确定性黑箱价格预测中的不确定性折扣：用于能源套利的经济影响研究

本研究考察了后置不确定性折扣对预测能源管理中经济影响，具体针对电池能源套利。测试系统为一台2.2 MWh、1.1 MW的特斯拉电池，模拟于澳大利亚昆士兰大学St. Lucia校园的运行。传统模型预测控制（Model Predictive Control, MPC）框架依赖澳大利亚能源市场操作局（Australian Energy Market Operator, AEMO）提供的确定性 spot price 预测来优化电池调度。然而，这些预测缺乏不确定性感知，使得套利策略易受极端价格波动的冲击。为此，我们提出简单的启发式不确定性折扣方法，无需访问预测模型的架构或输入。将这些策略集成到现有MPC框架中，在相同作业约束下可实现经济收益提升超过20%。该方法在保持实用、可扩展且独立于具体预测模型的前提下，增强了能源套利中的决策能力。