两阶段鲁棒优化模型 多场景 采用matlab编程两阶段鲁棒优化程序，考虑四个场景，模型采用列与约束生成（CCG）算法进行求解，场景分布的概率置信区间由 1-范数和∞-范数约束，程序含拉丁超立方抽样+kmeans数据处理程序，程序运行可靠，有详细资料
一、代码整体概述
本套代码基于MATLAB平台开发，采用列与约束生成（CCG）算法求解含四个场景的两阶段鲁棒优化模型，聚焦电热综合能源系统的优化调度问题。通过引入1-范数和∞-范数约束界定场景分布的概率置信区间，综合考虑微燃机、储能系统、电锅炉、风电、光伏等多种能源设备，以及电/热负荷需求响应机制，实现系统运行成本最小化与能源利用效率最大化的双重目标。代码由主程序、主问题求解程序、子问题求解程序及辅助工具程序构成，各模块协同完成场景生成、约束构建、优化求解与结果可视化全流程。
二、核心文件功能拆解
（一）主程序：MAIN427.m
作为代码入口，负责全局参数初始化、迭代求解调度、结果计算与可视化输出，是整个优化流程的核心调度中心。
1. 参数初始化
- 基础参数配置：设定场景概率
ps0（经归一化处理）、置信水平alfa1/alfaw、采样次数N，通过公式计算概率置信区间的范数约束参数theta1/thetaw；定义时序长度tn=24（对应一天24小时）。 - 设备参数配置：
- 微燃机：最大出力
Pgmax=300kW、爬坡约束ru=50kW/rd=50kW、运行成本cg=1.7、启停成本cqt=0.25、电热比d2h=1.2。 - 储能系统（电储能）：容量
Sch=400kW、最大充电功率Pchmax=0.2Sch、初始电量ee0=0.5Sch、SOC上下限socmax=0.9/socmin=0.1、充放电效率eta=0.95、老化成本ccn=0.3*7/100。 - 电锅炉：转换效率
yitagl=0.9。 - 经济成本参数：弃风弃光成本
cq=0.62、需求响应补偿成本cdz=0.5/cdd=0.5/chd=0.05。 - 边界参数初始化：设定目标函数上下界
UB=inf/LB=-inf，用于迭代收敛判断。
2. 迭代求解流程
采用CCG算法框架，通过4次迭代（对应4个场景）交替求解主问题（MP427.m）和子问题（SP427.m）：
- 主问题求解：生成当前迭代的可行解，更新目标函数下界
LB并存储于LB1数组。 - 子问题求解：基于主问题解寻找最坏场景下的最优响应，更新目标函数上界
UB并存储于UB2数组。 - 迭代终止：固定迭代4次（可修改为
while UB-LB>1的收敛条件），确保解的精度与计算效率平衡。
3. 结果计算与可视化
- 核心指标计算：统计弃风率
qw、弃光率qv，为能源利用效率评估提供依据。 - 多维度可视化图表：
- 目标函数收敛图：绘制迭代过程中
UB与LB的变化曲线，验证算法收敛性。 - 电/热功率平衡图（分4个场景）：通过堆叠柱状图展示电锅炉、售电、充电、放电、购电、微燃机发电、风电、光伏等电侧设备出力，以及储热、放热、微燃机热供应等热侧设备出力，叠加电/热负荷曲线，直观呈现供需平衡状态。
- 需求响应效果对比图：对比需求响应前后的电/热负荷变化，展示可转移负荷、可中断负荷的调节效果。
（二）主问题求解程序：MP427.m
构建两阶段鲁棒优化的主问题模型，通过CPLEX求解器寻找最小化系统运行成本的可行解，输出决策变量与中间成本参数。
1. 决策变量定义
- 连续变量：电储能充/放电功率
pch/pdis、电锅炉功率pgl、购/售电功率pbuy/psell、风电/光伏实际出力pwt/ppv、微燃机出力pg、热储能充/放热功率hch/hdis、需求响应相关变量（可转移电负荷pdz、可中断电负荷pdd、可削减热负荷phd）、鲁棒优化目标辅助变量yita。 - 二进制变量：电储能充/放电状态
uuch/uudis、微燃机启停状态uum、热储能充/放热状态uhch/uhdis、启停线性化辅助变量yu、不确定性变量辅助二进制变量sigmap/sigmad。
2. 约束条件构建
约束体系涵盖设备运行约束、能量平衡约束、需求响应约束三大类，采用矩阵化表达简化模型求解：
- 设备运行约束：
- 微燃机：出力上下限约束（
Q1x<=Pgmax/Q1x>=0）、爬坡约束（Q12x<=T12/Q12x>=T120）、启停状态约束（通过y_u实现线性化）。 - 电储能：充放电互斥约束（
uch+udis<=1）、功率上下限约束（Q2x<=T2/Q2x>=0）、能量守恒约束（Q3x==0）、SOC范围约束（Q4x<=T41/Q4*x>=T42）。 - 热储能：充放电互斥约束（
uhch+uhdis<=1）、功率上下限约束（0<=hch<=hchmax.uhch/0<=hdis<=hchmax.uhdis）、能量平衡约束（0.1sh<=0.5sh+sum(yitahchhch(1:t,j)-hdis(1:t,j)/yitahdis)<=0.9sh）。 - 能量平衡约束：
- 电功率平衡：
Q5*x==T5，确保发电侧（风电、光伏、微燃机、购电、放电）与用电侧（负荷、售电、充电、电锅炉）功率平衡。 - 热功率平衡：
Q6*x==T6，确保供热侧（微燃机余热、电锅炉、放热）与用热侧（热负荷、储热）功率平衡。 - 需求响应约束：可转移电负荷调节幅度约束（
-atse.pl<=pdz<=atse.pl）、可转移负荷总量守恒（sum(pdz)==0）、可中断负荷上限约束（0<=pdd<=aie.pl/0<=phd<=bie.ph）、售电功率上限约束（0<=p_sell<=20）。
3. 目标函数构建
主问题目标函数为系统总运行成本最小化，涵盖：
- 微燃机启停成本：
cqt*sum(sum(y_u))。 - 鲁棒优化目标项：
yita（包含各场景下的购电成本、微燃机运行成本、储能老化成本、弃风弃光成本、需求响应补偿成本等加权和，权重为场景概率ps）。 - 辅助成本项：碳排放或其他附加成本（
0.13sum(0.82pbuy+0.49pg)+0.011sum(hch+pdis)）。
4. 求解与结果输出
调用CPLEX求解器求解混合整数线性规划（MILP）模型，输出决策变量的最优值（pch/pdis/p_wt等）、中间成本参数（c1/c2/c3/c4/Cz）及弃风弃光率（qw/qv），为子问题求解提供输入。
（三）子问题求解程序：SP427.m
基于主问题的决策变量，构建最坏场景下的优化模型，寻找对目标函数最不利的场景概率分布，为上界更新提供依据。
1. 变量与约束定义
- 决策变量：聚焦不确定性变量
psp（场景概率正偏差）、psd（场景概率负偏差）、ps（更新后的场景概率），以及辅助二进制变量sigmap/sigmad。 - 不确定性约束：场景概率偏差的范数约束（
sum(psp+psd)<=theta1/psp+psd<=thetaw）、偏差变量与二进制变量关联约束（0<=psp<=sigmaptheta1/0<=psd<=sigmadtheta1）、场景概率更新约束（ps==ps0'+psd+psp）。 - 继承主问题的设备运行与能量平衡约束矩阵（
Q1/Q12等），确保子问题解的可行性。
2. 目标函数构建
子问题目标函数为最大化主问题成本的负向加权和（obj_sp=-sum(Cz'.*ps)），即寻找最坏场景下的最大成本增量，实现鲁棒性验证。
3. 求解与上界计算
调用CPLEX求解器求解后，通过UB1=LB-yita-Q计算当前迭代的上界，其中Q为子问题目标函数最优值，用于主程序上界更新。
（四）辅助工具程序
1. 抽样函数：betaLHS.m/normLHS.m/uniLHS.m
基于拉丁超立方抽样（LHS）方法，生成符合特定分布的随机样本，用于场景生成的不确定性数据采样：
betaLHS.m：生成Beta分布样本，用于光伏出力不确定性建模（参数alfa=2.5/bata=0.5）。normLHS.m：生成正态分布样本，用于风电出力不确定性建模（参数u=0.5/d=0.33）。uniLHS.m：生成均匀分布样本，用于电价不确定性建模（参数A=0.1/B=0.5）。- 核心逻辑：通过分布反函数生成样本，结合随机排序实现抽样的均匀性与代表性。
2. 场景生成程序：datap.m
采用“抽样-聚类”两步法生成多场景数据，为优化模型提供输入场景集：
- 抽样阶段：对光伏、风电、电/热负荷、电价分别进行LHS抽样，生成
ns=1000个原始样本。 - 聚类阶段：采用K-Means算法对原始样本聚类，光伏/风电聚类为5类，负荷/电价聚类为2类，最终生成
552*2=100个组合场景（代码中实际使用4个典型场景）。 - 场景修正：考虑负荷对电价的需求响应，通过
DR3函数修正负荷样本，提升场景的合理性。
3. 聚类工具：kmeans.m
实现K-Means聚类算法，用于场景缩减与典型场景提取：
- 核心步骤：随机初始化聚类中心、计算样本到聚类中心的欧氏距离、分配簇标签、更新聚类中心、迭代收敛（聚类中心变化量<0.1）。
- 输出结果：聚类中心（典型场景数据）、各簇样本占比（场景概率参考），并绘制3D聚类图可视化场景分布。
三、模型核心特性与技术亮点
（一）鲁棒优化框架
采用两阶段鲁棒优化建模，第一阶段决策（微燃机启停、储能充放电计划等）在不确定性发生前制定，第二阶段决策（购售电调整、弃风弃光控制等）在不确定性实现后执行，通过1-范数和∞-范数约束场景概率置信区间，提升系统应对风光出力、负荷波动的抗干扰能力。
（二）多能源协同调度
整合电、热两大能源系统，通过微燃机的电热联供特性、电锅炉的电-热转换功能、储能系统的削峰填谷作用，实现电/热负荷的互补平衡，提高能源综合利用效率。
（三）需求响应机制
引入可转移负荷、可中断负荷等需求响应资源，通过价格信号引导用户调整用能行为，降低系统峰谷差，减少弃风弃光，降低整体运行成本。
（四）高效求解算法
采用CCG算法将复杂的鲁棒优化问题分解为主问题与子问题交替求解，避免直接求解大规模 MILP 问题的计算瓶颈，结合CPLEX求解器的高效计算能力，确保模型在合理时间内收敛。
四、使用说明与注意事项
（一）环境配置
- 运行平台：MATLAB R2016b及以上版本。
- 依赖工具：YALMIP工具箱（用于建模）、CPLEX求解器（用于求解MILP问题）。
- 文件路径：确保所有代码文件（MAIN427.m、MP427.m等）位于同一目录下，避免路径错误导致函数调用失败。
（二）参数调整建议
- 场景数量：可通过修改主程序迭代次数（
for k=1:4）调整场景数量，增加场景可提升模型精度，但会增加计算量。 - 收敛条件：建议将固定迭代改为收敛判据（
while UB-LB>1e-3），根据精度需求调整阈值。 - 设备参数：可根据实际工程场景修改微燃机出力、储能容量、成本系数等参数，适配不同规模的电热系统。
（三）结果解读要点
- 收敛性：关注
UB与LB的差值，差值越小说明解的精度越高。 - 经济性：重点分析弃风弃光率、购电成本、微燃机运行成本占比，评估系统经济性能。
- 鲁棒性：对比不同场景下的设备出力变化，验证系统在不确定性条件下的稳定运行能力。
五、总结
本套代码完整实现了含多场景、多设备、多约束的电热综合能源系统两阶段鲁棒优化调度，通过模块化设计确保代码的可读性与可扩展性。模型不仅考虑了风光出力、负荷的不确定性，还融合了需求响应与多能源协同机制，可为电热系统的优化运行提供科学的决策支持。通过调整参数与约束，可适配不同地区、不同规模的综合能源系统应用场景，具有较强的工程实用价值。
两阶段鲁棒优化模型 多场景 采用matlab编程两阶段鲁棒优化程序，考虑四个场景，模型采用列与约束生成（CCG）算法进行求解，场景分布的概率置信区间由 1-范数和∞-范数约束，程序含拉丁超立方抽样+kmeans数据处理程序，程序运行可靠，有详细资料
