摘要：在 “双碳” 目标驱动下，构建新型电力系统成为能源转型关键。其中，电力系统混合整数线性规划（MILP）问题对电力资源优化配置意义重大，直接关系系统安全性与经济性。但当前相关运筹决策技术面临诸多困境。

在 “双碳” 目标驱动下，构建新型电力系统成为能源转型关键。其中，电力系统混合整数线性规划（MILP）问题对电力资源优化配置意义重大，直接关系系统安全性与经济性。但当前相关运筹决策技术面临诸多困境。

电力系统MILP问题涉及机组组合、检修计划等多个方面。这类问题是NP难问题，可行解数量随离散变量规模指数增长，求解难度大。目前，常用运筹决策技术主要有直接调用求解器和自研算法两种。前者简便但面对大规模问题收敛慢，后者适用性又难以保证。

商用求解器如CPLEX、GUROBI虽被广泛应用，但已出现求解瓶颈。在我国某区域电网日前机组组合问题中，部分算例无法在1小时内获得可行解，严重制约电力市场建设。而且，商用求解器依赖进口，内部算法“黑箱”调用难以深度调试，开源求解器在效率上又存在差距，国产自研求解器在面对超大规模问题时，与国外产品也有一定差距，这成为我国能源领域的“卡脖子”问题。

输变电装备技术全国重点实验室（重庆大学）的高倩、杨知方、李文沅，系统地梳理了电力系统MILP问题的运筹决策技术，以及近年来通用MILP问题的最新进展，并展望了电力系统MILP问题运筹决策关键技术未来的研究方向，旨在为我国相关研究工作提供参考和思路。

表1 几种常见的混合整数线性规划运筹决策技术

为突破困境，研究人员积极探索。一方面，梳理现有技术并关注通用MILP问题进展。另一方面，提出“电力系统物理特征构建-求解过程信息挖掘-加速算法深度内嵌”的研究脉络。

图1 混合整数线性规划模型求解流程

在物理特征构建上，从资源、网络约束、负荷、可分解特征及实用化决策要求等方面入手。例如，分析资源差异、挖掘网络约束瓶颈、聚合相似负荷时段等，都有助于提升求解效率。求解过程信息挖掘也至关重要，像利用求解器预求解后模型规模削减、分支定界产生的可行解等信息，能为优化算法提供方向。

加速算法深度内嵌则是将结合上述信息的算法融入求解流程。预求解环节的热启动、惰性约束，分支定界环节的优先分支、参数调整等方法，都在尝试提升效率，并且这些环节还可与并行计算结合。

国外在相关领域也有不少探索。学术上，机器学习与组合优化结合的研究受关注；工程应用中，一些求解器研发团队已将人工智能算法应用于组合优化；电力系统方面，美国多个团队在致力于提升求解效率。

我国电力系统MILP决策技术发展任重道远。期待大家共同探讨，推动这一关键技术的发展。

本工作成果发表在2024年第11期《电工技术学报》，论文标题为“电力系统混合整数线性规划问题的运筹决策关键技术综述与展望”。本课题得到国家重点研发计划和国家自然科学基金的支持。

来源：电气技术