1. 賽題背景與核心挑戰(zhàn)解析又到了一年一度的電工杯數(shù)學建模競賽2022年的A、B兩道賽題可以說是把“理論聯(lián)系實際”和“開放創(chuàng)新”這兩個特點玩到了極致。對于參加過或者準備參加建模競賽的同學來說這兩道題絕對算得上是“硬骨頭”啃下來能學到不少東西。我當年帶學生備賽拿到題目后也是反復琢磨了很久今天就把我當時的思路拆解、分析過程以及一些關鍵的建模技巧和避坑點系統(tǒng)地分享出來。這不僅僅是給個答案更重要的是想讓大家理解面對一個復雜的實際問題如何一步步抽絲剝繭把現(xiàn)實問題轉化為數(shù)學模型再選擇合適的工具去求解。無論你是初次參賽的新手還是想提升建模能力的老手相信這篇深度復盤都能給你帶來啟發(fā)。2022年電工杯的A題和B題風格迥異考察的側重點也不同。A題通常偏向工程應用與優(yōu)化數(shù)據(jù)可能比較規(guī)整但物理背景或工程邏輯復雜B題則更偏向數(shù)據(jù)分析、預測或評價數(shù)據(jù)可能更“臟”需要更強的數(shù)據(jù)清洗和挖掘能力。我們拿到題目后第一步絕不是急著去建模型而是要把題目徹底“讀透”。這個“讀透”包括明確題目到底要我們解決什么問題是預測、優(yōu)化、評價還是分類、題目給了哪些已知條件數(shù)據(jù)、背景描述、約束、問題的邊界在哪里哪些因素必須考慮哪些可以簡化忽略。很多隊伍一開始就栽在這里模型建得天花亂墜最后發(fā)現(xiàn)根本沒答到點子上。2. A題“高比例風電電力系統(tǒng)儲能運行及容量配置優(yōu)化”思路拆解我們先來看A題。從標題就能看出這是一個典型的能源電力系統(tǒng)優(yōu)化問題結合了“高比例風電”、“儲能運行”和“容量配置優(yōu)化”三個關鍵詞。這實際上是一個多階段、多目標的規(guī)劃與運行協(xié)同優(yōu)化問題。風電具有間歇性和波動性大規(guī)模接入電網(wǎng)后會給系統(tǒng)的功率平衡帶來巨大挑戰(zhàn)。儲能系統(tǒng)如電池可以“削峰填谷”平滑風電出力提高電網(wǎng)的消納能力和運行穩(wěn)定性。題目核心就是給定一個包含風電、常規(guī)機組和儲能系統(tǒng)的電力系統(tǒng)在滿足各種運行約束如功率平衡、機組爬坡、儲能充放電的前提下如何優(yōu)化儲能的運行策略什么時候充電、什么時候放電、充放多少以及儲能的容量配置需要建多大的儲能電站使得系統(tǒng)的總成本可能是投資成本運行成本最低或者綜合效益最高。2.1 問題一系統(tǒng)運行模擬與基礎分析通常第一問是基礎要求我們在給定的儲能容量和初始運行策略下對系統(tǒng)進行一段時期比如24小時或一周的運行模擬。這一步的目的是驗證模型基礎的正確性并分析當前策略下系統(tǒng)存在的問題。建模核心構建電力系統(tǒng)時序運行模擬模型。決策變量每個時間點t如1小時為一個時段常規(guī)機組i的出力P_g(i,t)風電場的實際出力P_w(t)可能小于預測值儲能系統(tǒng)的充放電功率P_ch(t)充電為正、P_dis(t)放電為正以及儲能系統(tǒng)的荷電狀態(tài)SOC t。目標函數(shù)最小化總運行成本。總成本 常規(guī)機組發(fā)電成本通常是出力的二次函數(shù) 風電棄風懲罰成本預測風電-實際風電 系統(tǒng)功率缺額懲罰成本如果負荷無法滿足。約束條件功率平衡約束對于每個時間t常規(guī)機組出力 風電實際出力 儲能放電功率 - 儲能充電功率 負荷需求。這是最核心的等式約束。常規(guī)機組約束出力上下限、爬坡速率相鄰時段出力變化限制。風電場約束實際出力不能超過預測值即存在棄風可能。儲能系統(tǒng)約束充放電功率上下限0 P_ch(t) P_ch_max 0 P_dis(t) P_dis_max。充放電不能同時進行這通常引入一個0-1變量u(t)來表示狀態(tài)1充電0放電并添加約束 P_ch(t) u(t)*M P_dis(t) (1-u(t))*MM為一個很大的數(shù)。荷電狀態(tài)SOC動態(tài)SOC(t1) SOC(t) (η_ch * P_ch(t) - P_dis(t)/η_dis) * Δt / E_rated。其中η_ch和η_dis為充放電效率E_rated為額定容量題目給定。SOC必須在最小值和最大值之間如20%~90%。周期首尾SOC相等如果模擬一個周期SOC(0) SOC(T)。求解與結果分析 這是一個混合整數(shù)線性規(guī)劃MILP問題因為引入了0-1變量u(t)可以使用Gurobi、CPLEX或MATLAB的intlinprog求解。求解后你會得到一套運行方案。分析的重點應該是繪制時序圖將負荷曲線、風電預測曲線、風電實際消納曲線、常規(guī)機組出力曲線、儲能SOC曲線畫在一張圖上。這是最直觀的分析工具。關鍵指標計算計算總運行成本、棄風量/棄風率、儲能系統(tǒng)的充放電次數(shù)和深度。問題診斷從圖中可以看出在風電大發(fā)而負荷低的時段是否發(fā)生了大量棄風在負荷高峰而風電不足時儲能是否及時放電常規(guī)機組的爬坡是否頻繁且劇烈這些現(xiàn)象都指向當前儲能配置或策略的不足為第二問的優(yōu)化指明方向。注意第一問的模型是后續(xù)所有問題的基礎。務必確保其正確性。一個常見的坑是單位混淆功率MW和能量MWh要區(qū)分清楚Δt時間間隔必須參與計算。2.2 問題二儲能運行策略優(yōu)化在第一問的基礎上第二問通常要求我們優(yōu)化儲能的運行策略即控制P_ch(t)和P_dis(t)以提升系統(tǒng)經(jīng)濟性或其他指標如降低棄風率。建模核心將第一問的模型作為基礎但儲能的運行不再固定而是作為優(yōu)化變量。目標函數(shù)和約束與第一問基本相同。本質上這就是一個更完整的優(yōu)化模型決策變量包含了儲能的動作。求解思路 這仍然是一個MILP問題。直接調用求解器即可。但這里有一個重要的技巧和潛在的坑如果時間尺度較長如一周168個時段引入的0-1變量u(t)會很多168個可能導致求解速度變慢甚至無法在比賽時間內得到最優(yōu)解。應對策略松弛整數(shù)約束可以先嘗試將u(t)松弛為[0,1]之間的連續(xù)變量求解線性規(guī)劃LP問題。如果求得的解恰好是整數(shù)很多情況下由于目標函數(shù)和約束的結構解會自動滿足整數(shù)性那就完美了。如果不是再考慮用MILP求解。簡化充放電邏輯可以考慮更簡單的儲能模型比如用一個變量P_ess(t)表示儲能的凈出力放電為正充電為負然后約束其上下限為[-P_ch_max, P_dis_max]。這樣避免了整數(shù)變量但需要額外處理充放電效率不對稱的問題充電效率η_ch和放電效率η_dis不同。一個常用的近似方法是取平均效率或者構造一個等效的“往返效率”。利用問題特性對于這類“能量型”儲能如電池其核心作用是能量時移?？梢运伎荚谑裁辞闆r下充電最劃算電價低或棄風時。什么情況下放電最劃算電價高或功率缺額時?？梢曰谶@種思想設計啟發(fā)式規(guī)則如“低儲高發(fā)”雖然不如優(yōu)化模型精確但速度快可以作為初始解或驗證用。優(yōu)化后的結果應與第一問的結果進行對比分析。用數(shù)據(jù)說話總成本降低了多少棄風率下降了多少通過對比時序圖清晰地展示優(yōu)化后的策略是如何更智能地利用儲能來平滑凈負荷負荷-風電的。2.3 問題三儲能容量配置優(yōu)化這是A題的難點和亮點從“運行優(yōu)化”上升到了“規(guī)劃優(yōu)化”。我們需要同時決定儲能系統(tǒng)的功率容量P_rated單位MW和能量容量E_rated單位MWh以及在其全生命周期內的運行策略。建模核心這是一個兩階段或雙層優(yōu)化問題。上層是容量配置決策P_rated, E_rated下層是在給定容量下最優(yōu)的運行策略對應問題二。目標是最小化全生命周期總成本包括儲能投資成本與P_rated和E_rated相關和系統(tǒng)多年的運行成本。這是一個非常復雜的模型直接構建單層MILP模型會極其龐大容量變量是連續(xù)的運行變量是離散且多時段的。競賽中通常采用以下簡化方法典型日/場景法選取多個具有代表性的日運行場景如大風日、小風日、高負荷日、低負荷日而不是模擬全年8760小時。認為全年的運行成本可以由這些典型日的成本加權求和得到。這大大降低了模型規(guī)模。迭代搜索法這是更實用、更容易實現(xiàn)的思路。既然容量配置P,E是我們要找的我們可以假設一組P,E然后調用問題二的模型運行優(yōu)化計算該容量下的最優(yōu)運行成本。遍歷一個合理的P,E組合范圍找到使得總成本投資成本運行成本最小的那個組合。步驟 a. 確定儲能功率和能量容量的搜索范圍例如P從10MW到100MW步長10MWE從40MWh到400MWh步長40MWh。 b. 對于每一組P_i, E_j將其代入問題二的運行優(yōu)化模型求解得到該容量下的最小年運行成本C_op(P_i, E_j)。 c. 計算總成本C_total(P_i, E_j) 投資成本(P_i, E_j) C_op(P_i, E_j)。投資成本通?？梢院喕癁镃_inv a * P b * E其中a和b是單位功率和單位能量的投資成本系數(shù)。 d. 在所有遍歷的組合中找到使C_total最小的P*, E*。靈敏度分析與經(jīng)濟性評價得到最優(yōu)配置后需要分析其經(jīng)濟性。計算投資回收期、凈現(xiàn)值NPV或內部收益率IRR等指標。同時可以做靈敏度分析比如當風電預測誤差增大、當儲能投資成本下降時最優(yōu)配置會如何變化這能體現(xiàn)你思考的深度。核心技巧在寫論文時對于第三問一定要清晰地畫出你的求解框架流程圖。例如“確定容量搜索空間 - 對于每個容量組合 - 調用運行優(yōu)化子模型 - 計算總成本 - 比較得到最優(yōu)解”。這能讓評委一眼看清你的邏輯。同時容量搜索的步長選擇要合理太粗可能錯過最優(yōu)解太細計算時間太長。可以先用大步長粗搜在最優(yōu)解附近用小步長精搜。3. B題“5G網(wǎng)絡環(huán)境下超密集網(wǎng)絡中的無人機位置與通信優(yōu)化”思路拆解B題轉向了通信網(wǎng)絡領域結合了5G、超密集網(wǎng)絡UDN和無人機UAV這幾個前沿概念。題目背景是在地面基站超密集部署和無人機組成的異構網(wǎng)絡中我們需要優(yōu)化無人機的位置可能是在三維空間中以及它和地面基站之間的通信關聯(lián)、資源分配以達到某個目標比如最大化所有無人機的最小吞吐量公平性或者最大化網(wǎng)絡總容量。3.1 問題一靜態(tài)場景下的無人機部署優(yōu)化第一問通常會給定一個靜態(tài)場景地面基站的位置固定用戶或無人機需要服務的對象分布固定要求我們?yōu)橐欢〝?shù)量的無人機找到最佳的懸停位置。建模核心這是一個位置優(yōu)化問題通常是非凸優(yōu)化比較棘手。通信模型建立這是所有分析的基礎。需要建立一個合理的信道模型。路徑損耗無人機與基站、無人機與用戶之間的鏈路要考慮視距LoS和非視距NLoS概率。常用的模型是3GPP或國際電信聯(lián)盟ITU針對低空平臺的信道模型。路徑損耗PL(dB) 20log10(4πf/c) 20log10(d) η。其中f是頻率c是光速d是距離η是附加損耗對于LoS和NLoS不同。信噪比SNR與速率根據(jù)發(fā)射功率、路徑損耗、噪聲功率計算接收信噪比SNR。然后根據(jù)香農(nóng)公式近似計算可達速率 R B * log2(1SNR)其中B是帶寬。優(yōu)化問題建模決策變量每架無人機k的三維坐標 (x_k, y_k, h_k)。目標函數(shù)常見的有兩種。一是最大化網(wǎng)絡總速率求和二是最大化最小用戶速率max-min fairness后者更能體現(xiàn)公平性也是競賽中更常見的考法。約束條件無人機高度約束h_min h_k h_max法規(guī)限制。無人機水平位置約束可能在某個區(qū)域內。無人機間最小距離約束防止碰撞或干擾。每個用戶關聯(lián)到一個服務節(jié)點無人機或地面基站的約束。帶寬或功率資源分配約束如果問題細化。求解思路 這個問題是非凸的直接求全局最優(yōu)解非常困難。在數(shù)模競賽中我們通常采用啟發(fā)式算法或迭代優(yōu)化算法。粒子群優(yōu)化PSO非常適合這類連續(xù)空間的位置優(yōu)化。將每架無人機的位置編碼為粒子的一部分以適應度函數(shù)即目標函數(shù)如最小用戶速率來引導粒子群搜索。需要仔細設計粒子的維度和速度更新公式。連續(xù)凸近似SCA或塊坐標下降BCD這是一種更具數(shù)學性的方法。以max-min問題為例目標函數(shù)可以改寫。通過引入輔助變量將非凸約束進行一階泰勒展開凸近似從而將原問題轉化為一系列凸子問題迭代求解。這種方法在論文中顯得“高大上”但實現(xiàn)起來需要對凸優(yōu)化有一定了解。K-means聚類思想的改進如果目標是讓無人機去服務地面用戶可以將用戶位置進行聚類每個無人機的初始位置設在其服務用戶簇的質心上方某個高度然后再進行微調。這可以作為一個很好的初始解。結果展示一定要畫出優(yōu)化前后的網(wǎng)絡拓撲圖。用不同的標記表示基站、用戶、無人機用連線表示服務關聯(lián)關系。用顏色深淺或標記大小表示用戶速率的差異。一張好的圖勝過千言萬語。同時給出關鍵指標對比如最小速率、平均速率、速率標準差衡量公平性的提升百分比。3.2 問題二考慮動態(tài)用戶或干擾的聯(lián)合優(yōu)化第二問會增加復雜性例如用戶是移動的或者需要考慮基站和無人機之間的同頻干擾。對于動態(tài)用戶問題從靜態(tài)優(yōu)化變?yōu)閯討B(tài)優(yōu)化。一個處理思路是分時隙優(yōu)化。將時間分成多個時隙在每個時隙內認為用戶位置近似不變然后針對每個時隙獨立求解問題一的模型。但這樣忽略了無人機移動的能耗和連續(xù)性。更優(yōu)的思路是建立**模型預測控制MPC**框架在每個時隙根據(jù)當前狀態(tài)和未來短期內的用戶位置預測優(yōu)化無人機從當前時刻開始的一段有限時間內的軌跡但只執(zhí)行第一個時刻的控制指令到下一時刻再重新優(yōu)化。這更貼近實際但建模和計算更復雜。對于干擾管理如果題目明確考慮干擾那么信道模型中的噪聲功率就要變?yōu)椤案蓴_加噪聲功率”。干擾來自其他使用相同頻段的鏈路。這引入了耦合使得問題更加非凸。常見的簡化方法是基于信干噪比SINR的模型此時速率公式變?yōu)?R B * log2(1SINR)。干擾協(xié)調可以引入資源分配變量例如正交頻分多址OFDMA讓相互干擾強的鏈路使用不同的資源塊RB從而避免干擾。這會將問題擴展為聯(lián)合位置優(yōu)化與資源分配問題。迭代優(yōu)化固定無人機位置優(yōu)化資源分配這是一個凸問題或線性規(guī)劃然后固定資源分配優(yōu)化無人機位置。兩者交替迭代直至收斂。3.3 問題三能量約束或軌跡規(guī)劃問題第三問可能會引入無人機的能量約束或者要求規(guī)劃從起點到終點的完整飛行軌跡并在途中進行通信服務。能量約束模型無人機的能量消耗主要包括兩部分通信能耗相對較小和飛行推進能耗。推進能耗與無人機的速度、加速度、重量等因素有關。一個廣泛使用的模型是旋翼無人機的功率消耗模型功率 P P0懸?；A功率 P1誘導功率 P2寄生功率其中后兩者與速度有關。有了功率模型結合時間就能計算能耗。約束是總能耗不能超過電池容量。軌跡規(guī)劃問題此時決策變量從“位置點”變成了“軌跡函數(shù)”通常是離散化為一系列路徑點。目標可能是在能量約束下最大化服務效能或者最小化完成任務的總時間。這變成了一個動態(tài)優(yōu)化或最優(yōu)控制問題。求解方法離散化優(yōu)化將時間和空間離散化無人機的軌跡由一系列路徑點x_t, y_t, h_t表示。這樣就把連續(xù)軌跡優(yōu)化變成了一個大規(guī)模但離散的優(yōu)化問題仍然可以用PSO等智能算法求解但變量維數(shù)很高。基于圖搜索的方法將空間劃分為網(wǎng)格把問題轉化為在圖上尋找最優(yōu)路徑的問題可以使用A*算法、Dijkstra算法等。簡化處理在數(shù)模競賽有限的時間內一種實用的方法是先規(guī)劃一條粗略的幾何路徑比如從起點到終點的直線或者避開障礙物的折線然后在這條路徑附近優(yōu)化無人機在每個路徑點上的精確懸停位置和服務時間。這樣就把復雜的軌跡優(yōu)化分解為相對簡單的“路徑規(guī)劃”和“位置優(yōu)化”兩個子問題。4. 通用備賽策略與論文寫作要點無論面對A題還是B題一些通用的競賽策略和論文寫作技巧至關重要這往往決定了論文的最終檔次。4.1 團隊分工與時間管理分工理想的團隊應具備三種能力建模思路清晰、數(shù)學好、編程算法實現(xiàn)、數(shù)據(jù)處理、寫作邏輯表達、圖表美化。比賽開始后應快速集體審題確定大致方向然后分頭查閱文獻、梳理模型。第二天模型和算法主體必須確定并開始實現(xiàn)。第三天集中寫作、調試、生成結果。時間第一天晚上務必完成問題一的建模與求解。第二天完成問題二和問題三的核心模型。第三天全天用于寫作、完善、做靈敏度分析、打磨摘要。4.2 模型求解的“降維打擊”電工杯的題目往往有“最優(yōu)解”。不要只滿足于用智能算法如PSO、GA求出一個“還行”的解。對于A題這類混合整數(shù)規(guī)劃應優(yōu)先嘗試使用專業(yè)的優(yōu)化求解器Gurobi、CPLEX。對于B題的非凸問題如果用了智能算法一定要多次運行取最好結果并報告算法的收斂曲線以證明解的穩(wěn)定性?？梢試L試用不同算法如PSO和SA分別求解對比結果這能體現(xiàn)工作的全面性。4.3 論文寫作的靈魂可視化與對比分析圖比表好表比文字好盡可能將結果可視化。時序對比圖、拓撲網(wǎng)絡圖、三維位置圖、收斂曲線圖、 Pareto前沿圖如果有多目標、靈敏度分析柱狀圖……這些都是極大的加分項。對比分析每一個優(yōu)化后的結果都必須和優(yōu)化前或基準方案進行量化對比。“提升了多少”、“降低了多少”要用百分比和數(shù)據(jù)說話。設立合理的對比基準如無儲能方案、均勻部署方案是體現(xiàn)模型價值的關鍵。4.4 摘要和模型檢驗摘要這是論文的門面決定評委的第一印象。摘要必須獨立成篇包含針對每個問題用了什么方法、建立了什么模型、得到了什么關鍵結果用數(shù)據(jù)。最后用一兩句總結全文亮點。避免在摘要中出現(xiàn)公式和圖表引用。模型檢驗這是區(qū)分優(yōu)秀論文和普通論文的關鍵。你的模型結果合理嗎可以通過以下方式檢驗靈敏度分析改變模型中的某個關鍵參數(shù)如風電預測誤差、儲能成本、信道衰落因子觀察結果的變化趨勢是否符合物理或經(jīng)濟直覺。例如儲能成本下降最優(yōu)配置容量應該增加。極端情況測試將模型推到極端條件如風電為零、負荷極高看模型能否給出合理的解如所有常規(guī)機組滿發(fā)儲能放空。簡化模型對比如果可能建立一個高度簡化的模型如忽略某些約束其最優(yōu)解應該與你復雜模型在相應簡化條件下的解趨勢一致。4.5 必須避免的坑模型與問題脫節(jié)這是最致命的錯誤。一定要反復問自己我建的模型其決策變量、目標函數(shù)、約束條件是否完全對應了題目所問有沒有漏掉題目中隱含的條件算法描述不清如果你用了智能算法不能只說“我們采用了粒子群算法”必須詳細說明在你的問題中粒子位置如何編碼適應度函數(shù)如何設計關鍵參數(shù)種群大小、迭代次數(shù)、慣性權重是如何設置的為什么這樣設置結果分析空洞只說“結果良好”、“效率提升”卻沒有具體數(shù)據(jù)支撐。每一個結論都必須有對應的圖表或數(shù)據(jù)作為依據(jù)。格式混亂公式編號不連續(xù)、圖表沒有標題和編號、參考文獻引用不規(guī)范。這些細節(jié)會嚴重影響評委的閱讀體驗給人不專業(yè)的印象。電工杯的題目綜合性很強它考察的不僅僅是數(shù)學和編程能力更是將實際問題抽象化、邏輯化、并清晰表達出來的綜合能力。希望這份基于2022年賽題的思路拆解能幫助你建立起應對這類復雜建模問題的系統(tǒng)性思維。記住沒有唯一的“標準答案”只有邏輯更嚴謹、考慮更周全、呈現(xiàn)更清晰的“更好答案”。在比賽中大膽假設小心求證把你團隊的思考過程完整地、有說服力地展示出來就是成功的關鍵。