多微网里没有“全局最优”只有“大家都能接受的平衡点”搞过微网优化调度的人应该都有这种感觉单微网的日前经济调度模型和算法都很成熟目标函数一列约束一摆丢给求解器跑就完事。但一旦把几个微网放在一起搞共享问题立刻变味——每个微网都有自己的归属和利益诉求谁也不想因为“顾全大局”而多掏钱。这时候你再拿传统的集中式优化去算做出来的方案哪怕整体成本最低也没人愿意执行因为总有微网觉得自己吃亏了。今天我复盘的这个项目标题是“基于纳什博弈的多微网主体电热双层共享策略研究Matlab代码实现”。它是某篇SCI论文的复现代码核心就干三件事把多个微网当成博弈中的独立决策主体让他们在电和热两种能源上都能够互相共享用纳什均衡描述最终大家都能接受的运行方案。适合正在做微网群、综合能源系统、分布式优化调度的同学参考也适合想搞清楚“论文里的博弈论到底怎么落到代码里”的人。1. 多微网共享调度为什么非要用“博弈”1.1 多微网的现实动力和协调难题先说个直观的事。单个微网比如一个装了光伏、储能、燃气轮机和余热锅炉的园区它自己调度自己只需要让内部设备出力满足本地的电负荷和热负荷。可是单个微网必然面临一个问题光伏配合储能可能中午盈余、傍晚缺电热负荷大时燃气轮机满发产生的余热可能不够用还得开燃气锅炉补燃反过来热负荷小的时候为了发电又得多烧燃气热却白白排掉。多微网互联之后这些情况就可以互补。你在电上缺了我从储能或者机组余量里送给你你在热上缺了我这边热富裕就通过热网或者管道送过去。这个互补性在工程上确实存在而且随着园区型微网越来越多这种共享调度的价值很实在。但问题也来了——互补的前提是大家都愿意配合。不同微网分属不同主体有的可能是学校园区有的可能是商业综合体有的可能是工业企业。它们的电价、气价、用能时段、运行习惯都不一样。如果用一个“上帝视角”的统一模型把所有微网当成一个整体来优化得到的方案可能让其中一个微网多花了很多钱只是为了让总体数字好看。这在实际中是行不通的。于是博弈论就顺理成章地被引入。它不追求“全局最优”而是承认每个微网都是自私的都有自己的目标函数它们之间通过共享能量产生耦合。最终大家通过反复调整自己的策略达到一个谁都不愿意单方面改变的状态——这就是纳什均衡。1.2 纳什博弈怎样适配“多个独立决策者”我最早接触“纳什博弈”这四个字的时候脑子里全是数值推导觉得很高深。后来我想通了它本质上就是一场多人谈判只不过谈判的目标函数、策略空间和收益都用数学式子表达。我们把每个微网看成一个玩家它的策略就是自己每个时段的机组出力和共享功率它的收益就是自己的运行成本越小越好。微网之间唯一交流的信息就是共享功率的数值。你报一个你想要的购电量我报一个我能给的售电量来回迭代直到电热共享的方案不再变化大家都认为“我再改策略也占不到便宜”了这就是纳什均衡。这种做法的好处很实在。第一每个微网只需要掌握自己的内部数据负荷曲线、设备参数、成本系数都不用透露给别人信息隐私安全第二分布式求解不需要一个中心节点把所有模型汇总之后算一个巨型优化问题第三结果更符合实际执行因为每个主体都保证了自己不比单干时吃亏坐在一起也有动力去执行这个共享方案。1.3 电热双层共享拆开看是什么再来看这个项目标题里的“电热双层共享”。这里的“双层”不是指双层优化里的主从博弈而是指共享发生在两个层级上电能在配电网层面共享热能在热网/管道层面共享。电的共享相对好理解——微网之间通过公共连接点进行电功率交换缺电的买、富余的卖形成微网间的电力交易。热的共享则相对隐蔽通过区域供热管道一个微网的热源燃气轮机余热、燃气锅炉、电锅炉、储热罐可以向其他微网供应热功率。热网和电网特性完全不同热网里有传输损耗、温度约束而且热负荷不能像电一样远距离传输只能覆盖相邻区域。所以“双层共享”的本质是电能和热能各自沿着自己的网络结构在不同的微网主体之间流通而电和热之间又通过热电联产机组产生了强耦合。比如你让燃气轮机多发电它搞不好多出来的热反而可以卖给别人你让储热罐放热可能影响了下一时段的电热联供策略。这就是电热联合调度的复杂之处也是复现这个项目的难点所在。2. 数学模型纳什博弈与电热耦合的建模过程2.1 运行成本与设备建模任何一个优化模型第一步永远是目标函数。在这个项目里每个微网的目标函数都是“自己在整个调度周期内的总运行成本最小”。成本通常由这几块组成购买天然气的费用、向配网购电的费用或者售电收入、以及设备启停成本或维护成本。天然气费用主要来源于燃气轮机、燃气锅炉的燃料消耗。燃气轮机的耗气量可以近似为电出力和热出力的二次或线性函数工程上常见的是先算电出力和气耗量的关系再乘一个热回收效率余热进入热母线。燃气锅炉的耗气量也是一个常数效率转换。买电费用则根据从配网购电的时段分时电价来计算。设备建模方面最核心的是热电联产机组CHP。它同时输出电和热两个出力之间有一个电热运行可行域约束。不同的论文有不同的写法有的是直接给电出力热出力只是余热回收有的则是可调节热电比让机组的运行可以更灵活地落在一个凸多边形可行域内。复现这篇论文的代码时一定要先确认它用的是哪种CHP模型因为这会直接改变约束的形式和求解难度。储能也是重要的建模对象。储电罐电池有充放电功率约束和容量约束一天之内始末电量往往要求一致。储热罐同理储热和放热不能同时进行或者有相应的耦合费用。2.2 电热耦合约束与共享边界耦合约束是整个模型的灵魂也是电热联合调度区别于纯电调度的核心。从设备层面看CHP、燃气锅炉、电锅炉甚至热泵都产生了电热之间的耦合。CHP的电出力和热出力彼此耦合电锅炉则是消耗电能产生热能。从共享层面看电力共享约束是功率平衡约束每个微网的发电加购电加其他微网流入的净功率必须等于本地电负荷和电锅炉等电设备的耗电量。热能共享则是热功率平衡本地热源产热加储能放热加从热网其他微网流入的热功率等于本地热负荷。还有一个容易被跳过但实际上很关键的约束——热网传输容量约束。你通过热管道送热不是想送多少送多少管道的最大传输功率是有上限的。而且热网往往存在热损耗有的论文里会用一个效率系数乘以送端功率得到受端实际功率。如果代码里忽略了这些约束最终算出来的共享方案很可能在物理上根本不可行。电热两层之间通过CHP和电锅炉联系起来。比如你为了在电市场多卖电而让CHP多发热出力也同步增加。如果本地热负荷用不完就会通过热网共享给邻居如果邻居也不要这么多热那这个电出力调整就会受到热侧约束的限制。这就是为什么不能把电和热拆成两个独立的子问题分别求解必须联合优化。2.3 从博弈到优化均衡求解的数学逻辑有了每个微网的独立优化模型下一步就是把它们耦合起来迭代求解纳什均衡。这个过程的数学逻辑其实很明确每个微网在给定其他微网策略的前提下求解自己的最优策略然后更新自己的策略供其他微网参考反复迭代直至策略不再变化。用公式来说假设第i个微网的其他主体共享功率是已知量那它的子问题是min Fi(xi) s.t. gi(xi) 0 hi(xi, P_share) 0这里的P_share就是与其他微网交换的电/热功率在本次迭代中作为已知参数。求解完得到新的策略更新P_share进入下一轮。当所有微网连续两轮得到的共享功率偏差小于给定精度时就认为达到了纳什均衡。需要提醒的是每个子问题的可行域需要保证非空。如果一个微网在某个场景下即使单干都无法平衡自己的负荷那它就必须依赖共享。这种情况在论文设定下通常被简化处理了复现的时候你不一定照搬论文原文的场景但要保证所有微网在迭代的每一轮都有可行解否则求解会直接失败。3. Matlab代码实现从零解析核心模块3.1 代码结构设计与初始化这个项目的代码量不算小但没有必要一口气看完整套代码。我复现时的习惯是先将代码按“初始化 → 参数配置 → 设备建模 → 博弈迭代 → 结果输出”的层次拆开看。好的复现代码通常在这几个模块之间分得很清楚。初始化部分主要完成几件事定义微网数量和调度时段一般是24小时生成或读取各微网的电负荷、热负荷曲线设定电网购售电价和天然气价格定义设备容量、效率参数。参数配置是整个项目最需要反复检查的地方。论文里给的参数往往分散在正文、表格和附录里而代码中可能直接以数组形式写死在脚本里。我建议你新建一个参数清单表把每个微网的每个设备参数、价格参数、初始储能状态逐一和论文对照标注避免后面调参时找不到位置。典型的数据结构以某个微网i为例可能包括mg(i).load.e [...]; % 电负荷24维 mg(i).load.h [...]; % 热负荷24维 mg(i).price.buy [...]; % 购电价24维 mg(i).price.sell [...]; % 售电价24维 mg(i).chp.a ...; mg(i).chp.b ...; % CHP成本系数 mg(i).chp.eta_e ...; mg(i).chp.eta_h ...; % 电/热效率 mg(i).es.eta_in ...; mg(i).es.eta_out ...; % 储电充放效率 mg(i).hs.cap ...; % 储热容量把这些内容用struct组织好后面的约束和目标函数写起来就会很顺手。3.2 目标函数与约束的代码化写法在Matlab里做优化建模主流选择是Yalmip工具箱加求解器如gurobi、cplex、sedumi也可以直接用求解器的原生建模接口。Yalmip的语法接近数学表达式调试方便是我比较推荐的方案。以某个微网的子问题为例目标函数可以这么写x_elec sdpvar(nT,1); % 电出力/购电决策 x_fuel sdpvar(nT,1); % 购气量 x_es_c sdpvar(nT,1); % 储电充 x_es_d sdpvar(nT,1); % 储电放 x_share_e sdpvar(nT,1); % 与配网的交换功率 cost sum(x_fuel .* gas_price) sum(max(x_elec,0) .* buy_price) ... - sum(min(x_elec,0) .* sell_price) ... sum(x_es_c .* c_es_op) ... sum(x_es_d .* c_es_op); optimize(cons, cost, sdpsettings(solver,gurobi));当然这只是个示意实际的决策变量要复杂得多还有各时段储能的SOC状态变量。但核心思路就是把论文里的数学公式“翻译”成约束和变量然后交给求解器。约束里最容易出问题的有两类。第一类是储能时序约束SOC的递推关系不要多写括号注意充放电效率和时段间的连续性第二类是共享功率的符号定义。在博弈迭代中其他微网给你发的共享功率是常量你自己的共享功率是变量符号方向如果不统一迭代结果很容易出现振荡甚至方向完全相反。3.3 迭代求解主循环与收敛判断主循环是整个博弈过程的心脏。结构大致如下for iter 1:max_iter for i 1:n_mg % 给微网i传入上一轮其他微网的共享功率 % 求解微网i的子问题 % 存储该微网本轮共享功率 end % 比较所有微网本轮与上一轮的共享功率误差 error max(abs(p_share_new - p_share_old)); disp(iter, error); if error 1e-4 break; end end这个循环有几个关键细节。一是收敛判据的选取。光看共享功率的绝对误差还不够稳妥有时候功率误差很小但成本还在变建议同时检查目标函数值的变化。二是每轮迭代中微网的求解顺序按照论文的写法可能是并行同步更新也可能是逐个依次更新。同步更新实现简单但往往收敛性差一些依次更新Gauss-Seidel式通常收敛更快但物理上相当于每个微网能立即看到前一个微网的调整结果不同排序也可能影响收敛路径和均衡点。如果代码跑完迭代次数上限都没有收敛不要急着调小步长或发散参数。先检查目标函数是不是有异常大的数值波动——很多时候不是因为算法不行而是某个约束写错了导致某一轮迭代算出了一个荒谬的方案后续怎么也拉不回来。3.4 结果可视化与输出整理仿真跑完之后输出可视化是让代码“落地”的关键一步。一个合格的复现项目至少需要输出以下几类图各微网的电功率平衡图、热功率平衡图、共享功率时序图、储电与储热的状态变化图、迭代收敛曲线。具体来说电功率平衡图将各微网24小时的发电、购电、共享功率、负荷画在同一张图上能直观看出构想的互补逻辑是否成立。共享功率时序图能清晰展示谁在哪个时段向谁售电/售热。这些图不仅是为了让论文里的算例图更美观更是你确认方案合理性的重要工具。如果结合自己的场景做修改比如调整某个微网的负荷曲线或设备容量结果图立刻就能帮你判断新参数下方案的可行性。我曾试过只调整了某个微网的储能容量就发现热网的共享方案完全改变原因是储能容量变大改变了CHP的运行区间进而影响了热侧盈余——这种连锁效应只看数据表是发现不了的。4. 复现路上的典型问题和排查实录4.1 迭代不收敛或震荡别急着改参数这是复现博弈类论文时遇到最多的问题。程序总是跑到最大迭代次数才停下来共享功率来回震荡振幅还不小。我的排查顺序是先看单微网求解是否正常排除模型本身的问题再看共享功率更新逻辑确认是否真的是按上一轮的解更新而不是传了错误的变量最后检查收敛精度是否设得太小了。很多时候把1e-6改成1e-4就能收敛没必要为了追求高精度而付出数倍迭代时间。如果检查完都正常但还是震荡可以考虑引入松弛因子加速收敛也就是每轮更新时不完全使用本轮结果而是把新旧值做一定比例的加权平均。这在工程里很常用我自己调试时曾经因此把迭代次数从一百多次降低到二十多次。4.2 求解器报错从维度到非凸的常见坑报错信息五花八门但归纳起来就几类。第一类是“Dimension mismatch”维度不匹配。多见于不同微网的时段数定义不统一或者某个变量在约束里用了错误的索引。这种问题用Yalmip调试时比较直观报错后会提示出错的约束行号逐个检查即可。第二类是“Infeasible”模型不可行。这通常说明某个微网在所有时段都无法满足自身约束。最典型的原因是热负荷和电负荷比例失衡比如某个微网电负荷很小但热负荷很大燃气轮机为了满足热负荷不得不大量发电导致电侧严重过剩。这时如果没有足够的电共享或弃电手段模型自然不可行。解决方法是调整该微网的设备配置而不是去改约束。第三类是求解器提示“Non-convex”非凸问题。部分论文的模型如果加入了二进制变量比如储电罐充放状态互斥、机组启停状态就会变成混合整数非线性规划直接丢给常规非线性求解器很难处理。复现代码通常会把这些二进制变量消掉或固定充放方向来避免非凸性。你复现时如果遇到类似问题优先确认原论文是否引入了这类离散变量。4.3 均衡的多重性与初值依赖博弈论里有个不一定所有人都提到的点纳什均衡可能存在多个而且最终收敛到哪个均衡往往取决于初值。不同初始共享功率可能导致不同均衡解。所以复现时不要只看“我跑出了一个均衡解”就完事。我建议做一次初值敏感性测试将初始共享功率设为不同值比如正负满负荷的中间值跑多组实验看解是否稳定在同一均衡点。如果出现多重均衡要在结果中说明并给出论文中采用哪种初始值的依据。还有一个容易踩的暗坑迭代收敛到的均衡解是否为均衡需要用“偏离测试”来验证。即固定其他微网策略不动让某个微网重新单独求解自己的最优策略看它是否能找到比当前策略更优的解。如果找不到才说明当前点确实是纳什均衡。这个验证步骤虽然简单但在复现论文时往往被直接略过我建议有条件的话一定要做。4.4 论文参数复现的“黑盒”经验最后说点比较实际的经验。SCI论文复现过程中最有挑战的往往不是算法本身而是论文没写清楚的参数细节。比如论文正文说“CHP最大电出力800kW”但没说这个值是单机最大还是整个微网的聚合最大比如热网络中的效率系数到底是对应每条管道的平均值还是某条主管道的数值我的经验是遇到这种情况不要拍脑袋猜先建立一个“论文原文 → 代码参数 → 结果验证”的对照表。先用论文给的最可能的参数跑一遍看结果图是否和论文里的趋势大致吻合。如果不吻合优先怀疑参数而不是算法。很多时候论文的结果和咱们复现结果相差很多不是因为代码问题而是因为某几个隐含参数没对齐——尤其是价格系数和负荷数据。还有一点论文里的算例数据可能不是公开数据集而是自己生成或测试系统修改来的。这时候你需要根据论文描述尽力恢复至少保证负荷曲线的形状和量级与论文一致。若是差异依然很大那就要接受一个现实完整精确地复现一篇论文有时候几乎不可能能做到“趋势和结论一致”就已经很不错了。5. 项目扩展与进一步改进方向5.1 从单体均衡到双层主从博弈的扩展“纳什博弈”解决的是多主体之间的水平协作关系但实际综合能源系统中还存在着垂直的层级关系比如电网公司作为运营方制定电价、微网作为用户跟随电价响应。这就是典型的主从博弈。如果要把现有代码向“双层主从博弈”扩展核心是在外层增加一个运营商的优化目标内层仍是多个微网的纳什博弈运营商通过调整内部电价或共享电价来引导微网的用能行为。思路很简单把现在的共享迭代循环封装成一个函数外层再包一层运营商的迭代优化。但实现难度并不小因为每一次外层参数的变动内层都需要重新迭代至新的均衡点计算量会成倍增长对收敛方法的选择也更敏感。5.2 考虑不确定性场景法与鲁棒方法的引入现在复现代码里的负荷曲线和光伏出力基本都是确定性的。实际工程里微网的电负荷、热负荷、新能源出力都有明显的波动性。你可以把代码进一步扩展用场景法生成一批典型场景每个场景都跑一次博弈迭代最后统计均衡结果的均值或最差情况或者引入鲁棒优化让微网在光伏出力的最恶劣情况下仍然保证系统的安全运行。扩展时要注意一个细节确定性博弈的收敛逻辑和带场景的博弈收敛逻辑并不完全相同。场景之间可能会互相影响比如储能设备的SOC能否跨场景耦合是一个需要明确设定的大问题不同的设定对应完全不同的模型。5.3 引入碳排放约束或绿证交易“双碳”背景之下很多SCI论文开始把碳排放配额或绿色证书交易纳入微网运行模型。你可以给每个微网增加一个碳排总上限超额部分需要通过碳交易市场购买不足部分可以卖出。这等于是给每个微网的目标函数加了一项“碳交易成本”同时在共享电热功率之外再增加“碳配额”的一种共享量。扩展起来并不困难但要注意参数含义的调整碳成本价格对共享方案的影响可能比天然气价格更明显。我个人觉得这类项目最值得扩展的就是不确定性模块。因为我复现完确定性模型之后最大的感受就是如果只把论文代码跑通而不做延伸很多博弈特性是体会不到的。只有把负荷和光伏改成随机场景才能真正看到“博弈最优”相比“集中式最优”在鲁棒性上带来的差异。Run一下整个项目复现下来折腾了一周多的时间踩过的坑集中在收敛调试、参数对齐、结果验证这三座大山上。回头再看纳什博弈用在多微网共享里最核心的价值并不是让总成本降到最低而是给每个主体一个“可以接受的方案”。搞懂了这一点再去读那篇论文甚至自己写论文都会顺手很多。希望这篇拆解能帮你少走一点弯路。