Risk-Aware Multi-Market Scheduling of Virtual Power Plants with Dynamic Network Tariffs

📄 arXiv: 2604.26424v1 📥 PDF

作者: Lorenzo Zapparoli, Paul Fäth, Blazhe Gjorgiev, Giovanni Sansavini

分类: eess.SY

发布日期: 2026-04-29

备注: Accepted to PSCC 2026

💡 一句话要点

提出考虑动态网络电价的虚拟电厂多市场风险感知调度框架

🎯 匹配领域: 支柱四：生成式动作 (Generative Motion)

关键词: 虚拟电厂 多市场调度 动态网络电价 随机优化 条件风险价值 分布式能源 Benders分解

📋 核心要点

  1. 现有VPP调度工具通常采用简化的模型，忽略了动态网络电价等本地灵活性机制，限制了DER潜力的充分发挥。
  2. 论文提出一种两阶段随机优化框架，集成了详细的设备约束、网络限制和不确定性，并通过条件风险价值来控制风险偏好。
  3. 实验表明，该框架能够有效利用套利机会，且风险规避策略能降低利润波动，动态电价可释放本地灵活性。

📝 摘要（中文）

随着分布式能源(DER)渗透率的提高，利用其灵活性对于电力系统运行至关重要。虚拟电厂(VPP)提供了一个有前景的解决方案。然而，大多数现有的调度工具依赖于简化的DER或电网模型，并且在很大程度上忽略了诸如动态网络电价之类的本地灵活性采购机制。本文提出了一个用于VPP多市场调度的两阶段随机优化框架，该框架集成了详细的设备级约束、网络限制以及运营和市场不确定性。纳入条件风险价值来表示风险偏好，并且Benders分解确保了在广泛的场景集下的可处理性。该模型共同优化了能源和备用市场的投标，同时通过动态网络电价显式地考虑了本地灵活性采购。来自实际案例研究的结果表明，风险中性和风险规避策略都利用了套利机会。然而，风险规避通过与物理调度更紧密的对齐来降低利润波动。动态电价通过转移全天的需求来释放本地灵活性，但强烈的电价信号会降低高达65%的预期盈利能力，而额外的灵活性收益有限。

🔬 方法详解

问题定义：论文旨在解决虚拟电厂(VPP)在多市场环境下如何进行优化调度的问题，尤其是在考虑分布式能源(DER)日益增长的渗透率和动态网络电价的情况下。现有方法的痛点在于过度简化DER和电网模型，忽略了本地灵活性采购机制，导致调度结果可能不准确或无法充分利用DER的灵活性。

核心思路：论文的核心思路是建立一个两阶段随机优化模型，该模型能够同时考虑能源市场和备用市场的投标策略，并显式地考虑动态网络电价对VPP调度的影响。通过条件风险价值(CVaR)来量化和控制VPP的风险偏好，从而在收益和风险之间进行权衡。

技术框架：该框架包含两个主要阶段：第一阶段是日前市场投标优化，确定VPP在能源和备用市场的投标量；第二阶段是实时调度优化，根据实际情况调整VPP的出力计划。该模型集成了详细的设备级约束、网络限制以及运营和市场不确定性。Benders分解被用于解决大规模随机优化问题，确保在大量场景下的可处理性。

关键创新：论文的关键创新在于将动态网络电价纳入VPP的调度模型中，从而能够更好地利用本地灵活性资源。此外，使用条件风险价值(CVaR)来量化和控制VPP的风险偏好，使得VPP能够在收益和风险之间进行权衡。

关键设计：模型采用两阶段随机优化框架，第一阶段优化日前市场投标，第二阶段优化实时调度。条件风险价值(CVaR)被用于量化风险，并通过调整CVaR的参数来控制风险偏好。Benders分解被用于解决大规模随机优化问题。动态网络电价被建模为VPP调度成本的一部分，从而影响VPP的调度决策。

📊 实验亮点

案例研究表明，风险中性和风险规避策略均能利用套利机会。风险规避策略通过与物理调度更紧密的对齐来降低利润波动。动态电价能够释放本地灵活性，但强烈的电价信号会降低高达65%的预期盈利能力，且额外的灵活性收益有限。

🎯 应用场景

该研究成果可应用于虚拟电厂的实际运营中，帮助VPP运营商制定更优的调度策略，提高收益并降低风险。通过考虑动态网络电价，可以促进本地灵活性资源的利用，提高电力系统的稳定性和效率。该研究对于推动分布式能源的广泛应用具有重要意义。

📄 摘要（原文）

As the penetration of distributed energy resources (DERs) increases, harnessing their flexibility becomes critical for power system operations. Virtual power plants (VPPs) offer a promising solution. However, most existing scheduling tools rely on simplified DER or grid models and largely overlook local flexibility procurement mechanisms such as dynamic network tariffs. This paper proposes a two-stage stochastic optimization framework for VPP multi-market scheduling that integrates detailed device-level constraints, network limitations, and operational and market uncertainties. Conditional value-at-risk is incorporated to represent risk preferences, and Benders decomposition ensures tractability with extensive scenario sets. The model jointly optimizes bidding across energy and reserve markets while explicitly accounting for local flexibility procurement through dynamic network tariffs. The results from a realistic case study show that both risk-neutral and risk-averse strategies exploit arbitrage opportunities. However, risk aversion reduces profit volatility through closer alignment with physical dispatch. Dynamic tariffs unlock local flexibility by shifting demand across the day, though strong tariff signals reduce expected profitability by up to 65% with limited additional flexibility gains.