内容提出共享储能背景下微网运营商与用户聚合商间的 Stackelberg 博弈模型在 MATLAB 平台上进行算例仿真通过 Yalmip 工具与 CPLEX 求解器进行建模与求解利用启发式算法与求解器相结合的方法优化微网运营商与用户聚合商的策略。 说明完美复现代码修改性强咱们今天聊点硬核的——当微网遇上共享储能运营商和用户怎么玩转这个博弈游戏。我最近在MATLAB里折腾了个双层博弈模型核心就一句话既要让微网运营商赚到钱又得让用户聚合商觉得划算。先看上层玩家的套路。微网运营商手里攥着储能设备他们得决定两件事储能服务的租赁价格还有卖给用户的电价。这里边有个特别有意思的变量——储能状态转换次数约束。简单说就是电池不能频繁充放电代码里是这么实现的ops.ESS_maxSwitch 3; % 最大状态转换次数 for t2:T cons [cons, u_charge(t) - u_charge(t-1) ops.ESS_maxSwitch]; end这个约束直接关系到储能设备的寿命成本。有时候算着算着发现最优解突然跳变八成是这里的转换次数卡脖子了。内容提出共享储能背景下微网运营商与用户聚合商间的 Stackelberg 博弈模型在 MATLAB 平台上进行算例仿真通过 Yalmip 工具与 CPLEX 求解器进行建模与求解利用启发式算法与求解器相结合的方法优化微网运营商与用户聚合商的策略。 说明完美复现代码修改性强下层玩家用户聚合商也不是吃素的。他们要根据电价调整用电策略目标是把电费砍到最低。需求响应模块的处理特别讲究看这段代码% 负荷弹性系数矩阵 beta 0.2*eye(24); beta(beta0) -0.05;对角线上0.2表示自弹性非对角-0.05是交叉弹性。这个参数设置直接影响负荷转移的幅度试过把交叉弹性调大后负荷曲线会出现明显的峰谷互换。求解这个双层模型最头疼的是上下层变量相互嵌套。我的解决方案是用粒子群算法处理上层问题下层则丢给CPLEX求解器暴力破解。来看看混合求解的核心循环while iter max_iter % 粒子群更新位置 [leader,~] psoUpdate(swarm); % 并行求解下层问题 parfor i1:swarmSize [lower_obj(i), strategy] solveLowerLevel(swarm(i).position); convergence checkConvergence(lower_obj); end % 更新博弈均衡点 if convergence break; end end这里用到了并行计算加速毕竟每个粒子都要解一次下层优化。遇到过粒子群早熟收敛的问题后来加了自适应变异算子才解决。最后看组有意思的结果当储能租赁价格从0.15涨到0.25元/kWh时用户聚合商的总成本曲线会出现明显的拐点。对应的微网运营商收益并不是单调上升而是在0.18-0.22元这个区间达到最优。这说明什么定价太高反而可能把用户吓跑最终两败俱伤。figure(Position,[200,200,600,400]) yyaxis left plot(price_range, operator_profit,b-o,LineWidth,1.5) ylabel(运营商收益万元) yyaxis right plot(price_range, user_cost,r--s,LineWidth,1.5) xlabel(储能租赁价格元/kWh) legend(双赢区间,平衡点)这张图完美诠释了博弈论里的纳什均衡——找到一个让双方都不愿单方面改变策略的甜蜜点。搞能源的小伙伴应该深有体会现实中的价格谈判可不就是这么个拉锯过程嘛。