CN110112728B - 一种考虑风电鲁棒不确定性的多园区微网合作博弈方法 - Google Patents

Abstract

本发明公开了一种考虑风电鲁棒不确定性的多园区微网合作博弈方法，以区域内园区微网自身经济性为优化目标，以园区微网内部功率平衡、园区微网间购售电量平衡、购售电结算限制、燃气轮机及柔性负荷等可调控资源调节限制为约束条件，包括了对园区微网购售电成本、收益以及园区微网内层售电电价的建模，从而实现了对园区微网自身经济性的量化，本发明利用分解算法将模型分为主问题和子问题进行反复迭代求解，能够加快求解速度，并采用现有求解工具包CPLEX进行有效求解。

Description

一种考虑风电鲁棒不确定性的多园区微网合作博弈方法

技术领域

本发明涉及配电网终端电力市场领域，具体而言，涉及一种考虑风电鲁棒不确定性的多园区微网合作博弈方法。

背景技术

配电网是由架空线路、电缆、杆塔、配电变压器、隔离开关、无功补偿器及一些附属设施等组成的，在电力网中起重要分配电能作用的网络。配电网按电压等级来分类，可分为高压配电网(35-110KV)，中压配电网(6-10KV，苏州有20KV)，低压配电网(220/380V)；在负载率较大的特大型城市，220KV电网也有配电功能。按供电区的功能来分类，可分为城市配电网，农村配电网和工厂配电网等。在城市电网系统中,主网是指110KV及其以上电压等级的电网，主要起连接区域高压(220KV及以上)电网的作用，配电网是指35KV及其以下电压等级的电网，作用是给城市里各个配电站和各类用电负荷供给电源，配电网一般采用闭环设计、开环运行,其结构呈辐射状。配电线的线径比输电线的小,导致配电网的R/X较大。虑清洁能源消纳、配电网终端园区微网的经济性以及风电不确定性的园区微网内部自我优化并参与多园区微网间合作博弈的搭建和求解是我们需要面对的问题。

发明内容

本发明的目的在于提供一种考虑风电鲁棒不确定性的多园区微网合作博弈方法，其特征在于：以区域内园区微网自身经济性为优化目标，以园区微网内部功率平衡、园区微网间购售电量平衡、购售电结算限制、燃气轮机及柔性负荷等可调控资源调节限制为约束条件，包括了对园区微网购售电成本、收益以及园区微网内层售电电价的建模，从而实现了对园区微网自身经济性的量化；

此外，充分考虑风电等清洁能源的不确定性，提出园区微网内部两阶段鲁棒优化模型，并根据园区微网经济性，将内外层购售电量、燃气轮机运行状态等变量设计为第一阶段变量，其余诸如柔性负荷削减量、燃气轮机出力值以及切负荷电量等变量则为第二阶段变量，根据风电出力的波动性而改变；

通过调节不确定性参数来表征风电出力的波动性场景，从而获得第一阶段变量已知情况下的模型最恶劣概率分布，再利用列与约束生成算法交替迭代求解。

优选的，以园区微网以区域内园区微网自身经济性为优化目标，以园区微网内部功率平衡、园区微网间购售电量平衡、购售电结算限制、燃气轮机及柔性负荷等可调控资源调节限制为约束条件，包括了对园区微网购售电成本、收益以及园区微网内层售电电价的建模，从而实现了对园区微网自身经济性的量化，然后以可用的风电历史出力数据为基础，考虑风电出力不确定性，构建园区微网内部的两阶段鲁棒优化方法：

所述园区微网鲁棒优化目标函数：

其中，T为时段总数；G_i表示园区微网i的收益与成本冲减后所剩余的部分，

分别表示园区微网内部售电收益、市场售电收益以及清洁能源发电补贴；

分别表示内部购电成本、市场购电成本、柔性负荷成本、燃气轮机成本以及售电所需支付过网费；

所述售电收益及清洁能源发电补贴：

其中，

ψ^re分别表征园区微网在t时刻的内部售电电价、市场售电电价以及清洁能源度电发电补贴；

分别表征园区微网i在t时刻的内部售电电量、市场售电电量以及内部风电机组出力；

所述购电成本及过网费成本：

其中，

ψ^TD分别表征园区微网在t时刻的内部购电电价、市场购电电价以及售电所需支付的度电过网费费用；

所述考虑价格因素的柔性负荷成本，主要通过有偿降低负荷来降低出力负担：

其中，

为园区微网i中PSDR在t时刻发生电量不足时降低的负荷量；a、b、c为考虑价格因素的系数；

所述燃气轮机成本主要由燃气轮机启停成本、持续发电成本以及排放污染气体的惩罚成本组成：

其中，λ^FIC、λ^SUC、λ^SUD分别为GT在运行过程中的固定成本和启停成本；本文采用分段线性化的方法来表示GT的二次成本，N_n为分段的数量；b_n为GT发电出力处于第n段时的成本斜率；δ_n,t为t时刻时位于第n段上的GT发电出力；

等于园区微网i中GT在t时刻各分段出力之和；

为园区微网i中GT在t时刻排放的第k类污染气体的排放量，Y_k、V_k则分别对应园区微网i中GT在t时刻排放的第k类污染气体单位排放量所对应的罚款和环境价值；

均为二进制的变量，园区微网i中GT机组在t时刻的启停以及工作状态均通过三者来表示；

所述内层售电电价模型主要由园区微网间风电发电电量与用户负荷之间供需比(supply and demand ratio,SDR)决定：

其中，

表征t时刻时园区微网间风电发电电量与用户负荷之间的供需比；

时，表征园区微网间风电发电电量不足，内层售电电价将随供需比改变而进行提升；

时，表征园区微网间风电发电量富余，内层售电电价将与市场售电电价一致；

所述购售电约束：

其中，

分别表征园区微网i在t时刻的内部售电电量、市场售电电量以及内部购电电量、市场购电电量；Q_it表征园区微网i在t时刻能够参与内部及市场交易的富余电量；d_it表征园区微网i的用能特征曲线在t时刻对外表征为缺额时的负荷需求量；

分别表征园区微网i在t时刻富余电量的最大值与最小值；

所述园区微网内部功率平衡约束：

其中，

为园区微网i在t时刻的风电出力；

为在t时刻的园区微网i内部的用能负荷；

所述园区微网购售电结算约束：

此约束主要表征内层购售电过程中园区微网购售电价一致，由报价园区微网决策。

其中，

分别为园区微网i向园区微网j售电的电量以及购电的电量，此约束主要表征购售电量平衡；

此约束主要表征各园区微网优化过程中的购售电量范围约束，避免功率不平衡等现象出现。

所述园区微网内部燃气轮机机组相关运行约束：

其中，

分别表征燃气轮机i最小、最大输出功率；

表征燃气轮机第n段的出力上限；r_i ^u、r_i ^d分别表征燃气轮机i向上、向下的爬坡率；

所述园区微网内部鲁棒优化模型：

根据园区微网内部各组件经济性，将内外层购售电量、燃气轮机运行状态等变量设计为第一阶段变量，其余诸如柔性负荷削减量、燃气轮机出力值以及切负荷电量等变量则为第二阶段变量，并分为主子问题进行表征：

其中，x、y为决策变量；a、b、c与h、m、d分别为目标函数与约束条件的列向量；A、B、C、D、E、H、M则表示了约束条件的系数矩阵。

通过将求解主问题MP所得优化决策变量x^*代入子问题SP中模型可以进行求解得出最恶劣场景

以及在最恶劣场景下的内部可控单元出力，而求解子问题SP产生的最恶劣场景

又可对主问题MP中min模型进行求解，从而实现主问题与子问题之间的迭代求解。由于子问题在求解之前需要转化为单层，子问题模型为线性，故可采用对偶方法进行处理，λ、π、γ则为相应的变量；

风电出力的波动性场景主要由不确定集进行表征，并在此基础上进行优化，不确定集合Z_i为:

其中，Z_i表征园区微网i中所含风电的出力情况

的集合；

分别为园区微网i中所包含风电的出力预测值以及波动范围的上下限；Γ为优化过程中对于风电不确定性的调节参数，取值范围为[0,1]，当不考虑风电波动性时，Γ取值为0；若Γ≠0时，Γ的取值与系统的鲁棒性以及不确定集合范围成正比，而与系统的经济性成反比，故而通过选取合适的Γ值可以获得实际场景。

优选的，园区微网内部两阶段鲁棒优化求解方法为：所述两阶段鲁棒模型可以利用强对偶理论与Big-M法将子问题进行线性化处理，然后采用CCG算法实现MP与SP的迭代求解，以求取最优运行策略。

优选的，选取合理收敛精度ε后，所述两阶段模型求解步骤为：

步骤一：取U＝+∞，L＝-∞分别为模型上下界，迭代次数为n，其中初始值为1，最大值为n_max；

步骤二：求解主问题，得出决策结果

并求解目标函数值(a^Tx^*+L^*)，将模型下界更新为L＝max{L，a^Tx^*+L^*}；

步骤三：子问题根据主问题决策结果x^*，求解不确定参数关键场景ξ^*和y^*，计算子问题目标函数值(b^Tξ^*+c^Ty^*)，并将模型上界更新为U＝min{U,a^Tx^*+b^Tξ^*+c^Ty^*}；

步骤四：若(U-L)≤ε，迭代结束，返回x^*和y^*；否则，令n＝n+1，将最恶劣场景更新为ξ_n＝ξ^*后代入主问题再次求解，并从步骤b)开始按流程求解，直到实现收敛或是迭代次数达到n_max。

与现有技术相比，本发明的有益效果是：利用分解算法将模型分为主问题和子问题进行反复迭代求解，能够加快求解速度，并采用现有求解工具包CPLEX进行有效求解。

附图说明

图1为本发园区微网内部构成图；

图2为本发园区微网决策过程图；

图3为本发合作博弈决策流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合具体实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

实施例1

一种考虑风电鲁棒不确定性的多园区微网合作博弈方法，以区域内园区微网自身经济性为优化目标，以园区微网内部功率平衡、园区微网间购售电量平衡、购售电结算限制、燃气轮机及柔性负荷等可调控资源调节限制为约束条件，包括了对园区微网购售电成本、收益以及园区微网内层售电电价的建模，从而实现了对园区微网自身经济性的量化；

此外，充分考虑风电等清洁能源的不确定性，提出园区微网内部两阶段鲁棒优化模型，并根据园区微网经济性，将内外层购售电量、燃气轮机运行状态等变量设计为第一阶段变量，其余诸如柔性负荷削减量、燃气轮机出力值以及切负荷电量等变量则为第二阶段变量，根据风电出力的波动性而改变；

通过调节不确定性参数来表征风电出力的波动性场景，从而获得第一阶段变量已知情况下的模型最恶劣概率分布，再利用列与约束生成算法交替迭代求解。

以园区微网以区域内园区微网自身经济性为优化目标，以园区微网内部功率平衡、园区微网间购售电量平衡、购售电结算限制、燃气轮机及柔性负荷等可调控资源调节限制为约束条件，包括了对园区微网购售电成本、收益以及园区微网内层售电电价的建模，从而实现了对园区微网自身经济性的量化，然后以可用的风电历史出力数据为基础，考虑风电出力不确定性，构建园区微网内部的两阶段鲁棒优化方法：

所述园区微网鲁棒优化目标函数：

其中，T为时段总数；G_i表示园区微网i的收益与成本冲减后所剩余的部分，

分别表示园区微网内部售电收益、市场售电收益以及清洁能源发电补贴；

分别表示内部购电成本、市场购电成本、柔性负荷成本、燃气轮机成本以及售电所需支付过网费；

所述售电收益及清洁能源发电补贴：

其中，

ψ^re分别表征园区微网在t时刻的内部售电电价、市场售电电价以及清洁能源度电发电补贴；

分别表征园区微网i在t时刻的内部售电电量、市场售电电量以及内部风电机组出力；

所述购电成本及过网费成本：

其中，

ψ^TD分别表征园区微网在t时刻的内部购电电价、市场购电电价以及售电所需支付的度电过网费费用；

所述考虑价格因素的柔性负荷成本，主要通过有偿降低负荷来降低出力负担：

其中，

为园区微网i中PSDR在t时刻发生电量不足时降低的负荷量；a、b、c为考虑价格因素的系数；

所述燃气轮机成本主要由燃气轮机启停成本、持续发电成本以及排放污染气体的惩罚成本组成：

其中，λ^FIC、λ^SUC、λ^SUD分别为GT在运行过程中的固定成本和启停成本；本文采用分段线性化的方法来表示GT的二次成本，N_n为分段的数量；b_n为GT发电出力处于第n段时的成本斜率；δ_n,t为t时刻时位于第n段上的GT发电出力；

等于园区微网i中GT在t时刻各分段出力之和；

为园区微网i中GT在t时刻排放的第k类污染气体的排放量，Y_k、V_k则分别对应园区微网i中GT在t时刻排放的第k类污染气体单位排放量所对应的罚款和环境价值；

均为二进制的变量，园区微网i中GT机组在t时刻的启停以及工作状态均通过三者来表示；

所述内层售电电价模型主要由园区微网间风电发电电量与用户负荷之间供需比(supply and demand ratio,SDR)决定：

其中，

表征t时刻时园区微网间风电发电电量与用户负荷之间的供需比；

时，表征园区微网间风电发电电量不足，内层售电电价将随供需比改变而进行提升；

时，表征园区微网间风电发电量富余，内层售电电价将与市场售电电价一致；

所述购售电约束：

其中，

分别表征园区微网i在t时刻的内部售电电量、市场售电电量以及内部购电电量、市场购电电量；Q_it表征园区微网i在t时刻能够参与内部及市场交易的富余电量；d_it表征园区微网i的用能特征曲线在t时刻对外表征为缺额时的负荷需求量；

分别表征园区微网i在t时刻富余电量的最大值与最小值；

所述园区微网内部功率平衡约束：

其中，

为园区微网i在t时刻的风电出力；

为在t时刻的园区微网i内部的用能负荷；

所述园区微网购售电结算约束：

此约束主要表征内层购售电过程中园区微网购售电价一致，由报价园区微网决策。

其中，

分别为园区微网i向园区微网j售电的电量以及购电的电量，此约束主要表征购售电量平衡；

此约束主要表征各园区微网优化过程中的购售电量范围约束，避免功率不平衡等现象出现。

所述园区微网内部燃气轮机机组相关运行约束：

其中，

分别表征燃气轮机i最小、最大输出功率；

表征燃气轮机第n段的出力上限；r_i ^u、r_i ^d分别表征燃气轮机i向上、向下的爬坡率；

所述园区微网内部鲁棒优化模型：

根据园区微网内部各组件经济性，将内外层购售电量、燃气轮机运行状态等变量设计为第一阶段变量，其余诸如柔性负荷削减量、燃气轮机出力值以及切负荷电量等变量则为第二阶段变量，并分为主子问题进行表征：

其中，x、y为决策变量；a、b、c与h、m、d分别为目标函数与约束条件的列向量；A、B、C、D、E、H、M则表示了约束条件的系数矩阵。

通过将求解主问题MP所得优化决策变量x^*代入子问题SP中模型可以进行求解得出最恶劣场景

以及在最恶劣场景下的内部可控单元出力，而求解子问题SP产生的最恶劣场景

又可对主问题MP中min模型进行求解，从而实现主问题与子问题之间的迭代求解。由于子问题在求解之前需要转化为单层，子问题模型为线性，故可采用对偶方法进行处理，λ、π、γ则为相应的变量；

风电出力的波动性场景主要由不确定集进行表征，并在此基础上进行优化，不确定集合Z_i为:

其中，Z_i表征园区微网i中所含风电的出力情况

的集合；

分别为园区微网i中所包含风电的出力预测值以及波动范围的上下限；Γ为优化过程中对于风电不确定性的调节参数，取值范围为[0,1]，当不考虑风电波动性时，Γ取值为0；若Γ≠0时，Γ的取值与系统的鲁棒性以及不确定集合范围成正比，而与系统的经济性成反比，故而通过选取合适的Γ值可以获得实际场景。

园区微网内部两阶段鲁棒优化求解方法为：所述两阶段鲁棒模型可以利用强对偶理论与Big-M法将子问题进行线性化处理，然后采用CCG算法实现MP与SP的迭代求解，以求取最优运行策略。

选取合理收敛精度ε后，所述两阶段模型求解步骤为：

步骤一：取U＝+∞，L＝-∞分别为模型上下界，迭代次数为n，其中初始值为1，最大值为n_max；

步骤二：求解主问题，得出决策结果

并求解目标函数值(a^Tx^*+L^*)，将模型下界更新为L＝max{L，a^Tx^*+L^*}；

步骤三：子问题根据主问题决策结果x^*，求解不确定参数关键场景ξ^*和y^*，计算子问题目标函数值(b^Tξ^*+c^Ty^*)，并将模型上界更新为U＝min{U,a^Tx^*+b^Tξ^*+c^Ty^*}；

步骤四：若(U-L)≤ε，迭代结束，返回x^*和y^*；否则，令n＝n+1，将最恶劣场景更新为ξ_n＝ξ^*后代入主问题再次求解，并从步骤b)开始按流程求解，直到实现收敛或是迭代次数达到n_max。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (3)

1.一种考虑风电鲁棒不确定性的多园区微网合作博弈方法，其特征在于：以区域内园区微网自身经济性为优化目标，以园区微网内部功率平衡、园区微网间购售电量平衡、购售电结算限制、燃气轮机及柔性负荷等可调控资源调节限制为约束条件，包括了对园区微网购售电成本、收益以及园区微网内层售电电价的建模，从而实现了对园区微网自身经济性的量化；

此外，充分考虑风电等清洁能源的不确定性，提出园区微网内部两阶段鲁棒优化模型，并根据园区微网经济性，将内外层购售电量、燃气轮机运行状态等变量设计为第一阶段变量，其余诸如柔性负荷削减量、燃气轮机出力值以及切负荷电量等变量则为第二阶段变量，根据风电出力的波动性而改变；

通过调节不确定性参数来表征风电出力的波动性场景，从而获得第一阶段变量已知情况下的模型最恶劣概率分布，再利用列与约束生成算法交替迭代求解；

以区域内园区微网自身经济性为优化目标，以园区微网内部功率平衡、园区微网间购售电量平衡、购售电结算限制、燃气轮机及柔性负荷等可调控资源调节限制为约束条件，包括了对园区微网购售电成本、收益以及园区微网内层售电电价的建模，从而实现了对园区微网自身经济性的量化，然后以可用的风电历史出力数据为基础，考虑风电出力不确定性，构建园区微网内部的两阶段鲁棒优化方法：

所述园区微网鲁棒优化目标函数：

其中，T为时段总数；G_i表示园区微网i的收益与成本冲减后所剩余的部分，

分别表示园区微网内部售电收益、市场售电收益以及清洁能源发电补贴；

分别表示内部购电成本、市场购电成本、柔性负荷成本、燃气轮机成本以及售电所需支付过网费；

所述售电收益及清洁能源发电补贴：

其中，

ψ^re分别表征园区微网在t时刻的内部售电电价、市场售电电价以及清洁能源度电发电补贴；

分别表征园区微网i在t时刻的内部售电电量、市场售电电量以及内部风电机组出力；

所述购电成本及过网费成本：

其中，

ψ^TD分别表征园区微网在t时刻的内部购电电价、市场购电电价以及售电所需支付的度电过网费费用；

考虑价格因素的柔性负荷成本，主要通过有偿降低负荷来降低出力负担：

其中，

为园区微网i中PSDR在t时刻发生电量不足时降低的负荷量；a、b、c为考虑价格因素的系数；

所述燃气轮机成本主要由燃气轮机启停成本、持续发电成本以及排放污染气体的惩罚成本组成：

其中，λ^FIC、λ^SUC、λ^SUD分别为GT在运行过程中的固定成本和启停成本；本文采用分段线性化的方法来表示GT的二次成本，N_n为分段的数量；b_n为GT发电出力处于第n段时的成本斜率；δ_n,t为t时刻时位于第n段上的GT发电出力；

等于园区微网i中GT在t时刻各分段出力之和；

为园区微网i中GT在t时刻排放的第k类污染气体的排放量，Y_k、V_k则分别对应园区微网i中GT在t时刻排放的第k类污染气体单位排放量所对应的罚款和环境价值；

均为二进制的变量，园区微网i中GT机组在t时刻的启停以及工作状态均通过三者来表示；

所述内层售电电价模型主要由园区微网间风电发电电量与用户负荷之间供需比(supply and demand ratio,SDR)决定：

其中，

表征t时刻时园区微网间风电发电电量与用户负荷之间的供需比；

时，表征园区微网间风电发电电量不足，内层售电电价将随供需比改变而进行提升；

时，表征园区微网间风电发电量富余，内层售电电价将与市场售电电价一致；

所述购售电约束：

其中，

分别表征园区微网i在t时刻的内部售电电量、市场售电电量以及内部购电电量、市场购电电量；Q_it表征园区微网i在t时刻能够参与内部及市场交易的富余电量；d_it表征园区微网i的用能特征曲线在t时刻对外表征为缺额时的负荷需求量；

分别表征园区微网i在t时刻富余电量的最大值与最小值；

所述园区微网内部功率平衡约束：

其中，

为园区微网i在t时刻的风电出力；

为在t时刻的园区微网i内部的用能负荷；

所述园区微网购售电结算约束：

此约束主要表征内层购售电过程中园区微网购售电价一致，由报价园区微网决策；

其中，

分别为园区微网i向园区微网j售电的电量以及购电的电量，此约束主要表征购售电量平衡；

此约束主要表征各园区微网优化过程中的购售电量范围约束，避免功率不平衡等现象出现；

所述园区微网内部燃气轮机机组相关运行约束：

其中，

分别表征燃气轮机i最小、最大输出功率；

表征燃气轮机第n段的出力上限；r_i ^u、r_i ^d分别表征燃气轮机i向上、向下的爬坡率；

所述园区微网内部鲁棒优化模型：

根据园区微网内部各组件经济性，将内外层购售电量、燃气轮机运行状态等变量设计为第一阶段变量，其余诸如柔性负荷削减量、燃气轮机出力值以及切负荷电量等变量则为第二阶段变量，并分为主子问题进行表征：

其中，x、y为决策变量；a、b、c与h、m、d分别为目标函数与约束条件的列向量；A、B、C、D、E、H、M则表示了约束条件的系数矩阵；

通过将求解主问题MP所得优化决策变量x^*代入子问题SP中模型可以进行求解得出最恶劣场景

以及在最恶劣场景下的内部可控单元出力，而求解子问题SP产生的最恶劣场景

又可对主问题MP中min模型进行求解，从而实现主问题与子问题之间的迭代求解， 由于子问题在求解之前需要转化为单层，子问题模型为线性，故可采用对偶方法进行处理，λ、π、γ则为相应的变量；

风电出力的波动性场景主要由不确定集进行表征，并在此基础上进行优化，不确定集合Z_i为:

其中，Z_i表征园区微网i中所含风电的出力情况

的集合；

分别为园区微网i中所包含风电的出力预测值以及波动范围的上下限；Γ为优化过程中对于风电不确定性的调节参数，取值范围为[0,1]，当不考虑风电波动性时，Γ取值为0；若Γ≠0时，Γ的取值与系统的鲁棒性以及不确定集合范围成正比，而与系统的经济性成反比，故而通过选取合适的Γ值可以获得实际场景。

2.根据权利要求1所述的一种考虑风电鲁棒不确定性的多园区微网合作博弈方法，其特征在于：园区微网内部两阶段鲁棒优化求解方法为：所述两阶段鲁棒模型可以利用强对偶理论与Big-M法将子问题进行线性化处理，然后采用CCG算法实现MP与SP的迭代求解，以求取最优运行策略。

3.根据权利要求1所述的一种考虑风电鲁棒不确定性的多园区微网合作博弈方法，其特征在于：选取合理收敛精度ε后，所述两阶段模型求解步骤为：

步骤一：取U＝+∞，L＝-∞分别为模型上下界，迭代次数为n，其中初始值为1，最大值为n_max；

步骤二：求解主问题，得出决策结果

并求解目标函数值(a^Tx^*+L^*)，将模型下界更新为L＝max{L，a^Tx^*+L^*}；

步骤三：子问题根据主问题决策结果x^*，求解不确定参数关键场景ξ^*和y^*，计算子问题目标函数值(b^Tξ^*+c^Ty^*)，并将模型上界更新为U＝min{U,a^Tx^*+b^Tξ^*+c^Ty^*}；

步骤四：若(U-L)≤ε，迭代结束，返回x^*和y^*；否则，令n＝n+1，将最恶劣场景更新为ξ_n＝ξ^*后代入主问题再次求解，并从步骤b)开始按流程求解，直到实现收敛或是迭代次数达到n_max。

Images