⚡ electrical engineering

Privacy-Preserving Uncertainty Disclosure for Facilitating Enhanced Energy Storage Dispatch

该论文提出了一种隐私保护的不确定性披露框架，通过向系统运营商发布边际价值函数边界来降低区间预测的保守性并缓解过度保留行为，从而在保护隐私的同时显著提升了储能调度效率、社会福利及系统经济性。

原作者： Ning Qi, Xiaolong Jin, Kai Hou, Zeyu Liu, Hongjie Jia, Wei Wei

发布于 2026-03-17

📖 1 分钟阅读☕ 轻松阅读

原作者： Ning Qi, Xiaolong Jin, Kai Hou, Zeyu Liu, Hongjie Jia, Wei Wei

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文提出了一种聪明的新方法，旨在解决电力系统中储能电池（如大型锂电池）如何更聪明地“买卖”电力的问题。

为了让你轻松理解，我们可以把整个电力系统想象成一个巨大的“超级菜市场”，而储能电池就是在这个市场里做**“低买高卖”生意的倒爷**。

1. 核心痛点：倒爷的“猜谜游戏”

在这个菜市场里，电力价格（电价）每时每刻都在变。

倒爷的目标：在电价便宜时（比如半夜）把电“存”进电池，在电价贵时（比如傍晚）把电“卖”出去，赚取差价。
倒爷的困境：他们不知道明天的确切价格。他们只能靠猜测。
- 如果猜测太保守（觉得明天价格波动不大），他们就会不敢大胆囤货或抛售，导致电池闲置，赚不到钱，市场效率也低。
- 如果猜测太激进，他们可能会在错误的时间操作，亏本。
- 更糟糕的是，有些倒爷为了“赌”明天会有天价，会故意囤积居奇（ withholding），手里有电也不卖，导致市场供应不足，大家都要付更高的电费。

以前的做法：
电力公司（系统运营商）只告诉倒爷一个“平均价格”或者“昨天的价格”。这就像只告诉倒爷：“明天菜价大概是 5 块钱。”倒爷不知道价格会在 3 块到 7 块之间剧烈波动，还是只在 4.8 到 5.2 之间微调。因为信息太少，倒爷只能**“宁可信其有，不可信其无”**，变得非常保守，或者故意留一手。

2. 论文的新方案：发一张“安全网”

这篇论文提出了一种**“隐私保护的不确定性披露框架”**。

核心比喻：给倒爷发一张“价格波动安全网”
电力公司不再直接告诉倒爷具体的未来价格（那是商业机密，不能全说），也不只给一个平均数。而是给倒爷发一张**“价格上限安全网”**（Marginal Value Function Bounds）。

这张网是什么？ 它告诉倒爷：“根据我们的大数据计算，明天的价格绝对不会超过这个红线（上限）。”
为什么叫“隐私保护”？ 因为这张网只给了一个范围，没有透露具体的负荷数据、新能源发电细节或电网的具体弱点。就像只告诉你“明天最高温不会超过 35 度”，而不告诉你具体的天气图。
这张网怎么起作用？
1. 消除恐惧：倒爷看到“价格上限”其实没那么高，就不需要为了“防万一”而过度保守了。他们敢更积极地参与交易。
2. 防止囤积：如果倒爷想故意囤电等天价，但“安全网”告诉他“价格绝不可能超过这个数”，他就会发现囤货无利可图，从而放弃恶意囤积，把电卖出来。

3. 这个方案有多聪明？（三大亮点）

A. 动态更新（像天气预报一样实时）

以前的“安全网”是前一天晚上定死的（Day-Ahead），不管第二天发生什么，网的大小不变。
新方案：这个网是滚动更新的。随着时间推移，实时数据进来，网会变得越来越紧、越来越准。

比喻：就像早上出门看天气预报说“可能下雨”，你带伞很犹豫；到了中午，实时雷达显示“雨云已经散了”，系统立刻告诉你“现在不用带伞了”。倒爷就能立刻调整策略，不再浪费电池容量。

B. 越“慌”越有用（应对不确定性）

论文发现，当天气（系统）越不稳定，大家越害怕的时候，这张“安全网”的作用越大。

比喻：在风平浪静时，大家都能猜对；但在狂风暴雨（高不确定性）时，大家容易乱套。这时候，一张准确的“安全网”能让大家心里有底，不再盲目乱跑，反而让市场更稳定。

C. 电池越满越“值钱”（状态依赖）

论文还证明了一个有趣的规律：电池里的电越多，它的“机会成本”（即现在卖掉能赚多少）就越低；电越少，它越“金贵”，越舍不得卖。

比喻：就像你钱包里只剩最后 100 块，你肯定舍不得花；但如果你有 1 万块，花 100 块就不心疼。系统利用这个规律，根据电池当前的电量（SoC）动态调整“安全网”的高度，让操作更精准。

4. 实际效果：大家都受益

通过在真实的电力系统（ISO-NE 测试系统）上模拟，效果非常惊人：

电池更活跃：电池的响应速度提升了近 39%。它们不再“躺平”，而是更积极地参与买卖。
浪费减少：因为预测更准了，系统运行的“误差”（Optimality Gap）大幅缩小。
省钱又赚钱：
- 社会总成本降低了（大家交电费更便宜了）。
- 电池老板的利润平均增加了 13%（因为他们不再因为瞎猜而错失良机，也不再因为过度囤货而亏本）。

总结

这篇论文就像给电力市场里的“倒爷”们发了一副**“透视眼镜”**（虽然不透视具体细节，但能看清价格波动的边界）。

它不需要大家交出商业机密，而是通过数学方法（概率约束优化）算出一个**“价格天花板”。这个天花板既保护了隐私，又消除了倒爷们的过度恐慌和恶意囤货，让电力像水一样更顺畅地流动，最终让电网更稳、电费更省、电池老板赚得更多**。

这是一份关于论文《Privacy-Preserving Uncertainty Disclosure for Facilitating Enhanced Energy Storage Dispatch》（面向增强储能调度的隐私保护不确定性披露）的详细技术总结。

1. 研究背景与问题 (Problem)

随着电力系统脱碳进程的加速，储能已成为应对可再生能源波动性、提供频率调节和削峰填谷的关键资源。然而，当前的储能调度面临以下核心挑战：

信息不对称与保守决策：储能参与者通常作为价格接受者（Price-taker）或价格制定者（Price-maker），依赖日前电价（DAP）和自身的不确定性预测进行决策。由于缺乏系统级的实时不确定性信息，且面临价格波动，参与者往往采取保守策略，导致过度预留容量（Withholding），错失套利机会，降低了社会总福利。
现有披露机制的局限性：
- 系统运营商（ISO）通常仅披露历史数据或日前电价，缺乏实时的概率性区间预测。
- 现有的隐私保护分布式优化方法（如ADMM）计算复杂且需要频繁交互，难以直接应用于输电网层面的大规模储能调度。
- 现有的投标上限（Bid Caps）通常是日前确定的静态值，缺乏实时不确定性更新，且主要旨在抑制市场力，而非优化调度效率。
核心痛点：如何在保护系统运营商隐私（不泄露负荷、网络拓扑等敏感信息）的前提下，向储能参与者披露关键的不确定性信息，以指导其优化调度策略，减少过度预留，提升系统效率。

2. 方法论 (Methodology)

论文提出了一种隐私保护的不确定性披露框架，核心思想是系统运营商通过实时机会约束经济调度（RT-CED）计算并披露边际价值函数（Marginal Value Function, MVF）的边界，而非直接披露原始数据。

A. 风险厌恶型储能套利模型 (Risk-Averse Storage Arbitrage Model)

基于随机动态规划 (SDP) 构建了储能的套利模型，涵盖价格接受者和价格制定者两种场景。
将实时电价（RTP）建模为以日前电价（DAP）为均值、标准差为不确定性的马尔可夫过程。
通过贝尔曼最优性原理推导解析解，得到储能的价值函数（Value Function）及其导数（即边际价值函数 $v_{s,t}$ ）。
理论性质：证明了边际价值函数随荷电状态（SoC）增加而单调递减，随预测不确定性增加而单调递增（在正常价格区间内）。

B. 隐私保护不确定性披露框架 (Privacy-Preserving Uncertainty Disclosure Framework)

实时机会约束经济调度 (RT-CED)：系统运营商运行一个滚动时域的机会约束优化模型，考虑负荷和可再生能源的不确定性。
边界推导：从RT-CED的对偶变量中提取机会成本边界（Opportunity Cost Bound, $\theta^\epsilon_{s,t}$ ）。
- 该边界在 $1-\epsilon$ 置信水平下，能够可靠地上界（Cap） 储能的真实边际价值函数。
- 该边界随时间动态更新，随着预测误差的减小，逐渐收敛于“事后最优值”（Hindsight Value）。
隐私保护机制：运营商仅披露边界值（ $\theta^\epsilon_{s,t}$ ），无需披露具体的负荷分布、网络参数或可再生能源出力细节，从而保护了系统隐私。

C. 调整后的储能调度算法 (Adjusted Storage Dispatch Algorithm)

利用披露的边界，设计了两种改进策略：

间接优化（改进区间预测）：储能参与者利用边界反推更准确的实时不确定性区间（ $\sigma^*_{s,t}$ ），更新其SDP模型中的价值函数，从而制定更激进的调度策略。
直接优化（抑制过度预留）：对于价格制定者，将披露的边界作为投标上限（Bid Caps），直接限制过高的预留容量投标，防止市场操纵。

3. 主要贡献 (Key Contributions)

理论模型创新：提出了基于SDP的风险厌恶型储能套利解析模型，并严格证明了边际价值函数及其边界关于SoC和不确定性的单调性，为风险厌恶型策略提供了理论基础。
框架设计：首创了基于滚动时域机会约束的隐私保护不确定性披露框架。该框架无需参与者与运营商交互，即可动态更新边际价值边界，有效平衡了隐私保护与信息透明度。
理论证明：证明了披露的边界不仅能可靠地限制真实机会成本，还能随时间动态收敛，且其单调性与储能物理特性一致，确保了与现有调度系统的无缝集成。
算法实现：设计了结合边界信息的调整型调度算法，能够同时通过优化预测区间和限制过度投标来提升系统性能。

4. 实验结果 (Results)

基于改进的ISO-NE 8区测试系统进行了基于智能体（Agent-based）的仿真，设定场景为50%可再生能源渗透率和35%储能容量：

调度响应提升：披露的边界显著改善了储能的区间预测，使储能响应能力提升了 38.91%。
优化间隙缩小：通过改进的预测，调度结果与事后最优解（Hindsight Optimum）的优化间隙（Optimality Gap）降低至 3.91%。
经济收益：
- 系统成本：平均降低了 0.23%（通过抑制过度预留）。
- 储能利润：平均增加了 13.22%（通过更精准的套利时机捕捉）。
边界特性验证：
- 实时边界（RT Bound）比日前边界（DA Bound）更紧，且随时间动态收敛。
- 边界随SoC增加而降低，随不确定性增加而升高，验证了理论推导。
敏感性分析：
- 效益随预测保守度、储能容量和系统不确定性的增加而显著提升。
- 在高不确定性场景下，实时边界比日前边界更有效；但在极高不确定性下，由于边界本身随不确定性单调增加，抑制过度预留的效果会有所减弱。
- 计算效率方面，通过松弛互补约束，计算时间随储能节点数量线性增长，使得大规模应用成为可能。

5. 意义与影响 (Significance)

解决信息孤岛：提供了一种在不泄露敏感系统数据的前提下，解决储能参与者“信息匮乏”导致保守决策的有效途径。
提升市场效率：通过减少储能的过度预留（Withholding），提高了储能资源的实际利用率，降低了系统总运行成本，同时增加了储能投资者的收益，实现了双赢。
理论指导实践：为电力市场运营商设计信息披露机制提供了坚实的理论依据（如边际价值边界的单调性），并展示了如何将复杂的随机优化理论转化为可落地的市场规则（如动态投标上限）。
适应高比例新能源：在可再生能源渗透率高的场景下，该框架能有效应对更大的不确定性，具有显著的推广价值。

综上所述，该论文通过创新的隐私保护披露机制，成功弥合了系统运营商与储能参与者之间的信息鸿沟，为构建更高效、更灵活的未来电力市场提供了重要的技术支撑。