。发电机会因为电价高而多开，但它多开的同时会多排热——如果供热母管已经接近满载，这股余热就变成“排不掉的热”，只能通过散热器放掉。吸收式制冷机想把蒸汽转成冷，蒸汽源头又在锅炉和发电余热之间分配，锅炉多烧则天然气成本抬高，发电机多开则电价收益增加但同时燃气成本也增加。冷、热、气、电互相牵制，单看任何一个环节都推不出全局最优解。

1.2 为什么“分部最省”凑不成“全局最优”

我在项目里遇到过很典型的反面案例。某开发区一个科技园，办公楼、数据中心、综合商业三块负荷，改造之前是传统的“分头管理”：电力部门只管电费，空调班只管主机开机台数，燃气班组按锅炉供热管网的反馈烧气，三个班组各看各的报表。

结果是：市电尖峰电价时段，空调班为了省电费，把电制冷主机的出水温度调高了两度，楼内温度确实还在合格线，但数据中心机房因为散热需求上升，反而多开了两台风冷空调，电耗又升回去了；同一时刻，发电机因为电价高在满发，余热送进供热管网，可热负荷低，多余蒸汽只能泄压；锅炉班为了保持蒸汽压力稳定，又把锅炉减了载。到了晚上谷电时段，锅炉和吸收式制冷本可以多用谷电/蒸汽，但没人做跨介质调度，白白放弃了低价能源窗口。

这个案例说明一个核心问题：综合能源系统如果要谈“运行成本最优”，前提是有一个统一的目标函数和一整套约束条件——而不是每个班组各自为政。标题里的“电、热、冷、气”本质上是四个可调度变量，分时电价是价格信号，储能装置是时间搬移工具，运行成本最优才是最终目标。要做出这个系统，第一步就是先把四张网的边界参数和耦合关系写成数学模型，这一步没做好，后面的一切优化都是空中楼阁。

2. 分时电价不是简单的“谷充峰放”：把电价结构拆到能入库的粒度

2.1 分时电价的四个关键参数

很多项目负责人拿到供电公司的分时电价表，只看峰、谷、平三段，这是不够的。真正能用于运行优化的电价信息至少要拆出四项：

1. 时段边界：具体到几点到几点是峰、是谷、是平，还要关注尖峰时段。有些地区尖峰只出现在七八月和一二月的特定日子，需要单独建时间表；
2. 电价水平：尖峰、峰、平、谷四档实际单价，注意是否含税、是否含基本电费分摊；
3. 季节差异：夏季和冬季的时段划分和价格系数往往不同，春秋可能是另一套表；
4. 需量电费：按最大需量或变压器容量计费的部分，这会直接影响设备投放策略——要不要在峰时段刻意控制最大需量。

下面这个表是我在项目中实际用过的一张简化时段和电价参数，单位为元/千瓦时：

2.2 电价差产生的真实收益边界：不能只看峰谷价差

有些方案商把储能一充一放的收益直接按“峰价-谷价”乘以电量来算，这会导致测算严重高估。实际计算要扣掉四笔账：

• 充放电效率损失：锂电池储能现在能做到系统效率90%~92%左右，也就是说充进10度电，放出来最多9.2度，效率损失先扣一次；
• 辅助功率损耗：BMS、温控、逆变器散热这些还要吃掉额外的厂用电，通常按日耗电量的1%~3%计入；
• 循环衰减成本：磷酸铁锂在每日一充一放、DOD 80%的前提下，循环寿命约6000~8000次，折到每度电的衰减成本大概要0.08~0.12元/kWh；
• 电价时段边界的“尖峰占比”：尖峰时段能不能每次都放到电，取决于负荷预测和系统负荷率，不能按理论满载算。

一个粗略但可靠的单次充放电套利收益公式是：

单次循环收益 = 放电电量 × 峰段放电电价 - 充电电量 × 谷段充电电价 - 固定损耗摊销

例如储2MWh电站，循环效率91%，峰段放电电价1.18元/kWh，谷段充电电价0.36元/kWh：

• 放电电量：2MWh × 91% = 1.82MWh
• 充电电量：2MWh ÷ 91% ≈ 2.198MWh（反过来算更准，以放电量为基准）
• 单次电费套利收益：1.82 × 1180 - 2.198 × 360 ≈ 2147.6 - 791.3 ≈ 1356.3元

再扣日辅助功耗摊销约60元、衰减成本约200元，实际单日净收益约1100元。一个月不放假的话约33000元，一年约40万元。这还是在电价结构比较有利、负荷曲线配合的前提下的数字，如果负荷率低或者峰段无法充分放电，收益还要打折。

2.3 分时电价对热、冷设备同样有调度价值

分时电价的影响远不止储能电池。要在系统内做跨介质优化，电价信号至少要同时作用于四类设备：

• 电制冷主机的启停和出水温度设定：谷段多开，把冷水蓄到蓄冷罐；
• 燃气发电机的启停：峰段满发，谷段停机直接买市电；
• 热泵/电锅炉的投切：谷电价够低时，电锅炉可以顶上燃气锅炉，节省天然气；
• 蓄冷/蓄热罐的充放节奏：在谷段蓄能，峰段释能。

所以，我在做项目的时候从不把“分时电价”当成一个单独的储能模块，而是把它看成整个综合能源调度的“时间坐标轴”。所有设备的运行计划都要在电价轴上做一次平移优化，这才是“电、热、冷、气”能被放到同一框架下比较的根本原因。

3. 储能装置怎么配：不是越大越好，而是要看它重构了哪些能量流

3.1 储能不只是电池：四种储能在项目里的角色分工

储能这个词在综合能源项目里经常被窄化成“锂电池”，但在实际工程中，储能是四件套：

电储能解决的是“时间错配”，蓄冷蓄热解决的是“冷热源设备的错峰”，气储能解决的是“燃气供应与波动的匹配”。四类载体形成的组合，在系统里重构了能量流。

我建议在项目方案初期就画一张“能量流时序图”：横轴是24小时，纵轴标注每种能源的源、荷、储。把分时电价时段叠加在图上，哪一环节的流量和价格不匹配一目了然，这比直接用软件跑优化更能说服业主。

3.2 容量配置：用负荷曲线算，别用“拍脑袋系数”

储能容量的确定，最忌讳先定一个“多少千瓦时”再找理由。合规范做法是拿到至少一年的负荷曲线，按典型日、最热日、最冷日各挑一段做“削峰填谷需求分析”。

举个具体例子。某园区冬典型日电力负荷曲线大约是：

• 高负荷时段出现在09:00-21:00：峰值约2.6MW；
• 夜谷时段最低约1.1MW；
• 日用电量约46MWh。

要把峰段负荷从2.6MW削到2.0MW，早上08:30开始放电到11:30，下午18:00放电到21:00，累计需要放电电量为：

• 峰1时段3小时（1.0MW放电）= 3MWh
• 峰2时段3小时（1.0MW放电）= 3MWh
• 合计放电需求6MWh

以系统效率92%、DOD 80%计算，电储能电池容量约需：

6MWh ÷ 92% ÷ 80% ≈ 8.15MWh

考虑到衰减冗余20%，实际采购约10MWh，即5MW/10MWh的储能电站。这个容量既能满足削峰需要，又不在夜间谷段“充不满”——夜间谷段充电时长8小时，充电功率1.6MW左右，电量约12.8MWh，足够给10MWh的电池充满。

类似的方法也用于蓄冷罐容积估算。某楼宇日冷负荷峰值约2.4MW，峰段冷负荷占全天40%，计划把其中30%转到谷段制冷蓄存。谷段冷负荷约0.4MW，额外可蓄冷功率为1.4MW，蓄冷时长8小时，蓄冷量约11.2MWh。蓄冷水罐利用温差8℃，每立方米水的蓄冷量为：

4.186 kJ/(kg·℃) × 1000 kg/m³ × 8℃ ≈ 33488 kJ/m³ ≈ 9.3 kWh/m³

蓄冷罐容积约为11.2MWh ÷ 9.3 kWh/m³ ≈ 1204m³，考虑散热和流量损失加10%冗余，约1300m³。这个罐体占地不算小，但可以把2.4MW的峰段冷负荷压掉近1.4MW，相当于少装两台600kW离心机组，初投资比较账一算就明白值不值。

3.3 气储能：最容易忽略也是最后博弈的缓冲垫

在“电、热、冷、气”四要素里，“气”最容易变成配角。但实际上燃气系统是整个综合能源的“燃料源头”，天然气的供应波动、燃气锅炉/发电机的调度范围、气价和电价的比价关系，都会反过来决定发电机要不要开、锅炉要不要压负荷。

我给项目的建议是在燃气调压站后加一个中等容量的储气缓冲罐，容量按发电机满负荷2~3小时的气耗来选，作用有两个：

一是平抑短时气量波动，避免发电机升负荷时燃气压力骤降，触发锅炉侧熄火保护； 二是创造“口气价博弈窗口”，在气价高位时段少发电、多用市电；气价低位时段多发电、多回收余热。

这个缓冲罐投资不大，但对运行策略的柔性格外重要。没有它，系统的“气”就是一个刚性的源，优化时自由度大幅下降。

4. 运行成本最优的落地策略：目标函数、硬约束与工程简化

4.1 最优调度的目标函数和约束：写清楚才好让软件去算

在工程上，综合能源系统的优化问题一般抽象为“混合整数线性规划”（MILP）。它要算的是未来24小时各设备逐时的出力组合。目标函数粗略可以写成：

最小化：Σ(市电购电费用 + 天然气费用 + 设备启停惩罚 + 需量电费) - Σ(储能寿命损耗折算 + 排放费用（如有）)

把文字翻译成边界条件，至少要覆盖以下六组硬约束：

• 电力平衡约束：市电 + 发电机出力 + 储能放电 = 电负荷 + 储能充电
• 热力平衡约束：锅炉产热 + 发电机余热回收 = 热负荷 + 蓄热罐充放
• 冷力平衡约束：电制冷 + 吸收式制冷 = 冷负荷 + 蓄冷罐充放
• 设备容量上下限：每台设备的出力和启停状态必须在安全范围内
• 爬坡率约束：锅炉和发电机增减荷载不能跳变
• 储能SOC约束：充放电功率上下限、SOC上下限（比如20%-90%）、单小时最大充放电次数

如果全部按真实设备逐一建模，变量规模会很大，但求解器在商业软件里跑起来基本能在几十秒到几分钟内解出全天计划，工程上完全可接受。

4.2 从“数学最优”到“工程可用”：还要做三件折中

这一步是我最想提醒读者的。纸上最优解和现场能执行的最优解差得很远，主要有三个原因：

第一，负荷预测不准。电负荷、冷负荷、热负荷都有预测误差，最热日的冷负荷预测如果偏差10%，吸收式制冷的蒸汽调度就全部失真。工程处理办法是加“安全裕度反馈”：SOC约束留10%的动态区间，预测偏差大时优先保证满足基本供能，再调整充放计划。

第二，设备性能不是恒定曲线。制冷机的COP随着负荷率和冷却水温度变化，发电机的发电效率随负载率变化。如果优化模型里都用固定效率，结果会失真。工程做法是“分段线性化”——把效率曲线拆成几段折线，精度足够且计算量可控。

第三，执行层需要滚动闭环。我采用的是“预测-优化-执行”的滚动调度，每15分钟更新一次预测和优化结果，把未来24小时的计划窗口滚动推进。这样既保留了前瞻性，又能应对突发工况。

4.3 算一笔完整账：一套策略在典型日的实际调度结果

在项目实测阶段，某典型夏日的负荷和电价数据算出来的调度计划大致是：

• 23:00-07:00谷段：市电给储能充电至SOC 90%，电制冷主机开两台做蓄冷，蓄冷罐蓄满；
• 08:00-09:00平段过渡：发电机组不启动，母线全部由市电供给，优先让蓄冷罐供冷，制冷主机减少一台；
• 09:00-11:30峰段：发电机启动带约50%负荷，回收余热供吸收式制冷；储能按1.2MW放电，支撑削峰；锅炉压到最低安全负荷；
• 11:30-18:00平段：发电机组停，优先用蓄冷罐冷量，不够再开制冷主机；
• 18:00-21:00尖峰段：发电机再启动，储能放电到20%下限，吸收式制冷全开，把电制冷负荷降到最低；
• 21:00-23:00平段：发电机停机，蓄冷罐剩余冷量释放，同时供暖（如有）由锅炉保证。

这套计划跑下来，比改造前“电力部门只管电费、空调班只管制冷”的粗放模式，日运行成本下降了约14%~17%。其中储能峰谷套利贡献约30%，冷热耦合调度贡献约35%，发电余热利用贡献约25%，需量电费降低贡献约10%。

数据不具备普遍参考价值，因为园区负荷结构、电价水平差异极大。但至少证明一个事：运行成本最优不是某一个设备的功劳，而是电、热、冷、气与储能协同后的整体收益。

5. 我在实际项目里踩过的坑，以及事后怎么补

5.1 坑一：储能SOC上限设成100%，结果两天后系统“失灵”

第一次做项目时，我看到仿真模型里SOC上限是100%，觉得这样储能容量利用率最高，就照搬进策略。结果第三天出现了奇怪现象：谷电充得太满，到了峰段开始放电，但下午气温升高、冷负荷变大，吸收式制冷需要更多蒸汽，发电机提前满发，余热已经够用，可储能为了把SOC从100%降到80%，下午还在以低功率放电，把母线电压抬高了，导致发电机自动降载，余热又不够，蒸汽压力波动。整个系统陷入互相“卡位”的震荡。

后来把SOC上限调到90%，并且增加了一条约束：峰段最后1小时，储能放电功率不得高于额定功率的60%，给全天调度留出安全缓冲。问题就消失了。

这个坑的根子是“理想模型容量最优”和“工程系统安全裕度”的冲突。现实中所有设备之间都有耦合和延迟，SOC不能按100%这种极端值去设计，一定留10%左右的缓冲区间给系统喘口气。

5.2 坑二：把“分时电价”只看成峰谷两段，忽视了平段电价的存在

我在给另一栋楼做方案时，对方把精力全放在峰谷价差上，平段电价当成“不用管”的中间值。等到运行数据出来，发现了一个让人尴尬的现象：平段（11:30-18:00）电价0.78元/kWh，并不便宜，而该时段发电机如果停掉、全靠市电，成本反而比发电+余热利用更高；但预制的策略在平段固定停机，导致吸收式制冷机在下午最热时段没有足够蒸汽驱动，电制冷主机被迫满负荷运行，整体电费反而比改造前更贵。

后来把平段电价纳入优化目标，设置了一个“最低蒸汽量约束”，保证吸收式制冷在14:00-17:00始终有蒸汽可用。同时，把发电机启停的判断从“峰谷两段”改为“实时边际成本对比”——计算当前发电机发电的边际成本，与市电价格做比较，才对得起“最优”两个字。

5.3 坑三：燃气锅炉和蓄热罐之间的压力竞争

还有一次调试时，蓄热罐需要在谷段蓄热，但锅炉供热管网要求的出口压力比较高，蓄热罐的充水流量一大，管网压力就下降，末端蒸汽用户报警。后来靠修改控制逻辑解决：蓄热罐的充热流量限制在总管热负荷的20%以内，超过则自动降负荷。这件事让我明白，蓄能设备和用户的瞬时负荷之间存在“压力耦合”，储能不是想充多少就充多少的，必须给蓄能过程加一个“不影响用户侧压力/温度”的约束。

5.4 坑四：预测不准不是模型的错，是数据治理的问题

刚开始跑滚动优化时，预测偏差经常在15%以上。排查后发现根本不是算法问题，而是数据接口没做清洗：有几个电表上传的数据重复计数，还有两个温度传感器在特定时段输出坏值，导致冷负荷预测模型把“设备故障噪声”当成“真实负荷波动”来学。

解决方法是建立一套数据质量校验规则：传感器数据必须通过合理范围检查、时间戳连续性检查、与相邻测点的一致性检查，不合格数据直接剔除，用历史同期数据插补。做完之后预测偏差降到6%~8%。这也是我强烈建议任何综合能源项目都要先投一笔小钱建数据质量管理模块的原因。

综合能源的运行成本最优，落到最后就是数据质量、模型精度、执行纪律三件事。电价、设备、负荷都可能变化，但数据不干净，再聪明的算法也是白搭。这一点我可以肯定地说：任何项目的收益，都是从数据治理和边界条件抠出来的，不是从算法库里挑一个复杂模型就能天上掉下来的。