电力研究生每天做优化、调度之类的理论研究，到底有什么用？ 第1页

用查理·芒格的一句话做一个开场：『宏观是我们必须要接受的，而微观才是我们能有所作为的』

本答案略长，可先看最后的小结，觉得有意义再回头看前面的这些陈述。

很多人对于这个问题的纠结，本质上是把很多概念混杂在一起之后，对于要学什么，能做什么，要做什么等一系列问题没有有效拆解，不知其所以而为之，结果必然是迷茫。我研究生阶段也搞算法，也曾觉得毕业答辩像是对硕士所做内容的告别式，直至工作几年才看透，不是当时不努力，只是曾经太无知。

首先思考一下下面的两组词，你能不能快速的反应出他们之间的区别：

• 第一组：理论、工程、政策
• 第二组：算法、应用

第一组词更宏观一些，大体而言，理论是指导工程的，而工程是受政策制约的。首先，工程实践都是靠科学理论（包括基础理论、前沿技术等）支撑起来的，理论的范围一定会大于工程，所以在转化的过程中，一定有浪费，不是所有的理论都有工程价值或者不能一步达成，尤其在当下以论文KPI来考核高校教师和研究生的政策背景下，理论垃圾一定会有而且不少。另一方面，也并不是所有有价值的理论都能直接工程落地，很多工程，尤其与政策相关的大工程，是会触动原有利益格局的（比如电力体制改革），理论的最优解未必是现实可直接承受的，最终往往是折衷解。所以，理论、工程、政策本质上就是一个互相博弈的过程，博弈必有损耗，无意义的工作就是这么来的。不管怎样，面对这个博弈，我们只能接受，如开头用的查理·芒格的那句话，该关注的还是我们自身的选择和践行，如同发达国家有贫民窟，发展中国家有富人区，关键还是你自己的角色。

再看第二组词，更微观一些，关于这两个词，我特别喜欢曾经看到的一句话：『算法是科学，应用是艺术』。我这个回答中后面的所有内容，也都围绕这句话展开。

算法是工具，而应用讲求的是建模和应用场景。如果你是科学家，那你应该关注算法内部的数学逻辑和机制设计，比如运筹学中五花八门的算法如何更高效，比如机器学习中的各种算法如果提高精度和效率。但如果你是做算法应用的，那算法对于你就是一个黑箱，一个工具，该关注的是如何发挥这个工具的价值，如何在你的专业场景中进行有效的建模，并得到需要的结果。

做算法的人只做好求解工具就可以了，那是严密的数学思维，并不需要了解你的实际应用场景，他们提供的是所有行业都能用的通用工具。而做应用的人，则需要把现实问题，能够用数学的思维进行量化，程式化，然后建立数学模型。

这么听很悬乎，那接下来用三道小学数学题来说明。其实你很早就接触了，只是未察觉。

• 题目一：鸡兔同笼，共有头20个，脚48只，问鸡兔几何？
• 题目二：蜘蛛有8条腿，蜻蜓有6条腿和2对翅膀，蝉有6条腿和1对翅膀。现在三种昆虫20只，共有腿128只，翅膀22对，每种动物各有多少只？
• 题目三：甲、乙两仓库存有若干化肥，甲仓可运出10吨，乙仓可运出4吨。现决定给东村8吨，给西村6吨，每吨的运费如下表。怎样调运是运费最省？最省运费是多少？

关于第一个题，很多人小学时候倍受折磨，五花八门的方法一大堆，比如让鸡和兔子一只一只抬脚等等，但这种方法对于题目二很不现实。现实世界需要的是通法，也就是数学思维，具象一点就是方程，都是成年人了，解法就不用说了吧。可能有人会质疑，小学不是讲究逆向思维么，我只想说，你只是没见过牛娃如何把方程玩到极致。

再看第三个问题，其实你可以分析推理得出，应该多从甲仓到西村，然后按这个原则一步步推理得到答案。但如果有十个仓库，十个村庄，你还要推理吗？所以，在这里需要的也是通法，在这里就不用方程这个词了，在工程中有一个更高端的一点的词——建模。我们可以假设从甲仓分别调 , 到西村、东村，从乙仓分别调 , 到西村、东村，问题建模如下：

整体的目标函数就是总费用总低，表示为：

要满足如下约束 , , ,

接下来随便找个求解工具和求解器，matlab之类（甚至excel都可以求解）把方程输入就可以求解了。可能有人说这是在把简单问题复杂化，那如果是十个仓库、十个村庄，这个方法是不是一样能用，而且更好理解，问题还同时得到了解决。现实世界的真实问题，可比十个仓库十个村庄复杂的多。

可能有人会说，研究这种问题没有意义。我要强调一个词——场景！我们可以仔细想一下，这个问题是不是其实就是物流、配送、甚至是电力调度的雏形。电力调度做的是什么，就是有多个发电机组，有分散的负荷，我们要决定各个发电机如何出力，去满足负荷的需求；配送是什么，就是有限的配送人员，如何让他们高效的将物品从寄出地送到目的的，实现物品供给地与需求地之间的平衡；物流是什么，就是不同的仓库，不同的买方，如何调配资源，使得整体的经济性最好。细细想来，这几个场景和问题三是一样的，都是在满足供给与需求之间如何调配资源更加高效的问题。

所有行业的发展方向都是一致的，提升效率，提升价值，而工业实践的本质很多时候就是靠数学思维打天下。但真正应用起来，各行各业又有不同的场景。从数学的角度，很多问题都是一致的，而从专业的角度，这个问题又是特殊的，关键在于你从哪个角度来看。凡事都该追求一通百通，首要的是先在一个场景或者领域中打通你的任督二脉。

在具体的应用场景中，不同行业有不同的难点。以电力调度来说，机组的开停机是非开即停的离散变量，而出力是连续变量，建模如何做区分？电力需要实时供需平衡，那电力潮流如何充分考虑？如果有中长期电量需要均衡，建模又如何量化？还有什么机组爬坡、断面、拓扑变化等等，更是细碎且复杂的。建模之后，再按照求解器的操作说明进行求解即可。

真正想吃透基本的数学模型尚且需要很多工夫，更别说玩出高级的新花样了。建立模型是第一步，做过优化工程项目的人肯定会懂，如果数学思维不够巧妙，模型不够简化，对于大规模的问题，在求解过程中将会成为灾难。如何用数学的思维，在实现同样功能的同时，能让模型最简单，是个极其考究也极具艺术性的工作。所以，在前面说到『应用是艺术』。

这还只是建模，如果做过优化的人会有更深切体会的是，求解过程中的不收敛、建模冲突、模型无解、求解效率、结果偏差等问题更是锻炼心性的过程。而当你把这流程全熬出来的时候，你才真正算是入了工程建模的门。

思考&总结

前面说了这么多，基本要阐述的事实都说完了，在这里对所想表达的内容做一个提炼：

1. 明确自己的方向，如果是应用型的，就研究数学建模的艺术。电力行业本身，尤其是电力系统方向的专业理论体系已经相对成熟，所以大部分的人是偏向应用型。如果应用得更好也是门很深的学问。
2. 找准自己的定位。宏观的意义与价值不过是过眼云烟，硕士两三年转瞬即过，多关注自己能成长什么来得更实在。说的更残酷一点，你如果读博或者从事科研还好，如果不是，你做的再有价值，成果也是你导师的，与你无关。
3. 关注个人能力的成长。借助互联网行业来讲，当下的职业细分越来越清晰，有底层开发的，有研究算法的，有做建模的，有专攻行业场景应用落地的。把这些投射到电力科研本身，再来细化分析自己的工作，你会发现你能关注的点其实有非常多。
4. 虽说世上难得双全法，但思维水平和迁移能力会极大扩展你的边界和可能性，就优化相关问题而言，具体指的就是数学思维和建模思维。转行的人那么多，最保值的方式是找到一个一以贯之的思维之后，能够做不同场景下的迁移。招聘过程中，很多雇主单位看中的，也是你在过往经验中建立的思考水平和迁移能力。

禁锢你的往往是你的思维和眼界，把思维放开，让工作更务实，聚焦个人价值，才是真正最有意义，也最有用的事。真正厉害的人，是可以在所谓『虚度』中依旧能够找到价值。如果真想做宏观层面更有价值的事情，等你足够强大的时候，再去想改变世界吧，当前最好的建议是，先让自己变强。

相关阅读推荐：

电气自动化（电气工程）专业未来发展及大学生涯规划？

现如今中国对电力技术人才的需求是否已经饱和？

【软广】为进一步加大知识的推广，本人建立了一个微信公众号（文刀笔记，微信号：wendaonote），私人运营，旨在打造和推广更多精品文章，欢迎关注。