《Renewable Energy Focus》：Joint offering strategy for multi-virtual power plants: a stepwise offer curve construction via probability-guided sequential optimization
编辑推荐：
摘要—虚拟电厂(Virtual Power Plants, VPPs)在电力批发市场参与中面临可再生能源出力不确定性与市场准入壁垒等显著挑战。提出一种多VPP联盟的联合报价策略，使联盟能够提交统一的阶梯式报价曲线(stepwise offer curve)。该
摘要—虚拟电厂(Virtual Power Plants, VPPs)在电力批发市场参与中面临可再生能源出力不确定性与市场准入壁垒等显著挑战。提出一种多VPP联盟的联合报价策略，使联盟能够提交统一的阶梯式报价曲线(stepwise offer curve)。该策略基于概率引导序贯优化(Probability-Guided Sequential Optimization, PGSO)框架构建：首先依据电价预测结果优化最可能发生价格区间内的报价，再序贯处理剩余区间以保证计算效率。为处理不确定性，模型对随机风电出力采用分布鲁棒优化(Distributionally Robust Optimization, DRO)。案例研究表明，相较于独立报价，联合策略通过内部资源共享与风险对冲提高了盈利能力；分析验证了DRO方法优于传统方法，并证实了所提PGSO框架的有效性。
论文解读：《Joint offering strategy for multi-virtual power plants: a stepwise offer curve construction via probability-guided sequential optimization》发表于《Renewable Energy Focus》
一、研究背景与意义
随着配电网中分布式电源(Distributed Generation, DG)渗透率不断提高，虚拟电厂(Virtual Power Plant, VPP)通过聚合协调DG、储能及可控负荷成为批发市场的重要参与者。然而VPP在入市时面临三方面瓶颈：①可再生能源（风光）出力的随机性导致报价准确性差及违约惩罚风险；②VPP位于配网层级，报价与调度须满足配网潮流、电压及线路容量等安全约束；③现行批发市场设最低容量门槛，单一小规模VPP难以独立达标，且大量小规模VPP分散入市会加重市场出清与调度系统负担。针对上述问题，研究人员基于前期构建的多VPP时空安全可行域（物理层），进一步在"经济层"研究VPP联盟的统一报价策略，将物理可行性转化为市场化报价方案，通过联盟内部资源互济与风险对冲提升经济效益及市场可达性。
二、关键技术方法
研究人员采用以下关键方法开展研究：建立基于"虚拟"互联的VPP联盟联合报价模型，允许多VPP作为单一主体提交统一阶梯报价曲线(stepwise offer curve)；对风电出力不确定性用历史数据构建模糊集（ambiguity set）进行分布鲁棒优化(Distributionally Robust Optimization, DRO)，对电价不确定性基于历史数据生成日前—实时联合场景并按等概率分区划分报价价格区间；设计概率引导序贯优化(Probability-Guided Sequential Optimization, PGSO)框架，先用最高概率电价场景确定基准报价计划，再序贯优化其余价格子区间的报价功率以兼顾主场景最优性与计算效率；以前期所得多VPP可行域为边界约束，建立收益最大化双层优化模型。案例基于IEEE 33节点配网含3个VPP及风电、负荷历史数据，电价划为六段区间进行仿真校验。
三、研究结果
Joint offering strategy for VPP alliance（VPP联盟联合报价策略）
研究人员阐述VPP联盟联合报价的优势：聚合容量满足市场最低准入门槛；联盟内部分VPP发电偏差（超发/欠发）可在实时阶段内部互补对冲，降低不平衡惩罚。明确联盟以单一实体身份向市场提交同一日前与实时阶段共用的统一阶梯报价曲线。
Stepwise offer curve deconstruction（阶梯报价曲线解构）
按市场规则，报价曲线为多段递增阶梯函数，相邻段衔接点功率须连续（Pk=Pk-1），每段需给定功率区间起止点及对应价格。研究人员对此进行了数学描述，为后续优化变量定义奠定基础。
Scenario generation and data preprocessing（场景生成与数据预处理）
研究人员基于历史数据构造日前与实时联合电价场景，对日前电价做等概率分区(equal probability partition)以确定阶梯报价曲线的各价格区间，同时明确同一时段日前与实时市场采用相同报价曲线，符合市场锁定规则。
Optimal offer power determination（最优报价功率确定）
在已分区价格区间基础上，研究人员以单电价场景下联盟市场收益计算为依据，引入PGSO策略——优先用最高概率价格场景求取基准报价功率{Pk,toffer}，再逐次对其他价格子区间补充优化，最终确定全调度时段各区间最优报价功率集以最大化期望市场收益。
Offer curve optimization model（报价曲线优化模型）
基于期望收益计算方法及PGSO策略，研究人员建立以各价格区间轨迹为决策变量的阶梯报价曲线生成优化模型，并嵌入DRO模糊集约束以考虑风电分布不确定性，目标为联盟收益在最坏期望分布下最大化。
Problem representation（问题表述）
研究人员给出完整的DRO报价模型数学表达式（文中式(24)–(57)），含目标函数、功率平衡、配网安全可行域约束、模糊集约束及阶梯曲线连续性约束。
Case studies（案例研究）
研究人员在IEEE-33节点配网配置三个VPP，参照前期工作确定各自可行报价区域，风电、负荷及设备参数取自文献[30]，电价分六区间。仿真结果表明：所提联合报价策略较各VPP独立报价利润率更高，主要源于内部资源共享与风险对冲；DRO处理风电不确定性在保守性与经济性间取得更好平衡，优于随机优化(Stochastic Optimization, SO)需精确概率分布及鲁棒优化(Robust Optimization, RO)过于保守的缺陷；PGSO框架在主场景保障优化质量的同时计算效率满足工程需求；前期构建的可行域确保任意出清电量下能量可实际交付。
四、讨论与结论翻译
讨论指出，现有研究中忽略电价时间特性、场景法"点连线"范式未将阶梯规则内置、忽视日前报价锁定于实时调度约束、未校验跨时段投标点连成调度轨迹可行性等不足，本文方法均予以克服。前期工作聚焦物理层配网安全可行域构建，本文在此基础上解决经济层联合报价曲线生成问题，实现物理—市场两层耦合。
结论翻译如下：
本文提出一种VPP联盟联合报价框架以增强其在批发市场中的参与度。该模型通过概率引导序贯优化(Probability-Guided Sequential Optimization, PGSO)框架——优先处理高概率电价轨迹——构建统一阶梯报价曲线，兼顾策略有效性与计算效率。模型融合混合不确定性建模：对风电不确定性采用分布鲁棒优化(Distributionally Robust Optimization, DRO)构建模糊集，对电价不确定性采用基于历史数据的场景法。案例研究表明，VPP联盟联合报价通过内部资源互补与风险对冲提升盈利能力，分布鲁棒方法有效平衡预测风险控制与过度保守决策，所提PGSO框架适用于阶梯报价曲线生成。
