做配电网方向这些年隔一阵子就能看到有人在问分布式光伏、储能大量接入之后配网到底怎么调度固定电价收电、固定电价卖电的做法越来越不适用了因为用户既是消费者又是生产者也就是产消者。最近我把一篇关于“基于主从博弈的新型城镇配电系统产消者竞价策略”的EI论文完整复现了一遍用的就是经典的IEEE33节点系统全程Matlab实现。这篇内容解决的核心问题是配网运营商和多个产消者之间如何通过“先定价格、再定电量”的先后决策机制形成一个双方都能接受的竞价均衡而不是靠行政指令一刀切。这篇文章适合正在做新型配电系统、分布式交易、需求响应方向的研究生和工程师。如果你对博弈论在电力系统中的应用还比较陌生或者刚拿到一份主从博弈公式但不知道怎么落到代码上那这篇复盘应该能帮你省下一两周的摸索时间。我会把模型拆解、数学转化、Matlab实现细节、求解器配置、踩坑记录都讲清楚代码框架也会放出来供参考。1. 项目核心思路拆解1.1 为什么是“主从博弈”而不是“多代理完全竞争”先说一个最基本的问题分布式能源大量接入后配网到底发生了什么变化传统配网是单向的变电站往下送电用户只管接电、用电。但现在不一样了屋顶光伏、小区储能、电动车充电桩都接进来了很多节点既用电又发电而且发电量可能超过本地负荷需要往网上送。这种节点在文献里叫“产消者”英文就是prosumer。这时候如果还用“固定上网电价”去收购光伏电量会出现两个矛盾一是用户发电高峰和用电高峰不匹配中午光伏大发时没人用电电价却还是那个价产消者没有激励去自发自用或者配储能二是配网运营商手里没有价格杠杆没法引导用户错峰高峰负荷压力只能靠扩容解决很不经济。于是大家想到了市场化的思路让配网运营商作为价格的制定者产消者作为电量的响应者两者形成先后决策的关系。这个结构恰好就是经济博弈论里的Stackelberg博弈翻译成中文常叫主从博弈。为什么不用完全竞争的纳什均衡模型我个人的理解是纳什均衡假设所有参与者地位对等、同时决策、各自优化。但在配网这个场景里线路阻塞、电压约束、容量限制这些信息只有配网运营商掌握产消者拿不到博弈双方的信息地位天然不对等。而且如果让所有产消者完全自由竞价需要大量的通信和计算交互收敛性很难保证。主从博弈的好处是它契合实际业务逻辑你先公布一个价格曲线我再根据这个价格优化我的用电和发电行为双方在各自约束下达到均衡。这个“先后”不是人为规定而是信息结构和决策权不对称的必然结果。1.2 “竞价策略”到底在竞什么很多刚接触这个方向的同学会误以为竞价策略就是像电力现货市场那样在交易所里报量报价。在配网侧的主从博弈框架里竞价策略的含义更接近“价格型需求响应”加“分布式资源自调度”的结合体。配网运营商要决策的是各时段向产消者发布的购电价格和售电价格。产消者拿到这个价格曲线后会调整自己的行为光伏是全部上网还是部分自用储能是充电还是放电可平移负荷是安排在中午还是深夜。产消者的这些响应行为反过来又会影响配网的实际潮流分布和运营商的收益。所以整个竞价过程不是一次性求解而是一个反复迭代、最终稳定的过程。这里的关键点是产消者不是被动的价格接受者他有自己的利益目标。他会计算“这个时段卖电给我划不划算”“储能现在放电压低谷期充电综合起来能省多少钱”。配网运营商也不能随意定价因为定价太高产消者就少买电甚至多卖电定价太低产消者不愿意响应最终运营商的收益反而不高。这种互相制约的关系就是博弈的味道。1.3 为什么测试系统选IEEE33节点IEEE33节点是配电网领域用得最多的辐射状测试系统33个节点、32条支路包含5条联络开关支路基准电压12.66kV总负荷大约3.7MW。很多经典文献关于配网重构、分布式电源选址定容、潮流分析都是在这个系统上做的结果对照起来非常方便。从博弈计算的角度看33节点规模的复杂度也非常合适。节点太少比如3节点或6节点产消者数量不够博弈的互动效果不明显节点太多比如几百节点的实际馈线下层产消者的优化模型叠加潮流约束后计算量会成倍增长不利于算法验证。IEEE33节点的产消者数量、线路阻抗参数、负荷分布的多样性刚好可以展示主从博弈在“规模适中、约束完整”情况下的表现。而且Matlab生态下有现成的Matpower和各类潮流工具包读入IEEE33节点数据基本就是一行命令的事所以我最终也选了它作为复现平台。2. 核心模型与数学细节2.1 上层配网运营商的定价决策模型上层模型的决策者是配网运营商DSO。他的目标函数通常写成最大化自身净收益的形式向产消者售电的收入减去向产消者购电的支出再减去从大电网买电的成本必要时还要加上网络损耗的成本或惩罚项。目标函数大致可以写成[ \max \sum_{t}\sum_{i} \left( \pi_{s,t} P_{s,i,t} - \pi_{b,t} P_{b,i,t} \right) - \sum_{t} c_{grid,t} P_{grid,t} ]其中 (P_{s,i,t}) 是t时段配网向节点i产消者出售的电量 (\pi_{s,t}) 是售电价(P_{b,i,t}) 是t时段从产消者收购的电量(\pi_{b,t}) 是购电价(P_{grid,t}) 是从上级电网购买的电量(c_{grid,t}) 是分时上网电价。约束条件主要包括三块。第一潮流约束最常见的写法是DistFlow支路潮流方程用来计算各节点电压和支路功率。第二运行安全约束节点电压不能越限、支路电流或功率不能越限。第三价格约束购电价和售电价通常有上限下限防止配网运营商乱定价。另外由于购售价是发到所有产消者的公共信号一般还会要求购电价和售电价满足某种联动关系比如售电价不低于购电价否则配网运营商可以低买高卖做无风险套利这在工程上不合理。DistFlow方程是配网优化里绕不开的东西长这样[ P_{j} P_{ij} - r_{ij} \frac{P_{ij}^2Q_{ij}^2}{V_i^2} - \sum_{k \in c(j)} P_{jk} ][ Q_{j} Q_{ij} - x_{ij} \frac{P_{ij}^2Q_{ij}^2}{V_i^2} - \sum_{k \in c(j)} Q_{jk} ][ V_j^2 V_i^2 - 2(r_{ij}P_{ij} x_{ij}Q_{ij}) (r_{ij}^2x_{ij}^2)\frac{P_{ij}^2Q_{ij}^2}{V_i^2} ]很多论文在博弈模型里会把DistFlow做线性化处理忽略损耗项里的二次项这就是著名的LinDistFlow近似。好处是下层模型变成线性或二次规划后续做KKT转化方便很多。代价是网损计算有少量误差但因为IEEE33节点线路不算太长电压降落主要受有功无功影响误差在可接受范围内。我在复现时是先跑精确潮流再对比线性化之后的电压结果两者误差基本在1%以内这才放心用线性化模型去做博弈。2.2 下层产消者的经济响应模型下层的决策者是每个节点上的产消者。一个典型的新城镇产消者包含三部分屋顶光伏、小型储能、部分可平移负荷。产消者的目标函数是成本最小化[ \min \sum_{t} \left( \pi_{s,t} P_{load,t} - \pi_{b,t} P_{pv,self,t} \right) C_{storage} C_{comfort} ]其中第一项是向配网购电的费用第二项是光伏卖给配网的收益储能损耗项用来刻画电池充放电的退化成本舒适度惩罚项用来刻画可平移负荷偏离用户期望时段带来的不舒适。产消者的约束条件就更多了。功率平衡约束要求光伏出力、储能放电、购电量之和等于负荷、储能充电、售电量之和。储能模型里有SOC递推方程也就是当前剩余电量等于上一时段剩余电量加上充电效率转换后的充电量再减去放电量除以放电效率。储能还有容量上下限、充放电功率上下限注意同一时段不能同时充电和放电这个需要引入二进制变量处理。可平移负荷也有窗口约束比如热水器、洗衣机这类负荷只能在某个时间段启动且启动时长固定。一个容易被忽略的细节是产消者向配网卖电的功率不是随意定的它受限于该节点的接入容量和线路载流能力。如果模型里不补这个约束博弈求出来的电价会导致产消者把大量光伏功率倒送结果节点电压严重越限整个结果在工程上不可用。我复现时在这个地方吃过亏后面在参数设置部分会细说。2.3 从博弈到单层优化的转化逻辑主从博弈最麻烦的地方在于它是一个双层优化问题上层先定价格下层再据此优化。不能用求解器直接解因为目标函数里嵌着另一个优化问题。标准解法是“下层用KKT条件替换”。也就是说把下层产消者优化问题的Karush-Kuhn-Tucker条件全部写成等式和不等式约束等价替代掉下层优化问题。这样双层问题就变成了一个带KKT约束的单层数学规划简称为MPCC。KKT条件里有三类东西一是原问题的拉格朗日函数对各变量的偏导等于零二是原问题的约束条件本身三是互补松弛条件。互补松弛条件是麻烦的来源因为它包含“乘子乘以约束取值等于零”这种非线性项。处理互补松弛条件的通用办法是大M法乘子小于等于M乘二元变量约束取值也小于等于M乘(1减二元变量)通过一组二进制变量把互补关系拆开。这样整个模型就变成了一个混合整数线性规划或混合整数二次规划可以直接交给商业MILP求解器求解。这个转化过程看着简单实际操作里坑很多尤其是乘子的符号、互补松弛的方向、大M的取值这三个地方一旦出错就各种异常结果。这些细节我等下在常见问题部分单独展开。3. 求解方法对比与Matlab实现3.1 三种常见的求解思路主从博弈落到代码上不同人习惯的路径不太一样。我复现时对比过三种方案也分别踩过坑。第一种是KKT单层化。下层用KKT条件替换配合大M法处理互补松弛整个问题变成一个MILP/MIQP一次求解得到博弈均衡。这个方案的优点是求解稳定、结果精度高缺点是模型规模大产消者数量多、时段长的时候二进制变量和约束数量增长很快。建议用成熟的MILP商业求解器求解Matlab下通过YALMIP建模非常方便。第二种是双层迭代嵌套。外层用智能优化算法比如粒子群、遗传算法优化配网运营商的电价内层用求解器求解产消者优化问题把下层目标函数值返回给外层作为适应度。这个方案写起来直观但缺点也很明显内外嵌套一层粒子群要迭代几百次每次都要调用求解器解一个优化问题计算时间成倍增加。而且智能算法的全局收敛性没法保证同一个参数跑两次解可能都不一样。第三种是迭代电价法。先给定一组初始电价求解所有产消者优化问题然后根据产消者的总购电量修正电价反复迭代直到收敛。这个思路最贴近“拍卖”过程代码也最简单但收敛条件受初始值影响很大容易出现震荡。我在实际复现时把三种方案都试着跑了一遍最终提交的结果用的是第一种KKT单层化方案第三种迭代电价法只用来做结果佐证和画收敛曲线。三种方案的特点整理成下表求解方案优点缺点适用场景KKT单层化求解稳定、可直接用MILP求解器模型规模大二进制变量多小中规模配网、论文复现智能算法嵌套思路直观、容易扩展约束计算慢、结果不稳定教学演示、小规模验证迭代电价法编程简单、贴近拍卖机制收敛依赖初值、可能震荡快速原型、辅助验证3.2 Matlab代码框架与核心变量我的Matlab实现分四个文件主程序、数据初始化、模型构建、结果输出。核心建模用的是YALMIP求解器用的商业MILP求解器这里就不点名了大家常用的那几款都支持。数据初始化部分要读入IEEE33节点的拓扑和负荷参数这部分我直接用了Matpower的数据格式稍作修改补充光伏出力和储能参数。产消者设置在节点8、节点18、节点22、节点25、节点33这几个位置每个节点配一组光伏加储能。核心变量定义如下% 时段定义24小时 T 24; % 配网运营商决策变量分时购电价、售电价 pi_buy sdpvar(1, T, full); pi_sell sdpvar(1, T, full); % 产消者决策变量 P_pv sdpvar(N_prosumer, T, full); % 光伏出力 P_load sdpvar(N_prosumer, T, full); % 负荷用电 P_ch sdpvar(N_prosumer, T, full); % 储能充电 P_dis sdpvar(N_prosumer, T, full); % 储能放电 SOC sdpvar(N_prosumer, T, full); % 储能SOC u_ch binvar(N_prosumer, T); % 充电状态 u_dis binvar(N_prosumer, T); % 放电状态下层产消者的优化问题建模部分可以用一个函数封装function constraints prosumer_opt_constraints(...) % 功率平衡约束 constraints [constraints, P_pv P_dis P_buy P_load P_ch P_sell]; % SOC递推方程 for i 1:N_prosumer for t 2:T constraints [constraints, ... SOC(i,t) SOC(i,t-1) eta_ch * P_ch(i,t) - P_dis(i,t) / eta_dis]; end end % 充放电互斥约束 constraints [constraints, P_ch M * u_ch]; constraints [constraints, P_dis M * u_dis]; constraints [constraints, u_ch u_dis 1]; end实际代码里还需要把配网潮流约束、电压上下限约束、以及KKT条件生成的互补松弛约束都加进去。我建模型时是分块构建的这样调试时能快速定位哪一块约束出了问题。3.3 求解配置与参数设置主从博弈模型单层化之后问题规模取决于产消者数量、时段数和节点数。我复现的这个配置大概有500多个连续变量、400多个二进制变量、3000多个约束求解时间在几十秒到几分钟之间主要压力来自二进制变量对应的分支定界。求解器参数建议重点关注三个。首先是MIP Gap设置。默认的1%或者0.01都行论文复现建议设到0.1%也就是相对对偶间隙小于千分之一才停止。太严格的0.0001%会导致求解时间翻几倍没有必要。其次是时间限制。我一般设600秒上限让求解器在时间到的时候给出当前最优可行解。这样即使模型遇到难解的极端情况也不会让实验卡死。最后是大M参数的取值。大M不能拍脑袋定要根据变量的物理边界估算。比如购电量上限是2MW电价上限是0.8元/kWh那对应的乘积项上限就是1.6大M取到20基本够了。取值偏大求解器数值稳定性差取值偏小可能把可行解错误排除掉。我调大M的经验是先跑一次不加互补松弛约束的松弛模型统计各变量实际取值范围再反推大M对应的尺度这样定出来最稳。4. 实测结果分析与典型曲线4.1 竞价机制下配网电压的改善我复现时最关心的一个指标是电压质量。在固定电价模式下晚上19点到22点的晚高峰时段IEEE33节点末端节点电压会明显跌落特别是节点18和节点33这种线路末端电压水平比较难看。引入主从博弈竞价机制之后配网运营商会把这个时段的价格抬高产消者收到价格信号后的反应是储能转向放电可平移负荷从晚高峰挪到中午光伏出力大的时段尽量多自用。这样一来晚高峰时段的线路输送功率下降末端电压跌落幅度明显收窄。以原EI论文里的一个典型场景为例固定电价下节点33在晚间最低电压大约是0.93p.u.左右而竞价均衡后可以恢复到0.96p.u.以上。我这里不方便把原文的数据参数全部列出但这组趋势和我复现的结果是一致的电压改善主要发生在末端节点和光伏接入节点越靠近主变电站的区域变化越小。这说明博弈模型的电压改善效果在空间上是非均匀的需要结合具体的DG分布来看。4.2 产消者的响应行为与收益变化产消者行为的变化是另一个值得分析的点。在固定电价模式下光伏出力只受天气影响储能基本是“光伏多了就充晚上满了就放”的被动控制。竞价之后产消者的决策明显带上了“价格响应”的味道。一个典型的场景午间光伏大发时段固定电价下产消者会把多余电量低价卖给配网竞价机制下配网运营商把午间购电价定得更高或者把售电价定得更低引导产消者少卖电、多自用。对于装有储能的产消者模型计算出来的最优策略往往是午间光伏充电、晚间高峰放电这样既减少从配网购电又能在高峰时段把电卖给配网赚差价。从收益角度看产消者参与竞价后的平均购电成本有明显下降配网运营商的净收益也高于固定电价模式。这个“双赢”结果其实是主从博弈均衡的典型特征如果不是双赢博弈根本不可能达到稳定。产消者之间的收益差异也比较大光伏容量大、储能配置足的产消者收益改善更明显这会在后续扩展上引出一个问题怎么防止收益分配过于不均衡。原论文里讨论了收益分配系数设计代码包里也有对应模块但那个属于进阶部分这里先不展开。4.3 复现结果与原EI论文的对照方法很多同学拿到EI复现代码后最想问的是怎么判断我复现对了我的建议是分三层对照。第一层对照目标函数值。原论文会给出配网运营商的最优收益和产消者的总成本你用自己的代码跑同一个参数工况数值在合理误差范围内就算通过。MILP求解器的容差会带来少许差异但一般不会超过2%。第二层对照策略曲线。把购电价曲线、储能充放电曲线、节点电压曲线画出来逐条和原文的图对比趋势。如果趋势大致一致、个别时段有偏移多半是负荷曲线参数或光伏出力的随机生成方式不同造成的。比如原论文可能用的是夏季典型日负荷而你用的是冬季数据峰值时段自然不一样。第三层对照灵敏度分析。原论文通常会对某些关键参数做灵敏度分析比如可调负荷比例从10%变到30%时均衡结果怎么变。你复现的模型如果能复现出同样的单调趋势说明模型逻辑是通了而不是参数恰好调对了。这一层对照很重要因为它能发现“隐藏的错误”有些情况下你的模型是错的但因为先验参数凑巧结果曲线看起来仍然合理。灵敏度分析是检验模型鲁棒性的试金石。我复现过的多数主从博弈模型最后发现结果对不上都不是大方向错了而是某个成本系数或者SOC上下限的设置与原文不一致。5. 常见问题与排查技巧实录5.1 KKT条件转换后的对偶问题报错最常见的报错是求解器提示“infeasible”或者“unbounded”排除参数问题后十有八九是KKT乘子符号写反了。我踩过的一个具体坑是把不等式约束 (g(x) \le 0) 对应的拉格朗日乘子写成了大于等于0而正确写法里取“不大于”方向的约束其乘子应该满足非正条件。还有一个坑是等式约束的乘子写漏了。拉格朗日函数里每一个等式约束都要引入一个自由乘子少一个就会导致对偶问题与原问题配不上KKT条件无法成立。排查技巧先把所有互补松弛约束直接删掉只保留平稳性条件和原始约束看这个问题能不能解出来。如果能解出来说明建模主体没问题再去检查互补松弛部分。如果连松弛后的模型都不可行那就是原始约束之间的矛盾比如潮流约束和储能约束打架需要重新检查拓扑数据。KKT方向有没有写错的另一个快速验证方法是手动给一个很小的场景比如2个节点、2个时段把下层优化用穷举法验证一遍。穷举得到的最优解应该和KKT模型的解一致。我用这个方法抓到过两次乘子符号错误比直接看公式有效率得多。5.2 大M参数引起的数值病态大M法把互补松弛条件线性化之后求解器性能对M的取值非常敏感。M取太小解被限制在错误区域M取太大矩阵条件数变差容易出现“收敛到违反约束的解”这种诡异情况。症状表现为求解器报告“Optimal”但产消者的购电量为负或者储能同时出现充放电但状态变量显示不允许。这类问题通常不是模型逻辑错而是数值问题。解决方法有两个方向。一是根据变量物理边界动态计算M比如购电量上限乘以电价上限再乘裕度系数。二是可以考虑用强对偶定理替代部分互补松弛条件。由于上下层都是凸优化可以把下层最优值函数写进上层目标用强对偶等式 (f(x) d(\lambda)) 来等价替代所有互补松弛条件然后利用 (x\cdot\lambda) 的强对偶形式把双线性项消掉。这种方法可以去掉一部分二进制变量虽然不能完全消除互补松弛项但能明显减轻大M的负担。5.3 产消者数量增加后计算时间爆炸当产消者从几个扩展到二十几个时二进制变量会从几十个涨到上千个MILP求解时间可能从几十秒涨到几十分钟。这是主从博弈模型的一个通用瓶颈。在复现原论文时我用了“同类产消者聚合”的技巧把光伏容量、储能配置相近的多个产消者聚合成一个“代表产消者”其输出电量按比例放大。求解完之后再把结果按系数分摊回每个节点。对IEEE33节点这个场景聚合后的产消者从十几个降到五个计算时间能缩短到原来的四分之一结果误差在3%以内。如果你不想聚合也可以给原问题加一个时间限制让求解器在300秒内返回一个可行解再检查这个解的目标函数值与文献报道值是否吻合。这种“限时可行解”做法在论文复现里是可以接受的因为主从博弈模型的均衡解通常不止一个严格最优点只要有可行的均衡解就足以验证机制的有效性。另一个有效的技巧是先固定整数变量求解一次LP松弛得到连续变量的初值作为热启动传给MILP求解器。热启动能显著减少分支定界树的搜索数量在我实测里大概能缩短30%到50%的求解时间。5.4 价格曲线出现剧烈震荡如何处理有同学跑出来的竞价模型得到的电价曲线不是在合理的范围内波动而是像震荡一样在上下边界之间来回跳这通常是模型缺少价格平滑约束导致的。配网运营商虽然可以分时定价但实际市场里电价曲线不能跳变太剧烈否则用户没法响应。解决办法是在模型中加入价格变化率约束比如相邻时段电价差的绝对值不超过某个阈值或者直接加入价格曲线的凸性约束。原论文里也有一处对价格曲线平滑性的处理常见手段是限制相邻时段电价差的百分比。价格震荡的另一个来源是购电价与售电价脱钩。如果模型允许购电价和售电价各自独立优化那求解器很容易通过“购电价极低、售电价极高”的组合来人为抬高配网收益。记得一定要加购售价联动约束常见的写法是售电价减去购电价的差值保持在一个给定区间内或者直接要求购电价按某个系数打折后等于售电价。这个约束不加你的均衡解在真实场景里根本没有实用性。6. 个人经验与扩展建议复现完这个项目后我最大的体会是主从博弈模型真正难的不是公式推导而是把数学条件和工程实际对不上的地方逐一定位清楚。比如互补松弛条件在数学上是干干净净的但落到具体代码里就是二进制变量和M参数的博弈DistFlow方程在论文里是完美的凸约束但放到混合整数模型里就变成了求解时间的隐形杀手。所以我的建议是拿到代码后先不要急着看结果先把模型分块跑通先跑上层不动下层的纯电价优化再跑下层不动上层的纯产消者响应最后合到一起做博弈。这样一旦结果不对你能马上定位是哪一层的问题。再分享一个实用小技巧所有价格变量和功率变量都要统一单位。有的论文里电价用“元/kWh”电量用“kWh”目标函数直接相乘没问题但如果你从不同来源的数据文件里混用了“MW”和“kW”目标函数数值会差三个数量级轻则求解慢重则直接不可行。我复现时在数据预处理阶段专门写了一个单位检查函数把不同单位的数据统一到同一量纲下这个习惯后来帮我少走了很多弯路。这个项目后续可以扩展的方向也挺多。比较自然的第一步是把IEEE33节点换成有更多DG接入的实际馈线拓扑比如某个园区或某条城郊馈线的简化模型再把单时段主从博弈扩展到多时段耦合的鲁棒优化考虑光伏出力的不确定性。另一个方向是引入多个配网运营商变成多领导者多跟随者的博弈结构但这已经不是标准Stackelberg博弈了求解难度会显著上升。如果只是入门还是建议先把单领导者多跟随者的框架吃透在这个基础上叠加更多工程约束。总之主从博弈框架本身不复杂复杂的是如何让模型贴近真实物理系统又保持可解性。这个度需要你亲手跑几遍代码才能找到感觉。
