1. 项目背景与核心问题
居民用电负荷调度是智能电网领域的关键挑战之一。随着分布式能源和智能家居设备的普及,传统集中式调度方法已难以应对用户侧负荷的复杂性和随机性。特别是在分时电价政策下,居民用电行为呈现明显的博弈特性——每个用户都试图在电价低谷期集中用电以降低成本,但这种"扎堆"行为反而可能导致新的负荷高峰。
我们团队在电力系统优化领域深耕多年,发现现有调度模型存在两个核心痛点:
- 单层优化模型无法反映电网运营商(上层)与居民用户(下层)之间的策略互动
- 传统算法在处理高维非凸优化问题时容易陷入局部最优
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 非合作博弈框架
本项目采用Stackelberg博弈建模电网与用户的互动关系:
code复制上层(领导者):
目标:最小化电网峰谷差
决策变量:分时电价策略
约束:电网安全运行条件
下层(跟随者):
目标:最小化用电成本
决策变量:用电设备启停计划
约束:用户舒适度要求
关键洞见:通过KKT条件将双层优化转化为单层问题时,必须处理互补松弛条件带来的非线性。我们采用Fortuny-Amat变换将其转化为混合整数线性约束。
2.2 负荷分层策略
将居民负荷按可调度性分为三类:
- 刚性负荷(冰箱、照明):必须持续供电
- 可转移负荷(洗衣机、电动车):可在时间窗内灵活安排
- 可中断负荷(空调、热水器):允许短时功率调节
matlab复制% 负荷分类编码示例
load_type = struct(...
'fixed', 1,...
'shiftable', 2,...
'interruptible', 3);
3. 双层鲸鱼算法实现
3.1 标准鲸鱼算法改进
原始WOA存在早熟收敛问题,我们引入三项改进:
- 自适应权重机制:迭代后期缩小搜索范围
matlab复制w = 1 - (iter/max_iter)^2; % 非线性衰减 - 差分变异策略:随机选取两个个体生成扰动向量
- 精英保留策略:每代保留前10%最优解
3.2 分层协同机制
上层(电网)和下层(用户)的鲸鱼种群独立进化,每5代进行一次信息交换:
- 上层将当前最优电价策略广播给所有下层种群
2
