含可再生能源微电网两阶段鲁棒优化调度建模与C&CG求解实现

最近在复现一篇比较典型的SCI论文：含可再生能源与储能的区域微电网最优运行，核心在于应对风光出力不确定性时，如何保证调度解既具备鲁棒性，又满足非预见性。这类文章在IEEE Trans. Smart Grid、Applied Energy上很常见，摘要里的关键词几乎固定是“不确定性”、“鲁棒优化”、“储能”、“两阶段决策”。老实说，读的时候觉得方法逻辑很清晰，但真正打开Matlab工工程想复现时，坑一个接一个。这篇博文就把我完整走通一遍之后的建模思路、求解器代码、后验检验方法和踩坑记录都整理出来，给正在啃这类论文的同学一点参考。

1. 先想清楚：这个微电网到底在调度什么

1.1 一个典型园区微电网的物理结构

题目里说的“区域微电网”，落到具体场景里通常是一个工业园区、一片大学校区、一个村镇或一座海岛上的独立供能系统。最典型的拓扑是：若干组光伏阵列、几台分布式风机、一组集中式储能电池，加上一条与上级电网相连的联络线。负荷则由园区本身的用电需求决定，可能是工业负荷、商业负荷或者居民负荷。

调度任务是：在24小时的运行周期内，决定储能电池什么时候充电、什么时候放电，联络线什么时候从大电网购电、什么时候向电网反送电，必要的时候是否主动弃风弃光。目标是在满足本地负荷需求的前提下，让总运行成本尽量低。储能的存在赋予了系统灵活性——白天光伏大发时把多余电量存起来，晚高峰或夜间光伏归零后再放出来；风大的时段充电、风小或无风的时段放电，本质上就是“时间搬移”能量，削峰填谷。

听起来不复杂，但一旦老天爷不配合——云飘过来光伏瞬间掉一半、风速突然增大或骤减——这套计划就很可能出问题。光伏预测值说中午一个小时能发500kW，实际只发了200kW，按原计划不给储能充那么多电、还要从电网买背景功率，那就得临时调整。买电多花的钱还能接受，要是储能已经把电放光了、联络线功率又到达上限，负荷还得照样供，那就只能切负荷，这在工程上是重大事故。不确定性优化的价值，正在于把这类风险提前兜住。

1.2 “完美预测闭环”为什么在现实中不成立

很多刚接触优化调度的同学，第一步写的都是确定性模型：直接用风电、光伏出力预测曲线作为输入，求一个最小成本调度方案。这个方法在论文里叫Deterministic Look-Ahead Optimization，代码跑通很快，结果也非常“漂亮”。但拿到现场之后会发现，预测数据和真实数据之间的误差，足以让计划彻底走样。

风光出力的预测误差有一个共性：它不是简单的高斯白噪声，而是呈现明显的时段相关性和偏态分布。比如太阳辐照在午前云量增多时，光伏出力预测误差往往在一个小时内从正偏差跳到负偏差；风电更是出了名的“反调峰”——夜间预测风速可能不准，实际风速却偏大，导致凌晨出现高出力，但负荷又特别低，这时如果不提前安排储能消纳，就只能弃风或者反送电网。负荷预测误差相对小一点，但在极端高温天气下，空调负荷的爬升速度同样可能超过预期。

换句话说，调度决策本质上是一个“在一个已知预测误差边界的世界里做决定”的问题。你不可能预知真实的风速、辐照、负荷曲线，但你必须提前敲定一部分决策变量。这就是信息结构与决策时间线的问题。理解这一点，才能理解后文为什么要把模型拆成两阶段，以及所谓的非预见性约束到底约束的是什么。

1.3 解鲁棒性与非预见性：两个容易被混淆的概念

标题里的“解鲁棒性”和“非预见性”，是这类论文中两个极易被混为一谈、但内涵不同的概念。

解鲁棒性（Solution Robustness）描述的是：当一个调度方案在不确定参数发生变化时，它的目标函数值会不会剧烈恶化。换句话说，我们寻找的解不一定是某个预测场景下的最优解，而是在任何一个可能的真实场景下都不会过于拉胯的解。如果一组储充计划只在“预测值恰好命中”的情况下成本最低，而一旦光伏偏差5%成本就暴涨，那这个解就是鲁棒性差的解。工程中常用的“最坏情况后悔值”就是在量化这一点。

非预见性（Non-anticipativity）则是一个更底层的信息约束。它说的是：在决策时刻，你只能利用决策时刻之前已经获得的信息，不能使用未来的任何信息。举个例子，如果周一上午制定周一的储能计划时，算法却“偷看”了周三将有大风、周四负荷骤降的信息，从而提早调整了周一的策略，这个方案在滚动优化里就不可执行——因为周三的信息在周一根本没发生。数学模型里，非预见性要求处于同一信息集的场景在决策上必须一致。对两阶段优化而言，第一阶段决策不带任何场景标记、不依赖不确定实现，天然满足这一约束；但如果建模时不注意，把本来应该分成两阶段的决策写成“所有时段联合已知场景后统一优化”，就会违反非预见性，得到所谓的“上帝视角解”。

2. 数学模型搭起来：从确定性MILP到两阶段鲁棒

2.1 确定性模型的决策变量与目标函数

先写确定性版本，这是一个混合整数线性规划（MILP）问题。调度周期设为24小时，时间分辨率取1小时，单位步长Δt=1。决策变量分成三类