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

本代码聚焦含风、光、燃、储及电动汽车（EV）的电-冷综合能源微网虚拟电厂（VPP），构建了融合条件风险价值（CVaR）的多场景随机优化调度模型。核心目标包括：

1. 实现多场景下（3个风光出力场景）虚拟电厂的日前经济调度，统筹燃气轮机、储能系统、光伏单元与电力市场的购售电协同运作；
2. 引入CVaR风险度量机制，量化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，适配不同风险偏好的调度需求；
3. 满足各类设备运行约束与功率平衡约束，在保障用户舒适度（通过冷负荷间接体现）的前提下，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.程序初始化模块：环境清理与参数定义
├── 2.变量声明模块：决策变量与状态变量定义
├── 3.约束条件构建模块：设备约束、系统约束、风险约束
├── 4.目标函数构建模块：期望成本+CVaR风险成本
├── 5.优化求解模块：调用CPLEX求解器求解
├── 6.结果处理模块：数值读取与可视化展示
└── 7.辅助输出模块：关键调度数据（购售电、设备出力）输出

（二）核心流程图

graph TD
    A[程序启动] --> B[初始化：clc/clear/close all]
    B --> C[参数定义：电价/设备参数/负荷/光伏出力]
    C --> D[变量声明：sdpvar/binvar定义决策变量]
    D --> E[约束构建]
    E --> E1[燃气轮机约束：出力/爬坡/启停状态]
    E --> E2[购售电约束：状态互斥/交易量上限]
    E --> E3[储能约束：充放电功率/蓄电量平衡]
    E --> E4[功率平衡约束：供需功率等式]
    E --> E5[CVaR风险约束：风险阈值/非负约束]
    E --> F[目标函数构建：期望成本+L*CVaR风险成本]
    F --> G[设置求解参数：CPLEX求解器配置]
    G --> H[调用optimize求解]
    H --> I{求解成功？}
    I -- 是 --> J[读取结果：购售电/出力/蓄电量]
    I -- 否 --> K[输出错误信息]
    J --> L[可视化展示：功率平衡/购售电对比]
    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（清空命令行）、clear（清除工作区变量）、close all（关闭所有图形窗口）确保程序独立运行，避免干扰；
2. 参数定义：
   - 市场电价：购电电价xb与售电电价xs（24小时分时电价，区分峰谷时段）；
   - 燃气轮机参数：固定开机费a、分段线性化费用kcp、启停费sconv、出力上下限gtmax/gtmin、爬坡率ramp；
   - 储能参数：充放电功率上限gescmax/gesdmax、蓄电量上下限sessmax/sessmin、充放电效率uesc/uesd；
   - 负荷与新能源：电负荷pload（24小时时序数据）、光伏出力ppv（从Excel文件ppv.xlsx读取，3个场景）；
   - 其他参数：最大市场交易量pmgmax、场景数量Sw=3、场景概率pai=[0.2,0.3,0.5]。

（二）变量声明模块

采用YALMIP工具箱的sdpvar（连续变量）和binvar（二进制变量）定义，核心变量如下：

变量类型	变量名	含义	维度	说明
二进制变量	umob/umos	购电/售电状态	3×24	1=运行，0=停止，互斥
二进制变量	xconv/yconv	燃气轮机工作/启停状态	3×24	xconv=1表示运行，yconv=1表示启停
连续变量	pmgb/pmgs	市场购电/售电量	3×24	单位：MW
连续变量	pmt	燃气轮机出力	3×24	单位：MW
连续变量	gesc/gesd	储能充/放电功率	3×24	单位：MW
连续变量	sess	储能蓄电量	3×24	单位：MWh
连续变量	zk/var	CVaR风险相关变量	3×1/1×1	用于风险约束构建

（三）约束条件构建模块

约束体系涵盖设备运行约束、系统安全约束与风险控制约束，确保调度方案可行且可控：

1. 燃气轮机约束：
   - 出力上下限：xconv(:,t)gtmin <= pmt(:,t) <= xconv(:,t)gtmax（运行时才出力，避免空载损耗）；
   - 爬坡率约束：-ramp <= pmt(:,t)-pmt(:,t-1) <= ramp（限制出力突变，保护设备）；
   - 启停状态约束：xconv(:,t)-xconv(:,t-1) <= yconv(:,t)（状态切换时标记启停）。
2. 购售电约束：
   - 状态互斥：0 <= umob(w,t)+umos(w,t) <=1（同一时段同一场景不可同时购售电）；
   - 交易量上限：pmgb(w,t) <= umob(w,t)*pmgmax（购电量不超过最大允许交易量）。
3. 储能约束：
   - 充放电功率限制：0 <= gesc(:,t) <= gescmax、0 <= gesd(:,t) <= gesdmax；
   - 蓄电量平衡：sess(:,t) = sess(:,t-1) + gesc(:,t)*uesc - gesd(:,t)/uesd（考虑充放电效率）；
   - 蓄电量上下限：sessmin <= sess(:,t) <= sessmax。
4. 功率平衡约束：gesc(w,:)+pload(1,:)+pmgs(w,:) = gesd(w,:)+ppv(w,:)+pmgb(w,:)+pmt(w,:)（充电功率+负荷+售电=放电功率+光伏出力+购电+燃气轮机出力）。
5. CVaR风险约束：
   - 风险阈值约束：zk(w) >= -(成本函数) + var（zk为风险损失超额量）；
   - 非负约束：zk(w) >=0（风险损失超额量非负）。

（四）目标函数构建模块

目标函数为“期望成本+风险成本”，兼顾经济性与风险可控性：

1. 期望成本计算：加权求和3个场景的调度成本（权重为场景概率pai），成本构成包括：
   - 市场购电成本：xbpmgb(w,:)'；
   - 市场售电收益（抵减成本）：-xspmgs(w,:)'；
   - 燃气轮机成本：固定开机费axconv(w,:)'+出力成本kcppmt(w,:)'+启停费sconv*yconv(w,:)'。
2. 风险成本计算：L(-var + paizk/(1-α))，其中：
   - L为风险系数（用户可调节，0=风险中性，越大越保守）；
   - α为置信水平（代码中默认0.95，可修改）；
   - var为CVaR风险阈值，zk为超额损失变量。
3. 最终目标函数：obj_single = 期望成本 + 风险成本（最小化目标）。

（五）优化求解与结果展示模块

1. 求解配置：调用CPLEX求解器，设置mipgap=1e-6（混合整数规划间隙，保证求解精度）、verbose=2（显示求解过程）；
2. 结果读取：通过value()函数提取优化后的变量值（如pmgb=value(pmgb)、gesd=value(gesd)）；
3. 可视化展示：生成6类图表，直观呈现调度结果：
   - 场景1-3功率平衡图（堆叠柱状图，展示各功率成分占比）；
   - 场景1-3市场交易量图（折线图，对比不同风险系数下的购售电差异）；
4. 数据输出：直接输出关键调度数据（如风险系数=1时的购售电量矩阵pmgb1、pmgs1），支持后续分析。

四、代码优势

1. 多场景随机规划：考虑3个风光出力场景，覆盖不确定性，调度方案更具鲁棒性；
2. 风险量化可控：引入CVaR理论，通过风险系数L自由调节风险偏好，适配不同运营策略（保守/激进）；
3. 设备模型全面：涵盖燃气轮机、储能、光伏、电力市场购售电，支持多能源协同调度；
4. 约束体系严谨：兼顾设备物理约束、系统安全约束与风险约束，确保调度方案可行；
5. 可视化效果好：通过堆叠柱状图、折线图直观展示功率平衡与购售电策略，便于结果分析；
6. 扩展性强：可灵活添加冰蓄冷空调冷负荷模型、电动汽车充放电约束等，适配更多应用场景。

五、示例配置与结果说明

（一）示例配置

参数类别	关键参数值	说明
市场电价	峰时1520元/MWh，平段1020元/MWh，谷段630元/MWh	24小时分时电价，贴合实际电力市场
燃气轮机	出力上限3.31MW，爬坡率1.5MW/h，开机费600元	小型燃气轮机参数，适配微网规模
储能	充放电功率上限1MW，蓄电量上限4MWh，效率0.95	锂电池储能典型参数
场景设置	场景1概率0.2，场景2概率0.3，场景3概率0.5	高概率场景权重更高，贴合实际出力分布
风险系数	L=0.8（可修改为0/0.5/1.0等）	示例中为突出风险影响设置较高值

（二）典型结果说明

1. 功率平衡结果：
   - 谷段（0-5时）：负荷较低，储能充电，燃气轮机低出力，部分时段购电（电价低）；
   - 峰段（9-14时、17-20时）：负荷高，光伏出力充足时优先用光伏，不足时燃气轮机出力+储能放电，部分时段售电（电价高）；
   - 平段（6-8时、15-16时、21-23时）：光伏+储能+燃气轮机协同，按需购售电。
2. 购售电结果：
   - 风险系数L=0.8 vs L=1.0：L越大（越保守），峰段购电量增加（避免光伏出力不足导致的缺电风险），谷段储能充电量增加（储备电能应对不确定性），售电量减少（降低出力过剩导致的售电收益损失风险）；
   - 场景3（概率0.5）：购售电策略更稳健，波动较小，因为高概率场景对期望成本影响更大。

六、使用说明

（一）环境准备

1. 软件依赖：MATLAB（建议R2018b及以上）+ YALMIP工具箱 + CPLEX求解器（需激活授权）；
2. 数据准备：
   - 光伏出力数据：将ppv.xlsx文件放在与代码同目录下，文件格式为3行24列（3个场景，24小时出力）；
   - 参数修改：如需调整场景数量、设备参数、电价或风险系数，直接在“定义变量”或“设置风险系数”模块修改对应参数。

（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，回车运行；
3. 查看结果：
   - 求解过程：命令行显示CPLEX求解日志（迭代次数、可行性、最优值）；
   - 图形结果：自动弹出6个图表（3个功率平衡图、3个购售电对比图）；
   - 数据结果：工作区变量包含pmgb（购电量）、pmgs（售电量）、pmt（燃气轮机出力）等关键数据，可直接调用分析。

（三）参数调整指南

1. 风险偏好调整：修改L值（0=纯经济优先，1=风险优先，0.5=均衡）；
2. 场景调整：修改Sw（场景数量）、pai（场景概率），同步更新ppv（光伏出力）和pload（负荷）的维度；
3. 设备参数调整：如储能容量、燃气轮机出力上限等，直接修改对应参数变量（如gescmax、gtmax）；
4. 求解精度调整：修改ops.cplex.mip.tolerances.mipgap（如1e-5提升精度，1e-4加快速度）。

七、注意事项

1. 工具箱依赖：确保已正确安装YALMIP和CPLEX，且MATLAB能正常调用（可通过yalmiptest测试YALMIP，which cplex测试CPLEX路径）；
2. 数据格式：ppv.xlsx需严格为3行24列（场景×时间），否则会导致维度不匹配错误；
3. 约束兼容性：修改设备参数（如ramp、gtmax）时，需确保约束之间不冲突（如爬坡率不超过出力上限）；
4. 求解时间：场景数量或变量维度增加时，求解时间会延长，可通过调整mipgap或verbose参数平衡精度与速度；
5. 结果解读：CVaR值cvar=value(L(-var+paizk/(1-0.95)))越大，说明为控制风险付出的成本越高，需结合期望成本综合评估调度方案。

八、扩展方向

1. 设备扩展：添加冰蓄冷空调冷负荷模型、电动汽车充放电约束，完善电-冷-交通多能源协同；
2. 场景扩展：增加风电出力场景、负荷不确定性场景，提升模型对多源不确定性的适应性；
3. 算法优化：引入分布式求解算法，降低大规模场景下的求解复杂度；
4. 功能扩展：添加调度方案的经济性、环保性（如碳排放）评估指标，支持多目标优化；
5. 交互优化：开发GUI界面，可视化调整参数并实时展示结果，提升易用性。

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。