拿到“计及氢能的综合能源优化调度研究Matlab代码实现”这个题目很多人的第一反应是这不就是又一道能量管理作业题吗但实际上把氢能加进综合能源优化调度和传统的电-热联供调度完全不是一个量级的问题。传统模型只需要平衡电和热两条母线而一旦引入电解槽、储氢罐、氢燃料电池系统就多了一条“氢母线”整条能源链条变成了电-热-氢三网耦合调度决策的维度、约束数量和求解复杂度都会明显上升。这篇文章我想抛开论文里的公式堆砌把这类问题从模型建立到Matlab代码落地的完整链路讲一遍包括各设备的数学建模、YALMIP建模方法、求解结果分析和常见坑位适合刚入门综合能源优化、或者写论文做项目需要复现氢能调度模型的同学参考。内容偏务实不堆公式尽量把每一个环节背后的“为什么”说清楚。1. 为什么综合能源调度要把氢能“算进去”1.1 多能耦合的调度本质综合能源优化调度的本质是在满足负荷需求的前提下决定各时段各设备出力让整个系统的运行成本、碳排放或者其他目标达到最优。传统园区级综合能源系统通常有两条能量母线电母线和热母线核心设备是燃气轮机和燃气锅炉。燃气轮机在发电的同时会产生热这个热电比基本是固定的于是出现了一个经典的困局——“以热定电”只要热负荷高燃气轮机就得跟着抬高电出力哪怕当前电价很低或者电负荷很小多余的电要么弃掉要么低价格卖给电网。氢能环节的加入等于在这两条母线之外多了一条“氢母线”和一个跨时段储能环节。电解槽在电价低谷或者可再生电力富余时把电能转换成氢储氢罐把氢存起来等到电价高峰或者热负荷紧张时氢燃料电池再把氢转换成电和热。这样一来电和热之间的刚性耦合被打破了燃气轮机可以更自由地安排出力系统灵活性和经济性都能提升。这一点是理解整个课题的关键氢能不是单纯多了一个设备而是改变了整个调度问题的结构。1.2 氢能在调度模型里的三种角色我在实际建模中习惯把氢能看成三个独立角色而不是一个设备电解槽相当于一个“电能消耗型产氢设备”它消纳电产出氢气本质是把电能变成化学能。它在优化模型里的作用是制造氢同时为系统提供一份灵活的电负荷。储氢罐是氢气的仓库起到跨时段搬移能量的作用。它本身不直接参与电热平衡但对调度结果影响巨大因为氢气的“买入”和“卖出”在时间上被它解耦了。氢燃料电池是“氢转电热”的终端设备输出电和热消耗氢气。它和燃气轮机在功能上有点像但碳排放几乎为零适用于对碳排放有约束的场景。氢能的特殊之处在于它同时具备“储能”和“能源品类转换”两个属性。普通电池储能只做电到电的搬运氢能却能把电变成一种可以独立使用的高品质燃料。在只考虑园区内部电热联供的模型里我一般把氢的最终出口设定为燃料电池如果研究对象扩展到了加氢站或者工业氢负荷模型又要多一层耦合但核心框架是一样的。1.3 这个课题解决什么问题、适合谁来研究一个完整的计及氢能的综合能源优化调度模型通常要做这几件事给定未来24小时的负荷、新能源出力、电价和天然气价格决策各时段燃气轮机、燃气锅炉、电解槽、氢燃料电池的启停状态和出力大小包括买电卖电量、储氢量的变化使得总运行成本最低或者碳排放最低。这个课题适合正在做综合能源方向毕业设计的本科生、需要复现经典模型的研究生以及在做园区能源管理项目但又缺少氢能调度经验的一线工程师。它需要的数学基础并不多线性规划、混合整数线性规划的基本概念足够难点在于如何把工程问题写成计算机能求解的数学形式。我用Matlab做这类问题的标配是YALMIP建模工具箱加商业求解器下面的章节就围绕这个链路展开。2. 计及氢能的调度模型单元建模与约束拆解2.1 电解槽从电到氢的转换效率电解槽模型的核心就一个公式输入电功率输出氢流量。实际设备有碱性、PEM、固体氧化物等类型动态特性差别很大但调度层面通常做静态简化。我常用的表达式是M_H2_prod(t) η_el × P_el(t) / HHV_H2其中P_el(t)是电解槽输入电功率η_el是电解槽综合效率HHV_H2是氢的高热值取39.4 kWh/kg左右。举个例子如果η_el取0.62那么1 kWh电大约能产氢0.0157 kg这个数看起来不大但放结合电价低谷弃电的背景下一天下来也能积累不少氢。电解槽还必须考虑出力区间和启停逻辑。电解槽一般不推荐长时间在极低负荷运行我通常设一个最小技术出力P_el_min并引入二进制变量z_el来表示启停状态z_el(t) × P_el_min ≤ P_el(t) ≤ z_el(t) × P_el_max这里容易被忽略的是如果不加二进制变量优化器可能会让电解槽在1 kW这种不现实的功率下运行结果虽然数学上可行但工程上没意义。2.2 储氢罐容量边界与动态平衡储氢罐在模型里是一个纯动态约束设备我用状态量V_H2(t)表示t时段结束时的储氢量然后写递推关系V_H2(t1) V_H2(t) M_H2_prod(t) - M_H2_fc(t) - M_H2_loss(t)其中M_H2_fc(t)是燃料电池消耗的氢M_H2_loss(t)是泄漏损耗通常简化成储氢量的一个小比例比如0.5%每小时量级很小但不写这个项某些评审会说模型不够严谨。储氢罐还涉及两个工程习惯一是容量边界V_H2_min ≤ V_H2(t) ≤ V_H2_max二是调度周期末的储氢量要求。如果是滚动优化一般会要求终点储氢量不低于一个设定值比如等于初始值保证第二天还能正常运行。这个约束我建议写成V_H2(T) ≥ V_H2_init不要写等号否则可能因为边界条件太紧直接导致问题不可行。还有一个细节是压缩耗电。氢气进入储氢罐之前需要压缩机加压压缩耗电大约是电解槽耗电的3%~5%。如果追求简单我一般不提这项如果论文里需要更严谨可以在目标函数或者电平衡方程里加一个固定比例的压缩电耗项。2.3 氢燃料电池电热联产的双输出特性燃料电池在模型中像一台微型热电联产机组输入是氢输出是电和热。输出关系可以用两个参数描述发电效率和热电比。M_H2_fc(t) P_fc(t) / (η_fc × HHV_H2)Q_fc(t) R_hc × P_fc(t)发电效率η_fc取0.5左右热电比R_hc取0.8~1.0比较常见。这样燃料电池综合效率大约在90%以上这是它相比单纯“氢转电”更划算的重要原因。在电热联供场景下燃料电池的热输出季候能替代一部分燃气锅炉的供热节省天然气这也是氢能经济性来源之一。燃料电池同样有最小出力和启停约束和电解槽对称。写约束的时候注意启停变量和功率的耦合用的是大M形式M取设备的功率上限即可不要取一个非常大的数否则会影响求解器数值稳定性。2.4 目标函数与完整约束清单目标函数我通常这样写分成四项向电网买电成本、售电收益、天然气成本、设备运维成本。如果再考虑碳排放就加第五项碳税。min f Σ_t [ price_buy(t)·P_buy(t) - price_sell(t)·P_sell(t) c_gas·(F_gt(t) F_gb(t)) c_om_gt·P_gt(t) c_om_fc·P_fc(t) c_om_el·P_el(t) c_co2·(co2_ele·P_buy(t) co2_gas·F_gt(t) co2_gas·F_gb(t)) ]其中F_gt和F_gb是燃气轮机和燃气锅炉消耗的天然气量。天然气耗量与出力之间的关系是F_gt P_gt / (η_gt × LHV_gas)F_gb Q_gb / (η_gb × LHV_gas)。LHV_gas取9.7 kWh/m³左右η_gt取0.35η_gb取0.9。很多人第一次会漏了单位换算直接算出来的天然气成本差了一个数量级这里务必注意单位统一到kW和小时价格单位用元/kWh和元/m³。下面把完整约束整理成一张表方便搭建模型时对照检查约束类别核心表达物理含义电功率平衡P_buy-P_sellP_pvP_wtP_gtP_fc P_loadP_el每个时段的发电与用电必须平衡热功率平衡Q_gtQ_gbQ_fc Q_load供热总量满足热负荷电解槽约束z_el·P_el_min ≤ P_el ≤ z_el·P_el_max出力上下限与启停状态燃料电池约束z_fc·P_fc_min ≤ P_fc ≤ z_fc·P_fc_max出力上下限与启停状态燃气轮机约束z_gt·P_gt_min ≤ P_gt ≤ z_gt·P_gt_max出力上下限与启停状态燃料电池热电耦合Q_fc R_hc·P_fc电热输出比例固定燃气轮机热电耦合Q_gt R_gt·P_gt电热输出比例固定储氢动态方程V_H2(t1)V_H2(t)M_prod-M_fc-M_loss储氢量跨时段递推储氢容量边界V_H2_min ≤ V_H2 ≤ V_H2_max储氢罐物理边界购售电边界0≤P_buy≤P_buy_max0≤P_sell≤P_sell_max联络线功率限制模型到这里就基本完整了。我一般在搭建时会把所有变量表格写在纸上确认哪几个是参数、哪几个是决策变量、哪几个是中间计算量然后再开工写代码。这个习惯帮我省了大量改bug的时间。3. Matlab代码实现YALMIP建模与求解全流程3.1 工具链选型为什么用YALMIPMatlab环境下做优化建模主流方案是YALMIP加商业求解器。我在做这个课题时的组合是是YALMIP CPLEX或Gurobi一类商业求解器两者在混合整数线性规划上都非常强势。YALMIP的价值在于它让建模过程和求解器解耦。我写约束时只需要用sdpvar和binvar声明决策变量用normal表达式写目标函数和约束最后一行optimize交给求解器。如果后面想换求解器只改一个参数不需要重写整个模型。相比纯用求解器APIYALMIP的矩阵化写法贴合调度模型的自然形式调试时也方便逐条打印约束。为什么不建议直接用fmincon因为这里有整数变量和大量线性约束非线性求解器既慢又不保证全局最优。把整个模型线性化之后用MILP求解器是这类调度问题的标准做法。我的原则是能用线性表达的绝对不用非线性线性化这是关键。3.2 参数准备与数据组织写代码之前先把参数准备好。我用的是典型24小时场景时间粒度1小时。需要准备电负荷序列、热负荷序列、光伏预测出力、风电预测出力、分时购电价、售电价以及所有设备参数。对于负荷和新能源出力可以用历史实测数据也可以在公开气象数据基础上自己生成一条典型曲线。实际写代码的时候我个人习惯把数据放到结构体里统一管理这样后面做敏感性分析改参数方便。这里给一套典型参数参考参数取值说明电解槽效率 η_el0.62按氢LHV折算燃料电池发电效率 η_fc0.50电效率燃料电池热电比 R_hc0.90热/电燃气轮机发电效率 η_gt0.35电效率燃气轮机热电比 R_gt1.10热/电燃气锅炉热效率 η_gb0.90热效率储氢罐容量 V_H2_max200 kg上限储氢罐下限 V_H2_min10 kg避免过度放空购电上限 P_buy_max150 kW联络线限制售电上限 P_sell_max50 kW联络线限制注意价格单位统一。电价的单位是元/kWh天然气价格单位是元/m³碳价单位是元/t。如果不统一单位换算会带来很隐蔽的错误。3.3 YALMIP建模核心代码下面给我在模拟项目X里用的核心代码骨架这是完全可以从零复现的版本省去了数据列表占位符实际运行时把占位数据替换成自己的负荷序列即可。%% 参数设置 T 24; P_load [210 205 200 198 205 220 245 280 310 330 335 320 ... 315 330 345 340 335 325 310 290 275 260 240 220]; % 电负荷 kW Q_load [180 170 165 160 165 170 185 200 215 225 230 235 ... 230 225 220 215 210 205 210 220 230 225 200 185]; % 热负荷 kW P_pv [0 0 0 0 0 5 20 45 70 95 110 120 ... 115 100 80 55 30 10 0 0 0 0 0 0]; % 光伏出力 kW P_wt [45 55 60 50 45 40 35 38 42 48 52 45 ... 40 38 42 45 50 55 48 40 35 30 35 40]; % 风电出力 kW price_buy repmat(0.5, 1, T); price_buy(11:14) 1.1; price_buy(19:21) 1.1; % 峰段电价 price_buy(24) 0.35; % 谷段电价 price_buy(1:6) 0.35; price_sell 0.8 * price_buy; %% 设备参数 eta_el 0.62; eta_fc 0.50; R_hc 0.90; eta_gt 0.35; R_gt 1.10; eta_gb 0.90; HHV_H2 39.4; % kWh/kg LHV_gas 9.7; % kWh/m3 P_el_min 10; P_el_max 100; P_fc_min 5; P_fc_max 60; P_gt_min 10; P_gt_max 80; Q_gb_max 120; V_H2_min 10; V_H2_max 200; V_H2_0 80; % 初始储氢量 kg P_buy_max 150; P_sell_max 50; c_gas 3.2; % 元/m3 c_co2 100; % 元/t co2_ele 0.58; % kg/kWh co2_gas 2.16; % kg/m3接着是决策变量声明和约束搭建。我把所有决策变量分成连续变量和二进制变量两组习惯在代码里加足够注释方便之后交给别人维护。%% 决策变量 P_gt sdpvar(1, T); % 燃气轮机电出力 Q_gt sdpvar(1, T); % 燃气轮机热出力 Q_gb sdpvar(1, T); % 燃气锅炉热出力 P_el sdpvar(1, T); % 电解槽输入电功率 P_fc sdpvar(1, T); % 燃料电池电出力 Q_fc sdpvar(1, T); % 燃料电池热出力 V_H2 sdpvar(1, T); % 储氢量 P_buy sdpvar(1, T); % 购电 P_sell sdpvar(1, T); % 售电 z_gt binvar(1, T); % 燃气轮机启停 z_fc binvar(1, T); % 燃料电池启停 z_el binvar(1, T); % 电解槽启停 %% 中间变量氢流量 M_prod eta_el * P_el / HHV_H2; % 电解槽产氢 kg/h M_fc P_fc / (eta_fc * HHV_H2); % 燃料电池耗氢 kg/h %% 约束 Constraints []; % 电平衡 Constraints [Constraints, ... P_buy - P_sell P_pv P_wt P_gt P_fc P_load P_el]; % 热平衡 Constraints [Constraints, ... Q_gt Q_gb Q_fc Q_load]; % 燃气轮机 Constraints [Constraints, ... z_gt * P_gt_min P_gt z_gt * P_gt_max, ... Q_gt R_gt * P_gt]; % 燃气锅炉 Constraints [Constraints, ... 0 Q_gb Q_gb_max]; % 电解槽 Constraints [Constraints, ... z_el * P_el_min P_el z_el * P_el_max]; % 燃料电池 Constraints [Constraints, ... z_fc * P_fc_min P_fc z_fc * P_fc_max, ... Q_fc R_hc * P_fc]; % 储氢动态 Constraints [Constraints, ... V_H2(2:T) V_H2(1:T-1) M_prod(1:T-1) - M_fc(1:T-1), ... V_H2(1) V_H2_0 M_prod(1) - M_fc(1)]; Constraints [Constraints, ... V_H2_min V_H2 V_H2_max, ... V_H2(T) V_H2_0]; % 调度结束储氢量不低于初始值 % 购售电 Constraints [Constraints, ... 0 P_buy P_buy_max, ... 0 P_sell P_sell_max];第一段代码里储氢动态约束是我自己反复改了几次才写顺的。注意V_H2(2:T)和V_H2(1:T-1)分别对应t1时刻和t时刻M_prod(1:T-1)对应t时刻的产氢这样保证长度一致。如果你用循环写也完全可以只是矩阵写法更快。目标函数和求解这一段相对简单但也是很容易改错成本公式的位置。燃料电池和电解槽的运维成本按电量计算碳成本要乘以24小时的时间粒度吗不需要因为所有功率单位是kW电量是kWh时间轴1小时已经隐含。%% 目标函数 F_gt P_gt / (eta_gt * LHV_gas); % 燃气轮机耗气量 m3/h F_gb Q_gb / (eta_gb * LHV_gas); % 燃气锅炉耗气量 m3/h Objective sum(price_buy .* P_buy) - sum(price_sell .* P_sell) ... c_gas * sum(F_gt F_gb) ... 0.01 * sum(P_gt) 0.02 * sum(P_fc) 0.015 * sum(P_el) ... c_co2 * (co2_ele * sum(P_buy) co2_gas * sum(F_gt F_gb)) / 1000; %% 求解 ops sdpsettings(solver, cplex, verbose, 0, mipgap, 0.001); result optimize(Constraints, Objective, ops); if result.problem 0 disp(求解成功); else disp(result.info); end碳成本里有个除以1000是为了把kg碳排放转成t这个细节一旦忘掉碳成本会虚高1000倍目标函数直接被碳成本主导。我第一次写就栽在这个地方。3.4 结果后处理与典型可视化求解完之后直接value()取出各个变量然后画图。我常用的展示方式有四种设备出力堆叠图、储氢量变化曲线、成本组成饼图、有无氢能方案对比柱状图。堆叠图最直观能看出一天内每个时段是谁在供电、谁在供热。P_gt_opt value(P_gt); P_fc_opt value(P_fc); P_el_opt value(P_el); V_H2_opt value(V_H2); figure; subplot(3,1,1); bar([P_buy_opt; P_pv; P_wt; P_gt_opt; P_fc_opt], stacked); legend(购电,光伏,风电,燃气轮机,燃料电池); ylabel(电功率/kW);画堆叠图的时候有一个小坑YALMIP变量value之后是行向量bar函数默认按列堆叠所以需要把多个行向量转置后拼成矩阵再做堆叠。否则画出来的图每个设备会排在一整排完全不是想要的效果。4. 调度结果怎么读氢能到底带来了多少收益4.1 有氢与无氢场景的对比逻辑模型跑通后的第一件事不是直接看氢能设备的出力曲线而是先做对比实验在同样的负荷、电价、设备参数下去掉电解槽、储氢罐和燃料电池这三类设备和对应约束重新求解一次得到“无氢基准方案”。这两个方案之间的成本差才是氢能环节的边际价值。我的实际经验是无氢场景往往出现一个非常明显的“以热定电”现象燃气轮机为了满足热负荷在夜间不得不满发或者接近满发而此时电负荷很低多余的电只能低售价卖给电网甚至造成倒挂。加入氢能之后夜间燃气轮机可以适当降低出力缺口由电锅炉不应该是由储氢罐里存的氢在白天高峰通过燃料电池补上电和热。燃气轮机夜间多余的电用来制氢相当于把低价电存成了氢在高峰时段再放出来。这个“削峰填谷”的效果直接体现在燃气轮机出力曲线变得更平缓购电曲线的高峰被压低。对比成本的时候不要只看总成本我习惯拆开看四项购电成本、天然气成本、售电收益、运维成本。氢能是否划算本质上是“电解槽制氢消耗的电费设备运维” vs “替代掉的天然气费用高峰购电费用”。只要前者小于后者氢能环节就有收益。4.2 敏感性分析电价、碳价和储氢容量单点算例说服力有限通常还要做敏感性分析。最简单的做法是写一个for循环改变某个参数再调用一次optimize把总成本和氢能利用率记录下来。比如扫描储氢罐容量从50 kg到300 kg观察总成本变化曲线或者扫描碳价从0到300元/t观察氢能设备出力占比。我收到的数据规律一般是碳价很低时氢能设备基本不工作因为天然气便宜氢燃料电池发电成本高于燃气轮机碳价逐渐升高后燃料电池和电解槽的利用率开始上升总成本也随碳价增大但增加幅度会比无氢场景慢。这个拐点对应的碳价就是氢能在当前成本结构下的“经济启动点”。还有一个值得扫的参数是氢价。如果模型里有外售氢收入氢价直接决定了电解槽会不会在低谷段大量制氢。氢价越高电解槽越倾向超时运行储氢罐可能长时间处于高储氢量状态。4.3 结果判读的常见陷阱读结果时我最关注三个细节第一储氢罐的初始状态是否在“偷能量”。如果把初始储氢量设得很高比如V_H2_0 180 kg终点约束只要求大于等于初始值那模型完全可以在白天把初始的氢放出来发电省下真实的购电购气成本而储氢量到终点前又低于初始值不如果终点约束是V_H2(T) V_H2_0是可以的模型会倾向于把初始氢全部用掉然后在最后一小时前买电制氢补回来吗实际上终点约束压着成本会因此扭曲。更合理是让储氢量初值偏低并保持终点不低于初值。第二热电比是否和你假设的系统结构匹配。燃料电池热电比如果设到2.0以上它几乎要变成供热设备完全不发电或者电热比反而失衡结果会显示燃料电池热出力很高但电出力很低和实际设备的运行特性不符。第三储氢罐容量约束是否成为主导约束。当V_H2_max设得非常大时储氢罐几乎只做能量搬运终端约束影响很小但设得太小时系统又在每个时段都面临储氢饱满或放空的状态。这时候最好画出V_H2曲线检查有没有长时间贴着上限运行。如果一直贴着上限说明制氢太多要么降低电解槽容量要么允许卖氢。5. 常见问题与排查技巧实录5.1 求解报错Infeasible和Unbounded这类问题的九成原因其实不是模型不对而是约束之间产生了矛盾。我第一步从不改模型而是先把约束逐个放宽测试。做法很粗暴先只保留电平衡和各设备上下限看能不能解能解就逐步加回热平衡、热电比约束、储氢动态约束直到定位到是哪一条约束导致不可行。最常见的矛盾源有三个一是电平衡里P_buy上限过小而负荷和电解槽需求总和超过了外部购电能力与所有发电设备上限之和二是储氢动态方程里的时间索引写错导致V_H2(1)被同时定义了两次造成前后矛盾三是端点约束太紧比如要求V_H2(24)严格等于V_H2(0)如果系统在最后时段制氢能力不足就直接不可行。我的建议是把终端约束从V_H2(T) V_H2_0改成V_H2(T) V_H2_0或者干脆去掉给模型留一点余量。Unbounded相对少见通常是因为目标函数里某个变量没有成本也没有边界。检查一下P_sell如果进了目标函数收益项是否也给了上限如果售电没有上限且电价为正模型会无止境卖电。5.2 氢环节“摆烂”电解槽不启动怎么办模型跑通了但结果里电解槽出力恒为0燃料电池也恒为0储氢量一条直线。这种情况我见过太多次大概率不是代码bug而是经济性上氢暂时不值得用。别急着怀疑模型先看价格数据如果全天电价都不够低、天然气价格又便宜那电解槽制氢成本高于直接买天然气发电氢能不参与调度是符合经济规律的最优解。想要氢能“活”起来常用的调整有三个方向一是抬高碳价或加入碳排放上限让零碳的氢能在目标函数里占优势二是调整电价结构把峰谷价差拉大让低谷制氢的获利空间显现三是在系统里增加新能源消纳率约束明确要求可再生能源发电量必须优先使用此时电解槽可以作为消纳弃风弃光的灵活负荷被强制启用。我调试时的一个小技巧是先把所有运维成本系数临时设为0再看看氢能是否工作。如果设置为0后氢能还是不工作那说明不是成本问题而是约束或目标函数里某个项压住了它。5.3 求解时间过长怎么办单个24时段模型二进制变量只有72个正常几秒就能出结果。但如果你做季度或年度仿真T变成8760问题规模就会爆炸式增长。我处理大时间尺度的办法有三个第一收敛容忍度放宽。sdpsettings里的mipgap从1e-4改成0.01很多情况下总成本差异不到0.5%但求解时间可以缩短一个数量级。第二减少不必要的整数变量。如果你允许设备全天运行不启停可以把0-1变量去掉只保留出力上下限问题从混合整数变成纯线性规划求解速度提升明显。第三利用储氢罐的递推特性把问题用滚动窗口切分。每次优化未来12或24小时然后把终点储氢状态作为下一轮的初值传给下一段。虽然严格意义上不是全局最优但工程上完全可以接受。5.4 调试技巧速查表现象排查方向常用处理Infeasible约束矛盾或边界太紧去掉终端等号约束、放大购电上限Unbounded有变量缺成本或边界检查P_sell等变量的边界和成本项氢能设备全0经济性不成立提高碳价、拉大峰谷价差、加消纳率约束储氢量始终贴上限储氢罐太大或制氢过多减小V_H2_max或增加氢外售通道求解时间过长整数变量过多放宽mipgap、去启停变量、滚动窗口值出现NAN数据结构或求解器License问题检查输入数据是否有NaN确认求解器状态这张表我建议直接截图或者抄在手边调试的时候一条条对照比自己从零排查快得多。最后再分享一个我个人的调试小习惯每次跑完模型不要只看总成本先打印一份燃气轮机出力、电解槽出力和储氢量的曲线图存下来哪怕当时没时间细看也要留着。因为优化模型给出的结果常常会打破直觉很多不合理的问题比如储氢罐在某个时段突然跳变只有对着曲线才能一眼看出来。这个小习惯帮我少走了不少弯路。