1. 项目背景与核心问题
在新型城镇配电系统中,分布式能源的大规模接入彻底改变了传统电力系统的运行模式。作为既能生产又能消费电能的产消者(Prosumer),其竞价行为直接影响着电力市场的稳定性和经济性。这个项目要解决的核心问题是:如何在保证配电网安全运行的前提下,建立有效的市场机制来协调多个产消者的竞价策略?
传统集中式调度方法已经无法适应这种分散决策的场景。主从博弈(Stackelberg Game)提供了一种天然的建模框架——配电运营商作为领导者制定市场规则,产消者作为跟随者根据规则调整自身策略。这种双层互动关系正好反映了现实市场中的决策层级。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 模型架构设计
2.1 双层优化框架
我们构建了一个包含物理层和市场层的耦合模型:
上层模型(市场层):
- 目标函数:max Σ(f_i·P_gi - s·P_gi - C_i)
- f_i:节点电价
- P_gi:产消者i的净出力
- s:单位补贴
- C_i:发电成本函数(二次型)
- 决策变量:报价曲线参数a_G
下层模型(物理层):
- 目标函数:min ΣC_i + λ·P_loss
- P_loss:网络损耗
- 约束条件:
- 潮流平衡方程
- 电压安全约束(0.95~1.05 p.u.)
- 支路容量限制
关键点:下层模型通过节点边际电价(LMP)将物理约束反馈到上层决策,形成闭环优化。
2.2 供给函数均衡(SFE)建模
产消者的报价策略采用SFE模型表示:
code复制λ_i = a_Gi·P_gi + b_Gi
其中a_Gi是核心策略参数,b_Gi通常取边际成本。这种线性报价曲线既能反映市场力,又便于计算均衡解。
3. 求解算法实现
3.1 改进粒子群算法(IPSO)
标准PSO容易陷入局部最优,我们做了三点改进:
-
动态惯性权重:
matlab复制w = w_max - (w_max-w_min)*(iter/max_iter)^2这种非线性调整策略能在早期保持探索能力,后期增强局部搜索。
-
精英学习机制:
- 每代选取10%的精英粒子
- 对其维度进行高斯扰动:x_new = x_elit
