链上镖师 / Chain Biaoshi

Omega|绿色港口泊位与能源联动：作业调度协同优化

把船舶服务时段、可再生能源消纳、储能充放和碳成本放进同一个调度模型

论文信息

论文题名：Collaborative optimization of berth scheduling and multi-energy dispatch for green ports

作者：Yao-Na Li，Zhi-Hua Hu

期刊/年份：Omega，2026

这篇论文把绿色港口的泊位调度和电、热、冷多能源调度统一建模，证明协同优化可以通过重排靠泊负荷提升可再生能源消纳、降低总成本和碳排放。

  • 01：研究对象是需要电、热、冷岸侧供能的冷藏集装箱船和邮轮，场景来自中国某多功能港口。
  • 02：方法上，作者建立MINLP模型，并用McCormick包络和辅助变量线性化为MILP。
  • 03：实验显示，协同优化相对两阶段优化实现1.61%–2.17%成本节约、0.32%–14.44%减排，并在部分场景下实现零弃风弃光。

研究背景

港口是海运网络的关键节点，也承受能源消耗和排放压力。论文指出，海运承担全球贸易量的82%，能源消费中约99%依赖化石燃料；在港口侧，靠泊船舶通过柴油辅机满足制冷、通风、照明、供热和通信等需求，可贡献港口碳排放的60%–90%。

泊位调度、多能源调度、碳约束和服务效率共同进入协同优化框架

来源：Fig. 1。协同优化框架把靠泊计划、PIES多能源调度、碳合规成本和服务效率统一到绿色港口运营决策中。

岸电和港口综合能源系统让船舶在靠泊期间使用岸侧电、热、冷供应，减少船上柴油辅机运行。论文关注的核心变化是，靠泊时间决定负荷曲线，风光出力、电价、储能状态和天然气机组又反过来影响最优服务时段。

船舶靠泊调度与港口综合能源系统供能之间的互动过程

来源：Fig. 2。船舶到港、等待、靠泊和岸侧供能共同形成物流时间安排与多能源供给之间的互动过程。

核心问题

现有两阶段优化先确定靠泊安排，再做能源调度，容易把船舶负荷固定在不利的电价和风光出力时段。作者要解决的问题是，在有限泊位容量下，怎样同时决定靠泊顺序、船舶服务时间、多能源设备出力、储能充放和电网买卖。

PIES内部电、热、冷、天然气、储能、可再生能源和电网交易的能流关系

来源：Fig. 3。PIES通过PV、WT、CCHP、EES、TES、EB、HX、AC和EC连接电、热、冷需求，并支持购电、售电和可再生能源自用。

01物流侧变量包括船舶预计到港时间、服务时长、泊位容量、等待时间和靠泊起止时段。

02能源侧变量包括天然气消耗、机组启停、电网购售电、储能充放、可再生能源利用和弃电。

03监管和服务目标包括港口碳排放、船舶等待排放、碳税成本和延误惩罚。

论文的关键设定是把船舶延误容忍度视作可调度负荷弹性，让靠泊时段服务于能源系统的低价、高风光和低碳运行窗口。

方法框架

模型目标函数最小化总运营成本，成本项覆盖天然气采购、机组启停、船舶柴油消耗、电网购电、售电收益、港口碳合规、船舶碳合规和等待惩罚。这样一来，物流效率、能源结构和碳约束可以在同一经济口径下比较。

1输入船舶预计到港时间、服务时长和电热冷需求曲线。

2同时优化靠泊状态、起止时间、等待时间和泊位容量约束。

3调度PV、WT、CCHP、EES、TES、EB、HX、AC、EC及电网购售电。

4用McCormick包络和辅助变量处理非线性项，将MINLP转为可求解MILP。

不同船型的辅机功率、柴油消耗和延误惩罚参数

来源：Table 8。小型、中型和大型船舶分别对应150、300、500 kW辅机功率，柴油消耗为30、60、100 kg/h，延误惩罚为1000、5000、10000 CNY/h。

SP、POP、TOU和TVMP四类电价曲线

来源：Fig. 4。四类电价方案为需求响应实验提供价格信号，决定船舶负荷迁移和储能充放的经济窗口。

案例或实验设置

数值实验来自中国某多功能港口，该港口属于中国四大邮轮母港之一，同时服务邮轮和集装箱船。考虑典型靠泊时长为1–3天，作者设定72小时规划周期和6个泊位，并结合电力运行平台、碳市场数据、既有研究和现场调研估计参数。

  • 实验比较两阶段优化TSO和协同优化CO。
  • 不确定性覆盖泊位拥堵、船舶数量与构型、风光出力、电价方案和预计到港时间误差。
  • 绩效指标包括总成本、可再生能源弃电率、碳排放和计算时间。
TSO与CO在基准场景下的成本组成对比

来源：Table 10。基准结果表展示CO相对TSO的总成本、天然气成本、购售电、碳成本和等待成本变化，是后文结果链条的定量起点。

结果分析

实验结果显示，CO能够把靠泊安排从高价时段迁移到低价和高可再生出力时段。论文给出的基准结果中，CO将可再生能源利用量从448.51 MWh提升到548.48 MWh，提升幅度为22.3%，并通过船舶负荷重排降低化石能源依赖。

TSO和CO下的船舶靠泊甘特图对比

来源：Fig. 5。靠泊调度甘特图显示CO会重排船舶服务时段，使负荷更贴近低电价和可再生能源可用窗口。

TSO和CO下可再生能源利用比例与碳排放对比

来源：Fig. 6。CO通过提高可再生能源自用和降低化石能源消耗，带来可再生能源利用提升与碳排放下降。

CO下电力、热力和冷量系统的多能源调度结果

来源：Fig. 8。CO下EES在峰段放电、谷段充电，EB多在低价时段运行，EC因高效率承担主要冷量供应，TES连接电力和热力子系统。

成本节约

1.61%–2.17%

CO相对TSO的总成本下降范围

减排幅度

0.32%–14.44%

CO通过提升可再生能源消纳和减少化石燃料使用实现

管理启示

泊位充足和拥堵场景都显示CO优于TSO，拥堵条件下收益会放大。论文指出，在拥堵场景和TOU电价下，CO将总成本降低2.17%，即2.71×10^4 CNY，同时通过天然气消耗下降20.15%和碳罚成本下降17.37%抵消等待成本上升。

泊位充足和拥堵场景下可再生能源利用与碳排放对比

来源：Fig. 9。泊位拥堵条件下，TSO平均弃电率超过13.3%，CO将弃电率控制在5.2%以下，并在TOU场景下把弃电率从13.71%降至2.85%。

动态电价是协同优化发挥作用的重要条件。论文在不同风光场景和价格方案中发现，TOU下CO的成本改善更突出，原因是8小时价格区间与典型船舶靠泊时长更匹配，能够支撑更稳定的靠泊迁移和储能安排。

不同EAT不确定性水平下TSO与CO的成本、弃电率和碳排放对比

来源：Table 15。EAT误差从-20%到+20%时，CO平均降低总成本1.87%、弃电率71.86%、碳排放14.91%。

EAT不确定性下总成本、碳排放和弃电率的相对变化

来源：Fig. 15。到港预测误差会改变成本、排放和弃电波动，港口需要把EAT预测、弹性服务协议和动态调度联动管理。

论文：Collaborative optimization of berth scheduling and multi-energy dispatch for green ports

作者：Yao-Na Li，Zhi-Hua Hu

期刊：Omega

链上镖师、先卜交通、先卜运筹通用论文ID

raw-000000285

保存此推文 ID，可在粉丝群内获取相关材料，未来更多功能敬请期待

先卜科技团队：常文婕、张巧巧、王一航、夏子帆、张晓乐、祁园园、张仁义