修正没有利用--excel参数的bug。

.gitignore

@@ -8,3 +8,5 @@ wheels/
 
 # Virtual environments
 .venv
+*.xls*
+*.png

.vscode/launch.json

@@ -0,0 +1,25 @@
+{
+    // Use IntelliSense to learn about possible attributes.
+    // Hover to view descriptions of existing attributes.
+    // For more information, visit: https://go.microsoft.com/fwlink/?linkid=830387
+    "version": "0.2.0",
+    "configurations": [
+
+        {
+            "name": "Main",
+            "type": "debugpy",
+            "request": "launch",
+            "program": "src\\main.py",
+            "console": "integratedTerminal",
+            "args": "--excel .\\templates\\data_template_8760-in-use2.xlsx"
+        },
+        {
+            "name": "Multi_Scenarios",
+            "type": "debugpy",
+            "request": "launch",
+            "program": "src\\multi_scenario.py",
+            "console": "integratedTerminal",
+            "args": "--excel .\\templates\\data_template_8760-in-use2.xlsx"
+        }
+    ]
+}

docs/CURTAILMENT_LOSS_FEATURES.md

@@ -0,0 +1,134 @@
+# 弃电损失量功能增强文档
+
+## 修改概述
+
+在用户要求下，对 `main.py` 文件的 Excel 输出功能进行了增强，新增了**弃电损失量**相关的统计和输出。
+
+## 主要修改内容
+
+### 1. 统计结果工作表增强
+
+在 `export_results_to_excel` 函数的 `stats_df` 中新增了以下指标：
+
+| 新增指标 | 说明 | 单位 |
+|---------|------|------|
+| 总弃风电量 | 全部时间的弃风量总和 | MWh |
+| 总弃光电量 | 全部时间的弃光量总和 | MWh |
+| 总弃电量 | 弃风量 + 弃光量 | MWh |
+| 弃电损失比例 | 总弃电量 / 总潜在发电量 | % |
+
+**代码位置**：[`main.py:374-377`](main.py:374-377)
+
+```python
+# 计算弃电损失量
+total_curtail_wind = sum(result['curtailed_wind'])
+total_curtail_solar = sum(result['curtailed_solar'])
+total_curtail_energy = total_curtail_wind + total_curtail_solar
+
+# 计算总潜在发电量
+total_potential_generation = sum(solar_output) + sum(wind_output) + sum(thermal_output)
+curtailment_loss_ratio = (total_curtail_energy / total_potential_generation * 100) if total_potential_generation > 0 else 0
+```
+
+### 2. 运行数据工作表增强
+
+在 `data_df` 中新增了以下列：
+
+| 新增列名 | 说明 | 计算方式 |
+|---------|------|----------|
+| 弃电损失量(MW) | 每小时的弃电损失量 | 弃风量 + 弃光量 |
+| 累计弃电量(MWh) | 从开始到当前的累计弃电量 | 逐小时累加弃电损失量 |
+
+**代码位置**：[`main.py:323-348`](main.py:323-348)
+
+```python
+# 计算弃电损失量（弃风+弃光）
+curtailment_loss = [result['curtailed_wind'][i] + result['curtailed_solar'][i] for i in range(len(result['curtailed_wind']))]
+
+# 计算累计弃电损失量
+cumulative_curtailment = []
+cumulative = 0
+for loss in curtailment_loss:
+    cumulative += loss
+    cumulative_curtailment.append(cumulative)
+```
+
+## 功能特点
+
+### 1. 完整的弃电损失分析
+- **小时级分析**：`弃电损失量(MW)` 提供每小时的弃电情况
+- **累计分析**：`累计弃电量(MWh)` 提供弃电的累积趋势
+- **总量统计**：总弃风量、总弃光量、总弃电量的完整统计
+- **比例分析**：弃电损失比例，评估系统效率
+
+### 2. 数据一致性保证
+- 运行数据中的累计弃电量 = 统计结果中的总弃电量
+- 弃电损失量 = 弃风量 + 弃光量（逐小时匹配）
+- 所有计算基于原始优化结果，确保数据一致性
+
+### 3. 用户友好的输出
+- Excel文件中清晰的工作表分类
+- 中文列名，便于理解
+- 合理的单位标注（MW用于功率，MWh用于能量）
+
+## 输出效果
+
+### 统计结果工作表示例
+```
+指标                | 数值
+-------------------|------------------
+总弃风电量          | 12.50 MWh
+总弃光电量          | 8.30 MWh
+总弃电量            | 20.80 MWh
+弃电损失比例        | 2.34%
+```
+
+### 运行数据工作表新增列
+```
+小时 | 弃风量(MW) | 弃光量(MW) | 弃电损失量(MW) | 累计弃电量(MWh)
+-----|-----------|-----------|---------------|--------------
+1    | 0.5       | 0.3       | 0.8           | 0.8
+2    | 0.2       | 0.4       | 0.6           | 1.4
+3    | 0.0       | 0.5       | 0.5           | 1.9
+...  | ...       | ...       | ...           | ...
+```
+
+## 使用说明
+
+1. **运行程序**：`python main.py --excel data.xlsx`
+2. **查看结果**：在生成的Excel文件中查看"统计结果"和"运行数据"工作表
+3. **分析弃电**：
+   - 统计结果：了解总体弃电情况和损失比例
+   - 运行数据：分析逐小时弃电模式和累计趋势
+
+## 技术细节
+
+### 计算公式
+- **弃电损失量** = 弃风量 + 弃光量
+- **累计弃电量** = Σ(弃电损失量) (逐小时累加)
+- **弃电损失比例** = (总弃电量 / 总潜在发电量) × 100%
+- **总潜在发电量** = 光伏总出力 + 风电总出力 + 火电总出力
+
+### 数据来源
+- 基于 `storage_optimization.py` 中的 `result` 字典
+- 使用 `curtailed_wind` 和 `curtailed_solar` 数据
+- 确保与优化算法结果完全一致
+
+## 兼容性
+
+- ✅ 向后兼容：不影响原有功能
+- ✅ Excel格式：保持原有文件结构
+- ✅ 时间尺度：支持24小时和8760小时数据
+- ✅ 数据精度：保持原有计算精度
+
+## 验证
+
+创建了测试文件 `test_main_modifications.py` 用于验证功能正确性：
+- 验证Excel文件导出成功
+- 检查新增列是否正确添加
+- 验证数据计算的一致性
+- 确认统计结果的准确性
+
+## 总结
+
+此次修改成功地在Excel输出中增加了完整的弃电损失量分析功能，为用户提供了更详细和直观的弃电情况分析工具，有助于优化储能系统配置和运行策略。

docs/GRID_FEED_IN_RATIO_CALCULATION.md

@@ -0,0 +1,121 @@
+# 上网电量比例计算方法说明
+
+## 计算公式
+
+**上网电量比例** = 总上网电量 / 总发电量
+
+其中：
+- **总上网电量** = sum(grid_feed_in) - 只计算正值（上网电量）
+- **总发电量** = 火电发电量 + 实际风电发电量 + 实际光伏发电量
+
+## 详细计算过程
+
+### 1. 基础数据获取
+
+在 [`check_constraints()`](src/storage_optimization.py:350) 函数中：
+
+```python
+# 计算总量
+total_wind_potential = sum(wind_output)        # 风电总潜力
+total_solar_potential = sum(solar_output)      # 光伏总潜力  
+total_thermal = sum(thermal_output)            # 火电总量
+
+total_curtailed_wind = sum(balance_result['curtailed_wind'])    # 弃风总量
+total_curtailed_solar = sum(balance_result['curtailed_solar'])  # 弃光总量
+total_grid_feed_in = sum(balance_result['grid_feed_in'])        # 电网交互总量
+```
+
+### 2. 计算实际发电量
+
+```python
+# 实际发电量（考虑弃风弃光）
+actual_wind_generation = total_wind_potential - total_curtailed_wind
+actual_solar_generation = total_solar_potential - total_curtailed_solar
+total_generation = total_thermal + actual_wind_generation + actual_solar_generation
+```
+
+### 3. 计算上网电量比例
+
+```python
+actual_grid_feed_in_ratio = total_grid_feed_in / total_generation if total_generation > 0 else 0
+```
+
+## 数据来源说明
+
+### grid_feed_in 数据含义
+在 [`calculate_energy_balance()`](src/storage_optimization.py:107) 函数中：
+
+- **正值** = 向电网输送的电量（上网）
+- **负值** = 从电网购买的电量（购电）
+
+```python
+# 上网情况
+grid_feed_in[hour] = grid_feed_allowed  # 正值
+
+# 购电情况  
+grid_feed_in[hour] = -remaining_deficit  # 负值
+```
+
+### 分母说明
+**总发电量**包括：
+1. **火电发电量** - 全部计入（不考虑弃火电）
+2. **实际风电发电量** = 风电总潜力 - 弃风量
+3. **实际光伏发电量** = 光伏总潜力 - 弃光量
+
+## 计算示例
+
+假设有如下数据：
+- 火电总量：120 MWh (24小时 × 5MW)
+- 风电总量：72 MWh (24小时 × 平均3MW)
+- 光伏总量：48 MWh (24小时 × 平均2MW)
+- 弃风量：7.2 MWh
+- 弃光量：4.8 MWh
+- 上网电量：10 MWh
+
+计算过程：
+```python
+# 1. 实际发电量
+actual_wind = 72 - 7.2 = 64.8 MWh
+actual_solar = 48 - 4.8 = 43.2 MWh
+total_generation = 120 + 64.8 + 43.2 = 228 MWh
+
+# 2. 上网电量比例
+grid_feed_in_ratio = 10 / 228 = 0.0438 ≈ 4.38%
+```
+
+## 注意事项
+
+### 1. 购电情况的处理
+- 如果系统净购电（total_grid_feed_in < 0），上网电量比例仍按公式计算
+- 负的上网电量会降低比例值
+
+### 2. 零分母处理
+- 如果总发电量为0，比例设为0，避免除零错误
+
+### 3. 约束检查
+在优化算法中，上网电量比例用于约束检查：
+```python
+grid_constraint_satisfied = constraint_results['total_grid_feed_in_ratio'] <= params.max_grid_ratio
+```
+
+## 输出位置
+
+上网电量比例在以下位置输出：
+1. **控制台输出**：[`main.py:749`](main.py:749)
+   ```python
+   print(f"实际上网电量比例: {result['total_grid_feed_in_ratio']:.3f}")
+   ```
+
+2. **Excel统计结果**：[`main.py:393`](main.py:393)
+   ```python
+   f"{result['total_grid_feed_in_ratio']:.3f}",
+   ```
+
+3. **可视化显示**：[`src/advanced_visualization.py:158`](src/advanced_visualization.py:158)
+   ```python
+   上网电量比例: {result['total_grid_feed_in_ratio']:.1%}
+   ```
+
+## 总结
+
+上网电量比例反映的是系统向电网输送电量占总发电量的比例，是评估系统电网交互特性的重要指标。该比例越低，说明系统越倾向于本地消纳新能源；比例越高，说明系统向电网输出的电量越多。

docs/MULTI_SCENARIO_MODULE.md

@@ -0,0 +1,236 @@
+# 多场景聚类分析模块说明
+
+## 模块概述
+
+`multi_scenario.py` 是一个专门用于多维时间序列数据聚类分析的Python模块。该模块能够同时对光伏出力、风电出力和负荷需求进行聚类分析，识别不同的运行场景，提取典型场景，并生成详细的分析报告。
+
+## 核心功能
+
+### 1. 多维数据聚类
+- **同时聚类**：光伏、风电、负荷三个维度同时进行聚类分析
+- **特征标准化**：自动对多维数据进行标准化处理
+- **智能命名**：根据聚类中心自动生成场景名称（如"场景1(高光伏+中风电+高负荷)"）
+
+### 2. 最优聚类数确定
+- **肘部法则**：通过分析聚类内误差和确定最优聚类数
+- **轮廓系数**：计算聚类质量，选择轮廓系数最高的聚类数
+- **自动化选择**：支持自动寻找最优聚类数
+
+### 3. 场景特征分析
+- **统计信息**：计算各场景的光伏、风电、负荷的均值和标准差
+- **频率统计**：分析各场景的出现频率和持续时间
+- **特征对比**：生成雷达图对比不同场景的特征
+
+### 4. 典型日提取
+- **完整日识别**：自动识别各场景的完整代表日
+- **典型曲线**：提取每个场景的典型日内变化曲线
+- **场景标记**：记录典型日对应的年内的天数
+
+### 5. 可视化分析
+- **9宫格综合图表**：包含场景分布、频率、特征、典型日等
+- **时间序列展示**：展示8760小时数据的场景分布
+- **统计分析表格**：生成详细的场景统计摘要
+
+### 6. 结果导出
+- **Excel报告**：导出包含时间序列、统计、典型日的完整报告
+- **图表保存**：保存高质量的分析图表
+- **参数记录**：记录聚类参数和分析时间
+
+## 主要类和函数
+
+### MultiScenarioAnalyzer 类
+
+#### 初始化参数
+```python
+MultiScenarioAnalyzer(n_clusters: int = 8, random_state: int = 42)
+```
+- `n_clusters`: 聚类数量，默认8个场景
+- `random_state`: 随机种子，确保结果可重现
+
+#### 核心方法
+
+**fit_predict()** - 执行聚类分析
+```python
+result = analyzer.fit_predict(
+    solar_output,     # 光伏出力曲线 (MW)
+    wind_output,      # 风电出力曲线 (MW)  
+    load_demand,      # 负荷曲线 (MW)
+    find_optimal_k=False  # 是否自动寻找最优聚类数
+)
+```
+
+**plot_scenario_analysis()** - 生成分析图表
+```python
+analyzer.plot_scenario_analysis(
+    result,           # 聚类结果
+    solar_output,     # 光伏出力数据
+    wind_output,      # 风电出力数据
+    load_demand,      # 负荷数据
+    save_path=None,   # 图片保存路径
+    show_plot=False   # 是否显示图片
+)
+```
+
+**export_scenario_results()** - 导出Excel报告
+```python
+excel_file = analyzer.export_scenario_results(
+    result,           # 聚类结果
+    solar_output,     # 光伏出力数据
+    wind_output,      # 风电出力数据
+    load_demand,      # 负荷数据
+    filename=None     # 输出文件名
+)
+```
+
+### ScenarioResult 数据类
+
+存储聚类分析结果的容器：
+```python
+@dataclass
+class ScenarioResult:
+    cluster_labels: np.ndarray          # 每个时间点的场景标签
+    cluster_centers: np.ndarray         # 各场景的聚类中心
+    scenario_names: List[str]           # 场景名称
+    scenario_stats: Dict                # 各场景统计信息
+    silhouette_score: float             # 轮廓系数
+    n_scenarios: int                    # 场景数量
+    scenario_frequencies: np.ndarray    # 各场景出现频率
+    typical_days: Dict                  # 典型日数据
+```
+
+## 使用示例
+
+### 基础使用
+```python
+from src.multi_scenario import MultiScenarioAnalyzer
+
+# 创建分析器
+analyzer = MultiScenarioAnalyzer(n_clusters=6, random_state=42)
+
+# 执行聚类分析
+result = analyzer.fit_predict(solar_output, wind_output, load_demand)
+
+# 输出结果
+print(f"识别出 {result.n_scenarios} 个场景")
+print(f"轮廓系数: {result.silhouette_score:.3f}")
+for i, name in enumerate(result.scenario_names):
+    freq = result.scenario_frequencies[i]
+    print(f"{name}: 出现频率 {freq:.1%}")
+```
+
+### 自动寻找最优聚类数
+```python
+# 自动寻找最优聚类数
+result = analyzer.fit_predict(
+    solar_output, wind_output, load_demand, 
+    find_optimal_k=True
+)
+print(f"最优聚类数: {result.n_scenarios}")
+```
+
+### 生成分析图表
+```python
+# 生成综合分析图表
+analyzer.plot_scenario_analysis(
+    result, solar_output, wind_output, load_demand,
+    save_path="scenario_analysis.png",
+    show_plot=True
+)
+```
+
+### 导出详细报告
+```python
+# 导出Excel报告
+excel_file = analyzer.export_scenario_results(
+    result, solar_output, wind_output, load_demand
+)
+print(f"报告已导出: {excel_file}")
+```
+
+## 输出文件说明
+
+### Excel报告结构
+
+**时间序列数据**工作表：
+- 小时、天数、光伏、风电、负荷、场景标签、场景名称
+
+**场景统计**工作表：
+- 场景编号、名称、出现频率、各指标均值和标准差
+
+**典型日数据**工作表：
+- 各场景的典型日内24小时变化曲线
+
+**分析参数**工作表：
+- 聚类数量、轮廓系数、随机种子、分析时间
+
+### 图表内容
+
+生成的9宫格图表包含：
+1. **场景时间分布** - 8760小时中各场景的分布情况
+2. **场景频率饼图** - 各场景的出现频率
+3. **聚类中心热力图** - 场景特征对比
+4. **典型日曲线** - 前3个场景的日内变化
+5. **场景特征雷达图** - 多维特征对比
+6. **统计摘要表** - 关键指标汇总
+7. **全年趋势图** - 日均值变化趋势
+
+## 技术特点
+
+### 1. 数据预处理
+- 自动检测数据长度一致性
+- 多维数据标准化处理
+- 支持8760小时全年数据
+
+### 2. 聚类算法
+- 使用K-means聚类算法
+- 通过轮廓系数评估聚类质量
+- 支持自定义或自动确定聚类数
+
+### 3. 场景理解
+- 基于聚类中心自动生成场景描述
+- 考虑光伏、风电、负荷的相对水平
+- 提供直观的场景命名
+
+### 4. 典型日提取
+- 智能识别完整的代表日
+- 确保典型日的场景纯度
+- 提供典型日的年内位置信息
+
+### 5. 可视化设计
+- 中文标签和说明
+- 专业的统计图表
+- 清晰的数据展示
+
+## 应用场景
+
+1. **电力系统规划**：识别典型运行场景，指导储能配置
+2. **新能源消纳分析**：分析不同场景下的新能源消纳特性
+3. **负荷预测**：基于场景分类进行精准负荷预测
+4. **运行策略优化**：针对不同场景制定差异化运行策略
+5. **风险评估**：分析极端场景的出现概率和影响
+
+## 性能说明
+
+- **处理能力**：支持8760小时数据的聚类分析
+- **计算效率**：K-means算法确保快速收敛
+- **内存使用**：优化的数据结构，内存占用合理
+- **结果稳定性**：固定随机种子确保结果可重现
+
+## 依赖库
+
+- numpy: 数值计算
+- pandas: 数据处理
+- matplotlib: 基础绘图
+- seaborn: 统计图表
+- scikit-learn: 机器学习算法
+- dataclasses: 数据结构
+
+## 注意事项
+
+1. **数据质量**：确保输入数据无异常值和缺失值
+2. **数据长度**：支持24小时或8760小时数据
+3. **聚类数选择**：聚类数不宜过多，建议3-12个
+4. **结果解释**：结合实际业务背景解释聚类结果
+5. **图表显示**：如需显示图表，需要合适的显示环境
+
+该模块为多能互补系统的运行分析和场景识别提供了强大的工具支持，有助于深入理解系统的运行规律和特性。

docs/MYPY_TYPE_FIXES.md

@@ -0,0 +1,204 @@
+# mypy 类型注解修复说明
+
+## 修复概述
+
+针对 `multi_scenario.py` 模块中的 mypy 警告进行了全面的类型注解修复，提高了代码的类型安全性和可维护性。
+
+## 主要修复内容
+
+### 1. 导入类型增强
+
+**修复前**：
+```python
+from typing import List, Dict, Tuple, Optional
+```
+
+**修复后**：
+```python
+from typing import List, Dict, Tuple, Optional, Union
+```
+
+**说明**：添加了 `Union` 类型支持，用于处理混合类型的数据结构。
+
+### 2. 数据类字段类型注解
+
+**修复前**：
+```python
+@dataclass
+class ScenarioResult:
+    cluster_labels: np.ndarray
+    cluster_centers: np.ndarray
+    scenario_names: List[str]
+    scenario_stats: Dict                # 过于宽泛
+    silhouette_score: float
+    n_scenarios: int
+    scenario_frequencies: np.ndarray
+    typical_days: Dict                  # 过于宽泛
+```
+
+**修复后**：
+```python
+@dataclass
+class ScenarioResult:
+    cluster_labels: np.ndarray
+    cluster_centers: np.ndarray
+    scenario_names: List[str]
+    scenario_stats: Dict[str, Dict[str, float]]  # 明确嵌套结构
+    silhouette_score: float
+    n_scenarios: int
+    scenario_frequencies: np.ndarray
+    typical_days: Dict[str, Dict[str, float]]    # 明确嵌套结构
+```
+
+**说明**：将 `Dict` 类型具体化为 `Dict[str, Dict[str, float]]`，明确了字典的键值类型结构。
+
+### 3. 类属性类型注解
+
+**修复前**：
+```python
+def __init__(self, n_clusters: int = 8, random_state: int = 42):
+    self.n_clusters = n_clusters
+    self.random_state = random_state
+    self.scaler = StandardScaler()
+    self.kmeans = KMeans(n_clusters=n_clusters, random_state=random_state, n_init=10)
+    self.scenario_names = []  # 类型不明确
+```
+
+**修复后**：
+```python
+def __init__(self, n_clusters: int = 8, random_state: int = 42):
+    self.n_clusters: int = n_clusters
+    self.random_state: int = random_state
+    self.scaler: StandardScaler = StandardScaler()
+    self.kmeans: KMeans = KMeans(n_clusters=n_clusters, random_state=random_state, n_init=10)
+    self.scenario_names: List[str] = []
+```
+
+**说明**：为所有实例属性添加了明确的类型注解，提高类型检查的准确性。
+
+### 4. 函数返回类型注解
+
+**修复前**：
+```python
+def calculate_scenario_statistics(self, data: np.ndarray, labels: np.ndarray,
+                                original_data: np.ndarray) -> Dict:
+    # ...
+
+def extract_typical_days(self, solar_output: List[float], wind_output: List[float],
+                       load_demand: List[float], labels: np.ndarray) -> Dict:
+    # ...
+```
+
+**修复后**：
+```python
+def calculate_scenario_statistics(self, data: np.ndarray, labels: np.ndarray,
+                                original_data: np.ndarray) -> Dict[str, Dict[str, float]]:
+    # ...
+
+def extract_typical_days(self, solar_output: List[float], wind_output: List[float],
+                       load_demand: List[float], labels: np.ndarray) -> Dict[str, Dict[str, float]]:
+    # ...
+```
+
+**说明**：明确了函数返回的具体字典类型结构。
+
+### 5. 局部变量类型注解
+
+**修复前**：
+```python
+scenario_stats = {}
+
+typical_days = {}
+
+scenario_frequencies = np.array([...])
+
+hours = list(range(1, len(solar_output) + 1))
+days = [(h - 1) // 24 + 1 for h in hours]
+
+summary_data = []
+typical_data = []
+
+table_data = []
+```
+
+**修复后**：
+```python
+scenario_stats: Dict[str, Dict[str, float]] = {}
+
+typical_days: Dict[str, Dict[str, float]] = {}
+
+scenario_frequencies: np.ndarray = np.array([...])
+
+hours: List[int] = list(range(1, len(solar_output) + 1))
+days: List[int] = [(h - 1) // 24 + 1 for h in hours]
+
+summary_data: List[Dict[str, str]] = []
+typical_data: List[Dict[str, float]] = []
+
+table_data: List[List[str]] = []
+
+params_data: Dict[str, List[Union[int, str]]] = {...}
+```
+
+**说明**：为所有局部变量添加了明确的类型注解，消除了类型推断的不确定性。
+
+## 修复效果
+
+### 1. mypy 检查改善
+- **修复前**：存在多个类型注解缺失和类型不明确的警告
+- **修复后**：类型注解完整且明确，mypy 检查更加严格和准确
+
+### 2. 代码质量提升
+- **类型安全**：在编译时就能发现类型相关错误
+- **可读性**：类型注解使代码的意图更加明确
+- **维护性**：IDE 可以提供更好的代码补全和错误提示
+
+### 3. 开发体验改善
+- **智能提示**：IDE 可以基于类型注解提供准确的代码补全
+- **错误检测**：在开发阶段就能发现类型不匹配的问题
+- **重构支持**：重构时类型系统可以提供安全保障
+
+## 类型注解最佳实践
+
+### 1. 具体化泛型类型
+- **避免**：使用过于宽泛的类型如 `Dict`, `List`
+- **推荐**：使用具体的类型如 `Dict[str, float]`, `List[int]`
+
+### 2. 明确标注所有属性
+- **避免**：依赖类型推断的隐式类型
+- **推荐**：为所有实例属性和重要局部变量添加类型注解
+
+### 3. 使用合适的导入
+- **基础类型**：`List`, `Dict`, `Tuple`, `Optional`
+- **高级类型**：`Union`, `Type`, `Callable`
+- **特定库**：如 `numpy.ndarray`, `pandas.DataFrame`
+
+### 4. 保持一致性
+- **命名约定**：使用一致的变量命名和类型命名
+- **风格统一**：在整个项目中保持相同的类型注解风格
+
+## 验证方法
+
+可以使用以下命令验证类型注解的正确性：
+
+```bash
+# 安装 mypy
+pip install mypy
+
+# 运行类型检查
+mypy src/multi_scenario.py
+
+# 严格模式检查
+mypy --strict src/multi_scenario.py
+```
+
+## 总结
+
+通过这些类型注解修复，`multi_scenario.py` 模块现在具有：
+
+1. **完整的类型覆盖**：所有重要变量都有明确的类型注解
+2. **准确的类型信息**：类型注解精确反映了数据的实际结构
+3. **良好的开发体验**：IDE 和类型检查器可以提供更好的支持
+4. **高代码质量**：类型安全有助于减少运行时错误
+
+这些改进使代码更加健壮、易于维护，并提供了更好的开发工具支持。

docs/PERIODIC_BALANCE_UPDATE.md

@@ -0,0 +1,225 @@
+# 周期性平衡功能更新说明
+
+## 问题描述
+
+在计算8760小时全年数据时，原有的代码将储能初始状态（SOC）固定为0，导致经过一个完整的8760小时循环后，储能无法恢复到初始状态。这意味着系统在一个周期结束后，储能状态发生了变化，不符合实际运行场景中的周期性稳定要求。
+
+## 解决方案
+
+实现了迭代收敛算法，通过以下步骤找到满足周期性平衡的储能初始状态：
+
+1. **步骤一**：从初始SOC=0开始，运行一次全年仿真，记录最后一小时的SOC值
+2. **步骤二**：将这个SOC值作为新的"初始SOC"，再次运行仿真
+3. **步骤三**：重复上述过程，直到首尾SOC的差值小于设定的阈值（默认为储能容量的0.1%）
+
+## 代码修改
+
+### 1. `calculate_energy_balance` 函数
+
+**修改内容**：添加了 `initial_soc` 参数，允许指定初始储能状态。
+
+```python
+def calculate_energy_balance(
+    solar_output: List[float],
+    wind_output: List[float],
+    thermal_output: List[float],
+    load_demand: List[float],
+    params: SystemParameters,
+    storage_capacity: float,
+    initial_soc: float = 0.0  # 新增参数
+) -> Dict[str, List[float]]:
+```
+
+**关键变化**：
+- 将初始储能状态从固定的0改为可配置的 `initial_soc` 参数
+- 在计算开始时设置 `storage_soc[0] = initial_soc`
+
+### 2. `find_periodic_steady_state` 函数（新增）
+
+**功能**：通过迭代收敛找到满足周期性平衡的储能初始状态。
+
+```python
+def find_periodic_steady_state(
+    solar_output: List[float],
+    wind_output: List[float],
+    thermal_output: List[float],
+    load_demand: List[float],
+    params: SystemParameters,
+    storage_capacity: float,
+    soc_convergence_threshold: float = 0.001,  # SOC收敛阈值（0.1%）
+    max_iterations: int = 100
+) -> Dict[str, List[float]]:
+```
+
+**算法逻辑**：
+```
+initial_soc = 0.0
+while iteration < max_iterations:
+    运行仿真，得到 balance_result
+    storage_final = balance_result['storage_profile'][-1]
+    soc_diff = abs(storage_final - initial_soc)
+
+    if soc_diff < soc_convergence_threshold:
+        收敛成功，退出循环
+
+    initial_soc = storage_final
+    iteration += 1
+```
+
+**输出信息**：
+```
+正在寻找周期性平衡状态（SOC收敛阈值: 0.5000 MWh）...
+  迭代 1: 初始SOC=0.0000 MWh, 最终SOC=21.7157 MWh, 差值=21.7157 MWh
+  迭代 2: 初始SOC=21.7157 MWh, 最终SOC=21.7157 MWh, 差值=0.0000 MWh
+✓ 周期性平衡收敛成功（迭代2次，SOC差值=0.0000 MWh）
+```
+
+### 3. `optimize_storage_capacity` 函数
+
+**修改内容**：根据数据长度自动选择是否使用周期性平衡。
+
+```python
+# 判断数据类型（24小时或8760小时）
+data_length = len(solar_output)
+is_yearly_data = data_length == 8760
+
+if is_yearly_data:
+    print(f"处理8760小时全年数据，启用周期性平衡优化...")
+
+# 二分搜索中
+if is_yearly_data:
+    balance_result = find_periodic_steady_state(...)
+else:
+    balance_result = calculate_energy_balance(...)
+```
+
+**关键变化**：
+- 自动识别数据类型（24小时或8760小时）
+- 对于8760小时数据，使用周期性平衡函数
+- 对于24小时数据，保持原有逻辑（不需要周期性平衡）
+- 在最终输出中显示周期性平衡信息
+
+## 使用示例
+
+### 测试脚本
+
+项目提供了测试脚本 `tests/test_periodic_balance.py`，可以验证周期性平衡功能：
+
+```bash
+python tests\test_periodic_balance.py
+```
+
+### 正常使用
+
+无需修改现有使用方式，周期性平衡功能会自动启用：
+
+```python
+from src.storage_optimization import optimize_storage_capacity, SystemParameters
+
+# 8760小时数据
+solar_output = [...]  # 长度为8760
+wind_output = [...]   # 长度为8760
+thermal_output = [...]  # 长度为8760
+load_demand = [...]     # 长度为8760
+
+params = SystemParameters(...)
+
+# 自动启用周期性平衡
+result = optimize_storage_capacity(
+    solar_output, wind_output, thermal_output, load_demand, params
+)
+
+# 输出信息会显示周期性平衡状态
+print(f"初始SOC: {result['storage_profile'][0]:.4f} MWh")
+print(f"最终SOC: {result['storage_profile'][-1]:.4f} MWh")
+print(f"SOC差值: {abs(result['storage_profile'][-1] - result['storage_profile'][0]):.4f} MWh")
+```
+
+## 测试结果
+
+### 24小时数据测试
+
+```
+============================================================
+测试24小时数据（不需要周期性平衡）
+============================================================
+
+=== 24小时优化结果 ===
+所需储能总容量: 217.00 MWh
+初始SOC: 0.0000 MWh
+最终SOC: 21.6000 MWh
+SOC差值: 21.6000 MWh
+实际弃风率: 0.000
+实际弃光率: 0.000
+实际上网电量比例: -0.145
+能量平衡校验: 通过
+```
+
+**说明**：24小时数据不需要周期性平衡，SOC差值可以不为0。
+
+### 8760小时数据测试
+
+```
+============================================================
+测试8760小时数据（需要周期性平衡）
+============================================================
+处理8760小时全年数据，启用周期性平衡优化...
+正在寻找周期性平衡状态（SOC收敛阈值: 0.5000 MWh）...
+  迭代 1: 初始SOC=0.0000 MWh, 最终SOC=21.7157 MWh, 差值=21.7157 MWh
+  迭代 2: 初始SOC=21.7157 MWh, 最终SOC=21.7157 MWh, 差值=0.0000 MWh
+✓ 周期性平衡收敛成功（迭代2次，SOC差值=0.0000 MWh）
+
+=== 8760小时优化结果 ===
+所需储能总容量: 28.31 MWh
+初始SOC: 21.7157 MWh
+最终SOC: 21.7157 MWh
+SOC差值: 0.0000 MWh
+实际弃风率: 0.100
+实际弃光率: 0.072
+实际上网电量比例: -0.141
+能量平衡校验: 通过
+
+✓ 周期性平衡验证通过
+  SOC差值: 0.0000 MWh < 阈值: 0.0283 MWh
+```
+
+**说明**：8760小时数据自动启用周期性平衡，SOC差值为0，满足周期性平衡要求。
+
+## 关键特性
+
+1. **自动识别**：根据数据长度自动选择是否启用周期性平衡
+2. **快速收敛**：通常只需要2-3次迭代即可收敛
+3. **可配置阈值**：默认SOC收敛阈值为容量的0.1%，可以根据需要调整
+4. **向后兼容**：不影响现有24小时数据的处理逻辑
+5. **详细输出**：提供迭代过程的详细信息，便于调试和验证
+
+## 参数说明
+
+### `soc_convergence_threshold`
+
+SOC收敛阈值（相对于储能容量的比例），默认值为0.001（0.1%）。
+
+- **类型**：float
+- **默认值**：0.001
+- **取值范围**：> 0
+- **说明**：当初始SOC和最终SOC的差值小于 `storage_capacity * soc_convergence_threshold` 时，认为已达到周期性平衡
+
+### `max_iterations`
+
+最大迭代次数，默认值为100。
+
+- **类型**：int
+- **默认值**：100
+- **取值范围**：> 0
+- **说明**：防止在极端情况下无限循环
+
+## 注意事项
+
+1. **收敛性**：在大多数情况下，算法会在2-5次迭代内收敛
+2. **性能影响**：8760小时数据的计算时间会增加，但影响有限（每次迭代约增加0.1-0.5秒）
+3. **内存使用**：与原算法相同，没有额外内存开销
+4. **兼容性**：完全向后兼容，不影响24小时数据的处理
+
+## 总结
+
+本次更新成功解决了8760小时全年数据计算时储能周期性不平衡的问题，通过迭代收敛算法自动找到满足周期性平衡的初始SOC状态，确保系统在完整周期结束后储能状态能够恢复到初始值，符合实际运行场景的要求。

docs/PROJECT_STRUCTURE.md

@@ -0,0 +1,136 @@
+# 项目结构说明
+
+## 目录结构
+
+```
+D:\code\storage\
+├── src/                           # 核心源代码
+│   ├── storage_optimization.py    # 储能容量优化核心模块
+│   ├── excel_reader.py             # Excel数据读取模块
+│   ├── economic_optimization.py   # 经济优化模块
+│   ├── solar_optimization.py      # 太阳能优化模块
+│   └── advanced_visualization.py  # 高级可视化模块
+│
+├── tests/                         # 测试文件
+│   ├── test_*.py                  # 所有Python测试文件
+│   ├── test_*.xlsx                # 测试Excel文件
+│   ├── extreme_*.xlsx             # 极端场景测试文件
+│   └── test_zero_grid_simple.py   # 简化版测试文件
+│
+├── config/                        # 配置文件
+│   ├── pyproject.toml             # 项目配置
+│   ├── requirements.txt           # 依赖配置
+│   ├── uv.lock                    # uv锁定文件
+│   └── main.spec                  # PyInstaller配置
+│
+├── docs/                          # 文档文件
+│   ├── README.md                  # 项目主文档
+│   └── README_exe.md              # 可执行文件说明
+│
+├── scripts/                       # 示例和演示脚本
+│   ├── example_usage.py           # 使用示例
+│   ├── solar_optimization_examples.py  # 太阳能优化示例
+│   └── solar_scenarios_demo.py    # 太阳能场景演示
+│
+├── images/                        # 图片文件
+│   ├── *.png                      # 所有生成的图表和可视化图片
+│
+├── templates/                     # Excel模板文件
+│   ├── data_template_*.xlsx       # 数据模板
+│   ├── economic_data_template_*.xlsx  # 经济优化模板
+│   └── data_template_*-*.xlsx     # 临时和修改的模板
+│
+├── results/                       # 优化结果文件
+│   └── storage_optimization_results_*.xlsx  # 储能优化结果
+│
+├── reports/                       # 报告文件
+│   └── economic_optimization_report_*.xlsx  # 经济优化报告
+│
+├── build/                         # 构建输出
+├── dist/                          # 分发文件
+├── __pycache__/                   # Python缓存
+├── .mypy_cache/                   # MyPy缓存
+├── .vscode/                       # VS Code配置
+├── .gitignore                     # Git忽略文件
+├── .python-version                # Python版本
+└── main.py                        # 主程序入口
+```
+
+## 文件分类说明
+
+### 📁 **src/** - 核心源代码
+- **storage_optimization.py**: 储能容量优化的核心算法
+- **excel_reader.py**: Excel文件读取和数据验证
+- **economic_optimization.py**: 经济指标优化模块
+- **solar_optimization.py**: 太阳能系统优化
+- **advanced_visualization.py**: 高级数据可视化
+
+### 📁 **tests/** - 测试文件
+- 所有 `test_*.py` 文件：单元测试和集成测试
+- 所有 `test_*.xlsx` 文件：测试用Excel数据
+- `extreme_*.xlsx`：极端场景测试数据
+
+### 📁 **config/** - 配置文件
+- **pyproject.toml**: 项目元数据和依赖管理
+- **requirements.txt**: Python依赖包列表
+- **uv.lock**: 依赖版本锁定文件
+- **main.spec**: PyInstaller打包配置
+
+### 📁 **docs/** - 文档
+- **README.md**: 项目主文档
+- **README_exe.md**: 可执行文件使用说明
+
+### 📁 **scripts/** - 示例和演示
+- **example_usage.py**: 基本使用示例
+- **solar_optimization_examples.py**: 太阳能优化示例
+- **solar_scenarios_demo.py**: 太阳能场景演示
+
+### 📁 **images/** - 图片文件
+- 所有 `.png` 文件：系统生成的图表和可视化结果
+
+### 📁 **templates/** - Excel模板
+- **data_template_*.xlsx**: 基础数据模板
+- **economic_data_template_*.xlsx**: 经济优化模板
+- 临时和修改的模板文件
+
+### 📁 **results/** - 优化结果
+- **storage_optimization_results_*.xlsx**: 储能优化计算结果
+
+### 📁 **reports/** - 报告文件
+- **economic_optimization_report_*.xlsx**: 经济优化分析报告
+
+## 使用说明
+
+### 运行主程序
+```bash
+uv run python main.py --excel templates/data_template_8760.xlsx
+```
+
+### 运行测试
+```bash
+uv run python tests/test_excel_data.py
+```
+
+### 运行示例
+```bash
+uv run python scripts/example_usage.py
+```
+
+### 创建Excel模板
+```bash
+uv run python src/excel_reader.py --economic
+```
+
+## 注意事项
+
+1. **导入路径**: 由于文件移动，可能需要调整Python导入路径
+2. **相对路径**: 某些脚本中的文件路径可能需要更新
+3. **配置文件**: pyproject.toml等配置文件位置已改变
+4. **可执行文件**: 如果使用了打包的exe，需要检查路径引用
+
+## 维护建议
+
+- 定期清理 `results/` 和 `reports/` 中的旧文件
+- 保持 `templates/` 中的模板文件更新
+- 及时更新 `config/` 中的依赖配置
+- 维护 `docs/` 中的文档与代码同步

docs/README.md

@@ -0,0 +1,673 @@
+# 多能互补系统储能容量优化计算程序
+
+## 项目概述
+
+本项目是一个Python算法程序，专注于计算多能互补系统中所需的最优储能容量。程序能够确保系统在24小时或8760小时（全年）时间尺度内电能平衡，同时满足用户定义的弃风弃光率和上网电量比例约束。
+
+**新增功能**：经济优化模块，在光伏、风电、负荷确定的前提下，进行储能配置优化，目标函数是光伏建设费用、风电建设费用、储能建设费用、购电费用最小。
+
+## 核心目标
+
+- 计算24小时或8760小时多能互补系统中的最优储能容量
+- 确保系统电能平衡，满足所有约束条件
+- 提供详细的储能运行曲线和统计信息
+- 支持可视化分析
+- **经济优化**：最小化总建设成本和购电费用，计算最优储能配置
+
+## 主要技术栈
+
+- **编程语言**: Python
+- **核心库**: NumPy, SciPy, matplotlib, pandas, openpyxl
+- **算法类型**: 迭代优化算法（二分搜索）、网格搜索算法
+- **可视化**: matplotlib绘图库
+- **数据处理**: Excel文件读写和数据处理
+- **经济分析**: LCOE、NPV计算和经济优化
+
+## 核心功能
+
+1. **电能平衡计算**: 确保系统内电能供需平衡
+2. **约束条件处理**: 
+   - 弃风弃光率约束
+   - 上网电量比例约束
+   - 储能充放电约束
+3. **优化算法**: 计算满足所有约束的最小储能容量
+4. **经济优化**: 
+   - 最小化总建设成本（光伏、风电、储能）
+   - 最小化购电费用
+   - 计算LCOE（平准化电力成本）
+   - 计算NPV（净现值）
+5. **结果输出**: 提供详细的储能运行曲线和统计信息
+6. **可视化功能**: 生成系统运行曲线图表
+7. **Excel集成**: 支持从Excel文件读取数据和参数
+
+## 安装依赖
+
+```bash
+pip install -r requirements.txt
+```
+
+## 使用方法
+
+### 1. 从Excel文件导入数据
+```bash
+python main.py --excel <Excel文件路径>
+```
+
+### 2. 24小时数据（默认）
+```bash
+python main.py
+```
+
+### 3. 创建Excel模板
+```bash
+python excel_reader.py --create-template 8760  # 创建8760小时模板
+python excel_reader.py --create-template 24    # 创建24小时模板
+```
+
+### 4. 创建经济优化Excel模板
+```bash
+python excel_reader.py --economic  # 创建包含经济参数的模板
+```
+
+### 5. 经济优化分析
+```bash
+python economic_optimization.py --demo                    # 运行演示
+python economic_optimization.py --excel <Excel文件路径>   # 使用Excel数据进行经济优化
+```
+
+### 6. 高级可视化
+```bash
+python advanced_visualization.py
+```
+
+### 7. 运行测试
+```bash
+python test_storage_optimization.py
+```
+
+## 数据格式要求
+
+### Excel文件导入（推荐）
+
+程序支持从Excel文件直接导入8760小时或24小时数据，这是最便捷的数据输入方式。
+
+#### 必需的列名
+
+Excel文件必须包含以下列（列名必须完全一致）：
+
+| 列名 | 说明 | 单位 | 要求 |
+|------|------|------|------|
+| 光伏出力(MW) | 光伏发电功率曲线 | MW | 非负数 |
+| 风电出力(MW) | 风电发电功率曲线 | MW | 非负数 |
+| 火电出力(MW) | 火电发电功率曲线 | MW | 非负数 |
+| 负荷需求(MW) | 电力负荷需求曲线 | MW | 非负数 |
+
+#### 可选列
+
+| 列名 | 说明 | 单位 |
+|------|------|------|
+| 小时 | 时间序号（1-8760或1-24） | - |
+
+#### 数据行数要求
+
+- **8760小时数据**：必须包含8760行数据（全年每小时一个数据点）
+- **24小时数据**：必须包含24行数据（典型日每小时一个数据点）
+
+#### 创建Excel模板
+
+程序提供自动创建Excel模板的功能：
+
+```bash
+# 创建8760小时模板
+python main.py --create-template 8760
+
+# 创建24小时模板
+python main.py --create-template 24
+```
+
+#### 使用Excel数据
+
+**命令格式：**
+```bash
+python main.py --excel <Excel文件路径>
+```
+
+**示例：**
+```bash
+python main.py --excel my_data.xlsx
+python main.py --excel data_template_8760.xlsx
+```
+
+#### Excel文件结构
+
+完整的Excel文件包含4个工作表：
+
+**1. 数据工作表**
+| 小时 | 光伏出力(MW) | 风电出力(MW) | 火电出力(MW) | 负荷需求(MW) |
+|------|-------------|-------------|-------------|-------------|
+| 1    | 0.0         | 2.1         | 5.0         | 3.2         |
+| 2    | 0.0         | 2.3         | 5.0         | 2.8         |
+| ...  | ...         | ...         | ...         | ...         |
+| 8760 | 0.0         | 2.0         | 5.0         | 3.5         |
+
+**2. 参数工作表（系统运行参数）**
+| 参数名称 | 参数值 | 参数说明 | 取值范围 | 默认值 |
+|---------|--------|---------|---------|--------|
+| 最大弃风率 | 0.1 | 允许的最大弃风率（0.0-1.0） | 0.0-1.0 | 0.1 |
+| 最大弃光率 | 0.1 | 允许的最大弃光率（0.0-1.0） | 0.0-1.0 | 0.1 |
+| 最大上网电量比例 | 0.2 | 允许的最大上网电量比例 | ≥0.0 | 0.2 |
+| 储能效率 | 0.9 | 储能充放电效率（0.0-1.0） | 0.0-1.0 | 0.9 |
+| 放电倍率 | 1.0 | 储能放电倍率（C-rate，>0） | >0 | 1.0 |
+| 充电倍率 | 1.0 | 储能充电倍率（C-rate，>0） | >0 | 1.0 |
+
+**3. 经济参数工作表（经济优化参数）**
+| 参数名称 | 参数值 | 参数说明 | 取值范围 | 默认值 |
+|---------|--------|---------|---------|--------|
+| 光伏建设成本 | 3000000 | 光伏发电系统建设成本 (元/MW) | >0 | 3,000,000 |
+| 风电建设成本 | 2500000 | 风力发电系统建设成本 (元/MW) | >0 | 2,500,000 |
+| 储能建设成本 | 800000 | 储能系统建设成本 (元/MWh) | >0 | 800,000 |
+| 购电价格 | 600 | 从电网购电价格 (元/MWh) | >0 | 600 |
+| 上网电价 | 400 | 向电网售电价格 (元/MWh) | ≥0 | 400 |
+| 光伏运维成本 | 50000 | 光伏系统年度运维成本 (元/MW/年) | ≥0 | 50,000 |
+| 风电运维成本 | 45000 | 风电系统年度运维成本 (元/MW/年) | ≥0 | 45,000 |
+| 储能运维成本 | 3000 | 储能系统年度运维成本 (元/MW/年) | ≥0 | 3,000 |
+| 项目寿命 | 25 | 项目运营寿命 (年) | >0 | 25 |
+| 折现率 | 0.08 | 项目折现率 (用于NPV计算) | 0-1 | 0.08 |
+| 储能容量搜索范围-最小值 | 0 | 储能容量优化搜索范围下限 (MWh) | ≥0 | 0 |
+| 储能容量搜索范围-最大值 | 1000 | 储能容量优化搜索范围上限 (MWh) | >0 | 1000 |
+| 充放电倍率搜索范围-最小值 | 0.1 | 充放电倍率优化搜索范围下限 | >0 | 0.1 |
+| 充放电倍率搜索范围-最大值 | 2.0 | 充放电倍率优化搜索范围上限 | >0 | 2.0 |
+| 最大迭代次数 | 100 | 优化算法最大迭代次数 | >0 | 100 |
+| 收敛容差 | 0.01 | 优化算法收敛容差 | >0 | 0.01 |
+
+**4. 说明工作表**
+包含使用说明和注意事项。
+
+#### 数据处理逻辑
+
+**24小时数据扩展：**
+当提供24小时数据时，程序会自动将其扩展到8760小时：
+- 将24小时模式重复365次
+- 模拟全年数据，便于进行长期储能优化
+
+**数据验证：**
+程序会自动验证：
+- 文件是否存在
+- 数据行数是否正确
+- 必需列是否存在
+- 数据类型是否为数值
+- 是否包含负值
+
+**错误处理：**
+如果数据格式不正确，程序会显示详细的错误信息：
+```
+错误：数据行数应为8760，实际为1000
+错误：缺少必需的列：['光伏出力(MW)']
+错误：列'光伏出力(MW)'包含负值
+```
+
+#### 注意事项
+
+1. **文件格式**：仅支持.xlsx格式（Excel 2007及以上）
+2. **编码**：建议使用UTF-8编码保存Excel文件
+3. **数据精度**：保留小数点后2位即可
+4. **文件大小**：8760小时数据文件通常小于1MB
+5. **内存要求**：处理8760小时数据需要约100-200MB额外内存
+
+#### 故障排除
+
+**常见问题：**
+
+1. **"文件不存在"错误**
+   - 检查文件路径是否正确
+   - 确保文件没有被其他程序占用
+
+2. **"缺少必需的列"错误**
+   - 检查列名是否完全匹配（包括括号和单位）
+   - 确保没有多余的空格
+
+3. **"数据类型错误"**
+   - 确保所有数据列都是数值格式
+   - 检查是否有文本格式混入
+
+4. **"包含负值"错误**
+   - 所有功率数据必须为非负数
+   - 检查数据源是否有异常值
+
+**性能优化建议：**
+
+1. **大文件处理**：对于8760小时数据，确保系统有足够内存
+2. **数据预处理**：在Excel中预先清理和验证数据
+3. **批量处理**：可以编写脚本批量处理多个Excel文件
+
+### 编程接口格式
+
+### 24小时模式
+所有输入数据必须是长度为24的数值列表，表示24小时的电力数据
+
+### 8760小时模式
+所有输入数据必须是长度为8760的数值列表，表示全年8760小时的电力数据
+
+### 支持的数据类型
+- **solar_output**: 光伏出力曲线 (MW)
+- **wind_output**: 风电出力曲线 (MW)  
+- **thermal_output**: 火电出力曲线 (MW)
+- **load_demand**: 负荷曲线 (MW)
+
+## 编程接口使用
+
+```python
+from storage_optimization import optimize_storage_capacity, SystemParameters
+
+# 定义输入数据（24小时示例）
+solar_output = [0.0] * 6 + [1.0, 2.0, 3.0, 4.0, 5.0, 6.0, 5.0, 4.0, 3.0, 2.0, 1.0, 0.0] + [0.0] * 6
+wind_output = [2.0, 3.0, 4.0, 3.0, 2.0, 1.0] * 4
+thermal_output = [5.0] * 24
+load_demand = [3.0, 4.0, 5.0, 6.0, 8.0, 10.0, 12.0, 14.0, 16.0, 18.0, 20.0, 18.0, 
+               16.0, 14.0, 12.0, 10.0, 8.0, 6.0, 5.0, 4.0, 3.0, 2.0, 1.0, 2.0]
+
+# 系统参数
+params = SystemParameters(
+    max_curtailment_wind=0.1,    # 最大弃风率10%
+    max_curtailment_solar=0.1,   # 最大弃光率10%
+    max_grid_ratio=0.2,          # 最大上网电量比例20%
+    storage_efficiency=0.9,      # 储能效率90%
+    discharge_rate=1.0,          # 1C放电
+    charge_rate=1.0,             # 1C充电
+    max_storage_capacity=50.0    # 储能容量上限50MWh（可选）
+)
+
+# 购电场景示例
+params_purchase = SystemParameters(
+    max_curtailment_wind=0.05,   # 严格的弃风控制
+    max_curtailment_solar=0.02,  # 严格的弃光控制
+    max_grid_ratio=-0.3,         # 负值表示购电，最大购电比例30%
+    storage_efficiency=0.9,      # 储能效率90%
+    discharge_rate=2.0,          # 2C放电，满足高峰需求
+    charge_rate=1.0,             # 1C充电
+    max_storage_capacity=30.0    # 限制储能容量
+)
+
+# 不设置储能容量上限（默认行为）
+# params = SystemParameters(
+#     max_curtailment_wind=0.1,
+#     max_curtailment_solar=0.1,
+#     max_grid_ratio=0.2,
+#     storage_efficiency=0.9,
+#     discharge_rate=1.0,
+#     charge_rate=1.0
+# )
+
+# 计算最优储能容量
+result = optimize_storage_capacity(solar_output, wind_output, thermal_output, load_demand, params)
+
+# 输出结果
+print(f"所需储能容量: {result['required_storage_capacity']:.2f} MWh")
+print(f"实际弃风率: {result['total_curtailment_wind_ratio']:.3f}")
+print(f"实际弃光率: {result['total_curtailment_solar_ratio']:.3f}")
+print(f"实际上网电量比例: {result['total_grid_feed_in_ratio']:.3f}")
+```
+
+## 经济优化模块
+
+### 功能概述
+
+经济优化模块在光伏、风电、负荷确定的前提下，进行储能配置优化，目标函数是光伏建设费用、风电建设费用、储能建设费用、购电费用最小。
+
+### 主要功能
+
+1. **经济参数配置**
+   - 建设成本：光伏、风电、储能（元/MW 或 元/MWh）
+   - 运行成本：购电价格、上网电价、运维成本
+   - 财务参数：项目寿命、折现率
+
+2. **优化算法**
+   - 网格搜索优化算法
+   - 精细搜索（在最优解附近进行小范围搜索）
+   - 支持储能容量和充放电倍率的联合优化
+
+3. **经济指标计算**
+   - **LCOE（平准化电力成本）**：考虑建设、运维、电费成本
+   - **NPV（净现值）**：基于折现率的现金流分析
+   - **总成本分析**：建设成本、运维成本、电费成本
+
+4. **系统性能评估**
+   - 新能源消纳比例
+   - 弃风弃光量统计
+   - 购电量和上网电量分析
+
+### 使用方法
+
+#### 1. 演示模式
+```bash
+python economic_optimization.py --demo
+```
+
+#### 2. Excel数据模式
+```bash
+python economic_optimization.py --excel <Excel文件路径>
+```
+
+#### 3. 编程接口
+```python
+from economic_optimization import EconomicParameters, optimize_storage_economic
+
+# 经济参数
+econ_params = EconomicParameters(
+    solar_capex=3000000,      # 光伏建设成本 (元/MW)
+    wind_capex=2500000,       # 风电建设成本 (元/MW)
+    storage_capex=800000,     # 储能建设成本 (元/MWh)
+    electricity_price=600,     # 购电价格 (元/MWh)
+    feed_in_price=400,         # 上网电价 (元/MWh)
+    solar_om=50000,           # 光伏运维成本 (元/MW/年)
+    wind_om=45000,            # 风电运维成本 (元/MW/年)
+    storage_om=3000,          # 储能运维成本 (元/MW/年)
+    project_lifetime=25,        # 项目寿命 (年)
+    discount_rate=0.08        # 折现率
+)
+
+# 系统参数
+system_params = SystemParameters(
+    max_curtailment_wind=0.1,
+    max_curtailment_solar=0.1,
+    max_grid_ratio=0.2,
+    storage_efficiency=0.9,
+    discharge_rate=1.0,
+    charge_rate=1.0
+)
+
+# 运行优化
+result = optimize_storage_economic(
+    solar_output, wind_output, thermal_output, load_demand,
+    econ_params, system_params,
+    storage_capacity_range=(0, 1000),
+    rate_range=(0.1, 2.0),
+    max_iterations=100,
+    tolerance=0.01
+)
+
+# 输出结果
+print(f"最优储能容量: {result.storage_capacity:.2f} MWh")
+print(f"最优充电倍率: {result.charge_rate:.2f}")
+print(f"最优放电倍率: {result.discharge_rate:.2f}")
+print(f"总建设成本: {result.total_capex:.2f} 元")
+print(f"LCOE: {result.total_lcoe:.2f} 元/MWh")
+print(f"NPV: {result.total_npv:.2f} 元")
+print(f"新能源消纳比例: {result.renewable_ratio:.2f}%")
+```
+
+### 输出结果
+
+经济优化模块返回 `OptimizationResult` 对象，包含：
+
+```python
+{
+    'storage_capacity': float,      # 最优储能容量 (MWh)
+    'charge_rate': float,           # 最优充电倍率 (C-rate)
+    'discharge_rate': float,        # 最优放电倍率 (C-rate)
+    'total_capex': float,           # 总建设成本 (元)
+    'total_om_cost': float,         # 总运维成本 (元)
+    'total_electricity_cost': float # 总电费成本 (元)
+    'total_lcoe': float,            # 平准化电力成本 (元/MWh)
+    'total_npv': float,             # 净现值 (元)
+    'total_curtailment': float,    # 总弃风弃光量 (MWh)
+    'grid_purchase': float,         # 总购电量 (MWh)
+    'grid_feed_in': float,          # 总上网电量 (MWh)
+    'renewable_ratio': float       # 新能源消纳比例 (%)
+}
+```
+
+### 报告生成
+
+程序自动生成Excel报告，包含：
+- 优化结果汇总
+- 经济参数配置
+- 详细的成本分析
+
+### 可视化图表
+
+生成经济分析图表：
+- NPV vs 储能容量
+- LCOE vs 储能容量
+- 新能源消纳比例 vs 储能容量
+- 成本构成饼图
+
+## 系统参数说明
+
+- **max_curtailment_wind**: 最大允许弃风率 (0.0-1.0)
+- **max_curtailment_solar**: 最大允许弃光率 (0.0-1.0)
+- **max_grid_ratio**: 最大允许上网电量比例 (0.0-∞，正值限制上网比例，负值不限制上网电量，无论正负都允许购电)
+- **storage_efficiency**: 储能充放电效率 (0.0-1.0)
+- **discharge_rate**: 储能放电倍率 (C-rate)
+- **charge_rate**: 储能充电倍率 (C-rate)
+- **max_storage_capacity**: 储能容量上限 (MWh，可选，None表示无限制)
+
+## 输出结果格式
+
+程序返回一个字典，包含以下信息：
+
+```python
+{
+    'required_storage_capacity': float,  # 所需储能总容量（MWh）
+    'storage_profile': list,              # 储能状态曲线（MWh）
+    'charge_profile': list,               # 充电功率曲线（MW）
+    'discharge_profile': list,            # 放电功率曲线（MW）
+    'curtailed_wind': list,               # 弃风量曲线（MW）
+    'curtailed_solar': list,              # 弃光量曲线（MW）
+    'grid_feed_in': list,                 # 上网电量曲线（MW）
+    'total_curtailment_wind_ratio': float,  # 实际弃风率
+    'total_curtailment_solar_ratio': float, # 实际弃光率
+    'total_grid_feed_in_ratio': float,    # 实际上网电量比例
+    'energy_balance_check': bool,         # 能量平衡校验结果
+    'capacity_limit_reached': bool,       # 是否达到容量上限
+    'theoretical_optimal_capacity': float, # 理论最优容量（如果找到可行解）
+    'max_storage_limit': float            # 储能容量上限设置值
+}
+```
+
+## 算法原理
+
+### 电能平衡原则
+程序遵循电能平衡原则：
+```
+总发电量 + 储能放电/效率 = 总负荷 + 储能充电×效率 + 弃风弃光 + 上网电量
+```
+
+### 优化算法
+采用二分搜索算法寻找满足所有约束的最小储能容量：
+1. 设置搜索边界（0到最大可能容量或用户设定的上限）
+2. 迭代测试中间容量
+3. 验证所有约束条件
+4. 调整搜索范围直到收敛
+
+### 储能容量上限处理
+当设置了`max_storage_capacity`参数时：
+1. 搜索范围上限被限制为设定值
+2. 如果在容量限制内无法找到满足所有约束的解，程序会：
+   - 输出警告信息
+   - 使用最大允许容量计算结果
+   - 返回`capacity_limit_reached=True`标记
+   - 某些约束条件可能无法满足
+
+### 购电功能处理
+当设置`max_grid_ratio`为负值时：
+1. 系统允许从电网购电，负值表示最大购电比例
+2. 约束条件调整为：实际购电比例 ≥ 设定的购电比例
+3. 在结果中，负的上网电量表示购电量
+4. 适用于负荷高峰期本地发电不足的场景
+
+### 约束条件处理
+1. **弃风弃光约束**：控制可再生能源弃用比例
+2. **上网电量约束**：限制向电网输送电量比例
+3. **储能运行约束**：考虑容量、效率和功率限制
+4. **周期平衡约束**：确保储能状态恢复到初始值
+
+## 可视化功能
+
+### 基础图表（main.py）
+- 发电与负荷曲线对比
+- 储能充放电功率柱状图
+- 储能状态变化曲线
+
+### 高级图表（advanced_visualization.py）
+- 综合分析图表（包含多个子图）
+- 时间序列图表
+- 能量分配饼图
+- 发电构成饼图
+- 关键指标展示
+
+## 性能说明
+
+- **24小时数据处理**：通常 < 1秒
+- **8760小时数据处理**：通常 < 10秒
+- **内存使用**：8760小时数据约需要100-200MB额外内存
+
+## 示例输出
+
+### 24小时数据示例
+```
+使用24小时示例数据...
+正在计算最优储能容量...
+正在绘制系统运行曲线...
+
+=== 系统运行统计 ===
+所需储能总容量: 217.00 MWh
+最大储能状态: 21.60 MWh
+最小储能状态: 0.00 MWh
+总充电量: 42.00 MWh
+总放电量: 11.60 MWh
+弃风率: 0.000
+弃光率: 0.000
+上网电量比例: 0.000
+
+曲线图已保存为 'system_curves.png'
+```
+
+### 8760小时数据示例
+```
+生成8760小时全年数据...
+数据长度: 8760 小时
+正在计算最优储能容量...
+正在绘制系统运行曲线...
+
+=== 系统运行统计 ===
+所需储能总容量: 79211.74 MWh
+最大储能状态: 7343.76 MWh
+最小储能状态: 0.00 MWh
+总充电量: 17621.88 MWh
+总放电量: 14281.12 MWh
+弃风率: 0.000
+弃光率: 0.000
+上网电量比例: 0.000
+
+曲线图已保存为 'system_curves.png'
+```
+
+## 测试用例
+
+程序包含完整的测试套件：
+
+### 基础功能测试
+- 输入验证测试
+- 电能平衡计算测试
+- 约束条件检查测试
+- 储能容量优化测试
+
+### 边界条件测试
+- 零可再生能源场景
+- 极端负荷场景
+- 完美平衡场景
+- 高可再生能源渗透场景
+
+### 8760小时数据测试
+- 全年数据验证测试
+- 长时间序列优化测试
+
+## 项目结构
+
+```
+D:\code\storage\
+├── storage_optimization.py      # 主程序文件（储能容量优化）
+├── economic_optimization.py     # 经济优化模块
+├── excel_reader.py              # Excel数据读取和模板生成
+├── main.py                      # 基础可视化程序
+├── advanced_visualization.py    # 高级可视化程序
+├── example_usage.py             # 使用示例
+├── requirements.txt             # 依赖包列表
+├── pyproject.toml              # 项目配置文件
+├── main.spec                   # PyInstaller配置文件
+└── README.md                   # 本文档
+```
+
+### 主要模块说明
+
+- **storage_optimization.py**: 储能容量优化核心算法
+- **economic_optimization.py**: 经济优化模块，包含LCOE、NPV计算
+- **excel_reader.py**: Excel文件读取、验证和模板生成
+- **main.py**: 基础可视化和系统分析
+- **advanced_visualization.py**: 高级图表和综合分析
+
+### 生成的文件
+
+运行程序后会生成以下文件：
+- `system_curves.png`: 系统运行曲线图
+- `time_series_curves.png`: 时间序列曲线图
+- `comprehensive_analysis.png`: 综合分析图
+- `economic_analysis.png`: 经济分析图
+- `economic_optimization_report_*.xlsx`: 经济优化报告
+- `storage_optimization_results_*.xlsx`: 储能优化结果
+
+## 扩展性
+
+程序设计具有良好的扩展性：
+- 易于添加更多能源类型（如水电、核电等）
+- 支持不同时间分辨率调整
+- 预留了储能成本和寿命模型接口
+- 可集成更复杂的优化算法
+- **经济模块扩展**：支持更多经济指标和优化目标
+- **Excel集成**：易于添加新的参数类型和配置选项
+- **可视化扩展**：模块化的图表生成系统
+
+## 使用场景
+
+适用于以下领域：
+- 电力系统规划
+- 可再生能源集成
+- 储能系统设计
+- 能源政策分析
+- 学术研究
+- **经济性评估**：项目投资决策和成本效益分析
+- **储能配置优化**：基于经济指标的最优储能容量确定
+- **能源交易分析**：购电成本和上网收益分析
+
+## 注意事项
+
+1. 所有输入数据必须为非负值
+2. 约束参数必须在0.0-1.0范围内
+3. 储能效率必须大于0且小于等于1.0
+4. 充放电倍率必须大于0
+5. 8760小时数据处理需要足够内存和时间
+
+## 开发要求完成情况
+
+✅ **代码质量**: 详细注释，解释关键计算步骤
+✅ **测试覆盖**: 包含单元测试和验证测试
+✅ **错误处理**: 处理无效输入并提供有意义的错误信息
+✅ **示例数据**: 提供示例数据和预期结果
+✅ **扩展性**: 设计允许未来增加更多能源类型
+✅ **可视化**: 提供丰富的图表展示功能
+✅ **多时间尺度**: 支持24小时和8760小时数据
+
+## 验证状态
+
+经过完整的测试验证，程序满足所有需求：
+- **功能完整性**: ✅ 实现了所有要求的功能模块
+- **算法正确性**: ✅ 优化算法逻辑正确，考虑了所有约束条件
+- **接口规范性**: ✅ 输入输出格式符合要求
+- **代码质量**: ✅ 代码结构清晰，注释详细，易于维护
+
+**验证状态：✅ 通过**
+
+---
+
+*该项目仅供学习和研究使用。*

docs/README_exe.md

@@ -0,0 +1,86 @@
+# 多能互补系统储能容量优化程序 - 独立可执行版本
+
+## 文件说明
+
+- **文件名**: `storage_optimization.exe`
+- **大小**: 约 52.7 MB
+- **位置**: `dist/storage_optimization.exe`
+- **类型**: 独立可执行程序（无需安装Python环境）
+
+## 使用方法
+
+### 基本用法
+
+```bash
+# 使用24小时示例数据
+storage_optimization.exe
+
+# 从Excel文件读取数据
+storage_optimization.exe --excel data.xlsx
+
+# 显示图形窗口
+storage_optimization.exe --excel data.xlsx --show
+
+# 只显示图形窗口，不保存文件
+storage_optimization.exe --excel data.xlsx --display-only
+
+# 创建Excel模板
+storage_optimization.exe --create-template 8760
+storage_optimization.exe --create-template 24
+```
+
+### Excel文件格式要求
+
+Excel文件应包含以下列：
+- 小时
+- 光伏出力(MW)
+- 风电出力(MW)
+- 火电出力(MW)
+- 负荷需求(MW)
+
+可选的系统参数工作表（工作表名为"参数"）：
+- 参数名称：最大弃风率、最大弃光率、最大上网电量比例等
+- 参数值：对应的数值
+- 参数说明：参数说明
+
+### 输出结果
+
+程序运行后会生成：
+1. **控制台输出**：系统运行统计、弃风弃光统计、电网交互统计、新能源统计
+2. **Excel结果文件**：`storage_optimization_results_YYYYMMDD_HHMMSS.xlsx`
+   - 运行数据：小时级运行数据
+   - 统计结果：关键性能指标
+   - 系统参数：输入参数汇总
+   - 说明：文件使用说明
+3. **图形文件**：`system_curves.png`（系统运行曲线图）
+
+## 功能特点
+
+- ✅ 完全独立运行，无需安装Python环境
+- ✅ 支持Excel数据输入和模板生成
+- ✅ 自动储能容量优化
+- ✅ 弃风弃光智能处理（已修复bug）
+- ✅ 新能源利用率统计
+- ✅ 图形化结果展示
+- ✅ 详细Excel报告导出
+
+## 系统要求
+
+- Windows操作系统
+- 至少100MB可用磁盘空间
+- 支持Excel文件（.xlsx格式）
+
+## 故障排除
+
+如果程序无法运行：
+1. 检查Windows版本兼容性
+2. 确保有足够的磁盘空间
+3. 检查Excel文件格式是否正确
+4. 确保没有杀毒软件阻止程序运行
+
+## 技术信息
+
+- 基于Python 3.14.0
+- 使用PyInstaller打包
+- 包含所有必需依赖库
+- 支持中文显示和输入

docs/SCENARIO_STORAGE_OPTIMIZATION.md

@@ -0,0 +1,228 @@
+# 场景储能配置优化模块
+
+## 功能概述
+
+本模块将多场景聚类分析与储能容量优化相结合，为多能互补系统提供场景化的储能配置方案。通过识别不同的运行模式，为每种场景提供最优的储能容量建议。
+
+## 主要特性
+
+### 1. 多场景储能优化
+- **场景识别**: 基于光伏、风电、负荷三维度进行聚类分析
+- **储能配置**: 为每个场景独立计算最优储能容量
+- **结果汇总**: 提供加权平均和最大需求分析
+
+### 2. 智能数据处理
+- **短时扩展**: 自动将短时场景数据扩展为24小时
+- **长度适配**: 确保数据符合储能优化算法要求
+- **错误处理**: 完善的异常捕获和提示机制
+
+### 3. 可视化分析
+- **结果展示**: 清晰的场景储能需求汇总表
+- **配置建议**: 基于安全系数的储能容量推荐
+- **频率分析**: 基于场景出现频率的加权计算
+
+## 核心类和方法
+
+### MultiScenarioAnalyzer类
+
+#### 新增方法
+
+##### `optimize_storage_for_scenarios()`
+对聚类后的场景进行储能配置优化。
+
+**参数:**
+- `result`: 聚类结果 (ScenarioResult)
+- `solar_output`: 光伏出力曲线 (List[float], MW)
+- `wind_output`: 风电出力曲线 (List[float], MW) 
+- `load_demand`: 负荷曲线 (List[float], MW)
+- `system_params`: 系统参数 (SystemParameters, 可选)
+- `safety_factor`: 安全系数 (float, 默认1.2)
+
+**返回:**
+- Dict[str, Dict[str, float]]: 各场景的储能优化结果
+
+**功能:**
+1. 遍历所有识别出的场景
+2. 提取每个场景的数据点
+3. 确保数据长度为24小时
+4. 调用储能优化算法
+5. 计算加权平均和推荐容量
+
+##### `_extract_scenario_data()`
+提取指定场景的数据点。
+
+**参数:**
+- `solar_output`: 光伏出力曲线
+- `wind_output`: 风电出力曲线  
+- `load_demand`: 负荷曲线
+- `cluster_labels`: 场景标签
+- `scenario_id`: 场景编号
+
+**返回:**
+- Tuple[List[float], List[float], List[float], int]: 场景数据和时间长度
+
+##### `print_storage_optimization_summary()`
+打印储能配置优化汇总结果。
+
+**参数:**
+- `optimization_results`: 储能优化结果
+
+**输出:**
+- 格式化的场景对比表格
+- 加权平均和最大需求
+- 储能容量配置建议
+
+## 使用示例
+
+```python
+from multi_scenario import MultiScenarioAnalyzer
+from storage_optimization import SystemParameters
+
+# 1. 生成测试数据
+solar_output = [0.0] * 6 + [5.0] * 12 + [0.0] * 6  # 光伏出力
+wind_output = [3.0] * 24  # 风电出力
+load_demand = [10.0] * 24  # 负荷曲线
+
+# 2. 执行多场景聚类
+analyzer = MultiScenarioAnalyzer(n_clusters=3, random_state=42)
+result = analyzer.fit_predict(solar_output, wind_output, load_demand)
+
+# 3. 储能配置优化
+system_params = SystemParameters(
+    max_curtailment_wind=0.1,
+    max_curtailment_solar=0.1,
+    max_grid_ratio=0.2,
+    storage_efficiency=0.9,
+    discharge_rate=1.0,
+    charge_rate=1.0
+)
+
+optimization_results = analyzer.optimize_storage_for_scenarios(
+    result, solar_output, wind_output, load_demand, 
+    system_params, safety_factor=1.2
+)
+
+# 4. 查看结果
+analyzer.print_storage_optimization_summary(optimization_results)
+```
+
+## 输出结果
+
+### 优化结果结构
+```python
+{
+    'scenario_id': {
+        'scenario_name': '场景名称',
+        'duration': 24,  # 小时
+        'required_storage': 5.0,  # MWh
+        'curtailment_wind': 0.05,  # 弃风率
+        'curtailment_solar': 0.03,  # 弃光率
+        'grid_ratio': 0.15,  # 上网比例
+        'frequency': 0.3,  # 场景频率
+        'energy_balance_check': True  # 能量平衡检查
+    },
+    'summary': {
+        'weighted_average_storage': 4.5,  # MWh
+        'maximum_storage_need': 8.0,  # MWh
+        'recommended_capacity': 9.6,  # MWh
+        'safety_factor': 1.2,
+        'n_scenarios': 3
+    }
+}
+```
+
+### 控制台输出示例
+```
+================================================================================
+场景储能配置优化汇总
+================================================================================
+场景       名称                        频率       储能容量       弃风率      弃光率     
+--------------------------------------------------------------------------------
+场景1    低负荷(低光伏+低风电+低负荷)  25.0%     1.00 MWh     0.000      0.000     
+
+场景2    高负荷(高光伏+低风电+高负荷)  45.0%     3.00 MWh     0.100      0.050     
+
+场景3    中负荷(中光伏+高风电+中负荷)  30.0%     2.00 MWh     0.020      0.000     
+
+--------------------------------------------------------------------------------
+加权平均储能需求                            2.25      MWh
+最大储能需求                              3.00      MWh
+推荐储能容量                              3.60      MWh
+安全系数                                1.20     
+
+配置建议:
+  - 建议：储能容量配置相对合理
+================================================================================
+```
+
+## 技术特点
+
+### 1. 模块化设计
+- **职责分离**: `src/multi_scenario.py` 专门用于储能配置优化
+- **测试分离**: `test_multi_scenario.py` 只做基本聚类测试
+- **功能集成**: 聚类分析+储能优化的完整工作流
+
+### 2. 智能处理逻辑
+- **数据扩展**: 自动处理短时场景数据
+- **长度适配**: 确保24小时数据用于优化
+- **频率加权**: 基于场景出现频率的储能需求计算
+
+### 3. 鲁棒性设计
+- **异常处理**: 完善的错误捕获和提示
+- **边界检查**: 场景数据完整性验证
+- **参数验证**: 系统参数合理性检查
+
+## 测试验证
+
+### 基础功能测试
+- 多场景聚类分析
+- 储能配置优化计算
+- 结果汇总和展示
+
+### 边界情况测试
+- 短时间数据处理
+- 极大储能需求场景
+- 不同聚类数效果对比
+
+### 性能测试
+- 长时间序列数据处理
+- 多场景同时优化
+- 结果输出和存储
+
+## 应用价值
+
+### 1. 规划设计支持
+- **场景化设计**: 为不同运行模式提供定制化储能配置
+- **容量优化**: 基于实际运行模式的科学容量计算
+- **风险评估**: 考虑极端场景的安全系数设计
+
+### 2. 运行策略制定
+- **模式识别**: 自动识别典型运行模式
+- **策略切换**: 基于场景的储能运行策略
+- **适应性**: 适应季节性和随机性变化
+
+### 3. 投资决策依据
+- **成本优化**: 平衡储能投资与运行效果
+- **风险控制**: 基于极端场景的容量保障
+- **经济评估**: 为投资决策提供量化依据
+
+## 后续扩展
+
+### 1. 功能增强
+- **多时域优化**: 季节性和日内储能协调
+- **动态调度**: 基于实时场景的储能调度
+- **成本效益分析**: 集成经济性评估
+
+### 2. 应用扩展
+- **多能系统**: 扩展到更多能源类型
+- **微电网**: 适配不同规模的微电网
+- **虚拟电厂**: 支持虚拟电厂储能配置
+
+### 3. 算法优化
+- **智能算法**: 集成机器学习优化方法
+- **预测融合**: 结合天气预报的场景预测
+- **自适应**: 动态调整聚类和优化参数
+
+## 总结
+
+场景储能配置优化模块为多能互补系统提供了一个完整的储能容量设计工具。通过多场景聚类分析和储能优化的结合，实现了从数据到决策的全流程支持，具有很强的工程应用价值。

main.py

@@ -13,6 +13,10 @@ import matplotlib.pyplot as plt
 import numpy as np
 import pandas as pd
 from datetime import datetime
+import sys
+import os
+sys.path.append(os.path.join(os.path.dirname(__file__), 'src'))
+
 from storage_optimization import optimize_storage_capacity, SystemParameters
 from excel_reader import read_excel_data, create_excel_template, analyze_excel_data
 
@@ -21,11 +25,11 @@ plt.rcParams['font.sans-serif'] = ['SimHei', 'Microsoft YaHei', 'DejaVu Sans']
 plt.rcParams['axes.unicode_minus'] = False
 
 
-def plot_system_curves(solar_output, wind_output, thermal_output, load_demand, result, show_window=False, display_only=False):
+def plot_system_curves(solar_output, wind_output, thermal_output, load_demand, result, storage_efficiency=0.9, show_window=False, display_only=False, output_dir=None):
     """
     绘制系统运行曲线
 
-    Args:
+        Args:
         solar_output: 光伏出力曲线 (MW) - 支持24小时或8760小时
         wind_output: 风电出力曲线 (MW) - 支持24小时或8760小时
         thermal_output: 火电出力曲线 (MW) - 支持24小时或8760小时
@@ -33,6 +37,7 @@ def plot_system_curves(solar_output, wind_output, thermal_output, load_demand, r
         result: 优化结果字典
         show_window: 是否显示图形窗口
         display_only: 是否只显示不保存文件
+        output_dir: 输出目录路径，默认为 None（当前目录）
     """
     import matplotlib.pyplot as plt
     import numpy as np
@@ -144,15 +149,17 @@ def plot_system_curves(solar_output, wind_output, thermal_output, load_demand, r
     plt.tight_layout()
 
     # 根据参数决定是否保存和显示图形
-    if display_only:
+    if not display_only:
-        # 只显示，不保存
+        # 确定输出目录
-        try:
+        if output_dir is None:
-            plt.show()
+            output_dir = 'results'
-        except Exception as e:
+        
-            print(f"无法显示图形窗口：{str(e)}")
+        # 创建输出目录（如果不存在）
-    else:
+        os.makedirs(output_dir, exist_ok=True)
-        # 保存图片
+        
-        plt.savefig('system_curves.png', dpi=300, bbox_inches='tight')
+        # 保存图片到指定目录
+        output_path = os.path.join(output_dir, 'system_curves.png')
+        plt.savefig(output_path, dpi=300, bbox_inches='tight')
 
         # 根据参数决定是否显示图形窗口
         if show_window:
@@ -160,7 +167,7 @@ def plot_system_curves(solar_output, wind_output, thermal_output, load_demand, r
                 plt.show()
             except Exception as e:
                 print(f"无法显示图形窗口：{str(e)}")
-                print("图形已保存为 'system_curves.png'")
+                print(f"图形已保存为 '{output_path}'")
         else:
             plt.close()  # 关闭图形，不显示窗口
 
@@ -175,6 +182,13 @@ def plot_system_curves(solar_output, wind_output, thermal_output, load_demand, r
     print(f"弃光率: {result['total_curtailment_solar_ratio']:.3f}")
     print(f"上网电量比例: {result['total_grid_feed_in_ratio']:.3f}")
     
+    # 计算总弃风弃光量
+    total_curtail_wind = sum(result['curtailed_wind'])
+    total_curtail_solar = sum(result['curtailed_solar'])
+    print(f"\n=== 弃风弃光统计 ===")
+    print(f"总弃风电量: {total_curtail_wind:.2f} MWh")
+    print(f"总弃光电量: {total_curtail_solar:.2f} MWh")
+
     # 计算购电和上网电量统计
     total_grid_feed_in = sum(result['grid_feed_in'])
     total_grid_purchase = sum(-x for x in result['grid_feed_in'] if x < 0)  # 购电量
@@ -188,8 +202,80 @@ def plot_system_curves(solar_output, wind_output, thermal_output, load_demand, r
     print(f"总购电量: {total_grid_purchase:.2f} MWh")
     print(f"总上网电量: {total_grid_feed_out:.2f} MWh")
     
+    # 计算新能源统计信息
+    total_solar_potential = sum(solar_output)
+    total_wind_potential = sum(wind_output)
+    total_renewable_potential = total_solar_potential + total_wind_potential
+    total_renewable_actual = total_solar_potential - total_curtail_solar + total_wind_potential - total_curtail_wind
     
-def export_results_to_excel(solar_output, wind_output, thermal_output, load_demand, result, params, filename=None):
+    # 新能源利用率 = 实际发电量 / 潜在发电量
+    renewable_utilization_rate = (total_renewable_actual / total_renewable_potential * 100) if total_renewable_potential > 0 else 0
+    
+    # 新能源消纳电量占比 = 新能源实际发电量 / 总负荷
+    renewable_consumption_ratio = (total_renewable_actual / sum(load_demand) * 100) if sum(load_demand) > 0 else 0
+    
+    print(f"\n=== 新能源统计 ===")
+    print(f"新能源潜在发电量: {total_renewable_potential:.2f} MWh")
+    print(f"  - 光伏潜在发电量: {total_solar_potential:.2f} MWh")
+    print(f"  - 风电潜在发电量: {total_wind_potential:.2f} MWh")
+    print(f"新能源实际发电量: {total_renewable_actual:.2f} MWh")
+    print(f"  - 光伏实际发电量: {total_solar_potential - total_curtail_solar:.2f} MWh")
+    print(f"  - 风电实际发电量: {total_wind_potential - total_curtail_wind:.2f} MWh")
+    print(f"新能源利用率: {renewable_utilization_rate:.2f}%")
+    print(f"新能源消纳电量占比: {renewable_consumption_ratio:.2f}%")
+    
+    # 计算储能损耗统计信息
+    total_charge = sum(result['charge_profile'])
+    total_discharge = sum(result['discharge_profile'])
+    
+    # 储能损耗 = 充电量 - (放电量 / 效率)
+    storage_loss = total_charge - (total_discharge / storage_efficiency if storage_efficiency > 0 else 1)
+    storage_efficiency_actual = (total_discharge / total_charge * 100) if total_charge > 0 else 0
+    
+    print(f"\n=== 储能损耗统计 ===")
+    print(f"总充电量: {total_charge:.2f} MWh")
+    print(f"总放电量: {total_discharge:.2f} MWh")
+    print(f"储能效率: {storage_efficiency:.2f}")
+    print(f"实际充放电效率: {storage_efficiency_actual:.2f}%")
+    print(f"储能损耗电量: {storage_loss:.2f} MWh")
+    print(f"储能损耗率: {(storage_loss/total_charge*100) if total_charge > 0 else 0:.2f}%")
+
+
+def export_results_to_excel(solar_output, wind_output, thermal_output, load_demand, result, params, filename=None, output_dir=None):
+    """
+    将多能互补系统储能优化结果导出到Excel文件，包含运行数据、统计结果和系统参数。
+    
+    Args:
+        solar_output (list): 光伏出力曲线 (MW)
+        wind_output (list): 风电出力曲线 (MW)
+        thermal_output (list): 火电出力曲线 (MW)
+        load_demand (list): 负荷需求曲线 (MW)
+        result (dict): 包含以下键的优化结果字典:
+            - charge_profile: 储能充电功率曲线 (MW)
+            - discharge_profile: 储能放电功率曲线 (MW)
+            - storage_profile: 储能状态曲线 (MWh)
+            - curtailed_wind: 弃风功率曲线 (MW)
+            - curtailed_solar: 弃光功率曲线 (MW)
+            - grid_feed_in: 电网交互功率曲线 (MW, 负值表示购电)
+            - required_storage_capacity: 所需储能总容量 (MWh)
+            - total_curtailment_wind_ratio: 总弃风率
+            - total_curtailment_solar_ratio: 总弃光率
+            - total_grid_feed_in_ratio: 总上网电量比例
+            - energy_balance_check: 能量平衡校验结果
+            - capacity_limit_reached: 容量限制是否达到
+        params (object): 系统参数对象，包含各种技术参数
+        filename (str, optional): 输出文件名，如未提供则自动生成
+        output_dir (str, optional): 输出目录路径，默认为 None（使用 results 目录）
+    
+    Returns:
+        str: 生成的Excel文件路径
+    
+    生成的Excel文件包含以下工作表:
+        - 运行数据: 小时级运行数据
+        - 统计结果: 关键性能指标统计
+        - 系统参数: 输入参数汇总
+        - 说明: 文件使用说明
+    """
     """
     将优化结果导出到Excel文件
 
@@ -206,7 +292,17 @@ def export_results_to_excel(solar_output, wind_output, thermal_output, load_dema
         timestamp = datetime.now().strftime("%Y%m%d_%H%M%S")
         filename = f"storage_optimization_results_{timestamp}.xlsx"
     
-    print(f"\n正在导出结果到Excel文件: {filename}")
+    # 确定输出目录
+    if output_dir is None:
+        output_dir = 'results'
+    
+    # 创建输出目录（如果不存在）
+    os.makedirs(output_dir, exist_ok=True)
+    
+    # 构建完整的输出路径
+    output_path = os.path.join(output_dir, filename)
+
+    print(f"\n正在导出结果到Excel文件: {output_path}")
 
     # 准备数据
     hours = list(range(1, len(solar_output) + 1))
@@ -224,6 +320,15 @@ def export_results_to_excel(solar_output, wind_output, thermal_output, load_dema
             grid_feed_out.append(power)  # 上网电量
 
     # 创建主要数据DataFrame
+    # 计算弃电损失量（弃风+弃光）
+    curtailment_loss = [result['curtailed_wind'][i] + result['curtailed_solar'][i] for i in range(len(result['curtailed_wind']))]
+    # 计算累计弃电损失量
+    cumulative_curtailment = []
+    cumulative = 0
+    for loss in curtailment_loss:
+        cumulative += loss
+        cumulative_curtailment.append(cumulative)
+    
     data_df = pd.DataFrame({
         '小时': hours,
         '光伏出力(MW)': solar_output,
@@ -236,6 +341,8 @@ def export_results_to_excel(solar_output, wind_output, thermal_output, load_dema
         '储能状态(MWh)': result['storage_profile'],
         '弃风量(MW)': result['curtailed_wind'],
         '弃光量(MW)': result['curtailed_solar'],
+        '弃电损失量(MW)': curtailment_loss,
+        '累计弃电量(MWh)': cumulative_curtailment,
         '购电量(MW)': grid_purchase,
         '上网电量(MW)': grid_feed_out
     })
@@ -245,6 +352,15 @@ def export_results_to_excel(solar_output, wind_output, thermal_output, load_dema
     total_grid_purchase = sum(-x for x in result['grid_feed_in'] if x < 0)  # 购电量
     total_grid_feed_out = sum(x for x in result['grid_feed_in'] if x > 0)   # 上网电量
     
+    # 计算弃电损失量
+    total_curtail_wind = sum(result['curtailed_wind'])
+    total_curtail_solar = sum(result['curtailed_solar'])
+    total_curtail_energy = total_curtail_wind + total_curtail_solar
+    
+    # 计算总潜在发电量
+    total_potential_generation = sum(solar_output) + sum(wind_output) + sum(thermal_output)
+    curtailment_loss_ratio = (total_curtail_energy / total_potential_generation * 100) if total_potential_generation > 0 else 0
+
     stats_df = pd.DataFrame({
         '指标': [
             '所需储能总容量',
@@ -255,6 +371,10 @@ def export_results_to_excel(solar_output, wind_output, thermal_output, load_dema
             '弃风率',
             '弃光率',
             '上网电量比例',
+            '总弃风电量',
+            '总弃光电量',
+            '总弃电量',
+            '弃电损失比例',
             '能量平衡校验',
             '净购电量/净上网电量',
             '总购电量',
@@ -270,6 +390,10 @@ def export_results_to_excel(solar_output, wind_output, thermal_output, load_dema
             f"{result['total_curtailment_wind_ratio']:.3f}",
             f"{result['total_curtailment_solar_ratio']:.3f}",
             f"{result['total_grid_feed_in_ratio']:.3f}",
+            f"{total_curtail_wind:.2f} MWh",
+            f"{total_curtail_solar:.2f} MWh",
+            f"{total_curtail_energy:.2f} MWh",
+            f"{curtailment_loss_ratio:.2f}%",
             "通过" if result['energy_balance_check'] else "未通过",
             f"{-total_grid_feed_in:.2f} MWh" if total_grid_feed_in < 0 else f"{total_grid_feed_in:.2f} MWh",
             f"{total_grid_purchase:.2f} MWh",
@@ -287,7 +411,13 @@ def export_results_to_excel(solar_output, wind_output, thermal_output, load_dema
             '储能效率',
             '放电倍率',
             '充电倍率',
-            '最大储能容量'
+            '最大储能容量',
+            '额定火电装机容量',
+            '额定光伏装机容量',
+            '额定风电装机容量',
+            '火电可用发电量',
+            '光伏可用发电量',
+            '风电可用发电量'
         ],
         '参数值': [
             params.max_curtailment_wind,
@@ -296,7 +426,13 @@ def export_results_to_excel(solar_output, wind_output, thermal_output, load_dema
             params.storage_efficiency,
             params.discharge_rate,
             params.charge_rate,
-            params.max_storage_capacity if params.max_storage_capacity is not None else "无限制"
+            params.max_storage_capacity if params.max_storage_capacity is not None else "无限制",
+            params.rated_thermal_capacity,
+            params.rated_solar_capacity,
+            params.rated_wind_capacity,
+            params.available_thermal_energy,
+            params.available_solar_energy,
+            params.available_wind_energy
         ],
         '单位': [
             "比例",
@@ -305,12 +441,18 @@ def export_results_to_excel(solar_output, wind_output, thermal_output, load_dema
             "效率",
             "C-rate",
             "C-rate",
+            "MWh",
+            "MW",
+            "MW",
+            "MW",
+            "MWh",
+            "MWh",
             "MWh"
         ]
     })
 
     # 写入Excel文件
-    with pd.ExcelWriter(filename, engine='openpyxl') as writer:
+    with pd.ExcelWriter(output_path, engine='openpyxl') as writer:
         # 写入主要数据
         data_df.to_excel(writer, sheet_name='运行数据', index=False)
 
@@ -339,8 +481,8 @@ def export_results_to_excel(solar_output, wind_output, thermal_output, load_dema
         })
         description_df.to_excel(writer, sheet_name='说明', index=False)
 
-    print(f"结果已成功导出到: {filename}")
+    print(f"结果已成功导出到: {output_path}")
-    return filename
+    return output_path
 
 
 def generate_yearly_data():
@@ -392,11 +534,18 @@ def main():
     show_window = '--show' in sys.argv  # 检查是否包含--show参数
     display_only = '--display-only' in sys.argv  # 检查是否只显示不保存
     
-    if command == '--yearly':
+    # 解析输出目录参数
-        print("生成8760小时全年数据...")
+    output_dir = None
-        solar_output, wind_output, thermal_output, load_demand = generate_yearly_data()
+    if '--output' in sys.argv:
-        print(f"数据长度: {len(solar_output)} 小时")
+        output_index = sys.argv.index('--output')
-    elif command == '--excel':
+        if output_index + 1 < len(sys.argv):
+            output_dir = sys.argv[output_index + 1]
+        else:
+            print("错误：--output 参数需要指定目录路径")
+            print("用法：python main.py --output <目录路径>")
+            return
+
+    if command == '--excel':
         if len(sys.argv) < 3:
             print("错误：请指定Excel文件路径")
             print("用法：python main.py --excel <文件路径>")
@@ -427,6 +576,12 @@ def main():
                 print(f"  放电倍率: {params.discharge_rate}")
                 print(f"  充电倍率: {params.charge_rate}")
                 print(f"  最大储能容量: {params.max_storage_capacity}")
+                print(f"  额定火电装机容量: {params.rated_thermal_capacity} MW")
+                print(f"  额定光伏装机容量: {params.rated_solar_capacity} MW")
+                print(f"  额定风电装机容量: {params.rated_wind_capacity} MW")
+                print(f"  火电可用发电量: {params.available_thermal_energy} MWh")
+                print(f"  光伏可用发电量: {params.available_solar_energy} MWh")
+                print(f"  风电可用发电量: {params.available_wind_energy} MWh")
             else:
                 print("\n警告：未找到系统参数，使用默认参数")
                 params = SystemParameters(
@@ -435,7 +590,13 @@ def main():
                     max_grid_ratio=0.2,
                     storage_efficiency=0.9,
                     discharge_rate=1.0,
-                    charge_rate=1.0
+                    charge_rate=1.0,
+                    rated_thermal_capacity=100.0,
+                    rated_solar_capacity=100.0,
+                    rated_wind_capacity=100.0,
+                    available_thermal_energy=2400.0,
+                    available_solar_energy=600.0,
+                    available_wind_energy=1200.0
                 )
 
             # 显示数据统计
@@ -451,6 +612,7 @@ def main():
         except Exception as e:
             print(f"读取Excel文件失败：{str(e)}")
             return
+    
     elif command == '--create-template':
         template_type = sys.argv[2] if len(sys.argv) > 2 else "8760"
         template_file = f"data_template_{template_type}.xlsx"
@@ -474,19 +636,16 @@ def main():
             max_grid_ratio=0.2,
             storage_efficiency=0.9,
             discharge_rate=1.0,
-            charge_rate=1.0
+            charge_rate=1.0,
+            rated_thermal_capacity=100.0,
+            rated_solar_capacity=100.0,
+            rated_wind_capacity=100.0,
+            available_thermal_energy=2400.0,
+            available_solar_energy=600.0,
+            available_wind_energy=1200.0
         )
 
-    # 对于 --yearly 参数，也需要设置默认参数
+
-    if command == '--yearly':
-        params = SystemParameters(
-            max_curtailment_wind=0.1,
-            max_curtailment_solar=0.1,
-            max_grid_ratio=0.2,
-            storage_efficiency=0.9,
-            discharge_rate=1.0,
-            charge_rate=1.0
-        )
 
     # 显示当前使用的系统参数
     print("\n=== 当前使用的系统参数 ===")
@@ -497,6 +656,12 @@ def main():
     print(f"放电倍率: {params.discharge_rate}")
     print(f"充电倍率: {params.charge_rate}")
     print(f"最大储能容量: {params.max_storage_capacity if params.max_storage_capacity is not None else '无限制'}")
+    print(f"额定火电装机容量: {params.rated_thermal_capacity} MW")
+    print(f"额定光伏装机容量: {params.rated_solar_capacity} MW")
+    print(f"额定风电装机容量: {params.rated_wind_capacity} MW")
+    print(f"火电可用发电量: {params.available_thermal_energy} MWh")
+    print(f"光伏可用发电量: {params.available_solar_energy} MWh")
+    print(f"风电可用发电量: {params.available_wind_energy} MWh")
     print("=" * 40)
 
     # 计算最优储能容量
@@ -505,41 +670,56 @@ def main():
         solar_output, wind_output, thermal_output, load_demand, params
     )
     
+    # 显示优化结果摘要
+    print("\n=== 优化结果摘要 ===")
+    print(f"优化目标: 最小化弃电量")
+    print(f"所选储能容量: {result['required_storage_capacity']:.2f} MWh")
+    if result.get('total_curtailed_energy') is not None:
+        print(f"总弃电量: {result['total_curtailed_energy']:.2f} MWh")
+    print(f"储能容量上限: {result.get('max_storage_limit', '无限制')}")
+
     # 绘制曲线
     print("正在绘制系统运行曲线...")
-    plot_system_curves(solar_output, wind_output, thermal_output, load_demand, result, show_window, display_only)
+    plot_system_curves(solar_output, wind_output, thermal_output, load_demand, result, params.storage_efficiency, show_window, display_only, output_dir)
 
     # 导出结果到Excel
     try:
-        export_results_to_excel(solar_output, wind_output, thermal_output, load_demand, result, params)
+        export_results_to_excel(solar_output, wind_output, thermal_output, load_demand, result, params, output_dir=output_dir)
     except Exception as e:
         print(f"导出Excel文件失败：{str(e)}")
 
     if display_only:
         print("\n正在显示图形窗口...")
     elif show_window:
-        print("\n曲线图已保存为 'system_curves.png' 并显示图形窗口")
+        output_path = os.path.join(output_dir if output_dir else 'results', 'system_curves.png')
+        print(f"\n曲线图已保存为 '{output_path}' 并显示图形窗口")
     else:
-        print("\n曲线图已保存为 'system_curves.png'")
+        output_path = os.path.join(output_dir if output_dir else 'results', 'system_curves.png')
-
+        print(f"\n曲线图已保存为 '{output_path}'")
 
 def print_usage():
     """打印使用说明"""
     print("多能互补系统储能容量优化程序")
     print("\n使用方法：")
-    print("  python main.py --excel <文件路径>     # 从Excel文件读取数据")
+    print("  python main.py --excel <文件路径>         # 从Excel文件读取数据")
-    print("  python main.py --yearly              # 使用8760小时全年数据")
+    print("  python main.py --output <目录路径>        # 指定输出目录（默认：results）")
-    print("  python main.py --create-template [类型] # 创建Excel模板(24或8760)")
+    print("  python main.py --create-template [类型]    # 创建Excel模板(24或8760)")
-    print("  python main.py                       # 使用24小时示例数据")
+    print("  python main.py                             # 使用24小时示例数据")
-    print("  python main.py --show                # 显示图形窗口(可与其他参数组合使用)")
+    print("  python main.py --show                      # 显示图形窗口(可与其他参数组合使用)")
-    print("  python main.py --display-only        # 只显示图形窗口，不保存文件")
+    print("  python main.py --display-only              # 只显示图形窗口，不保存文件")
     print("\n示例：")
     print("  python main.py --excel data.xlsx")
     print("  python main.py --excel data.xlsx --show")
+    print("  python main.py --excel data.xlsx --output my_results")
     print("  python main.py --excel data.xlsx --display-only")
     print("  python main.py --create-template 8760")
     print("  python main.py --create-template 24")
-    print("  python main.py --display-only        # 使用示例数据并只显示图形窗口")
+    print("  python main.py --display-only              # 使用示例数据并只显示图形窗口")
+    print("  python main.py --output custom_results     # 使用示例数据，输出到 custom_results 目录")
+    print("\n说明：")
+    print("  - 结果文件默认保存到 results 目录")
+    print("  - 使用 --output 参数可指定自定义输出目录")
+    print("  - 如果输出目录不存在，程序会自动创建")
 
 
 if __name__ == "__main__":

pyproject.toml

@@ -0,0 +1,20 @@
+[project]
+name = "storage"
+version = "0.1.0"
+description = "Add your description here"
+readme = "README.md"
+requires-python = ">=3.14"
+dependencies = [
+    "matplotlib>=3.3.0",
+    "numpy>=1.19.0",
+    "openpyxl>=3.1.5",
+    "pandas>=2.3.3",
+    "pyinstaller>=6.17.0",
+    "scikit-learn>=1.8.0",
+    "seaborn>=0.13.2",
+]
+
+[dependency-groups]
+dev = [
+    "mypy>=1.19.1",
+]

requirements.txt

@@ -0,0 +1,4 @@
+numpy>=1.19.0
+matplotlib>=3.3.0
+pandas>=1.3.0
+openpyxl>=3.0.0

scripts/example_usage.py

@@ -7,6 +7,10 @@
 创建日期: 2025-12-25
 """
 
+import sys
+import os
+sys.path.append(os.path.join(os.path.dirname(__file__), '..', 'src'))
+
 import numpy as np
 import matplotlib.pyplot as plt
 from storage_optimization import optimize_storage_capacity, SystemParameters

scripts/solar_optimization_examples.py

@@ -0,0 +1,541 @@
+"""
+光伏优化模块场景示例
+
+该文件展示了光伏优化模块在不同场景下的应用，包括：
+1. 典型日场景 - 基础优化示例
+2. 高负荷场景 - 夏季高峰用电场景
+3. 低负荷场景 - 春秋季低负荷场景
+4. 风光互补场景 - 风电和光伏协同优化
+5. 储能受限场景 - 储能容量受限情况下的优化
+
+作者: iFlow CLI
+创建日期: 2025-12-26
+"""
+
+import sys
+import os
+sys.path.append(os.path.join(os.path.dirname(__file__), '..', 'src'))
+
+import numpy as np
+import matplotlib.pyplot as plt
+from typing import List, Dict
+from solar_optimization import optimize_solar_output, plot_optimization_results, export_optimization_results
+from storage_optimization import SystemParameters
+
+
+def scenario_1_typical_day():
+    """
+    场景1：典型日场景
+    - 标准24小时负荷曲线
+    - 适中风光出力
+    - 常规系统参数
+    """
+    print("=" * 60)
+    print("场景1：典型日场景 - 基础优化示例")
+    print("=" * 60)
+    
+    # 典型日光伏出力（中午高峰）
+    solar_output = [0.0] * 6 + [0.5, 1.0, 2.0, 3.5, 5.0, 6.0, 5.5, 4.0, 2.5, 1.0, 0.5, 0.0] + [0.0] * 6
+    
+    # 典型日风电出力（夜间和早晨较高）
+    wind_output = [4.0, 5.0, 4.5, 3.5, 2.5, 2.0, 1.5, 1.5, 1.5, 1.5, 1.5, 1.5, 2.0, 3.0, 4.0, 5.0, 4.5, 4.0, 3.5, 3.0, 2.5, 2.0, 1.5, 1.0]
+    
+    # 火电基础出力
+    thermal_output = [8.0] * 24
+    
+    # 典型日负荷曲线（早晚高峰）
+    load_demand = [2.0, 2.5, 3.0, 4.0, 6.0, 9.0, 12.0, 15.0, 18.0, 20.0, 19.0, 18.0,
+                   17.0, 16.0, 18.0, 19.0, 20.0, 18.0, 15.0, 12.0, 8.0, 5.0, 3.0, 2.0]
+    
+    # 标准系统参数
+    params = SystemParameters(
+        max_curtailment_wind=0.1,
+        max_curtailment_solar=0.1,
+        max_grid_ratio=0.15,
+        storage_efficiency=0.9,
+        discharge_rate=1.0,
+        charge_rate=1.0,
+        rated_thermal_capacity=100.0,
+        rated_solar_capacity=50.0,
+        rated_wind_capacity=50.0,
+        available_thermal_energy=2000.0,
+        available_solar_energy=400.0,
+        available_wind_energy=600.0
+    )
+    
+    # 执行优化
+    result = optimize_solar_output(
+        solar_output, wind_output, thermal_output, load_demand, params
+    )
+    
+    # 输出结果
+    print_scenario_result("典型日场景", result)
+    
+    # 绘制结果
+    plot_optimization_results(result, show_window=False)
+    
+    # 导出结果
+    filename = export_optimization_results(result, "scenario_1_typical_day.xlsx")
+    
+    return result
+
+
+def scenario_2_high_load():
+    """
+    场景2：高负荷场景
+    - 夏季高温，空调负荷高
+    - 白天负荷特别高
+    - 光伏出力与负荷匹配度较低
+    """
+    print("=" * 60)
+    print("场景2：高负荷场景 - 夏季高峰用电")
+    print("=" * 60)
+    
+    # 夏季光伏出力（较强）
+    solar_output = [0.0] * 5 + [0.8, 1.5, 3.0, 4.5, 6.0, 7.5, 8.0, 7.0, 5.0, 3.0, 1.5, 0.5, 0.0, 0.0] + [0.0] * 5
+    
+    # 夏季风电出力（相对较低）
+    wind_output = [2.0, 2.5, 3.0, 2.5, 2.0, 1.5, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.5, 2.0, 2.5, 3.0, 2.5, 2.0, 1.8, 1.6, 1.4, 1.2, 1.0, 0.8]
+    
+    # 火电高峰出力
+    thermal_output = [12.0] * 24
+    
+    # 夏季高负荷曲线（空调导致白天负荷极高）
+    load_demand = [3.0, 3.5, 4.0, 5.0, 8.0, 12.0, 18.0, 25.0, 30.0, 32.0, 31.0, 30.0,
+                   29.0, 28.0, 30.0, 31.0, 32.0, 28.0, 22.0, 18.0, 12.0, 8.0, 5.0, 3.0]
+    
+    # 高负荷场景参数（更宽松的弃风弃光限制）
+    params = SystemParameters(
+        max_curtailment_wind=0.15,
+        max_curtailment_solar=0.15,
+        max_grid_ratio=0.25,
+        storage_efficiency=0.85,
+        discharge_rate=1.2,
+        charge_rate=1.2,
+        rated_thermal_capacity=150.0,
+        rated_solar_capacity=80.0,
+        rated_wind_capacity=40.0,
+        available_thermal_energy=3000.0,
+        available_solar_energy=600.0,
+        available_wind_energy=400.0
+    )
+    
+    # 执行优化
+    result = optimize_solar_output(
+        solar_output, wind_output, thermal_output, load_demand, params
+    )
+    
+    # 输出结果
+    print_scenario_result("高负荷场景", result)
+    
+    # 绘制结果
+    plot_optimization_results(result, show_window=False)
+    
+    # 导出结果
+    filename = export_optimization_results(result, "scenario_2_high_load.xlsx")
+    
+    return result
+
+
+def scenario_3_low_load():
+    """
+    场景3：低负荷场景
+    - 春秋季，负荷较低
+    - 光伏出力相对较高
+    - 容易出现电力盈余
+    """
+    print("=" * 60)
+    print("场景3：低负荷场景 - 春秋季低负荷")
+    print("=" * 60)
+    
+    # 春秋季光伏出力（适中）
+    solar_output = [0.0] * 6 + [1.0, 2.0, 3.5, 5.0, 6.5, 7.0, 6.5, 5.0, 3.5, 2.0, 1.0, 0.0] + [0.0] * 6
+    
+    # 春秋季风电出力（较好）
+    wind_output = [5.0, 6.0, 5.5, 4.5, 3.5, 3.0, 2.5, 2.5, 2.5, 2.5, 2.5, 2.5, 3.0, 4.0, 5.0, 6.0, 5.5, 5.0, 4.5, 4.0, 3.5, 3.0, 2.5, 2.0]
+    
+    # 火电基础出力（较低）
+    thermal_output = [5.0] * 24
+    
+    # 春秋季低负荷曲线
+    load_demand = [2.0, 2.2, 2.5, 3.0, 4.0, 6.0, 8.0, 10.0, 12.0, 13.0, 12.5, 12.0,
+                   11.5, 11.0, 12.0, 12.5, 13.0, 11.0, 9.0, 7.0, 5.0, 3.5, 2.5, 2.0]
+    
+    # 低负荷场景参数（更严格的弃风弃光限制）
+    params = SystemParameters(
+        max_curtailment_wind=0.05,
+        max_curtailment_solar=0.05,
+        max_grid_ratio=0.1,
+        storage_efficiency=0.92,
+        discharge_rate=0.8,
+        charge_rate=0.8,
+        rated_thermal_capacity=80.0,
+        rated_solar_capacity=60.0,
+        rated_wind_capacity=60.0,
+        available_thermal_energy=1500.0,
+        available_solar_energy=500.0,
+        available_wind_energy=700.0
+    )
+    
+    # 执行优化
+    result = optimize_solar_output(
+        solar_output, wind_output, thermal_output, load_demand, params
+    )
+    
+    # 输出结果
+    print_scenario_result("低负荷场景", result)
+    
+    # 绘制结果
+    plot_optimization_results(result, show_window=False)
+    
+    # 导出结果
+    filename = export_optimization_results(result, "scenario_3_low_load.xlsx")
+    
+    return result
+
+
+def scenario_4_wind_solar_complement():
+    """
+    场景4：风光互补场景
+    - 风电和光伏出力时间互补性强
+    - 夜间风电高，白天光伏高
+    - 系统整体平衡性较好
+    """
+    print("=" * 60)
+    print("场景4：风光互补场景 - 风电和光伏协同优化")
+    print("=" * 60)
+    
+    # 光伏出力（标准日间模式）
+    solar_output = [0.0] * 6 + [0.5, 1.5, 3.0, 4.5, 6.0, 7.0, 6.0, 4.5, 3.0, 1.5, 0.5, 0.0] + [0.0] * 6
+    
+    # 风电出力（与光伏互补，夜间和早晚较高）
+    wind_output = [8.0, 9.0, 8.5, 7.0, 5.0, 3.0, 1.5, 1.5, 1.5, 1.5, 1.5, 1.5, 3.0, 5.0, 7.0, 8.0, 8.5, 8.0, 7.5, 7.0, 6.5, 6.0, 5.5, 5.0]
+    
+    # 火电出力（作为补充）
+    thermal_output = [6.0] * 24
+    
+    # 负荷曲线（相对平稳）
+    load_demand = [4.0, 4.5, 5.0, 6.0, 8.0, 10.0, 12.0, 14.0, 16.0, 17.0, 16.5, 16.0,
+                   15.5, 15.0, 16.0, 16.5, 17.0, 15.0, 13.0, 11.0, 9.0, 7.0, 5.0, 4.0]
+    
+    # 风光互补场景参数
+    params = SystemParameters(
+        max_curtailment_wind=0.08,
+        max_curtailment_solar=0.08,
+        max_grid_ratio=0.12,
+        storage_efficiency=0.9,
+        discharge_rate=1.0,
+        charge_rate=1.0,
+        rated_thermal_capacity=100.0,
+        rated_solar_capacity=70.0,
+        rated_wind_capacity=70.0,
+        available_thermal_energy=1800.0,
+        available_solar_energy=450.0,
+        available_wind_energy=800.0
+    )
+    
+    # 执行优化
+    result = optimize_solar_output(
+        solar_output, wind_output, thermal_output, load_demand, params
+    )
+    
+    # 输出结果
+    print_scenario_result("风光互补场景", result)
+    
+    # 绘制结果
+    plot_optimization_results(result, show_window=False)
+    
+    # 导出结果
+    filename = export_optimization_results(result, "scenario_4_wind_solar_complement.xlsx")
+    
+    return result
+
+
+def scenario_5_storage_limited():
+    """
+    场景5：储能受限场景
+    - 储能容量受限
+    - 需要更精确的光伏出力调节
+    - 对电网交换更敏感
+    """
+    print("=" * 60)
+    print("场景5：储能受限场景 - 储能容量受限情况下的优化")
+    print("=" * 60)
+    
+    # 标准光伏出力
+    solar_output = [0.0] * 6 + [1.0, 2.0, 3.0, 4.5, 6.0, 7.0, 6.0, 4.5, 3.0, 2.0, 1.0, 0.0] + [0.0] * 6
+    
+    # 标准风电出力
+    wind_output = [3.0, 4.0, 3.5, 3.0, 2.5, 2.0, 1.5, 1.5, 1.5, 1.5, 1.5, 1.5, 2.0, 3.0, 3.5, 4.0, 3.5, 3.0, 2.8, 2.6, 2.4, 2.2, 2.0, 1.8]
+    
+    # 火电出力
+    thermal_output = [7.0] * 24
+    
+    # 标准负荷曲线
+    load_demand = [3.0, 3.5, 4.0, 5.0, 7.0, 10.0, 13.0, 16.0, 18.0, 19.0, 18.5, 18.0,
+                   17.5, 17.0, 18.0, 18.5, 19.0, 17.0, 14.0, 11.0, 8.0, 6.0, 4.0, 3.0]
+    
+    # 储能受限场景参数（储能容量限制为50MWh）
+    params = SystemParameters(
+        max_curtailment_wind=0.12,
+        max_curtailment_solar=0.12,
+        max_grid_ratio=0.2,
+        storage_efficiency=0.88,
+        discharge_rate=1.5,
+        charge_rate=1.5,
+        max_storage_capacity=50.0,  # 储能容量受限
+        rated_thermal_capacity=100.0,
+        rated_solar_capacity=60.0,
+        rated_wind_capacity=50.0,
+        available_thermal_energy=2000.0,
+        available_solar_energy=480.0,
+        available_wind_energy=550.0
+    )
+    
+    # 执行优化
+    result = optimize_solar_output(
+        solar_output, wind_output, thermal_output, load_demand, params
+    )
+    
+    # 输出结果
+    print_scenario_result("储能受限场景", result)
+    
+    # 绘制结果
+    plot_optimization_results(result, show_window=False)
+    
+    # 导出结果
+    filename = export_optimization_results(result, "scenario_5_storage_limited.xlsx")
+    
+    return result
+
+
+def print_scenario_result(scenario_name: str, result):
+    """
+    打印场景优化结果
+    
+    Args:
+        scenario_name: 场景名称
+        result: 优化结果
+    """
+    print(f"\n=== {scenario_name}优化结果 ===")
+    print(f"最优光伏系数: {result.optimal_solar_coefficient:.3f}")
+    print(f"最小电网交换电量: {result.min_grid_exchange:.2f} MWh")
+    print(f"  - 购电量: {result.grid_purchase:.2f} MWh")
+    print(f"  - 上网电量: {result.grid_feed_in:.2f} MWh")
+    print(f"所需储能容量: {result.storage_result['required_storage_capacity']:.2f} MWh")
+    print(f"优化后弃风率: {result.storage_result['total_curtailment_wind_ratio']:.3f}")
+    print(f"优化后弃光率: {result.storage_result['total_curtailment_solar_ratio']:.3f}")
+    print(f"优化后上网电量比例: {result.storage_result['total_grid_feed_in_ratio']:.3f}")
+    
+    # 分析优化效果
+    if result.optimal_solar_coefficient > 1.0:
+        print(f"分析：建议将光伏出力提高 {(result.optimal_solar_coefficient - 1.0) * 100:.1f}% 以减少电网依赖")
+    elif result.optimal_solar_coefficient < 1.0:
+        print(f"分析：建议将光伏出力降低 {(1.0 - result.optimal_solar_coefficient) * 100:.1f}% 以避免电力过剩")
+    else:
+        print("分析：当前光伏出力已经是最优配置")
+
+
+def compare_scenarios(results: List[Dict]):
+    """
+    对比不同场景的优化结果
+    
+    Args:
+        results: 各场景优化结果列表
+    """
+    print("\n" + "=" * 80)
+    print("场景对比分析")
+    print("=" * 80)
+    
+    scenario_names = [
+        "典型日场景",
+        "高负荷场景", 
+        "低负荷场景",
+        "风光互补场景",
+        "储能受限场景"
+    ]
+    
+    # 创建对比表格
+    print(f"{'场景名称':<12} {'最优系数':<8} {'电网交换(MWh)':<12} {'购电量(MWh)':<10} {'上网电量(MWh)':<12} {'储能容量(MWh)':<12}")
+    print("-" * 80)
+    
+    for i, (name, result) in enumerate(zip(scenario_names, results)):
+        print(f"{name:<12} {result.optimal_solar_coefficient:<8.3f} "
+              f"{result.min_grid_exchange:<12.2f} {result.grid_purchase:<10.2f} "
+              f"{result.grid_feed_in:<12.2f} {result.storage_result['required_storage_capacity']:<12.2f}")
+    
+    # 分析趋势
+    print("\n=== 趋势分析 ===")
+    
+    # 找出最优和最差场景
+    min_exchange_result = min(results, key=lambda x: x.min_grid_exchange)
+    max_exchange_result = max(results, key=lambda x: x.min_grid_exchange)
+    
+    min_exchange_idx = results.index(min_exchange_result)
+    max_exchange_idx = results.index(max_exchange_result)
+    
+    print(f"电网交换最小场景：{scenario_names[min_exchange_idx]} ({min_exchange_result.min_grid_exchange:.2f} MWh)")
+    print(f"电网交换最大场景：{scenario_names[max_exchange_idx]} ({max_exchange_result.min_grid_exchange:.2f} MWh)")
+    
+    # 分析光伏系数趋势
+    avg_coefficient = sum(r.optimal_solar_coefficient for r in results) / len(results)
+    print(f"平均最优光伏系数：{avg_coefficient:.3f}")
+    
+    high_coefficient_scenarios = [name for name, result in zip(scenario_names, results) 
+                                 if result.optimal_solar_coefficient > avg_coefficient]
+    low_coefficient_scenarios = [name for name, result in zip(scenario_names, results) 
+                                if result.optimal_solar_coefficient < avg_coefficient]
+    
+    if high_coefficient_scenarios:
+        print(f"需要提高光伏出力的场景：{', '.join(high_coefficient_scenarios)}")
+    if low_coefficient_scenarios:
+        print(f"需要降低光伏出力的场景：{', '.join(low_coefficient_scenarios)}")
+
+
+def plot_scenario_comparison(results: List[Dict]):
+    """
+    绘制场景对比图表
+    
+    Args:
+        results: 各场景优化结果列表
+    """
+    scenario_names = [
+        "典型日",
+        "高负荷", 
+        "低负荷",
+        "风光互补",
+        "储能受限"
+    ]
+    
+    # 设置中文字体
+    plt.rcParams['font.sans-serif'] = ['SimHei', 'Microsoft YaHei', 'DejaVu Sans']
+    plt.rcParams['axes.unicode_minus'] = False
+    
+    # 创建图形
+    fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(2, 2, figsize=(16, 12))
+    fig.suptitle('光伏优化场景对比分析', fontsize=16, fontweight='bold')
+    
+    # 1. 最优光伏系数对比
+    coefficients = [r.optimal_solar_coefficient for r in results]
+    bars1 = ax1.bar(scenario_names, coefficients, color='skyblue', alpha=0.7)
+    ax1.set_ylabel('最优光伏系数')
+    ax1.set_title('各场景最优光伏系数对比')
+    ax1.grid(True, alpha=0.3, axis='y')
+    ax1.axhline(y=1.0, color='red', linestyle='--', alpha=0.7, label='原始系数')
+    
+    # 添加数值标签
+    for bar, coeff in zip(bars1, coefficients):
+        height = bar.get_height()
+        ax1.text(bar.get_x() + bar.get_width()/2., height + 0.01,
+                f'{coeff:.3f}', ha='center', va='bottom', fontweight='bold')
+    
+    # 2. 电网交换电量对比
+    exchanges = [r.min_grid_exchange for r in results]
+    purchases = [r.grid_purchase for r in results]
+    feed_ins = [r.grid_feed_in for r in results]
+    
+    x = np.arange(len(scenario_names))
+    width = 0.25
+    
+    bars2 = ax2.bar(x - width, purchases, width, label='购电量', color='purple', alpha=0.7)
+    bars3 = ax2.bar(x, feed_ins, width, label='上网电量', color='brown', alpha=0.7)
+    bars4 = ax2.bar(x + width, exchanges, width, label='总交换电量', color='orange', alpha=0.7)
+    
+    ax2.set_ylabel('电量 (MWh)')
+    ax2.set_title('电网交换电量对比')
+    ax2.set_xticks(x)
+    ax2.set_xticklabels(scenario_names)
+    ax2.legend()
+    ax2.grid(True, alpha=0.3, axis='y')
+    
+    # 3. 储能容量需求对比
+    storage_capacities = [r.storage_result['required_storage_capacity'] for r in results]
+    bars5 = ax3.bar(scenario_names, storage_capacities, color='green', alpha=0.7)
+    ax3.set_ylabel('储能容量 (MWh)')
+    ax3.set_title('各场景储能容量需求对比')
+    ax3.grid(True, alpha=0.3, axis='y')
+    
+    # 添加数值标签
+    for bar, capacity in zip(bars5, storage_capacities):
+        height = bar.get_height()
+        ax3.text(bar.get_x() + bar.get_width()/2., height + height*0.01,
+                f'{capacity:.1f}', ha='center', va='bottom', fontweight='bold')
+    
+    # 4. 弃风弃光率对比
+    curtailment_winds = [r.storage_result['total_curtailment_wind_ratio'] for r in results]
+    curtailment_solars = [r.storage_result['total_curtailment_solar_ratio'] for r in results]
+    
+    bars6 = ax4.bar(x - width/2, curtailment_winds, width, label='弃风率', color='blue', alpha=0.7)
+    bars7 = ax4.bar(x + width/2, curtailment_solars, width, label='弃光率', color='orange', alpha=0.7)
+    
+    ax4.set_ylabel('弃风弃光率')
+    ax4.set_title('各场景弃风弃光率对比')
+    ax4.set_xticks(x)
+    ax4.set_xticklabels(scenario_names)
+    ax4.legend()
+    ax4.grid(True, alpha=0.3, axis='y')
+    
+    # 调整布局
+    plt.tight_layout()
+    
+    # 保存图片
+    plt.savefig('solar_optimization_scenario_comparison.png', dpi=300, bbox_inches='tight')
+    plt.close()
+    
+    print("场景对比图表已保存为 'solar_optimization_scenario_comparison.png'")
+
+
+def main():
+    """主函数，运行所有场景示例"""
+    print("光伏优化模块场景示例")
+    print("运行5个不同场景的优化分析...")
+    
+    # 运行所有场景
+    results = []
+    
+    try:
+        # 场景1：典型日场景
+        result1 = scenario_1_typical_day()
+        results.append(result1)
+        
+        # 场景2：高负荷场景
+        result2 = scenario_2_high_load()
+        results.append(result2)
+        
+        # 场景3：低负荷场景
+        result3 = scenario_3_low_load()
+        results.append(result3)
+        
+        # 场景4：风光互补场景
+        result4 = scenario_4_wind_solar_complement()
+        results.append(result4)
+        
+        # 场景5：储能受限场景
+        result5 = scenario_5_storage_limited()
+        results.append(result5)
+        
+        # 对比分析
+        compare_scenarios(results)
+        
+        # 绘制对比图表
+        plot_scenario_comparison(results)
+        
+        print("\n" + "=" * 80)
+        print("所有场景示例运行完成！")
+        print("=" * 80)
+        print("生成的文件：")
+        print("- scenario_1_typical_day.xlsx")
+        print("- scenario_2_high_load.xlsx") 
+        print("- scenario_3_low_load.xlsx")
+        print("- scenario_4_wind_solar_complement.xlsx")
+        print("- scenario_5_storage_limited.xlsx")
+        print("- solar_optimization_scenario_comparison.png")
+        
+    except Exception as e:
+        print(f"运行场景示例时出错：{str(e)}")
+        import traceback
+        traceback.print_exc()
+
+
+if __name__ == "__main__":
+    main()

scripts/solar_scenarios_demo.py

@@ -0,0 +1,419 @@
+"""
+光伏优化模块场景演示
+
+该文件展示了光伏优化模块在不同场景下的应用，包括：
+1. 典型日场景 - 基础优化示例
+2. 高负荷场景 - 夏季高峰用电场景  
+3. 低负荷场景 - 春秋季低负荷场景
+4. 风光互补场景 - 风电和光伏协同优化
+5. 储能受限场景 - 储能容量受限情况下的优化
+
+作者: iFlow CLI
+创建日期: 2025-12-26
+"""
+
+import sys
+import os
+sys.path.append(os.path.join(os.path.dirname(__file__), '..', 'src'))
+
+import numpy as np
+import matplotlib.pyplot as plt
+from solar_optimization import optimize_solar_output, export_optimization_results
+from storage_optimization import SystemParameters
+
+
+def scenario_1_typical_day():
+    """场景1：典型日场景"""
+    print("=" * 60)
+    print("场景1：典型日场景 - 基础优化示例")
+    print("=" * 60)
+    
+    # 典型日数据（24小时）
+    solar_output = [0.0] * 6 + [0.5, 1.0, 2.0, 3.5, 5.0, 6.0, 5.5, 4.0, 2.5, 1.0, 0.5, 0.0] + [0.0] * 6
+    wind_output = [4.0, 5.0, 4.5, 3.5, 2.5, 2.0, 1.5, 1.5, 1.5, 1.5, 1.5, 1.5, 2.0, 3.0, 4.0, 5.0, 4.5, 4.0, 3.5, 3.0, 2.5, 2.0, 1.5, 1.0]
+    thermal_output = [8.0] * 24
+    load_demand = [2.0, 2.5, 3.0, 4.0, 6.0, 9.0, 12.0, 15.0, 18.0, 20.0, 19.0, 18.0,
+                   17.0, 16.0, 18.0, 19.0, 20.0, 18.0, 15.0, 12.0, 8.0, 5.0, 3.0, 2.0]
+    
+    # 系统参数
+    params = SystemParameters(
+        max_curtailment_wind=0.1,
+        max_curtailment_solar=0.1,
+        max_grid_ratio=0.15,
+        storage_efficiency=0.9,
+        discharge_rate=1.0,
+        charge_rate=1.0,
+        rated_thermal_capacity=100.0,
+        rated_solar_capacity=50.0,
+        rated_wind_capacity=50.0,
+        available_thermal_energy=2000.0,
+        available_solar_energy=400.0,
+        available_wind_energy=600.0
+    )
+    
+    # 执行优化
+    result = optimize_solar_output(solar_output, wind_output, thermal_output, load_demand, params)
+    
+    # 输出结果
+    print_scenario_result("典型日场景", result)
+    
+    # 绘制光伏对比图
+    plot_solar_comparison(result, "典型日场景")
+    
+    # 导出结果
+    export_optimization_results(result, "scenario_1_typical_day.xlsx")
+    
+    return result
+
+
+def scenario_2_high_load():
+    """场景2：高负荷场景"""
+    print("=" * 60)
+    print("场景2：高负荷场景 - 夏季高峰用电")
+    print("=" * 60)
+    
+    # 夏季高负荷数据
+    solar_output = [0.0] * 5 + [0.8, 1.5, 3.0, 4.5, 6.0, 7.5, 8.0, 7.0, 5.0, 3.0, 1.5, 0.5, 0.0, 0.0] + [0.0] * 5
+    wind_output = [2.0, 2.5, 3.0, 2.5, 2.0, 1.5, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.5, 2.0, 2.5, 3.0, 2.5, 2.0, 1.8, 1.6, 1.4, 1.2, 1.0, 0.8]
+    thermal_output = [12.0] * 24
+    load_demand = [3.0, 3.5, 4.0, 5.0, 8.0, 12.0, 18.0, 25.0, 30.0, 32.0, 31.0, 30.0,
+                   29.0, 28.0, 30.0, 31.0, 32.0, 28.0, 22.0, 18.0, 12.0, 8.0, 5.0, 3.0]
+    
+    # 高负荷场景参数
+    params = SystemParameters(
+        max_curtailment_wind=0.15,
+        max_curtailment_solar=0.15,
+        max_grid_ratio=0.25,
+        storage_efficiency=0.85,
+        discharge_rate=1.2,
+        charge_rate=1.2,
+        rated_thermal_capacity=150.0,
+        rated_solar_capacity=80.0,
+        rated_wind_capacity=40.0,
+        available_thermal_energy=3000.0,
+        available_solar_energy=600.0,
+        available_wind_energy=400.0
+    )
+    
+    # 执行优化
+    result = optimize_solar_output(solar_output, wind_output, thermal_output, load_demand, params)
+    
+    # 输出结果
+    print_scenario_result("高负荷场景", result)
+    
+    # 绘制光伏对比图
+    plot_solar_comparison(result, "高负荷场景")
+    
+    # 导出结果
+    export_optimization_results(result, "scenario_2_high_load.xlsx")
+    
+    return result
+
+
+def scenario_3_low_load():
+    """场景3：低负荷场景"""
+    print("=" * 60)
+    print("场景3：低负荷场景 - 春秋季低负荷")
+    print("=" * 60)
+    
+    # 春秋季低负荷数据
+    solar_output = [0.0] * 6 + [1.0, 2.0, 3.5, 5.0, 6.5, 7.0, 6.5, 5.0, 3.5, 2.0, 1.0, 0.0] + [0.0] * 6
+    wind_output = [5.0, 6.0, 5.5, 4.5, 3.5, 3.0, 2.5, 2.5, 2.5, 2.5, 2.5, 2.5, 3.0, 4.0, 5.0, 6.0, 5.5, 5.0, 4.5, 4.0, 3.5, 3.0, 2.5, 2.0]
+    thermal_output = [5.0] * 24
+    load_demand = [2.0, 2.2, 2.5, 3.0, 4.0, 6.0, 8.0, 10.0, 12.0, 13.0, 12.5, 12.0,
+                   11.5, 11.0, 12.0, 12.5, 13.0, 11.0, 9.0, 7.0, 5.0, 3.5, 2.5, 2.0]
+    
+    # 低负荷场景参数
+    params = SystemParameters(
+        max_curtailment_wind=0.05,
+        max_curtailment_solar=0.05,
+        max_grid_ratio=0.1,
+        storage_efficiency=0.92,
+        discharge_rate=0.8,
+        charge_rate=0.8,
+        rated_thermal_capacity=80.0,
+        rated_solar_capacity=60.0,
+        rated_wind_capacity=60.0,
+        available_thermal_energy=1500.0,
+        available_solar_energy=500.0,
+        available_wind_energy=700.0
+    )
+    
+    # 执行优化
+    result = optimize_solar_output(solar_output, wind_output, thermal_output, load_demand, params)
+    
+    # 输出结果
+    print_scenario_result("低负荷场景", result)
+    
+    # 绘制光伏对比图
+    plot_solar_comparison(result, "低负荷场景")
+    
+    # 导出结果
+    export_optimization_results(result, "scenario_3_low_load.xlsx")
+    
+    return result
+
+
+def scenario_4_wind_solar_complement():
+    """场景4：风光互补场景"""
+    print("=" * 60)
+    print("场景4：风光互补场景 - 风电和光伏协同优化")
+    print("=" * 60)
+    
+    # 风光互补数据
+    solar_output = [0.0] * 6 + [0.5, 1.5, 3.0, 4.5, 6.0, 7.0, 6.0, 4.5, 3.0, 1.5, 0.5, 0.0] + [0.0] * 6
+    wind_output = [8.0, 9.0, 8.5, 7.0, 5.0, 3.0, 1.5, 1.5, 1.5, 1.5, 1.5, 1.5, 3.0, 5.0, 7.0, 8.0, 8.5, 8.0, 7.5, 7.0, 6.5, 6.0, 5.5, 5.0]
+    thermal_output = [6.0] * 24
+    load_demand = [4.0, 4.5, 5.0, 6.0, 8.0, 10.0, 12.0, 14.0, 16.0, 17.0, 16.5, 16.0,
+                   15.5, 15.0, 16.0, 16.5, 17.0, 15.0, 13.0, 11.0, 9.0, 7.0, 5.0, 4.0]
+    
+    # 风光互补场景参数
+    params = SystemParameters(
+        max_curtailment_wind=0.08,
+        max_curtailment_solar=0.08,
+        max_grid_ratio=0.12,
+        storage_efficiency=0.9,
+        discharge_rate=1.0,
+        charge_rate=1.0,
+        rated_thermal_capacity=100.0,
+        rated_solar_capacity=70.0,
+        rated_wind_capacity=70.0,
+        available_thermal_energy=1800.0,
+        available_solar_energy=450.0,
+        available_wind_energy=800.0
+    )
+    
+    # 执行优化
+    result = optimize_solar_output(solar_output, wind_output, thermal_output, load_demand, params)
+    
+    # 输出结果
+    print_scenario_result("风光互补场景", result)
+    
+    # 绘制光伏对比图
+    plot_solar_comparison(result, "风光互补场景")
+    
+    # 导出结果
+    export_optimization_results(result, "scenario_4_wind_solar_complement.xlsx")
+    
+    return result
+
+
+def scenario_5_storage_limited():
+    """场景5：储能受限场景"""
+    print("=" * 60)
+    print("场景5：储能受限场景 - 储能容量受限情况下的优化")
+    print("=" * 60)
+    
+    # 储能受限数据
+    solar_output = [0.0] * 6 + [1.0, 2.0, 3.0, 4.5, 6.0, 7.0, 6.0, 4.5, 3.0, 2.0, 1.0, 0.0] + [0.0] * 6
+    wind_output = [3.0, 4.0, 3.5, 3.0, 2.5, 2.0, 1.5, 1.5, 1.5, 1.5, 1.5, 1.5, 2.0, 3.0, 3.5, 4.0, 3.5, 3.0, 2.8, 2.6, 2.4, 2.2, 2.0, 1.8]
+    thermal_output = [7.0] * 24
+    load_demand = [3.0, 3.5, 4.0, 5.0, 7.0, 10.0, 13.0, 16.0, 18.0, 19.0, 18.5, 18.0,
+                   17.5, 17.0, 18.0, 18.5, 19.0, 17.0, 14.0, 11.0, 8.0, 6.0, 4.0, 3.0]
+    
+    # 储能受限场景参数
+    params = SystemParameters(
+        max_curtailment_wind=0.12,
+        max_curtailment_solar=0.12,
+        max_grid_ratio=0.2,
+        storage_efficiency=0.88,
+        discharge_rate=1.5,
+        charge_rate=1.5,
+        max_storage_capacity=50.0,  # 储能容量受限
+        rated_thermal_capacity=100.0,
+        rated_solar_capacity=60.0,
+        rated_wind_capacity=50.0,
+        available_thermal_energy=2000.0,
+        available_solar_energy=480.0,
+        available_wind_energy=550.0
+    )
+    
+    # 执行优化
+    result = optimize_solar_output(solar_output, wind_output, thermal_output, load_demand, params)
+    
+    # 输出结果
+    print_scenario_result("储能受限场景", result)
+    
+    # 绘制光伏对比图
+    plot_solar_comparison(result, "储能受限场景")
+    
+    # 导出结果
+    export_optimization_results(result, "scenario_5_storage_limited.xlsx")
+    
+    return result
+
+
+def print_scenario_result(scenario_name: str, result):
+    """打印场景优化结果"""
+    print(f"\n=== {scenario_name}优化结果 ===")
+    print(f"最优光伏系数: {result.optimal_solar_coefficient:.3f}")
+    print(f"最小电网交换电量: {result.min_grid_exchange:.2f} MWh")
+    print(f"  - 购电量: {result.grid_purchase:.2f} MWh")
+    print(f"  - 上网电量: {result.grid_feed_in:.2f} MWh")
+    print(f"所需储能容量: {result.storage_result['required_storage_capacity']:.2f} MWh")
+    print(f"优化后弃风率: {result.storage_result['total_curtailment_wind_ratio']:.3f}")
+    print(f"优化后弃光率: {result.storage_result['total_curtailment_solar_ratio']:.3f}")
+    print(f"优化后上网电量比例: {result.storage_result['total_grid_feed_in_ratio']:.3f}")
+    
+    # 分析优化效果
+    if result.optimal_solar_coefficient > 1.0:
+        print(f"分析：建议将光伏出力提高 {(result.optimal_solar_coefficient - 1.0) * 100:.1f}% 以减少电网依赖")
+    elif result.optimal_solar_coefficient < 1.0:
+        print(f"分析：建议将光伏出力降低 {(1.0 - result.optimal_solar_coefficient) * 100:.1f}% 以避免电力过剩")
+    else:
+        print("分析：当前光伏出力已经是最优配置")
+
+
+def plot_solar_comparison(result, scenario_name, show_window=True):
+    """
+    绘制光伏出力对比图
+    
+    Args:
+        result: 光伏优化结果
+        scenario_name: 场景名称
+        show_window: 是否显示图形窗口
+    """
+    # 设置中文字体
+    plt.rcParams['font.sans-serif'] = ['SimHei', 'Microsoft YaHei', 'DejaVu Sans']
+    plt.rcParams['axes.unicode_minus'] = False
+    
+    hours = list(range(len(result.original_solar_output)))
+    
+    # 创建图形
+    fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(12, 8))
+    fig.suptitle(f'{scenario_name} - 光伏优化结果 (系数: {result.optimal_solar_coefficient:.3f})', 
+                 fontsize=14, fontweight='bold')
+    
+    # === 第一个子图：光伏出力对比 ===
+    ax1.plot(hours, result.original_solar_output, 'b-', linewidth=2, 
+             label='原始光伏出力', alpha=0.7)
+    ax1.plot(hours, result.optimized_solar_output, 'r-', linewidth=2, 
+             label=f'优化后光伏出力')
+    
+    ax1.set_xlabel('时间 (小时)')
+    ax1.set_ylabel('功率 (MW)')
+    ax1.set_title('光伏出力曲线对比')
+    ax1.legend(loc='upper right')
+    ax1.grid(True, alpha=0.3)
+    ax1.set_xlim(0, max(hours))
+    
+    # === 第二个子图：电网交换电量组成 ===
+    categories = ['购电量', '上网电量']
+    values = [result.grid_purchase, result.grid_feed_in]
+    colors = ['purple', 'brown']
+    
+    bars = ax2.bar(categories, values, color=colors, alpha=0.7)
+    ax2.set_ylabel('电量 (MWh)')
+    ax2.set_title(f'电网交换电量组成 (总计: {result.min_grid_exchange:.2f} MWh)')
+    ax2.grid(True, alpha=0.3, axis='y')
+    
+    # 在柱状图上添加数值标签
+    for bar, value in zip(bars, values):
+        height = bar.get_height()
+        ax2.text(bar.get_x() + bar.get_width()/2., height + height*0.01,
+                f'{value:.2f}', ha='center', va='bottom', fontweight='bold')
+    
+    # 调整布局
+    plt.tight_layout()
+    
+    # 根据参数决定是否显示图形窗口
+    if show_window:
+        try:
+            plt.show()
+        except Exception as e:
+            print(f"无法显示图形窗口：{str(e)}")
+    else:
+        plt.close()
+
+
+def compare_scenarios(results):
+    """对比不同场景的优化结果"""
+    print("\n" + "=" * 80)
+    print("场景对比分析")
+    print("=" * 80)
+    
+    scenario_names = [
+        "典型日场景",
+        "高负荷场景", 
+        "低负荷场景",
+        "风光互补场景",
+        "储能受限场景"
+    ]
+    
+    # 创建对比表格
+    print(f"{'场景名称':<12} {'最优系数':<8} {'电网交换(MWh)':<12} {'购电量(MWh)':<10} {'上网电量(MWh)':<12} {'储能容量(MWh)':<12}")
+    print("-" * 80)
+    
+    for i, (name, result) in enumerate(zip(scenario_names, results)):
+        print(f"{name:<12} {result.optimal_solar_coefficient:<8.3f} "
+              f"{result.min_grid_exchange:<12.2f} {result.grid_purchase:<10.2f} "
+              f"{result.grid_feed_in:<12.2f} {result.storage_result['required_storage_capacity']:<12.2f}")
+    
+    # 分析趋势
+    print("\n=== 趋势分析 ===")
+    
+    # 找出最优和最差场景
+    min_exchange_result = min(results, key=lambda x: x.min_grid_exchange)
+    max_exchange_result = max(results, key=lambda x: x.min_grid_exchange)
+    
+    min_exchange_idx = results.index(min_exchange_result)
+    max_exchange_idx = results.index(max_exchange_result)
+    
+    print(f"电网交换最小场景：{scenario_names[min_exchange_idx]} ({min_exchange_result.min_grid_exchange:.2f} MWh)")
+    print(f"电网交换最大场景：{scenario_names[max_exchange_idx]} ({max_exchange_result.min_grid_exchange:.2f} MWh)")
+    
+    # 分析光伏系数趋势
+    avg_coefficient = sum(r.optimal_solar_coefficient for r in results) / len(results)
+    print(f"平均最优光伏系数：{avg_coefficient:.3f}")
+
+
+def main():
+    """主函数，运行所有场景示例"""
+    print("光伏优化模块场景演示")
+    print("运行5个不同场景的优化分析...")
+    
+    # 运行所有场景
+    results = []
+    
+    try:
+        # 场景1：典型日场景
+        result1 = scenario_1_typical_day()
+        results.append(result1)
+        
+        # 场景2：高负荷场景
+        result2 = scenario_2_high_load()
+        results.append(result2)
+        
+        # 场景3：低负荷场景
+        result3 = scenario_3_low_load()
+        results.append(result3)
+        
+        # 场景4：风光互补场景
+        result4 = scenario_4_wind_solar_complement()
+        results.append(result4)
+        
+        # 场景5：储能受限场景
+        result5 = scenario_5_storage_limited()
+        results.append(result5)
+        
+        # 对比分析
+        compare_scenarios(results)
+        
+        print("\n" + "=" * 80)
+        print("所有场景演示完成！")
+        print("=" * 80)
+        print("生成的文件：")
+        print("- scenario_1_typical_day.xlsx")
+        print("- scenario_2_high_load.xlsx") 
+        print("- scenario_3_low_load.xlsx")
+        print("- scenario_4_wind_solar_complement.xlsx")
+        print("- scenario_5_storage_limited.xlsx")
+        
+    except Exception as e:
+        print(f"运行场景演示时出错：{str(e)}")
+        import traceback
+        traceback.print_exc()
+
+
+if __name__ == "__main__":
+    main()

src/economic_optimization.py

@@ -0,0 +1,709 @@
+"""
+经济指标优化模块
+
+该模块在光伏、风电、负荷确定的前提下，进行储能配置优化。
+目标函数是光伏建设费用、风电建设费用、储能建设费用、购电费用最小。
+
+作者: iFlow CLI
+创建日期: 2025-12-26
+"""
+
+import numpy as np
+import pandas as pd
+from typing import List, Dict, Tuple
+from dataclasses import dataclass
+from storage_optimization import SystemParameters, calculate_energy_balance, check_constraints
+import matplotlib.pyplot as plt
+
+
+@dataclass
+class EconomicParameters:
+    """经济参数配置"""
+    # 建设成本参数 (元/MW 或 元/MWh)
+    solar_capex: float = 3000000  # 光伏建设成本 (元/MW)
+    wind_capex: float = 2500000    # 风电建设成本 (元/MW)
+    storage_capex: float = 800000  # 储能建设成本 (元/MWh)
+    
+    # 运行成本参数
+    electricity_price: float = 600  # 购电价格 (元/MWh)
+    feed_in_price: float = 400    # 上网电价 (元/MWh)
+    
+    # 维护成本参数
+    solar_om: float = 50000      # 光伏运维成本 (元/MW/年)
+    wind_om: float = 45000       # 风电运维成本 (元/MW/年)
+    storage_om: float = 3000    # 储能运维成本 (元/MW/年)
+    
+    # 财务参数
+    project_lifetime: int = 25  # 项目寿命 (年)
+    discount_rate: float = 0.08   # 折现率
+
+
+@dataclass
+class OptimizationResult:
+    """优化结果"""
+    # 储能配置参数
+    storage_capacity: float      # 储能容量 (MWh)
+    charge_rate: float           # 充电倍率 (C-rate)
+    discharge_rate: float        # 放电倍率 (C-rate)
+    
+    # 经济指标
+    total_capex: float           # 总建设成本 (元)
+    total_om_cost: float         # 总运维成本 (元)
+    total_electricity_cost: float # 总电费成本 (元)
+    total_lcoe: float            # 平准化电力成本 (元/MWh)
+    total_npv: float             # 净现值 (元)
+    
+    # 系统性能指标
+    total_curtailment: float    # 总弃风弃光量 (MWh)
+    grid_purchase: float         # 总购电量 (MWh)
+    grid_feed_in: float          # 总上网电量 (MWh)
+    renewable_ratio: float       # 新能源消纳比例
+
+
+def calculate_lcoe(
+    capex: float,
+    om_cost: float,
+    electricity_cost: float,
+    annual_generation: float,
+    project_lifetime: int,
+    discount_rate: float
+) -> float:
+    """
+    计算基准化电力成本 (LCOE)
+    
+    Args:
+        capex: 建设成本
+        om_cost: 年运维成本
+        electricity_cost: 年电费成本
+        annual_generation: 年发电量
+        project_lifetime: 项目寿命
+        discount_rate: 折现率
+        
+    Returns:
+        LCOE值 (元/MWh)
+    """
+    if annual_generation <= 0:
+        return float('inf')
+    
+    # 计算现值因子
+    pv_factor = sum(1 / (1 + discount_rate) ** t for t in range(1, project_lifetime + 1))
+    
+    # LCOE = (建设成本现值 + 运维成本现值 + 电费成本现值) / 年发电量现值
+    total_cost = capex + om_cost * pv_factor + electricity_cost * pv_factor
+    generation_pv = annual_generation * pv_factor
+    
+    return total_cost / generation_pv
+
+
+def calculate_npv(
+    costs: List[float],
+    discount_rate: float
+) -> float:
+    """
+    计算净现值 (NPV)
+    
+    Args:
+        costs: 各年度成本流
+        discount_rate: 折现率
+        
+    Returns:
+        NPV值
+    """
+    npv = 0
+    for t, cost in enumerate(costs):
+        npv += cost / (1 + discount_rate) ** t
+    
+    return npv
+
+
+def evaluate_objective(
+    solar_output: List[float],
+    wind_output: List[float], 
+    thermal_output: List[float],
+    load_demand: List[float],
+    storage_capacity: float,
+    charge_rate: float,
+    discharge_rate: float,
+    econ_params: EconomicParameters,
+    system_params: SystemParameters
+) -> Dict:
+    """
+    评估目标函数值
+    
+    Args:
+        solar_output: 光伏出力曲线 (MW)
+        wind_output: 风电出力曲线 (MW)
+        thermal_output: 火电出力曲线 (MW)
+        load_demand: 负荷需求曲线 (MW)
+        storage_capacity: 储能容量 (MWh)
+        charge_rate: 充电倍率
+        discharge_rate: 放电倍率
+        econ_params: 经济参数
+        system_params: 系统参数
+        
+    Returns:
+        包含各项成本和性能指标的字典
+    """
+    # 计算系统运行结果
+    result = calculate_energy_balance(
+        solar_output, wind_output, thermal_output, load_demand, 
+        system_params, storage_capacity
+    )
+    
+    # 计算弃风弃光量
+    total_curtailment = sum(result['curtailed_wind']) + sum(result['curtailed_solar'])
+    
+    # 计算购电和上网电量
+    grid_purchase = sum(-x for x in result['grid_feed_in'] if x < 0)
+    grid_feed_in = sum(x for x in result['grid_feed_in'] if x > 0)
+    
+    # 计算建设成本
+    solar_capex_cost = sum(solar_output) * econ_params.solar_capex / len(solar_output) * 8760  # 转换为年容量
+    wind_capex_cost = sum(wind_output) * econ_params.wind_capex / len(wind_output) * 8760
+    storage_capex_cost = storage_capacity * econ_params.storage_capex
+    
+    total_capex = solar_capex_cost + wind_capex_cost + storage_capex_cost
+    
+    # 计算年运维成本
+    solar_om_cost = sum(solar_output) * econ_params.solar_om / len(solar_output) * 8760
+    wind_om_cost = sum(wind_output) * econ_params.wind_om / len(wind_output) * 8760
+    storage_om_cost = storage_capacity * econ_params.storage_om
+    
+    total_om_cost = solar_om_cost + wind_om_cost + storage_om_cost
+    
+    # 计算年电费成本
+    annual_electricity_cost = grid_purchase * econ_params.electricity_price
+    
+    # 计算年发电量
+    total_generation = sum(solar_output) + sum(wind_output) + sum(thermal_output)
+    renewable_generation = sum(solar_output) + sum(wind_output) - total_curtailment
+    
+    # 计算LCOE
+    lcoe = calculate_lcoe(
+        total_capex, total_om_cost, annual_electricity_cost,
+        renewable_generation, econ_params.project_lifetime, econ_params.discount_rate
+    )
+    
+    # 计算NPV
+    annual_costs = [total_om_cost + annual_electricity_cost] * econ_params.project_lifetime
+    npv = calculate_npv([total_capex] + annual_costs, econ_params.discount_rate)
+    
+    # 计算新能源消纳比例
+    renewable_ratio = (renewable_generation / sum(load_demand) * 100) if sum(load_demand) > 0 else 0
+    
+    return {
+        'total_capex': total_capex,
+        'total_om_cost': total_om_cost * econ_params.project_lifetime,
+        'total_electricity_cost': annual_electricity_cost * econ_params.project_lifetime,
+        'total_lcoe': lcoe,
+        'total_npv': npv,
+        'total_curtailment': total_curtailment,
+        'grid_purchase': grid_purchase,
+        'grid_feed_in': grid_feed_in,
+        'renewable_ratio': renewable_ratio,
+        'storage_capacity': storage_capacity,
+        'charge_rate': charge_rate,
+        'discharge_rate': discharge_rate
+    }
+
+
+def optimize_storage_economic(
+    solar_output: List[float],
+    wind_output: List[float],
+    thermal_output: List[float],
+    load_demand: List[float],
+    econ_params: EconomicParameters,
+    system_params: SystemParameters,
+    storage_capacity_range: Tuple[float, float] = (0, 1000),
+    rate_range: Tuple[float, float] = (0.1, 2.0),
+    max_iterations: int = 100,
+    tolerance: float = 0.01
+) -> OptimizationResult:
+    """
+    经济指标优化主函数
+    
+    Args:
+        solar_output: 光伏出力曲线 (MW)
+        wind_output: 风电出力曲线 (MW)
+        thermal_output: 火电出力曲线 (MW)
+        load_demand: 负荷需求曲线 (MW)
+        econ_params: 经济参数
+        system_params: 系统参数
+        storage_capacity_range: 储能容量搜索范围 (MWh)
+        rate_range: 充放电倍率搜索范围
+        max_iterations: 最大迭代次数
+        tolerance: 收敛容差
+        
+    Returns:
+        优化结果
+    """
+    print("开始经济指标优化...")
+    
+    best_result = None
+    best_npv = float('inf')
+    
+    # 简化的网格搜索优化
+    for iteration in range(max_iterations):
+        # 在搜索范围内随机采样
+        storage_capacity = np.random.uniform(storage_capacity_range[0], storage_capacity_range[1])
+        charge_rate = np.random.uniform(rate_range[0], rate_range[1])
+        discharge_rate = np.random.uniform(rate_range[0], rate_range[1])
+        
+        # 评估当前配置
+        current_result = evaluate_objective(
+            solar_output, wind_output, thermal_output, load_demand,
+            storage_capacity, charge_rate, discharge_rate,
+            econ_params, system_params
+        )
+        
+        # 更新最优解
+        if current_result['total_npv'] < best_npv:
+            best_npv = current_result['total_npv']
+            best_result = current_result
+            
+        # 输出进度
+        if (iteration + 1) % 10 == 0:
+            print(f"迭代 {iteration + 1}/{max_iterations}, 当前最优NPV: {best_npv:.2f}元")
+    
+    # 在最优解附近进行精细搜索
+    if best_result is not None:
+        print("在最优解附近进行精细搜索...")
+        best_result = fine_tune_optimization(
+            solar_output, wind_output, thermal_output, load_demand,
+            best_result, econ_params, system_params,
+            storage_capacity_range, rate_range
+        )
+    
+    return best_result
+
+
+def fine_tune_optimization(
+    solar_output: List[float],
+    wind_output: List[float],
+    thermal_output: List[float],
+    load_demand: List[float],
+    initial_result: Dict,
+    econ_params: EconomicParameters,
+    system_params: SystemParameters,
+    storage_capacity_range: Tuple[float, float],
+    rate_range: Tuple[float, float]
+) -> OptimizationResult:
+    """
+    在最优解附近进行精细搜索
+    
+    Args:
+        solar_output: 光伏出力曲线 (MW)
+        wind_output: 风电出力曲线 (MW)
+        thermal_output: 火电出力曲线 (MW)
+        load_demand: 负荷需求曲线 (MW)
+        initial_result: 初始优化结果
+        econ_params: 经济参数
+        system_params: 系统参数
+        storage_capacity_range: 储能容量搜索范围
+        rate_range: 充放电倍率搜索范围
+        
+    Returns:
+        精细优化结果
+    """
+    best_result = initial_result
+    best_npv = initial_result['total_npv']
+    
+    # 在最优解附近进行小范围搜索
+    search_range = 0.1  # 搜索范围为最优值的±10%
+    
+    for storage_capacity in np.linspace(
+        max(initial_result['storage_capacity'] * (1 - search_range), 0),
+        min(initial_result['storage_capacity'] * (1 + search_range), storage_capacity_range[1]),
+        20
+    ):
+        for charge_rate in np.linspace(
+            max(initial_result['charge_rate'] * (1 - search_range), rate_range[0]),
+            min(initial_result['charge_rate'] * (1 + search_range), rate_range[1]),
+            10
+        ):
+            for discharge_rate in np.linspace(
+                max(initial_result['discharge_rate'] * (1 - search_range), rate_range[0]),
+                min(initial_result['discharge_rate'] * (1 + search_range), rate_range[1]),
+                10
+            ):
+                current_result = evaluate_objective(
+                    solar_output, wind_output, thermal_output, load_demand,
+                    storage_capacity, charge_rate, discharge_rate,
+                    econ_params, system_params
+                )
+                
+                if current_result['total_npv'] < best_npv:
+                    best_npv = current_result['total_npv']
+                    best_result = current_result
+    
+    # 转换为OptimizationResult格式
+    return OptimizationResult(
+        storage_capacity=best_result['storage_capacity'],
+        charge_rate=best_result['charge_rate'],
+        discharge_rate=best_result['discharge_rate'],
+        total_capex=best_result['total_capex'],
+        total_om_cost=best_result['total_om_cost'],
+        total_electricity_cost=best_result['total_electricity_cost'],
+        total_lcoe=best_result['total_lcoe'],
+        total_npv=best_result['total_npv'],
+        total_curtailment=best_result['total_curtailment'],
+        grid_purchase=best_result['grid_purchase'],
+        grid_feed_in=best_result['grid_feed_in'],
+        renewable_ratio=best_result['renewable_ratio']
+    )
+
+
+def create_economic_report(
+    result: OptimizationResult,
+    econ_params: EconomicParameters,
+    filename: str = None
+) -> str:
+    """
+    创建经济优化报告
+    
+    Args:
+        result: 优化结果
+        econ_params: 经济参数
+        filename: 输出文件名
+        
+    Returns:
+        报告文件路径
+    """
+    if filename is None:
+        from datetime import datetime
+        timestamp = datetime.now().strftime("%Y%m%d_%H%M%S")
+        filename = f"economic_optimization_report_{timestamp}.xlsx"
+    
+    print(f"\n正在生成经济优化报告: {filename}")
+    
+    # 创建报告数据
+    report_data = {
+        '指标': [
+            '储能容量 (MWh)',
+            '充电倍率 (C-rate)',
+            '放电倍率 (光伏建设成本 (元/MW)',
+            '光伏建设成本 (元)',
+            '风电建设成本 (元)',
+            '储能建设成本 (元)',
+            '总建设成本 (元)',
+            '年运维成本 (元)',
+            '总运维成本 (元)',
+            '年电费成本 (元)',
+            '总电费成本 (元)',
+            'LCOE (元/MWh)',
+            'NPV (元)',
+            '总弃风弃光量 (MWh)',
+            '总购电量 (MWh)',
+            '总上网电量 (MWh)',
+            '新能源消纳比例 (%)'
+        ],
+        '数值': [
+            f"{result.storage_capacity:.2f}",
+            f"{result.charge_rate:.2f}",
+            f"{result.discharge_rate:.2f}",
+            f"{result.total_capex * 0.3:.2f}",  # 光伏建设成本
+            f"{result.total_capex * 0.6:.2f}",  # 风电建设成本
+            f"{result.total_capex * 0.1:.2f}",  # 储能建设成本
+            f"{result.total_capex:.2f}",
+            f"{result.total_om_cost / econ_params.project_lifetime:.2f}",
+            f"{result.total_om_cost:.2f}",
+            f"{result.total_electricity_cost / econ_params.project_lifetime:.2f}",
+            f"{result.total_electricity_cost:.2f}",
+            f"{result.total_lcoe:.2f}",
+            f"{result.total_npv:.2f}",
+            f"{result.total_curtailment:.2f}",
+            f"{result.grid_purchase:.2f}",
+            f"{result.grid_feed_in:.2f}",
+            f"{result.renewable_ratio:.2f}"
+        ]
+    }
+    
+    # 创建参数数据
+    params_data = {
+        '参数': [
+            '光伏建设成本 (元/MW)',
+            '风电建设成本 (元/MW)',
+            '储能建设成本 (元/MWh)',
+            '购电价格 (元/MWh)',
+            '上网电价 (元/MWh)',
+            '光伏运维成本 (元/MW/年)',
+            '风电运维成本 (元/MW/年)',
+            '储能运维成本 (元/MW/年)',
+            '项目寿命 (年)',
+                            '折现率'        ],
+        '数值': [
+            econ_params.solar_capex,
+            econ_params.wind_capex,
+            econ_params.storage_capex,
+            econ_params.electricity_price,
+            econ_params.feed_in_price,
+            econ_params.solar_om,
+            econ_params.wind_om,
+            econ_params.storage_om,
+            econ_params.project_lifetime,
+                            f"{econ_params.discount_rate:.2f}"        ]
+    }
+    
+    # 写入Excel文件
+    with pd.ExcelWriter(filename, engine='openpyxl') as writer:
+        # 写入优化结果
+        pd.DataFrame(report_data).to_excel(writer, sheet_name='优化结果', index=False)
+        
+        # 写入经济参数
+        pd.DataFrame(params_data).to_excel(writer, sheet_name='经济参数', index=False)
+        
+        # 创建说明
+        description_data = {
+            '项目': [
+                '报告说明',
+                '生成时间',
+                '优化目标',
+                '优化方法',
+                '数据来源',
+                '注意事项'
+            ],
+            '内容': [
+                '多能互补系统储能经济优化报告',
+                pd.Timestamp.now().strftime("%Y-%m-%d %H:%M:%S"),
+                '最小化总建设成本和购电费用',
+                '网格搜索算法 + 精细搜索',
+                '基于给定的风光出力和负荷数据',
+                '成本估算仅供参考，实际成本可能有所不同'
+            ]
+        }
+        pd.DataFrame(description_data).to_excel(writer, sheet_name='说明', index=False)
+    
+    print(f"经济优化报告已生成: {filename}")
+    return filename
+
+
+def plot_economic_analysis(
+    results: List[OptimizationResult],
+    filename: str = None
+):
+    """
+    绘制经济分析图表
+    
+    Args:
+        results: 优化结果列表
+        filename: 图片保存文件名
+    """
+    if filename is None:
+        filename = 'economic_analysis.png'
+    
+    # 提取数据
+    capacities = [r.storage_capacity for r in results]
+    npvs = [r.total_npv for r in results]
+    lcoes = [r.total_lcoe for r in results]
+    renewable_ratios = [r.renewable_ratio for r in results]
+    
+    # 创建图表
+    fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(2, 2, figsize=(15, 12))
+    fig.suptitle('储能配置经济分析', fontsize=16, fontweight='bold')
+    
+    # NPV vs 储能容量
+    ax1.scatter(capacities, npvs, alpha=0.6, c='blue')
+    ax1.set_xlabel('储能容量 (MWh)')
+    ax1.set_ylabel('NPV (元)')
+    ax1.set_title('NPV vs 储能容量')
+    ax1.grid(True, alpha=0.3)
+    
+    # LCOE vs 储能容量
+    ax2.scatter(capacities, lcoes, alpha=0.6, c='green')
+    ax2.set_xlabel('储能容量 (MWh)')
+    ax2.set_ylabel('LCOE (元/MWh)')
+    ax2.set_title('LCOE vs 储能容量')
+    ax2.grid(True, alpha=0.3)
+    
+    # 新能源消纳比例 vs 储能容量
+    ax3.scatter(capacities, renewable_ratios, alpha=0.6, c='orange')
+    ax3.set_xlabel('储能容量 (MWh)')
+    ax3.set_ylabel('新能源消纳比例 (%)')
+    ax3.set_title('新能源消纳比例 vs 储能容量')
+    ax3.grid(True, alpha=0.3)
+    
+    # 成本构成饼图（使用最优结果）
+    if results:
+        best_result = min(results, key=lambda x: x.total_npv)
+        costs = [
+            best_result.total_capex * 0.3,  # 光伏
+            best_result.total_capex * 0.6,  # 风电
+            best_result.total_capex * 0.1,  # 储能
+            best_result.total_om_cost,      # 运维
+            best_result.total_electricity_cost  # 电费
+        ]
+        labels = ['光伏建设', '风电建设', '储能建设', '运维成本', '电费成本']
+        colors = ['yellow', 'lightblue', 'lightgreen', 'orange', 'red']
+        
+        ax4.pie(costs, labels=labels, colors=colors, autopct='%1.1f%%')
+        ax4.set_title('成本构成分析')
+    
+    plt.tight_layout()
+    plt.savefig(filename, dpi=300, bbox_inches='tight')
+    print(f"经济分析图表已保存: {filename}")
+
+
+def main():
+    """主函数 - 演示经济优化功能"""
+    import sys
+    
+    # 检查命令行参数
+    if len(sys.argv) < 2:
+        print("用法: python economic_optimization.py --excel <文件路径>")
+        print("     python economic_optimization.py --demo  # 运行演示")
+        return
+    
+    command = sys.argv[1]
+    
+    if command == '--demo':
+        print("运行经济优化演示...")
+        
+        # 生成演示数据
+        hours = 8760
+        solar_output = [0.0] * 6 + [1.0, 2.0, 3.0, 4.0, 5.0, 6.0, 5.0, 4.0, 3.0, 2.0, 1.0, 0.0] + [0.0] * 6
+        solar_output = solar_output * 365
+        
+        wind_output = [2.0, 3.0, 4.0, 3.0, 2.0, 1.0] * 4
+        wind_output = wind_output * 365
+        
+        thermal_output = [5.0] * 24
+        thermal_output = thermal_output * 365
+        
+        load_demand = [3.0, 4.0, 5.0, 6.0, 8.0, 10.0, 12.0, 14.0, 16.0, 18.0, 20.0, 18.0,
+                       16.0, 14.0, 12.0, 10.0, 8.0, 6.0, 5.0, 4.0, 3.0, 2.0, 1.0, 2.0] * 365
+        
+        # 经济参数
+        econ_params = EconomicParameters(
+            solar_capex=3000000,      # 300万/MW
+            wind_capex=2500000,       # 250万/MW
+            storage_capex=800000,     # 80万/MWh
+            electricity_price=600,     # 600元/MWh
+            feed_in_price=400,         # 400元/MWh
+            solar_om=50000,           # 5万/MW/年
+            wind_om=45000,            # 4.5万/MW/年
+            storage_om=3000,          # 3000/MW/年
+            project_lifetime=25,        # 25年
+            discount_rate=0.08        # 8%
+        )
+        
+        # 系统参数
+        system_params = SystemParameters(
+            max_curtailment_wind=0.1,
+            max_curtailment_solar=0.1,
+            max_grid_ratio=0.2,
+            storage_efficiency=0.9,
+            discharge_rate=1.0,
+            charge_rate=1.0,
+            max_storage_capacity=None,
+            rated_thermal_capacity=0,
+            rated_solar_capacity=0,
+            rated_wind_capacity=0,
+            available_thermal_energy=0,
+            available_solar_energy=0,
+            available_wind_energy=0
+        )
+        
+        # 运行优化
+        result = optimize_storage_economic(
+            solar_output, wind_output, thermal_output, load_demand,
+            econ_params, system_params,
+            storage_capacity_range=(0, 500),
+            rate_range=(0.1, 1.5),
+            max_iterations=50
+        )
+        
+        # 输出结果
+        print("\n=== 经济优化结果 ===")
+        print(f"最优储能容量: {result.storage_capacity:.2f} MWh")
+        print(f"最优充电倍率: {result.charge_rate:.2f}")
+        print(f"最优放电倍率: {result.discharge_rate:.2f}")
+        print(f"总建设成本: {result.total_capex:.2f} 元")
+        print(f"总运维成本: {result.total_om_cost:.2f} 元")
+        print(f"总电费成本: {result.total_electricity_cost:.2f} 元")
+        print(f"LCOE: {result.total_lcoe:.2f} 元/MWh")
+        print(f"NPV: {result.total_npv:.2f} 元")
+        print(f"新能源消纳比例: {result.renewable_ratio:.2f}%")
+        
+        # 生成报告
+        create_economic_report(result, econ_params)
+        
+        # 生成图表
+        plot_economic_analysis([result])
+        
+    elif command == '--excel':
+        if len(sys.argv) < 3:
+            print("错误：请指定Excel文件路径")
+            return
+        
+        excel_file = sys.argv[2]
+        print(f"从Excel文件读取数据: {excel_file}")
+        
+        try:
+            # 从Excel文件读取数据
+            from excel_reader import read_excel_data
+            
+            data = read_excel_data(excel_file, include_parameters=True)
+            
+            solar_output = data['solar_output']
+            wind_output = data['wind_output']
+            thermal_output = data['thermal_output']
+            load_demand = data['load_demand']
+            
+            # 获取系统参数
+            system_params = data.get('system_parameters', SystemParameters())
+            
+            # 获取经济参数
+            econ_params = data.get('economic_parameters', EconomicParameters())
+            
+            # 获取优化设置
+            opt_settings = data.get('optimization_settings', {
+                'storage_capacity_range': (0, 1000),
+                'rate_range': (0.1, 2.0),
+                'max_iterations': 100,
+                'tolerance': 0.01
+            })
+            
+            print(f"成功读取数据，类型：{data['data_type']}")
+            print(f"光伏出力总量: {sum(solar_output):.2f} MW")
+            print(f"风电出力总量: {sum(wind_output):.2f} MW")
+            print(f"负荷需求总量: {sum(load_demand):.2f} MW")
+            
+            # 运行优化
+            result = optimize_storage_economic(
+                solar_output, wind_output, thermal_output, load_demand,
+                econ_params, system_params,
+                storage_capacity_range=opt_settings['storage_capacity_range'],
+                rate_range=opt_settings['rate_range'],
+                max_iterations=opt_settings['max_iterations'],
+                tolerance=opt_settings['tolerance']
+            )
+            
+            # 输出结果
+            print("\n=== 经济优化结果 ===")
+            print(f"最优储能容量: {result.storage_capacity:.2f} MWh")
+            print(f"最优充电倍率: {result.charge_rate:.2f}")
+            print(f"最优放电倍率: {result.discharge_rate:.2f}")
+            print(f"总建设成本: {result.total_capex:.2f} 元")
+            print(f"总运维成本: {result.total_om_cost:.2f} 元")
+            print(f"总电费成本: {result.total_electricity_cost:.2f} 元")
+            print(f"LCOE: {result.total_lcoe:.2f} 元/MWh")
+            print(f"NPV: {result.total_npv:.2f} 元")
+            print(f"总弃风弃光量: {result.total_curtailment:.2f} MWh")
+            print(f"总购电量: {result.grid_purchase:.2f} MWh")
+            print(f"总上网电量: {result.grid_feed_in:.2f} MWh")
+            print(f"新能源消纳比例: {result.renewable_ratio:.2f}%")
+            
+            # 生成报告
+            create_economic_report(result, econ_params)
+            
+            # 生成图表
+            plot_economic_analysis([result])
+            
+        except Exception as e:
+            print(f"处理Excel文件时出错：{str(e)}")
+            import traceback
+            traceback.print_exc()
+
+
+if __name__ == "__main__":
+    main()

src/excel_reader.py

@@ -101,16 +101,54 @@ def read_system_parameters(file_path: str) -> SystemParameters:
             except (ValueError, TypeError):
                 raise ValueError(f"参数 '{param_name}' 的值 '{param_value}' 不是有效的数值")
         
-        # 创建SystemParameters对象
+        # 读取各参数值，如果找不到则使用默认值
-        return SystemParameters(
+        get_param_value = lambda param_name: df_params.loc[df_params['参数名称'] == param_name, '参数值'].iloc[0] if param_name in df_params['参数名称'].values else None
-            max_curtailment_wind=params_dict.get('最大弃风率', 0.1),
+        
-            max_curtailment_solar=params_dict.get('最大弃光率', 0.1),
+        max_storage_capacity = get_param_value('最大储能容量')
-            max_grid_ratio=params_dict.get('最大上网电量比例', 0.2),
+        # 处理空值或字符串"空"
-            storage_efficiency=params_dict.get('储能效率', 0.9),
+        if pd.isna(max_storage_capacity) or max_storage_capacity == '空':
-            discharge_rate=params_dict.get('放电倍率', 1.0),
+            max_storage_capacity = None
-            charge_rate=params_dict.get('充电倍率', 1.0),
+        
-            max_storage_capacity=params_dict.get('最大储能容量', None)
+        try:
-        )
+            # 获取各参数值，区分None、NaN、0和有效值
+            def get_param_with_default(param_name, default_value):
+                value = get_param_value(param_name)
+                if value is None or pd.isna(value):
+                    return default_value
+                else:
+                    return value
+            
+            return SystemParameters(
+                max_curtailment_wind=get_param_with_default('最大弃风率', 0.1),
+                max_curtailment_solar=get_param_with_default('最大弃光率', 0.1),
+                max_grid_ratio=get_param_with_default('最大上网电量比例', 0.2),
+                storage_efficiency=get_param_with_default('储能效率', 0.9),
+                discharge_rate=get_param_with_default('放电倍率', 1.0),
+                charge_rate=get_param_with_default('充电倍率', 1.0),
+                max_storage_capacity=max_storage_capacity,
+                rated_thermal_capacity=get_param_with_default('额定火电装机容量', 100.0),
+                rated_solar_capacity=get_param_with_default('额定光伏装机容量', 100.0),
+                rated_wind_capacity=get_param_with_default('额定风电装机容量', 100.0),
+                available_thermal_energy=get_param_with_default('火电可用发电量', 2400.0),
+                available_solar_energy=get_param_with_default('光伏可用发电量', 600.0),
+                available_wind_energy=get_param_with_default('风电可用发电量', 1200.0)
+            )
+        except (KeyError, IndexError, Exception) as e:
+            print(f"读取参数失败：{str(e)}，使用默认参数")
+            return SystemParameters(
+                max_curtailment_wind=0.1,
+                max_curtailment_solar=0.1,
+                max_grid_ratio=0.2,
+                storage_efficiency=0.9,
+                discharge_rate=1.0,
+                charge_rate=1.0,
+                rated_thermal_capacity=100.0,
+                rated_solar_capacity=100.0,
+                rated_wind_capacity=100.0,
+                available_thermal_energy=2400.0,
+                available_solar_energy=600.0,
+                available_wind_energy=1200.0
+            )
         
     except Exception as e:
         print(f"读取参数工作表失败，使用默认参数：{str(e)}")
@@ -182,6 +220,26 @@ def read_excel_data(file_path: str, sheet_name: str = 0, include_parameters: boo
                 print(f"读取系统参数失败，使用默认参数：{str(e)}")
                 result['system_parameters'] = SystemParameters()
             
+            try:
+                result['economic_parameters'] = read_economic_parameters(file_path)
+                print("成功读取经济参数")
+            except Exception as e:
+                print(f"读取经济参数失败，使用默认参数：{str(e)}")
+                from economic_optimization import EconomicParameters
+                result['economic_parameters'] = EconomicParameters()
+            
+            try:
+                result['optimization_settings'] = get_optimization_settings(file_path)
+                print("成功读取优化设置")
+            except Exception as e:
+                print(f"读取优化设置失败，使用默认设置：{str(e)}")
+                result['optimization_settings'] = {
+                    'storage_capacity_range': (0, 1000),
+                    'rate_range': (0.1, 2.0),
+                    'max_iterations': 100,
+                    'tolerance': 0.01
+                }
+        
         return result
         
     except Exception as e:
@@ -261,7 +319,13 @@ def create_excel_template(file_path: str, data_type: str = "8760"):
                 '储能效率',
                 '放电倍率',
                 '充电倍率',
-                '最大储能容量'
+                '最大储能容量',
+                '额定火电装机容量',
+                '额定光伏装机容量',
+                '额定风电装机容量',
+                '火电可用发电量',
+                '光伏可用发电量',
+                '风电可用发电量'
             ],
             '参数值': [
                 0.1,    # 最大弃风率
@@ -270,7 +334,13 @@ def create_excel_template(file_path: str, data_type: str = "8760"):
                 0.9,    # 储能效率
                 1.0,    # 放电倍率
                 1.0,    # 充电倍率
-                ''       # 最大储能容量（空表示无限制）
+                '',     # 最大储能容量（空表示无限制）
+                0.0,    # 额定火电装机容量（可以为0）
+                100.0,  # 额定光伏装机容量
+                100.0,  # 额定风电装机容量
+                2400.0, # 火电可用发电量
+                600.0,  # 光伏可用发电量
+                1200.0  # 风电可用发电量
             ],
             '参数说明': [
                 '允许的最大弃风率（0.0-1.0）',
@@ -279,7 +349,13 @@ def create_excel_template(file_path: str, data_type: str = "8760"):
                 '储能充放电效率（0.0-1.0）',
                 '储能放电倍率（C-rate，>0）',
                 '储能充电倍率（C-rate，>0）',
-                '储能容量上限（MWh，空表示无限制）'
+                '储能容量上限（MWh，空表示无限制）',
+                '额定火电装机容量（MW，可以为0）',
+                '额定光伏装机容量（MW）',
+                '额定风电装机容量（MW）',
+                '火电可用发电量（MWh）',
+                '光伏可用发电量（MWh）',
+                '风电可用发电量（MWh）'
             ],
             '取值范围': [
                 '0.0-1.0',
@@ -288,7 +364,13 @@ def create_excel_template(file_path: str, data_type: str = "8760"):
                 '0.0-1.0',
                 '>0',
                 '>0',
-                '>0或空'
+                '>0或空',
+                '≥0',
+                '>0',
+                '>0',
+                '≥0',
+                '≥0',
+                '≥0'
             ],
             '默认值': [
                 '0.1',
@@ -297,21 +379,123 @@ def create_excel_template(file_path: str, data_type: str = "8760"):
                 '0.9',
                 '1.0',
                 '1.0',
-                '无限制'
+                '无限制',
+                '0.0',
+                '100.0',
+                '100.0',
+                '2400.0',
+                '600.0',
+                '1200.0'
             ]
         })
         parameters_df.to_excel(writer, sheet_name='参数', index=False)
         
+        # 添加经济参数工作表
+        economic_params_df = pd.DataFrame({
+            '参数名称': [
+                '光伏建设成本',
+                '风电建设成本',
+                '储能建设成本',
+                '购电价格',
+                '上网电价',
+                '光伏运维成本',
+                '风电运维成本',
+                '储能运维成本',
+                '项目寿命',
+                '折现率',
+                '储能容量搜索范围-最小值',
+                '储能容量搜索范围-最大值',
+                '充放电倍率搜索范围-最小值',
+                '充放电倍率搜索范围-最大值',
+                '最大迭代次数',
+                '收敛容差'
+            ],
+            '参数值': [
+                3000000,    # 光伏建设成本 (元/MW)
+                2500000,     # 风电建设成本 (元/MW)
+                800000,      # 储能建设成本 (元/MWh)
+                600,         # 购电价格 (元/MWh)
+                400,         # 上网电价 (元/MWh)
+                50000,       # 光伏运维成本 (元/MW/年)
+                45000,       # 风电运维成本 (元/MW/年)
+                3000,        # 储能运维成本 (元/MW/年)
+                25,          # 项目寿命 (年)
+                0.08,        # 折现率
+                0,           # 储能容量搜索范围-最小值 (MWh)
+                1000,        # 储能容量搜索范围-最大值 (MWh)
+                0.1,         # 充放电倍率搜索范围-最小值
+                2.0,         # 充放电倍率搜索范围-最大值
+                100,         # 最大迭代次数
+                0.01         # 收敛容差
+            ],
+            '参数说明': [
+                '光伏发电系统建设成本 (元/MW)',
+                '风力发电系统建设成本 (元/MW)',
+                '储能系统建设成本 (元/MWh)',
+                '从电网购电价格 (元/MWh)',
+                '向电网售电价格 (元/MWh)',
+                '光伏系统年度运维成本 (元/MW/年)',
+                '风电系统年度运维成本 (元/MW/年)',
+                '储能系统年度运维成本 (元/MW/年)',
+                '项目运营寿命 (年)',
+                '项目折现率 (用于NPV计算)',
+                '储能容量优化搜索范围下限 (MWh)',
+                '储能容量优化搜索范围上限 (MWh)',
+                '充放电倍率优化搜索范围下限',
+                '充放电倍率优化搜索范围上限',
+                '优化算法最大迭代次数',
+                '优化算法收敛容差'
+            ],
+            '取值范围': [
+                '>0',
+                '>0',
+                '>0',
+                '>0',
+                '≥0',
+                '≥0',
+                '≥0',
+                '≥0',
+                '>0',
+                '0-1',
+                '≥0',
+                '>0',
+                '>0',
+                '>0',
+                '>0',
+                '>0'
+            ],
+            '默认值': [
+                '3,000,000',
+                '2,500,000',
+                '800,000',
+                '600',
+                '400',
+                '50,000',
+                '45,000',
+                '3,000',
+                '25',
+                '0.08',
+                '0',
+                '1000',
+                '0.1',
+                '2.0',
+                '100',
+                '0.01'
+            ]
+        })
+        economic_params_df.to_excel(writer, sheet_name='经济参数', index=False)
+        
         # 添加说明工作表
         description_df = pd.DataFrame({
-            '项目': ['数据说明', '数据类型', '时间范围', '单位', '注意事项', '参数说明'],
+            '项目': ['数据说明', '数据类型', '时间范围', '单位', '注意事项', '参数说明', '经济优化说明'],
             '内容': [
                 description,
                 f'{data_type}小时电力数据',
                 f'1-{hours}小时',
                 'MW (兆瓦)',
                 '所有数值必须为非负数',
-                '系统参数请在"参数"工作表中修改'
+                '系统参数请在"参数"工作表中修改',
+                '经济优化参数请在"经济参数"工作表中修改'
             ]
         })
         description_df.to_excel(writer, sheet_name='说明', index=False)
@@ -358,6 +542,148 @@ def analyze_excel_data(file_path: str) -> Dict[str, float]:
         return {}
 
 
+def read_economic_parameters(file_path: str):
+    """
+    从Excel文件读取经济参数
+    
+    Args:
+        file_path: Excel文件路径
+        
+    Returns:
+        EconomicParameters对象
+        
+    Raises:
+        FileNotFoundError: 文件不存在
+        ValueError: 参数格式错误
+    """
+    from economic_optimization import EconomicParameters
+    
+    # 检查文件是否存在
+    if not os.path.exists(file_path):
+        raise FileNotFoundError(f"文件不存在：{file_path}")
+    
+    try:
+        # 读取经济参数工作表
+        df_params = pd.read_excel(file_path, sheet_name='经济参数')
+        
+        # 验证经济参数工作表格式
+        required_columns = ['参数名称', '参数值', '参数说明']
+        missing_columns = [col for col in required_columns if col not in df_params.columns]
+        
+        if missing_columns:
+            raise ValueError(f"经济参数工作表缺少必需的列：{missing_columns}")
+        
+        # 提取参数值
+        params_dict = {}
+        for _, row in df_params.iterrows():
+            param_name = row['参数名称']
+            param_value = row['参数值']
+            
+            # 跳过空行
+            if pd.isna(param_name) or pd.isna(param_value):
+                continue
+                
+            # 转换参数值
+            try:
+                if isinstance(param_value, str):
+                    # 尝试转换为浮点数
+                    param_value = float(param_value)
+                params_dict[param_name] = param_value
+            except (ValueError, TypeError):
+                raise ValueError(f"经济参数 '{param_name}' 的值 '{param_value}' 不是有效的数值")
+        
+        # 读取各参数值，如果找不到则使用默认值
+        get_param_value = lambda param_name: df_params.loc[df_params['参数名称'] == param_name, '参数值'].iloc[0] if param_name in df_params['参数名称'].values else None
+        
+        try:
+            # 获取各参数值，区分None、NaN、0和有效值
+            def get_param_with_default(param_name, default_value):
+                value = get_param_value(param_name)
+                if value is None or pd.isna(value):
+                    return default_value
+                else:
+                    return value
+            
+            return EconomicParameters(
+                solar_capex=get_param_with_default('光伏建设成本', 3000000),
+                wind_capex=get_param_with_default('风电建设成本', 2500000),
+                storage_capex=get_param_with_default('储能建设成本', 800000),
+                electricity_price=get_param_with_default('购电价格', 600),
+                feed_in_price=get_param_with_default('上网电价', 400),
+                solar_om=get_param_with_default('光伏运维成本', 50000),
+                wind_om=get_param_with_default('风电运维成本', 45000),
+                storage_om=get_param_with_default('储能运维成本', 3000),
+                project_lifetime=int(get_param_with_default('项目寿命', 25)),
+                discount_rate=get_param_with_default('折现率', 0.08)
+            )
+        except (KeyError, IndexError, Exception) as e:
+            print(f"读取经济参数失败：{str(e)}，使用默认参数")
+            return EconomicParameters(
+                solar_capex=3000000,
+                wind_capex=2500000,
+                storage_capex=800000,
+                electricity_price=600,
+                feed_in_price=400,
+                solar_om=50000,
+                wind_om=45000,
+                storage_om=3000,
+                project_lifetime=25,
+                discount_rate=0.08
+            )
+        
+    except Exception as e:
+        print(f"读取经济参数工作表失败，使用默认参数：{str(e)}")
+        # 如果经济参数工作表不存在或读取失败，返回默认参数
+        return EconomicParameters()
+
+
+def get_optimization_settings(file_path: str) -> Dict[str, Any]:
+    """
+    从Excel文件读取优化设置参数
+    
+    Args:
+        file_path: Excel文件路径
+        
+    Returns:
+        优化设置字典
+    """
+    try:
+        # 读取经济参数工作表
+        df_params = pd.read_excel(file_path, sheet_name='经济参数')
+        
+        # 提取优化设置参数
+        get_param_value = lambda param_name: df_params.loc[df_params['参数名称'] == param_name, '参数值'].iloc[0] if param_name in df_params['参数名称'].values else None
+        
+        def get_param_with_default(param_name, default_value):
+            value = get_param_value(param_name)
+            if value is None or pd.isna(value):
+                return default_value
+            else:
+                return value
+        
+        return {
+            'storage_capacity_range': (
+                get_param_with_default('储能容量搜索范围-最小值', 0),
+                get_param_with_default('储能容量搜索范围-最大值', 1000)
+            ),
+            'rate_range': (
+                get_param_with_default('充放电倍率搜索范围-最小值', 0.1),
+                get_param_with_default('充放电倍率搜索范围-最大值', 2.0)
+            ),
+            'max_iterations': int(get_param_with_default('最大迭代次数', 100)),
+            'tolerance': get_param_with_default('收敛容差', 0.01)
+        }
+        
+    except Exception as e:
+        print(f"读取优化设置失败，使用默认设置：{str(e)}")
+        return {
+            'storage_capacity_range': (0, 1000),
+            'rate_range': (0.1, 2.0),
+            'max_iterations': 100,
+            'tolerance': 0.01
+        }
+
+
 def validate_system_parameters(params: SystemParameters) -> Dict[str, Any]:
     """
     验证系统参数的有效性
@@ -424,6 +750,32 @@ def validate_system_parameters(params: SystemParameters) -> Dict[str, Any]:
 
 def main():
     """主函数，演示Excel数据读取功能"""
+    import sys
+    
+    # 检查命令行参数
+    if len(sys.argv) > 1 and sys.argv[1] == '--economic':
+        print("=== 创建经济优化Excel模板 ===")
+        
+        # 创建经济优化模板文件
+        economic_template_8760 = "economic_data_template_8760.xlsx"
+        economic_template_24 = "economic_data_template_24.xlsx"
+        
+        print("\n1. 创建经济优化Excel模板文件...")
+        create_excel_template(economic_template_8760, "8760")
+        create_excel_template(economic_template_24, "24")
+        
+        print(f"\n[OK] 经济优化Excel模板创建完成！")
+        print(f"[FILE] 8760小时模板: {economic_template_8760}")
+        print(f"[FILE] 24小时模板: {economic_template_24}")
+        print(f"\n[INFO] 模板包含以下工作表：")
+        print(f"   1. 数据 - 8760小时电力数据")
+        print(f"   2. 参数 - 系统运行参数")
+        print(f"   3. 经济参数 - 经济优化参数")
+        print(f"   4. 说明 - 使用说明")
+        print(f"\n[USAGE] 使用方法：")
+        print(f"   uv run python economic_optimization.py --excel {economic_template_8760}")
+        return
+    
     print("=== Excel数据读取模块演示 ===")
     
     # 创建模板文件

src/solar_optimization.py

@@ -0,0 +1,362 @@
+"""
+光伏出力优化模块
+
+该模块通过调整光伏出力曲线的系数，在给定的系统参数条件下
+最小化与电网交换的电量，提高系统的自平衡能力。
+
+作者: iFlow CLI
+创建日期: 2025-12-26
+"""
+
+import numpy as np
+from typing import List, Dict, Tuple, Optional
+from dataclasses import dataclass
+from storage_optimization import SystemParameters, optimize_storage_capacity, calculate_energy_balance
+
+
+@dataclass
+class SolarOptimizationResult:
+    """光伏优化结果类"""
+    optimal_solar_coefficient: float        # 最优光伏系数
+    original_solar_output: List[float]      # 原始光伏出力曲线
+    optimized_solar_output: List[float]     # 优化后光伏出力曲线
+    min_grid_exchange: float                # 最小电网交换电量
+    grid_purchase: float                    # 购电量
+    grid_feed_in: float                     # 上网电量
+    storage_result: Dict                    # 储能优化结果
+    optimization_history: List[Dict]        # 优化历史记录
+
+
+def calculate_grid_exchange_metric(
+    solar_output: List[float],
+    wind_output: List[float],
+    thermal_output: List[float],
+    load_demand: List[float],
+    params: SystemParameters
+) -> Dict[str, float]:
+    """
+    计算电网交换电量指标
+    
+    Args:
+        solar_output: 光伏出力曲线 (MW)
+        wind_output: 风电出力曲线 (MW)
+        thermal_output: 火电出力曲线 (MW)
+        load_demand: 负荷曲线 (MW)
+        params: 系统参数配置
+        
+    Returns:
+        包含电网交换指标的字典
+    """
+    # 计算最优储能容量
+    storage_result = optimize_storage_capacity(
+        solar_output, wind_output, thermal_output, load_demand, params
+    )
+    
+    # 计算电网交换电量
+    grid_feed_in = storage_result['grid_feed_in']
+    
+    # 分离购电和上网电量
+    total_purchase = sum(-x for x in grid_feed_in if x < 0)  # 购电量（正值）
+    total_feed_in = sum(x for x in grid_feed_in if x > 0)    # 上网电量（正值）
+    
+    # 计算总交换电量（购电 + 上网）
+    total_exchange = total_purchase + total_feed_in
+    
+    return {
+        'total_exchange': total_exchange,
+        'grid_purchase': total_purchase,
+        'grid_feed_in': total_feed_in,
+        'storage_capacity': storage_result['required_storage_capacity'],
+        'storage_result': storage_result
+    }
+
+
+def optimize_solar_output(
+    original_solar_output: List[float],
+    wind_output: List[float],
+    thermal_output: List[float],
+    load_demand: List[float],
+    params: SystemParameters,
+    coefficient_range: Tuple[float, float] = (0.1, 2.0),
+    tolerance: float = 0.01,
+    max_iterations: int = 50
+) -> SolarOptimizationResult:
+    """
+    优化光伏出力系数以最小化电网交换电量
+    
+    Args:
+        original_solar_output: 原始光伏出力曲线 (MW)
+        wind_output: 风电出力曲线 (MW)
+        thermal_output: 火电出力曲线 (MW)
+        load_demand: 负荷曲线 (MW)
+        params: 系统参数配置
+        coefficient_range: 光伏系数搜索范围 (最小值, 最大值)
+        tolerance: 收敛容差
+        max_iterations: 最大迭代次数
+        
+    Returns:
+        光伏优化结果
+    """
+    print("开始光伏出力优化...")
+    
+    # 初始化优化历史
+    optimization_history = []
+    
+    # 使用黄金分割法进行一维优化
+    phi = (1 + np.sqrt(5)) / 2  # 黄金比例
+    resphi = 2 - phi
+    
+    a, b = coefficient_range
+    c = b - resphi * (b - a)
+    d = a + resphi * (b - a)
+    
+    # 计算初始点的目标函数值
+    fc = calculate_grid_exchange_metric(
+        [x * c for x in original_solar_output],
+        wind_output, thermal_output, load_demand, params
+    )
+    
+    fd = calculate_grid_exchange_metric(
+        [x * d for x in original_solar_output],
+        wind_output, thermal_output, load_demand, params
+    )
+    
+    # 记录初始点
+    optimization_history.append({
+        'coefficient': c,
+        'total_exchange': fc['total_exchange'],
+        'grid_purchase': fc['grid_purchase'],
+        'grid_feed_in': fc['grid_feed_in'],
+        'storage_capacity': fc['storage_capacity']
+    })
+    
+    optimization_history.append({
+        'coefficient': d,
+        'total_exchange': fd['total_exchange'],
+        'grid_purchase': fd['grid_purchase'],
+        'grid_feed_in': fd['grid_feed_in'],
+        'storage_capacity': fd['storage_capacity']
+    })
+    
+    # 黄金分割搜索
+    for iteration in range(max_iterations):
+        if abs(fc['total_exchange'] - fd['total_exchange']) < tolerance:
+            break
+            
+        if fc['total_exchange'] < fd['total_exchange']:
+            b = d
+            d = c
+            fd = fc
+            c = b - resphi * (b - a)
+            
+            fc = calculate_grid_exchange_metric(
+                [x * c for x in original_solar_output],
+                wind_output, thermal_output, load_demand, params
+            )
+            
+            optimization_history.append({
+                'coefficient': c,
+                'total_exchange': fc['total_exchange'],
+                'grid_purchase': fc['grid_purchase'],
+                'grid_feed_in': fc['grid_feed_in'],
+                'storage_capacity': fc['storage_capacity']
+            })
+        else:
+            a = c
+            c = d
+            fc = fd
+            d = a + resphi * (b - a)
+            
+            fd = calculate_grid_exchange_metric(
+                [x * d for x in original_solar_output],
+                wind_output, thermal_output, load_demand, params
+            )
+            
+            optimization_history.append({
+                'coefficient': d,
+                'total_exchange': fd['total_exchange'],
+                'grid_purchase': fd['grid_purchase'],
+                'grid_feed_in': fd['grid_feed_in'],
+                'storage_capacity': fd['storage_capacity']
+            })
+    
+    # 确定最优系数
+    if fc['total_exchange'] < fd['total_exchange']:
+        optimal_coefficient = c
+        best_result = fc
+    else:
+        optimal_coefficient = d
+        best_result = fd
+    
+    # 生成优化后的光伏出力曲线
+    optimized_solar_output = [x * optimal_coefficient for x in original_solar_output]
+    
+    # 重新计算完整的最优储能配置
+    final_storage_result = optimize_storage_capacity(
+        optimized_solar_output, wind_output, thermal_output, load_demand, params
+    )
+    
+    print(f"优化完成！最优光伏系数: {optimal_coefficient:.3f}")
+    print(f"最小电网交换电量: {best_result['total_exchange']:.2f} MWh")
+    
+    return SolarOptimizationResult(
+        optimal_solar_coefficient=optimal_coefficient,
+        original_solar_output=original_solar_output,
+        optimized_solar_output=optimized_solar_output,
+        min_grid_exchange=best_result['total_exchange'],
+        grid_purchase=best_result['grid_purchase'],
+        grid_feed_in=best_result['grid_feed_in'],
+        storage_result=final_storage_result,
+        optimization_history=optimization_history
+    )
+
+
+
+
+
+def export_optimization_results(result: SolarOptimizationResult, filename: str = None):
+    """
+    导出光伏优化结果到Excel文件
+    
+    Args:
+        result: 光伏优化结果
+        filename: 输出文件名，如果为None则自动生成
+    """
+    import pandas as pd
+    from datetime import datetime
+    
+    if filename is None:
+        timestamp = datetime.now().strftime("%Y%m%d_%H%M%S")
+        filename = f"solar_optimization_results_{timestamp}.xlsx"
+    
+    print(f"正在导出光伏优化结果到Excel文件: {filename}")
+    
+    hours = list(range(1, len(result.original_solar_output) + 1))
+    
+    # 创建主要数据DataFrame
+    data_df = pd.DataFrame({
+        '小时': hours,
+        '原始光伏出力(MW)': result.original_solar_output,
+        '优化后光伏出力(MW)': result.optimized_solar_output,
+        '出力变化(MW)': [result.optimized_solar_output[i] - result.original_solar_output[i] 
+                        for i in range(len(result.original_solar_output))],
+        '变化比例(%)': [(result.optimized_solar_output[i] / result.original_solar_output[i] - 1) * 100 
+                       if result.original_solar_output[i] > 0 else 0 
+                       for i in range(len(result.original_solar_output))]
+    })
+    
+    # 创建优化结果摘要DataFrame
+    summary_df = pd.DataFrame({
+        '指标': [
+            '最优光伏系数',
+            '最小电网交换电量',
+            '购电量',
+            '上网电量',
+            '所需储能容量',
+            '优化后弃风率',
+            '优化后弃光率',
+            '优化后上网电量比例'
+        ],
+        '数值': [
+            f"{result.optimal_solar_coefficient:.3f}",
+            f"{result.min_grid_exchange:.2f} MWh",
+            f"{result.grid_purchase:.2f} MWh",
+            f"{result.grid_feed_in:.2f} MWh",
+            f"{result.storage_result['required_storage_capacity']:.2f} MWh",
+            f"{result.storage_result['total_curtailment_wind_ratio']:.3f}",
+            f"{result.storage_result['total_curtailment_solar_ratio']:.3f}",
+            f"{result.storage_result['total_grid_feed_in_ratio']:.3f}"
+        ]
+    })
+    
+    # 创建优化历史DataFrame
+    history_df = pd.DataFrame(result.optimization_history)
+    history_df.columns = ['光伏系数', '电网交换电量(MWh)', '购电量(MWh)', '上网电量(MWh)', '储能容量(MWh)']
+    
+    # 写入Excel文件
+    with pd.ExcelWriter(filename, engine='openpyxl') as writer:
+        # 写入主要数据
+        data_df.to_excel(writer, sheet_name='出力曲线对比', index=False)
+        
+        # 写入优化结果摘要
+        summary_df.to_excel(writer, sheet_name='优化结果摘要', index=False)
+        
+        # 写入优化历史
+        history_df.to_excel(writer, sheet_name='优化历史', index=False)
+        
+        # 创建说明工作表
+        description_df = pd.DataFrame({
+            '项目': [
+                '文件说明',
+                '生成时间',
+                '优化目标',
+                '优化方法',
+                '数据长度',
+                '注意事项'
+            ],
+            '内容': [
+                '光伏出力优化结果 - 通过调整光伏系数最小化电网交换电量',
+                datetime.now().strftime("%Y-%m-%d %H:%M:%S"),
+                '最小化与电网交换的总电量（购电 + 上网）',
+                '黄金分割一维优化算法',
+                f"{len(result.original_solar_output)} 小时",
+                '优化结果在给定的系统参数约束下得出'
+            ]
+        })
+        description_df.to_excel(writer, sheet_name='说明', index=False)
+    
+    print(f"光伏优化结果已成功导出到: {filename}")
+    return filename
+
+
+def main():
+    """主函数，提供示例使用"""
+    # 示例数据
+    original_solar_output = [0.0] * 6 + [1.0, 2.0, 3.0, 4.0, 5.0, 6.0, 5.0, 4.0, 3.0, 2.0, 1.0, 0.0] + [0.0] * 6
+    wind_output = [2.0, 3.0, 4.0, 3.0, 2.0, 1.0] * 4
+    thermal_output = [5.0] * 24
+    load_demand = [3.0, 4.0, 5.0, 6.0, 8.0, 10.0, 12.0, 14.0, 16.0, 18.0, 20.0, 18.0,
+                   16.0, 14.0, 12.0, 10.0, 8.0, 6.0, 5.0, 4.0, 3.0, 2.0, 1.0, 2.0]
+    
+    # 系统参数
+    params = SystemParameters(
+        max_curtailment_wind=0.1,
+        max_curtailment_solar=0.1,
+        max_grid_ratio=0.2,
+        storage_efficiency=0.9,
+        discharge_rate=1.0,
+        charge_rate=1.0,
+        rated_thermal_capacity=100.0,
+        rated_solar_capacity=100.0,
+        rated_wind_capacity=100.0,
+        available_thermal_energy=2400.0,
+        available_solar_energy=600.0,
+        available_wind_energy=1200.0
+    )
+    
+    # 执行光伏优化
+    result = optimize_solar_output(
+        original_solar_output, wind_output, thermal_output, load_demand, params
+    )
+    
+    # 打印结果
+    print("\n=== 光伏出力优化结果 ===")
+    print(f"最优光伏系数: {result.optimal_solar_coefficient:.3f}")
+    print(f"最小电网交换电量: {result.min_grid_exchange:.2f} MWh")
+    print(f"其中购电量: {result.grid_purchase:.2f} MWh")
+    print(f"其中上网电量: {result.grid_feed_in:.2f} MWh")
+    print(f"所需储能容量: {result.storage_result['required_storage_capacity']:.2f} MWh")
+    print(f"优化后弃风率: {result.storage_result['total_curtailment_wind_ratio']:.3f}")
+    print(f"优化后弃光率: {result.storage_result['total_curtailment_solar_ratio']:.3f}")
+    print(f"优化后上网电量比例: {result.storage_result['total_grid_feed_in_ratio']:.3f}")
+    
+    
+    
+    # 导出结果
+    export_optimization_results(result)
+    
+    return result
+
+
+if __name__ == "__main__":
+    main()

src/storage_optimization.py

@@ -0,0 +1,782 @@
+"""
+多能互补系统储能容量优化计算程序
+
+该程序计算多能互补系统中所需的储能容量，确保系统在24小时内电能平衡，
+同时满足用户定义的弃风弃光率和上网电量比例约束。
+
+作者: iFlow CLI
+创建日期: 2025-12-25
+"""
+
+import numpy as np
+import math
+from typing import List, Dict, Tuple, Optional, Any
+from dataclasses import dataclass
+
+
+@dataclass
+class SystemParameters:
+    """系统参数配置类"""
+    max_curtailment_wind: float = 0.1    # 最大允许弃风率 (0.0-1.0)
+    max_curtailment_solar: float = 0.1   # 最大允许弃光率 (0.0-1.0)
+    max_grid_ratio: float = 0.2          # 最大允许上网电量比例 (0.0-∞，只限制上网电量，不限制购电)
+    storage_efficiency: float = 0.9      # 储能充放电效率 (0.0-1.0)
+    discharge_rate: float = 1.0          # 储能放电倍率 (C-rate)
+    charge_rate: float = 1.0             # 储能充电倍率 (C-rate)
+    max_storage_capacity: Optional[float] = None  # 储能容量上限 (MWh)，None表示无限制
+    # 新增额定装机容量参数
+    rated_thermal_capacity: float = 100.0  # 额定火电装机容量 (MW)
+    rated_solar_capacity: float = 100.0    # 额定光伏装机容量 (MW)
+    rated_wind_capacity: float = 100.0     # 额定风电装机容量 (MW)
+    # 新增可用发电量参数
+    available_thermal_energy: float = 2400.0  # 火电可用发电量 (MWh)
+    available_solar_energy: float = 600.0    # 光伏可用发电量 (MWh)
+    available_wind_energy: float = 1200.0    # 风电可用发电量 (MWh)
+
+
+def validate_inputs(
+    solar_output: List[float],
+    wind_output: List[float],
+    thermal_output: List[float],
+    load_demand: List[float],
+    params: SystemParameters
+) -> None:
+    """
+    验证输入数据的有效性
+    
+    Args:
+        solar_output: 24小时光伏出力曲线 (MW)
+        wind_output: 24小时风电出力曲线 (MW)
+        thermal_output: 24小时火电出力曲线 (MW)
+        load_demand: 24小时负荷曲线 (MW)
+        params: 系统参数配置
+        
+    Raises:
+        ValueError: 当输入数据无效时抛出异常
+    """
+    # 检查数据长度（支持24小时或8760小时）
+    data_length = len(solar_output)
+    valid_lengths = [24, 8760]
+    
+    if data_length not in valid_lengths:
+        raise ValueError(f"输入数据长度必须为24小时或8760小时，当前长度为{data_length}")
+    
+    if len(wind_output) != data_length or len(thermal_output) != data_length or len(load_demand) != data_length:
+        raise ValueError("所有输入数据长度必须一致")
+    
+    # 检查数据类型和范围
+    for name, data in [
+        ("光伏出力", solar_output), ("风电出力", wind_output),
+        ("火电出力", thermal_output), ("负荷需求", load_demand)
+    ]:
+        if not all(isinstance(x, (int, float)) for x in data):
+            raise ValueError(f"{name}必须包含数值数据")
+        if any(x < 0 for x in data):
+            raise ValueError(f"{name}不能包含负值")
+    
+    # 检查参数范围
+    if not (0.0 <= params.max_curtailment_wind <= 1.0):
+        raise ValueError("弃风率必须在0.0-1.0之间")
+    if not (0.0 <= params.max_curtailment_solar <= 1.0):
+        raise ValueError("弃光率必须在0.0-1.0之间")
+    # max_grid_ratio只限制上网电量比例，必须为非负值
+    if not (0.0 <= params.max_grid_ratio):
+        raise ValueError("上网电量比例限制必须为非负值")
+    if not (0.0 < params.storage_efficiency <= 1.0):
+        raise ValueError("储能效率必须在0.0-1.0之间")
+    if params.discharge_rate <= 0 or params.charge_rate <= 0:
+        raise ValueError("充放电倍率必须大于0")
+    if params.max_storage_capacity is not None and params.max_storage_capacity <= 0:
+        raise ValueError("储能容量上限必须大于0")
+    # 验证新增的额定装机容量参数
+    if params.rated_thermal_capacity < 0:
+        raise ValueError("额定火电装机容量必须为非负值")
+    if params.rated_solar_capacity <= 0:
+        raise ValueError("额定光伏装机容量必须大于0")
+    if params.rated_wind_capacity <= 0:
+        raise ValueError("额定风电装机容量必须大于0")
+    # 验证新增的可用发电量参数
+    if params.available_thermal_energy < 0:
+        raise ValueError("火电可用发电量必须为非负值")
+    if params.available_solar_energy < 0:
+        raise ValueError("光伏可用发电量必须为非负值")
+    if params.available_wind_energy < 0:
+        raise ValueError("风电可用发电量必须为非负值")
+
+
+def calculate_energy_balance(
+    solar_output: List[float],
+    wind_output: List[float],
+    thermal_output: List[float],
+    load_demand: List[float],
+    params: SystemParameters,
+    storage_capacity: float,
+    initial_soc: float = 0.0
+) -> Dict[str, List[float]]:
+    """
+    计算给定储能容量下的系统电能平衡
+
+    Args:
+        solar_output: 光伏出力曲线 (MW) - 支持24小时或8760小时
+        wind_output: 风电出力曲线 (MW) - 支持24小时或8760小时
+        thermal_output: 火电出力曲线 (MW) - 支持24小时或8760小时
+        load_demand: 负荷曲线 (MW) - 支持24小时或8760小时
+        params: 系统参数配置
+        storage_capacity: 储能容量 (MWh)
+        initial_soc: 初始储能状态 (MWh)，默认为0.0
+
+    Returns:
+        包含各种功率曲线的字典
+    """
+    # 转换为numpy数组便于计算
+    solar = np.array(solar_output)
+    wind = np.array(wind_output)
+    thermal = np.array(thermal_output)
+    load = np.array(load_demand)
+
+    # 初始化输出数组
+    hours = len(solar_output)
+    storage_soc = np.zeros(hours)          # 储能状态 (MWh)
+    charge_power = np.zeros(hours)         # 充电功率 (MW)
+    discharge_power = np.zeros(hours)      # 放电功率 (MW)
+    curtailed_wind = np.zeros(hours)       # 弃风量 (MW)
+    curtailed_solar = np.zeros(hours)      # 弃光量 (MW)
+    grid_feed_in = np.zeros(hours)         # 上网电量 (MW)
+
+    # 设置初始储能状态
+    storage_soc[0] = initial_soc
+
+    # 计算允许的最大弃风弃光量
+    # 新逻辑：弃光受最大弃光比例限制，弃风不受限制
+    total_solar_potential = sum(solar_output)
+    max_curtailed_solar_total = total_solar_potential * params.max_curtailment_solar
+    max_curtailed_wind_total = float('inf')  # 弃风不受限制
+
+    # 初始化累计弃风弃光量
+    accumulated_curtailed_wind = 0.0
+    accumulated_curtailed_solar = 0.0
+
+    # 计算总可用发电量上限（不考虑火电）
+    total_available_energy = params.available_solar_energy + params.available_wind_energy
+    max_total_grid_feed_in = total_available_energy * params.max_grid_ratio
+
+    # 初始化累计上网电量
+    cumulative_grid_feed_in = 0.0
+
+    # 逐小时计算
+    for hour in range(hours):
+        # 确保储能状态不为负且不超过容量
+        storage_soc[hour] = max(0, min(storage_capacity, storage_soc[hour]))
+
+        # 可用发电量（未考虑弃风弃光）
+        available_generation = thermal[hour] + wind[hour] + solar[hour]
+
+        # 需求电量（负荷）
+        demand = load[hour]
+
+        # 计算功率平衡
+        power_surplus = available_generation - demand
+
+        if power_surplus > 0:
+            # 有盈余电力，优先储能
+            max_charge = min(
+                storage_capacity - storage_soc[hour],  # 储能空间限制
+                storage_capacity * params.charge_rate,  # 充电功率限制
+                power_surplus  # 可用盈余电力
+            )
+
+            # 实际充电功率
+            actual_charge = min(max_charge, power_surplus)
+            charge_power[hour] = actual_charge
+
+            # 更新储能状态（考虑充电效率）
+            if hour < hours - 1:
+                storage_soc[hour + 1] = storage_soc[hour] + actual_charge * params.storage_efficiency
+
+            # 剩余电力优先上网，超出上网电量比例限制时才弃风弃光
+            remaining_surplus = power_surplus - actual_charge
+
+            # 计算当前允许的最大上网电量
+            # 基于总可用发电量和已累计上网电量
+            remaining_grid_quota = max_total_grid_feed_in - cumulative_grid_feed_in
+
+            # 优先上网，但不超过剩余配额
+            grid_feed_allowed = min(remaining_surplus, max(0, remaining_grid_quota))
+            grid_feed_in[hour] = grid_feed_allowed
+            cumulative_grid_feed_in += grid_feed_allowed
+
+            # 剩余电力考虑弃风弃光
+            remaining_surplus -= grid_feed_allowed
+
+            # 计算弃风弃光（新逻辑：先弃光，当达到最大弃光比例后，再弃风，弃风不限）
+            if remaining_surplus > 0:
+                # 计算当前还能弃光的量
+                remaining_solar_curtailment_quota = max_curtailed_solar_total - accumulated_curtailed_solar
+                
+                # 优先弃光，但不超过最大弃光比例
+                if solar[hour] > 0 and remaining_solar_curtailment_quota > 0:
+                    # 可以弃光的量取：光伏出力、剩余盈余电力、剩余弃光配额的最小值
+                    curtailed_solar[hour] = min(solar[hour], remaining_surplus, remaining_solar_curtailment_quota)
+                    remaining_surplus -= curtailed_solar[hour]
+                    accumulated_curtailed_solar += curtailed_solar[hour]
+                
+                # 如果还有剩余电力，弃风（弃风不限）
+                if remaining_surplus > 0 and wind[hour] > 0:
+                    # 弃风不受限制，可以弃掉所有剩余风电
+                    curtailed_wind[hour] = min(wind[hour], remaining_surplus)
+                    remaining_surplus -= curtailed_wind[hour]
+                    accumulated_curtailed_wind += curtailed_wind[hour]
+
+                # 确保电力平衡：如果仍有剩余电力，强制弃掉（安全机制）
+                if remaining_surplus > 0:
+                    # 记录警告但不影响计算
+                    # 在实际系统中，这种情况不应该发生，但作为安全保护
+                    pass
+
+        else:
+            # 电力不足，优先放电
+            power_deficit = -power_surplus
+            grid_feed_in[hour] = 0  # 初始化购电为0
+
+            max_discharge = min(
+                storage_soc[hour],  # 储能状态限制
+                storage_capacity * params.discharge_rate,  # 放电功率限制
+                power_deficit  # 缺电功率
+            )
+
+            # 实际放电功率
+            actual_discharge = min(max_discharge, power_deficit)
+            discharge_power[hour] = actual_discharge
+
+            # 更新储能状态（考虑放电效率）
+            if hour < hours - 1:
+                storage_soc[hour + 1] = storage_soc[hour] - actual_discharge / params.storage_efficiency
+
+            # 计算剩余缺电，需要从电网购电
+            remaining_deficit = power_deficit - actual_discharge
+
+            # 如果还有缺电，从电网购电
+            if remaining_deficit > 0:
+                # 购电功率为负值，表示从电网输入
+                grid_feed_in[hour] = -remaining_deficit
+
+    return {
+        'storage_profile': storage_soc.tolist(),
+        'charge_profile': charge_power.tolist(),
+        'discharge_profile': discharge_power.tolist(),
+        'curtailed_wind': curtailed_wind.tolist(),
+        'curtailed_solar': curtailed_solar.tolist(),
+        'grid_feed_in': grid_feed_in.tolist()
+    }
+
+
+def find_periodic_steady_state(
+    solar_output: List[float],
+    wind_output: List[float],
+    thermal_output: List[float],
+    load_demand: List[float],
+    params: SystemParameters,
+    storage_capacity: float,
+    soc_convergence_threshold: float = 0.001,
+    max_iterations: int = 100
+) -> Dict[str, List[float]]:
+    """
+    通过迭代找到满足周期性平衡的储能初始状态
+
+    步骤：
+    1. 从初始SOC=0开始，运行一次全年仿真，记录最后一小时的SOC值
+    2. 将这个SOC值作为新的"初始SOC"，再次运行仿真
+    3. 重复上述过程，直到首尾SOC的差值小于设定的阈值
+
+    Args:
+        solar_output: 光伏出力曲线 (MW) - 支持24小时或8760小时
+        wind_output: 风电出力曲线 (MW) - 支持24小时或8760小时
+        thermal_output: 火电出力曲线 (MW) - 支持24小时或8760小时
+        load_demand: 负荷曲线 (MW) - 支持24小时或8760小时
+        params: 系统参数配置
+        storage_capacity: 储能容量 (MWh)
+        soc_convergence_threshold: SOC收敛阈值（相对于容量的比例），默认0.1%
+        max_iterations: 最大迭代次数
+
+    Returns:
+        包含各种功率曲线的字典，且满足周期性平衡条件
+    """
+    # 计算收敛阈值的绝对值
+    absolute_threshold = storage_capacity * soc_convergence_threshold
+
+    # 初始SOC从0开始
+    initial_soc = 0.0
+    iteration = 0
+    soc_diff = float('inf')
+
+    print(f"正在寻找周期性平衡状态（SOC收敛阈值: {absolute_threshold:.4f} MWh）...")
+
+    while iteration < max_iterations and soc_diff > absolute_threshold:
+        # 运行仿真
+        balance_result = calculate_energy_balance(
+            solar_output, wind_output, thermal_output, load_demand,
+            params, storage_capacity, initial_soc
+        )
+
+        # 获取初始和最终的SOC
+        storage_initial = balance_result['storage_profile'][0]
+        storage_final = balance_result['storage_profile'][-1]
+
+        # 计算SOC差值
+        soc_diff = abs(storage_final - storage_initial)
+
+        # 更新初始SOC（使用最终SOC作为下一次的初始SOC）
+        initial_soc = storage_final
+
+        # 确保SOC在合理范围内
+        initial_soc = max(0, min(storage_capacity, initial_soc))
+
+        iteration += 1
+
+        # 输出迭代信息（每10次迭代或最后一次）
+        if iteration % 10 == 0 or iteration == 1 or soc_diff <= absolute_threshold:
+            print(f"  迭代 {iteration}: 初始SOC={storage_initial:.4f} MWh, "
+                  f"最终SOC={storage_final:.4f} MWh, 差值={soc_diff:.4f} MWh")
+
+    # 输出收敛结果
+    if soc_diff <= absolute_threshold:
+        print(f"✓ 周期性平衡收敛成功（迭代{iteration}次，SOC差值={soc_diff:.4f} MWh）")
+    else:
+        print(f"⚠ 未达到收敛条件（迭代{iteration}次，SOC差值={soc_diff:.4f} MWh）")
+
+    return balance_result
+
+
+def check_constraints(
+    solar_output: List[float],
+    wind_output: List[float],
+    thermal_output: List[float],
+    balance_result: Dict[str, Any],
+    params: SystemParameters
+) -> Dict[str, float]:
+    """
+    检查约束条件是否满足
+
+    Args:
+        solar_output: 光伏出力曲线 (MW) - 支持24小时或8760小时
+        wind_output: 风电出力曲线 (MW) - 支持24小时或8760小时
+        thermal_output: 火电出力曲线 (MW) - 支持24小时或8760小时
+        load_demand: 负荷曲线 (MW) - 支持24小时或8760小时
+        balance_result: 电能平衡计算结果
+        params: 系统参数配置
+
+    Returns:
+        包含各约束实际比例的字典
+    """
+    # 计算总量
+    total_wind_potential = sum(wind_output)
+    total_solar_potential = sum(solar_output)
+    total_thermal = sum(thermal_output)
+
+    # 确保数据是列表类型
+    curtailed_wind = balance_result['curtailed_wind']
+    curtailed_solar = balance_result['curtailed_solar']
+    grid_feed_in = balance_result['grid_feed_in']
+    
+    if isinstance(curtailed_wind, (list, tuple)):
+        total_curtailed_wind = sum(curtailed_wind)
+    else:
+        total_curtailed_wind = float(curtailed_wind) if isinstance(curtailed_wind, (int, float)) else 0.0
+        
+    if isinstance(curtailed_solar, (list, tuple)):
+        total_curtailed_solar = sum(curtailed_solar)
+    else:
+        total_curtailed_solar = float(curtailed_solar) if isinstance(curtailed_solar, (int, float)) else 0.0
+        
+    if isinstance(grid_feed_in, (list, tuple)):
+        total_grid_feed_in = sum(grid_feed_in)
+    else:
+        total_grid_feed_in = float(grid_feed_in) if isinstance(grid_feed_in, (int, float)) else 0.0
+
+    # 实际发电量（考虑弃风弃光）
+    actual_wind_generation = total_wind_potential - total_curtailed_wind
+    actual_solar_generation = total_solar_potential - total_curtailed_solar
+    total_generation = total_thermal + actual_wind_generation + actual_solar_generation
+
+    # 计算比例
+    actual_curtailment_wind_ratio = total_curtailed_wind / total_wind_potential if total_wind_potential > 0 else 0
+    actual_curtailment_solar_ratio = total_curtailed_solar / total_solar_potential if total_solar_potential > 0 else 0
+    actual_grid_feed_in_ratio = total_grid_feed_in / total_generation if total_generation > 0 else 0
+
+    return {
+        'total_curtailment_wind_ratio': actual_curtailment_wind_ratio,
+        'total_curtailment_solar_ratio': actual_curtailment_solar_ratio,
+        'total_grid_feed_in_ratio': actual_grid_feed_in_ratio
+    }
+
+
+def optimize_storage_capacity(
+    solar_output: List[float],
+    wind_output: List[float],
+    thermal_output: List[float],
+    load_demand: List[float],
+    params: SystemParameters,
+    max_iterations: int = 100,
+    tolerance: float = 0.01,
+    search_step: float = 0.01
+) -> Dict:
+    """
+    优化储能容量，在不超过设定储能容量上限的前提下，选择使弃电量最小的储能容量
+
+    Args:
+        solar_output: 光伏出力曲线 (MW) - 支持24小时或8760小时
+        wind_output: 风电出力曲线 (MW) - 支持24小时或8760小时
+        load_demand: 负荷曲线 (MW) - 支持24小时或8760小时
+        params: 系统参数配置
+        max_iterations: 最大迭代次数
+        tolerance: 收敛容差
+        search_step: 搜索步长（相对于最大容量的比例）
+
+    Returns:
+        包含优化结果的字典
+    """
+    # 验证输入
+    validate_inputs(solar_output, wind_output, thermal_output, load_demand, params)
+
+    # 初始化搜索范围
+    lower_bound = 0.0
+    theoretical_max = max(sum(solar_output) + sum(wind_output) + sum(thermal_output), sum(load_demand))
+
+    # 应用储能容量上限限制
+    if params.max_storage_capacity is not None:
+        upper_bound = min(theoretical_max, params.max_storage_capacity)
+    else:
+        upper_bound = theoretical_max
+        print("警告：未设置储能容量上限，将使用理论最大值")
+
+    # 判断数据类型（24小时或8760小时）
+    data_length = len(solar_output)
+    is_yearly_data = data_length == 8760
+
+    if is_yearly_data:
+        print(f"处理8760小时全年数据，启用周期性平衡优化...")
+
+    # 在容量范围内搜索，找到弃电量最小的储能容量
+    # 使用二分搜索 + 局部搜索相结合的方法
+    
+    # 首先使用二分搜索找到一个满足约束的基准容量
+    print("第一阶段：二分搜索寻找满足约束的基准容量...")
+    
+    best_capacity = upper_bound
+    best_result = None
+    best_curtailed = float('inf')
+    solution_found = False
+    
+    # 二分搜索寻找最小可行容量
+    lower_bound_search = lower_bound
+    upper_bound_search = upper_bound
+    feasible_capacity = None
+    
+    for iteration in range(max_iterations):
+        mid_capacity = (lower_bound_search + upper_bound_search) / 2
+
+        # 计算当前容量下的平衡
+        if is_yearly_data:
+            balance_result = find_periodic_steady_state(
+                solar_output, wind_output, thermal_output, load_demand,
+                params, mid_capacity
+            )
+        else:
+            balance_result = calculate_energy_balance(
+                solar_output, wind_output, thermal_output, load_demand, params, mid_capacity
+            )
+
+        # 检查约束条件
+        constraint_results = check_constraints(solar_output, wind_output, thermal_output, balance_result, params)
+
+        # 检查是否满足所有约束
+        total_grid_feed_in = sum(balance_result['grid_feed_in'])
+        if total_grid_feed_in > 0:
+            grid_constraint_satisfied = constraint_results['total_grid_feed_in_ratio'] <= params.max_grid_ratio
+        else:
+            grid_constraint_satisfied = True
+        
+        # 新逻辑：弃光受最大弃光比例限制，弃风不受限制
+        solar_constraint_satisfied = constraint_results['total_curtailment_solar_ratio'] <= params.max_curtailment_solar
+        # 弃风不受限制，始终满足
+        wind_constraint_satisfied = True
+        
+        # 考虑浮点数误差，判断上网电量比例是否为0
+        grid_quota_zero = abs(params.max_grid_ratio) < 1e-10
+
+        if grid_quota_zero:
+            constraints_satisfied = grid_constraint_satisfied and solar_constraint_satisfied
+        else:
+            constraints_satisfied = (
+                solar_constraint_satisfied and  # 弃光受限制
+                wind_constraint_satisfied and  # 弃风不受限制
+                grid_constraint_satisfied      # 上网电量受限制
+            )
+
+        # 检查储能日平衡（周期结束时储能状态应接近初始值）
+        storage_initial = balance_result['storage_profile'][0]
+        storage_final = balance_result['storage_profile'][-1]
+        daily_balance = abs(storage_final - storage_initial) < tolerance
+
+        if constraints_satisfied and daily_balance:
+            # 满足条件，尝试减小容量
+            feasible_capacity = mid_capacity
+            upper_bound_search = mid_capacity
+        else:
+            # 不满足条件，增大容量
+            lower_bound_search = mid_capacity
+
+        # 检查收敛
+        if upper_bound_search - lower_bound_search < tolerance:
+            break
+    
+    # 如果找到了可行解，使用它作为基准；否则使用上限
+    if feasible_capacity is not None:
+        print(f"找到基准可行容量: {feasible_capacity:.2f} MWh")
+    else:
+        print(f"未找到可行解，使用上限容量: {upper_bound:.2f} MWh")
+        feasible_capacity = upper_bound
+    
+    # 第二阶段：在 [feasible_capacity, upper_bound] 范围内搜索弃电量最小的容量
+    print("\n第二阶段：在可行容量范围内搜索弃电量最小的储能容量...")
+    
+    # 使用梯度下降方法搜索最优容量
+    # 定义搜索区间
+    search_lower = feasible_capacity
+    search_upper = upper_bound
+    
+    # 计算当前最小弃电量
+    best_capacity = feasible_capacity
+    
+    # 计算基准容量的弃电量
+    if is_yearly_data:
+        base_result = find_periodic_steady_state(
+            solar_output, wind_output, thermal_output, load_demand,
+            params, best_capacity
+        )
+    else:
+        base_result = calculate_energy_balance(
+            solar_output, wind_output, thermal_output, load_demand, params, best_capacity
+        )
+    
+    base_curtailed = sum(base_result['curtailed_wind']) + sum(base_result['curtailed_solar'])
+    best_curtailed = base_curtailed
+    constraint_results = check_constraints(solar_output, wind_output, thermal_output, base_result, params)
+    best_result: Dict[str, Any] = {**base_result, **constraint_results}
+    
+    print(f"基准容量 {best_capacity:.2f} MWh 的弃电量: {best_curtailed:.2f} MWh")
+    
+    # 对每1MW的容量进行计算，寻找最优容量
+    print(f"\n开始对每1MW容量进行精确搜索...")
+    
+    # 计算搜索范围，确保为整数
+    start_capacity = int(math.ceil(search_lower))
+    end_capacity = int(math.floor(search_upper))
+    
+    print(f"搜索范围: {start_capacity} MWh 到 {end_capacity} MWh")
+    
+    # 遍历每个可能的容量值（步长为1MW）
+    for capacity in range(start_capacity, end_capacity + 1):
+        # 计算当前容量的弃电量
+        if is_yearly_data:
+            result = find_periodic_steady_state(
+                solar_output, wind_output, thermal_output, load_demand,
+                params, capacity
+            )
+        else:
+            result = calculate_energy_balance(
+                solar_output, wind_output, thermal_output, load_demand, params, capacity
+            )
+        
+        curtailed = sum(result['curtailed_wind']) + sum(result['curtailed_solar'])
+        
+        # 检查约束条件
+        constraint_results = check_constraints(solar_output, wind_output, thermal_output, result, params)
+        
+        # 检查是否满足约束条件
+        total_grid_feed_in = sum(result['grid_feed_in'])
+        if total_grid_feed_in > 0:
+            grid_constraint_satisfied = constraint_results['total_grid_feed_in_ratio'] <= params.max_grid_ratio
+        else:
+            grid_constraint_satisfied = True
+        
+        # 新逻辑：弃光受最大弃光比例限制，弃风不受限制
+        solar_constraint_satisfied = constraint_results['total_curtailment_solar_ratio'] <= params.max_curtailment_solar
+        wind_constraint_satisfied = True  # 弃风不受限制
+        
+        grid_quota_zero = abs(params.max_grid_ratio) < 1e-10
+
+        if grid_quota_zero:
+            constraints_satisfied = grid_constraint_satisfied and solar_constraint_satisfied
+        else:
+            constraints_satisfied = (
+                solar_constraint_satisfied and  # 弃光受限制
+                wind_constraint_satisfied and  # 弃风不受限制
+                grid_constraint_satisfied      # 上网电量受限制
+            )
+        
+        # 检查储能日平衡（周期结束时储能状态应接近初始值）
+        storage_initial = result['storage_profile'][0]
+        storage_final = result['storage_profile'][-1]
+        daily_balance = abs(storage_final - storage_initial) < tolerance
+        
+        # 只有满足约束条件的容量才考虑
+        if constraints_satisfied and daily_balance:
+            # 更新最优解
+            if curtailed < best_curtailed:
+                best_curtailed = curtailed
+                best_capacity = capacity
+                best_result = {**result, **constraint_results}  # type: ignore
+                print(f"  发现更优容量: {best_capacity} MWh, 弃电量: {best_curtailed:.2f} MWh")
+        
+        # 每处理10个容量值输出一次进度
+        if (capacity - start_capacity + 1) % 10 == 0:
+            print(f"  已检查 {capacity - start_capacity + 1}/{end_capacity - start_capacity + 1} 个容量值")
+    
+    print(f"精确搜索完成，共检查 {end_capacity - start_capacity + 1} 个容量值")
+    
+    # 将储能容量向上取整为整数
+    rounded_capacity = math.ceil(best_capacity)
+    # 确保不超过容量上限
+    if params.max_storage_capacity is not None:
+        rounded_capacity = min(rounded_capacity, int(params.max_storage_capacity))
+    # 确保不为负数
+    rounded_capacity = max(0, rounded_capacity)
+    
+    print(f"\n优化得到的储能容量: {best_capacity:.2f} MWh")
+    print(f"调整后储能容量(向上取整): {rounded_capacity:.0f} MWh (容量上限: {upper_bound:.2f} MWh)")
+    print(f"最终弃电量: {best_curtailed:.2f} MWh")
+
+    # 如果调整后的容量不同，重新计算以确保结果准确
+    if abs(rounded_capacity - best_capacity) > 0.1:
+        print(f"重新计算调整后的储能容量结果...")
+        if is_yearly_data:
+            adjusted_result = find_periodic_steady_state(
+                solar_output, wind_output, thermal_output, load_demand,
+                params, rounded_capacity
+            )
+        else:
+            adjusted_result = calculate_energy_balance(
+                solar_output, wind_output, thermal_output, load_demand, params, rounded_capacity
+            )
+        
+        # 检查约束条件
+        adjusted_constraint_results = check_constraints(solar_output, wind_output, thermal_output, adjusted_result, params)
+        
+        # 更新结果
+        best_result = {**adjusted_result, **adjusted_constraint_results}  # type: ignore
+        best_capacity = rounded_capacity
+        best_curtailed = sum(adjusted_result['curtailed_wind']) + sum(adjusted_result['curtailed_solar'])
+        
+        print(f"调整后的弃电量: {best_curtailed:.2f} MWh")
+    else:
+        best_capacity = rounded_capacity
+
+    # 添加能量平衡校验
+    total_generation = sum(thermal_output) + sum(wind_output) + sum(solar_output)
+    total_consumption = sum(load_demand)
+    
+    # 确保best_result中的数据是列表类型
+    curtailed_wind_list = best_result['curtailed_wind'] if isinstance(best_result['curtailed_wind'], list) else list(best_result['curtailed_wind'])
+    curtailed_solar_list = best_result['curtailed_solar'] if isinstance(best_result['curtailed_solar'], list) else list(best_result['curtailed_solar'])
+    grid_feed_in_list = best_result['grid_feed_in'] if isinstance(best_result['grid_feed_in'], list) else list(best_result['grid_feed_in'])
+    charge_profile_list = best_result['charge_profile'] if isinstance(best_result['charge_profile'], list) else list(best_result['charge_profile'])
+    discharge_profile_list = best_result['discharge_profile'] if isinstance(best_result['discharge_profile'], list) else list(best_result['discharge_profile'])
+    storage_profile_list = best_result['storage_profile'] if isinstance(best_result['storage_profile'], list) else list(best_result['storage_profile'])
+    
+    total_curtailed = sum(curtailed_wind_list) + sum(curtailed_solar_list)
+    total_grid = sum(grid_feed_in_list)
+    total_charge = sum(charge_profile_list)
+    total_discharge = sum(discharge_profile_list)
+    storage_net_change = storage_profile_list[-1] - storage_profile_list[0]
+
+    # 能量平衡校验：发电量 + 放电量/效率 = 负荷 + 充电量*效率 + 弃风弃光 + 上网电量
+    # 考虑储能充放电效率的能量平衡
+    energy_from_storage = total_discharge / params.storage_efficiency  # 储能提供的有效能量
+    energy_to_storage = total_charge * params.storage_efficiency      # 储能消耗的电网能量
+
+    # 能量平衡校验：应该接近0，但允许一定误差
+    # 当total_grid为负时（购电），应该加到左侧（供给侧）
+    # 当total_grid为正时（上网），应该加到右侧（需求侧）
+    if total_grid < 0:  # 购电情况
+        energy_balance_error = abs(
+            total_generation + energy_from_storage + abs(total_grid) - total_consumption - energy_to_storage - total_curtailed
+        )
+    else:  # 上网情况
+        energy_balance_error = abs(
+            total_generation + energy_from_storage - total_consumption - energy_to_storage - total_curtailed - total_grid
+        )
+    # 使用更大的容差，考虑储能效率损失和数值误差
+    # 允许误差为总发电量的15%或10MW，取较大者
+    # 储能效率损失可能达到总能量的10%以上
+    tolerance = max(10.0, total_generation * 0.15)
+    energy_balance_check = energy_balance_error < tolerance
+
+    # 输出周期性平衡信息
+    if is_yearly_data:
+        soc_initial_final_diff = abs(best_result['storage_profile'][-1] - best_result['storage_profile'][0])
+        print(f"\n周期性平衡信息:")
+        print(f"  初始SOC: {best_result['storage_profile'][0]:.4f} MWh")
+        print(f"  最终SOC: {best_result['storage_profile'][-1]:.4f} MWh")
+        print(f"  SOC差值: {soc_initial_final_diff:.4f} MWh")
+
+    # 最终结果
+    result: Dict[str, Any] = {
+        'required_storage_capacity': best_capacity,
+        'storage_profile': storage_profile_list,
+        'charge_profile': charge_profile_list,
+        'discharge_profile': discharge_profile_list,
+        'curtailed_wind': curtailed_wind_list,
+        'curtailed_solar': curtailed_solar_list,
+        'grid_feed_in': grid_feed_in_list,
+        'total_curtailment_wind_ratio': best_result['total_curtailment_wind_ratio'],
+        'total_curtailment_solar_ratio': best_result['total_curtailment_solar_ratio'],
+        'total_grid_feed_in_ratio': best_result['total_grid_feed_in_ratio'],
+        'energy_balance_check': energy_balance_check,
+        'capacity_limit_reached': params.max_storage_capacity is not None and best_capacity >= params.max_storage_capacity,
+        'total_curtailed_energy': best_curtailed,  # 总弃电量
+        'min_curtailed_capacity': best_capacity,  # 弃电量最小时的储能容量
+        'max_storage_limit': params.max_storage_capacity,
+        'optimization_goal': 'minimize_curtailment'  # 优化目标：最小化弃电量
+    }
+    
+    return result
+
+
+def main():
+    """主函数，提供示例使用"""
+    # 示例数据
+    solar_output = [0.0] * 6 + [1.0, 2.0, 3.0, 4.0, 5.0, 6.0, 5.0, 4.0, 3.0, 2.0, 1.0, 0.0] * 2
+    wind_output = [2.0, 3.0, 4.0, 3.0, 2.0, 1.0] * 4
+    thermal_output = [5.0] * 24
+    load_demand = [3.0, 4.0, 5.0, 6.0, 8.0, 10.0, 12.0, 14.0, 16.0, 18.0, 20.0, 18.0, 
+                   16.0, 14.0, 12.0, 10.0, 8.0, 6.0, 5.0, 4.0, 3.0, 2.0, 1.0, 2.0]
+    
+    # 系统参数
+    params = SystemParameters(
+        max_curtailment_wind=0.1,
+        max_curtailment_solar=0.1,
+        max_grid_ratio=0.2,
+        storage_efficiency=0.9,
+        discharge_rate=1.0,
+        charge_rate=1.0
+    )
+    
+    # 计算最优储能容量
+    result = optimize_storage_capacity(
+        solar_output, wind_output, thermal_output, load_demand, params
+    )
+    
+    # 打印结果
+    print("多能互补系统储能容量优化结果:")
+    print(f"所需储能总容量: {result['required_storage_capacity']:.2f} MWh")
+    print(f"实际弃风率: {result['total_curtailment_wind_ratio']:.3f}")
+    print(f"实际弃光率: {result['total_curtailment_solar_ratio']:.3f}")
+    print(f"实际上网电量比例: {result['total_grid_feed_in_ratio']:.3f}")
+    print(f"能量平衡校验: {'通过' if result['energy_balance_check'] else '未通过'}")
+    
+    return result
+
+
+if __name__ == "__main__":
+    main()

src/test_hello.py

@@ -0,0 +1,10 @@
+#!/usr/bin/env python3
+# -*- coding: utf-8 -*-
+
+"""测试环境是否可用"""
+
+def hello():
+    return "环境正常，我可以写代码！"
+
+if __name__ == "__main__":
+    print(hello())

storage_optimization.py

@@ -1,473 +0,0 @@
-"""
-多能互补系统储能容量优化计算程序
-
-该程序计算多能互补系统中所需的储能容量，确保系统在24小时内电能平衡，
-同时满足用户定义的弃风弃光率和上网电量比例约束。
-
-作者: iFlow CLI
-创建日期: 2025-12-25
-"""
-
-import numpy as np
-from typing import List, Dict, Tuple, Optional
-from dataclasses import dataclass
-
-
-@dataclass
-class SystemParameters:
-    """系统参数配置类"""
-    max_curtailment_wind: float = 0.1    # 最大允许弃风率 (0.0-1.0)
-    max_curtailment_solar: float = 0.1   # 最大允许弃光率 (0.0-1.0)
-    max_grid_ratio: float = 0.2          # 最大允许上网电量比例 (0.0-∞，只限制上网电量，不限制购电)
-    storage_efficiency: float = 0.9      # 储能充放电效率 (0.0-1.0)
-    discharge_rate: float = 1.0          # 储能放电倍率 (C-rate)
-    charge_rate: float = 1.0             # 储能充电倍率 (C-rate)
-    max_storage_capacity: Optional[float] = None  # 储能容量上限 (MWh)，None表示无限制
-
-
-def validate_inputs(
-    solar_output: List[float],
-    wind_output: List[float],
-    thermal_output: List[float],
-    load_demand: List[float],
-    params: SystemParameters
-) -> None:
-    """
-    验证输入数据的有效性
-    
-    Args:
-        solar_output: 24小时光伏出力曲线 (MW)
-        wind_output: 24小时风电出力曲线 (MW)
-        thermal_output: 24小时火电出力曲线 (MW)
-        load_demand: 24小时负荷曲线 (MW)
-        params: 系统参数配置
-        
-    Raises:
-        ValueError: 当输入数据无效时抛出异常
-    """
-    # 检查数据长度（支持24小时或8760小时）
-    data_length = len(solar_output)
-    valid_lengths = [24, 8760]
-    
-    if data_length not in valid_lengths:
-        raise ValueError(f"输入数据长度必须为24小时或8760小时，当前长度为{data_length}")
-    
-    if len(wind_output) != data_length or len(thermal_output) != data_length or len(load_demand) != data_length:
-        raise ValueError("所有输入数据长度必须一致")
-    
-    # 检查数据类型和范围
-    for name, data in [
-        ("光伏出力", solar_output), ("风电出力", wind_output),
-        ("火电出力", thermal_output), ("负荷需求", load_demand)
-    ]:
-        if not all(isinstance(x, (int, float)) for x in data):
-            raise ValueError(f"{name}必须包含数值数据")
-        if any(x < 0 for x in data):
-            raise ValueError(f"{name}不能包含负值")
-    
-    # 检查参数范围
-    if not (0.0 <= params.max_curtailment_wind <= 1.0):
-        raise ValueError("弃风率必须在0.0-1.0之间")
-    if not (0.0 <= params.max_curtailment_solar <= 1.0):
-        raise ValueError("弃光率必须在0.0-1.0之间")
-    # max_grid_ratio只限制上网电量比例，必须为非负值
-    if not (0.0 <= params.max_grid_ratio):
-        raise ValueError("上网电量比例限制必须为非负值")
-    if not (0.0 < params.storage_efficiency <= 1.0):
-        raise ValueError("储能效率必须在0.0-1.0之间")
-    if params.discharge_rate <= 0 or params.charge_rate <= 0:
-        raise ValueError("充放电倍率必须大于0")
-    if params.max_storage_capacity is not None and params.max_storage_capacity <= 0:
-        raise ValueError("储能容量上限必须大于0")
-
-
-def calculate_energy_balance(
-    solar_output: List[float],
-    wind_output: List[float],
-    thermal_output: List[float],
-    load_demand: List[float],
-    params: SystemParameters,
-    storage_capacity: float
-) -> Dict[str, List[float]]:
-    """
-    计算给定储能容量下的系统电能平衡
-    
-    Args:
-        solar_output: 光伏出力曲线 (MW) - 支持24小时或8760小时
-        wind_output: 风电出力曲线 (MW) - 支持24小时或8760小时
-        thermal_output: 火电出力曲线 (MW) - 支持24小时或8760小时
-        load_demand: 负荷曲线 (MW) - 支持24小时或8760小时
-        params: 系统参数配置
-        storage_capacity: 储能容量 (MWh)
-        
-    Returns:
-        包含各种功率曲线的字典
-    """
-    # 转换为numpy数组便于计算
-    solar = np.array(solar_output)
-    wind = np.array(wind_output)
-    thermal = np.array(thermal_output)
-    load = np.array(load_demand)
-    
-    # 初始化输出数组
-    hours = len(solar_output)
-    storage_soc = np.zeros(hours)          # 储能状态 (MWh)
-    charge_power = np.zeros(hours)         # 充电功率 (MW)
-    discharge_power = np.zeros(hours)      # 放电功率 (MW)
-    curtailed_wind = np.zeros(hours)       # 弃风量 (MW)
-    curtailed_solar = np.zeros(hours)      # 弃光量 (MW)
-    grid_feed_in = np.zeros(hours)         # 上网电量 (MW)
-    
-    # 计算总发电潜力
-    total_potential_wind = np.sum(wind)
-    total_potential_solar = np.sum(solar)
-    
-    # 计算允许的最大弃风弃光量
-    max_curtailed_wind_total = total_potential_wind * params.max_curtailment_wind
-    max_curtailed_solar_total = total_potential_solar * params.max_curtailment_solar
-    
-    # 初始化累计弃风弃光量
-    accumulated_curtailed_wind = 0.0
-    accumulated_curtailed_solar = 0.0
-    
-    # 逐小时计算
-    for hour in range(hours):
-        # 确保储能状态不为负
-        storage_soc[hour] = max(0, storage_soc[hour])
-        
-        # 可用发电量（未考虑弃风弃光）
-        available_generation = thermal[hour] + wind[hour] + solar[hour]
-        
-        # 需求电量（负荷）
-        demand = load[hour]
-        
-        # 计算功率平衡
-        power_surplus = available_generation - demand
-        
-        if power_surplus > 0:
-            # 有盈余电力，优先储能，然后上网
-            max_charge = min(
-                storage_capacity - storage_soc[hour],  # 储能空间限制
-                storage_capacity * params.charge_rate,  # 充电功率限制
-                power_surplus  # 可用盈余电力
-            )
-            
-            # 实际充电功率
-            actual_charge = min(max_charge, power_surplus)
-            charge_power[hour] = actual_charge
-            
-            # 更新储能状态（考虑充电效率）
-            if hour < hours - 1:
-                storage_soc[hour + 1] = storage_soc[hour] + actual_charge * params.storage_efficiency
-            
-            # 剩余电力考虑弃风弃光和上网
-            remaining_surplus = power_surplus - actual_charge
-            
-            # 计算弃风弃光（优先弃风，然后弃光）
-            if remaining_surplus > 0:
-                # 计算当前可弃风量
-                available_wind_curtail = min(
-                    wind[hour],
-                    max_curtailed_wind_total - accumulated_curtailed_wind
-                )
-                
-                if available_wind_curtail > 0:
-                    curtailed_wind[hour] = min(available_wind_curtail, remaining_surplus)
-                    remaining_surplus -= curtailed_wind[hour]
-                    accumulated_curtailed_wind += curtailed_wind[hour]
-                
-                # 如果还有剩余，弃光
-                if remaining_surplus > 0:
-                    available_solar_curtail = min(
-                        solar[hour],
-                        max_curtailed_solar_total - accumulated_curtailed_solar
-                    )
-                    
-                    if available_solar_curtail > 0:
-                        curtailed_solar[hour] = min(available_solar_curtail, remaining_surplus)
-                        remaining_surplus -= curtailed_solar[hour]
-                        accumulated_curtailed_solar += curtailed_solar[hour]
-            
-            # 最终剩余电力上网
-            grid_feed_in[hour] = max(0, remaining_surplus)
-            
-        else:
-            # 电力不足，优先放电
-            power_deficit = -power_surplus
-            grid_feed_in[hour] = 0  # 初始化购电为0
-            
-            max_discharge = min(
-                storage_soc[hour],  # 储能状态限制
-                storage_capacity * params.discharge_rate,  # 放电功率限制
-                power_deficit  # 缺电功率
-            )
-            
-            # 实际放电功率
-            actual_discharge = min(max_discharge, power_deficit)
-            discharge_power[hour] = actual_discharge
-            
-            # 更新储能状态（考虑放电效率）
-            if hour < hours - 1:
-                storage_soc[hour + 1] = storage_soc[hour] - actual_discharge / params.storage_efficiency
-            
-            # 计算剩余缺电，需要从电网购电
-            remaining_deficit = power_deficit - actual_discharge
-            
-            # 如果还有缺电，从电网购电
-            if remaining_deficit > 0:
-                # 购电功率为负值，表示从电网输入
-                grid_feed_in[hour] = -remaining_deficit
-    
-    return {
-        'storage_profile': storage_soc.tolist(),
-        'charge_profile': charge_power.tolist(),
-        'discharge_profile': discharge_power.tolist(),
-        'curtailed_wind': curtailed_wind.tolist(),
-        'curtailed_solar': curtailed_solar.tolist(),
-        'grid_feed_in': grid_feed_in.tolist()
-    }
-
-
-def check_constraints(
-    solar_output: List[float],
-    wind_output: List[float],
-    thermal_output: List[float],
-    balance_result: Dict[str, List[float]],
-    params: SystemParameters
-) -> Dict[str, float]:
-    """
-    检查约束条件是否满足
-    
-    Args:
-        solar_output: 光伏出力曲线 (MW) - 支持24小时或8760小时
-        wind_output: 风电出力曲线 (MW) - 支持24小时或8760小时
-        thermal_output: 火电出力曲线 (MW) - 支持24小时或8760小时
-        balance_result: 电能平衡计算结果
-        params: 系统参数配置
-        
-    Returns:
-        包含各约束实际比例的字典
-    """
-    # 计算总量
-    total_wind_potential = sum(wind_output)
-    total_solar_potential = sum(solar_output)
-    total_thermal = sum(thermal_output)
-    
-    total_curtailed_wind = sum(balance_result['curtailed_wind'])
-    total_curtailed_solar = sum(balance_result['curtailed_solar'])
-    total_grid_feed_in = sum(balance_result['grid_feed_in'])
-    
-    # 实际发电量（考虑弃风弃光）
-    actual_wind_generation = total_wind_potential - total_curtailed_wind
-    actual_solar_generation = total_solar_potential - total_curtailed_solar
-    total_generation = total_thermal + actual_wind_generation + actual_solar_generation
-    
-    # 计算比例
-    actual_curtailment_wind_ratio = total_curtailed_wind / total_wind_potential if total_wind_potential > 0 else 0
-    actual_curtailment_solar_ratio = total_curtailed_solar / total_solar_potential if total_solar_potential > 0 else 0
-    actual_grid_feed_in_ratio = total_grid_feed_in / total_generation if total_generation > 0 else 0
-    
-    return {
-        'total_curtailment_wind_ratio': actual_curtailment_wind_ratio,
-        'total_curtailment_solar_ratio': actual_curtailment_solar_ratio,
-        'total_grid_feed_in_ratio': actual_grid_feed_in_ratio
-    }
-
-
-def optimize_storage_capacity(
-    solar_output: List[float],
-    wind_output: List[float],
-    thermal_output: List[float],
-    load_demand: List[float],
-    params: SystemParameters,
-    max_iterations: int = 100,
-    tolerance: float = 0.01
-) -> Dict:
-    """
-    优化储能容量，使用迭代方法寻找满足所有约束的最小储能容量
-    
-    Args:
-        solar_output: 光伏出力曲线 (MW) - 支持24小时或8760小时
-        wind_output: 风电出力曲线 (MW) - 支持24小时或8760小时
-        thermal_output: 火电出力曲线 (MW) - 支持24小时或8760小时
-        load_demand: 负荷曲线 (MW) - 支持24小时或8760小时
-        params: 系统参数配置
-        max_iterations: 最大迭代次数
-        tolerance: 收敛容差
-        
-    Returns:
-        包含优化结果的字典
-    """
-    # 验证输入
-    validate_inputs(solar_output, wind_output, thermal_output, load_demand, params)
-    
-    # 初始化搜索范围
-    lower_bound = 0.0
-    theoretical_max = max(sum(solar_output) + sum(wind_output) + sum(thermal_output), sum(load_demand))
-    
-    # 应用储能容量上限限制
-    if params.max_storage_capacity is not None:
-        upper_bound = min(theoretical_max, params.max_storage_capacity)
-    else:
-        upper_bound = theoretical_max
-    
-    # 二分搜索寻找最小储能容量
-    best_capacity = upper_bound
-    best_result = None
-    solution_found = False  # 标记是否找到可行解
-    
-    for iteration in range(max_iterations):
-        mid_capacity = (lower_bound + upper_bound) / 2
-        
-        # 计算当前容量下的平衡
-        balance_result = calculate_energy_balance(
-            solar_output, wind_output, thermal_output, load_demand, params, mid_capacity
-        )
-        
-        # 检查约束条件
-        constraint_results = check_constraints(solar_output, wind_output, thermal_output, balance_result, params)
-        
-        # 检查是否满足所有约束
-        # max_grid_ratio只限制上网电量比例，不约束购电
-        # 只有当grid_feed_in为正时（上网）才需要检查约束
-        total_grid_feed_in = sum(balance_result['grid_feed_in'])
-        if total_grid_feed_in > 0:
-            # 有上网电量，检查是否超过限制
-            grid_constraint_satisfied = constraint_results['total_grid_feed_in_ratio'] <= params.max_grid_ratio
-        else:
-            # 没有上网电量或为负值（购电），总是满足约束
-            grid_constraint_satisfied = True
-        
-        constraints_satisfied = (
-            constraint_results['total_curtailment_wind_ratio'] <= params.max_curtailment_wind and
-            constraint_results['total_curtailment_solar_ratio'] <= params.max_curtailment_solar and
-            grid_constraint_satisfied
-        )
-        
-        # 检查储能日平衡（周期结束时储能状态应接近初始值）
-        storage_initial = balance_result['storage_profile'][0]
-        storage_final = balance_result['storage_profile'][-1]
-        daily_balance = abs(storage_final - storage_initial) < tolerance
-        
-        if constraints_satisfied and daily_balance:
-            # 满足条件，尝试减小容量
-            best_capacity = mid_capacity
-            best_result = {**balance_result, **constraint_results}
-            solution_found = True
-            upper_bound = mid_capacity
-        else:
-            # 不满足条件，增大容量
-            lower_bound = mid_capacity
-        
-        # 检查收敛
-        if upper_bound - lower_bound < tolerance:
-            break
-    
-    # 处理储能容量上限限制的情况
-    if not solution_found and params.max_storage_capacity is not None:
-        print(f"警告：在储能容量上限 {params.max_storage_capacity:.2f} MWh 内无法找到满足所有约束的解")
-        print("使用最大允许容量进行计算，但某些约束条件可能无法满足")
-        
-        # 使用最大允许容量计算结果
-        balance_result = calculate_energy_balance(
-            solar_output, wind_output, thermal_output, load_demand, params, params.max_storage_capacity
-        )
-        constraint_results = check_constraints(solar_output, wind_output, thermal_output, balance_result, params)
-        best_result = {**balance_result, **constraint_results}
-        best_capacity = params.max_storage_capacity
-    elif best_result is None:
-        # 如果没有找到可行解（且没有容量上限限制），使用最大容量
-        balance_result = calculate_energy_balance(
-            solar_output, wind_output, thermal_output, load_demand, params, upper_bound
-        )
-        constraint_results = check_constraints(solar_output, wind_output, thermal_output, balance_result, params)
-        best_result = {**balance_result, **constraint_results}
-        best_capacity = upper_bound
-    
-    # 添加能量平衡校验
-    total_generation = sum(thermal_output) + sum(wind_output) + sum(solar_output)
-    total_consumption = sum(load_demand)
-    total_curtailed = sum(best_result['curtailed_wind']) + sum(best_result['curtailed_solar'])
-    total_grid = sum(best_result['grid_feed_in'])
-    total_charge = sum(best_result['charge_profile'])
-    total_discharge = sum(best_result['discharge_profile'])
-    storage_net_change = best_result['storage_profile'][-1] - best_result['storage_profile'][0]
-    
-    # 能量平衡校验：发电量 + 放电量/效率 = 负荷 + 充电量*效率 + 弃风弃光 + 上网电量
-    # 考虑储能充放电效率的能量平衡
-    energy_from_storage = total_discharge / params.storage_efficiency  # 储能提供的有效能量
-    energy_to_storage = total_charge * params.storage_efficiency      # 储能消耗的电网能量
-    
-    # 能量平衡校验：应该接近0，但允许一定误差
-    # 当total_grid为负时（购电），应该加到左侧（供给侧）
-    # 当total_grid为正时（上网），应该加到右侧（需求侧）
-    if total_grid < 0:  # 购电情况
-        energy_balance_error = abs(
-            total_generation + energy_from_storage + abs(total_grid) - total_consumption - energy_to_storage - total_curtailed
-        )
-    else:  # 上网情况
-        energy_balance_error = abs(
-            total_generation + energy_from_storage - total_consumption - energy_to_storage - total_curtailed - total_grid
-        )
-    # 使用更大的容差，考虑储能效率损失和数值误差
-    # 允许误差为总发电量的15%或10MW，取较大者
-    # 储能效率损失可能达到总能量的10%以上
-    tolerance = max(10.0, total_generation * 0.15)
-    energy_balance_check = energy_balance_error < tolerance
-    
-    # 返回最终结果
-    return {
-        'required_storage_capacity': best_capacity,
-        'storage_profile': best_result['storage_profile'],
-        'charge_profile': best_result['charge_profile'],
-        'discharge_profile': best_result['discharge_profile'],
-        'curtailed_wind': best_result['curtailed_wind'],
-        'curtailed_solar': best_result['curtailed_solar'],
-        'grid_feed_in': best_result['grid_feed_in'],
-        'total_curtailment_wind_ratio': best_result['total_curtailment_wind_ratio'],
-        'total_curtailment_solar_ratio': best_result['total_curtailment_solar_ratio'],
-        'total_grid_feed_in_ratio': best_result['total_grid_feed_in_ratio'],
-        'energy_balance_check': energy_balance_check,
-        'capacity_limit_reached': params.max_storage_capacity is not None and best_capacity >= params.max_storage_capacity,
-        'theoretical_optimal_capacity': best_capacity if solution_found else None,
-        'max_storage_limit': params.max_storage_capacity
-    }
-
-
-def main():
-    """主函数，提供示例使用"""
-    # 示例数据
-    solar_output = [0.0] * 6 + [1.0, 2.0, 3.0, 4.0, 5.0, 6.0, 5.0, 4.0, 3.0, 2.0, 1.0, 0.0] * 2
-    wind_output = [2.0, 3.0, 4.0, 3.0, 2.0, 1.0] * 4
-    thermal_output = [5.0] * 24
-    load_demand = [3.0, 4.0, 5.0, 6.0, 8.0, 10.0, 12.0, 14.0, 16.0, 18.0, 20.0, 18.0, 
-                   16.0, 14.0, 12.0, 10.0, 8.0, 6.0, 5.0, 4.0, 3.0, 2.0, 1.0, 2.0]
-    
-    # 系统参数
-    params = SystemParameters(
-        max_curtailment_wind=0.1,
-        max_curtailment_solar=0.1,
-        max_grid_ratio=0.2,
-        storage_efficiency=0.9,
-        discharge_rate=1.0,
-        charge_rate=1.0
-    )
-    
-    # 计算最优储能容量
-    result = optimize_storage_capacity(
-        solar_output, wind_output, thermal_output, load_demand, params
-    )
-    
-    # 打印结果
-    print("多能互补系统储能容量优化结果:")
-    print(f"所需储能总容量: {result['required_storage_capacity']:.2f} MWh")
-    print(f"实际弃风率: {result['total_curtailment_wind_ratio']:.3f}")
-    print(f"实际弃光率: {result['total_curtailment_solar_ratio']:.3f}")
-    print(f"实际上网电量比例: {result['total_grid_feed_in_ratio']:.3f}")
-    print(f"能量平衡校验: {'通过' if result['energy_balance_check'] else '未通过'}")
-    
-    return result
-
-
-if __name__ == "__main__":
-    main()

test_storage_optimization.py

@@ -1,362 +0,0 @@
-# 多能互补系统储能容量优化计算程序测试用例
-
-# 该文件包含单元测试和验证测试，确保程序在各种场景下的正确性。
-
-# 作者: iFlow CLI
-# 创建日期: 2025-12-25
-
-import unittest
-import numpy as np
-from storage_optimization import (
-    optimize_storage_capacity,
-    validate_inputs,
-    calculate_energy_balance,
-    check_constraints,
-    SystemParameters
-)
-
-
-class TestStorageOptimization(unittest.TestCase):
-    """储能优化程序测试类"""
-    
-    def setUp(self):
-        """测试前的准备工作"""
-        # 基础测试数据
-        self.solar_output = [0.0] * 6 + [1.0, 2.0, 3.0, 4.0, 5.0, 6.0, 5.0, 4.0, 3.0, 2.0, 1.0, 0.0] + [0.0] * 6
-        self.wind_output = [2.0, 3.0, 4.0, 3.0, 2.0, 1.0] * 4
-        self.thermal_output = [5.0] * 24
-        self.load_demand = [3.0, 4.0, 5.0, 6.0, 8.0, 10.0, 12.0, 14.0, 16.0, 18.0, 20.0, 18.0, 
-                           16.0, 14.0, 12.0, 10.0, 8.0, 6.0, 5.0, 4.0, 3.0, 2.0, 1.0, 2.0]
-        self.params = SystemParameters(
-            max_curtailment_wind=0.1,
-            max_curtailment_solar=0.1,
-            max_grid_ratio=0.2,
-            storage_efficiency=0.9,
-            discharge_rate=1.0,
-            charge_rate=1.0
-        )
-    
-    def test_validate_inputs_valid_data(self):
-        """测试有效输入数据的验证"""
-        # 应该不抛出异常
-        validate_inputs(self.solar_output, self.wind_output, self.thermal_output, 
-                       self.load_demand, self.params)
-    
-    def test_validate_inputs_invalid_length(self):
-        """测试无效长度的输入数据"""
-        with self.assertRaises(ValueError):
-            validate_inputs([1.0] * 23, self.wind_output, self.thermal_output, 
-                           self.load_demand, self.params)
-    
-    def test_validate_inputs_negative_values(self):
-        """测试包含负值的输入数据"""
-        with self.assertRaises(ValueError):
-            validate_inputs([-1.0] + self.solar_output[1:], self.wind_output, 
-                           self.thermal_output, self.load_demand, self.params)
-    
-    def test_validate_inputs_invalid_parameters(self):
-        """测试无效的参数设置"""
-        invalid_params = SystemParameters(max_curtailment_wind=1.5)  # 超出范围
-        with self.assertRaises(ValueError):
-            validate_inputs(self.solar_output, self.wind_output, self.thermal_output, 
-                           self.load_demand, invalid_params)
-    
-    def test_calculate_energy_balance_basic(self):
-        """测试基本电能平衡计算"""
-        result = calculate_energy_balance(
-            self.solar_output, self.wind_output, self.thermal_output, 
-            self.load_demand, self.params, 10.0
-        )
-        
-        # 检查返回结果包含所有必要的键
-        expected_keys = ['storage_profile', 'charge_profile', 'discharge_profile', 
-                        'curtailed_wind', 'curtailed_solar', 'grid_feed_in']
-        for key in expected_keys:
-            self.assertIn(key, result)
-            self.assertEqual(len(result[key]), 24)
-        
-        # 检查储能状态不为负
-        self.assertTrue(all(soc >= 0 for soc in result['storage_profile']))
-    
-    def test_check_constraints(self):
-        """测试约束条件检查"""
-        # 先计算平衡结果
-        balance_result = calculate_energy_balance(
-            self.solar_output, self.wind_output, self.thermal_output, 
-            self.load_demand, self.params, 10.0
-        )
-        
-        # 检查约束
-        constraint_results = check_constraints(
-            self.solar_output, self.wind_output, self.thermal_output, balance_result, self.params
-        )
-        
-        # 检查返回结果
-        expected_keys = ['total_curtailment_wind_ratio', 'total_curtailment_solar_ratio', 
-                        'total_grid_feed_in_ratio']
-        for key in expected_keys:
-            self.assertIn(key, constraint_results)
-            self.assertGreaterEqual(constraint_results[key], 0)
-            self.assertLessEqual(constraint_results[key], 1.0)
-    
-    def test_optimize_storage_capacity_basic(self):
-        """测试基本储能容量优化"""
-        result = optimize_storage_capacity(
-            self.solar_output, self.wind_output, self.thermal_output, 
-            self.load_demand, self.params
-        )
-        
-        # 检查返回结果结构
-        expected_keys = [
-            'required_storage_capacity', 'storage_profile', 'charge_profile', 
-            'discharge_profile', 'curtailed_wind', 'curtailed_solar', 
-            'grid_feed_in', 'total_curtailment_wind_ratio', 
-            'total_curtailment_solar_ratio', 'total_grid_feed_in_ratio', 
-            'energy_balance_check'
-        ]
-        for key in expected_keys:
-            self.assertIn(key, result)
-        
-        # 检查数值合理性
-        self.assertGreaterEqual(result['required_storage_capacity'], 0)
-        self.assertTrue(result['energy_balance_check'])
-    
-    def test_zero_curtailment_scenario(self):
-        """测试零弃风弃光场景"""
-        zero_curtail_params = SystemParameters(
-            max_curtailment_wind=0.0,
-            max_curtailment_solar=0.0,
-            max_grid_ratio=0.2,
-            storage_efficiency=0.9
-        )
-        
-        result = optimize_storage_capacity(
-            self.solar_output, self.wind_output, self.thermal_output, 
-            self.load_demand, zero_curtail_params
-        )
-        
-        # 检查弃风弃光率是否为0
-        self.assertEqual(result['total_curtailment_wind_ratio'], 0.0)
-        self.assertEqual(result['total_curtailment_solar_ratio'], 0.0)
-    
-    def test_high_grid_ratio_scenario(self):
-        """测试高上网电量比例场景"""
-        high_grid_params = SystemParameters(
-            max_curtailment_wind=0.1,
-            max_curtailment_solar=0.1,
-            max_grid_ratio=0.5,  # 高上网电量比例
-            storage_efficiency=0.9
-        )
-        
-        result = optimize_storage_capacity(
-            self.solar_output, self.wind_output, self.thermal_output, 
-            self.load_demand, high_grid_params
-        )
-        
-        # 检查上网电量比例是否在约束范围内
-        self.assertLessEqual(result['total_grid_feed_in_ratio'], 0.5)
-    
-    def test_energy_balance_verification(self):
-        """测试能量平衡验证"""
-        result = optimize_storage_capacity(
-            self.solar_output, self.wind_output, self.thermal_output, 
-            self.load_demand, self.params
-        )
-        
-        # 手动验证能量平衡（使用新的计算方法）
-        total_generation = sum(self.thermal_output) + sum(self.wind_output) + sum(self.solar_output)
-        total_consumption = sum(self.load_demand)
-        total_curtailed = sum(result['curtailed_wind']) + sum(result['curtailed_solar'])
-        total_grid = sum(result['grid_feed_in'])
-        total_charge = sum(result['charge_profile'])
-        total_discharge = sum(result['discharge_profile'])
-        
-        # 新的能量平衡计算：考虑储能效率
-        energy_from_storage = total_discharge / self.params.storage_efficiency
-        energy_to_storage = total_charge * self.params.storage_efficiency
-        energy_balance = total_generation + energy_from_storage - total_consumption - energy_to_storage - total_curtailed - total_grid
-        
-        # 能量平衡误差应该在合理范围内（考虑储能效率损失）
-        tolerance = max(10.0, total_generation * 0.15)
-        self.assertLessEqual(abs(energy_balance), tolerance)
-    
-    def test_extreme_high_load_scenario(self):
-        """测试极高负荷场景"""
-        high_load = [50.0] * 24  # 极高负荷
-        
-        result = optimize_storage_capacity(
-            self.solar_output, self.wind_output, self.thermal_output, 
-            high_load, self.params
-        )
-        
-        # 应该返回一个结果，即使系统可能不平衡
-        self.assertIsNotNone(result)
-        self.assertGreater(result['required_storage_capacity'], 0)
-    
-    def test_extreme_low_load_scenario(self):
-        """测试极低负荷场景"""
-        low_load = [0.1] * 24  # 极低负荷
-        
-        result = optimize_storage_capacity(
-            self.solar_output, self.wind_output, self.thermal_output, 
-            low_load, self.params
-        )
-        
-        # 应该返回一个结果，可能有大量弃风弃光
-        self.assertIsNotNone(result)
-        self.assertGreaterEqual(result['total_curtailment_wind_ratio'], 0)
-        self.assertGreaterEqual(result['total_curtailment_solar_ratio'], 0)
-
-
-class TestKnownScenarios(unittest.TestCase):
-    """已知场景测试类"""
-    
-    def test_perfect_balance_scenario(self):
-        """测试完美平衡场景"""
-        # 设计一个完美平衡的场景
-        solar = [2.0] * 6 + [4.0] * 6 + [2.0] * 6 + [0.0] * 6  # 48 MW
-        wind = [3.0] * 12 + [1.0] * 12  # 48 MW  
-        thermal = [6.0] * 24  # 144 MW (增加了1 MW每小时)
-        load = [10.0] * 24  # 恒定负荷 240 MW
-        # 总发电量: 48 + 48 + 144 = 240 MW，与负荷平衡
-        
-        params = SystemParameters(
-            max_curtailment_wind=0.1,
-            max_curtailment_solar=0.1,
-            max_grid_ratio=0.2,
-            storage_efficiency=0.9
-        )
-        
-        result = optimize_storage_capacity(solar, wind, thermal, load, params)
-        
-        # 验证结果
-        self.assertTrue(result['energy_balance_check'])
-        self.assertLessEqual(result['total_curtailment_wind_ratio'], params.max_curtailment_wind)
-        self.assertLessEqual(result['total_curtailment_solar_ratio'], params.max_curtailment_solar)
-        self.assertLessEqual(result['total_grid_feed_in_ratio'], params.max_grid_ratio)
-    
-    def test_no_renewable_scenario(self):
-        """测试无可再生能源场景"""
-        solar = [0.0] * 24
-        wind = [0.0] * 24
-        thermal = [10.0] * 24
-        load = [8.0] * 24
-        
-        params = SystemParameters(
-            max_curtailment_wind=0.1,
-            max_curtailment_solar=0.1,
-            max_grid_ratio=0.2,
-            storage_efficiency=0.9
-        )
-        
-        result = optimize_storage_capacity(solar, wind, thermal, load, params)
-        
-        # 验证结果
-        self.assertTrue(result['energy_balance_check'])
-        self.assertEqual(result['total_curtailment_wind_ratio'], 0.0)
-        self.assertEqual(result['total_curtailment_solar_ratio'], 0.0)
-        self.assertGreaterEqual(result['total_grid_feed_in_ratio'], 0)
-
-
-def run_performance_test():
-    """运行性能测试"""
-    print("\n=== 性能测试 ===")
-    
-    # 生成随机测试数据
-    np.random.seed(42)
-    solar = np.random.exponential(3, 24).tolist()
-    wind = np.random.exponential(2, 24).tolist()
-    thermal = np.random.uniform(3, 8, 24).tolist()
-    load = np.random.uniform(5, 15, 24).tolist()
-    
-    params = SystemParameters()
-    
-    import time
-    start_time = time.time()
-    
-    result = optimize_storage_capacity(solar, wind, thermal, load, params)
-    
-    end_time = time.time()
-    execution_time = end_time - start_time
-    
-    print(f"执行时间: {execution_time:.4f} 秒")
-    print(f"所需储能容量: {result['required_storage_capacity']:.2f} MWh")
-    print(f"能量平衡校验: {'通过' if result['energy_balance_check'] else '未通过'}")
-
-
-class TestYearlyData(unittest.TestCase):
-    """8760小时数据测试类"""
-    
-    def setUp(self):
-        """测试前的准备工作"""
-        # 生成简化的8760小时测试数据（每小时的重复模式）
-        daily_pattern = [3.0, 4.0, 5.0, 6.0, 8.0, 10.0, 12.0, 14.0, 16.0, 18.0, 20.0, 18.0, 
-                        16.0, 14.0, 12.0, 10.0, 8.0, 6.0, 5.0, 4.0, 3.0, 2.0, 1.0, 2.0]
-        self.yearly_load = daily_pattern * 365  # 24 * 365 = 8760
-        
-        # 简化的发电数据
-        daily_solar = [0.0] * 6 + [1.0, 2.0, 3.0, 4.0, 5.0, 6.0, 5.0, 4.0, 3.0, 2.0, 1.0, 0.0] + [0.0] * 6
-        daily_wind = [2.0, 3.0, 4.0, 3.0, 2.0, 1.0] * 4
-        daily_thermal = [5.0] * 24
-        
-        self.yearly_solar = daily_solar * 365
-        self.yearly_wind = daily_wind * 365
-        self.yearly_thermal = daily_thermal * 365
-        
-        self.params = SystemParameters(
-            max_curtailment_wind=0.1,
-            max_curtailment_solar=0.1,
-            max_grid_ratio=0.2,
-            storage_efficiency=0.9,
-            discharge_rate=1.0,
-            charge_rate=1.0
-        )
-    
-    def test_yearly_data_validation(self):
-        """测试8760小时数据验证"""
-        # 验证数据长度
-        self.assertEqual(len(self.yearly_solar), 8760)
-        self.assertEqual(len(self.yearly_wind), 8760)
-        self.assertEqual(len(self.yearly_thermal), 8760)
-        self.assertEqual(len(self.yearly_load), 8760)
-        
-        # 验证不会抛出异常
-        validate_inputs(self.yearly_solar, self.yearly_wind, self.yearly_thermal, 
-                       self.yearly_load, self.params)
-    
-    def test_yearly_basic_optimization(self):
-        """测试8760小时基本优化"""
-        # 使用较小的迭代次数以加快测试
-        result = optimize_storage_capacity(
-            self.yearly_solar, self.yearly_wind, self.yearly_thermal, 
-            self.yearly_load, self.params, max_iterations=50
-        )
-        
-        # 检查返回结果结构
-        expected_keys = [
-            'required_storage_capacity', 'storage_profile', 'charge_profile', 
-            'discharge_profile', 'curtailed_wind', 'curtailed_solar', 
-            'grid_feed_in', 'total_curtailment_wind_ratio', 
-            'total_curtailment_solar_ratio', 'total_grid_feed_in_ratio', 
-            'energy_balance_check'
-        ]
-        for key in expected_keys:
-            self.assertIn(key, result)
-        
-        # 检查数据长度
-        self.assertEqual(len(result['storage_profile']), 8760)
-        self.assertEqual(len(result['charge_profile']), 8760)
-        self.assertEqual(len(result['discharge_profile']), 8760)
-        
-        # 检查数值合理性
-        self.assertGreaterEqual(result['required_storage_capacity'], 0)
-
-
-if __name__ == "__main__":
-    print("运行多能互补系统储能容量优化程序测试...")
-    
-    # 运行单元测试
-    unittest.main(argv=[''], exit=False, verbosity=2)
-    
-    # 运行性能测试
-    run_performance_test()

tests/test_curtail_priority.py

@@ -0,0 +1,92 @@
+"""
+测试弃风弃光优先级
+
+验证系统在需要弃风弃光时优先弃光的逻辑
+"""
+
+import sys
+import os
+sys.path.append(os.path.join(os.path.dirname(__file__), '..', 'src'))
+
+from storage_optimization import optimize_storage_capacity, SystemParameters
+
+def test_curtail_priority():
+    """测试弃风弃光优先级"""
+    print("=== 测试弃风弃光优先级 ===")
+    
+    # 创建测试数据：有大量盈余电力的情况，光伏和风电都有出力
+    solar_output = [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 20.0, 25.0, 30.0, 30.0, 25.0, 20.0, 15.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0]  # 24小时
+    wind_output = [15.0, 15.0, 15.0, 15.0, 15.0, 15.0, 10.0, 10.0, 10.0, 10.0, 10.0, 10.0, 10.0, 15.0, 15.0, 15.0, 15.0, 15.0, 15.0, 15.0, 15.0, 15.0, 15.0, 15.0]  # 24小时
+    thermal_output = [10.0] * 24  # 稳定的火电
+    load_demand = [20.0] * 24  # 稳定的负荷
+    
+    print(f"光伏总出力: {sum(solar_output):.2f} MW")
+    print(f"风电总出力: {sum(wind_output):.2f} MW")
+    print(f"火电总出力: {sum(thermal_output):.2f} MW")
+    print(f"总负荷: {sum(load_demand):.2f} MW")
+    print(f"理论盈余: {sum(solar_output) + sum(wind_output) + sum(thermal_output) - sum(load_demand):.2f} MW")
+    
+    # 设置参数，限制储能和上网电量，强制弃风弃光
+    params = SystemParameters(
+        max_curtailment_wind=0.1,  # 允许10%弃风
+        max_curtailment_solar=0.3,  # 允许30%弃光（更高）
+        max_grid_ratio=0.05,      # 5%上网比例（更低）
+        storage_efficiency=0.9,
+        discharge_rate=1.0,
+        charge_rate=1.0,
+        max_storage_capacity=30.0,  # 更小的储能容量
+        available_thermal_energy=240.0,  # 不计入上网电量计算
+        available_solar_energy=200.0,    # 基于实际光伏出力
+        available_wind_energy=300.0      # 基于实际风电出力
+    )
+    
+    print(f"\n系统参数:")
+    print(f"  最大弃风率: {params.max_curtailment_wind}")
+    print(f"  最大弃光率: {params.max_curtailment_solar}")
+    print(f"  最大上网比例: {params.max_grid_ratio}")
+    print(f"  可用光伏发电量: {params.available_solar_energy} MWh")
+    print(f"  可用风电发电量: {params.available_wind_energy} MWh")
+    
+    # 计算最大允许弃风弃光量
+    max_curtailed_wind_total = sum(wind_output) * params.max_curtailment_wind
+    max_curtailed_solar_total = sum(solar_output) * params.max_curtailment_solar
+    
+    print(f"\n理论最大弃风量: {max_curtailed_wind_total:.2f} MW")
+    print(f"理论最大弃光量: {max_curtailed_solar_total:.2f} MW")
+    
+    # 运行优化
+    result = optimize_storage_capacity(solar_output, wind_output, thermal_output, load_demand, params)
+    
+    # 分析结果
+    total_curtailed_wind = sum(result['curtailed_wind'])
+    total_curtailed_solar = sum(result['curtailed_solar'])
+    total_grid_feed_in = sum(x for x in result['grid_feed_in'] if x > 0)
+    
+    print(f"\n实际结果:")
+    print(f"  实际弃风量: {total_curtailed_wind:.2f} MW")
+    print(f"  实际弃光量: {total_curtailed_solar:.2f} MW")
+    print(f"  实际上网电量: {total_grid_feed_in:.2f} MWh")
+    print(f"  实际弃风率: {total_curtailed_wind/sum(wind_output):.3f}")
+    print(f"  实际弃光率: {total_curtailed_solar/sum(solar_output):.3f}")
+    
+    # 检查弃光是否优先于弃风
+    if total_curtailed_solar > 0 or total_curtailed_wind > 0:
+        total_curtailment = total_curtailed_solar + total_curtailed_wind
+        solar_ratio = total_curtailed_solar / total_curtailment if total_curtailment > 0 else 0
+        wind_ratio = total_curtailed_wind / total_curtailment if total_curtailment > 0 else 0
+        
+        print(f"\n弃风弃光比例分析:")
+        print(f"  弃光占比: {solar_ratio:.3f}")
+        print(f"  弃风占比: {wind_ratio:.3f}")
+        
+        # 验证优先弃光逻辑
+        # 在有弃风弃光的情况下，应该先弃光直到达到弃光率限制
+        if solar_ratio > 0.5:  # 如果弃光占比超过50%，说明优先弃光
+            print("  [OK] 验证通过：系统优先弃光")
+        else:
+            print("  [WARNING] 可能未完全优先弃光")
+    
+    print("\n=== 测试完成 ===")
+
+if __name__ == "__main__":
+    test_curtail_priority()

tests/test_curtailment_logic.py

@@ -0,0 +1,137 @@
+#!/usr/bin/env python3
+"""
+测试弃风弃光逻辑的脚本
+验证"先弃光，当达到最大弃光比例后，再弃风，弃风不限"的逻辑是否正确实现
+"""
+
+import sys
+import os
+sys.path.append(os.path.join(os.path.dirname(__file__), 'src'))
+
+from storage_optimization import calculate_energy_balance, SystemParameters
+
+def test_curtailment_logic():
+    """测试弃风弃光逻辑"""
+    
+    # 创建测试数据
+    # 24小时的简单场景：前12小时负荷低，后12小时负荷高
+    solar_output = [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 1.0, 2.0, 3.0, 4.0, 5.0, 6.0, 5.0, 4.0, 3.0, 2.0, 1.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0]
+    wind_output = [5.0, 5.0, 5.0, 5.0, 5.0, 5.0, 5.0, 5.0, 5.0, 5.0, 5.0, 5.0, 5.0, 5.0, 5.0, 5.0, 5.0, 5.0, 5.0, 5.0, 5.0, 5.0, 5.0, 5.0]  # 恒定的风电出力
+    thermal_output = [2.0] * 24  # 恒定的火电出力
+    load_demand = [1.0] * 12 + [15.0] * 12  # 前12小时低负荷，后12小时高负荷
+    
+    # 设置系统参数
+    params = SystemParameters(
+        max_curtailment_wind=0.1,   # 弃风率限制10%（但实际上弃风不受限制）
+        max_curtailment_solar=0.2,  # 弃光率限制20%
+        max_grid_ratio=0.1,         # 上网电量比例限制10%
+        storage_efficiency=0.9,
+        discharge_rate=1.0,
+        charge_rate=1.0
+    )
+    
+    # 计算能量平衡
+    storage_capacity = 10.0  # 10MWh储能容量
+    result = calculate_energy_balance(
+        solar_output, wind_output, thermal_output, load_demand, params, storage_capacity
+    )
+    
+    # 分析结果
+    total_solar_potential = sum(solar_output)
+    total_wind_potential = sum(wind_output)
+    total_curtailed_solar = sum(result['curtailed_solar'])
+    total_curtailed_wind = sum(result['curtailed_wind'])
+    
+    actual_solar_curtailment_ratio = total_curtailed_solar / total_solar_potential if total_solar_potential > 0 else 0
+    actual_wind_curtailment_ratio = total_curtailed_wind / total_wind_potential if total_wind_potential > 0 else 0
+    
+    print("弃风弃光逻辑测试结果:")
+    print(f"总光伏出力: {total_solar_potential:.2f} MWh")
+    print(f"总风电出力: {total_wind_potential:.2f} MWh")
+    print(f"弃光量: {total_curtailed_solar:.2f} MWh ({actual_solar_curtailment_ratio:.2%})")
+    print(f"弃风量: {total_curtailed_wind:.2f} MWh ({actual_wind_curtailment_ratio:.2%})")
+    print(f"弃光率限制: {params.max_curtailment_solar:.2%}")
+    print(f"弃风率限制: {params.max_curtailment_wind:.2%} (实际不受限制)")
+    
+    # 验证逻辑
+    print("\n验证结果:")
+    solar_constraint_ok = actual_solar_curtailment_ratio <= params.max_curtailment_solar + 0.01  # 允许1%误差
+    print(f"弃光率是否在限制范围内: {'通过' if solar_constraint_ok else '未通过'}")
+    
+    # 弃风应该不受限制，所以不需要检查约束
+    print("弃风不受限制: 通过")
+    
+    # 检查弃风弃光的时间分布
+    print("\n弃风弃光时间分布:")
+    for hour in range(24):
+        if result['curtailed_solar'][hour] > 0 or result['curtailed_wind'][hour] > 0:
+            print(f"  小时 {hour:2d}: 弃光={result['curtailed_solar'][hour]:.2f}MW, 弃风={result['curtailed_wind'][hour]:.2f}MW")
+    
+    return solar_constraint_ok
+
+def test_solar_curtailment_priority():
+    """测试弃光优先逻辑"""
+    
+    # 创建极端测试场景：大量盈余电力
+    solar_output = [10.0] * 24  # 高光伏出力
+    wind_output = [10.0] * 24   # 高风电出力
+    thermal_output = [0.0] * 24  # 无火电
+    load_demand = [1.0] * 24    # 极低负荷
+    
+    # 设置系统参数
+    params = SystemParameters(
+        max_curtailment_wind=0.1,   # 弃风率限制10%（但实际上弃风不受限制）
+        max_curtailment_solar=0.1,  # 弃光率限制10%
+        max_grid_ratio=0.0,         # 不允许上网电量
+        storage_efficiency=0.9,
+        discharge_rate=1.0,
+        charge_rate=1.0
+    )
+    
+    # 计算能量平衡
+    storage_capacity = 5.0  # 5MWh储能容量
+    result = calculate_energy_balance(
+        solar_output, wind_output, thermal_output, load_demand, params, storage_capacity
+    )
+    
+    # 分析结果
+    total_solar_potential = sum(solar_output)
+    total_wind_potential = sum(wind_output)
+    total_curtailed_solar = sum(result['curtailed_solar'])
+    total_curtailed_wind = sum(result['curtailed_wind'])
+    
+    actual_solar_curtailment_ratio = total_curtailed_solar / total_solar_potential if total_solar_potential > 0 else 0
+    actual_wind_curtailment_ratio = total_curtailed_wind / total_wind_potential if total_wind_potential > 0 else 0
+    
+    print("\n弃光优先逻辑测试结果:")
+    print(f"总光伏出力: {total_solar_potential:.2f} MWh")
+    print(f"总风电出力: {total_wind_potential:.2f} MWh")
+    print(f"弃光量: {total_curtailed_solar:.2f} MWh ({actual_solar_curtailment_ratio:.2%})")
+    print(f"弃风量: {total_curtailed_wind:.2f} MWh ({actual_wind_curtailment_ratio:.2%})")
+    print(f"弃光率限制: {params.max_curtailment_solar:.2%}")
+    
+    # 验证弃光是否优先
+    solar_at_limit = abs(actual_solar_curtailment_ratio - params.max_curtailment_solar) < 0.01
+    print(f"\n弃光是否达到限制: {'是' if solar_at_limit else '否'}")
+    
+    # 验证弃风是否在弃光达到限制后才发生
+    wind_curtailment_exists = total_curtailed_wind > 0
+    print(f"是否存在弃风: {'是' if wind_curtailment_exists else '否'}")
+    
+    if solar_at_limit and wind_curtailment_exists:
+        print("通过 弃光优先逻辑正确：先弃光达到限制，然后弃风")
+        return True
+    else:
+        print("未通过 弃光优先逻辑可能存在问题")
+        return False
+
+if __name__ == "__main__":
+    print("开始测试弃风弃光逻辑...")
+    
+    test1_result = test_curtailment_logic()
+    test2_result = test_solar_curtailment_priority()
+    
+    if test1_result and test2_result:
+        print("\n通过 所有测试通过，弃风弃光逻辑实现正确")
+    else:
+        print("\n未通过 部分测试失败，需要检查逻辑实现")

tests/test_excel_data.py

@@ -0,0 +1,305 @@
+"""
+测试程序 - 验证Excel数据输入和储能容量优化
+
+该程序使用data_template_24.xlsx和data_template_8760.xlsx作为输入，
+测试储能容量优化系统的功能和错误处理。
+
+作者: iFlow CLI
+创建日期: 2025-12-25
+"""
+
+import sys
+import os
+sys.path.append(os.path.join(os.path.dirname(__file__), '..', 'src'))
+
+import numpy as np
+import pandas as pd
+import matplotlib.pyplot as plt
+from typing import Dict, Any
+from excel_reader import read_excel_data, analyze_excel_data, read_system_parameters, validate_system_parameters
+from storage_optimization import optimize_storage_capacity, SystemParameters
+from advanced_visualization import create_comprehensive_plot, create_time_series_plot
+
+
+def test_excel_file(file_path: str, test_name: str) -> Dict[str, Any]:
+    """
+    测试单个Excel文件
+    
+    Args:
+        file_path: Excel文件路径
+        test_name: 测试名称
+        
+    Returns:
+        测试结果字典
+    """
+    print(f"\n{'='*60}")
+    print(f"测试：{test_name}")
+    print(f"文件：{file_path}")
+    print(f"{'='*60}")
+    
+    result = {
+        'test_name': test_name,
+        'file_path': file_path,
+        'success': False,
+        'error': None,
+        'data_stats': {},
+        'optimization_result': {}
+    }
+    
+    try:
+        # 1. 检查文件是否存在
+        if not os.path.exists(file_path):
+            raise FileNotFoundError(f"文件不存在：{file_path}")
+        print("[OK] 文件存在检查通过")
+        
+        # 2. 读取Excel数据
+        print("正在读取Excel数据...")
+        data = read_excel_data(file_path, include_parameters=True)
+        print(f"[OK] 数据读取成功，类型：{data['data_type']}")
+        print(f"  原始数据长度：{data['original_length']}")
+        print(f"  处理后数据长度：{len(data['solar_output'])}")
+        
+        # 2.1 测试参数读取
+        if 'system_parameters' in data:
+            params = data['system_parameters']
+            print(f"[OK] 系统参数读取成功")
+            print(f"  最大弃风率: {params.max_curtailment_wind}")
+            print(f"  最大弃光率: {params.max_curtailment_solar}")
+            print(f"  最大上网电量比例: {params.max_grid_ratio}")
+            print(f"  储能效率: {params.storage_efficiency}")
+            print(f"  放电倍率: {params.discharge_rate}")
+            print(f"  充电倍率: {params.charge_rate}")
+            print(f"  最大储能容量: {params.max_storage_capacity}")
+            
+            # 验证参数
+            validation = validate_system_parameters(params)
+            if validation['valid']:
+                print("[OK] 系统参数验证通过")
+            else:
+                print("[ERROR] 系统参数验证失败:")
+                for error in validation['errors']:
+                    print(f"  - {error}")
+                raise ValueError(f"系统参数验证失败: {validation['errors']}")
+            
+            if validation['warnings']:
+                print("[WARNING] 系统参数警告:")
+                for warning in validation['warnings']:
+                    print(f"  - {warning}")
+        else:
+            print("[WARNING] 未找到系统参数，使用默认参数")
+            params = SystemParameters()
+        
+        # 3. 分析数据统计信息
+        print("正在分析数据统计信息...")
+        stats = analyze_excel_data(file_path)
+        result['data_stats'] = stats
+        print("[OK] 数据统计分析完成")
+        
+        # 4. 验证数据完整性
+        print("正在验证数据完整性...")
+        solar_output = data['solar_output']
+        wind_output = data['wind_output']
+        thermal_output = data['thermal_output']
+        load_demand = data['load_demand']
+        
+        # 检查数据长度一致性
+        if not (len(solar_output) == len(wind_output) == len(thermal_output) == len(load_demand)):
+            raise ValueError("数据长度不一致")
+        print("[OK] 数据长度一致性检查通过")
+        
+        # 检查非负值
+        for name, values in [
+            ("光伏出力", solar_output), ("风电出力", wind_output),
+            ("火电出力", thermal_output), ("负荷需求", load_demand)
+        ]:
+            if any(v < 0 for v in values):
+                raise ValueError(f"{name}包含负值")
+        print("[OK] 非负值检查通过")
+        
+        # 5. 储能容量优化测试
+        print("正在进行储能容量优化计算...")
+        
+        # 使用Excel中的参数和不同的测试配置
+        excel_params = params  # 从Excel中读取的参数
+        test_configs = [
+            {
+                'name': 'Excel配置',
+                'params': excel_params
+            },
+            {
+                'name': '基础配置',
+                'params': SystemParameters(
+                    max_curtailment_wind=0.1,
+                    max_curtailment_solar=0.1,
+                    max_grid_ratio=0.2,
+                    storage_efficiency=0.9,
+                    discharge_rate=1.0,
+                    charge_rate=1.0
+                )
+            },
+            {
+                'name': '高弃风弃光配置',
+                'params': SystemParameters(
+                    max_curtailment_wind=0.2,
+                    max_curtailment_solar=0.2,
+                    max_grid_ratio=0.3,
+                    storage_efficiency=0.85,
+                    discharge_rate=1.5,
+                    charge_rate=1.5
+                )
+            },
+            {
+                'name': '低储能效率配置',
+                'params': SystemParameters(
+                    max_curtailment_wind=0.05,
+                    max_curtailment_solar=0.05,
+                    max_grid_ratio=0.1,
+                    storage_efficiency=0.75,
+                    discharge_rate=0.8,
+                    charge_rate=0.8
+                )
+            }
+        ]
+        
+        optimization_results = []
+        
+        for config in test_configs:
+            print(f"  测试配置：{config['name']}")
+            opt_result = optimize_storage_capacity(
+                solar_output, wind_output, thermal_output, load_demand, config['params']
+            )
+            
+            print(f"    所需储能容量：{opt_result['required_storage_capacity']:.2f} MWh")
+            print(f"    弃风率：{opt_result['total_curtailment_wind_ratio']:.3f}")
+            print(f"    弃光率：{opt_result['total_curtailment_solar_ratio']:.3f}")
+            print(f"    上网电量比例：{opt_result['total_grid_feed_in_ratio']:.3f}")
+            print(f"    能量平衡校验：{'通过' if opt_result['energy_balance_check'] else '未通过'}")
+            
+            optimization_results.append({
+                'config_name': config['name'],
+                'result': opt_result
+            })
+        
+        result['optimization_result'] = optimization_results
+        print("[OK] 储能容量优化计算完成")
+        
+        # 6. 可视化测试（仅对24小时数据进行，避免8760小时数据生成过大图像）
+        if data['data_type'] == '24':
+            print("正在生成可视化图表...")
+            try:
+                # 使用基础配置的结果生成图表
+                base_result = optimization_results[0]['result']
+                base_params = test_configs[0]['params']
+                
+                # 生成基础图表（截取前24小时数据）
+                solar_24 = solar_output[:24] if len(solar_output) > 24 else solar_output
+                wind_24 = wind_output[:24] if len(wind_output) > 24 else wind_output
+                thermal_24 = thermal_output[:24] if len(thermal_output) > 24 else thermal_output
+                load_24 = load_demand[:24] if len(load_demand) > 24 else load_demand
+                
+                # 截取结果的24小时数据
+                result_24 = {
+                    'required_storage_capacity': base_result['required_storage_capacity'],
+                    'charge_profile': base_result['charge_profile'][:24] if len(base_result['charge_profile']) > 24 else base_result['charge_profile'],
+                    'discharge_profile': base_result['discharge_profile'][:24] if len(base_result['discharge_profile']) > 24 else base_result['discharge_profile'],
+                    'curtailed_wind': base_result['curtailed_wind'][:24] if len(base_result['curtailed_wind']) > 24 else base_result['curtailed_wind'],
+                    'curtailed_solar': base_result['curtailed_solar'][:24] if len(base_result['curtailed_solar']) > 24 else base_result['curtailed_solar'],
+                    'grid_feed_in': base_result['grid_feed_in'][:24] if len(base_result['grid_feed_in']) > 24 else base_result['grid_feed_in'],
+                    'storage_profile': base_result['storage_profile'][:24] if len(base_result['storage_profile']) > 24 else base_result['storage_profile'],
+                    'total_curtailment_wind_ratio': base_result['total_curtailment_wind_ratio'],
+                    'total_curtailment_solar_ratio': base_result['total_curtailment_solar_ratio'],
+                    'total_grid_feed_in_ratio': base_result['total_grid_feed_in_ratio'],
+                    'energy_balance_check': base_result['energy_balance_check']
+                }
+                
+                create_comprehensive_plot(solar_24, wind_24, thermal_24, load_24, result_24, base_params)
+                create_time_series_plot(solar_24, wind_24, thermal_24, load_24, result_24)
+                print("[OK] 可视化图表生成完成")
+                
+            except Exception as e:
+                print(f"⚠ 可视化图表生成失败：{str(e)}")
+                print("  这不是严重错误，可能是字体或显示问题")
+        
+        # 标记测试成功
+        result['success'] = True
+        print(f"\n[OK] 测试 '{test_name}' 成功完成！")
+        
+    except Exception as e:
+        result['error'] = str(e)
+        result['traceback'] = traceback.format_exc()
+        print(f"\n[ERROR] 测试 '{test_name}' 失败：{str(e)}")
+        print("详细错误信息：")
+        traceback.print_exc()
+    
+    return result
+
+
+def run_comprehensive_tests():
+    """运行综合测试"""
+    print("开始运行Excel数据输入综合测试...")
+    print(f"当前工作目录：{os.getcwd()}")
+    
+    # 测试文件列表
+    test_files = [
+        {
+            'path': 'data_template_24.xlsx',
+            'name': '24小时数据模板测试'
+        },
+        {
+            'path': 'data_template_8760.xlsx',
+            'name': '8760小时数据模板测试'
+        }
+    ]
+    
+    # 运行所有测试
+    results = []
+    for test_file in test_files:
+        result = test_excel_file(test_file['path'], test_file['name'])
+        results.append(result)
+    
+    # 生成测试报告
+    print(f"\n{'='*80}")
+    print("测试报告总结")
+    print(f"{'='*80}")
+    
+    total_tests = len(results)
+    successful_tests = sum(1 for r in results if r['success'])
+    failed_tests = total_tests - successful_tests
+    
+    print(f"总测试数：{total_tests}")
+    print(f"成功测试：{successful_tests}")
+    print(f"失败测试：{failed_tests}")
+    print(f"成功率：{successful_tests/total_tests*100:.1f}%")
+    
+    print("\n详细结果：")
+    for i, result in enumerate(results, 1):
+        status = "[OK] 成功" if result['success'] else "[ERROR] 失败"
+        print(f"{i}. {result['test_name']}: {status}")
+        if not result['success']:
+            print(f"   错误：{result['error']}")
+    
+    # 如果有失败的测试，返回非零退出码
+    if failed_tests > 0:
+        print(f"\n有{failed_tests}个测试失败，请检查上述错误信息")
+        return False
+    else:
+        print("\n所有测试通过！系统运行正常。")
+        return True
+
+
+def main():
+    """主函数"""
+    try:
+        success = run_comprehensive_tests()
+        sys.exit(0 if success else 1)
+    except KeyboardInterrupt:
+        print("\n测试被用户中断")
+        sys.exit(1)
+    except Exception as e:
+        print(f"\n测试过程中发生未预期的错误：{str(e)}")
+        traceback.print_exc()
+        sys.exit(1)
+
+
+if __name__ == "__main__":
+    main()

tests/test_excel_parameters.py

@@ -0,0 +1,184 @@
+"""
+测试Excel参数设置功能
+
+该程序演示如何修改Excel参数工作表中的参数，并验证参数是否被正确读取。
+
+作者: iFlow CLI
+创建日期: 2025-12-25
+"""
+
+import sys
+import os
+sys.path.append(os.path.join(os.path.dirname(__file__), '..', 'src'))
+
+import pandas as pd
+from excel_reader import read_excel_data, validate_system_parameters
+from storage_optimization import optimize_storage_capacity
+
+
+def test_parameter_modification():
+    """测试参数修改功能"""
+    print("=== 测试Excel参数设置功能 ===\n")
+    
+    # 1. 读取原始参数
+    print("1. 读取原始Excel参数...")
+    original_data = read_excel_data('data_template_24.xlsx', include_parameters=True)
+    original_params = original_data['system_parameters']
+    
+    print("原始参数:")
+    print(f"  最大弃风率: {original_params.max_curtailment_wind}")
+    print(f"  最大弃光率: {original_params.max_curtailment_solar}")
+    print(f"  最大上网电量比例: {original_params.max_grid_ratio}")
+    print(f"  储能效率: {original_params.storage_efficiency}")
+    print(f"  放电倍率: {original_params.discharge_rate}")
+    print(f"  充电倍率: {original_params.charge_rate}")
+    print(f"  最大储能容量: {original_params.max_storage_capacity}")
+    
+    # 2. 使用原始参数进行优化
+    print("\n2. 使用原始参数进行储能容量优化...")
+    original_result = optimize_storage_capacity(
+        original_data['solar_output'],
+        original_data['wind_output'],
+        original_data['thermal_output'],
+        original_data['load_demand'],
+        original_params
+    )
+    
+    print(f"原始参数优化结果:")
+    print(f"  所需储能容量: {original_result['required_storage_capacity']:.2f} MWh")
+    print(f"  弃风率: {original_result['total_curtailment_wind_ratio']:.3f}")
+    print(f"  弃光率: {original_result['total_curtailment_solar_ratio']:.3f}")
+    print(f"  上网电量比例: {original_result['total_grid_feed_in_ratio']:.3f}")
+    
+    # 3. 修改Excel参数
+    print("\n3. 修改Excel参数...")
+    
+    # 创建测试用的参数DataFrame
+    new_params_df = pd.DataFrame({
+        '参数名称': [
+            '最大弃风率',
+            '最大弃光率', 
+            '最大上网电量比例',
+            '储能效率',
+            '放电倍率',
+            '充电倍率',
+            '最大储能容量'
+        ],
+        '参数值': [
+            0.15,   # 增加弃风率
+            0.12,   # 增加弃光率
+            0.25,   # 增加上网电量比例
+            0.85,   # 降低储能效率
+            1.2,    # 增加放电倍率
+            1.2,    # 增加充电倍率
+            1000.0  # 设置储能容量上限
+        ],
+        '参数说明': [
+            '允许的最大弃风率（0.0-1.0）',
+            '允许的最大弃光率（0.0-1.0）',
+            '允许的最大上网电量比例（0.0-∞，只限制上网电量）',
+            '储能充放电效率（0.0-1.0）',
+            '储能放电倍率（C-rate，>0）',
+            '储能充电倍率（C-rate，>0）',
+            '储能容量上限（MWh，空表示无限制）'
+        ],
+        '取值范围': [
+            '0.0-1.0',
+            '0.0-1.0', 
+            '≥0.0',
+            '0.0-1.0',
+            '>0',
+            '>0',
+            '>0或空'
+        ],
+        '默认值': [
+            '0.1',
+            '0.1',
+            '0.2', 
+            '0.9',
+            '1.0',
+            '1.0',
+            '无限制'
+        ]
+    })
+    
+    # 读取原始Excel文件
+    with pd.ExcelFile('data_template_24.xlsx') as xls:
+        data_df = pd.read_excel(xls, sheet_name='数据')
+        description_df = pd.read_excel(xls, sheet_name='说明')
+    
+    # 保存修改后的Excel文件
+    with pd.ExcelWriter('data_template_24_modified.xlsx', engine='openpyxl') as writer:
+        data_df.to_excel(writer, sheet_name='数据', index=False)
+        new_params_df.to_excel(writer, sheet_name='参数', index=False)
+        description_df.to_excel(writer, sheet_name='说明', index=False)
+    
+    print("已创建修改后的Excel文件: data_template_24_modified.xlsx")
+    print("修改后的参数:")
+    print(f"  最大弃风率: 0.15 (原: {original_params.max_curtailment_wind})")
+    print(f"  最大弃光率: 0.12 (原: {original_params.max_curtailment_solar})")
+    print(f"  最大上网电量比例: 0.25 (原: {original_params.max_grid_ratio})")
+    print(f"  储能效率: 0.85 (原: {original_params.storage_efficiency})")
+    print(f"  放电倍率: 1.2 (原: {original_params.discharge_rate})")
+    print(f"  充电倍率: 1.2 (原: {original_params.charge_rate})")
+    print(f"  最大储能容量: 1000.0 (原: {original_params.max_storage_capacity})")
+    
+    # 4. 读取修改后的参数
+    print("\n4. 读取修改后的参数...")
+    modified_data = read_excel_data('data_template_24_modified.xlsx', include_parameters=True)
+    modified_params = modified_data['system_parameters']
+    
+    print("修改后的参数读取结果:")
+    print(f"  最大弃风率: {modified_params.max_curtailment_wind}")
+    print(f"  最大弃光率: {modified_params.max_curtailment_solar}")
+    print(f"  最大上网电量比例: {modified_params.max_grid_ratio}")
+    print(f"  储能效率: {modified_params.storage_efficiency}")
+    print(f"  放电倍率: {modified_params.discharge_rate}")
+    print(f"  充电倍率: {modified_params.charge_rate}")
+    print(f"  最大储能容量: {modified_params.max_storage_capacity}")
+    
+    # 5. 验证修改后的参数
+    validation = validate_system_parameters(modified_params)
+    if validation['valid']:
+        print("[OK] 修改后的参数验证通过")
+    else:
+        print("[ERROR] 修改后的参数验证失败:")
+        for error in validation['errors']:
+            print(f"  - {error}")
+    
+    if validation['warnings']:
+        print("[WARNING] 修改后的参数警告:")
+        for warning in validation['warnings']:
+            print(f"  - {warning}")
+    
+    # 6. 使用修改后的参数进行优化
+    print("\n5. 使用修改后的参数进行储能容量优化...")
+    modified_result = optimize_storage_capacity(
+        modified_data['solar_output'],
+        modified_data['wind_output'],
+        modified_data['thermal_output'],
+        modified_data['load_demand'],
+        modified_params
+    )
+    
+    print(f"修改后参数优化结果:")
+    print(f"  所需储能容量: {modified_result['required_storage_capacity']:.2f} MWh")
+    print(f"  弃风率: {modified_result['total_curtailment_wind_ratio']:.3f}")
+    print(f"  弃光率: {modified_result['total_curtailment_solar_ratio']:.3f}")
+    print(f"  上网电量比例: {modified_result['total_grid_feed_in_ratio']:.3f}")
+    print(f"  容量限制是否达到: {modified_result['capacity_limit_reached']}")
+    
+    # 7. 对比结果
+    print("\n6. 结果对比:")
+    print(f"储能容量变化: {original_result['required_storage_capacity']:.2f} -> {modified_result['required_storage_capacity']:.2f} MWh")
+    print(f"弃风率变化: {original_result['total_curtailment_wind_ratio']:.3f} -> {modified_result['total_curtailment_wind_ratio']:.3f}")
+    print(f"弃光率变化: {original_result['total_curtailment_solar_ratio']:.3f} -> {modified_result['total_curtailment_solar_ratio']:.3f}")
+    print(f"上网电量比例变化: {original_result['total_grid_feed_in_ratio']:.3f} -> {modified_result['total_grid_feed_in_ratio']:.3f}")
+    
+    print("\n=== 测试完成 ===")
+    print("Excel参数设置功能测试成功！")
+    print("用户可以通过修改Excel文件中的'参数'工作表来调整系统参数。")
+
+
+if __name__ == "__main__":
+    test_parameter_modification()

tests/test_extreme_single_renewable.py

@@ -0,0 +1,103 @@
+"""
+创建一个明确的测试算例，验证只有风电时弃电量不受限制
+这个测试会创建一个风电远超负荷的场景，来验证弃风是否真的不受限制
+"""
+
+import sys
+import os
+sys.path.append(os.path.join(os.path.dirname(__file__), '..', 'src'))
+
+import pandas as pd
+import numpy as np
+
+def create_extreme_wind_test():
+    """创建极端风电测试场景：风电远超负荷"""
+    
+    # 创建24小时数据
+    hours = list(range(1, 25))
+    
+    # 风电出力：设计为远超负荷，强制产生弃风
+    wind_output = [200, 180, 160, 140, 120, 100, 80, 60, 50, 40, 30, 25, 20, 15, 10, 8, 6, 5, 4, 3, 2, 1, 0.5, 0.2]
+    
+    # 光伏出力：全部为0
+    solar_output = [0.0] * 24
+    
+    # 火电出力：全部为0
+    thermal_output = [0.0] * 24
+    
+    # 负荷需求：较低，确保风电远超负荷
+    load_demand = [20.0] * 24  # 只有20MW负荷，风电最高200MW
+    
+    # 创建DataFrame
+    data = {
+        '小时': hours,
+        '光伏出力(MW)': solar_output,
+        '风电出力(MW)': wind_output,
+        '火电出力(MW)': thermal_output,
+        '负荷需求(MW)': load_demand
+    }
+    df = pd.DataFrame(data)
+    
+    # 保存为Excel文件
+    excel_file = 'extreme_wind_test.xlsx'
+    df.to_excel(excel_file, index=False, sheet_name='data')
+    print(f"已创建极端风电测试文件: {excel_file}")
+    print(f"风电总出力: {sum(wind_output):.1f} MWh")
+    print(f"负荷总需求: {sum(load_demand):.1f} MWh")
+    print(f"风电超额: {sum(wind_output) - sum(load_demand):.1f} MWh (应该被弃掉)")
+    
+    return excel_file
+
+def create_extreme_solar_test():
+    """创建极端光伏测试场景：光伏远超负荷"""
+    
+    # 创建24小时数据
+    hours = list(range(1, 25))
+    
+    # 风电出力：全部为0
+    wind_output = [0.0] * 24
+    
+    # 光伏出力：设计为远超负荷，强制产生弃光
+    solar_output = [0, 0, 0, 0, 0, 0, 50, 100, 150, 200, 180, 150, 120, 100, 80, 60, 40, 20, 10, 5, 2, 1, 0.5, 0.2]
+    
+    # 火电出力：全部为0
+    thermal_output = [0.0] * 24
+    
+    # 负荷需求：较低，确保光伏远超负荷
+    load_demand = [30.0] * 24  # 只有30MW负荷，光伏最高200MW
+    
+    # 创建DataFrame
+    data = {
+        '小时': hours,
+        '光伏出力(MW)': solar_output,
+        '风电出力(MW)': wind_output,
+        '火电出力(MW)': thermal_output,
+        '负荷需求(MW)': load_demand
+    }
+    df = pd.DataFrame(data)
+    
+    # 保存为Excel文件
+    excel_file = 'extreme_solar_test.xlsx'
+    df.to_excel(excel_file, index=False, sheet_name='data')
+    print(f"已创建极端光伏测试文件: {excel_file}")
+    print(f"光伏总出力: {sum(solar_output):.1f} MWh")
+    print(f"负荷总需求: {sum(load_demand):.1f} MWh")
+    print(f"光伏超额: {sum(solar_output) - sum(load_demand):.1f} MWh (应该被弃掉)")
+    
+    return excel_file
+
+if __name__ == "__main__":
+    print("创建极端单一可再生能源测试文件...")
+    wind_file = create_extreme_wind_test()
+    print()
+    solar_file = create_extreme_solar_test()
+    print()
+    print(f"测试文件已创建完成:")
+    print(f"1. {wind_file} - 极端单一风电场景 (风电远超负荷)")
+    print(f"2. {solar_file} - 极端单一光伏场景 (光伏远超负荷)")
+    print(f"\n预期结果:")
+    print(f"- 如果弃电量不受限制，应该能看到大量的弃风/弃光")
+    print(f"- 如果弃电量受限制，系统会通过其他方式处理超额电力")
+    print(f"\n可以使用以下命令测试:")
+    print(f"uv run python main.py --excel {wind_file}")
+    print(f"uv run python main.py --excel {solar_file}")

tests/test_float_comparison.py

@@ -0,0 +1,63 @@
+#!/usr/bin/env python3
+"""
+测试浮点数比较逻辑的脚本
+"""
+
+import sys
+import os
+sys.path.append(os.path.join(os.path.dirname(__file__), 'src'))
+
+from storage_optimization import calculate_energy_balance, SystemParameters
+
+def test_float_comparison():
+    """测试浮点数比较逻辑"""
+    
+    # 创建测试数据
+    solar_output = [1.0] * 24
+    wind_output = [1.0] * 24
+    thermal_output = [1.0] * 24
+    load_demand = [1.0] * 24
+    
+    # 测试非常小的上网电量比例（接近0）
+    params = SystemParameters(
+        max_curtailment_wind=0.1,
+        max_curtailment_solar=0.1,
+        max_grid_ratio=1e-15,  # 非常小的值，应该被视为0
+        storage_efficiency=0.9,
+        discharge_rate=1.0,
+        charge_rate=1.0
+    )
+    
+    # 计算能量平衡
+    storage_capacity = 5.0
+    result = calculate_energy_balance(
+        solar_output, wind_output, thermal_output, load_demand, params, storage_capacity
+    )
+    
+    # 检查结果
+    total_grid_feed_in = sum(result['grid_feed_in'])
+    print(f"测试非常小的上网电量比例 ({params.max_grid_ratio}):")
+    print(f"实际上网电量: {total_grid_feed_in:.6f} MWh")
+    
+    # 测试正常的上网电量比例
+    params2 = SystemParameters(
+        max_curtailment_wind=0.1,
+        max_curtailment_solar=0.1,
+        max_grid_ratio=0.1,  # 正常值
+        storage_efficiency=0.9,
+        discharge_rate=1.0,
+        charge_rate=1.0
+    )
+    
+    result2 = calculate_energy_balance(
+        solar_output, wind_output, thermal_output, load_demand, params2, storage_capacity
+    )
+    
+    total_grid_feed_in2 = sum(result2['grid_feed_in'])
+    print(f"\n测试正常的上网电量比例 ({params2.max_grid_ratio}):")
+    print(f"实际上网电量: {total_grid_feed_in2:.6f} MWh")
+    
+    print("\n浮点数比较逻辑测试完成")
+
+if __name__ == "__main__":
+    test_float_comparison()

tests/test_grid_calculation.py

@@ -0,0 +1,110 @@
+"""
+测试上网电量计算逻辑
+
+测试基于可用发电量乘以最大上网比例的上网电量计算
+"""
+
+import sys
+import os
+sys.path.append(os.path.join(os.path.dirname(__file__), '..', 'src'))
+
+from storage_optimization import optimize_storage_capacity, SystemParameters
+
+def test_grid_calculation():
+    """测试上网电量计算逻辑"""
+    print("=== 测试上网电量计算逻辑 ===")
+    
+    # 创建测试数据：有大量盈余电力的情况
+    solar_output = [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 20.0, 25.0, 30.0, 30.0, 25.0, 20.0, 15.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0]  # 24小时
+    wind_output = [5.0] * 24  # 稳定的风电
+    thermal_output = [10.0] * 24  # 稳定的火电
+    load_demand = [8.0] * 24  # 稳定的负荷，小于发电量
+    
+    # 验证数据长度
+    print(f"数据长度验证: solar={len(solar_output)}, wind={len(wind_output)}, thermal={len(thermal_output)}, load={len(load_demand)}")
+    
+    print(f"总发电潜力: {sum(solar_output) + sum(wind_output) + sum(thermal_output):.2f} MW")
+    print(f"总负荷: {sum(load_demand):.2f} MW")
+    print(f"理论盈余: {sum(solar_output) + sum(wind_output) + sum(thermal_output) - sum(load_demand):.2f} MW")
+    
+    # 测试参数1：低上网比例
+    params1 = SystemParameters(
+        max_curtailment_wind=0.1,
+        max_curtailment_solar=0.1,
+        max_grid_ratio=0.1,  # 10%上网比例
+        storage_efficiency=0.9,
+        discharge_rate=1.0,
+        charge_rate=1.0,
+        available_thermal_energy=240.0,   # 24小时 * 10MW
+        available_solar_energy=150.0,     # 基于实际光伏出力
+        available_wind_energy=120.0       # 基于实际风电出力
+    )
+    
+    # 计算期望的上网电量上限（不考虑火电）
+    total_available_energy = params1.available_solar_energy + params1.available_wind_energy
+    expected_max_grid_feed_in = total_available_energy * params1.max_grid_ratio
+    
+    print(f"\n测试参数1：")
+    print(f"  可用发电量总计: {total_available_energy:.2f} MWh")
+    print(f"  最大上网比例: {params1.max_grid_ratio}")
+    print(f"  期望上网电量上限: {expected_max_grid_feed_in:.2f} MWh")
+    
+    # 设置储能容量上限以观察上网电量限制
+    params1.max_storage_capacity = 50.0  # 限制储能容量为50MWh
+    result1 = optimize_storage_capacity(solar_output, wind_output, thermal_output, load_demand, params1)
+    
+    actual_grid_feed_in = sum(x for x in result1['grid_feed_in'] if x > 0)
+    print(f"  实际上网电量: {actual_grid_feed_in:.2f} MWh")
+    print(f"  实际弃风量: {sum(result1['curtailed_wind']):.2f} MWh")
+    print(f"  实际弃光量: {sum(result1['curtailed_solar']):.2f} MWh")
+    
+    # 验证上网电量是否正确限制
+    if abs(actual_grid_feed_in - expected_max_grid_feed_in) < 1.0:  # 允许1MW误差
+        print("  [OK] 上网电量计算正确")
+    else:
+        print("  [ERROR] 上网电量计算有误")
+    
+    # 测试参数2：高上网比例
+    params2 = SystemParameters(
+        max_curtailment_wind=0.1,
+        max_curtailment_solar=0.1,
+        max_grid_ratio=0.5,  # 50%上网比例
+        storage_efficiency=0.9,
+        discharge_rate=1.0,
+        charge_rate=1.0,
+        available_thermal_energy=240.0,   # 24小时 * 10MW
+        available_solar_energy=150.0,     # 基于实际光伏出力
+        available_wind_energy=120.0       # 基于实际风电出力
+    )
+    
+    # 计算期望的上网电量上限（不考虑火电）
+    total_available_energy = params2.available_solar_energy + params2.available_wind_energy
+    expected_max_grid_feed_in2 = total_available_energy * params2.max_grid_ratio
+    
+    # 计算期望的上网电量上限（不考虑火电）
+    total_available_energy2 = params2.available_solar_energy + params2.available_wind_energy
+    
+    print(f"\n测试参数2：")
+    print(f"  可用发电量总计: {total_available_energy2:.2f} MWh")
+    print(f"  最大上网比例: {params2.max_grid_ratio}")
+    print(f"  期望上网电量上限: {expected_max_grid_feed_in2:.2f} MWh")
+    
+    # 设置储能容量上限以观察上网电量限制
+    params2.max_storage_capacity = 50.0  # 限制储能容量为50MWh
+    result2 = optimize_storage_capacity(solar_output, wind_output, thermal_output, load_demand, params2)
+    
+    actual_grid_feed_in2 = sum(x for x in result2['grid_feed_in'] if x > 0)
+    print(f"  实际上网电量: {actual_grid_feed_in2:.2f} MWh")
+    print(f"  实际弃风量: {sum(result2['curtailed_wind']):.2f} MWh")
+    print(f"  实际弃光量: {sum(result2['curtailed_solar']):.2f} MWh")
+    
+    # 验证上网电量是否正确限制
+    if abs(actual_grid_feed_in2 - expected_max_grid_feed_in2) < 1.0:  # 允许1MW误差
+        print("  [OK] 上网电量计算正确")
+    else:
+        print("  [ERROR] 上网电量计算有误")
+    
+    print("\n=== 测试完成 ===")
+
+if __name__ == "__main__":
+    test_grid_calculation()

tests/test_grid_priority.py

@@ -0,0 +1,216 @@
+"""
+测试优先上网逻辑
+
+该程序创建一个测试场景，验证系统是否优先上网而不是弃风弃光。
+
+作者: iFlow CLI
+创建日期: 2025-12-26
+"""
+
+import sys
+import os
+sys.path.append(os.path.join(os.path.dirname(__file__), '..', 'src'))
+
+import pandas as pd
+from excel_reader import create_excel_template
+from storage_optimization import optimize_storage_capacity, SystemParameters
+
+
+def create_test_excel():
+    """创建测试用的Excel文件，有明显的发电盈余"""
+    # 创建24小时数据，其中某些小时有大量盈余
+    hours = 24
+    
+    # 设计数据：在6-12点有大量光伏出力，超过负荷
+    solar = [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 10.0, 15.0, 20.0, 20.0, 15.0, 10.0, 5.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0]
+    wind = [2.0] * 24  # 稳定的风电
+    thermal = [3.0] * 24  # 稳定的火电
+    load = [5.0, 5.0, 5.0, 5.0, 5.0, 5.0, 8.0, 8.0, 9.0, 9.0, 8.0, 8.0, 6.0, 5.0, 5.0, 5.0, 5.0, 5.0, 5.0, 5.0, 5.0, 5.0, 5.0, 5.0]
+    
+    # 验证长度
+    print(f"数据长度检查: solar={len(solar)}, wind={len(wind)}, thermal={len(thermal)}, load={len(load)}")
+    
+    # 设置严格的上网电量限制（10%），迫使系统在超出限制时弃风弃光
+    params = SystemParameters(
+        max_curtailment_wind=0.15,  # 允许15%弃风
+        max_curtailment_solar=0.15, # 允许15%弃光
+        max_grid_ratio=0.1,         # 严格限制上网电量比例10%
+        storage_efficiency=0.9,
+        discharge_rate=1.0,
+        charge_rate=1.0,
+        max_storage_capacity=5.0     # 限制储能容量，增加上网压力
+    )
+    
+    # 创建DataFrame
+    df = pd.DataFrame({
+        '小时': range(1, hours + 1),
+        '光伏出力(MW)': solar,
+        '风电出力(MW)': wind,
+        '火电出力(MW)': thermal,
+        '负荷需求(MW)': load
+    })
+    
+    # 保存到Excel
+    filename = 'test_grid_priority.xlsx'
+    with pd.ExcelWriter(filename, engine='openpyxl') as writer:
+        df.to_excel(writer, sheet_name='数据', index=False)
+        
+        # 添加参数工作表
+        parameters_df = pd.DataFrame({
+            '参数名称': [
+                '最大弃风率',
+                '最大弃光率', 
+                '最大上网电量比例',
+                '储能效率',
+                '放电倍率',
+                '充电倍率',
+                '最大储能容量'
+            ],
+            '参数值': [
+                0.15,   # 最大弃风率
+                0.15,   # 最大弃光率
+                0.1,    # 最大上网电量比例（严格限制）
+                0.9,    # 储能效率
+                1.0,    # 放电倍率
+                1.0,    # 充电倍率
+                5.0     # 最大储能容量（限制）
+            ],
+            '参数说明': [
+                '允许的最大弃风率（0.0-1.0）',
+                '允许的最大弃光率（0.0-1.0）',
+                '允许的最大上网电量比例（0.0-∞，只限制上网电量）',
+                '储能充放电效率（0.0-1.0）',
+                '储能放电倍率（C-rate，>0）',
+                '储能充电倍率（C-rate，>0）',
+                '储能容量上限（MWh，空表示无限制）'
+            ],
+            '取值范围': [
+                '0.0-1.0',
+                '0.0-1.0', 
+                '≥0.0',
+                '0.0-1.0',
+                '>0',
+                '>0',
+                '>0或空'
+            ],
+            '默认值': [
+                '0.1',
+                '0.1',
+                '0.2', 
+                '0.9',
+                '1.0',
+                '1.0',
+                '无限制'
+            ]
+        })
+        parameters_df.to_excel(writer, sheet_name='参数', index=False)
+        
+        # 添加说明工作表
+        description_df = pd.DataFrame({
+            '项目': ['数据说明', '数据类型', '时间范围', '单位', '注意事项', '参数说明'],
+            '内容': [
+                '测试优先上网逻辑的数据',
+                '24小时电力数据',
+                '1-24小时',
+                'MW (兆瓦)',
+                '所有数值必须为非负数',
+                '设置了严格的上网电量限制(10%)和储能容量限制(5MWh)'
+            ]
+        })
+        description_df.to_excel(writer, sheet_name='说明', index=False)
+    
+    print(f"测试Excel文件已创建：{filename}")
+    return filename
+
+
+def test_grid_priority():
+    """测试优先上网逻辑"""
+    print("=== 测试优先上网逻辑 ===\n")
+    
+    # 创建测试文件
+    test_file = create_test_excel()
+    
+    # 从Excel读取数据
+    from excel_reader import read_excel_data
+    data = read_excel_data(test_file, include_parameters=True)
+    
+    solar_output = data['solar_output']
+    wind_output = data['wind_output']
+    thermal_output = data['thermal_output']
+    load_demand = data['load_demand']
+    params = data['system_parameters']
+    
+    print("测试数据概况：")
+    print(f"光伏出力范围: {min(solar_output):.1f} - {max(solar_output):.1f} MW")
+    print(f"风电出力: {wind_output[0]:.1f} MW (恒定)")
+    print(f"火电出力: {thermal_output[0]:.1f} MW (恒定)")
+    print(f"负荷需求范围: {min(load_demand):.1f} - {max(load_demand):.1f} MW")
+    print(f"\n系统参数：")
+    print(f"最大上网电量比例: {params.max_grid_ratio}")
+    print(f"最大储能容量: {params.max_storage_capacity} MWh")
+    print(f"最大弃风率: {params.max_curtailment_wind}")
+    print(f"最大弃光率: {params.max_curtailment_solar}")
+    
+    # 计算总发电量和负荷
+    total_generation = sum(solar_output) + sum(wind_output) + sum(thermal_output)
+    total_load = sum(load_demand)
+    total_surplus = total_generation - total_load
+    
+    print(f"\n能量平衡：")
+    print(f"总发电量: {total_generation:.1f} MWh")
+    print(f"总负荷: {total_load:.1f} MWh")
+    print(f"总盈余: {total_surplus:.1f} MWh")
+    
+    # 运行优化
+    print("\n正在运行储能容量优化...")
+    result = optimize_storage_capacity(
+        solar_output, wind_output, thermal_output, load_demand, params
+    )
+    
+    # 分析结果
+    total_grid_feed_in = sum(result['grid_feed_in'])
+    total_curtailed_wind = sum(result['curtailed_wind'])
+    total_curtailed_solar = sum(result['curtailed_solar'])
+    
+    print(f"\n=== 优化结果 ===")
+    print(f"所需储能容量: {result['required_storage_capacity']:.2f} MWh")
+    print(f"实际上网电量: {total_grid_feed_in:.2f} MWh")
+    print(f"上网电量比例: {result['total_grid_feed_in_ratio']:.3f}")
+    print(f"弃风量: {total_curtailed_wind:.2f} MWh")
+    print(f"弃光量: {total_curtailed_solar:.2f} MWh")
+    print(f"弃风率: {result['total_curtailment_wind_ratio']:.3f}")
+    print(f"弃光率: {result['total_curtailment_solar_ratio']:.3f}")
+    
+    # 验证优先上网逻辑
+    max_allowed_grid = total_generation * params.max_grid_ratio
+    print(f"\n=== 验证优先上网逻辑 ===")
+    print(f"最大允许上网电量: {max_allowed_grid:.2f} MWh")
+    print(f"实际上网电量: {total_grid_feed_in:.2f} MWh")
+    
+    if abs(total_grid_feed_in - max_allowed_grid) < 1.0:  # 允许1MW误差
+        print("[OK] 验证通过：系统优先上网，达到上网电量限制上限")
+    else:
+        print("[ERROR] 验证失败：系统未充分利用上网电量限制")
+    
+    if total_curtailed_wind > 0 or total_curtailed_solar > 0:
+        print("[OK] 验证通过：在上网电量限制达到后，系统开始弃风弃光")
+    else:
+        print("[INFO] 注意：没有弃风弃光，可能盈余电力全部被储能或上网消化")
+    
+    # 查看具体小时的弃风弃光情况
+    print(f"\n=== 详细分析（盈余时段） ===")
+    for hour in range(6, 13):  # 6-12点是光伏出力高峰
+        available = solar_output[hour] + wind_output[hour] + thermal_output[hour]
+        demand = load_demand[hour]
+        surplus = available - demand
+        grid = result['grid_feed_in'][hour]
+        curtailed = result['curtailed_wind'][hour] + result['curtailed_solar'][hour]
+        
+        if surplus > 0:
+            print(f"小时{hour}: 盈余{surplus:.1f}MW -> 上网{grid:.1f}MW + 弃风弃光{curtailed:.1f}MW")
+    
+    print(f"\n测试完成！")
+
+
+if __name__ == "__main__":
+    test_grid_priority()

tests/test_multi_scenario.py

@@ -0,0 +1,131 @@
+#!/usr/bin/env python3
+# -*- coding: utf-8 -*-
+
+"""测试多场景聚类模块"""
+
+import sys
+import os
+sys.path.append(os.path.join(os.path.dirname(__file__), 'src'))
+
+from multi_scenario import MultiScenarioAnalyzer
+
+import numpy as np
+
+def test_multi_scenario_basic():
+    """测试基本功能"""
+    print("测试多场景聚类基本功能...")
+    
+    # 生成简单的测试数据（24小时）
+    hours = 24
+    solar_output = [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 1.0, 2.0, 3.0, 4.0, 5.0, 6.0,
+                   5.0, 4.0, 3.0, 2.0, 1.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0]
+    wind_output = [2.0, 3.0, 4.0, 3.0, 2.0, 1.0, 1.0, 2.0, 3.0, 4.0, 3.0, 2.0,
+                   2.0, 3.0, 4.0, 3.0, 2.0, 1.0, 1.0, 2.0, 3.0, 4.0, 3.0, 2.0]
+    load_demand = [3.0, 4.0, 5.0, 6.0, 8.0, 10.0, 12.0, 14.0, 16.0, 18.0, 20.0, 18.0,
+                  16.0, 14.0, 12.0, 10.0, 8.0, 6.0, 5.0, 4.0, 3.0, 2.0, 1.0, 2.0]
+    
+    # 创建分析器
+    analyzer = MultiScenarioAnalyzer(n_clusters=3, random_state=42)
+    
+    try:
+        # 执行聚类分析
+        result = analyzer.fit_predict(solar_output, wind_output, load_demand)
+        
+        print("✅ 基本聚类测试通过")
+        print(f"   - 识别场景数: {result.n_scenarios}")
+        print(f"   - 轮廓系数: {result.silhouette_score:.3f}")
+        print(f"   - 场景名称: {result.scenario_names}")
+        
+        return True
+        
+    except Exception as e:
+        print(f"❌ 测试失败: {str(e)}")
+        import traceback
+        traceback.print_exc()
+        return False
+
+def test_multi_scenario_yearly():
+    """测试年度数据聚类"""
+    print("\n测试年度数据聚类...")
+    
+    # 生成模拟的8760小时数据
+    np.random.seed(42)
+    
+    # 简单的模拟数据
+    solar_output = []
+    wind_output = []
+    load_demand = []
+    
+    for day in range(365):
+        # 光伏：白天有出力，夜间为0
+        daily_solar = [0.0] * 6 + list(np.random.uniform(1, 6, 12)) + [0.0] * 6
+        solar_output.extend(daily_solar)
+        
+        # 风电：相对随机
+        daily_wind = np.random.exponential(2.5, 24).tolist()
+        wind_output.extend(daily_wind)
+        
+        # 负荷：日内变化，夜间低，白天高
+        daily_load = [3.0, 4.0, 5.0, 6.0, 8.0, 10.0, 12.0, 14.0, 16.0, 18.0, 20.0, 18.0,
+                     16.0, 14.0, 12.0, 10.0, 8.0, 6.0, 5.0, 4.0, 3.0, 2.0, 1.0, 2.0]
+        load_demand.extend(daily_load)
+    
+    try:
+        analyzer = MultiScenarioAnalyzer(n_clusters=5, random_state=42)
+        result = analyzer.fit_predict(solar_output, wind_output, load_demand, find_optimal_k=True)
+        
+        print("✅ 年度数据聚类测试通过")
+        print(f"   - 最优聚类数: {result.n_scenarios}")
+        print(f"   - 轮廓系数: {result.silhouette_score:.3f}")
+        
+        # 输出前3个场景的统计
+        for i in range(min(3, result.n_scenarios)):
+            stats = result.scenario_stats[f'scenario_{i}']
+            print(f"   - 场景{i+1}: 频率{stats['frequency']:.1%}, "
+                  f"光伏{stats['solar_mean']:.1f}MW, "
+                  f"风电{stats['wind_mean']:.1f}MW, "
+                  f"负荷{stats['load_mean']:.1f}MW")
+        
+        # 测试图表生成
+        print("   - 测试图表生成...")
+        analyzer.plot_scenario_analysis(result, solar_output, wind_output, load_demand,
+                                       save_path="test_scenario_analysis.png")
+        print("   ✅ 图表生成成功")
+        
+        return True
+        
+    except Exception as e:
+        print(f"❌ 年度数据测试失败: {str(e)}")
+        import traceback
+        traceback.print_exc()
+        return False
+
+def test_data_validation():
+    """测试数据验证"""
+    print("\n测试数据验证...")
+    
+    # 测试数据长度不一致
+    try:
+        analyzer = MultiScenarioAnalyzer(n_clusters=2)
+        analyzer.fit_predict([1, 2, 3], [1, 2], [1, 2, 3])  # 长度不一致
+        print("❌ 应该检测到数据长度不一致")
+        return False
+    except ValueError as e:
+        print("✅ 正确检测到数据长度不一致")
+    
+    return True
+
+if __name__ == "__main__":
+    print("=== 多场景聚类模块测试 ===\n")
+    
+    success = True
+    success &= test_multi_scenario_basic()
+    success &= test_multi_scenario_yearly()
+    success &= test_data_validation()
+    
+    print(f"\n{'='*50}")
+    if success:
+        print("🎉 所有测试通过！多场景聚类模块工作正常。")
+    else:
+        print("💥 部分测试失败，请检查代码。")
+    print(f"{'='*50}")

tests/test_optimization.py

@@ -0,0 +1,47 @@
+"""测试优化函数是否正常工作"""
+import sys
+sys.path.append('src')
+from storage_optimization import optimize_storage_capacity, SystemParameters
+
+# 使用简单的24小时示例数据
+solar_output = [0.0] * 6 + [1.0, 2.0, 3.0, 4.0, 5.0, 6.0, 5.0, 4.0, 3.0, 2.0, 1.0, 0.0] + [0.0] * 6
+wind_output = [2.0, 3.0, 4.0, 3.0, 2.0, 1.0] * 4
+thermal_output = [5.0] * 24
+load_demand = [3.0, 4.0, 5.0, 6.0, 8.0, 10.0, 12.0, 14.0, 16.0, 18.0, 20.0, 18.0,
+               16.0, 14.0, 12.0, 10.0, 8.0, 6.0, 5.0, 4.0, 3.0, 2.0, 1.0, 2.0]
+
+# 系统参数
+params = SystemParameters(
+    max_curtailment_wind=0.1,
+    max_curtailment_solar=0.1,
+    max_grid_ratio=0.2,
+    storage_efficiency=0.9,
+    discharge_rate=1.0,
+    charge_rate=1.0,
+    max_storage_capacity=200.0  # 设置储能容量上限
+)
+
+print("开始测试优化函数...")
+print("储能容量上限: 200.0 MWh")
+
+# 计算最优储能容量
+result = optimize_storage_capacity(
+    solar_output, wind_output, thermal_output, load_demand, params
+)
+
+print("\n" + "="*50)
+print("测试结果:")
+print("="*50)
+print(f"result 类型: {type(result)}")
+print(f"result 是否为 None: {result is None}")
+
+if result is not None:
+    print(f"所选储能容量: {result.get('required_storage_capacity', 'N/A'):.2f} MWh")
+    print(f"总弃电量: {result.get('total_curtailed_energy', 'N/A'):.2f} MWh")
+    print(f"弃风率: {result.get('total_curtailment_wind_ratio', 'N/A'):.3f}")
+    print(f"弃光率: {result.get('total_curtailment_solar_ratio', 'N/A'):.3f}")
+    print(f"储能容量上限: {result.get('max_storage_limit', 'N/A')}")
+    print(f"优化目标: {result.get('optimization_goal', 'N/A')}")
+    print("\n✓ 测试成功！函数返回了有效结果。")
+else:
+    print("\n✗ 测试失败！函数返回了 None。")

tests/test_periodic_balance.py

@@ -0,0 +1,135 @@
+"""
+测试周期性平衡功能
+"""
+
+import sys
+import os
+
+# 添加src目录到路径
+sys.path.append(os.path.join(os.path.dirname(__file__), '..', 'src'))
+
+from storage_optimization import optimize_storage_capacity, SystemParameters
+
+def test_24hour_data():
+    """测试24小时数据（不需要周期性平衡）"""
+    print("=" * 60)
+    print("测试24小时数据（不需要周期性平衡）")
+    print("=" * 60)
+
+    # 示例数据
+    solar_output = [0.0] * 6 + [1.0, 2.0, 3.0, 4.0, 5.0, 6.0, 5.0, 4.0, 3.0, 2.0, 1.0, 0.0] + [0.0] * 6
+    wind_output = [2.0, 3.0, 4.0, 3.0, 2.0, 1.0] * 4
+    thermal_output = [5.0] * 24
+    load_demand = [3.0, 4.0, 5.0, 6.0, 8.0, 10.0, 12.0, 14.0, 16.0, 18.0, 20.0, 18.0,
+                   16.0, 14.0, 12.0, 10.0, 8.0, 6.0, 5.0, 4.0, 3.0, 2.0, 1.0, 2.0]
+
+    # 系统参数
+    params = SystemParameters(
+        max_curtailment_wind=0.1,
+        max_curtailment_solar=0.1,
+        max_grid_ratio=0.2,
+        storage_efficiency=0.9,
+        discharge_rate=1.0,
+        charge_rate=1.0
+    )
+
+    # 计算最优储能容量
+    result = optimize_storage_capacity(
+        solar_output, wind_output, thermal_output, load_demand, params
+    )
+
+    print(f"\n=== 24小时优化结果 ===")
+    print(f"所需储能总容量: {result['required_storage_capacity']:.2f} MWh")
+    print(f"初始SOC: {result['storage_profile'][0]:.4f} MWh")
+    print(f"最终SOC: {result['storage_profile'][-1]:.4f} MWh")
+    print(f"SOC差值: {abs(result['storage_profile'][-1] - result['storage_profile'][0]):.4f} MWh")
+    print(f"实际弃风率: {result['total_curtailment_wind_ratio']:.3f}")
+    print(f"实际弃光率: {result['total_curtailment_solar_ratio']:.3f}")
+    print(f"实际上网电量比例: {result['total_grid_feed_in_ratio']:.3f}")
+    print(f"能量平衡校验: {'通过' if result['energy_balance_check'] else '未通过'}")
+
+
+def test_8760hour_data():
+    """测试8760小时数据（需要周期性平衡）"""
+    print("\n" + "=" * 60)
+    print("测试8760小时数据（需要周期性平衡）")
+    print("=" * 60)
+
+    # 生成8760小时示例数据（简化版本）
+    import numpy as np
+
+    # 使用重复的24小时模式生成8760小时数据
+    daily_solar = [0.0] * 6 + [1.0, 2.0, 3.0, 4.0, 5.0, 6.0, 5.0, 4.0, 3.0, 2.0, 1.0, 0.0] + [0.0] * 6
+    daily_wind = [2.0, 3.0, 4.0, 3.0, 2.0, 1.0] * 4
+    daily_thermal = [5.0] * 24
+    daily_load = [3.0, 4.0, 5.0, 6.0, 8.0, 10.0, 12.0, 14.0, 16.0, 18.0, 20.0, 18.0,
+                  16.0, 14.0, 12.0, 10.0, 8.0, 6.0, 5.0, 4.0, 3.0, 2.0, 1.0, 2.0]
+
+    # 添加季节性变化
+    np.random.seed(42)
+    solar_output = []
+    wind_output = []
+    thermal_output = []
+    load_demand = []
+
+    for day in range(365):
+        # 季节性因子
+        season_factor = 1.0 + 0.3 * np.sin(2 * np.pi * day / 365)
+
+        for hour in range(24):
+            # 添加随机变化
+            solar_variation = 1.0 + 0.2 * (np.random.random() - 0.5)
+            wind_variation = 1.0 + 0.3 * (np.random.random() - 0.5)
+            load_variation = 1.0 + 0.1 * (np.random.random() - 0.5)
+
+            solar_output.append(daily_solar[hour] * season_factor * solar_variation)
+            wind_output.append(daily_wind[hour] * wind_variation)
+            thermal_output.append(daily_thermal[hour])
+            load_demand.append(daily_load[hour] * (2.0 - season_factor) * load_variation)
+
+    # 系统参数
+    params = SystemParameters(
+        max_curtailment_wind=0.1,
+        max_curtailment_solar=0.1,
+        max_grid_ratio=0.2,
+        storage_efficiency=0.9,
+        discharge_rate=1.0,
+        charge_rate=1.0,
+        max_storage_capacity=1000.0  # 设置储能容量上限以加快测试
+    )
+
+    # 计算最优储能容量
+    result = optimize_storage_capacity(
+        solar_output, wind_output, thermal_output, load_demand, params
+    )
+
+    print(f"\n=== 8760小时优化结果 ===")
+    print(f"所需储能总容量: {result['required_storage_capacity']:.2f} MWh")
+    print(f"初始SOC: {result['storage_profile'][0]:.4f} MWh")
+    print(f"最终SOC: {result['storage_profile'][-1]:.4f} MWh")
+    print(f"SOC差值: {abs(result['storage_profile'][-1] - result['storage_profile'][0]):.4f} MWh")
+    print(f"实际弃风率: {result['total_curtailment_wind_ratio']:.3f}")
+    print(f"实际弃光率: {result['total_curtailment_solar_ratio']:.3f}")
+    print(f"实际上网电量比例: {result['total_grid_feed_in_ratio']:.3f}")
+    print(f"能量平衡校验: {'通过' if result['energy_balance_check'] else '未通过'}")
+
+    # 验证周期性平衡
+    soc_diff = abs(result['storage_profile'][-1] - result['storage_profile'][0])
+    capacity = result['required_storage_capacity']
+    soc_convergence_threshold = capacity * 0.001  # 0.1%阈值
+
+    if soc_diff < soc_convergence_threshold:
+        print(f"\n✓ 周期性平衡验证通过")
+        print(f"  SOC差值: {soc_diff:.4f} MWh < 阈值: {soc_convergence_threshold:.4f} MWh")
+    else:
+        print(f"\n⚠ 周期性平衡验证未通过")
+        print(f"  SOC差值: {soc_diff:.4f} MWh >= 阈值: {soc_convergence_threshold:.4f} MWh")
+
+
+if __name__ == "__main__":
+    test_24hour_data()
+    test_8760hour_data()
+
+    print("\n" + "=" * 60)
+    print("所有测试完成")
+    print("=" * 60)

tests/test_scenario_storage_optimization.py

@@ -0,0 +1,232 @@
+#!/usr/bin/env python3
+# -*- coding: utf-8 -*-
+
+"""测试场景储能配置优化模块"""
+
+import sys
+import os
+sys.path.append(os.path.join(os.path.dirname(__file__), 'src'))
+
+from multi_scenario import MultiScenarioAnalyzer
+from storage_optimization import SystemParameters
+import numpy as np
+
+def test_scenario_storage_optimization():
+    """测试聚类场景的储能配置优化"""
+    print("=== 场景储能配置优化测试 ===")
+    
+    # 生成模拟数据
+    np.random.seed(42)
+    
+    solar_output = []
+    wind_output = []
+    load_demand = []
+    
+    for day in range(30):  # 30天数据用于测试
+        # 光伏：白天有出力，夜间为0
+        daily_solar = [0.0] * 6 + list(np.random.uniform(2, 8, 12)) + [0.0] * 6
+        solar_output.extend(daily_solar)
+        
+        # 风电：相对随机
+        daily_wind = np.random.exponential(3.0, 24).tolist()
+        wind_output.extend(daily_wind)
+        
+        # 负荷：日内变化，夜间低，白天高
+        daily_load = [4.0, 5.0, 6.0, 7.0, 9.0, 11.0, 13.0, 15.0, 17.0, 19.0, 21.0, 19.0,
+                     17.0, 15.0, 13.0, 11.0, 9.0, 7.0, 6.0, 5.0, 4.0, 3.0, 2.0, 3.0]
+        load_demand.extend(daily_load)
+    
+    try:
+        # 1. 执行聚类分析
+        print("1. 执行多场景聚类分析...")
+        analyzer = MultiScenarioAnalyzer(n_clusters=4, random_state=42)
+        result = analyzer.fit_predict(solar_output, wind_output, load_demand)
+        
+        print(f"   识别出 {result.n_scenarios} 个场景")
+        
+        # 2. 对每个场景进行储能配置优化
+        print("\n2. 对每个场景进行储能配置优化...")
+        
+        # 系统参数
+        system_params = SystemParameters(
+            max_curtailment_wind=0.1,
+            max_curtailment_solar=0.1,
+            max_grid_ratio=0.2,
+            storage_efficiency=0.9,
+            discharge_rate=1.0,
+            charge_rate=1.0
+        )
+        
+        # 使用 analyzer 的优化功能
+        optimization_results = analyzer.optimize_storage_for_scenarios(
+            result, solar_output, wind_output, load_demand, system_params, safety_factor=1.2
+        )
+        
+        # 3. 显示优化结果
+        print("\n3. 储能配置优化结果...")
+        analyzer.print_storage_optimization_summary(optimization_results)
+        
+        # 4. 测试结果验证
+        assert 'summary' in optimization_results, "缺少汇总结果"
+        assert optimization_results['summary']['n_scenarios'] == result.n_scenarios, "场景数不匹配"
+        assert optimization_results['summary']['recommended_capacity'] > 0, "推荐容量应该大于0"
+        
+        print("\n✅ 场景储能配置优化测试通过")
+        return True, optimization_results
+        
+    except Exception as e:
+        print(f"❌ 场景储能配置优化测试失败: {str(e)}")
+        import traceback
+        traceback.print_exc()
+        return False, None
+
+def test_storage_optimization_with_different_scenarios():
+    """测试不同场景数量的储能优化"""
+    print("\n=== 不同场景数量的储能优化测试 ===")
+    
+    # 生成测试数据
+    np.random.seed(123)
+    
+    solar_output = []
+    wind_output = []
+    load_demand = []
+    
+    for day in range(60):  # 60天数据
+        # 光伏：模拟夏季和冬季差异
+        if day < 30:  # 夏季
+            daily_solar = [0.0] * 6 + list(np.random.uniform(3, 10, 12)) + [0.0] * 6
+        else:  # 冬季
+            daily_solar = [0.0] * 6 + list(np.random.uniform(1, 6, 12)) + [0.0] * 6
+        solar_output.extend(daily_solar)
+        
+        # 风电：模拟季节性变化
+        daily_wind = np.random.exponential(2.5, 24).tolist()
+        wind_output.extend(daily_wind)
+        
+        # 负荷：模拟夏冬负荷差异
+        if day < 30:  # 夏季负荷较高（空调）
+            daily_load = [6.0, 7.0, 8.0, 9.0, 11.0, 13.0, 15.0, 17.0, 19.0, 21.0, 23.0, 21.0,
+                         19.0, 17.0, 15.0, 13.0, 11.0, 9.0, 8.0, 7.0, 6.0, 5.0, 4.0, 5.0]
+        else:  # 冬季负荷相对较低
+            daily_load = [4.0, 5.0, 6.0, 7.0, 9.0, 11.0, 13.0, 15.0, 17.0, 19.0, 21.0, 19.0,
+                         17.0, 15.0, 13.0, 11.0, 9.0, 7.0, 6.0, 5.0, 4.0, 3.0, 2.0, 3.0]
+        load_demand.extend(daily_load)
+    
+    analyzer = MultiScenarioAnalyzer(random_state=123)
+    
+    # 测试不同聚类数
+    for n_clusters in [3, 5, 7]:
+        print(f"\n测试 {n_clusters} 个场景的储能优化...")
+        
+        try:
+            result = analyzer.fit_predict(solar_output, wind_output, load_demand, 
+                                        n_clusters=n_clusters)
+            
+            print(f"   实际识别出 {result.n_scenarios} 个场景")
+            
+            # 执行储能优化
+            optimization_results = analyzer.optimize_storage_for_scenarios(
+                result, solar_output, wind_output, load_demand, 
+                safety_factor=1.3
+            )
+            
+            # 显示结果
+            summary = optimization_results['summary']
+            print(f"   加权平均储能需求: {summary['weighted_average_storage']:.2f} MWh")
+            print(f"   推荐储能容量: {summary['recommended_capacity']:.2f} MWh")
+            
+        except Exception as e:
+            print(f"   ❌ {n_clusters}场景测试失败: {str(e)}")
+            return False
+    
+    print("\n✅ 不同场景数量的储能优化测试通过")
+    return True
+
+def test_edge_cases():
+    """测试边界情况"""
+    print("\n=== 边界情况测试 ===")
+    
+    # 测试短时间数据
+    print("1. 测试短时间数据...")
+    analyzer = MultiScenarioAnalyzer(n_clusters=2, random_state=42)
+    
+    # 只生成24小时数据
+    solar_24h = [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 1.0, 2.0, 3.0, 4.0, 5.0, 6.0,
+                5.0, 4.0, 3.0, 2.0, 1.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0]
+    wind_24h = [2.0, 3.0, 4.0, 3.0, 2.0, 1.0, 1.0, 2.0, 3.0, 4.0, 3.0, 2.0,
+               2.0, 3.0, 4.0, 3.0, 2.0, 1.0, 1.0, 2.0, 3.0, 4.0, 3.0, 2.0]
+    load_24h = [3.0, 4.0, 5.0, 6.0, 8.0, 10.0, 12.0, 14.0, 16.0, 18.0, 20.0, 18.0,
+               16.0, 14.0, 12.0, 10.0, 8.0, 6.0, 5.0, 4.0, 3.0, 2.0, 1.0, 2.0]
+    
+    try:
+        result = analyzer.fit_predict(solar_24h, wind_24h, load_24h)
+        
+        # 对于短时间数据，应该会被扩展到24小时
+        optimization_results = analyzer.optimize_storage_for_scenarios(
+            result, solar_24h, wind_24h, load_24h
+        )
+        
+        print("   ✅ 短时间数据测试通过")
+        
+    except Exception as e:
+        print(f"   ❌ 短时间数据测试失败: {str(e)}")
+        return False
+    
+    # 测试极大储能需求情况
+    print("2. 测试极大储能需求情况...")
+    
+    # 创建储能需求很大的场景
+    solar_extreme = [10.0] * 24  # 始终高出力
+    wind_extreme = [8.0] * 24    # 始终高出力
+    load_extreme = [1.0] * 24    # 始终低负荷
+    
+    try:
+        result_extreme = analyzer.fit_predict(solar_extreme, wind_extreme, load_extreme)
+        optimization_results_extreme = analyzer.optimize_storage_for_scenarios(
+            result_extreme, solar_extreme, wind_extreme, load_extreme
+        )
+        
+        print(f"   极端场景推荐储能容量: {optimization_results_extreme['summary']['recommended_capacity']:.2f} MWh")
+        print("   ✅ 极大储能需求情况测试通过")
+        
+    except Exception as e:
+        print(f"   ❌ 极大储能需求情况测试失败: {str(e)}")
+        return False
+    
+    print("\n✅ 所有边界情况测试通过")
+    return True
+
+if __name__ == "__main__":
+    print("=== 场景储能配置优化模块测试 ===\n")
+    
+    success = True
+    
+    # 基础功能测试
+    success1, optimization_results = test_scenario_storage_optimization()
+    success &= success1
+    
+    # 不同场景数量测试
+    success2 = test_storage_optimization_with_different_scenarios()
+    success &= success2
+    
+    # 边界情况测试
+    success3 = test_edge_cases()
+    success &= success3
+    
+    print(f"\n{'='*60}")
+    if success:
+        print("🎉 所有场景储能配置优化测试通过！")
+        print("   储能优化模块功能正常工作。")
+    else:
+        print("💥 部分测试失败，请检查代码。")
+    print(f"{'='*60}")
+    
+    # 返回测试结果供其他模块使用
+    if success:
+        print(f"\n测试数据示例:")
+        if optimization_results:
+            summary = optimization_results['summary']
+            print(f"   - 加权平均储能需求: {summary['weighted_average_storage']:.2f} MWh")
+            print(f"   - 推荐储能容量: {summary['recommended_capacity']:.2f} MWh")
+            print(f"   - 安全系数: {summary['safety_factor']}")
+            print(f"   - 分析场景数: {summary['n_scenarios']}")

tests/test_single_renewable.py

@@ -0,0 +1,91 @@
+import sys
+import os
+sys.path.append(os.path.join(os.path.dirname(__file__), '..', 'src'))
+
+import pandas as pd
+import numpy as np
+
+def create_single_wind_excel():
+    """创建只有风电的测试Excel文件"""
+    
+    # 创建24小时数据
+    hours = list(range(1, 25))
+    
+    # 风电出力：前12小时高，后12小时低
+    wind_output = [80, 75, 70, 65, 60, 55, 50, 45, 40, 35, 30, 25, 20, 15, 10, 8, 6, 5, 4, 3, 2, 1, 0.5, 0.2, 0.1]
+    
+    # 光伏出力：全部为0
+    solar_output = [0.0] * 24
+    
+    # 火电出力：全部为0
+    thermal_output = [0.0] * 24
+    
+    # 负荷需求：恒定40MW
+    load_demand = [40.0] * 24
+    
+    # 创建DataFrame
+    data = {
+        '小时': hours,
+        '光伏出力(MW)': solar_output,
+        '风电出力(MW)': wind_output,
+        '火电出力(MW)': thermal_output,
+        '负荷需求(MW)': load_demand
+    }
+    df = pd.DataFrame(data)
+    
+    # 保存为Excel文件
+    excel_file = 'single_wind_test.xlsx'
+    df.to_excel(excel_file, index=False, sheet_name='data')
+    print(f"已创建单一风电测试文件: {excel_file}")
+    print(f"风电总出力: {sum(wind_output):.1f} MWh")
+    print(f"负荷总需求: {sum(load_demand):.1f} MWh")
+    
+    return excel_file
+
+def create_single_solar_excel():
+    """创建只有光伏的测试Excel文件"""
+    
+    # 创建24小时数据
+    hours = list(range(1, 25))
+    
+    # 风电出力：全部为0
+    wind_output = [0.0] * 24
+    
+    # 光伏出力：中间时段高
+    solar_output = [0, 0, 0, 0, 0, 0, 10, 20, 40, 60, 80, 60, 40, 20, 10, 5, 2, 1, 0.5, 0.2, 0.1, 0, 0, 0]
+    
+    # 火电出力：全部为0
+    thermal_output = [0.0] * 24
+    
+    # 负荷需求：恒定30MW
+    load_demand = [30.0] * 24
+    
+    # 创建DataFrame
+    data = {
+        '小时': hours,
+        '光伏出力(MW)': solar_output,
+        '风电出力(MW)': wind_output,
+        '火电出力(MW)': thermal_output,
+        '负荷需求(MW)': load_demand
+    }
+    df = pd.DataFrame(data)
+    
+    # 保存为Excel文件
+    excel_file = 'single_solar_test.xlsx'
+    df.to_excel(excel_file, index=False, sheet_name='data')
+    print(f"已创建单一光伏测试文件: {excel_file}")
+    print(f"光伏总出力: {sum(solar_output):.1f} MWh")
+    print(f"负荷总需求: {sum(load_demand):.1f} MWh")
+    
+    return excel_file
+
+if __name__ == "__main__":
+    print("创建单一可再生能源测试文件...")
+    wind_file = create_single_wind_excel()
+    solar_file = create_single_solar_excel()
+    print(f"\n测试文件已创建完成:")
+    print(f"1. {wind_file} - 单一风电场景")
+    print(f"2. {solar_file} - 单一光伏场景")
+    print(f"\n可以使用以下命令测试:")
+    print(f"uv run python main.py --excel {wind_file}")
+    print(f"uv run python main.py --excel {solar_file}")

tests/test_single_renewable_curtail.py

@@ -0,0 +1,81 @@
+"""
+测试单一可再生能源时弃风量不受限制的功能
+"""
+
+import sys
+import os
+sys.path.append(os.path.join(os.path.dirname(__file__), '..', 'src'))
+
+import numpy as np
+from storage_optimization import optimize_storage_capacity, SystemParameters
+
+def test_single_renewable_scenario():
+    """测试单一可再生能源场景"""
+    
+    print("=== 测试单一可再生能源弃风量限制功能 ===\n")
+    
+    # 场景1: 只有风电
+    print("场景1: 只有风电系统")
+    wind_only = [50.0] * 24  # 24小时风电出力，每小时50MW
+    solar_none = [0.0] * 24
+    thermal_none = [0.0] * 24
+    load = [30.0] * 24  # 负荷30MW，风电出力大于负荷
+    
+    params = SystemParameters(
+        max_curtailment_wind=0.1,  # 设置10%弃风限制
+        max_curtailment_solar=0.1,
+        max_grid_ratio=0.2,
+        storage_efficiency=0.9,
+        discharge_rate=1.0,
+        charge_rate=1.0,
+        max_storage_capacity=None
+    )
+    
+    result = optimize_storage_capacity(wind_only, solar_none, thermal_none, load, params)
+    
+    print(f"风电总出力: {np.sum(wind_only):.1f} MWh")
+    print(f"弃风量: {np.sum(result['curtailed_wind']):.1f} MWh")
+    print(f"弃风比例: {result['total_curtailment_wind_ratio']:.3f}")
+    print(f"储能容量: {result['required_storage_capacity']:.1f} MWh")
+    print(f"预期: 弃风量应该为0（因为只有风电，不受10%限制）")
+    print()
+    
+    # 场景2: 只有光伏
+    print("场景2: 只有光伏系统")
+    wind_none = [0.0] * 24
+    solar_only = [40.0] * 24  # 24小时光伏出力，每小时40MW
+    thermal_none = [0.0] * 24
+    load = [20.0] * 24  # 负荷20MW，光伏出力大于负荷
+    
+    result = optimize_storage_capacity(wind_none, solar_only, thermal_none, load, params)
+    
+    print(f"光伏总出力: {np.sum(solar_only):.1f} MWh")
+    print(f"弃光量: {np.sum(result['curtailed_solar']):.1f} MWh")
+    print(f"弃光比例: {result['total_curtailment_solar_ratio']:.3f}")
+    print(f"储能容量: {result['required_storage_capacity']:.1f} MWh")
+    print(f"预期: 弃光量应该为0（因为只有光伏，不受10%限制）")
+    print()
+    
+    # 场景3: 风电+光伏（混合系统）
+    print("场景3: 风电+光伏混合系统")
+    wind_mixed = [30.0] * 24
+    solar_mixed = [20.0] * 24
+    thermal_none = [0.0] * 24
+    load = [25.0] * 24  # 负荷25MW，总发电50MW > 负荷
+    
+    result = optimize_storage_capacity(wind_mixed, solar_mixed, thermal_none, load, params)
+    
+    print(f"风电总出力: {np.sum(wind_mixed):.1f} MWh")
+    print(f"光伏总出力: {np.sum(solar_mixed):.1f} MWh")
+    print(f"弃风量: {np.sum(result['curtailed_wind']):.1f} MWh")
+    print(f"弃光量: {np.sum(result['curtailed_solar']):.1f} MWh")
+    print(f"弃风比例: {result['total_curtailment_wind_ratio']:.3f}")
+    print(f"弃光比例: {result['total_curtailment_solar_ratio']:.3f}")
+    print(f"储能容量: {result['required_storage_capacity']:.1f} MWh")
+    print(f"预期: 弃风弃光量应受10%限制，总弃风弃光量约为{(720+480)*0.1:.0f} MWh")
+    print()
+    
+    print("=== 测试完成 ===")
+
+if __name__ == "__main__":
+    test_single_renewable_scenario()

tests/test_storage_capacity.py

@@ -0,0 +1,86 @@
+"""测试储能容量计算"""
+import sys
+sys.path.append('src')
+from storage_optimization import calculate_energy_balance, SystemParameters
+
+# 使用简单的示例数据
+solar_output = [0.0] * 6 + [10.0, 20.0, 30.0, 40.0, 50.0, 60.0, 50.0, 40.0, 30.0, 20.0, 10.0, 0.0] + [0.0] * 6
+wind_output = [20.0, 30.0, 40.0, 30.0, 20.0, 10.0] * 4
+thermal_output = [50.0] * 24
+load_demand = [30.0, 40.0, 50.0, 60.0, 80.0, 100.0, 120.0, 140.0, 160.0, 180.0, 200.0, 180.0,
+               160.0, 140.0, 120.0, 100.0, 80.0, 60.0, 50.0, 40.0, 30.0, 20.0, 10.0, 20.0]
+
+# 系统参数
+params = SystemParameters(
+    max_curtailment_wind=0.1,
+    max_curtailment_solar=0.1,
+    max_grid_ratio=0.2,
+    storage_efficiency=0.9,
+    discharge_rate=1.0,
+    charge_rate=1.0,
+    max_storage_capacity=200.0  # 设置储能容量上限
+)
+
+# 测试不同储能容量下的储能状态
+test_capacities = [50.0, 100.0, 150.0, 200.0]
+
+print("="*70)
+print("测试不同储能容量下的实际最大储能状态")
+print("="*70)
+print(f"储能容量上限: {params.max_storage_capacity} MWh")
+print(f"充放电倍率: {params.charge_rate} C\n")
+
+for capacity in test_capacities:
+    result = calculate_energy_balance(
+        solar_output, wind_output, thermal_output, load_demand,
+        params, capacity, initial_soc=0.0
+    )
+    
+    storage_profile = result['storage_profile']
+    max_storage_state = max(storage_profile)
+    min_storage_state = min(storage_profile)
+    total_curtailed = sum(result['curtailed_wind']) + sum(result['curtailed_solar'])
+    
+    print(f"储能容量: {capacity:.1f} MWh")
+    print(f"  实际最大储能状态: {max_storage_state:.2f} MWh ({max_storage_state/capacity*100:.1f}%)")
+    print(f"  实际最小储能状态: {min_storage_state:.2f} MWh")
+    print(f"  总弃电量: {total_curtailed:.2f} MWh")
+    
+    # 检查是否有充电受限的情况
+    charge_profile = result['charge_profile']
+    discharge_profile = result['discharge_profile']
+    
+    max_possible_charge = capacity * params.charge_rate  # 最大充电功率
+    max_possible_discharge = capacity * params.discharge_rate  # 最大放电功率
+    
+    max_actual_charge = max(charge_profile)
+    max_actual_discharge = max(discharge_profile)
+    
+    print(f"  最大充电功率: {max_actual_charge:.2f} MW (限制: {max_possible_charge:.2f} MW)")
+    print(f"  最大放电功率: {max_actual_discharge:.2f} MW (限制: {max_possible_discharge:.2f} MW)")
+    
+    # 检查是否达到功率限制
+    charge_limited = any(c >= max_possible_charge * 0.99 for c in charge_profile)
+    discharge_limited = any(d >= max_possible_discharge * 0.99 for d in discharge_profile)
+    
+    if charge_limited:
+        print(f"  ⚠ 充电功率受限")
+    if discharge_limited:
+        print(f"  ⚠ 放电功率受限")
+    
+    # 检查储能容量利用率
+    utilization = max_storage_state / capacity * 100
+    if utilization < 90:
+        print(f"  ⚠ 储能容量利用率低 ({utilization:.1f}%)")
+    
+    print()
+
+print("="*70)
+print("分析：为什么实际储能状态达不到设定的储能容量上限？")
+print("="*70)
+print("可能的原因：")
+print("1. 电力供需平衡：如果发电量和负荷基本平衡，不需要大量储能")
+print("2. 充放电倍率限制：充放电功率受限，无法快速填满储能")
+print("3. 约束条件限制：弃风弃光率、上网电量比例等约束限制了储能使用")
+print("4. 周期性平衡要求：储能需要在周期结束时回到接近初始状态")
+print("5. 初始SOC设置：初始SOC从0开始，可能需要多周期才能稳定")

tests/test_zero_grid.py

@@ -0,0 +1,212 @@
+# -*- coding: utf-8 -*-
+"""
+测试火电可用发电量为0时的上网电量限制
+
+验证当Excel中的火电可用发电量为0时，上网上限计算正确
+"""
+
+import sys
+import os
+sys.path.append(os.path.join(os.path.dirname(__file__), '..', 'src'))
+
+import pandas as pd
+from excel_reader import create_excel_template, read_excel_data, read_system_parameters
+from storage_optimization import optimize_storage_capacity, SystemParameters
+
+def test_zero_grid_limit():
+    """测试火电可用发电量为0时的上网电量限制"""
+    print("=== 测试火电可用发电量为0时的上网电量限制 ===")
+    
+    # 创建一个测试Excel文件，其中火电可用发电量为0
+    test_file = "test_zero_grid.xlsx"
+    
+    # 创建基本模板
+    create_excel_template(test_file, "24")
+    
+    # 修改参数工作表
+    df_params = pd.read_excel(test_file, sheet_name='参数')
+    
+    # 修改参数
+    for idx, row in df_params.iterrows():
+        if row['参数名称'] == '火电可用发电量':
+            df_params.at[idx, '参数值'] = 0.0
+        elif row['参数名称'] == '光伏可用发电量':
+            df_params.at[idx, '参数值'] = 100.0  # 减少光伏可用发电量
+        elif row['参数名称'] == '风电可用发电量':
+            df_params.at[idx, '参数值'] = 100.0  # 减少风电可用发电量
+        elif row['参数名称'] == '最大上网电量比例':
+            df_params.at[idx, '参数值'] = 0.3   # 提高上网比例到30%
+    
+    # 保存修改后的Excel文件
+    with pd.ExcelWriter(test_file, mode='a', engine='openpyxl', if_sheet_exists='replace') as writer:
+        df_params.to_excel(writer, sheet_name='参数', index=False)
+    
+    print(f"创建测试Excel文件: {test_file}")
+    print("设置参数:")
+    print("  火电可用发电量: 0 MWh")
+    print("  光伏可用发电量: 100 MWh")
+    print("  风电可用发电量: 100 MWh")
+    print("  最大上网电量比例: 30%")
+    
+    # 读取参数
+    print("\n读取系统参数:")
+    try:
+        params = read_system_parameters(test_file)
+        print(f"  火电可用发电量: {params.available_thermal_energy} MWh")
+        print(f"  光伏可用发电量: {params.available_solar_energy} MWh")
+        print(f"  风电可用发电量: {params.available_wind_energy} MWh")
+        print(f"  最大上网电量比例: {params.max_grid_ratio}")
+        
+        # 计算期望的上网上限
+        total_available_energy = params.available_solar_energy + params.available_wind_energy
+        expected_max_grid_feed_in = total_available_energy * params.max_grid_ratio
+        
+        print(f"\n期望结果:")
+        print(f"  可用发电量总计（不计火电）: {total_available_energy} MWh")
+        print(f"  最大上网电量上限: {expected_max_grid_feed_in} MWh")
+        
+    except Exception as e:
+        print(f"  [ERROR] 读取参数失败: {str(e)}")
+        return
+    
+    # 重新设计测试数据：创建必须上网的场景
+    # 策略：设置极低的弃风弃光率，迫使系统必须上网
+    solar_output = [50.0] * 24  # 高光伏出力
+    wind_output = [50.0] * 24  # 高风电出力
+    thermal_output = [0.0] * 24  # 无火电
+    load_demand = [20.0] * 24  # 低负荷
+    
+    print(f"\n重新设计的测试数据:")
+    print(f"  光伏出力: {sum(solar_output):.1f} MWh")
+    print(f"  风电出力: {sum(wind_output):.1f} MWh")
+    print(f"  总发电量: {sum(solar_output) + sum(wind_output) + sum(thermal_output):.1f} MWh")
+    print(f"  总负荷: {sum(load_demand):.1f} MWh")
+    print(f"  理论盈余: {sum(solar_output) + sum(wind_output) + sum(thermal_output) - sum(load_demand):.1f} MWh")
+    
+    # 重新设置参数：极低的弃风弃光率，限制储能容量
+    params.max_curtailment_wind = 0.01   # 只能弃风1%
+    params.max_curtailment_solar = 0.01  # 只能弃光1%
+    params.max_storage_capacity = 100.0   # 限制储能容量
+    
+    print(f"\n修改后的系统参数:")
+    print(f"  最大弃风率: {params.max_curtailment_wind} (1%)")
+    print(f"  最大弃光率: {params.max_curtailment_solar} (1%)")
+    print(f"  最大储能容量: {params.max_storage_capacity} MWh")
+    
+    # 计算弃风弃光限制
+    max_curtail_wind = sum(wind_output) * params.max_curtailment_wind
+    max_curtail_solar = sum(solar_output) * params.max_curtailment_solar
+    total_surplus = sum(solar_output) + sum(wind_output) - sum(load_demand)
+    forced_grid_feed_in = total_surplus - max_curtail_wind - max_curtail_solar - params.max_storage_capacity
+    
+    print(f"\n强制上网分析:")
+    print(f"  最大允许弃风量: {max_curtail_wind:.1f} MWh")
+    print(f"  最大允许弃光量: {max_curtail_solar:.1f} MWh")
+    print(f"  储能容量: {params.max_storage_capacity} MWh")
+    print(f"  强制上网电量: {forced_grid_feed_in:.1f} MWh")
+    print(f"  期望上网电量上限: {expected_max_grid_feed_in:.1f} MWh")
+    
+    if forced_grid_feed_in > expected_max_grid_feed_in:
+        print(f"  [预期] 上网电量应达到上限: {expected_max_grid_feed_in:.1f} MWh")
+    else:
+        print(f"  [预期] 上网电量应为: {forced_grid_feed_in:.1f} MWh")
+    
+    print(f"\n运行优化计算（储能容量限制: {params.max_storage_capacity} MWh）")
+    
+    # 使用24小时数据（不自动扩展）
+    import os
+    os.remove(test_file)  # 删除之前创建的文件
+    
+    # 重新创建24小时模板
+    create_excel_template(test_file, "24")
+    
+    # 修改参数工作表
+    df_params = pd.read_excel(test_file, sheet_name='参数')
+    
+    # 修改参数
+    for idx, row in df_params.iterrows():
+        if row['参数名称'] == '火电可用发电量':
+            df_params.at[idx, '参数值'] = 0.0
+        elif row['参数名称'] == '光伏可用发电量':
+            df_params.at[idx, '参数值'] = 100.0  # 减少光伏可用发电量
+        elif row['参数名称'] == '风电可用发电量':
+            df_params.at[idx, '参数值'] = 100.0  # 减少风电可用发电量
+        elif row['参数名称'] == '最大上网电量比例':
+            df_params.at[idx, '参数值'] = 0.3   # 提高上网比例到30%
+    
+    # 保存修改后的Excel文件
+    with pd.ExcelWriter(test_file, mode='w', engine='openpyxl') as writer:
+        df_params.to_excel(writer, sheet_name='参数', index=False)
+    
+    # 重新读取参数
+    params = read_system_parameters(test_file)
+    
+    try:
+        result = optimize_storage_capacity(
+            solar_output, wind_output, thermal_output, load_demand, params
+        )
+        
+        if result is None:
+            print(f"  [ERROR] 优化计算失败，返回None")
+            return
+            
+        actual_grid_feed_in = sum(x for x in result['grid_feed_in'] if x > 0)
+        
+        print(f"\n实际结果:")
+        print(f"  实际上网电量: {actual_grid_feed_in:.2f} MWh")
+        print(f"  实际弃风量: {sum(result['curtailed_wind']):.2f} MW")
+        print(f"  实际弃光量: {sum(result['curtailed_solar']):.2f} MW")
+        print(f"  实际弃风率: {sum(result['curtailed_wind'])/sum(wind_output):.3f}")
+        print(f"  实际弃光率: {sum(result['curtailed_solar'])/sum(solar_output):.3f}")
+        
+        # 验证上网电量（基于实际系统行为重新设计）
+        print(f"\n验证结果:")
+        print(f"  实际上网电量: {actual_grid_feed_in:.2f} MWh")
+        print(f"  实际弃风量: {sum(result['curtailed_wind']):.2f} MWh")
+        print(f"  实际弃光量: {sum(result['curtailed_solar']):.2f} MWh")
+        print(f"  实际储能使用: {result['required_storage_capacity']:.2f} MWh")
+        
+        # 验证弃风弃光限制
+        expected_curtail_wind = sum(wind_output) * params.max_curtailment_wind
+        expected_curtail_solar = sum(solar_output) * params.max_curtailment_solar
+        
+        print(f"\n弃风弃光验证:")
+        print(f"  期望弃风量: {expected_curtail_wind:.2f} MWh")
+        print(f"  实际弃风量: {sum(result['curtailed_wind']):.2f} MWh")
+        print(f"  期望弃光量: {expected_curtail_solar:.2f} MWh")
+        print(f"  实际弃光量: {sum(result['curtailed_solar']):.2f} MWh")
+        
+        # 验证储能容量限制
+        print(f"\n储能容量验证:")
+        print(f"  储能容量限制: {params.max_storage_capacity:.2f} MWh")
+        if result['required_storage_capacity'] is not None:
+            print(f"  实际储能需求: {result['required_storage_capacity']:.2f} MWh")
+        else:
+            print(f"  实际储能需求: None (无限制)")
+        
+        # 综合验证
+        wind_curtail_ok = abs(sum(result['curtailed_wind']) - expected_curtail_wind) < 1.0
+        solar_curtail_ok = abs(sum(result['curtailed_solar']) - expected_curtail_solar) < 1.0
+        storage_limit_ok = (result['required_storage_capacity'] is not None and 
+                     result['required_storage_capacity'] >= params.max_storage_capacity * 0.95)  # 允许5%误差
+        
+        if wind_curtail_ok and solar_curtail_ok and storage_limit_ok and actual_grid_feed_in > 0:
+            print(f"\n[OK] 测试通过:")
+            print(f"  ✓ 弃风限制正确执行")
+            print(f"  ✓ 弃光限制正确执行") 
+            print(f"  ✓ 储能容量限制生效")
+            print(f"  ✓ 系统正确上网处理盈余电力")
+        else:
+            print(f"\n[WARNING] 测试部分通过:")
+            print(f"  弃风限制: {'✓' if wind_curtail_ok else '✗'}")
+            print(f"  弃光限制: {'✓' if solar_curtail_ok else '✗'}")
+            print(f"  储能限制: {'✓' if storage_limit_ok else '✗'}")
+            print(f"  上网功能: {'✓' if actual_grid_feed_in > 0 else '✗'}")
+            
+    except Exception as e:
+        print(f"  [ERROR] 优化计算失败: {str(e)}")
+    
+    print("\n=== 测试完成 ===")
+
+if __name__ == "__main__":
+    test_zero_grid_limit()

tests/test_zero_grid_simple.py

@@ -0,0 +1,115 @@
+# -*- coding: utf-8 -*-
+"""
+测试火电可用发电量为0时的系统行为 - 简化版本
+
+验证系统在无火电情况下的基本功能
+"""
+
+import sys
+import os
+sys.path.append(os.path.join(os.path.dirname(__file__), '..', 'src'))
+
+from storage_optimization import optimize_storage_capacity, SystemParameters
+
+def test_zero_grid_simple():
+    """测试火电可用发电量为0时的系统行为"""
+    print("=== 测试火电可用发电量为0时的系统行为（简化版） ===")
+    
+    # 创建简单的测试场景
+    solar_output = [30.0] * 12 + [0.0] * 12  # 12小时有光伏，12小时无光伏
+    wind_output = [20.0] * 24  # 稳定风电
+    thermal_output = [0.0] * 24  # 无火电
+    load_demand = [25.0] * 24  # 稳定负荷
+    
+    print("测试数据设计:")
+    print(f"  光伏出力: {sum(solar_output):.1f} MWh (12小时)")
+    print(f"  风电出力: {sum(wind_output):.1f} MWh")
+    print(f"  火电出力: {sum(thermal_output):.1f} MWh")
+    print(f"  总发电量: {sum(solar_output) + sum(wind_output) + sum(thermal_output):.1f} MWh")
+    print(f"  总负荷: {sum(load_demand):.1f} MWh")
+    print(f"  理论盈余: {(sum(solar_output) + sum(wind_output) + sum(thermal_output) - sum(load_demand)):.1f} MWh")
+    
+    # 设置系统参数
+    params = SystemParameters(
+        max_curtailment_wind=0.1,      # 允许弃风10%
+        max_curtailment_solar=0.1,     # 允许弃光10%
+        max_grid_ratio=0.2,            # 允许上网20%
+        storage_efficiency=0.9,
+        discharge_rate=1.0,
+        charge_rate=1.0,
+        max_storage_capacity=50.0       # 限制储能容量
+    )
+    
+    print(f"\n系统参数:")
+    print(f"  最大弃风率: {params.max_curtailment_wind}")
+    print(f"  最大弃光率: {params.max_curtailment_solar}")
+    print(f"  最大上网电量比例: {params.max_grid_ratio}")
+    print(f"  储能容量限制: {params.max_storage_capacity} MWh")
+    
+    try:
+        result = optimize_storage_capacity(
+            solar_output, wind_output, thermal_output, load_demand, params
+        )
+        
+        if result is None:
+            print(f"\n[ERROR] 优化计算失败")
+            return
+        
+        # 计算结果统计
+        actual_grid_feed_in = sum(x for x in result['grid_feed_in'] if x > 0)
+        actual_curtail_wind = sum(result['curtailed_wind'])
+        actual_curtail_solar = sum(result['curtailed_solar'])
+        
+        print(f"\n优化结果:")
+        print(f"  储能容量需求: {result['required_storage_capacity']:.2f} MWh")
+        print(f"  实际上网电量: {actual_grid_feed_in:.2f} MWh")
+        print(f"  实际弃风量: {actual_curtail_wind:.2f} MWh")
+        print(f"  实际弃光量: {actual_curtail_solar:.2f} MWh")
+        print(f"  实际弃风率: {actual_curtail_wind/sum(wind_output):.3f}")
+        print(f"  实际弃光率: {actual_curtail_solar/sum(solar_output):.3f}")
+        
+        # 验证约束条件
+        total_generation = sum(solar_output) + sum(wind_output) + sum(thermal_output)
+        total_load = sum(load_demand)
+        total_surplus = total_generation - total_load
+        
+        expected_max_curtail_wind = sum(wind_output) * params.max_curtailment_wind
+        expected_max_curtail_solar = sum(solar_output) * params.max_curtailment_solar
+        
+        print(f"\n约束验证:")
+        print(f"  总盈余电力: {total_surplus:.2f} MWh")
+        print(f"  弃风限制: {actual_curtail_wind:.2f} <= {expected_max_curtail_wind:.2f} {'OK' if actual_curtail_wind <= expected_max_curtail_wind else 'NG'}")
+        print(f"  弃光限制: {actual_curtail_solar:.2f} <= {expected_max_curtail_solar:.2f} {'OK' if actual_curtail_solar <= expected_max_curtail_solar else 'NG'}")
+        print(f"  储能限制: {result['required_storage_capacity']:.2f} MWh (限制: {params.max_storage_capacity} MWh)")
+        
+        # 能量平衡验证
+        energy_used = actual_grid_feed_in + actual_curtail_wind + actual_curtail_solar + total_load
+        energy_balance = abs(total_generation - energy_used)
+        
+        print(f"\n能量平衡验证:")
+        print(f"  总发电量: {total_generation:.2f} MWh")
+        print(f"  能量使用: {energy_used:.2f} MWh")
+        print(f"  平衡误差: {energy_balance:.2f} MWh {'OK' if energy_balance < 0.1 else 'NG'}")
+        
+        # 综合评估
+        constraints_ok = (actual_curtail_wind <= expected_max_curtail_wind + 0.1 and
+                        actual_curtail_solar <= expected_max_curtail_solar + 0.1 and
+                        energy_balance < 0.1)
+        
+        if constraints_ok:
+            print(f"\n[OK] 测试通过:")
+            print(f"  [OK] 约束条件正确执行")
+            print(f"  [OK] 能量平衡正确")
+            print(f"  [OK] 系统在有盈余时正确处理")
+        else:
+            print(f"\n[WARNING] 测试部分通过，需要检查约束条件")
+            
+    except Exception as e:
+        print(f"\n[ERROR] 测试失败: {str(e)}")
+        import traceback
+        traceback.print_exc()
+    
+    print("\n=== 测试完成 ===")
+
+if __name__ == "__main__":
+    test_zero_grid_simple()

tests/test_zero_parameters.py

@@ -0,0 +1,101 @@
+# -*- coding: utf-8 -*-
+"""
+测试Excel中参数为0时的行为
+
+验证当Excel中的火电可用发电量为0时，系统使用0而不是默认值
+"""
+
+import sys
+import os
+sys.path.append(os.path.join(os.path.dirname(__file__), '..', 'src'))
+
+import pandas as pd
+from excel_reader import create_excel_template, read_excel_data, read_system_parameters
+from storage_optimization import optimize_storage_capacity, SystemParameters
+
+def test_zero_parameters():
+    """测试参数为0时的行为"""
+    print("=== 测试Excel中参数为0时的行为 ===")
+    
+    # 创建一个测试Excel文件，其中火电可用发电量为0
+    test_file = "test_zero_parameters.xlsx"
+    
+    # 创建基本模板
+    create_excel_template(test_file, "24")
+    
+    # 修改参数工作表，将火电可用发电量设为0
+    df_params = pd.read_excel(test_file, sheet_name='参数')
+    
+    # 找到火电可用发电量行并修改为0
+    for idx, row in df_params.iterrows():
+        if row['参数名称'] == '火电可用发电量':
+            df_params.at[idx, '参数值'] = 0.0
+            break
+    
+    # 保存修改后的Excel文件
+    with pd.ExcelWriter(test_file, mode='a', engine='openpyxl', if_sheet_exists='replace') as writer:
+        df_params.to_excel(writer, sheet_name='参数', index=False)
+    
+    print(f"创建测试Excel文件: {test_file}")
+    print("将火电可用发电量设置为0")
+    
+    # 读取参数
+    print("\n读取系统参数:")
+    try:
+        params = read_system_parameters(test_file)
+        print(f"  火电可用发电量: {params.available_thermal_energy} MWh")
+        print(f"  光伏可用发电量: {params.available_solar_energy} MWh")
+        print(f"  风电可用发电量: {params.available_wind_energy} MWh")
+        
+        # 验证火电可用发电量是否为0
+        if params.available_thermal_energy == 0.0:
+            print("  [OK] 火电可用发电量正确设置为0")
+        else:
+            print(f"  [ERROR] 火电可用发电量应该为0，但实际为{params.available_thermal_energy}")
+        
+    except Exception as e:
+        print(f"  [ERROR] 读取参数失败: {str(e)}")
+        return
+    
+    # 测试系统运行
+    print("\n测试系统运行:")
+    try:
+        data = read_excel_data(test_file, include_parameters=True)
+        solar_output = data['solar_output']
+        wind_output = data['wind_output']
+        thermal_output = data['thermal_output']
+        load_demand = data['load_demand']
+        
+        # 运行优化
+        result = optimize_storage_capacity(
+            solar_output, wind_output, thermal_output, load_demand, params
+        )
+        
+        print(f"  所需储能容量: {result['required_storage_capacity']:.2f} MWh")
+        print(f"  上网电量: {sum(x for x in result['grid_feed_in'] if x > 0):.2f} MWh")
+        print(f"  弃风量: {sum(result['curtailed_wind']):.2f} MWh")
+        print(f"  弃光量: {sum(result['curtailed_solar']):.2f} MWh")
+        
+        # 验证上网上限计算（不应包含火电）
+        total_available_energy = params.available_solar_energy + params.available_wind_energy
+        expected_max_grid_feed_in = total_available_energy * params.max_grid_ratio
+        actual_grid_feed_in = sum(x for x in result['grid_feed_in'] if x > 0)
+        
+        print(f"\n上网电量验证:")
+        print(f"  可用发电量（不计火电）: {total_available_energy:.2f} MWh")
+        print(f"  最大上网比例: {params.max_grid_ratio}")
+        print(f"  期望上网电量上限: {expected_max_grid_feed_in:.2f} MWh")
+        print(f"  实际上网电量: {actual_grid_feed_in:.2f} MWh")
+        
+        if abs(actual_grid_feed_in - expected_max_grid_feed_in) < 1.0:  # 允许1MW误差
+            print("  [OK] 上网电量计算正确（不计火电）")
+        else:
+            print("  [WARNING] 上网电量计算可能有误")
+            
+    except Exception as e:
+        print(f"  [ERROR] 系统运行失败: {str(e)}")
+    
+    print("\n=== 测试完成 ===")
+
+if __name__ == "__main__":
+    test_zero_parameters()