多市场交易的电力零售商最优购电模型及策略研究_张恒.pdf

77多市场交易的电力零售商最优购电模型及策略研究http:/ 技术经济 第7期 DOI：10.13500/j.dlkcsj.issn1671-9913.2023.07.015多市场交易的电力零售商最优购电模型及策略研究张 恒，王喜营(中国能源建设股份有限公司，北京 100021)摘要：电力零售商是连接电力批发市场和零售市场的纽带，其经营状况对企业经营和家庭生产具有重要影响。然而，电力零售商在运营过程中面临着由现货价格实时波动引起的亏损风险，需通过制定合理的购电方案以降低自身承担的风险，同时保证收益。为此，以具有自发电设备的电力零售商为研究对象，将日前现货市场、实时平衡市场、电力期权合约和电力远期合约作为电力零售商的购电渠道，提出考虑具有自发电设备的电力零售商多市场交易的最优购电模型，旨在获得零售商在各渠道中的最优购电方案，通过该购电方案保证零售商的收益并降低风险。首先，对电力零售商的供电成本和向用户售电的收益进行建模；其次，使用条件风险价值度量零售商承担的风险，首次建立以降低零售商的风险且保证其收益为目标的最优购电模型，并使用 OPTI 求解器求得该模型的最优解，即获得最优购电策略；最后，在本文所提出的理想场景下进行仿真，验证本文所提模型有效性。关键词：电力零售商；风险管理；最优购电模型；条件风险价值；多市场交易；自发电设备中图分类号：TM-9 文献标志码：A 文章编号：1671-9913(2023)07-77-08Optimal Electricity Purchase Model and Strategy Analysis for Electricity Retailers with Multi-Market TransactionsZHANGHeng,WANGXiying(China Energy Engineering Corporation Limited,Beijing 100021,China)Abstract:Electricityretaileristhelinkbetweentheelectricitywholesalemarketandelectricityretailmarket,anditsdevelopmenthaveanimportantimpactonenterprisesoperationsandhouseholdproduction.However,electricityretailerisfacedwiththeriskcausedbyspotpriceinstantaneousfluctuation.Itisurgenttodevelopareasonableelectricitypurchasestrategyforelectricityretailertoreducetheriskandensureitsprofit.Thereby,anoptimalelectricitypurchasestrategyconsideringmultiplemarkettransactionsisproposedforelectricityretailerwithself-productionunits.Electricityday-aheadmarket,electricityreal-timemarket,optioncontractandforwardcontractareincludedinthechannelsforelectricityretailertopurchaseelectricity.Firstly,thepowersupplycostandtheprofitofelectricityretaileraremodeled.Then,conditionalvalueatrisk(CVaR)isusedtomeasuretheriskbornebytheretailer.Anoptimalelectricitypurchasemodeltomaximumtheprofitandminimumtheriskofelectricityretailerisestablished.ThemodelissolvedbythesolvercalledOPTI,andtheoptimalelectricitypurchasestrategyisobtained.Finally,aseriesofnumericalsimulationresultsdemonstratethefeasibilityoftheproposedmodel.Keywords:electricityretailer;riskmanagement;optimalelectricitypurchasemodel;conditionalvalueatrisk;multiplemarkettrading;self-productionunits*收稿日期：2023-03-16 第一作者简介：张恒(1978)，男，硕士，高级工程师，从事电力与能源、国际投资研究工作。78http:/电 力 勘 测 设 计第7期0 引言随着电力市场改革在发电侧的深入，电力批发市场的价格不再是以往的目录销售电价1，而是由市场供需平衡决定的实时波动的批发电价。目前，欧洲等地区的电力现货市场已采用实时波动的批发电价2。与发电侧不同的是，需求侧售电价格仍采用固定的零售价格。由于规模相对较小的消费者无法直接参与电力批发市场的交易3，因此在改革后，电力零售商作为市场主体引入电力市场4。电力零售商从批发市场购买电力并将其出售给无法直接参与电力批发市场交易的消费者，将批发市场和零售市场有机地联系起来。批发市场实时波动的批发价格和零售市场固定的零售价格导致零售商面临收益亏损的风险。例如，当批发价格高于零售价格的时候，电力零售商的收益会发生亏损。电力零售商的经营状况对企业运营和家庭生产具有重要影响。因此，如何在降低自身风险的同时保证收益，成为电力零售商亟待解决的问题。目前，文献 5 对电力零售商如何确保收益和降低风险的问题展开研究，建立了信息不完全的博弈模型和消费者社交网络模型，电力零售商通过改善电能质量以实现利润最大化。文献 6 以电力零售商的平均利润和偏差利润最优作为目标，并指出采用实时电价可以增加电力零售商的利润。文献 7 提出了一种双层混合需求建模框架，为电力零售商做出最佳的日前动态定价决策。文献 8 对现货价格和用户需求的不确定性建模，提出了适用于电力零售商风险约束的随机购电模型，从而获得电力零售商规避风险的策略。文献 9 为电力零售商提出了针对各种用户的实时定价框架，并对电力需求、市场价格等不确定性因素进行建模。通过该方法，电力零售商能够很好地规避风险。文献 10以售电公司的利润最大化为目标，将分布式电源和可中断负荷纳入售电公司的调度决策中。文献 11 将需求响应项目包含在售电公司的交易优化策略中，目的是实现最大化收益同时最小化风险。文献 12 针对不断增强的用户响应市场价格的能力，建立了售电公司购售电决策双层模型，其中，上层模型以售电公司利润最大化为目标，下层模型以用户用电效用最大化为目标。文献 13 考虑用户响应、负荷、现货电价等不确定性因素对售电公司参与市场交易的影响，分别对各种不确定性因素建模，建立了综合多种不确定性因素的决策和风险评估模型。以上文献研究电力零售商确保收益和规避风险的问题大部分是从需求响应、现货价格动态定价、考虑不确定性因素等方面展开的。而在目前零售电价固定的情况下，降低零售商的供电成本也可以在保证收益的同时降低风险。购买电力金融衍生品和使用自发电设备可以有效降低电力零售商的供电成本，从而降低风险14。一方面，使用电力金融衍生品可以有效规避批发价格较高时的风险。目前，常见的电力金融衍生品有远期合约和期权合约。远期合约指的是在未来某一时间以预先规定的价格买入或卖出固定数量电力合约的义务15。在批发价格较高的时候，远期合约可以提前锁定零售商的购电价格，从而降低零售商的供电成本；但当批发价格较低的时候，电力零售商仍以锁定的价格购买电力，损失了盈利的机会。与远期合约不同的是，电力期权合约赋予电力零售商以一定的执行价格购买到期日之前的固定电量的权利，但电力零售商可以选择不执行该权利。对于这项权利，电力零售商需要支付一笔称为权利金的费用。当批发价格较高的时候，零售商以期权合约锁定的价格购买电力，降低了供电成本；而当批发价格较低的时候，零售商可以不行使期权合约的权利，而是购买批发市场的低价电力，但是，支付的权利金降低了零售商的盈利。虽然电力金融衍生品也会给电力零售商带来一定的收益亏损风险，但与波动的现货电价所带来的风险相比，衍生品所带来的风险小得多。另一方面，使用自备机组发电可以有效降低供电成本。一些电力零售商拥有自己的发电机组，在批发价格较高的时候，可以使用成本较低的发电机组供电以抵消一部分供电成本。因此，电力零售商在购电时，除了电力现货市场，远期合约和期权合约也可以成为电力零售商的购电渠道，同时使用自发电设备也可以成为零售商规避风险的一个选择。为此，本文以具有自发电设备的电力零售商作为研究对象，将日前现货市场、实时平衡79多市场交易的电力零售商最优购电模型及策略研究http:/ 技术经济 第7期 市场、电力期权合约和电力远期合约作为电力零售商的购电渠道，提出了一个考虑多市场交易和自发电的电力零售商最优购电模型，旨在通过合理分配电力零售商在各渠道的购电量和使用自发电设备的发电量，在保证满足用户需求的前提下，使该零售商在降低自身所承担风险的同时保证收益。首先对电力零售商的供电成本和售电收益建模。然后，采用条件风险价值(conditional value at risk，CVaR)对零售商承担的风险进行度量，建立电力零售商的最优购电模型，即收益风险模型，并使用 OPTI 求解器对该最优模型进行求解，以获得电力零售商在各渠道的最优购电量。最后，设置理想情景对本文所提出的电力零售商最优购电策略进行仿真，验证本文所提策略的有效性。与国内、外学者研究文献相比，本文针对电力现货市场实时波动的批发电价特性，分析导致电力零售商面临收益亏损这一问题，通过在单一市场制定电力零售商交易策略的风险规避方法，首次制定电力零售商在包括日前现货市场、实时平衡市场、电力金融衍生品市场的多市场中的购电策略。从而，在满足用户需求的前提下，以实现电力零售商在降低自身风险的同时保证收益这一目标。针对电力零售商的购电成本较高导致收益降低，本文首次提出将自发电设备作为电力零售商向用户供电的可选途径，以实现电价升高时，零售商利用自发电设备降低供电成本，规避或减少收益亏损降低的风险。1 电力零售商的供电成本和售电收益函数本文以具有自发电设备的电力零售商作为研究对象，建立了电力零售商在日前现货市场、实时平衡市场、电力期权合约、电力远期合约和自发电设备间的购电量最优分配模型，为电力零售商的购电决策提供了一条新的途径。本文的研究基于以下假设：1)本文只对一家电力零售商展开研究，不考虑多零售商之间的竞争问题；2)在研究的时间范围内，电力零售商只能做出一次购电决策。而在研究时间范围之外，电力零售商也可做出其他决策；3)本文不考虑电力零售商使用自发电设备产生的碳排放。1.1 供电成本电力零售商的供电成本为电力零售商在各渠道中的购电成本及使用自发电设备的发电成本。下面，将分别对购电成本和自发电设备的发电成本进行建模。1.1.1 日前现货市场的购电成本日前现货市场是电力零售商购电的主要渠道。电力零售商在获取用户负荷需求的基础上，与发电企业形成交易计划16。电力零售商在日前现货市场的购电成本 Cd可按式(1)计算。Cd=Tt=1 e1t(1)式中：e1是电力零售商在现货市场的购电量，MW；t为在时刻电力零售商在日前现货市场的购电价格，元/MWh；T 为零售商完成一次购电决策的时间上限。1.1.2 实时平衡市场的购电成本在实际运行中，受天气、电网事故等因素影响，日前市场的购电计划可能与实际用电负荷出现较大偏差，产生功率不平衡17。这时，不足的电力需求可以在实时平衡市场购买。因此，实时平衡市场是电力零售商购电的另一渠道，电力零售商在实时平衡市场购买电力的成本 Cr可按式(2)计算。Cr=Tt=1 e2t(2)式中：e2是电力零售商在实时平衡市场的购电量，MW；t为在 t 时刻电力零售商在实时平衡市场的购电价格，元/MWh。1.1.3 电力期权合约的购电成本电力零售商购买电力期权合约的成本 C0可按式(3)计算。C0=Tt=1 NCj=1 hj(1,j+2,j)(3)式中：NC 为电力零售商购买的电力期权合约的数量；hj为购买第 j 个电力期权合约的电量，MW；1,j为第 j 个电力期权合约的权利金，元/MWh；80http:/电 力 勘 测 设 计第7期2,j为第 j 个电力期权合约的执行价格，元/MWh。1.1.4 电力远期合约的购电成本电力零售商购买电力远期合约的成本 Cf可按式(4)计算。Cf=Tt=1 NFi=1 qii(4)式中：NF 为电力零售商购买的电力远期合约的数量，qi为第 i 个远期合约的购买电量，MW；i为第 i 个远期合约的价格，元/MWh。1.1.5 自发电设备的成本本文考虑的电力零售商拥有自己的发电机组设备。这些发电机组的发电成本Csg可按式(5)计算18。Csg=Tt=1 NGg=1 agpg2+bgpg+cg(5)式中：NG 为电力零售商拥有的发电机组的数量；pg为机组 g 的单位发电功率，MW；ag，bg，cg为发电机组 g 的成本系数。1.2 售电收益电力零售商的售电收益为电力零售商按照电力零售价格向终端用户售电获得的收益。该收益 Cs按式(6)计算。Cs=Tt=1 Dt(6)式中：D 为终端用户的电力需求；t为电力零售商向终端用户售电的价格，元/MWh。2 考虑多市场交易的电力零售商最优购电模型结合上述电力零售商的供电成本和售电收益模型，本节将建立电力零售商的最优购电模型，并对该模型进行求解。2.1 总收益模型电力零售商的总收益为售电收益和供电成本的差。结合式(1)(6)，电力零售商的总收益 按式(7)计算。=Cs-Cd-Cr-Co-Cf-Csg(7)2.2 电力零售商的风险度量模型常见的风险度量工具有方差、风险价值(value at risk，VaR)和 CVaR。然 而，方 差 和VaR 在风险度量方面都有一些缺陷。方差只能度量变量偏离均值的风险，并且不能对收益低于或高于预期收益进行判断，这一点说明方差不适用于度量收益的风险19。在投资收益不满足正态分布的情况下，VaR 往往忽略了收益的尾部损失，使所测得的风险远远小于实际风 险20。因此，方差和 VaR 都不适用于本文为电力零售商度量收益风险。CVaR 是一种克服了方差和缺点的风险度量方法。CVaR 量化了与投资组合损失函数尾部相关的损失，可以反映出投资组合的潜在损 失21。CVaR 被定义为在一定的置信水平 上，损失超过阈值(VaR)的条件期望20。鉴于以上分析，本文中使用 CVaR 作为风险度量的工具。将负收益作为电力零售商的损失函数，根据文献20提供的CVaR的线性形式，本文对于电力零售商的收益的风险度量 Rm可按式(8)计算。Rm=VaR+11-Z(8)z VaR(9)式中：z 为方便 CVaR 计算而引入的辅助变量。2.3 目标函数本文通过合理分配电力零售商在不同渠道中的购电量，以综合收益最大化同时风险度量最小化为目标函数。除了式(9)中关于风险度量的约束条件，本文还考虑了机组出力、零售商购售电平衡和收益为正等约束。目标函数按式(10)计算。max：Rm(10)式中：为零售商的风险规避参数，其值根据零售商的风险偏好选择。偏好风险的零售商会将 设置为较小值，厌恶风险的零售商会将 设置为较大值。2.4 约束条件1)发电机组出力约束 pg,min pg pg,max(11)式中：pg,min为发电机组 g 的最小出力，MW；pg,max为发电机组 g 的最大出力，MW。81多市场交易的电力零售商最优购电模型及策略研究http:/ 技术经济 第7期 2)供需平衡约束 D=e1+e2+NCj=1 hj+NFi=1 qi+NGg=1 pg(12)3)收益约束为了保证电力零售商的收益始终为正，本文对零售商的收益做出约束。0(13)最终，电力零售商的购电决策模型可表示为：max：Rms.t.(9),(11)-(13)(14)式(14)所示的问题是一个非线性规划问题，可以使用 MATLAB2020b 中的 OPTI 求解器编程得到电力零售商的最优购电策略。3 算例分析本节设置了一个理想场景，对提出的最优购电模型进行了数值仿真分析，以验证所提方法的有效性。3.1 算例情景设置由于我国电力市场建设尚未成熟，部分参数尚无法确定，本文构造了一个理想场景，以验证所提方法的有效性和可行性。在该场景中，有且仅有一个电力零售商为某区域用户一天的电力需求购买电力，使用小时作为单位时间，即 T=24。而对于多电力零售商之间的竞争性问题本文并为涉及。由多零售商竞争和交易引发的计算量大和计算困难的问题可以采用云边协同的方法解决22，本文在此不展开研究。场景设定区域用户在单位时间内的用电需求 D=200 MW，电力零售商自备两台发电机组，即 NG=2，两台发电机组的参数见表 1 所列。设定电力零售商购买电力期权的数量 NC=3，购买远期合约的数量 NF=3。在仿真过程中用到的其他相关参数见表 2 所列。表1 自发电机组参数机组序号机组出力限制成本系数pg,min/MWpg,max/MWagbgcgNG122701.2210-526.0821 459NG218507.210-529.8201 054表2 仿真过程参数参数数值实时平衡市场的购电价格/(元/MWh)7第1个电力期权合约的权利金/1,1(元/MWh)3第2个电力期权合约的权利金/1,2(元/MWh)5第3个电力期权合约的权利金/1,3(元/MWh)4第1个电力期权合约的执行价格/2,1(元/MWh)6第2个电力期权合约的执行价格/2,2(元/MWh)7第3个电力期权合约的执行价格/2,3(元/MWh)9第1个远期合约的价格/1(元/MWh)5第2个远期合约的价格/2(元/MWh)6第3个远期合约的价格/3(元/MWh)8置信水平0.953.2 最优性验证为了验证本文所提方法的最优性，本小节分别在三个不同的风险偏好下对零售商的最优购电策略和非最优购电策略进行比较。设定的风险偏好分别为=10、50、100。1)风险偏好=10图 1 展示了在风险偏好为 10 的情况下，使用本文所提模型求出的零售商的最优购电策略，图 2 图 4 分别展示了零售商的非最优购电策略。在图 1 图 4 的购电策略下，电力零售商获得的收益和所承担的风险见表 3 所列。电力现货市场实时平衡市场电力期权合约电力远期合约自发电设备0.50.10.40.30.20 图1=10电力零售商的最优购电组合 电力现货市场实时平衡市场电力期权合约电力远期合约自发电设备0.50.60.10.40.30.20图2=10电力零售商的非最优购电组合一82http:/电 力 勘 测 设 计第7期电力现货市场实时平衡市场电力期权合约电力远期合约自发电设备0.050.20.150.10 图3=10电力零售商的非最优购电组合二电力现货市场实时平衡市场电力期权合约电力远期合约自发电设备0.50.10.40.30.20图4=10电力零售商的非最优购电组合三表3=10时不同购电组合下电力零售商的收益和风险项目图1图2图3图4收益/元100 441.165 9 85 482.825 28 123 658.911 7 117 997.818 3风险-108 823.318 6-190 343.494 4-573 178.233 6-459 956.365 4结合图 1 图 4、表 3 的仿真结果来看，采用图 1 所示的最优购电组合购电，虽然零售商获得的收益不是最高的，但零售商能够在降低风险的同时保证收益。例如，与采用图 3 策略所求的仿真结果相比，采用最优购电策略获得的收益降低了 18.78%，但承担的风险降低了81.01%。与采用图 4 策略所求的仿真结果相比，采用最优购电策略获得的收益降低了 14.88%，但承担的风险降低了 76.34%。而与采用图 2 策略所求的仿真结果相比，采用本文所提的最优策略，既提高了零售商的收益，又降低了零售商承担的风险。2)风险偏好=50图 5 展示了在风险偏好为 50 的情况下，使用本文所提模型求出的零售商的最优购电策略，图 6 图 8 分别展示了零售商的非最优购电策略。在图 5 图 8 的购电策略下，电力零售商获得的收益和所承担的风险见表 4 所列。电力现货市场实时平衡市场电力期权合约电力远期合约自发电设备0.50.10.40.30.20 图5=50电力零售商的最优购电组合 电力现货市场实时平衡市场电力期权合约电力远期合约自发电设备0.10.40.30.20图6=50电力零售商的非最优购电组合一电力现货市场实时平衡市场电力期权合约电力远期合约自发电设备0.30.10.250.20.150.050 图7=50电力零售商的非最优购电组合二电力现货市场实时平衡市场电力期权合约电力远期合约自发电设备0.30.10.250.20.150.050 图8=50电力零售商的非最优购电组合三83多市场交易的电力零售商最优购电模型及策略研究http:/ 技术经济 第7期 表4=50时不同购电组合下电力零售商的收益和风险项目图5图6图7图8收益/元100 367.069 7 116 800.677 3 112 784.408 1 123 334.227 6风险-107 341.394 6-436 013.546 2-355 688.161 6-566 684.551结合图 5 图 8、表 4 的仿真结果来看，能够获得与风险偏好=10 类似的仿真结论。采用图 5 所示的最优购电组合购电，零售商能够在降低风险的同时保证收益。与采用图 6 策略所求的仿真结果相比，采用最优购电策略获得的收益降低了 14.1%，但承担的风险降低了 75.4%。与采用图 7 策略所求的仿真结果相比，采用最优购电策略获得的收益降低了 11%，但承担的风险降低了 69.82%。与采用图 8 策略所求的仿真结果相比，采用最优购电策略获得的收益降低了 18.62%，但承担的风险降低了 81.06%。3)风险偏好=100图 9 展示了在风险偏好为 100 的情况下，使用本文所提模型求出的零售商的最优购电策略，图 10 图 12 分别展示了零售商的非最优购电策略。在图 9 图 12 的购电策略下，电力零售商获得的收益和所承担的风险见表 5 所列。电力现货市场实时平衡市场电力期权合约电力远期合约自发电设备0.50.10.40.30.20 图9=100电力零售商的最优购电组合 电力现货市场实时平衡市场电力期权合约电力远期合约自发电设备0.50.10.40.30.20图10=100电力零售商的非最优购电组合一电力现货市场实时平衡市场电力期权合约电力远期合约自发电设备0.10.40.30.20 图11=100电力零售商的非最优购电组合二电力现货市场实时平衡市场电力期权合约电力远期合约自发电设备0.30.10.250.20.150.050图12=100电力零售商的非最优购电组合三表5=100不同购电组合下电力零售商的收益和风险项目图9图10图11图12收益/元100 006.722 4 109 210.274 7 111 550.706 3 114 575.687 6风险-100 134.447 9-284 205.494 4-331 014.126 4-391 513.753结合图 9 图 12、表 5 的仿真结果来看，可以获得类似风险偏好=10、50 时的仿真结论。采用图 9 所示的最优购电组合购电，零售商能够在降低风险的同时保证收益。与采用图10 策略所求的仿真结果相比，采用最优购电策略获得的收益降低了 8.43%，但承担的风险降低了 64.77%。与采用图 11 策略所求的仿真结果相比，采用最优购电策略获得的收益降低了10.35%，但采承担的风险降低了 69.75%。与采用图 12 策略所求的仿真结果相比，采用最优购电策略获得的收益降低了 12.72%，但承担的风险降低了 74.42%。从以上的仿真结果及分析可以看出，本文所提出的最优购电组合模型可以为电力零售商的购电决策制定和风险管理提供支持。84http:/电 力 勘 测 设 计第7期4 结语电力零售商在经营中面临着由现货价格波动导致的收益亏损风险。为了在降低电力零售商自身风险的同时保证收益，本文以具有自发电设备的电力零售商作为研究对象，建立了该零售商的最优购电模型。模型目标是在降低风险的同时保证零售商的收益。该零售商在日前市场和实时平衡市场购买一部分用户的电力需求，并使用远期合约、期权合约和自发电设备来获取另一部分电力需求并对冲零售商承担的风险。该问题被表述为非线性规划，使用 OPTI求解器进行求解，并获取零售商在各渠道中的最优购电策略。最后，在设置的理想情景中仿真，验证了所提方法的有效性。参考文献1 国家发展改革委办公厅.国家发展改革委关于进一步深化燃煤发电上网电价市场化改革的通知(发改价格20211439号)EB/OL.(2021-10-11)2021-10-21.http:/ Auvrt A,Rosin A,Belonogova N,et al.Nord Pool Spot price pattern analysis for households energy managementC.2011 7th International Conference-Workshop Compatibility and Power Electronics(CPE).IEEE,2011:103-106.3 Liu D,Qin Z,Hua H,et al.Incremental incentive mechanism design for diversified consumers in demand responseJ.Applied Energy,2023(329)：120240.4 中共中央 国务院.关于进一步深化电力体制改革的若干意见(中发20159号)EB/OL.(2015-03-15)2021-10-21.http:/ Wang P,Fang D,Wang S.Optimal dynamic regulation in retail electricity market with consumer feedback and social learningJ.Energy Policy,2022(168):113148.6 Nojavan S,Zare K.Optimal energy pricing for consumers by electricity retailerJ.International Journal of Electrical Power&Energy Systems,2018(102):401-412.7 Taherian H,Aghaebrahimi M R,Baringo L,et al.Optimal dynamic pricing for an electricity retailer in the price-responsive environment of smart gridJ.International Journal of Electrical Power&Energy Systems,2021(130):107004.8 Guo L,Sriyakul T,Nojavan S,et al.Risk-based traded demand response between consumers,aggregator and retailer using downside risk constraints techniqueJ.IEEE access,2020(8):90957-90968.9 Deng T,Yan W,Nojavan S,et al.Risk evaluation and retail electricity pricing using downside risk constraints methodJ.Energy,2020(192):116672.10 李晶，李永波，钱寒晗，等.考虑售电公司最优经营策略的曲线交易机制设计J.电力系统保护与控制，2021，49(24)：69-77.11 杨萌，艾欣，唐亮，等.计及风险规避的售电公司平衡市场优化交易策略研究J.电网技术，2016，40(11)：3300-3309.12 任艺，周明，李庚银.考虑用户需求响应的售电公司购售电决策双层模型J.电力系统自动化，2017，41(14)：30-36.13 李雅婷，唐家俊，张思，等.考虑多重不确定性因素的售电公司购售电决策模型J.电力系统自动化，2022，46(7)：33-41.14 林钦梁.电力市场价格风险及避险策略研究D.长沙：湖南大学，2011.15 Nourollahi R,Gholizadeh-Roshanagh R,Feizi-Aghakandi H,et al.Power distribution expansion planning in the presence of wholesale multimarketsJ.IEEE Systems Journal,2022.16 樊宇琦，丁涛，孙瑜歌，等.国内外促进可再生能源消纳的电力现货市场发展综述与思考J.中国电机工程学报，2021，41(5)：1729-1752.17 华昊辰，李宇童，王同贺，等.一种基于混合随机H_2/H_方法的能源互联网边缘计算系统控制策略J.中国电机工程学报，2020，40(21)：6875-6885.18 Hua H.Data-driven dynamical control for bottom-up energy Internet systemJ.IEEE Transactions on Sustainable Energy,2022,13(1):315-327.19 Sherali H D,Zhu X.On solving discrete two-stage stochastic programs having mixed-integer first-and second-stage variablesJ.Mathematical programming,2006,108(2):597-616.20 Rockafellar R T,Uryasev S.Conditional value-at-risk for general loss distributionsJ.Journal of banking&finance,2002,26(7):1443-1471.21 Fuss S,Khabarov N,Szolgayova J,et al.The e?ects of climate policy on the energytechnology mix:an integrated CVaR and real options approachM.Modelling Environment-Improving Technological Innovations under Uncertainty.Routledge,2008.22 王同贺，华昊辰，曹军威.共识边缘计算及其在能源互联网中的应用J.电力建设，2021，42(2)：116-125.(编辑 陈荣荣)