基于条件风险价值CVaR的微网虚拟电厂多场景随机规划与风险价值度量研究

基于条件风险价值CVaR的微网/虚拟电厂多场景随机规划 摘要：构建了含风、光、燃、储的微网/虚拟电厂优化调度模型，在此基础上，考虑多个风光出力场景，构建了微网随机优化调度模型，并在此基础上，基于条件风险价值理论，度量不确定性场景的潜在风险价值，且风险系数可以自由调节，从而观测不同风险偏好下微网的调度策略，深度体会CVaR的有效性。

一、核心目标

本代码旨在构建含风光燃储及电动汽车（EV）的电-冷综合能源微网虚拟电厂（VPP）日前经济调度模型，核心目标如下：

1. 统筹光伏、燃气轮机、储能系统与电力市场购售电的协同运作，在3个风光出力场景下实现多场景随机优化调度；
2. 引入条件风险价值（CVaR）理论度量风光出力不确定性带来的潜在经济风险，支持风险系数自由调节，适配不同风险偏好下的调度需求；
3. 满足设备运行约束、系统功率平衡约束及用户舒适度相关要求（通过冷负荷间接体现），实现调度成本与风险的综合最优。

二、代码框架与流程图

（一）代码框架

VPP_ac_ev.m ├── 1.程序初始化：环境清理与基础参数定义 ├── 2.变量声明：决策变量与状态变量定义（含连续变量、二进制变量） ├── 3.约束条件构建：设备运行约束、系统平衡约束、CVaR风险约束 ├── 4.目标函数构建：期望调度成本+CVaR风险成本 ├── 5.优化求解配置：调用CPLEX求解器并设置求解参数 ├── 6.结果处理：求解结果读取与数值提取 └── 7.结果展示：功率平衡、市场交易量等可视化图表生成

（二）核心流程图

graph TD A[程序启动] --> B[初始化：clc清空命令行+clear清除变量+close all关闭图形窗口] B --> C[参数定义：市场电价、设备参数、负荷数据、光伏出力、场景概率] C --> D[变量声明：sdpvar定义连续变量+binvar定义二进制变量] D --> E[约束条件构建] E --> E1[燃气轮机约束：出力上下限、爬坡率、启停状态约束] E --> E2[购售电约束：状态互斥、交易量上限约束] E --> E3[储能约束：充放电功率、蓄电量平衡、蓄电量上下限约束] E --> E4[功率平衡约束：供需侧功率等式约束] E --> E5[CVaR风险约束：风险损失超额量约束、非负约束] E --> F[目标函数构建：场景加权期望成本+风险系数×CVaR风险成本] F --> G[求解器配置：设置CPLEX为求解器，配置精度、日志显示参数] G --> H[调用optimize函数求解优化模型] H --> I{求解是否成功？} I -- 是 --> J[读取结果：购售电量、设备出力、蓄电量、CVaR值] I -- 否 --> K[输出“求解出错”错误信息] J --> L[可视化展示：3个场景功率平衡图、3个场景市场交易量对比图] L --> M[程序结束]

三、核心模块详细说明

（一）程序初始化模块

1. 环境清理：通过clc、clear、close all三条命令，清除MATLAB工作区残留变量、命令行冗余信息及历史图形窗口，确保程序独立运行无干扰；
2. 基础参数定义：
   - 市场电价参数：购电电价xb与售电电价xs（二者取值完全一致），为24小时分时电价数组，涵盖谷段（0-5时、22-23时）630元/MWh、平段（6-8时、15-16时、21时）1020元/MWh、峰段（9-14时、17-20时）1520元/MWh三个时段；
   - 燃气轮机参数：固定开机费用a=600元、分段线性化费用kcp=300元/(MW·h)、启停费用sconv=600元、最大出力gtmax=3.31MW、最小出力gtmin=1.3MW、爬坡率ramp=1.5MW/h；
   - 储能系统参数：最大充电功率gescmax=1MW、最大放电功率gesdmax=1MW、最大蓄电量sessmax=4MWh、最小蓄电量sessmin=0MWh、充电效率uesc=0.95、放电效率uesd=0.95；
   - 系统与负荷参数：最大市场交易量pmgmax=20MW、电负荷pload为24小时时序数据（经1.3倍系数调整）、光伏出力ppv从ppv.xlsx文件读取并转置，场景数量Sw=3；
   - 场景概率参数：3个风光出力场景的发生概率pai=[0.2,0.3,0.5]。

（二）变量声明模块

基于YALMIP工具箱的sdpvar（连续决策变量）和binvar（二进制状态变量）进行定义，变量详情如下：

（三）约束条件构建模块

约束体系围绕设备运行物理特性、系统功率平衡及风险控制构建，共5类核心约束：

1. 燃气轮机运行约束：
   - 出力上下限约束：xconv(:,t)gtmin <= pmt(:,t) <= xconv(:,t)gtmax（t=1-24），即燃气轮机停机时出力为0，运行时出力在最小与最大出力之间；
   - 初始爬坡率约束：pmt(:,1) <= ramp（首时段出力突变不超过爬坡率）；
   - 初始工作状态约束：xconv(:,1) <= yconv(1)（首时段工作状态与启停状态关联）；
   - 时序爬坡率约束：-ramp <= pmt(:,t)-pmt(:,t-1) <= ramp（t=2-24），即相邻时段出力变化量不超过爬坡率上限；
   - 启停状态关联约束：xconv(:,t)-xconv(:,t-1) <= yconv(:,t)（t=2-24），即燃气轮机从停机转为运行时，启停状态变量标记为1。

1. 市场购售电约束（t=1-24，w=1-3）：
   - 状态互斥约束：0 <= umob(w,t)+umos(w,t) <=1，同一时段同一场景下，购电与售电状态不可同时激活；
   - 购电量上限约束：0 <= pmgb(w,t) <= umob(w,t)pmgmax，仅购电状态激活时可购电，且购电量不超过最大交易量；
   - 售电量上限约束：0 <= pmgs(w,t) <= umos(w,t)pmgmax，仅售电状态激活时可售电，且售电量不超过最大交易量。

1. 储能系统约束：
   - 充放电功率约束：0 <= gesc(:,t) <= gescmax、0 <= gesd(:,t) <= gesdmax（t=1-24），充放电功率不超过设备额定上限；
   - 蓄电量上下限约束：0 <= sess(:,t) <= sessmax（t=1-24），蓄电量在最小与最大容量之间；
   - 初始蓄电量约束：sess(:,1) == gesc(:,1)uesc - gesd(:,1)/uesd（首时段蓄电量由充电量（含充电效率）与放电量（含放电效率）决定）；
   - 时序蓄电量平衡约束：sess(:,t) == sess(:,t-1) + gesc(:,t)uesc - gesd(:,t)/uesd（t=2-24），后续时段蓄电量由前一时段蓄电量、本时段充放电量及效率共同决定。

1. 系统功率平衡约束（w=1-3）：
   gesc(w,:)+pload(1,:)+pmgs(w,:) == gesd(w,:)+ppv(w,:)+pmgb(w,:)+pmt(w,:)
   左侧为总消耗功率（储能充电功率+电负荷+市场售电功率），右侧为总供给功率（储能放电功率+光伏出力+市场购电功率+燃气轮机出力），实现供需实时平衡。

1. CVaR风险约束（w=1-3）：
   - 风险损失超额量约束：zk(w) >= -(xbpmgb(w,:)'-xspmgs(w,:)'+axconv(w,:)'+kcppmt(w,:)'+sconv*yconv(w,:)')+var，zk(w)为各场景下实际成本超过风险阈值var的部分；
   - 非负约束：zk(w) >=0，风险损失超额量不可为负。

（四）目标函数构建模块

目标函数以“最小化总成本”为核心，总成本由“场景加权期望成本”和“CVaR风险成本”两部分构成：

1. 场景加权期望成本：按场景概率pai加权求和各场景的调度成本，单个场景成本构成如下：
   成本 = 市场购电成本 - 市场售电收益 + 燃气轮机固定开机费 + 燃气轮机出力费 + 燃气轮机启停费
   数学表达式：xbpmgb(w,:)'-xspmgs(w,:)'+axconv(w,:)'+kcppmt(w,:)'+sconvyconv(w,:)'
   期望成本计算：obj_single = sum(pai(w)单个场景成本)（w=1-3）

1. CVaR风险成本：L(-var + paizk/(1-α))，其中：
   -L=0.8为风险系数（代码注释说明因聚合单元单一，风险系数变化不明显，为区分效果故意设置较高值）；
   -α=0.95为置信水平（代码中存在两处CVaR计算表达式，一处为1-0.6，一处为注释的1-0.95，最终结果读取采用1-0.95）；
   -var为风险阈值，zk为各场景超额损失变量。

1. 最终目标函数：obj_single = 期望成本 + L(-var + paizk/(1-0.95))

（五）优化求解模块

1. 求解器配置：采用CPLEX求解器，通过sdpsettings设置求解参数：
   -'solver','cplex'：指定CPLEX为求解器；
   -'verbose',2：显示求解过程日志；
   -'usex0',0：不使用初始变量值；
   -ops.cplex.mip.tolerances.mipgap=1e-6：设置混合整数规划间隙为1e-6，保证求解精度。

1. 求解执行：调用result=optimize(C,objsingle,ops)执行优化，其中C为所有约束条件集合，objsingle为目标函数。

（六）结果处理与展示模块

1. 结果读取：通过value()函数提取优化后的关键变量数值，包括pmgb（购电量）、pmgs（售电量）、gesc（储能充电功率）、gesd（储能放电功率）、pmt（燃气轮机出力）、cvar（CVaR风险成本）；
2. 可视化展示：生成6类图形图表，具体如下：
   - 场景1-3功率平衡图：采用堆叠柱状图，分别展示各场景24小时“储能充电、负荷、市场售电”（正向功率）与“储能放电、光伏、市场购电、燃气轮机”（反向功率）的功率分布，标注时间轴与功率单位（MW）；
   - 场景1-3市场交易量图：采用折线图，对比各场景24小时购电（红色实线）、售电（蓝色实线）与风险系数=1时购电（红色虚线）、售电（青色虚线）的交易量差异，标注时间轴与功率单位（MW）；
3. 辅助数据输出：直接定义风险系数=1时的购售电量矩阵pmgb1（3×24）和pmgs1（3×24），用于对比分析不同风险系数的影响。

四、代码核心特性

1. 忠实还原多场景随机规划：基于3个风光出力场景，通过场景概率加权实现不确定性下的调度优化，贴合实际风光出力的随机性；
2. CVaR风险度量精准：严格遵循CVaR理论构建风险约束与风险成本，支持风险系数自由调节，可直接观测不同风险偏好对调度策略的影响；
3. 约束体系完整：覆盖设备物理约束（出力、爬坡、充放电）、系统运行约束（功率平衡）、市场交易约束（购售电互斥）及风险约束，确保调度方案可行；
4. 结果可视化直观：通过柱状图、折线图清晰展示功率平衡与购售电策略，同时提供具体数值矩阵，便于量化分析；
5. 参数可扩展性强：市场电价、设备参数、场景数量、风险系数等核心参数均集中定义，可直接修改适配不同应用场景。

五、使用说明

（一）运行环境要求

1. 软件环境：MATLAB（兼容YALMIP工具箱版本）+ YALMIP工具箱 + CPLEX求解器（需激活授权）；
2. 数据准备：将光伏出力数据文件ppv.xlsx放置于代码同级目录，文件格式需为3行24列（3个场景×24小时）。

（二）运行步骤

1. 打开MATLAB，切换工作目录至代码所在文件夹；
2. 在命令行输入VPPacev，回车执行程序；
3. 查看结果：
   - 求解日志：命令行输出CPLEX求解过程（迭代次数、可行性、最优目标函数值）；
   - 图形结果：自动弹出6个可视化图表，可直接查看各场景功率平衡与购售电策略；
   - 数值结果：工作区生成pmgb、pmgs、pmt等变量，可直接调用进行后续分析。

（三）参数修改说明

1. 风险系数调整：修改L的值（如L=0为风险中性，L=1为高风险厌恶）；
2. 场景参数调整：修改Sw（场景数量）、pai（场景概率），同步更新ppv（光伏出力）的维度（需与场景数量一致）；
3. 设备参数调整：直接修改燃气轮机（gtmax、ramp等）、储能（gescmax、sessmax等）的参数值；
4. 电价调整：修改xb数组的24小时电价数值，可适配不同地区的分时电价政策；
5. 求解精度调整：修改ops.cplex.mip.tolerances.mipgap（如1e-5提升精度，1e-4加快求解速度）。

六、注意事项

1. 工具箱依赖：确保YALMIP工具箱与CPLEX求解器正确安装且配置成功，可通过yalmiptest验证YALMIP可用性，which cplex验证CPLEX路径正确性；
2. 数据格式一致性：ppv.xlsx的行数必须与场景数量Sw一致（当前为3行），列数必须为24列（对应24小时），否则会出现维度不匹配错误；
3. 约束兼容性：修改设备参数（如ramp、gtmax）时，需确保参数之间逻辑一致（如爬坡率不超过最大出力），避免约束冲突导致求解失败；
4. 代码注释保留：代码中关于风险系数设置原因、CVaR计算表达式的注释为核心逻辑说明，修改相关参数时需参考注释含义；
5. 结果解读：CVaR值cvar越大，代表为规避不确定性风险付出的额外成本越高，需结合期望成本综合评估调度方案的经济性与稳健性。

基于条件风险价值CVaR的微网/虚拟电厂多场景随机规划 摘要：构建了含风、光、燃、储的微网/虚拟电厂优化调度模型，在此基础上，考虑多个风光出力场景，构建了微网随机优化调度模型，并在此基础上，基于条件风险价值理论，度量不确定性场景的潜在风险价值，且风险系数可以自由调节，从而观测不同风险偏好下微网的调度策略，深度体会CVaR的有效性。