一种计及物理兑现风险和经济尾部风险的虚拟电厂备用辅助服务申报方法

本发明涉及虚拟电厂优化调度，具体涉及一种计及物理兑现风险和经济尾部风险的虚拟电厂备用辅助服务申报方法。

背景技术：

1、随着新能源发电和分布式灵活资源不断接入电力系统，虚拟电厂（virtual powerplant, vpp）通过通信、聚合控制和优化调度技术，将风电、光伏、储能、可控发电资源和聚合负荷等分散资源组织为可参与市场交易和电网调节的整体单元。对于备用型辅助服务，虚拟电厂需在日前阶段向辅助服务市场申报可提供的服务能力，并在实时运行阶段根据调度指令及实际执行情况接受偏差考核和费用结算。因此，如何在源荷双侧不确定性条件下制定合理的日前申报策略，是虚拟电厂参与备用辅助服务市场的核心技术问题。围绕虚拟电厂参与辅助服务市场的申报与调度问题，已有文献从不同角度提出了技术方案。

2、文献[1]（cn122267720a）公开了一种基于相似熵凸包可行域的虚拟电厂参与日前正备用辅助服务的调控方法，通过构造多维相似熵和凸包可行域约束，在此约束下建立日前优化模型并引入缺供功率与容量罚金序列，输出日前上调备用申报计划与调控计划。该方法在给定物理可行域和历史数据约束下进行优化，但本质上仍以可行域内优化调度为主，未能从申报强度与扰动承受能力之间的映射关系出发，输出量化申报上限和风险裕度。

3、文献[2]（cn111402015a）公开了一种基于购售风险的虚拟电厂双层竞标方法及系统，通过建立运行成本模型和购售风险价值模型，利用多次迭代求出最优解集并绘制成本风险图，由虚拟电厂根据自身风险偏好选择竞标策略。该方法将风险度量引入竞标决策，但其风险模型聚焦于购售电价不确定性，未涉及备用辅助服务场景下的物理兑现风险，也未考虑偏差考核中惩罚费率尾部特征带来的经济损失风险。

4、文献[3]（us20220284458a1 / us11887140b2）公开了一种面向虚拟电厂的风险约束优化方法，通过信息间隙决策理论（information gap decision theory）处理未来市场价格的不确定性，以二阶随机占优约束处理可再生能源和负荷的不确定性，最大化期望总市场收益同时最小化期望总能量成本。该方法在市场价格不确定性建模方面具有优势，但在物理层面未能区分风电、光伏和负荷不同偏差方向对承诺兑现能力的差异化影响，也未在偏差考核场景中专门处理惩罚费率的尖峰厚尾特性。文献[4]（cn117810991a）公开了一种考虑条件风险价值（cvar）和碳交易的虚拟电厂优化调度方法，将cvar引入优化目标以度量可再生能源出力和市场电价不确定性带来的风险。文献[5]（cn107464010a）公开了一种考虑cvar的虚拟电厂容量优化配置方法，利用cvar度量不确定性给规划带来的风险，并将cvar乘以权重系数以衡量投资者风险偏好。上述方法将cvar用于虚拟电厂的规划或调度优化，但均未在备用辅助服务申报场景中将cvar与物理扰动边界协同建模，无法同时回答"申报承诺在多宽的源荷扰动范围内仍可物理兑现"和"极端惩罚场景下经济损失是否可控"两个关键问题。

5、此外，在现有技术中，源荷预测误差的处理方式也存在明显不足。风电、光伏和负荷预测误差具有显著的时段差异性和方向非对称性。例如，风电和光伏出力下偏差与负荷上偏差会共同增加净负荷和调节压力，对备用承诺兑现构成严重威胁；而可再生能源高出力与负荷低需求则带来反向调节和弃风弃光压力。

6、现有方法多采用固定比例的对称扰动区间，参见文献[1]-[5]，无法充分刻画不同源荷变量和不同偏差方向对承诺兑现能力的差异化影响，导致风险估计出现偏差。

7、在偏差考核方面，备用辅助服务结算中的偏差惩罚费率存在尖峰和厚尾特征。少数高罚率场景出现概率虽低，但一旦与较大承诺偏差叠加，会造成显著经济损失。现有方法多仅考虑期望成本，参见文献[1]、文献[2]，或仅在规划配置层面引入cvar，参见文献[4]、[5]，缺少在日前申报层面同时保留高罚率尾部场景并量化经济尾部风险的有效手段，导致高罚率场景下的尾部风险暴露。仅考虑物理扰动边界而不识别经济尾部风险，难以评估申报策略的综合风险水平；仅考虑经济尾部风险而不识别物理扰动边界，又难以判断申报承诺是否能够物理兑现。

8、综上，现有虚拟电厂备用辅助服务申报方法缺少一种能够在统一框架下同时处理物理兑现可行性问题与经济尾部风险问题的技术方案。亟需一种面向日前申报的承诺边界评估和申报控制方法，量化输出申报上限、风险裕度和相应调度策略，为虚拟电厂在不同市场环境和风险偏好下选择申报强度提供明确依据。

9、参考文献：

10、文献[1]:“基于相似熵凸包可行域的虚拟电厂参与日前正备用辅助服务的调控方法、系统”，中国发明专利申请，公开号 cn122267720a，申请日 2026年03月13日，公开日2026年06月23日。

11、文献[2]:“一种基于购售风险的虚拟电厂双层竞标方法及系统”，中国发明专利申请，公开号 cn111402015a，申请日 2020年03月17日，公开日 2020年07月10日，授权公告日2023年06月27日。

12、文献[3]:sun, hongbo, mitsubishi electric research laboratories, inc.,"risk-constrained optimization of virtual power plants in pool and futuremarkets", 美国专利申请，公开号 us20220284458a1，申请日 2021年02月25日，公开日2022年09月08日；授权专利号 us11887140b2，授权公告日 2024年01月30日。

13、文献[4]:“一种考虑条件风险价值和碳交易的虚拟电厂优化调度方法”，中国发明专利申请，公开号 cn117810991a，申请日 2024年01月02日，公开日 2024年04月02日。

14、文献[5]:“一种虚拟电厂容量优化配置方法”，中国发明专利申请，公开号cn107464010a，申请日 2017年06月29日，公开日 2017年12月12日；授权公告日 2021年10月29日。

15、文献[6]:卫志农、陈妤等，“考虑条件风险价值的虚拟电厂多电源容量优化配置模型”，《电力系统自动化》，2018年，第42卷第4期，第40-47页。

16、文献[7]:徐辉、焦扬等，“计及不确定性和需求响应的风光燃储集成虚拟电厂随机调度优化模型”，《电网技术》，2017年，第41卷第11期，第3590-3597页。

17、文献[8]:tan z., wang g., ju l., et al., "application of cvar riskaversion approach in the dynamical scheduling optimization model for virtualpower plant connected with wind-photovoltaic-energy storage system withuncertainties and demand response", energy, 2017, vol.124, pp.198-213.

技术实现思路

1、针对现有技术将服务承诺作为外生输入、物理兑现边界与经济尾部风险缺少协同评估、难以输出量化申报上限和风险裕度的问题，本发明提供一种计及物理兑现风险和经济尾部风险的虚拟电厂备用辅助服务申报方法，通过非对称物理扰动区间刻画源荷双侧不确定性的方向差异、以尾部保留场景集捕捉惩罚费率尖峰厚尾特性，并基于双层优化模型构建承诺系数与最大可承受鲁棒半径之间的承诺边界，将申报问题从给定申报后的运行优化转化为不确定条件下的安全承诺边界评估，能够同时输出量化申报上限和风险裕度，避免物理兑现风险与经济尾部风险的简单合并，显著提升申报策略的稳健性与可实施性。

2、本发明采取的技术方案为：

3、一种计及物理兑现风险和经济尾部风险的虚拟电厂备用辅助服务申报方法，包括以下步骤：

4、s1：获取虚拟电厂的源荷预测数据、聚合资源运行参数、备用辅助服务申报参数和偏差考核参数；

5、s2：根据源荷预测数据构建随鲁棒半径扩张的非对称物理扰动区间，形成物理不确定集；

6、s3：根据偏差考核参数生成保留高罚率尾部场景的典型惩罚费率场景集；

7、s4：引入承诺系数，根据承诺系数确定日前申报功率，建立日前申报功率与实时公共连接点交换功率之间的偏差考核成本模型；

8、s5： 构建表征物理不确定集中关键不利实现的代表性物理场景，所述代表性物理场景包括有限角点集；

9、s6： 构建上层边界识别模型和下层风险调度模型，基于所述代表性物理场景和所述典型惩罚费率场景集，在统一预算容忍上限约束下确定不同承诺系数对应的最大可承受鲁棒半径，形成承诺边界；

10、s7： 根据所述承诺边界执行申报控制，输出日前申报功率或聚合资源调度策略。

11、所述s1中，

12、所述源荷预测数据包括各调度时段的风电预测功率、光伏预测功率和负荷预测功率，所述调度时段的时间尺度包括15分钟、30分钟或1小时；

13、所述聚合资源运行参数包括可控发电资源的出力上下限、爬坡约束和运行成本，储能资源的充放电功率限制、能量状态上下限、充放电效率、初始状态和目标终端状态，以及公共连接点购售电功率边界和购售电状态变量；

14、所述备用辅助服务申报参数包括基准承诺能力、承诺系数、容量补偿价格和申报周期；所述偏差考核参数包括偏差免责阈值、严重违约阈值、分段惩罚费率和考核规则。

15、所述s2包括：

16、s2.1：针对风电、光伏和负荷中的任一源荷变量，确定其在各调度时段的点预测值、下偏差幅度和上偏差幅度，构建原始预测区间：

17、；

18、其中，为调度时段索引；下偏差幅度和上偏差幅度根据历史预测误差分位数、保形预测区间、运行经验阈值或预测模型输出结果确定，并针对不同调度时段、不同源荷变量和不同偏差方向分别设置；

19、s2.2： 引入鲁棒半径，，对原始预测区间进行线性扩张，得到扩张后的区间下界和区间上界：

20、；

21、；

22、s2.3：将风电、光伏、负荷各源荷变量扩张后的区间整合，得到物理不确定集：

23、；

24、其中，、、分别为时段的风电功率、光伏功率和负荷功率；、、分别为对应源荷变量的点预测值；、、、、、分别为对应源荷变量的下偏差幅度和上偏差幅度；为调度时段集合。

25、所述s3包括：

26、s3.1：基于偏差惩罚费率历史数据、辅助服务市场考核规则或预设极端罚率情形，利用概率密度估计与采样方法生成初始惩罚费率场景； 具体如下：

27、先根据各调度时段的历史惩罚费率样本，采用核密度估计获得对应的累积分布函数，再通过分层抽样生成初始场景。场景在时段的惩罚费率为：

28、；

29、其中，为初始场景在时段的惩罚费率；为时段惩罚费率累积分布函数的反函数；为初始场景数量；为区间(0,1)内的随机数。对不同时段的分层样本进行随机配对，形成初始惩罚费率场景集，其中，为初始场景集合。

30、s3.2：计算各初始惩罚费率场景的尾部强度指标，具体如下：

31、采用各时段惩罚费率的加权和计算场景的尾部强度：

32、；

33、其中，为初始惩罚费率场景的尾部强度指标；为时段的权重，可按负荷峰谷、备用考核重要程度或统一权重设置；其余符号含义沿用s3.1和s2.3中的定义。

34、所述尾部强度指标基于场景中各时段惩罚费率的加权和、超过预设分位数的罚率幅度、高罚率时段持续时间中的至少一种确定，所述尾部强度指标越大，表示场景对偏差考核成本的放大作用越显著；

35、s3.3：根据尾部强度指标保留若干高罚率尾部场景，并对剩余场景进行场景削减或聚类处理，得到代表场景；具体如下：

36、将初始场景按照由大到小排序，直接保留前个场景作为高罚率尾部场景；对其余场景按照各时段惩罚费率组成的向量进行聚类或场景削减，并在每一类中选取距该类中心最近的场景作为代表场景。被删除场景对应的概率质量并入相应代表场景。

37、其中，为直接保留的高罚率尾部场景数量，其取值可根据预设保尾比例或场景数量上限确定。

38、s3.4：合并所述高罚率尾部场景与所述代表场景，并对场景概率进行归一化处理，得到所述典型惩罚费率场景集。具体如下：

39、将高罚率尾部场景集与代表场景集合并为典型惩罚费率场景集，并按照各保留场景所代表的初始场景数量确定归一化前的概率质量，归一化概率为：

40、；

41、其中，为典型惩罚费率场景集；为场景归一化前的概率质量；为场景的归一化概率，满足且。

42、上述s3.1至s3.4的处理对应图3中的“构建典型惩罚费率场景”步骤。

43、所述s4包括：

44、s4.1：在名义场景下优化得到最优日前功率轨迹，作为基准承诺能力；所述名义场景为鲁棒半径为零且惩罚费率取预测值的场景；

45、s4.2： 根据承诺系数确定日前申报功率：

46、；

47、其中，所述承诺系数为表征申报强度的无量纲参数；简记为；

48、s4.3：根据实时公共连接点交换功率定义承诺偏差及其绝对值：

49、；

50、；

51、s4.4：引入分段偏差变量、、对绝对值进行线性分解，并以分段惩罚费率加权求和得到时段的偏差考核成本：

52、；

53、；

54、；

55、其中，为偏差免责阈值，为严重违约阈值，满足；、、为分段惩罚费率，满足。

56、所述s5包括：

57、s5.1：构建基础角点集，所述基础角点集包括名义场景、最大净负荷场景、最小净负荷场景、单源不利场景中的至少一种；其中：

58、所述名义场景对应风电、光伏和负荷均取点预测值；

59、所述最大净负荷场景对应风电和光伏取区间下界、负荷取区间上界；

60、所述最小净负荷场景对应风电和光伏取区间上界、负荷取区间下界；

61、所述单源不利场景对应仅使风电下偏、光伏下偏或负荷上偏；

62、s5.2：计算各调度时段的承诺压力指标：

63、；

64、其中，为时段的净负荷功率；为时段的储能可用能量；为用于避免分母为零的预设正数；为以日前申报功率与净负荷功率的偏差、净负荷爬坡率及储能可用能量为自变量的函数；

65、s5.3： 选取承诺压力指标连续超过阈值的时段窗口，在所述时段窗口内令风电、光伏取区间下界且负荷取区间上界，生成局部极端扰动场景，形成承诺压力导向增强角点集：

66、；

67、其中，为封装时段窗口筛选与区间边界赋值过程的启发式算子；、、分别为时段的风电、光伏、负荷点预测值；为各源荷变量的下偏差幅度与上偏差幅度的统称；

68、s5.4：合并所述基础角点集与所述承诺压力导向增强角点集，得到有限角点集：

69、。

70、所述s6中，下层风险调度模型的构建与求解包括：

71、s6.1：对于给定的承诺系数、鲁棒半径及代表性物理场景，在典型惩罚费率场景集上定义风险调整成本为期望运行成本、经济尾部风险项与软约束惩罚项的加权和：

72、；

73、其中，为期望运行成本，包括内部资源运行维护成本、主网购售电成本及偏差考核成本；为风险权衡系数；为置信水平下的条件风险价值，用于度量所述经济尾部风险项；、分别为时段柔性负荷削减的单位惩罚价格和削减量；为调度时段集合；

74、s6.2：引入辅助变量和超损失松弛变量，将条件风险价值线性表达为：

75、；

76、；

77、其中，为置信水平下的风险价值；为超损失松弛变量；为惩罚费率场景索引；为场景下的偏差考核相关损失；为场景的归一化概率；为典型惩罚费率场景集。

78、s6.3：以最小化风险调整成本为目标，在公共连接点购售电功率边界约束、购电和售电互斥约束、可控发电资源出力上下限与爬坡约束、储能充放电功率约束、储能能量状态递推约束、储能能量状态上下限约束、功率平衡约束、偏差定义约束和阶梯惩罚线性化约束下，求解得到代表性物理场景下的最优风险调整成本。具体如下：

79、对给定承诺系数、鲁棒半径及代表性物理场景，以内部分布式资源出力、储能充放电功率与能量状态、公共连接点购售电功率、偏差分段变量和软约束松弛变量构成下层决策变量集合，求解：

80、

81、其中，为代表性物理场景下的下层决策变量集合；为给定决策变量、承诺系数和鲁棒半径时该物理场景下的风险调整成本；为满足本步骤所列各项运行约束时得到的最优风险调整成本。惩罚费率场景仅改变经济结算，同一代表性物理场景下的设备出力和储能状态在各惩罚费率场景间共享，所得最优风险调整成本作为s6.4上层边界识别模型的输入。

82、所述s6中，上层边界识别模型的构建与求解包括：

83、s6.4：定义最不利风险调整成本为各代表性物理场景下最优风险调整成本的最大值：

84、；

85、其中，为代表性物理场景集合；

86、s6.5：根据参考风险调整成本与预算容忍系数确定所述统一预算容忍上限为；其中，参考风险调整成本取预设承诺系数对应的名义场景风险调整成本，或由用户根据风险偏好或市场规则设定；

87、s6.6：以最大化鲁棒半径为目标、以最不利风险调整成本不超过所述统一预算容忍上限为约束，构建并求解上层优化模型，得到承诺系数对应的最大可承受鲁棒半径：

88、；

89、。

90、所述s6还包括：

91、s6.7：对候选鲁棒半径，若其对应的最不利风险调整成本不超过所述统一预算容忍上限，则判定虚拟电厂能承受所述候选鲁棒半径下的源荷扰动；否则判定超出可承受边界；具体如下：

92、定义候选鲁棒半径的预算判别函数，并以二分搜索为例更新搜索区间：

93、；

94、其中，为预算判别函数；和分别为第次迭代的搜索下界和搜索上界；为本次候选鲁棒半径；和沿用s6.5中的定义。当时，将搜索下界更新为；否则将搜索上界更新为。当上下界之差不大于预设收敛精度时停止迭代，其中，为鲁棒半径搜索的收敛精度，并输出最后一个可承受的候选值作为。该过程对应图4所示的预算判别与搜索区间更新流程。

95、据此采用迭代搜索方法识别最大可承受鲁棒半径，所述迭代搜索方法包括二分搜索、网格搜索或启发式搜索；

96、s6.8：对多个承诺系数分别执行s6.7的识别过程，得到承诺系数与最大可承受鲁棒半径之间的映射关系，形成承诺边界，并根据承诺边界确定满足风险容忍约束的申报上限和风险裕度。具体如下：

97、对候选承诺系数集合中的各承诺系数分别执行s6.7，形成离散承诺边界，并据此确定可接受申报范围：

98、；

99、其中，为候选承诺系数集合；为承诺系数与最大可承受鲁棒半径构成的离散承诺边界；为预设安全裕度；为满足安全裕度要求的可接受承诺系数集合；为满足安全裕度要求的最大承诺系数；为候选承诺系数对应的风险裕度。当为空时，判定当前资源配置下不存在满足安全裕度的申报强度；当其非空时，以对应的日前申报功率作为申报上限。所述边界和区域划分如图5所示。

100、所述s7中，将候选承诺系数对应的最大可承受鲁棒半径与预设安全裕度进行比较；具体如下：

101、首先根据s6.8得到可接受承诺系数集合。当时，判定当前资源配置下不存在满足预设安全裕度要求的申报强度，触发聚合资源重配置或暂缓申报；当时，再对候选承诺系数对应的最大可承受鲁棒半径与预设安全裕度进行比较，并按照以下方式执行申报控制：

102、当所述最大可承受鲁棒半径低于预设安全裕度时，判定对应申报强度存在较高风险，根据承诺边界降低日前申报功率、增加灵活资源预留容量或调整储能运行策略，并将调整后的日前申报功率或聚合资源调度策略发送至虚拟电厂能量管理系统、调度控制系统或辅助服务市场申报系统；

103、当所述最大可承受鲁棒半径不低于预设安全裕度时，将候选承诺系数对应的日前申报功率确定为可接受申报范围内的申报功率，或在多个候选承诺系数中选择收益、风险和鲁棒裕度综合评价结果较优的申报功率。

104、本发明提供的一种计及物理兑现风险和经济尾部风险的虚拟电厂备用辅助服务申报方法，技术效果如下：

105、1）将“给定申报后的运行优化”转化为“可安全申报的承诺边界评估”，实现申报上限与风险裕度的量化输出：

106、引入承诺系数确定日前申报功率，构建上层边界识别模型与下层风险调度模型，在统一预算容忍上限约束下求解最大可承受鲁棒半径；进一步限定上层模型以为目标、以最不利风险调整成本为约束，限定对多个承诺系数迭代搜索形成承诺边界并确定申报上限和风险裕度。与现有技术将交易计划作为优化前提不同，上述技术特征使申报功率本身成为被评估对象：每一个承诺系数必然对应一个可量化的最大可承受扰动范围，从而解决了背景技术中能承受多大扰动、能否兑现承诺、预留多少裕度的问题。

107、2）非对称扰动区间精确刻画源荷预测误差的时段差异与方向非对称性，提高物理兑现风险评估的精度：

108、对任一源荷变量分别确定点预测值、下偏差幅度和上偏差幅度，并随鲁棒半径线性扩张形成物理不确定集；其中：下偏差幅度与上偏差幅度针对不同调度时段、不同源荷变量和不同偏差方向分别设置。该技术特征必然产生如下效果：风电、光伏出力下偏差与负荷上偏差叠加形成的净负荷上调压力，以及可再生能源高出力、负荷低需求形成的反向调节与弃风弃光压力，可被同一框架以不同方向、不同幅度分别刻画。与现有技术固定比例对称扰动区间相比，物理扰动边界的识别精度显著提高，避免了扰动范围高估导致的申报保守或低估导致的承诺违约。

109、3）高罚率尾部场景保留机制与条件风险价值线性化相结合，有效抑制偏差考核的经济尾部风险暴露：

110、基于尾部强度指标直接保留高罚率尾部场景，对剩余场景削减聚类后合并并进行场景概率归一化，从场景集构造上避免高罚率场景被均值化；进一步采用s6.2所述条件风险价值线性表达及其约束，使经济尾部风险项进入下层风险调度模型的目标函数。算法特征与电力市场偏差考核规则这一技术特征相互作用、共同作用。少数高罚率场景虽概率低，但其损失被cvar尾部度量显式放大并参与调度决策，与仅优化期望成本的现有技术相比，高罚率场景与较大承诺偏差叠加所造成的显著经济损失得到前置性压制，偏差惩罚风险暴露明显降低。

111、4）物理兑现风险与经济尾部风险分机理建模、统一预算约束下协同评估，兼顾评估准确性与求解效率：

112、物理兑现风险由的非对称物理扰动区间及鲁棒半径刻画，经济尾部风险由的尾部保留场景集及的条件风险价值刻画，二者在统一预算容忍上限约束下协同求解。两种不同机理的风险未被简单合并为单一风险项，申报承诺“能否物理兑现”与“兑现的经济代价是否可承受”在同一框架下得到同时判断。此外，以基础角点集与承诺压力导向增强角点集构成有限角点集表征关键不利实现，在保持典型不利方向（最大净负荷、连续高压力时段等）的同时避免对连续物理不确定集的完整遍历，降低了双层模型的计算规模，提高了求解效率，属于算法特征带来的系统内部性能改善。

113、5）承诺边界与申报控制闭环联动，为申报强度决策提供量化依据并提升工程可实施性：

114、限定承诺系数与最大可承受鲁棒半径之间的映射关系形成承诺边界，该映射直接反映申报强度提升对系统鲁棒裕度的压缩效应，为虚拟电厂在不同市场环境和风险偏好下选择申报强度提供量化决策依据；限定申报控制的双分支逻辑：当最大可承受鲁棒半径低于预设安全裕度时，触发降低日前申报功率、增加灵活资源预留容量或调整储能运行策略，并将调整结果发送至虚拟电厂能量管理系统、调度控制系统或辅助服务市场申报系统；不低于安全裕度时则直接确定可接受申报功率。由此，评估结果不止于离线分析，而是闭环作用于日前申报执行环节，提高了方法在现有申报控制系统中的可实施性，与现有技术优化结果与申报决策脱节形成明显区别。