综述：能源系统中电力与碳市场耦合下虚拟电厂协调优化：模型、算法与挑战综述

《Applied Energy》：Coordinated optimization of virtual power plants in coupled electricity and carbon markets for energy systems: a review of models, algorithms and challenges

　　

摘要
虚拟电厂（VPP）正从内部能源管理向跨耦合电力与碳市场的协同优化转型，这不仅提升了经济与环境效益，也带来了建模复杂性、多重不确定性以及交织的市场风险等挑战。本综述系统考察了典型耦合电力与碳市场环境下虚拟电厂的协同优化调度问题。对比了最小化经济成本与最小化碳排放两种不同的建模框架，并界定了各自的适用场景。针对随机、鲁棒、分布鲁棒及数据驱动等主流不确定性处理方法的权衡——即在风险对冲与决策保守性之间的平衡——进行了评估。考察了面向高维资源聚合与实时响应的求解算法，并比较了集中式优化与分布式算法在计算效率与隐私保护方面的表现。最后，分析了多市场规则兼容性及经济调度与碳流追踪协同等关键挑战，并提出了未来研究方向。本综述架起了理论优化与多市场耦合环境下虚拟电厂实际部署之间的桥梁，为综合能源系统规划领域的研究者与从业者提供了结构化的参考文献。

引言
传统电力系统已从集中式、单向潮流的运行范式逐步演变为具有主动控制与双向交互特征的智能电网系统[1]。其早期发展阶段主要聚焦于基础设施的自动化与信息化[2]。通过大规模部署智能电表、高级计量基础设施及广域监控系统，初步实现了对电网运行状态的实时感知与故障快速定位[3]。如图1所示，随着可再生能源渗透率的持续提升及分布式能源资源的规模化开发，智能电网已逐步进入2.0阶段。该阶段以双向能源信息交互和高比例新能源的协同集成为核心[4]。技术重心转向了需求响应、微电网集成以及电力市场机制设计[5]。然而，尽管大量异质且空间分散的分布式资源已在物理层面并入电网，缺乏高效的协同聚合技术架构与系统优化手段，阻碍了稳定、可调且响应敏捷的聚合能源资源的形成[6]。与此同时，分布式可再生能源发电的间歇性与波动性，加之电动汽车（EV）等新柔性负荷的随机性，在发电侧与负荷侧均引入了显著的不确定性[7]。这对电力系统实时功率平衡与运行安全提出了严峻挑战[8]。

在此背景下，虚拟电厂作为聚合与协调大量异质分布式资源的关键技术架构应运而生[9]。虚拟电厂的核心价值在于通过先进优化调度，将分散资源转化为对电网可见、可控且具备商业可行性的聚合实体[10]，从而增强系统灵活性并促进可再生能源的消纳[11]。

当前，虚拟电厂的运行环境正经历深刻的范式转变[12]。一方面，全球电力市场改革不断深入，为虚拟电厂开辟了现货市场、辅助服务市场等多元化的价值实现渠道[13]。另一方面，碳交易机制的正式运行（如中国全国碳市场）将碳排放成本内部化，为低碳虚拟电厂创造了新的收入来源与竞争优势[14]。由此，虚拟电厂的优化问题已从传统的、相对封闭的内部能源管理演变为一种复杂的协同决策过程，必须同时参与电力市场与碳市场[15]。该过程要求虚拟电厂在追求电力收益、辅助服务收益与碳资产收益的同时，应对可再生能源出力及市场价格的高度不确定性[16]。

尽管学界已对虚拟电厂优化问题进行了广泛研究，但现有工作在应对低碳电力市场中新兴且复杂的协同场景时仍面临重大挑战。这些挑战主要体现在以下三个维度：

首先，在模型构建层面，现有研究通常将碳市场的影响简化为线性成本项或附加约束，缺乏对电力与碳市场规则之间深度耦合机制的系统性建模。文献[17]虽然纳入了碳成本，但未能捕捉碳配额分配、履约周期、多期交易以及碳价与电价动态互动的关键机制。这种简化忽略了碳市场规则对虚拟电厂长期投资组合与短期调度策略的深层结构性影响，导致模型与现实市场脱节，决策参考价值有限。

其次，在不确定性管理层面，多数研究孤立地处理可再生能源不确定性或市场价格波动，缺乏对其相关性及联合风险的协同表征。例如，风电与光伏出力的剧烈波动往往伴随着实时电价的急剧震荡[18]。这种双重影响场景对虚拟电厂利润与风险的影响远超单因素扰动[19]。现有的随机规划或鲁棒优化模型通常假设这些因素相互独立或仅考虑其中一个，未能建立能够有效抵御电力、碳价与可再生能源不确定性联合冲击的弹性优化框架[20]。

第三，在算法与架构层面，面向大规模商业部署的实际求解方案仍然不足[21]。现有优化算法要么精确度过高但可扩展性差（面临维数灾难），如混合整数线性规划（MILP）；要么采用粒子群优化（PSO）和遗传算法（GA）等元启发式算法，虽具有可扩展性但无法保证解的质量与稳定性[22]。更关键的是，在保护分布式资源所有者数据隐私的同时实现高效且安全的协同优化计算，仍是当前集中式或简单分布式架构未能充分解决的难题[23]。

为了更好地界定本研究的学术背景并突出当前学术界忽视的关键问题，表1汇总了近年来发表的虚拟电厂综述文章，并对其研究范围、内容及研究发现进行了分析与比较。

如表1所示，现有综述文章在阐释虚拟电厂运行机制、韧性增强策略、实际部署考量、面向碳的调度以及多市场交互等方面已取得显著进展。具体而言，文献[24]从信息物理社会视角系统综合了虚拟电厂的资源协同与运行机制，强调了市场竞价策略的主导作用，同时指出了通信控制与不确定性建模方面的关键局限。在电网韧性领域，文献[25]全面概述了虚拟电厂调度与动态控制技术，突出了集中式架构固有的结构性瓶颈，并提出分布式多智能体系统作为可行的未来方向。为弥合学术研究与工业实践之间的鸿沟，文献[26]评估了全球示范项目以及数字孪生技术与信息通信基础设施的发展进展，明确揭示了理论虚拟电厂模型与实际应用之间存在的显著差距。在脱碳需求的驱动下，文献[27]评估了面向碳的虚拟电厂运行模式，深入探讨了碳流建模与柔性资源在电力-碳协同中的关键作用，同时识别出碳监测与碳定价为首要挑战。此外，在市场交互方面，文献[28]对虚拟电厂概念、博弈论应用及辅助服务提供了全面分类，证明了虚拟电厂相较于传统点对点交易的优越性能。文献[29]则采用新颖的市场耦合分类方法，系统梳理了多市场环境下虚拟电厂的优化问题，明确指出当前研究仍局限于松耦合范式，缺乏完全整合的多市场优化框架。

尽管如此，现有综述仍存在三个共同局限。第一，大多数综述集中于孤立的研究主题，未能提供一个将电力-碳市场机制与优化方法有机整合的全局性分析框架。第二，不确定性管理通常仅从可再生能源出力或电力价格波动的狭义视角出发，未系统纳入可再生能源出力、电力价格与碳价格之间的耦合不确定性。第三，优化算法的讨论往往与模型构建及工程部署相互割裂，使从业者在实际的电力-碳协同场景中缺乏选择合适方法的标准。

鉴于上述持续存在的空白及表1中的对比洞察，本综述区别于以往综述之处在于：提供了一个统一的分析框架，在电力-碳市场耦合的具体情境下封装了整个决策链——即建模、不确定性量化与算法求解。不同于现有综述倾向于将虚拟电厂内部调度、市场参与策略或算法创新视为独立线索进行考察，本文系统探讨了这些层次之间的关键相互依存关系，并为研究者与从业者提供了结构化的、可操作的指导，帮助其导航现有的方法学图谱。本研究的创新贡献体现在以下四个方面：

（1）建立了耦合电力-碳市场环境下虚拟电厂协同优化的统一方法论框架。该框架不将模型构建、不确定性处理与算法求解视为独立主题，而是阐明了电力-碳市场机制如何塑造优化目标与约束，这些数学与信息特征如何确定决策问题的数学与信息特性，以及这些特性如何进一步影响不确定性处理范式与求解策略的选择。该框架为比较传统基于优化的方法与新兴数据驱动决策方法提供了一致性的基准。

（2）尽管现有综述涉及碳成本或市场结构，但未能捕捉耦合电力与碳市场的制度规则动态（如结转/借用），这一空白我们予以明确填补。对电力-碳市场耦合机制的表征差距进行了彻底解构，特别关注了现有优化模型中碳成本的过度简化问题。除定性观察外，我们系统性地阐述了将制度性市场规则嵌入动态优化所带来的数学与计算挑战，从而为高保真模型开发奠定了严谨的概念基础。

（3）对数值求解策略与数据驱动决策方法性边界及适用领域进行了批判性评估。精确数学规划、元启发式搜索、分布式优化、混合或学习辅助架构以及基于强化学习的决策方法，根据问题特性（包括目标函数性质、约束拓扑、维数、信息分布与实时性要求）进行了比较，同时兼顾了虚拟电厂在多市场参与、异质资源聚合、可扩展性与隐私保护等方面的实际需求。

（4）关键识别了阻碍实际部署的核心挑战，包括市场规则的高保真整合、高维聚合下计算可扩展性与隐私保护之间的权衡、电力-碳流协同机制以及信息物理韧性。相应地，阐述了可操作的研究路径，以直接弥合理论建模与工程实施之间持续存在的鸿沟。

据此，本综述遵循从市场耦合到模型构建、不确定性处理、决策与算法求解的方法论链条。第2节考察电力-碳市场机制如何塑造优化目标、约束及由此产生的问题结构。第3节比较了在不同信息条件下基于优化与数据驱动的决策方法。第4节将模型特性与计算需求与精确算法、启发式算法、分布式算法及混合或学习辅助求解策略相关联。第5节梳理虚拟电厂在电力-碳耦合下的协同优化挑战，第6节综合相应的未来发展态势与研究方向，第7节总结全文。

分节片段

协同优化模型的目标与约束体系
如图2所示，协同优化是指在大型复杂系统中对多个相互关联且相互影响（即耦合的）子系统的决策与目标进行协调的过程，旨在为整个系统实现全局最优或全局满意解[30]。协同优化模型的构建构成了虚拟电厂参与电力-碳市场的核心数学抽象[31]。

不确定性来源与面向场景的决策范式
虚拟电厂在耦合电力与碳市场中的协同运行面临来自物理运行、市场交易、网络条件及参与方行为的不确定性[58]。物理不确定性主要包括可再生能源发电预测误差、负荷波动及设备可用性等，而市场不确定性则涉及电力、辅助服务及碳配额价格[59]。网络条件影响可行运行区域。

协同优化模型求解算法综述
第2节与第3节中回顾的模型构建与决策方法导致具有不同数学与计算特征的优化问题。在完成虚拟电厂参与电力与碳市场的协同优化模型构建后，高效且稳定地求解该模型成为连接理论与工程应用的关键桥梁[96]。

VPP 协同优化模型通常表现出复杂的特性。

电力 - 碳耦合下 VPP 协调优化的挑战
前述分析揭示了在电力和碳市场耦合下 VPP 协调优化中的几个反复出现的挑战。这些挑战源于需要在不牺牲计算可行性的情况下表征日益详细的市场互动，管理大规模和分散资源同时保护隐私和通信效率，协调经济决策与电力和碳流的物理分布，并保持可靠性。

未来发展趋势和研究方向
为了应对上述挑战并推动 VPP 从示范试点迈向大规模商业化部署，未来研究必须在几个关键方向上取得突破。这些方向反映了从单一算法优化向系统性、智能性和韧性解决方案演进的趋势。

结论
作为聚合和协调分布式资源的智能枢纽，VPP 参与电力和碳市场的协同优化是实现能源系统低碳、灵活和市场化转型的关键技术路径。围绕电力和碳市场环境下的 VPP 协同优化模型，本文系统地回顾并深入评估了该领域的研究进展。

CRediT 作者贡献声明
Meng Wang：撰写 - 原稿，构思。Zixiang Lin：撰写 - 原稿。Jiaqi Liu：方法论，资金获取，构思。Yanyan Shi：构思。Yuwei Liu：撰写 - 原稿，构思。Guoao Shi：构思。

资助
本研究得到中国河南省科技攻关项目（批准号 262102241061）以及河南师范大学博士科研启动项目（批准号 5101239170822 和批准号 5101239170832）的支持。

利益冲突声明
作者声明他们没有已知的竞争财务利益或个人关系可能会影响本文报告的工作。

Meng Wang|Zixiang Lin|Jiaqi Liu|Yanyan Shi|Yuwei Liu|Guoao Shi
河南师范大学光电工程学院，河南新乡 453007，中国