微电网是由一组互联的负载和分布式能源组成的系统，具有明确界定的电气边界，能够与电网连接和断开，从而使其既可以在并网模式下运行，也可以在孤岛模式下运行。不同场景下的资源条件、负荷特性、供电可靠性要求和经济约束差异很大，因此技术组合也会截然不同。常见的微电网可能包含的技术有可再生能源、储能、常规发电机组、负载等。多种技术组合耦合之后，定容的变量空间急剧扩大，叠加柔性负荷、可中断负荷、以及动态电价，传统的表格测算与经验规则已经难以求出真正的全局最优。
工程实践中，容量配置偏差常被归因于优化算法，但更普遍的情况是前置环节存在缺失：项目性质未明确、数据精度不足、约束条件未纳入建模等。这类偏差会沿链路向后传递，且无法在后续环节中通过优化算法弥补。
微电网定容结果的可信度，取决于四个环节：场景界定、数据准备、模型求解与成果交付。本文所述方法框架，同时也是 EcoSizing 微电网智能规划与定容平台的构建逻辑。
下文将逐一说明四个环节的技术要点与常见问题。
1.场景界定
微电网定容本质上是将工程优化问题转化为数学问题并求解的过程。为保证数学模型准确刻画原问题，需要清晰地界定微电网运行场景和技术组合，从而确定参数、变量、约束、以及目标函数。因此，在容量配置计算开始之前，应当确定以下四项：
1.1场景与技术
场景与技术界定是微电网定容的第一步，其目的是明确项目“在哪里建、为谁供电、靠什么供电、受什么约束”，从而为后续的参数设定、变量定义、约束建模、和目标函数建立提供依据。具体而言，需要从以下三个层面完成界定。
第一，明确项目性质与供电目标。 需要区分项目是并网型还是离网型，是增量新建还是存量改造，是追求经济性最优、供电可靠性优先，还是以可再生能源消纳为主要目标。例如，偏远海岛项目通常以离网自主供电为首要目标，工业园区项目则更关注峰谷套利与需量管理，关键设施项目则将供电连续性置于经济性之上。项目性质直接决定了目标函数的选取方向，也决定了后续约束条件的松紧程度。
第二，界定资源条件与负荷特性。 资源条件包括当地太阳能辐照、风速分布、燃料价格等；负荷特性包括负荷曲线、柔性/可中断负荷比例。对于含有充换电设施的项目，还需额外考虑电动汽车的充电时序和V2G参与潜力。这些数据是后续数据准备环节的输入基础，其精度直接影响定容结果的可信度。
第三，确定技术组合。 根据场景需求，选择纳入优化的技术类型，常见选项包括光伏、风电、储能电池、柴油发电机、燃气轮机、充换电设施以及柔性负荷等。技术组合一旦确定，参数、变量和约束的集合也随之确定，定容问题的数学规模与复杂度由此奠定。
1.2商业模式
两种模式的优化目标一致，都是让项目在全生命周期内的经济性最优，差别在于算账主体与收益项的构成。
PPA 模式下，项目方投资建设并向用户售电，收益来自合同电价下的售电收入，测算围绕项目投资、合同电价、供电收入与运营成本展开。
自投模式下，业主在自有园区投资建设，收益体现为自身用电成本的节省，测算围绕建设投入、电费节省与长期运行成本展开。
同一项目在两种模式下会得出不同的最优配置。商业模式未确定即开展定容，所得配置将与实际投资主体的目标偏差较大。
1.3项目阶段
新建项目规划属于设计优化问题，设备容量与数量为待求决策变量，测算目标是给出前期投资与方案选型依据。
已有配置评估属于运行优化问题，设备配置固定，运行策略为待求解变量，测算目标是评估既定方案的供电可靠性与经济性。
1.4约束条件
约束条件应在建模阶段纳入，而非在得出结果后进行校验。先求解再校验的工作方式，是方案返工的主要来源之一。常见约束包括：
-
投资预算上限
-
最大可安装光伏容量、场地可用面积
-
光储配比、构网约束
-
供电小时数要求、可再生能源占比要求
-
并网容量上限、防逆流限制
-
功率平衡
-
电量平衡
2.数据准备
数据准备的质量决定测算结论的误差下限。工程实践中，此环节的偏差最为普遍。
2.1典型日方法的局限
为降低计算量，传统规划广泛采用典型日方法，即提取有代表性的负荷与发电曲线外推全年。该方法剥离了时间维度上的动态特征，主要存在三类偏差：
极值时段的经济权重被稀释。 需量电费由计费周期内单个最大需量时段决定，而代表日按天数权重外推全年，峰值时刻的边际权重被摊薄。削峰所需的储能功率因而被低估。
储能跨时段连续运行的特征被切断。 代表日相互独立、每日电量按时复位，"周末储存、工作日释放"这类跨日的能量转移无法体现，长时储能的容量价值因而被低估。
代表日的选取标准与投资决策标准不一致。 代表日依据"哪些天与其他天最相似"选出，衡量的是曲线是否接近；而决定投资规模的是成本最高的那几个时刻。两者衡量依据不同，误差方向不确定，可能偏大也可能偏小，且增加代表日数量未必能使结果更接近全年实际。
2.2四类数据的技术要求
气象数据。 依据项目经纬度获取典型气象年（TMY）数据，涵盖辐照、温度、风速等参数，作为新能源发电测算的资源基础，不同地区的资源条件差异应在模型中体现。
新能源出力数据。 需要能够体现季节变化与日内变化的全年逐小时出力曲线，如果以年利用小时数替代时序曲线，则无法支撑发用匹配分析与储能需求判断。
负荷数据。 优先采用实测 8760 小时负荷曲线，实测数据不可得时，可采用以下方式生成：按行业或设施类型调用负荷模板；按年电量或月电量推算；按工作日与非工作日典型曲线生成全年数据。同时应设置分级负荷与可调负荷，用以区分不同负荷的供电优先级，该设置在离网场景下直接关系到柔性切负荷策略的可行性与配置规模。
电网数据。 包括购电与售电价格、峰平谷分时电价、需量费用及其计费方式、最大购售电功率与反送电等接入约束，该类数据决定收益来源结构。
2.3数据精度与测算阶段的匹配
数据不完整不构成测算的前置障碍，合理的工作方式是分级推进：数据充足时开展精细分析，数据有限时开展前期评估，随数据补齐逐步细化。关键在于明确当前结论所依赖的假设及由此带来的误差范围。
3模型求解
同一项目通过不同方完成定容，容量结果相差一倍的情况在行业内并不罕见，这一显著差异主要来自求解方法。
3.1启发式方法的局限
微电网规划中，遗传算法（GA）、粒子群优化（PSO）、贝叶斯优化（BO）等启发式随机算法曾被广泛使用。该类方法的特点是建模灵活，支持非线性约束，但在处理8760 小时时序数据与多技术耦合问题时，易陷入局部最优，且耗时较长。
更关键的问题在于结果的确定性，启发式方法的随机变异机制会导致相同参数多次运行结果不一致，对机构投资者与尽职调查而言，无法复现的结果难以采信。
同样的局限存在于 Excel 静态模型与规则化调度策略中，当用户侧电价随现货现场逐时甚至更高频变化时，固定规则无法在数学上收敛到全局最优。
3.2混合整数线性规划
以混合整数线性规划（MILP）框架重构微电网资产模型，可以实现容量与运行策略的协同优化。
决策变量包括整数或二进制的定容变量（光伏、储能、逆变器、充电设施的数量与型号选择），以及连续或二进制的运行变量（购售电、储能充放电与荷电状态、负荷供给状态）。
约束条件覆盖逐时功率平衡、设备额定限值、储能跨时段荷电状态动态、需量电费与并网边界、发电机组运行限值、充换电耦合关系，以及年度服务水平要求。
该框架有两项工程价值：
-
求解结果为数学意义上的全局最优，而非试算得到的近似可行解；
-
每一项充放电决策可追溯、可解释，具备审计条件。
3.3储能衰减与替换
项目投运后，储能资产通常还要运行二十年，而电化学储能存在日历老化与非线性循环衰减的情况，在高频深放工况下尤其明显。如果财务模型建立在"全生命周期性能不变"的静态假设之上，模型就会出现两处结构性缺陷：
-
运行 5 至 10 年后可用容量大幅下降，收益能力的衰减未被计入；
-
替换成本的发生时点未被预测，全周期 IRR 失真。
因此完整的模型应包含锂电池多因子老化建模，考虑放电深度（DOD）、放电倍率、循环寿命与日历寿命；在用户设定的阈值触发时，计入替换或补容的资本性支出，并切换至新的运行模型。
在离网场景中，供电小时数能否达标，取决于储能的实际可用容量。如果容量衰减后不及时补容，可靠性将低于设计指标。同时，由于光伏与储能寿命不同，多数场景下储能会先于项目周期到达退役年限，替换投资必须纳入测算范围。
4.成果交付
定容最终应当交付一份能够支撑方案评审与投资决策的完整材料，材料的完整性直接影响项目能否进入下一阶段。
完整材料应当包含以下两部分内容：
4.1技术与工程成果
技术侧的交付物中，定容结果、运行策略与运行曲线是测算的直接产出，BOM 清单与一、二次接线图是在此基础上生成的工程文件。
-
定容结果：各类设备的容量、功率、数量及配置摘要，支撑设备选型、方案评审与投资估算
-
运行策略与仿真计划：储能充放电、能源出力、电网购售电及供需匹配关系，解释系统如何运行、收益如何形成
-
运行曲线：全年 8760 小时的逐时功率、储能状态与负荷供电情况，用于查看关键时段表现、识别运行约束
-
BOM 清单：方案对应的设备与物料配置明细，为报价与交付核对提供依据
-
一次接线图：主回路设备及电气连接关系，直观说明系统电气结构
-
二次接线图：控制、测量、保护与通信连接关系，辅助交付安装施工
4.2经济性分析成果
-
投资构成：设备、建设及其他初始投入的明细
-
现金流量表：逐年收入、支出与净现金流
-
投资回报指标：IRR、NPV、投资回收期
-
度电成本（LCOE）：从成本角度评价供电方案
-
融资相关结果：贷款条件下的现金流与资本回报分析
财务测算应覆盖初始资本性支出、年度运营支出、补容与替换成本、还本付息、折旧、税费与资产残值。
这两部分内容，前者面向方案评审，后者服务于投资决策，缺一不可。定容结果如果只停留在电子表格层面，既进不了方案评审，也支撑不了融资对话，项目就卡在这一步。材料是否规范、结论能否经得起追问，往往比容量数值精确到小数点后几位更重要。
5.关于仿真与实际运行的偏差
即使前四个环节都做到位，测算结果与实际运行之间仍会存在偏差。模型测算 IRR 为 20%、投运首年实际 15% 的情况并不少见。这类偏差主要来自物理世界的非理想特性，而非算法本身。
偏差主要来自以下两方面：
-
模型偏差。 光伏出力与负荷曲线本质上是基于历史概率的预测。企业开工率变化、极端天气、非计划停产检修，都会使实际负荷与出力偏离测算时的假设，原定的充放电安排与之也不再匹配。
-
执行偏差。 仿真默认能量管理系统（EMS）能够完整执行调度指令。但实际运行中，出力与负荷预测偏差、荷电状态估计偏差、设备效率偏差，均会导致理论套利动作变形。
这类偏差可以通过更精细的建模收窄，但无法完全消除，更务实的方式是建立纠偏机制：在定容阶段引入收益折损系数以对冲执行损失；在运行阶段引入实时修正算法，依据当日实际工况动态调整日前调度策略。
偏差可以通过纠偏机制压缩，但不会消失，因此一份具备工程可信度的定容结论，应明确说明其不确定性来源与量级。
定容前置条件核查表
| 环节 | 核查项 |
| 场景界定 | 资产组合、商业模式、项目阶段是否明确？关键约束是否已写入测算前提 |
| 数据准备 | 四类数据中哪些是实测、哪些是估算？估算部分的误差范围是否清楚？ |
| 模型求解 | 结果是全局最优吗？能否复现？衰减与替换成本是否计入？ |
| 成果交付 | 材料能否直接进入方案评审与融资对话？ |
以上问题可用于定容工作启动前的快速自查。
关于 EcoSizing
EcoSizing 是围绕上述四环节构建的微电网智能规划与定容平台。
平台以混合整数线性规划为求解内核，在不牺牲工程严谨性的前提下，将系统最优定容从数小时压缩至 5 分钟以内。平台的核心，是将高保真的 8760 小时全时序仿真与全生命周期财务模型相结合。通过求解资产全寿命周期内每一小时的调度，输出可用于融资的投资分析报告，涵盖现金流、净现值（NPV）、内部收益率（IRR）、度电成本（LCOE）与投资回收期，其格式符合放贷机构与机构投资者的尽职调查要求。
完整方法说明与工程实践细节，详见《智能微电网规划与定容白皮书》。
