为光伏发电和能源需求具有不确定性的能源社区优化能源与调节服务：一种双层自适应鲁棒方法

《Journal of Energy Storage》：Optimizing energy and regulation services for energy communities with uncertain PV and demand: A bilevel adaptive robust approach

　　梅萨姆·科贾斯特（Meysam Khojasteh）、佩德罗·法里亚（Pedro Faria）、维托尔·洛佩斯（Vitor Lopes）、若昂·阿尔维斯（Jo?o Alves）、佩德罗·萨洛梅（Pedro Salomé）、齐塔·瓦莱（Zita Vale）

GECAD——智能工程与计算研究小组，致力于先进创新与发展；LASI——智能系统联合实验室；ISEP；波尔图理工学院；安东尼奥·贝纳迪诺·德·阿尔梅达博士街（Rua Dr. Antonio Bernardino de Almeida）431号；4249-015波尔图，葡萄牙

摘要

本文提出了一种自适应鲁棒优化（ARO）模型，用于在需求和光伏（PV）不确定性条件下，优化能源社区（ECs）的市场参与度。该模型综合考虑了日前（DA）能源市场、实时调节市场、电网交易以及共享资源（如社区蓄电池储能系统BESS）的运行。在日前阶段，通过调度本地发电、储能和内部能源交换来最小化运营成本，同时遵守技术和市场约束。该框架优先使用本地资源，以提高自给自足能力并减少对外部电网的依赖。在调节阶段，模型允许BESS提供上调和下调调节服务，这些行动与EC之前的日前承诺相协调，以确保在双重不平衡定价下的可行性并避免处罚。通过鲁棒优化方法应对需求和光伏发电的不确定性。问题被构建为一个最小-最大-最小（min–max–min）模型：外部最小化确定日前决策，内部最大化捕捉不确定需求和光伏发电的最坏情况，中间最小化优化实时调节响应。这种表述保证了在定义的不确定性预算范围内所有可接受情景下的可行性，确保了能源社区的稳健和可靠运行。为了提高可处理性，使用强对偶理论将最小-最大-最小问题重新表述为最小-最大问题，并通过分解方法求解。在包含250个成员的能源社区的仿真研究中，该模型验证了其有效性，实现了每日成本631.64欧元，其中5666.46千瓦时的需求通过内部满足，通过BESS实现了高达1052.64千瓦的上调调节。与市场驱动策略相比，优先使用本地资源可将对电网的依赖减少77%，同时保留了调节收入（127.17欧元）。结果表明，所提出的ARO框架降低了运营成本，提高了灵活性，并增强了能源社区对市场波动和可再生能源变化的抵御能力。

1. 引言

随着全球能源格局向分散化和可持续性转变，能源社区（ECs）已成为向更清洁、更具韧性的电力系统过渡的关键参与者。这些社区由生产者和消费者组成，他们共同生成、共享和管理本地能源资源，为推进能源公平性和效率提供了有希望的途径。ECs可以提高电网可靠性，减少温室气体排放，并使消费者在能源管理中发挥积极作用[1]。在ECs内部，共享能源资源（如蓄电池储能系统BESS）和光伏（PV）单元可以提高自给自足能力，降低高峰需求费用，并促进本地能源平衡。与单独拥有相比，共享所有权提高了成本效益和利用率，从而增加了投资回报，并使关键基础设施得到更充分利用。同时，这种共享模式提高了资源不足的成员的可访问性[2]。

除了本地能源共享外，ECs还可以通过聚合小型消费者的需求并集体参与批发能源市场来降低电力成本。通过协调资源管理，社区可以优化储能、发电和自消费，减少对电网的依赖，并为其成员创造更大的经济价值。然而，由于可再生能源发电（例如PV输出）和能源需求的波动性，最佳市场参与仍然是一个挑战[3]。这些不确定性可以通过共享的BESS在实时内平衡能源供应和消费来管理。此外，通过调整充放电计划，ECs可以参与调节市场，提供有价值的上调和下调调节服务[4]。这种运营灵活性不仅增强了电网稳定性，还为社区创造了额外的收入流。

为了满足成员的能源需求并应对可再生能源的不确定性，ECs需要一个模型来确定其在能源市场和调节服务市场中的最佳参与度，以及共享社区资源（如PV和BESS单元）的最佳调度。BESS管理中的一个关键挑战是当前充放电决策与未来可用性之间的相互依赖性。例如，将BESS容量分配用于当前小时的上调调节服务可能会降低其在随后小时参与日前（DA）能源市场的能力。因此，必须优化BESS在调节服务中的参与，以免影响其在能源市场中的先前承诺。本文为ECs制定了一个最佳策略，使其能够在日前能源市场和调节服务市场中参与，同时考虑光伏发电和消费的不确定性，确保满足社区的能源义务。

ECs在能源市场和调节市场中的最佳策略已被广泛研究。一些工作专注于日前能源市场参与。例如，[5]提出了一个随机模型，分析了ECs与零售商在日前和不平衡市场中的互动，但忽略了可再生能源发电的不确定性，并排除了社区在批发市场中的直接参与。参考文献[6]将投资理论应用于日前和实时市场，引入了一种基于投资组合的优化方法来管理成本-风险权衡，但没有考虑辅助或储备市场。参考文献[7]提出了一个用于日前配电市场有功/无功功率调度的双层优化模型，但由于依赖于配电级别的日前市场（在实践中很少见），其适用性受到限制。在[8]中，一种分布式优化策略分配了内部网络损耗并调度了EC操作，无需敏感数据共享。参考文献[9]引入了一种去中心化的本地能源市场设计，使生产者和消费者能够在不确定性下确定日前价格，同时保护隐私和可扩展性。一些工作研究了实时和调节市场参与。在[10]中，一个双层模型优化了共享BESS在频率调节市场中的参与，但它假设了理想行为和完全的信息共享，这在现实中是不现实的。参考文献[11]提出了一个去中心化的优化框架，用于协调多个EC在辅助服务市场中的参与，包括虚拟能源共享和报酬，但它忽略了能源-调节之间的耦合。类似地，[12]提出了一个基于纳什均衡的多能源虚拟电厂模型，其中生产者通过点对点定价提供辅助服务，但忽略了小型消费者的障碍。参考文献[13]比较了仅能源和联合能源-储备优化策略，表明具有灵活资源（如BESS、冷却负载）的ECs在包含储备市场时可以获得更高的收入，尽管鲁棒优化和双重调节定价可能会显著改变这些结果。在[14]中，一个基于斯塔克伯格（Stackelberg）的浮动实时定价策略将本地价格与日前价格联系起来，但这使ECs面临批发市场的波动性。其他研究探索了能源和辅助市场的联合优化。例如，[15]提出了一个ARO模型，用于家庭能源聚合商在日前和本地灵活性市场中竞标PV、BESS和热储能。参考文献[16]通过整合共享BESS与氢储能，扩展了这一模型，使其参与能源和储备市场。参考文献[17]开发了一个用于多能源虚拟电厂的鲁棒自调度模型，耦合了电力和天然气系统。在[18]中，一个分层的两阶段框架协调了个体和社区级别的操作与共享BESS。参考文献[19]引入了一个本地能源和灵活性市场的交付后框架，但由于缺乏交付保证和监管不一致性，其可行性受到限制。最后，[20]和[21]探讨了具有混合BESS和氢系统的双层和斯塔克伯格方法，但两者都忽略了日前承诺如何限制调节服务中的灵活性。不确定性建模也很关键。参考文献[22]提出了一个基于情景的随机模型，其中使用了条件风险价值（CVaR），但没有解决日前-不平衡互动问题。在[23]中，一个需求响应模型使用区间不确定性来提高灵活性和成本效率，而[24]整合了建筑到供暖网格的优化，但忽略了可再生能源的波动性。参考文献[25]提出了一个使用分布式算法的本地能源和灵活性市场的两阶段随机模型，尽管存在监管和实施问题。

尽管ECs在分散式能源系统中的作用日益重要，但它们在多市场环境中的最佳参与仍然具有挑战性。首先，光伏发电和本地需求的固有不确定性引入了不平衡风险，特别是在具有双重定价结构的市场中，偏差会受到惩罚。其次，协调日前能源承诺与实时调节服务是复杂的，因为将BESS容量分配给上调或下调调节可能会与日前放电义务冲突，导致不可行性或额外成本。第三，监管和技术障碍仍然存在。最低投标阈值（例如MIBEL中的1兆瓦）通常阻止小型ECs直接进入市场，除非它们被聚合，而集中式聚合则引发了隐私、公平性和治理问题。最后，许多现有的优化框架独立处理能源和辅助服务市场，或依赖于概率假设，使ECs容易受到罕见但极端不确定性的影响。除了这些一般挑战外，还可以识别出几个具体的研究空白：

- 市场间协调和约束：现有模型很少关注日前承诺如何限制BESS在调节市场中的参与。本研究通过明确建模日前和调节市场之间的互动，解决了这一问题，从而形成了一个更现实和操作上更一致的框架。
- 调节服务支付机制：当前方法通常忽略了不确定性下的结算公平性。为了防止由不平衡驱动的调节带来的意外利润或处罚，本研究引入了一种双重不平衡定价机制，允许EC在一致的市场规则下同时作为调节服务的提供者和购买者。
- 本地和批发灵活性服务之间的协调：先前的研究通常忽略了EC级别的灵活性与批发市场动态之间的互动。本研究强调了共享BESS在减轻不确定性影响、提高可再生能源利用率和降低批发相关成本方面的作用。

为了填补这些空白，本文提出了一个双层ARO框架，共同优化ECs的日前能源交易、实时调节参与和共享资源调度。该框架确保了BESS在两个市场层中的可行性，优先使用本地可再生能源，并仅在满足日前承诺时参与调节服务，从而消除了不平衡处罚。除了技术贡献外，所提出的ARO模型还使小型ECs能够作为合格的灵活性提供者，支持新兴的欧盟聚合和灵活性市场机制，同时促进在未来低碳能源系统中的公平和韧性参与。

在所提出的模型中，优先考虑满足社区成员的能源需求。通过聚合需求，EC可以在日前批发市场中集体购买所需的能源。多余的光伏发电或BESS输出可以出售，以降低总体供应成本。BESS以双重模式运行，将其部分容量分配给调节服务，其余部分参与日前市场。这种配置使电池能够同时管理本地不确定性和降低市场成本。然而，日前参与受到最低容量限制；如果这些限制未得到满足，则主电网将作为替代供应商。因此，所提出的模型确保了社区能源成本低于仅依赖电网的供应系统。在实时阶段，EC使用本地资源或参与调节市场来平衡不确定的需求和光伏输出。共享的BESS发挥了核心作用，使社区能够同时作为买家（补偿偏差）和卖家（提供上调和下调调节服务）。双重不平衡定价机制防止了灵活性成本和收入的不公平分配。需求和光伏发电的不确定性通过自适应鲁棒优化（ARO）进行建模。在ARO中，初始日前决策在不确定性实现之前做出，而适应性调节决策在之后做出[16]。这导致了更加稳健和灵活的运营策略。EC的最佳策略被构建为一个最小-最大-最小问题：内部和外部最小化代表最佳的调节和能源市场决策，而中间最大化捕捉最坏情况的不确定性。通过将内部最小化双重化，该公式被转换为一个最小-最大问题。使用Big-M方法对得到的非线性模型进行线性化，并通过分解方法求解。

本文的主要贡献如下：

- 多市场EC参与的双层ARO框架：开发了一种新颖的双层ARO模型，使ECs能够在光伏发电和能源需求不确定性的情况下，最佳参与日前能源和实时调节市场。与现有的随机或确定性方法不同，所提出的最小-最大-最小结构明确捕捉了分布式能源（DA）调度与调节服务提供之间的相互依赖性，确保了市场各层之间协调和现实的决策制定。•通过共享的电池储能系统（BESS）协调整合DA调度和调节服务的可行性：该模型引入了一种新的调度机制，强制在DA和调节市场中实现BESS的可行性。通过在实时运营中将DA承诺视为明确的约束，该框架防止了不可行或冲突的调度，确保了物理一致性和运营可靠性。这种集成方法在波动条件下提高了经济效率和社区自给自足能力。•双重不平衡定价机制以实现公平和透明的调节结算：为了解决调节支付和不平衡结算中的不平等问题，研究采用了双重不平衡定价结构，允许能源社区（EC）在一致的结算规则下同时作为调节服务提供者和消费者。这种机制防止了不公平的利润或惩罚结果，并促进了EC成员之间的透明灵活交易。•协调本地和批发灵活性以提高可再生能源利用率：所提出的框架明确模拟了EC级别的灵活性与批发市场动态之间的互动。通过协调BESS的运营，该模型减轻了不确定性影响，降低了外部采购成本，并增加了社区内的可再生能源利用率。本文的其余部分组织如下：第2节介绍了基于先进资源优化（ARO）的最优EC策略。第3节描述了解决程序。第4节提供了数值模拟和讨论。第5节总结了本文。

2. 分布式能源（EC）参与能源和调节市场的ARO模型
在本节中，提出了EC参与能源和调节市场的模型。

2.1. 能源市场
社区的能源需求可以通过三个来源满足：分布式能源市场、主电网和EC的共享资源（例如，BESS和光伏单元）。因此，此阶段的EC最低成本表示为：
(1) OFE = min{ΩE∑_{t∈T}ρ_{ST.Pt_{DA,C} + Pt_{GR,C} + Pt_{CO,C} + Pt_{DA,D} + Pt_{GR,D} + Pt_{CO,D} + π_{t}Pt_{DA,C} + ∑_{k∈K}D_{k,t}Pt_{DA,D} - π_{t}Pt_{DA,D} + Pt_{DA,PV} + π_{t}Pt_{GR,C} + ∑_{k∈K}D_{k,t}Pt_{GR,-π_{t}FT.Pt_{GR,D} + Pt_{GR,PV} - M.Pt_{CO,D} + Pt_{CO,PV}
受以下条件约束：
(2) -Pt_{CO,D} - Pt_{CO,PV} + Pt_{CO,C} + ∑_{k∈K}D_{k,t}C = 0: ?t
(3) D_{k,t}Pt_{DA} + D_{k,t}GR + D_{k,t}CO = D_{k,t}E: ?t,k
(4) Pt_{DA.PV} + Pt_{GR.PV} + Pt_{CO.PV} = Pt_{E,PV}: ?t
(5) Cap_{DA.btB} ≤ Pt_{DA,C} + ∑_{k}D_{k,t}Pt_{DA} ≤ M.btB: ?t
(6) Cap_{DA.btS} ≤ Pt_{DA,D} + Pt_{DA,PV} ≤ M.btS: ?t
(7) Et_{ST,EN} = Et_{-1}ST,EN + Pt_{DA,C} + Pt_{GR,C} + Pt_{CO,C}.η_{C} - Pt_{DA,D} + Pt_{GR,D} + Pt_{CO,D}/η_{D}: ?t
(8) -Pt_{DA,C} - Pt_{GR,C} - Pt_{CO,C} ≥ -xt_{C.PˉST: ?t
(9) -Pt_{DA,D} - Pt_{GR,D} - Pt_{CO,D} ≥ -xt_{D.PˉST: ?t
(10) -Et_{ST,EN} ≥ -EˉST: ?t
(11) E_{0}ST,EN = ET_{ST,EN} = E_{ini}
(12) xt_{C} + xt_{D} ≤ 1: ?t
(13) btB + btS ≤ 1: ?t
(14) Pt_{DA,C},Pt_{GR,C},Pt_{CO,C},Pt_{DA,D},Pt_{GR,D},Pt_{CO,D},Pt_{DA,PV},Pt_{GR,PV},Pt_{CO,PV},D_{k,t}Pt_{DA,Dk,tGR,Dk,tCO},Et_{ST,EN} ≥ 0: ?t,k
(15) btB,btB,xtC,xtD ∈ {0,1}: ?t
(1)中的第一项代表BESS在充电和放电过程中的运营成本。第二项和第三项分别代表在DA市场中购买电力的成本和出售电力的收入。第四项和第五项代表从主电网购买电力的成本和向其注入电力的收入。由于社区成员在使用共享资源方面具有优先权，目标函数包括一个惩罚项（(1)中的最后一项），以阻止在本地需求未得到满足时外部使用。

- EC的能源平衡约束由(2)描述。
- 需求和光伏功率平衡约束分别由(3)和(4)定义。
- 参与DA的最小买卖功率约束分别由(5)和(6)指定。
- 约束(7)、(8)、(9)、(10)分别代表能源平衡、充放电功率限制和BESS的能源容量。
- 运营期结束时的能源平衡约束由(11)给出。
- 约束(12)防止BESS同时充电和放电。
- 约束(13)确保EC不能同时作为买家和卖家参与DA市场。
- 约束(14)和(15)分别定义了能源市场中的非负和二进制变量。

2.2. 调节服务
调节服务使EC能够通过利用共享的BESS单元或参与竞争性调节市场来平衡实时供需偏差。这增强了社区的运营稳定性，并通过上调和下调服务提供了额外的收入。在调节市场中，使用双重不平衡定价机制来清算市场[26]。该机制确保只有提供实际调节服务的资源才能获得更高的调节价格。通常，上调价格高于DA能源市场价格，而下调价格较低。当电网需要上调时，来自不可调度资源（例如，光伏单元的过度生产或负需求）的过剩发电不被视为调节服务。这些资源仅按DA市场价格补偿，防止了调节价格信号带来的不公平利润，并保持了市场的完整性和效率。因此，不同调节情景下不确定资源的定价规则定义如下：
- 当市场需要上调服务时：由不确定资源引起的过度发电或消费不足按DA能源市场价格结算。不确定资源的不足发电或过度消费按上调价格收费。
- 当市场需要下调服务时：由不确定资源引起的过度发电或消费不足按下调价格结算。不确定资源的不足发电或过度消费按DA能源市场价格收费。
如前所述，EC通过BESS运营、参与竞争性调节市场或以固定费率与主电网交换电力来补偿光伏发电和需求的意外变化。BESS的可控性使EC能够提供上调和下调服务。具体来说，BESS通过增加放电功率或减少充电功率来提供上调服务，通过减少放电功率或增加充电功率来提供下调服务。然而，为了满足DA能源承诺，BESS在提供调节服务时不能改变其运行模式（充电/放电）。调节市场的状态由比较DA和调节市场价格确定的两个二进制参数表示：
- π_{t}RG ≥ π_{t}DA：系统需要上调服务：Ut_{UR} = 1且Ut_{DR} = 0。
- π_{t}RG < π_{t}DA：系统需要下调服务：Ut_{UR} = 0且Ut_{DR} = 1。
应当注意的是，所提出的模型忽略了调节价格的不确定性。因此，这些二进制参数（UUR和UDR）被视为优化问题的输入。因此，EC在调节市场中的最低成本函数表示为：
(16) OFR = min{Ω_{R}∑_{t∈T}ρ_{ST.Ut_{UR.Rt_{RM,D,+} - Ut_{UR.Rt_{RM,C,+} - Ut_{DR.Rt_{RM,D,-} + Ut_{DR.Rt_{RM,C,-} + Rt_{CO,D,+} - Rt_{CO,D,-} - Rt_{CO,C,++Rt_{CO,C,+-π_{t}GR.?Pt_{GR,PV,-} + π_{t}GR.∑_{k∈K}?D_{k,tGR,+} - π_{t}FT.?Pt_{GR,PV,++π_{t}GR.∑_{k∈K}?D_{k,tGR,-} + Ut_{UR.?π_{t}DA.?Pt_{RM,PV,+} - π_{t}DA.∑_{k∈K}?D_{k,tRM,-} - π_{t}RG.Rt_{RM,D,+} - π_{t}RG.Rt_{RM,C,++π_{t}RG.?Pt_{RM,PV,+} - π_{t}RG.∑_{k∈K}?D_{k,tRM,++Ut_{DR.?π_{t}RG.?Pt_{RM,PV,+} - π_{t}RG.∑_{k∈K}?D_{k,tRM,+-π_{t}RG.Rt_{RM,D,+-π_{t}RG.Rt_{RM,C,+-π_{t}DA.?Pt_{RM,PV,+} - π_{t}DA.∑_{k∈K}?D_{k,tRM,+}
在(16)中，第一项代表BESS的运营成本。如前所述，BESS通过增加放电功率或减少充电功率来提供上调服务，通过相反的动作提供下调服务。当EC的容量不足以参与调节时，主电网作为备用电源供应或吸收不确定的电力。第二项和第三项分别代表从主电网购买电力和向主电网出售电力的成本。只有当能量积极注入电网时（例如，光伏过度发电），才适用上网电价。负需求变化代表减少的消费，因此不对应于物理能量出口；它们按电网价格补偿。第四项和第五项代表参与上调和下调市场的成本。调节市场的约束如下：
- BESS在调节市场中提供上调和下调服务的容量约束分别由(17)、(18)、(19)、(20)表示。类似地，(21)、(22)、(23)、(24)显示了BESS为EC提供上调和下调服务的容量。充电和放电模式下的最大上调和下调服务受到BESS功率容量的限制。因此，约束(25)、(26)显示了提供调节服务的容量。
(17) -Rt_{RM,D,+} ≥ Pt_{DA,D} + Pt_{GR,D} + Pt_{CO,D} - xt_{D.PˉST.Ut_{UR}: ?tθ_{t}RM,D,
(18) -Rt_{RM,C,+} ≥ ?Pt_{DA,C.Ut_{UR}: ?tθ_{t}RM,C,
(19) -Rt_{RM,C,?} ≥ Pt_{DA,C} + Pt_{GR,C} + Pt_{CO,C} - xt_{C.PˉST.Ut_{DR}: ?tθ_{t}RM,C,
(20) -Rt_{RM,D,?} ≥ ?Pt_{DA,D.Ut_{DR}: ?tθ_{t}RM,D,
(21) -Rt_{CO,D,+} ≥ Pt_{DA,D} + Pt_{GR,D} + Pt_{CO,D} - xt_{D.PˉST: ?tθ_{t}CO,D,
(22) -Rt_{CO,C,+} ≥ ?Pt_{CO,C: ?tθ_{t}CO,C,
(23) -Rt_{CO,C,?} ≥ Pt_{DA,C} + Pt_{GR,C} + Pt_{CO,C} - xt_{C.PˉST: ?tθ_{t}CO,C,
(24) -Rt_{CO,D,?} ≥ ?Pt_{CO,D: ?tθ_{t}CO,D,
(25) -Rt_{RM,C,?} ?Rt_{CO,C,?} ≥ Pt_{DA,C} + Pt_{GR,C} + Pt_{CO,C} - xt_{C.PˉST: ?tθ_{t}C,
(27) -Rt_{CO,D,+} ?Rt_{CO,C,++?Pt_{CO,PV,-} + ∑_{k∈K}?D_{k,tCO,+} = 0: ?tλ_{t}CR,
(28) -Rt_{CO,D,?} ?Rt_{CO,C,?+?Pt_{CO,PV,++∑_{k∈K}?D_{k,tCO,+} = 0: ?tλ_{t}CR,
- 提供调节服务的资格需要事先注册并作为能源市场参与者进行资格认证。因此，调节市场的参与水平由二进制变量btB和btS限制，如下：
(29) -Rt_{RM,D,+} ?Rt_{RM,C,+} ?Rt_{RM,D,??Rt_{RM,C,??Pt_{RM,PV,-} ?∑_{k∈K}?D_{k,tRM,+} ??Pt_{RM,PV,+?∑_{k∈K}?D_{k,tRM,?} ≥ ?M.btS?M.btB: ?tφ_{t}RM
- 此阶段的BESS能量水平表示为：
(30) -Et_{ST,RG} ≥ ?EˉST: ?tθ_{t}ST,RG,
(31) Et_{ST,RG} ? Et_{-1}ST,RG + Rt_{CO,C,+?Rt_{CO,C,?+Rt_{RM,C,+?RtRM,C,?.η_{C} + Rt_{CO,D,+?Rt_{RM,D,+?RtRM,D,+?RtRM,D,?/η_{D} = Pt_{DA,C} + Pt_{GR,C} + Pt_{CO,C.η_{C} - Pt_{DA,D} + Pt_{GR,D} + Pt_{CO,D/η_{D}: ?t≠1λ_{t}ST,RG
(32) E_{1}ST,RG + R_{1}CO,C,+?R_{1}CO,C,?+R_{1}RM,C,+?R_{1}RM,C,?.η_{C} + R_{1}CO,D,+?R_{1}RM,D,+?R_{1}RM,D,?/η_{D} = E_{ini}+P_{1}DA,C+P_{1}GR,C+P_{1}CO,C.η_{C} - P_{1}DA,D+P_{1}GR,D+P_{1}CO,D/η_{D}: λ_{1}ST,RG
(33) ET_{ST,RG} = E_{ini}: κ
BESS提供调节服务的能量容量、能源平衡约束和最终能源平衡约束分别由(30)、(31)、(32)、(33)表示。
- 分配给不同来源（EC、调节市场、主电网）的光伏发电和消费的上下变化由(34)、(35)、(36)、(37)表示。
(34) ?Pt_{CO,PV,++?PtRM,PV,++?PtGR,PV,+} = ?PtPV,+: ?tλ_{t}PV,
(35) ?Pt_{CO,PV,?+?PtRM,PV,?+?PtGR,PV,?= ?PtPV,?: ?tλ_{t}PV,
(36) ∑_{k∈K}?D_{k,tCO,++?Dk,tRM,++?Dk,tGR,+= ?Dt+: ?t,kλ_{t}D,
(37) ∑_{k∈K}?D_{k,tCO,?+?Dk,tRM,?+?Dk,tGR,?= ?Dt?: ?t,kλ_{t}D,
- 决策变量的正性由约束(38)表示。
(38) Rt_{RM,D,+} ≥ Pt_{DA,D} + Pt_{GR,D} + Pt_{CO,D} ? xt_{D.PˉST.Ut_{UR}: ?tθ_{t}RM,
(39) -Rt_{RM,D,+} ≥ Pt_{DA,D} + Pt_{GR,D} + Pt_{CO,D} ? xt_{D.PˉST.Ut_{UR}: ?tθ_{t}RM,
(40) -φ_{t}RM?θ_{t}D,+?θ_{t}D,RM,++λ_{t}ST,RGη_{D} ≤ Ut_{UR.ρ_{ST}?Ut_{UR.π_{t}RG: ?t
(41) -φ_{t}RM?θ_{t}RM,D,??λ_{t}ST,RGη_{D} ≤ ?Ut_{DR.ρ_{ST} + Ut_{DR.π_{t}RG: ?t
(42) -φ_{t}RM?θ_{t}RM,C,++λ_{t}ST,RG.η_{C} ≤ ?Ut_{UR.ρ_{ST}?Ut_{DR.π_{t}RG: ?t
(43) -φ_{t}RM?θ_{t}C,??θ_{t}RM,??λ_{t}ST,RG.η_{C} ≤ Ut_{DR.ρ_{ST} + Ut_{DR.π_{t}RG: ?t
(44) -φ_{t}RM+λ_{t}PV,+≤?Ut_{UR.π_{t}DA?Ut_{DR.π_{t}RG: ?t
(45) -φ_{t}RM+λ_{t}PV,+≤π_{t}RG.Ut_{UR+π_{t}DA.Ut_{DR: ?t
(46) -φ_{t}RM+λ_{t}D,+≤π_{t}RG.Ut_{DR: ?t
(47) -φ_{t}RM+λ_{t}D,?≤π_{t}RG.Ut_{DR: ?t
(48) -φ_{t}CR,+?θ_{t}D,+?θ_{t}D,CO,++λ_{t}ST,RG/η_{D} ≤ ρ_{ST: ?t
(49) -λ_{t}CR,??θ_{t}CR,??θ_{t}CO,D,++λ_{t}ST,RG/η_{D} ≤ ?ρ_{ST: ?t
(50) -λ_{t}CR,??θ_{t}CO,D,??λ_{t}ST,RG/η_{D} ≤ ?ρ_{ST: ?t
(51) -λ_{t}CR,??θ_{t}CO,D,??λ_{t}ST,RG/η_{D} ≤ ?ρ_{ST: ?t
(52) -λ_{t}CR,??θ_{t}CR,??θ_{t}C,CO,??λ_{t}ST,RG.η_{C} ≤ ρ_{ST: ?t
(53) -λ_{t}CR,?+λ_{t}PV,+≤0: ?t
(54) λ_{t}CR,++λ_{t}PV,+≤0: ?t
(55) λ_{t}CR,++λ_{t}D,+≤0: ?t
(56) λ_{t}CR,?+λ_{t}D,+≤0: ?t
(57) λ_{t}CR,?+λ_{t}PV,+≤0: ?t
(58) λ_{t}CR,?+λ_{t}PV,+≤?π_{t}FT: ?t
(59) λ_{t}CR,?≤π_{t}GR: ?t
(60) λ_{t}CR,?≤π_{t}GR: ?t
(61) λ_{t}CR,?+λ_{t}PV,+≤0: ?t
(62) λ_{t}CR,++λ_{t}PV,+≤0: ?t
(63) λ_{t}CR,?+λ_{t}D,+≤0: ?t
(64) λ_{t}CR,++λ_{t}D,+≤0: ?t
(65) λ_{t}CR,?+λ_{t}D,?≤0: ?t
(66) λ_{t}CR,?+λ_{t}PV,+≤?π_{t}FT: ?t
(67) λ_{t}CR,?≤π_{t}GR: ?t
(68) λ_{t}CR,?≤π_{t}GR: ?t
(69) λ_{t}CR,?≤?π_{t}GR,?t
(70) λ_{t}ST,RG?λ_{t}+1ST,RG?θ_{t}ST,RG,max≤0: ?t≠T
(71) λ_{T}ST,RG?λ_{T+1ST,RG?θ_{T}ST,RG,max≥0
(72) λ_{T+1ST,RG=0
(73) φ_{t}RM,θ_{t}D,+θ_{t}RM,D,+θ_{t}CO,D,+θ_{t}RM,D,?,θ_{t}CO,D,?,θ_{t}C,?,θ_{t}RM,C,?,θ_{t}CO,C,+,θ_{t}CM,+,θ_{t}ST,RG,max≥0: ?t
(74) λ_{t}CR,+λ_{t}CR,?λ_{t}CR,?λ_{t}PV,+λ_{t}PV,?λ_{t}D,+λ_{t}D,?κ=free: ?t,k
如(49)所示，对偶函数包含四个双线性项（BLT1至BLT4），它们使用Big-M方法线性化。BLT1的线性公式由(75)、(76)、(77)、(78)、(79)提供。类似的方法应用于其余的双线性项，其公式在附录1中给出。
(75) χ_{t}PV,+=mt+.λ_{t}PV,+: ?t
(76) χ_{t}PV,+≥M.mt+: ?t
(77) χ_{t}PV,+≥?M.mt+: ?t
(78) χ_{t}PV,+≥λ_{t}PV,+?M.1?mt+: ?t
(79) χ_{t}PV,+≤λ_{t}PV,++M.1?mt+: ?t
原始的非线性最小-最大-最小问题被重新构造为线性最小-最大问题，如下：
(80) min{Ω_{E}OFE+max{ΩU,Ω_{DOFR}(81)s.t.:2–15,43–46,50–79,A.1–A.15
为了解决上述优化问题，将最小-最大问题分解为上层最小化(82)和下层最大化问题(83)。
(82) 上层问题：min{Ω_{E},ΔOFE+Δ,s.t.:2–6,8–9,12–15,17–26,29–33,Δ≥Ξ_{i},Ξ_{i}=0=0
(83) 下层问题：Ξ_{i}=max{ΩU,Ω_{DOFR,s.t.:43–46,50–79,A.1–A.15,B.1–B.21
在每次迭代中，检查(84)中给出的收敛标准。如果不满足，则根据从下层问题获得的最大值更新上层问题中的Ξ_{i}。
(84) Δ?Ξ_{i}≤ε
为了计算下层子问题或调节服务决策变量的原始变量，使用互补松弛条件和原始约束(17)、(18)、(19)、(20)、(21)、(22)、(23)、(24)、(25)、(26)、(27)、(28)、(29)、(30)、(31)、(32)、(33)、(34)、(35)、(36)、(37)、(38)、(38)、(39)、(40)、(31)、(32)、(33)、(34)、(35)、(36)、(37)、(38)。互补松弛条件在附录2中给出。所提出的方法作为五步迭代过程使用列和约束生成算法实现。该程序完全用Python编写，并使用Gurobi 11.0求解。
**步骤1：数据采集：**
- 收集需求和光伏发电的预期值。
- 收集日前价格和调节价格。
- 计算需求和光伏发电的变化区间。

**步骤2：初始化底层决策变量：**
- 为ΩU和ΩR设置初始猜测值。
- 定义下限=?∞，上限=+∞，以及迭代计数器i=1。

**步骤3：求解上层MILP问题：**
- 使用Gurobi的分支剪枝算法求解放松后的上层MILP问题，并提取上层变量的最优值（ΩE）。
- 更新下限。

**步骤4：求解底层MILP问题：**
- 求解基于上层问题中计算出的ΩE的最坏情况子问题，并提取底层变量的最优值（不确定性ΩU和调节变量ΩR）。
- 更新上限。

**步骤5：检查收敛性：**
- 计算上下限之间的差距。
- 如果差距≤0.0001，则表示收敛，算法输出最终的日前和调节计划。
- 否则，在主问题中添加一个新的割集，并返回步骤3。

所提出的双层模型的整体结构如图1所示。
**下载：** 高分辨率图片（174KB）
**下载：** 全尺寸图片

**图1. 所提出的双层模型结构。**

**4. 数值结果**
为了评估所提模型的性能，对一个包含250个消费者、一个共享蓄电池储能系统（BESS）和一个共享光伏单元的社区进行了模拟[27]。消费者的总能耗和预期的光伏发电量如图2所示。能耗和光伏发电的最大变化幅度被设定为图2中所示值的10%。研究使用了2024年11月18日至24日期间MIBEL市场的平均日前价格和调节价格，如图3所示。从主电网购买能源的电网购买价格为0.1927欧元/千瓦时，向电网出售能源的上网电价为0.04欧元/千瓦时。共享BESS的能量容量为2.2兆瓦时（MWh），功率容量为1.5兆瓦（MW），初始能量水平为1兆瓦时（MWh），效率为0.95，边际成本为0.055欧元/千瓦时。此外，参与日前市场的最低容量要求为1兆瓦（MW）。

**下载：** 高分辨率图片（131KB）
**下载：** 全尺寸图片

**图2. 总需求和光伏发电的预期值。**
**下载：** 高分辨率图片（128KB）
**下载：** 全尺寸图片

**图3. 日前价格和调节价格。**

双层ARO模型依赖于几个关键假设以确保可处理性和实际相关性：
- **不确定性表征：** 光伏发电和需求在预期值周围的对称区间内波动，形成一个由单一预算参数Γ控制的多面体不确定性集。这假设偏差是有界的、相关的，且没有概率分布。
- **调节市场结构：** 上调和下调价格是从历史MIBEL数据中得出的确定性输入；它们的不确定性被忽略。实施双重不平衡定价机制，将未受控制的偏差（例如光伏发电过剩）以日前价格结算，并仅以调节价格调度灵活性。
- **市场参与：** 实施最低日前出价阈值（1兆瓦）；低于此阈值时，电网以固定的零售/上网价格提供备用服务。内部能源交易无摩擦，并优先于外部市场。
- **社区行为：** 所有250名成员被聚合为一个具有完全信息共享和集中决策的单一合作实体。没有模拟战略行为、隐私限制或交易成本。
- **时间范围：** 使用24小时的时间范围和每小时分辨率，假设参数是稳定的，没有多日耦合。

**图4**展示了从日前市场、主电网和能源交易（EC）购买的总能量，以及光伏单元出售的总能量。从前述市场、主电网和EC提供的总能量分别满足需求分别为363.10千瓦时、105.73千瓦时和5666.46千瓦时。这些结果清楚地表明了EC在满足当地能源需求中的主导作用。**图5**展示了共享BESS的调度情况。从前述市场、主电网和EC获取的总充电能量分别为1084.05千瓦时、378.90千瓦时和3004.45千瓦时。同样，向日前市场、主电网和EC输送的总放电能量分别为621.52千瓦时、0千瓦时和3410.31千瓦时。这些发现突显了基于社区的资源在管理共享BESS的充放电操作中的关键作用。如前所述，调度机制优先使用社区资源来满足EC成员的能源需求。因此，社区的大部分能源需求在本地得到满足，减少了对主电网和日前市场等外部来源的依赖。这种策略增强了EC的可持续性和能源自给自足能力。在太阳能充足期间，光伏单元主要供应EC内部的直接消耗电力。任何多余的能源要么注入日前市场，要么用于为共享BESS充电。光伏单元向日前市场和EC出口的总能量分别为972.40千瓦时和5260.60千瓦时。这进一步证明了本地可再生能源的高利用率以及分布式发电在EC框架内的有效整合。值得注意的是，由于约束（33），提供给批发市场的调节服务为零，这将在后面讨论。EC的总成本为631.64欧元。

**图4. 不考虑不确定性的情况下，不同资源提供的光伏单元调度和需求（P_DA_PV=PDA,PV, P_GR_PV=PGR,PV, P_CO_PV=PCO,PV, D_DA_SUM=∑kDkDA, D_GA_SUM=∑kDkGR, D_CO_SUM=∑kDkCO）。**
**下载：** 高分辨率图片（220KB）
**下载：** 全尺寸图片

**图5. 不考虑不确定性的情况下，共享BESS单元的调度（P_DA_C=PDA,C, P_GR_C=PGR,C, P_CO_C=PCO,C, P_DA_D=PDA,D, P_GR_D=PGR,D, P_CO_D=PCO,D, E_ST_EN=EST,EN）。**

为了评估在能源管理中优先考虑社区资源的影响，在一个新的场景下重复了之前的模拟，该场景中去除了这一优先级。在这种修改后的场景中，从前述市场、主电网和EC提供的需求分布发生了显著变化。如图6所示，从前述市场获得的能量增加到705.59千瓦时，从主电网获得的能量增加到447.69千瓦时，而来自EC的贡献减少到4982.01千瓦时。这种变化表明，在不优先考虑本地资源时，对外部来源的依赖性增加。此外，光伏单元注入的总功率也发生了变化。光伏单元向日前市场、主电网和社区提供的输出分别为2123.53千瓦时、124.40千瓦时和3985.07千瓦时。与优先考虑的场景相比，更多的光伏发电量被用于市场交易而不是本地消费。这表明，在不优先考虑社区的情况下，光伏单元更像是一个市场参与者，而不是一个服务于社区的发电机。

**图7**展示了在无优先级条件下BESS的最优调度。从前述市场、电网和EC获得的充电能量分别为1294.41千瓦时、0千瓦时和1756.53千瓦时。同时，仅来自EC的放电能量为2753.47千瓦时，没有来自日前市场或电网的放电支持。系统的总运营成本降低到457.44欧元。这种成本降低主要归因于从前述市场和主电网出售多余光伏电力所产生的收入增加。然而，这种经济收益是以降低能源自主性和增加对外部市场的依赖为代价的。换句话说，虽然取消EC资源利用的优先级约束可以降低总能源成本，但它损害了EC的基本目标，即本地自给自足、减少对集中式基础设施的依赖以及最大化内部可再生能源的使用。在太阳能充足期间，光伏单元主要供应EC内部的直接消耗电力。任何多余的能源要么注入日前市场，要么用于为共享BESS充电。光伏单元向日前市场和EC出口的总能量分别为972.40千瓦时和5260.60千瓦时。这进一步证明了本地可再生能源的高利用率以及分布式发电在EC框架内的有效整合。应当注意的是，由于约束（33），提供给批发市场的调节服务为零。EC的总成本为631.64欧元。

**图7. 在无优先级条件下，不考虑不确定性的情况下，共享BESS单元的调度（P_DA_C=PDA,C, P_GR_C=PGR,C, P_CO_C=PCO,C, P_DA_D=PDA,D, P_GR_D=PGR,D, P_CO_D=PCO,D, E_ST_EN=EST,EN）。**

为了评估在能源管理中优先考虑社区资源的影响，在一个新的场景下重复了之前的模拟，该场景中去除了这一优先级。在这种修改后的场景中，从前述市场、主电网和EC提供的需求分布发生了显著变化。如图6所示，从前述市场获得的能量增加到705.59千瓦时，从主电网获得的能量增加到447.69千瓦时，而来自EC的贡献减少到4982.01千瓦时。这种变化表明，在不优先考虑本地资源时，对外部来源的依赖性增加。此外，光伏单元注入的总功率也发生了变化。光伏单元向日前市场、主电网和社区提供的输出分别为2123.53千瓦时、124.40千瓦时和3985.07千瓦时。与优先考虑的场景相比，更多的光伏发电量被用于市场交易而不是本地消费。这表明，在不优先考虑社区的情况下，光伏单元更像是一个市场参与者，而不是一个服务于社区的发电机。

**图7**展示了在无优先级条件下BESS的最优调度。从前述市场、电网和EC获得的充电能量分别为1294.41千瓦时、0千瓦时和1756.53千瓦时。同时，仅来自EC的放电能量为2753.47千瓦时，没有来自日前市场或电网的放电支持。系统的总运营成本降低到457.44欧元。这种成本降低主要归因于从前述市场和主电网出售多余光伏电力所产生的收入增加。然而，这种经济收益是以降低能源自主性和增加对外部市场的依赖为代价的。换句话说，虽然取消EC资源利用的优先级约束可以降低总能源成本，但它损害了EC的基本目标，即本地自给自足、减少对集中式基础设施的依赖以及最大化内部可再生能源的使用。更多地参与外部能源交易，特别是通过增加光伏出口，可以产生经济效益，但会将运营模式转变为市场驱动的行为。这种权衡突显了一个关键的政策考虑，即是否优先考虑成本节约，还是促进一个有韧性的、以社区为中心的能源系统。在实际应用中，可能更倾向于采取一种平衡策略，在一定程度上保持社区资源的优先权，同时仍然允许控制性地参与外部市场以利用有利的经济机会。

**图8. 在不考虑优先级条件下，不考虑不确定性的情况下，共享BESS单元的调度（P_DA_C=PDA,C, P_GR_C=PGR,C, P_CO_C=PCO,C, P_DA_D=PDA,D, P_GR_D=PGR,D, P_CO_D=PCO,D, E_ST_EN=EST,EN）。**

在之前的两种场景中，EC参与调节服务的程度均为零。需要注意的是，在这项研究中，共享BESS是唯一能够提供调节服务的可控资源。然而，包含能源平等约束（33），该约束要求BESS在结束运营周期时具有与开始时相同的能量水平，这大大限制了其灵活性。这一约束阻止了BESS在调度范围内提供净能量，因为任何放电都必须通过充电来完全抵消。由于调节服务通常需要灵活和不对称的能源调度，这一约束实际上消除了共享BESS在调节市场中的参与。在条件E24ST,RG=0下，共享BESS在调节服务市场中的参与程度如图8所示。模拟结果表明，共享BESS在充电模式下提供了1052.64千瓦的正调节服务，这意味着在需要时减少了充电功率。这种操作使EC从调节服务中获得了189.67欧元的总收入。

**图8. 在不考虑优先级条件下，不考虑不确定性的情况下，共享BESS在调节服务市场中的参与（R_RM_C_pos=RRM,C,+, E_ST_EN=EST,EN, E_ST_RG=EST,RG）。**

为了评估在能源管理中优先考虑社区资源的影响，在一个新的场景下重复了之前的模拟，该场景中去除了这一优先级。在这种修改后的场景中，从前述市场、主电网和EC提供的需求分布发生了显著变化。如图6所示，从前述市场获得的能量增加到705.59千瓦时，从主电网获得的能量增加到447.69千瓦时，而来自EC的贡献减少到4982.01千瓦时。这种变化表明，在不优先考虑本地资源时，对外部来源的依赖性增加。此外，光伏单元注入的总功率也发生了变化。光伏单元向日前市场、主电网和社区提供的输出分别为2123.53千瓦时、124.40千瓦时和3985.07千瓦时。与优先考虑的场景相比，更多的光伏发电量被用于市场交易而不是本地消费。这表明，在不优先考虑社区的情况下，光伏单元更像是一个市场参与者，而不是一个服务于社区的发电机。

**图9**展示了在无优先级条件下BESS的最优调度。从前述市场、电网和EC获得的充电能量分别为1294.41千瓦时、0千瓦时和1756.53千瓦时。同时，仅来自EC的放电能量为2753.47千瓦时，没有来自日前市场或电网的放电支持。系统的总运营成本降低到457.44欧元。这种成本降低主要归因于从前述市场和主电网出售多余光伏电力所产生的收入增加。然而，这种经济收益是以降低能源自主性和增加对外部市场的依赖为代价的。换句话说，虽然取消EC资源利用的优先级约束可以降低总能源成本，但它损害了EC的基本目标，即本地自给自足、减少对集中式基础设施的依赖以及最大化内部可再生能源的使用。更多地参与外部能源交易，特别是通过增加光伏出口，可以产生经济效益，但会将运营模式转变为市场驱动的行为。这种权衡突显了一个关键的政策考虑，即是否优先考虑成本节约，还是促进一个有韧性的、以社区为中心的能源系统。在实际应用中，可能更倾向于采取一种平衡策略，在一定程度上保持社区资源的优先权，同时仍然允许控制性地参与外部市场以利用有利的经济机会。

**表1**中呈现的结果说明了不同不确定性预算水平（Γ）对调节收入和相关运营变量（例如，向市场和社区的上调调节供应）的影响。随着Γ的增加，模型采取了更为保守的策略，以确保在定义的±10%不确定性范围内同时发生光伏发电和需求的最坏情况偏差时的可行性，证明了自适应鲁棒框架在处理这些不确定性方面的有效性。如表所示，将不确定性预算从1增加到34导致调节收入从171.98欧元降低到15.05欧元。这一结果表明，更高的不确定性预算意味着更保守的系统运营，以适应最坏情况，自然导致收入减少。此外，随着不确定性预算的增加，上调市场的充电参与从911.38千瓦减少到425.02千瓦。这表明，在更大的不确定性下，EC不太倾向于将共享BESS投入到外部调节服务中，而是优先考虑运营灵活性以满足内部需求。相应地，社区调节服务中的充电参与从141.25千瓦增加到627.61千瓦。需要注意的是，共享式电池储能系统（BESS）为调节市场和电力公司（EC）提供的总调节服务受到其初始能量水平的限制。随着不确定性预算的增加，光伏发电不足和过度消费的问题加剧，特别是通过社区和调节服务来管理这些问题，表明需要战略性地转向利用本地、基于社区的资源。这种方法减少了对外部调节市场和主电网的依赖，体现了更加稳健和规避风险的运营策略。这种转变与规避风险的运营行为是一致的。

表1. 不确定性预算对调节成本（欧元）和电力公司策略（千瓦）的影响。

表2. 显示了BESS的边际成本增加对电力公司最优能源供应策略的影响。随着BESS的边际成本从5欧元/兆瓦时增加到75欧元/兆瓦时，总能源成本呈现出明显的上升趋势，从144.07欧元增加到801.72欧元。在较低的BESS边际成本下，电力公司依赖BESS的充放电操作来最小化能源采购成本。然而，当边际成本超过25欧元/兆瓦时，电力公司的最优策略开始减少对BESS的密集使用。因此，社区管理者被迫从主电网获取部分所需能源，从而增加了对外部资源的依赖和整体能源成本。这种转变降低了电力公司的自给自足能力，并削弱了本地能源平衡和储存的预期效益。因此，保持BESS运营的合理低边际成本对于最大化其对电力公司能源策略的贡献以及减少对外部能源的依赖至关重要。

表3. 显示了BESS的边际成本增加对电力公司在调节市场参与度的影响，特别是在放电时的下调调节和充电时的上调调节方面。如表2所示，较高的边际成本导致从日前市场进行的BESS充放电量减少。根据约束条件（18）、（20），这种减少直接限制了可用的调节能力。因此，BESS成本的增加削弱了电力公司在提供电网服务方面的灵活性。

提出的ARO框架具有几个优势。首先，它通过在整个定义的不确定性范围内保持可行性来确保鲁棒性，而随机优化仅提供概率保证。其次，它在计算上是可行的，因为C&CG算法有效地分解了双层结构，并在10到25次迭代内实现收敛，从而避免了随机方法固有的情景爆炸问题。第三，它允许调整保守程度，因为不确定性预算可以在成本效率和鲁棒性之间进行明确的权衡。主要限制是，在定义的不确定性预算范围内，得到的解决方案仅对最坏情况是最优的，对于其他可能的结果来说仅仅是可行的，但不一定是最优的。

5. 结论

本研究提出了一个双层ARO框架，使电力公司能够在光伏发电和需求不确定性下有效协调能源交易和调节服务参与。所提出的最小-最大-最小模型通过优化共享资源的使用、日前市场交易和实时调节服务的提供来最小化运营成本并提高自给自足能力。仿真结果证实，ARO模型显著改善了社区能源协调和内部能源利用。具体来说，电力公司在本地满足了5666.46千瓦时的需求，而仅从日前市场和主电网采购了468.83千瓦时和105.73千瓦时的能源。这些结果展示了电力公司在满足自身需求方面的主导作用，以及该模型促进本地可再生能源消费的能力。共享式BESS发挥了关键作用，为电力公司充电3004.45千瓦时并放电3410.31千瓦时。通过动态调整BESS操作以应对不确定性，ARO模型增强了电力公司的韧性，并确保即使在最坏情况下也能可靠运行。当优先考虑社区资源利用时，外部市场参与度增加，运营成本降低（从631.64欧元降至457.44欧元）。然而，这种转变减少了能源自给自足能力和本地可再生能源消费，突显了ARO模型有效捕捉和平衡的经济效率与可持续性之间的权衡。随着不确定性预算的增加，电力公司通过优先考虑内部灵活性而非外部调节参与来适应，调节收入从171.98欧元降至15.05欧元。这种适应能力展示了ARO框架在维护能源自主性和确保在光伏和需求不确定条件下的可靠调节服务方面的价值。通过平衡成本效率、鲁棒性和可再生能源整合，该模型有助于提高社区规模系统中能源调节的可靠性和响应性。通过最小化对电网的依赖并改善内部资源协调，所提出的基于ARO的优化支持了以社区为中心的能源系统的发展。总体而言，ARO模型在提高调节服务质量、支持可再生能源消费以及为下一代具有韧性和可持续性的能源社区提供可扩展的决策工具方面显示出巨大潜力。

尽管所提出的双层ARO模型有效地协调了电力公司在能源和调节市场中的参与，但仍存在一些限制。未来的研究可以探索更灵活的资源参与方式，例如整合需求响应、电动汽车或多能源系统（例如热电联产或氢储存），以增强电力公司的灵活性和跨能源协同效应。结合动态或随机调节市场定价也将提高对市场波动的适应性。此外，通过自适应不确定性预算来完善不确定性管理可以进一步提高效率和真实性。

作者贡献声明：
Meysam Khojasteh：撰写 – 审稿与编辑、撰写 – 原始草稿、可视化、验证、软件、方法论、调查、形式分析、概念化。
Pedro Faria：可视化、验证、监督、软件、资源、方法论、调查、形式分析、数据管理、概念化。
Vitor Lopes：撰写 – 审稿与编辑、验证、监督、调查。
Jo?o Alves：撰写 – 审稿与编辑、验证、监督、调查、形式分析。
Pedro Salomé：撰写 – 审稿与编辑、可视化、验证、调查、形式分析。
Zita Vale：撰写 – 审稿与编辑、可视化、验证、监督、软件、项目管理、方法论、资金获取、形式分析、概念化。