近期，电气信息工程学院赵琛博士、和萍教授团队在电气工程领域的顶级期刊《Renewable Energy》上发表题为“Two-stage data-driven adaptive robust bidding model for a virtual power plant in multi-market based on nonparametric method of LSSVM-AKDE under uncertainties（基于LSSVM-AKDE非参数方法的多市场虚拟电厂两阶段数据驱动自适应鲁棒投标模型）”的研究论文。

虚拟发电厂（virtual power plant，VPP）因其在促进可再生能源消纳、降低碳排放以及优化能源资源配置方面的显著优势，正日益广泛地应用于电力系统中。可再生能源的波动性、多元能源需求的变化以及多市场协同带来的不确定性，可能对系统的鲁棒性与经济运行效率构成显著挑战。为此，论文提出了一种耦合日前市场、实时市场与平衡市场的两阶段数据驱动自适应鲁棒投标模型(data-driven adaptive robust bidding model，DDARBM)。该模型基于用户有限理性的响应结果，通过多轮优化灵活调节资源出力，实现不同类型市场的电量出清，并将电动汽车(electric vehicle，EV)的充放电计划返还车主。此外，采用LSSVM-AKDE非参数估计方法，为DDARBM构建了具有动态边界的可再生能源出力不确定性集。仿真结果表明：1）所提的不确定性集可以有效地将不确定性信息集中在窄边界上，基于95%置信区间的AKDE曲线可以在保持原始概率分布信息的同时，实现准确性和选择性的平衡；2）通过参加合同市场、日内市场、实时市场出清，VPP在保障负荷供应的同时售出部分电量以获取收益，从而使总成本分别降低0.442%、0.197%和4.478%；3）通过引入用户有限理性分析并协调调度可转移负荷、可中断负荷及EV等灵活资源，VPP能够有效发挥灵活资源的调节潜力，进而使投标成本分别降低0.300%、0.155%、0.605%和1.089%；4）与随机优化与鲁棒优化相比，自适应鲁棒模型在抵御不确定性影响时兼具鲁棒性与经济性；5）通过适当约束范式变量，调整不确定性集的置信区间，并提升从分时电价样本中提取的信息量，可以有效增强VPP应对日前市场不确定性的能力。

该论文以郑州轻工业大学为第一署名单位完成，赵琛博士、硕士研究生叶金池和萍教授等共同完成，论文得到了国家自然科学基金青年项目和河南省科技攻关项目支持。

《Renewable Energy》创刊于1991年，由Elsevier旗下的Pergamon-Elsevier Science Ltd出版，是一份面向国际、跨学科的权威期刊，聚焦可再生能源工程与研究领域，涵盖太阳能、风能、生物质能、氢能等技术应用，以及相关政策与经济分析，是中科院1区Top期刊，2025年影响因子为9.1。

原文链接：https://www.sciencedirect.com/science/article/pii/S0960148125014302

引用格式：Chen Zhao, Jinchi Ye, Ping He, Shaohua Zhang, Jiale Fan. Two-stage data-driven adaptive robust bidding model for a virtual power plant in multi-market based on nonparametric method of LSSVM-AKDE under uncertainties, Renewable Energy, 2025, 259: 123768. https://doi.org/10.1016/j.renene.2025.123768.