diff --git "a/docs/2022-10-22-\345\276\256\347\224\265\347\275\221\346\227\245\345\211\215\344\274\230\345\214\226\350\260\203\345\272\246\345\205\245\351\227\250\357\274\232\346\261\202\350\247\243\344\270\200\351\201\223\346\225\260\345\255\246\345\273\272\346\250\241\351\242\230.md" "b/docs/2022-10-22-\345\276\256\347\224\265\347\275\221\346\227\245\345\211\215\344\274\230\345\214\226\350\260\203\345\272\246\345\205\245\351\227\250\357\274\232\346\261\202\350\247\243\344\270\200\351\201\223\346\225\260\345\255\246\345\273\272\346\250\241\351\242\230.md"
index 7fd377a..6e2c1c4 100644
--- "a/docs/2022-10-22-\345\276\256\347\224\265\347\275\221\346\227\245\345\211\215\344\274\230\345\214\226\350\260\203\345\272\246\345\205\245\351\227\250\357\274\232\346\261\202\350\247\243\344\270\200\351\201\223\346\225\260\345\255\246\345\273\272\346\250\241\351\242\230.md"
+++ "b/docs/2022-10-22-\345\276\256\347\224\265\347\275\221\346\227\245\345\211\215\344\274\230\345\214\226\350\260\203\345\272\246\345\205\245\351\227\250\357\274\232\346\261\202\350\247\243\344\270\200\351\201\223\346\225\260\345\255\246\345\273\272\346\250\241\351\242\230.md"
@@ -86,7 +86,7 @@ class Model:
 
 ### (1) 电网模型
 
-电网模型继承自`Model`基类，同时新增了**卖电收益**属性，并且满足容量约束即每个时刻的出力不能超过限定值，目标函数为运行成本即用电费用与卖电收益的差值。
+电网模型继承自`Model`基类，同时新增了 **卖电收益** 属性，并且满足容量约束即每个时刻的出力不能超过限定值，目标函数为运行成本即用电费用与卖电收益的差值。
 
 直观地，任意时刻可以用一个变量 $p^i$ 来表示电网的出力：正值表示从电网买电，或者负值表示卖电给电网。但是，**事先并不知道 $p^i$ 的正负**，也就没法计算此刻的运行成本（不能将线性规划变量直接用于`if-else`语句中）。因此，引入买电、卖电两个中间变量来分开描述：
 
@@ -150,7 +150,7 @@ class Grid(Model):
 
 ### (2) 新能源发电模型
 
-将风机和光伏抽象为新能源发电模型，约束条件为**每一时刻的电力供应不大于预测出力，如果不允许弃风弃光的话，则等于预测出力值**。因此，在`Model`类基础上增加两个输入参数：
+将风机和光伏抽象为新能源发电模型，约束条件为 **每一时刻的电力供应不大于预测出力，如果不允许弃风弃光的话，则等于预测出力值**。因此，在`Model`类基础上增加两个输入参数：
 
 - `forecast`：每一时刻的出力预测，即一个列向量/数组/时间序列；
 - `allow_curtailment`：是否允许弃风弃光，默认允许。
@@ -469,7 +469,7 @@ Status: Optimal
 弃风率：0.5399，弃光率：0.6923
 ```
 
-因为可以根据经济最优选择合适的电力来源，这一调度方案的平均用电成本低于前两问。例如，凌晨时段网电电价本来就低，所以选择直接弃掉此时的风机和光伏电力（参考综合弃风弃光率）；高网电电价时段择机考虑风电和光伏。[这篇文章](https://blog.csdn.net/kobeyu652453/article/details/106525235) 从电价解析的角度分析了这个问题，人为分析的策略与本文优化的结果很接近，可以作为参考。
+因为可以根据经济最优选择合适的电力来源，这一调度方案的平均用电成本低于前两问。例如，凌晨时段网电电价本来就低，所以选择直接弃掉此时的风机和光伏电力（参见弃风弃光率）；网电峰电时段择机考虑风电和光伏。[这篇文章](https://blog.csdn.net/kobeyu652453/article/details/106525235) 从电价解析的角度分析了这个问题，人为分析的策略与本文优化的结果很接近，可以作为参考。
 
 ![img](images/2022-10-22-01.png)
 
@@ -509,7 +509,7 @@ Status: Optimal
 弃风率：0.0，弃光率：0.0
 ```
 
-相比基础场景（1）第二问的平均用电成本0.6879，本方案用电成本有所降低。结合下图具体调度结果可知，蓄电池将凌晨高成本的新能源电力转移到了网电的峰电时段，因此比直接在凌晨时段卖高成本的新能源电力更为划算。[这篇文章](https://blog.csdn.net/kobeyu652453/article/details/106562951)也有对这一问的解答，可以作为参考。
+相比基础场景（1）第二问的平均用电成本0.6879，本方案用电成本有所降低。结合下图具体调度可知，蓄电池将凌晨高成本的新能源电力转移到了网电的峰电时段，因此比直接在凌晨时段卖高成本的新能源电力更为划算。[这篇文章](https://blog.csdn.net/kobeyu652453/article/details/106562951)也解答了本问题，可以作为参考。
 
 
 ![img](images/2022-10-22-02.png)
@@ -520,7 +520,7 @@ Status: Optimal
 
 > 问题：考虑蓄电池作用，且微网与电网允许交换功率不超过150kW，以负荷供电成本最小为目标（允许弃风弃光），建立优化模型，给出最优调度方案，包括各时段负荷的供电构成（kW）、全天总供电费用(元)和平均购电单价（元/kWh），分析可再生能源的利用情况及蓄电池参与调节后产生的影响。
 
-这一问是在上一调度方案的基础上允许弃风弃光，同理略作修改即可。
+这一调度方案是在问题（3）的基础上允许弃风弃光，同理略作修改即可。
 
 ```python
 # grid