广义Benders分解法在综合能源系统规划中的应用与优化

1. 项目背景与核心价值

综合能源系统（Integrated Energy System, IES）作为能源互联网的重要载体，正在重塑传统能源供应模式。我在参与某工业园区能源规划项目时，发现现有规划工具难以处理电-气-热多能流耦合约束，特别是当系统规模扩大到数百个节点时，常规优化算法要么计算时间爆炸式增长，要么直接无法收敛。这正是广义Benders分解法（Generalized Benders Decomposition, GBD）大显身手的场景——通过主问题与子问题的迭代求解，将复杂问题拆解为多个可并行计算的模块。

这个开源项目用Matlab实现了GBD算法在IES规划中的应用，主要解决三类典型问题：

1. 设备选型与容量配置（如燃气轮机、电锅炉、储能的协同规划）
2. 网络拓扑优化（电网与热网的最优布线方案）
3. 多时间尺度运行策略（日前调度与实时控制的协调）

关键突破：相比传统单层优化，本方案通过GBD将投资决策（整数变量）与运行优化（连续变量）解耦，计算效率提升约40-60%（实测30节点系统从6.2小时降至2.4小时）

2. 算法原理深度解析

2.1 Benders分解的广义化改造

经典Benders分解要求子问题必须为线性且凸，而IES模型中存在两类非线性：

• 能量转换设备的二次效率曲线（如燃气轮机η=0.3+0.5P-0.02P²）
• 热网管道的水力-热力耦合方程（微分代数方程组）

本方案采用McCormick包络法处理非线性项，将原问题重构为混合整数二阶锥规划（MI-SOCP）形式。具体步骤：

matlab复制% 示例：燃气轮机效率线性化
P = sdpvar(nUnit, T); % 设备功率
η = 0.3 + 0.5*P - 0.02*P.^2; 
% 引入辅助变量z替代P.^2
Constraints = [z >= P.^2, ... % SOCP约束
               η <= 0.3 + 0.5*P - 0.02*z];

2.2 主-子问题交互机制

算法流程如下图所示（伪代码）：

matlab复制while gap > tolerance
    % 主问题：投资决策
    [x_opt, obj_master] = solve_master(Ca