做了大半年综合能源系统优化调度的代码复现，最近刚把"综合需求响应 + 阶梯型碳交易机制"这套模型完整跑通。先给结论：这类项目的核心难点不在MATLAB代码本身，而在怎么把"电、热、气三种能源的供需平衡"和"碳排放成本的分段边界"映射成数学表达式。映射关系一旦通了，用YALMIP加CPLEX也就是几十行约束的事；映射不通，看再多的参考代码都容易把自己绕进去。
这个项目的完整描述是：在MATLAB里搭建一个以日前24小时为时间尺度的综合能源系统（IES）优化调度模型，目标函数取系统总运行成本最小，成本中除常规购能费用和设备运维成本外，同时纳入综合需求响应（IDR）的补偿成本以及阶梯型碳交易成本。适合正在做IES方向课题的研究生、刚入门做园区能源规划的工程师，以及想快速复现这类论文模型的科研助理。下面把整套建模思路、数学原理、MATLAB实现细节和踩坑记录完整展开。
1. 项目到底在做什么：把"多能协同+碳约束"放进一个调度框架
1.1 综合能源系统的能量流梳理
先从物理侧说起。综合能源系统简单理解就是电、热、气三种能源网络在一个园区或区域里"互相补位"。典型结构里，外部电网和天然气网作为两大能量入口，系统内部通过各类设备完成能量形态的转换：燃气轮机（CHP）把天然气转成电和热，燃气锅炉（GB）把天然气转成热，电锅炉（EB）把电转成热，吸收式制冷机和电制冷机负责供冷，光伏（PV）和风电（WT）提供清洁电力，蓄电池和蓄热罐负责跨时段转移能量。整个能量流可以概括为"外部供能—内部转换—储能缓冲—负荷消耗"四层结构。
在MATLAB里复现这个系统时，我习惯先把网络拓扑简化成一张"节点—设备—负荷"对应表，再按设备类型分类建模。这里建议拿到任何参考代码前先做的事情是：把系统的能量流图画出来。不用画得很精细，但要标注清楚每一个设备的输入能源类型和输出能源类型，因为这直接决定了后面能量平衡约束怎么列。我见过不少复现失败的情况，根因就是设备输入输出关系搞混，比如电锅炉的耗电量被算到热负荷里去了。
下面这张表是我在建模时常用的设备参数对照，覆盖了这类论文里出现频率最高的几种设备：
| 设备 | 输入能源 | 输出能源 | 转换效率典型范围 | 说明 |
|---|---|---|---|---|
| CHP（燃气轮机） | 天然气 | 电 + 热 | 发电效率30%~40%，总效率70%~85% | 热电比通常固定或在一定范围内可调 |
| 燃气锅炉 | 天然气 | 热 | 85%~95% | 结构简单，响应快 |
| 电锅炉 | 电 | 热 | 95%~99% | 主要用于风电消纳时段 |
| 吸收式制冷机 | 热 | 冷 | 60%~80% | 夏季工况才参与 |
| 电制冷机 | 电 | 冷 | 300%~450%（COP） | 效率远高于吸收式 |
| 蓄电池 | 电 | 电 | 充放效率90%~95% | 需满足SOC约束 |
| 蓄热罐 | 热 | 热 | 95% | 用于热负荷移峰填谷 |
| 光伏 | 太阳能 | 电 | 按辐照曲线 | 出力随机性大 |
| 风电 | 风能 | 电 | 按风速曲线 | 弃风现象常见 |
1.2 综合需求响应为什么"综合"？
传统电力需求响应只盯着电负荷，思路是削峰填谷、错峰用电。综合需求响应（IDR）的做法更进一步：把"响应"这件事从电力领域推广到热负荷和气负荷，让用户在用电高峰期不但可以转移用电时段，还能调整用热强度、中断部分可调气负荷，甚至通过电转热、电转冷等方式实现不同能源间的替代。
从数学模型的角度看，"综合"体现在负荷侧多出了几个可变维度。电负荷可以拆成不可调部分和可调部分，可调部分又细分为可转移负荷（比如工业流水线、电动汽车充电）、可削减负荷（比如照明、空调，削减后用户舒适度略有下降但可接受）。热负荷不再是一个刚性值，而是允许在给定上下限内波动，相当于利用了建筑热惯性的"温度惰性"。气负荷同样可以切一部分，比如一些工业生产流程中短时中断供气对产线影响很小。
这一层机制接入优化模型后，约束数量会明显增加。以可转移电负荷为例，至少要列三个约束：转移前后总用电量守恒、每个时段允许转移的功率上限、单次转移持续时间的限制。这里特别要注意的是，有些初版模型只约束了"全天总用电量不变"，忽略了"同一负荷不能既移出又移入"的时序耦合关系，结果求解出来的调度方案虽然数学上可行，工程上却完全没法执行。
2. 阶梯型碳交易机制的设计逻辑与数学建模
2.1 从线性碳价到阶梯碳价
常规的碳交易成本计算公式是一根直线：碳价固定，排放多少就按多少算。写成公式就是：
C_carbon = λ × (E_actual - E_quota)
其中E_actual是系统实际碳排放量，E_quota是系统拿到的免费碳排放配额，λ是单位碳价。如果E_actual小于E_quota，系统可以卖出多余配额获得收益；反之就需要购买配额。固定碳价模型实现起来最简单，但它的短板也很明显：无论排了多少碳，边际碳成本始终不变，这在真实碳市场里是不太合理的。现实中碳价会随着超排比例上升而阶梯式上涨，排放越多，价格越高，压力越大。
阶梯型碳交易机制就是把碳价从一条直线改成一组梯度递增的分段，逻辑上类似水电费阶梯计价。这个设计带来的直观效果是：优化模型会主动压低高排放设备的出力，因为一旦超排量跨入更高档位，整套系统的碳成本会跳增一截。从这个角度看，它比固定碳价更能逼着系统去做低碳调度。
2.2 阶梯碳交易模型的数学表达
阶梯型碳交易机制在文献里有两种常见写法，我建议复现前先搞清楚你参考的论文用的是哪一种，否则结果和论文对不上。
第一种是"阶梯差价"式，即超排量ΔE落在哪一档就按该档价格全部计费：
- ΔE ∈ [0, L1] 时，碳价 = ρ1
- ΔE ∈ (L1, L2] 时，碳价 = ρ2
- ΔE ∈ (L2, L3] 时，碳价 = ρ3
这种建模方式实现最简单，但有一个不算合理的隐含假设：跨过L1边界的前一单位排放没有产生"历史遗留问题"，全部超额排放都按新价格算。
第二种是"阶梯累进"式，类似个税累进算法，每一档内超排量按该档价格分段计费后累加。设ΔE1、ΔE2、ΔE3分别为三个档位内的超排量，则：
C_carbon = ρ1×ΔE1 + ρ2×ΔE2 + ρ3×ΔE3
且满足 ΔE1+ΔE2+ΔE3 = max(0, E_actual - E_quota)。这更符合边际成本递增的减排激励机制，也是近两年论文里比较主流的建模方向。我复现时优先推荐这一种。
阶梯累进模型如果要精确求解，需要引入0-1变量做分段线性化。具体来说，设0-1变量u1、u2、u3分别表示是否启用了第一、二、三档，连续辅助变量W1、W2、W3表示各档实际使用的超排量，约束如下：
0 ≤ W1 ≤ L1×u1 0 ≤ W2 ≤ (L2-L1)×u2 0 ≤ W3 ≤ M×u3（M为一个足够大的数） u1 ≥ u2 ≥ u3 W1 + W2 + W3 = max(0, E_actual - E_quota)
这里的核心逻辑是：只有启用了第一档，第二档才能启用；只有启用了第二档，第三档才可能启用。因为目标函数是最小化总成本，优化器不会傻到第二档开了、第一档还空着——第二档的碳价比第一档高，先填满低价档位才划算。这个约束加上后，模型就从线性规划（LP）变成了混合整数线性规划（MILP），求解难度明显上升，但阶梯碳交易机制的精确效果也就出来了。
2.3 为什么选择阶梯型碳交易机制
这个选择有现实背景支撑。综合能源系统里碳排放来源集中，主要包括CHP机组和燃气锅炉的天然气燃烧，以及外购电对应的间接排放。在固定碳价模式下，如果碳价不够高，系统最优调度结果往往是"怎么便宜怎么来"，低碳设备的吸引力有限。而阶梯碳价通过提高边缘超排成本，迫使模型在调度时考虑一个隐变量：下一时刻会不会因为本时刻多排碳而把整个调度周期的碳成本顶到更高档位。
我跑过的几组对照实验里，固定碳价和阶梯碳价的差异是很直观的。固定碳价下，CHP机组往往保持较高出力，因为热电联产的发电收益可以摊薄成本；同样的负荷数据和能源价格，换到阶梯碳价后，CHP在高负荷时段的出力会被压一档，多出来的热负荷缺口会由燃气锅炉或蓄热罐补上——这时候"综合需求响应"就变得特别有价值，因为热负荷的柔性给了系统更多闪转腾挪的空间。
3. 优化调度模型：目标函数与约束条件完整搭建
3.1 目标函数到底怎么搭
复现的第一步是把目标函数搭对。我推荐按成本项拆分的方式写，不要一股脑塞进一个sum里，否则后面调试参数时很难定位成本异常。
综合能源系统日前优化调度的目标函数一般写为：
min F = F_buy + F_om + F_carbon + F_dr + F_curtail
其中：
- F_buy：购电成本 + 购气成本，购电部分考虑分时电价，购气部分按固定气价计算
- F_om：所有设备的运行维护成本，通常按出力乘以单位运维系数
- F_carbon：阶梯碳交易成本，按上面2.2节的分段函数计算
- F_dr：需求响应补偿成本，包括可转移负荷的调度补偿和可中断负荷的中断补偿
- F_curtail：弃风弃光惩罚成本，用来提高清洁能源消纳的优先级
这里容易犯的一个错误是忘记加F_curtail。如果模型里没有弃风弃光惩罚，光伏和风电出力再高也只是让购电成本降低，这个逻辑本身没问题；但很多情况下，不加入惩罚项的系统会出现清洁能源出力被"闲置"而系统仍然从电网购电的反常结果，原因往往出在电平衡约束表达式上，风光的出力被错误地限制住了。加入一个远高于购电成本的惩罚项，可以迅速暴露这类约束错误。
3.2 约束条件的分组建模
约束条件建议按以下四组分别建立，每组对应一个独立的function或者脚本块，方便DEBUG时逐组排查。
第一组是能量平衡约束。电平衡要覆盖全部的电力流入流出节点：外购电、光伏、风电、CHP发电、蓄电池放电，等于电负荷加上电锅炉耗电、电制冷机耗电和蓄电池充电。热平衡要覆盖CHP余热、燃气锅炉产热、电锅炉产热、蓄热罐放热，等于热负荷加蓄热罐充热。如果模型涉及P2G（电转气），还要额外加气平衡，否则可以简化为外购天然气等于气负荷加CHP燃料消耗加燃气锅炉燃料消耗。
第二组是设备运行约束。每个设备的出力要限制在上下限之间，比如CHP电出力P_MT_min到P_MT_max，同时还要考虑爬坡约束：前后两个时段出力变化不能超过设定上限。爬坡约束看似简单，但很多复现代码里的参数设置实际上不合理——比如把爬坡速率设得比设备铭牌还宽，约束形同虚设；或者反过来设得太紧，导致某些时段无解。
第三组是储能约束。蓄电池和蓄热罐的状态方程都是递推形式，SOC_t与SOC_{t-1}通过充放电功率关联。这里比较容易漏的是SOC的周期始末一致性，也就是调度周期末尾的SOC要等于周期初始的SOC，否则模型会通过"期末把储能耗光"来降低成本，得到的结果连续运行不下去。这个约束我建议无条件加上。
第四组是需求响应与碳交易相关约束。需求响应约束按1.2节的三个层次展开，碳交易约束则包含配额计算、实际排放计算、阶梯分段线性化三个环节。配额的计算方式按论文设定来，常见的是按负荷侧折算：E_quota = α_e×电负荷 + α_h×热负荷 + α_g×气负荷，α为各能源对应的免费配额系数。
4. MATLAB复现实战：从数据准备到YALMIP求解全流程
4.1 代码结构设计
我不建议把全部代码写成一个main脚本，因为这类模型参数多、约束多，一旦出错，你根本不知道是哪个模块的问题。我的做法是拆成下面几个文件：
IES_Carbon_Dispatch/ ├── main.m // 主程序，负责数据加载、模型构建、求解、结果保存 ├── data/ │ ├── load_profile.xlsx // 24小时电、热、气负荷曲线 │ ├── price_data.xlsx // 分时电价、气价、碳价参数 │ └── device_params.xlsx // 设备转换效率、容量上下限、爬坡限制 ├── model/ │ ├── build_constraints.m // 约束构建 │ ├── build_objective.m // 目标函数构建 │ └── demand_response.m // 需求响应约束和补偿成本 ├── solver/ │ └── solve_dispatch.m // YALMIP建模 + 求解器调用 └── plot/ └── plot_results.m // 结果可视化和图表输出有的朋友觉得拆这么多文件太啰嗦，但我实际体验下来，模块化的收益非常大。最典型的一个场景：需求响应部分的约束写崩了，导致整个模型无解，如果你把demand_response.m单独拆出来，只需要注释掉一行调用就能定位问题；全都堆在main里的话，你要在几百行代码里来回翻。
4.2 YALMIP与求解器的配置
MATLAB里求解优化问题最成熟的方案是YALMIP + CPLEX（或Gurobi）。YALMIP负责建模语法，CPLEX负责底层求解。安装这块我不展开讲，只提醒几个关键点。
第一，CPLEX的版本和MATLAB版本要匹配，建议查一下IBM官方文档里的支持矩阵，避免出现license manager error -8这类典型的激活异常问题。第二，装完后要在MATLAB里用yalmiptest命令测试求解器是否被识别。第三，建模时用sdpvar声明全部优化变量，求解器用sdpsettings指定。
如果手头没有商业求解器，也可以用MATLAB自带的intlinprog替代，但要注意两点：一是求解速度会明显下降，二是intlinprog对大型MILP的支持远不如CPLEX。如果只是验证小规模算例，intlinprog够用；如果要做24节点以上、设备数量较多的模型，我建议还是配一个商业求解器。
4.3 核心建模代码示例
直接给一段我现在常用的代码骨架，覆盖了变量定义、目标函数构建、约束定义和求解四个部分。注意这段代码是简化展示，真实项目里需要根据数据维度扩展。
%% 主程序骨架（简化版） % 时间维度：24小时 T = 24; %% 建模变量 % 设备出力（电、热） P_MT = sdpvar(1, T); % CHP电出力 Q_MT = sdpvar(1, T); % CHP热出力 Q_GB = sdpvar(1, T); % 燃气锅炉供热量 P_EB = sdpvar(1, T); % 电锅炉耗电功率 % 储能状态 SOC_ES = sdpvar(1, T); % 蓄电池SOC P_ES_ch = sdpvar(1, T); P_ES_dis = sdpvar(1, T); % 外购电 P_grid = sdpvar(1, T); % 需求响应量 P_shift_in = sdpvar(1, T); % 转入负荷 P_shift_out = sdpvar(1, T); % 转出负荷 P_shed = sdpvar(1, T); % 削减负荷 % 碳排放辅助变量 W_carbon = sdpvar(3, 1); % 阶梯碳排分段量 u_carbon = binvar(3, 1); % 0-1变量，标记分段启用状态 %% 目标函数 Objective = sum(P_grid .* price_e) + sum((P_MT + Q_MT) * price_gas_om) ... + sum(P_ES_ch + P_ES_dis) * om_es ... + sum(P_shift_in + P_shift_out) * price_dr ... + carbon_ladder_cost; % 阶梯碳成本单独函数计算 %% 约束 Constraints = []; % 电平衡 Constraints = [Constraints, P_grid + P_PV + P_WT + P_MT + P_ES_dis ... == P_load_e + P_EB + P_ES_ch + P_shift_in - P_shift_out - P_shed]; % 热平衡 Constraints = [Constraints, Q_MT + Q_GB + Q_EB + Q_TST_dis ... == P_load_h + Q_TST_ch]; % 储能SOC Constraints = [Constraints, SOC_ES(2:T) == SOC_ES(1:T-1) + P_ES_ch(2:T)*eta_ch - P_ES_dis(2:T)/eta_dis]; Constraints = [Constraints, SOC_ES(1) == SOC_ES(T)]; % 周期始末一致 % 需求响应守恒约束 Constraints = [Constraints, sum(P_shift_in) == sum(P_shift_out)]; Constraints = [Constraints, 0 <= P_shift_in <= P_shift_max, ... 0 <= P_shift_out <= P_shift_max]; % 阶梯碳交易约束 Constraints = [Constraints, W_carbon(1) <= L1 * u_carbon(1)]; Constraints = [Constraints, W_carbon(2) <= (L2 - L1) * u_carbon(2)]; Constraints = [Constraints, W_carbon(3) <= M * u_carbon(3)]; Constraints = [Constraints, u_carbon(1) >= u_carbon(2) >= u_carbon(3)]; Constraints = [Constraints, sum(W_carbon) == E_actual - E_quota]; %% 求解 ops = sdpsettings('solver', 'cplex', 'verbose', 2, 'showprogress', 1); optimize(Constraints, Objective, ops);注意代码里我特意把电平衡写成"总流入等于总流出"的格式，而不是写在等式右边。这个习惯可以让你在排查时快速发现"某设备出力被算到两个等式里"这种重复计数问题。另外，P_shift_in和P_shift_out虽然在电平衡里一边加一边减，但一定不要合并成一个变量，原因后面讲坑的时候会细说。
4.4 参数设置建议
复现最头疼的是参数取多少。参考论文里的典型取值，我整理了一份常用参数表，可以直接作为初值使用。
| 参数项 | 典型取值 | 说明 |
|---|---|---|
| 分时电价 | 峰时1.2元/kWh，平时0.8元/kWh，谷时0.4元/kWh | 时段划分：峰8:00-11:00、18:00-23:00 |
| 天然气价格 | 3.2元/m³ | 可按实际区域调整 |
| CHP发电效率 | 0.35 | 热电比1.3 |
| 燃气锅炉效率 | 0.9 | |
| 电锅炉效率 | 0.98 | |
| 蓄电池容量 | 2000 kWh | 初始SOC 50% |
| 蓄热罐容量 | 1500 kWh | |
| 阶梯碳价 | ρ1=200元/t，ρ2=300元/t，ρ3=400元/t | 分段边界L1=500t，L2=1000t |
| 碳配额系数 | α_e=0.3t/MWh，α_h=0.2t/MWh | 按负荷折算 |
| 需求响应补偿 | 0.5元/kWh | 可转移负荷 |
| 弃风弃光惩罚 | 2元/kWh | 远高于购电价 |
这里面碳价阶梯分段参数对结果影响很大，建议做一组灵敏度分析再确定最终值。灵敏度分析的方式是固定其他参数，只改变L1、L2的大小，观察系统总成本和碳排放量的变化趋势，选那个"成本增幅可接受、减排效果明显"的边界点。这个做起来并不复杂：把参数抽出来放进一个for循环里跑一遍就是了。
5. 仿真结果怎么分析：场景对比与机制效果验证
5.1 场景设置思路
复现类论文的常规操作是设置对照组，用来分别证明"综合需求响应"和"阶梯碳交易机制"各自的贡献。我建议至少设置三个场景：
- 场景1：基准场景，不考虑需求响应，碳交易采用固定碳价
- 场景2：考虑综合需求响应，碳交易采用固定碳价
- 场景3：同时考虑综合需求响应和阶梯型碳交易机制
三个场景的负荷数据、设备参数、能源价格完全一致，只改变"需求响应开关"和"碳交易模式"两个变量。这样跑出来的结果差异，可以分别归因到两个机制上。严谨来说，还可以加一个场景4：不考虑需求响应但采用阶梯碳交易，用来交叉验证两项机制是否具有叠加效果。我实际跑下来，需求响应和阶梯碳价之间确实存在相互作用，并不是简单的独立叠加。
5.2 结果要从哪些维度看
核心关注指标有这么几个：系统总成本、碳排放总量、各类设备出力占比、负荷峰谷差、储能充放规律、碳成本占总成本的比例。我会先看总成本和碳排放量的变化方向是否一致——正常情况下，综合需求响应和阶梯碳交易都应该带来成本上升（碳成本增加）或成本持平的同时碳排放量下降。如果总成本和排放同时上升，就说明模型里有约束写反了，需要回头查碳减排约束。
再看负荷曲线。综合需求响应的直接效果应该体现在负荷移峰填谷上：场景3的等效电负荷峰谷差应该小于场景1。这里建议把调度前后的电负荷曲线画在同一张图上，看转移负荷主要分布在哪些时段。我跑过的某组数据里，需求响应把上午8点的峰值负荷后移到了中午光伏大发时段，系统购电成本直接下降了一大截，这是因为光伏出力时段电价低、自用比例高。
储能SOC曲线也值得细看。蓄热罐的充放策略在阶梯碳价机制下会变得更激进：由于CHP在低电价低谷时段和高排放高压时段都不宜满发，热负荷的高峰会更多依赖蓄热罐放热来满足。对比场景1和场景3的蓄热罐SOC曲线，应该能看到放热时段明显增多。
5.3 绘图与结果输出技巧
MATLAB画这类调度结果图，我常用subplot做2×2或3×2的子图布局：第一幅画电功率平衡堆叠图，第二幅画热功率平衡堆叠图，第三幅画储能SOC曲线，第四幅画碳成本和碳排量柱状图。设备出力用area堆叠面积图比用plot折线图更直观——你能一眼看出每个时段谁在供电、谁在供热。
表示阶梯碳价时用stairs函数而不是plot，因为阶梯本质上是不连续的分段函数，stairs画出来是真正的台阶效果，更贴合实际机制。这个细节在论文插图里能起到很好的强调作用。图导出时用exportgraphics函数，设置300dpi分辨率，满足期刊出版要求。
6. 复现过程中踩过的坑与排查方法
6.1 模型求解失败或长时间不收敛
这类模型最常见的报错就是"Infeasible problem"（不可行问题），意思是没有一组决策变量能满足所有约束。我在调模型时把排查顺序固定为：先验证数据，去掉需求响应和碳交易约束注释，让模型只跑能量平衡；跑通了再逐层加回需求响应约束；最后才加阶梯碳交易的分段线性化约束。每加一层就跑一次，如果发生不可行，马上就能定位到是哪一层引入的矛盾。
如果模型可行但求解时间过长（超过十几分钟），通常是因为0-1变量太多或约束写得不紧凑。阶梯碳交易的分段线性化引入的3个0-1变量本身不多，但如果蓄电池的充放电换用0-1变量做互斥约束，24小时就要48个0-1变量，再加上CHP启停变量，规模一下就大了。建议先用连续变量的方式（充放电效率取同等值）跑通，再考虑精确建模。
6.2 可转移负荷的时序耦合约束
这是需求响应里最容易写错的地方。以电负荷转移为例，我在4.3节的代码里把转入和转出拆成了两个变量P_shift_in和P_shift_out，目的是清晰地表达"从某时段移出的电量，恰好要在另一时段移入"这个逻辑。总电量守恒约束sum(P_shift_in) == sum(P_shift_out)只是第一层，还不够。
更严格的做法是限制每个时段只能转移一次，也就是不能让优化器把某段负荷拆成十几份零散地塞到不同时段。这需要额外的整数变量去标记"该时段是否有负荷转移"，模型会变得复杂很多。如果参考论文没有写这一层，我建议先用简单守恒约束跑；如果想做更贴近工程实际的版本，再把单次转移约束加上。我提到过，忽略这一层约束会导致"数学可行、工程不可行"的结果：优化器给出的方案可能让一条工业产线的负荷分8次转移，这在现实中是不可能发生的。
6.3 单位与数值量级问题
这类模型的变量动辄有kW、kWh、MW、MWh、元、万元混着用的情况。MATLAB里的优化求解器对数值量级很敏感，如果一个约束里既有1000量级的功率，又有0.0001量级的氧化碳排放系数，数值矩阵的条件数会变得很恶劣，求解器容易出现精度警告甚至错误结果。
我的做法是统一量纲：功率全部用kW，能量全部用kWh，价格全部用元/kWh或元/m³，成本单位都是元。有两组特殊处理：一是碳排放配额系数如果用t/MWh，需要把量纲换算成kg/kWh再进模型；二是各类设备效率值本来就是无量纲小数，保持原样即可。整份模型里最大的数值不超过1e6，最小不小于1e-4，求解器跑起来就会非常稳定。
6.4 CPLEX与其他环境问题的排查
在MATLAB里用YALMIP调CPLEX时，如果遇到求解器报错但YALMIP语法看起来没问题，我建议先用一个小规模的人工算例去测试求解器通路，比如只建3个变量、2条约束的线性规划，看CPLEX能不能正常求解。如果小算例也报错，就去检查CPLEX的license manager服务是否正常、MATLAB路径配置是否指向了正确的求解器安装目录。如果小算例能过而大模型报错，问题基本出在模型本身，再按6.1节的排查顺序走。
还有一类常见问题是YALMIP版本和CPLEX版本的兼容性。YALMIP更新比较频繁，有的老版本代码在新版本里会报某些函数被移除的警告。建议把YALMIP升级到最新版，同时保持CPLEX在官方支持范围内。如果实在没法升级求解器，也可以临时把模型转成intlinprog格式试一下，至少能验证模型本身是否可解。
7. 一点个人体会
这个项目做下来，我最大的感受是：综合需求响应和碳交易机制不是两个"加上去"的模块，它们之间会咬合。碳价定得高，负荷侧的需求响应策略就会更愿意配合调整——因为削掉高峰时段的电负荷，不只是省了购电费，还可能让全天的碳排放量落在一个更低的阶梯档位，省下的是真金白银的碳成本；反过来，需求响应把负荷曲线修得更平顺后，系统内的高排放机组出力的峰值也会跟着降下来。这种耦合效应，用单一机制模型是看不出来的。
复制代码跑通不算本事，能调参数、换场景、改约束，让模型适应不同的能源价格和碳价体系，才算真正掌握了这套优化调度策略。我个人建议想深入的朋友在跑通这个版本后，试着把确定性优化扩展成两阶段鲁棒优化，把风电光伏的出力不确定性包进不确定性集合里，再去对比鲁棒解和确定性解的差异。思路是相通的，但收获会完全不一样。
