基于Stackelberg?Cooperative博弈的多微網負荷聚合商優化運行策略

摘" 要： 未來電網形態不斷演變，柔性資源類型全面開放，為利用其發電、用電的時空互補特性，提高能源利用水平，提出一種基于混合博弈的多微網負荷聚合商電、熱共享的經濟調度策略。首先構建Starberg?Cooperative博弈模型框架，闡述多微網運營商與多類型負荷聚合商之間的互動與合作，將多微網運營商作為領導者（leader），負荷聚合商聯盟作為跟隨者（follower），構建主從博弈的能源供給模型，引入共享儲能系統，建立負荷聚合商聯盟與儲能運營商能量共享的合作博弈模型。其次，基于納什談判理論對多微網負荷聚合商聯盟的合作收益進行分配，保證能量共享聯盟的穩定性。最后，利用新疆某地區數據構建算例來驗證所提策略的有效性與可行性。結果表明，所提方法有效協調了多微網運營商與負荷聚合商的市場勢力，降低了負荷聚合商的運行成本，提高了負荷聚合商聯盟與共享儲能運營商之間的能量共享利用程度。

關鍵詞： Stackelberg博弈； Cooperative； 合作博弈； 多微網運營商； 負荷聚合商； 共享儲能； 納什談判

中圖分類號： TN929.5?34； TM734" " " " " " " " 文獻標識碼： A" " " " " " " " " " " 文章編號： 1004?373X（2025）04?0164?09

Multi?microgrid load aggregator optimal operation strategy based on

Stackelberg?Cooperative game

DU Deyuan， WANG Weiqing， DONG Xiaofei

（MOE Engineering Research Center of Renewable Energy Power Generation and Grid Connection Control， Xinjiang University， Urumqi 830047， China）

Abstract： In the future， the form of power grid will continue to evolve， and the types of flexible resources will be fully open. In order to make use of the spatio?temporal complementary characteristics of power generation and electricity consumption and improve the level of energy utilization， a hybrid?game?based economic scheduling strategy for electricity and heat sharing among multi?microgrid load aggregators is proposed. The Starberg?Cooperative game model framework is constructed to illustrate the interaction and cooperation between multi?microgrid operators and multi?type load aggregators. By taking the multi?microgrid operator as the leader and the load aggregator alliance as the follower， the energy supply model of the master?slave game is constructed， and the shared energy storage system is introduced to establish a cooperative game model between load aggregator alliance and energy storage operators for energy sharing. Based on Nash negotiation theory， the cooperative income of the multi?micro network load aggregator alliance is distributed to ensure the stability of the energy sharing alliance. The effectiveness and feasibility of the proposed strategy is verified by constructing an example using the data from a region in Xinjiang. The results show that the proposed method can effectively coordinate the market power of the multi?microgrid operators and load aggregators， reduce the operating costs of load aggregators， and improve the energy sharing utilization between the load aggregator alliance and the shared energy storage operator.

Keywords： Stackelberg game; Cooperative; cooperative game; multi?microgrid operators; load aggregator; shared energy storage; Nash bargaining

0" 引" 言

隨著“碳達峰，碳中和”發展目標和國家現代化能源綠色低碳優化發展戰略的快速實施，可再生能源發電對于解決能源短缺和節能減排發揮了重要的作用，以可再生能源技術和互聯網技術相結合的能源互聯網體系不斷完善[1?2]。伴隨著用戶側大量可再生能源發電裝置的接入，給配電網供電可靠性和靈活性帶來一定的挑戰[3]?？紤]到微網內部的用戶具有可調節的特征，可以通過價格型需求響應引導用戶參與需求響應，負荷聚合商（Load Aggregator， LA）可以通過聚合用戶側的需求資源作為一個整體與電網互動，保障了用戶側的負荷用電質量[4]。隨著同一配電網區域多個微網不斷接入，相鄰的微網可以形成多微網系統。多微網系統中含有不同類型的負荷聚合商，具有時空互補特性，可以實現能量共享，提高可再生能源的就地消納能力[5]。

目前，國內外諸多學者在多微網系統優化運行和能量交易方面展開了相關研究。文獻[6]考慮含有電能交互的冷熱電多微網系統，以多微網系統日前運行總成本最小化建立集中式優化調度模型，并未考慮多微網參與電能共享的線路損失。文獻[7]以微網清潔能源最大消納和自身效益最大化為目標，考慮新能源的出力不確定性，提出了多微網兩階段魯棒優化模型，探究了新能源不確定性對多微網系統經濟運行的影響，然而未對多微網聯盟不同成員進行利益分配。文獻[8]組成了多微網聯盟，構建了多微網日前優化合作模型，考慮需求響應和分時電價，采用Shapley值分配聯盟的利潤。文獻[1]基于“雙碳”的背景，提出了基于合作博弈的多綜合能源微網系統協同優化模型，分析多微網系統內部電?熱?氣不同利益主體合作聯盟對低碳經濟運行的影響，利用Shapley值法對合作剩余按照貢獻度進行分配，有效減小各合作主體運行成本。Shapley值法主要考慮的是多微網聯盟效益的最大化，若忽略聯盟成員的個體性，則無法保證全局的效益最大[9]。納什談判博弈模型克服了聯盟利益分配的不足，本文使用的方法屬于納什談判的研究領域。文獻[10]考慮配電網側不同微網運營商的過網費用和線路損耗模型，提出多微網運營商的納什談判模型，結果表明所提方法有效降低了多微網運營商的運行成本，合理分配了聯盟所提升的收益。文獻[11]考慮電價不確定性和欺詐行為的多微網合作運行模型，分析不確定性對多微網系統的影響，從而有效提高不同參與主體應對不確定風險的能力。文獻[12]構建電源側和負荷側的不確定性模型，提出考慮源荷不確定性的多微網能量共享優化策略，采用非對稱納什談判理論，考慮不同聯盟成員的個體理性，保證全局效益最優。結果表明，所提方法有效提升了各運營主體的運行效益。上述研究主要關注多微網系統作為一個合作博弈的聯盟的整體利益，忽略了不同參與主體之間并非合作博弈的情形。

文獻[13]考慮多種負荷的需求響應，構建以配電網為主體、多種類型微網為從體的主從博弈模型，分析交互功率對于配電網潮流的影響，采用改進狀態轉移算法（ASTA）求解模型。文獻[14]針對多微網系統的P2P能源交易問題，提出一種基于非合作的主從博弈模型，采用價格信號激勵微網之間購售能源，將能源交易問題轉化為納什均衡問題進行求解，有效降低了系統運行成本。但以上研究忽略了儲能對多微網系統的優化運行帶來的影響。

近年來，共享儲能在降低微網的經濟運行成本和提高新能源利用率方面發揮重大作用。文獻[15]在共享儲能背景下，提出針對社區能源互聯網下多個光伏產消者的共享儲能服務機制，建立共享儲能系統與多個產消者之間的主從博弈模型，實現共享儲能與產消者群間的收益雙贏。文獻[16]考慮耗能用戶的需求響應和共享儲能設備出力狀況，提出合作型的多微網雙層優化模型，促進儲能設備的高效利用和多微網之間的能量共享。但是以上的研究大多把微網運營商和用戶當成一個利益整體，并未考慮用戶側不同負荷聚合商之間能量交互的利益關系，忽略了用戶側電、熱需求響應等靈活性資源；另外，共享儲能機制的引入為多微網運營商制定電價帶來了難度。

基于以上分析，本文在能量共享的背景下考慮多微網運營商（Multi?microgrid Operator， MMGO）和用戶負荷聚合商（LA）的供需互動關系，以及多個負荷聚合商之間的能量共享行為，提出一種基于混合博弈的多微網負荷聚合商電、熱共享優化運行模型，并采用納什談判理論合理分配負荷聚合商聯盟的合作收益。采用遺傳算法和CPLEX相結合的方法求解該模型，并通過不同算例驗證了所提方法的有效性。

1 多微網系統能量共享框架

本文所建立的多微網系統能量共享框架如圖1所示。MMGO在電力市場交易中作為配電網和用戶的供能中介，MMGO側配有燃氣輪機和電鍋爐，能為用戶提供熱能和電能，提高了系統供能的靈活性。鑒于單個分布式儲能的建設成本過高、維護困難，本文所提的共享儲能由第三方儲能運營商獨立投資建設，并向LA的用戶提供充放電服務，收取一定的服務費用。考慮到用戶具有不同的用能偏好，不同LA內部用戶的負荷需求種類、能源種類和容量具有異質性和互補性，因此，多個LA之間可以形成LA聯盟，各LA通過聚合用能側的所有用戶負荷需求和內部光伏、風電資源與其他LA進行電熱能共享。每個LA在滿足自身用戶負荷需求后，如果有盈余的能量，首先將盈余的能量出售給缺額的LA，然后出售給共享儲能運營商進行充電儲存電能，最后將剩余的電能出售給上級的MMGO。當用戶側的LA出現能量缺額時，首先從其他盈余的LA購買電能，然后向MMGO購電，最后從共享儲能系統中取用電能。對于用戶側的熱負荷，主要由上級的MMGO進行供熱，當購買的熱能有盈余時，可以通過用戶內部的電儲熱儲存熱能；當供熱不能滿足熱負荷時，可以通過用戶側的電儲熱設備進行熱能共享，實現供能來源的多樣化，用能的靈活性更高。

2" 多微網系統模型

2.1" 多微網運營商收益模型

MMGO作為上層博弈的領導者，考慮自身熱電機組的出力計劃和兼顧用能側用戶負荷的電熱需求的基礎之上發布電價和熱價。以自身的效益為最大化目標，目標函數為：

[maxEMMGO=t=1TFtsell-Utgrid-Uth-Utchp] （1）

式中：T為一個調度周期，本文中T=24 h；[Ftsell]為[t]時段向LA的供能收入；[Utgrid]為與上級電網的交互成本，當其大于0時，表示向上級電網購電，否則表示向上級電網售電；[Uth]為供熱中斷的懲罰成本；[Utchp]為MMGO提供電能、熱能的燃料成本。根據燃氣機組和電熱鍋爐的工況特性，燃料成本和輸出的電熱功率可以用二次函數的形式表示，如下：

[Utchp=ae（Ite，s）2+beIte，s+ce+ah（GtGB）2+bhGtGB+chΔt] （2）

[Ftsell =Ite，sute，s+Gth，suth，sΔt] （3）

[Utgrid=[max（Ite，s-Itle，0）utg，s+min（Ite，s-Itle，0）utg，b]Δt] （4）

[Uth=max（Gth，s-Gtlh，0）λhΔt] （5）

式中：[Δt]為時間間隔；[Ite，s]和[Gth，s]分別為MMGO供能側產出電、熱功率；[Itle]和[Gtlh]分別為LA總的電、熱需求響應后負荷；[ute，s]和[uth，s]分別為t時刻出售給LA的電、熱能價格；[utg，s]和[utg，b]分別為電網t時刻的上網和售電價格；[λh]為供熱中斷懲罰系數；[Ite，s]和[GtGB]分別為t時刻燃氣輪機的輸出電功率和電鍋爐的輸出熱功率；[ae]、[be]、[ce]（[ah]、[bh]、[ch]）分別表示為燃氣輪機和電鍋爐的成本系數。

MMGO側配有小型的燃氣機組，以及余熱回收、電鍋爐等產熱設備，考慮到能源的利用率，本文假設燃氣發出的電量全部供給下級的LA，[t]時刻產生的熱能和余熱回收的熱能分別表示為：

[Gth，s=（GtGT+GtGB）ηh/c] （6）

[GtGT=Ite，s（1-ηe，s）ηe，sηe，h] （7）

式中：[GtGT]為[t]時刻回收裝置的輸出熱功率；[ηh/c]為在典型日的熱交換系數；[ηe，s]為余熱回收的效率；[ηe，h]為燃氣發電機的發電效率。

在設備運行過程中，需要考慮以下關于燃氣輪機和鍋爐的出力約束：

[0≤Ite，s≤Itmax] （8）

[0≤GtGB≤Gtmax] （9）

式中：[Itmax]和[Gtmax]分別為燃氣發電機和電鍋爐的出力上限。

為了防止“套利”的產生，避免下級LA和電網進行電能交易，需要滿足價格約束：

[utg，blt;ute，blt;utg，sutg，blt;ute，slt;utg，sute，b≤ute，s] （10）

[uth，minlt;uth，blt;uth，maxuth，minlt;uth，slt;uh，maxuth，b≤uth，s] （11）

式中：[uth，max]和[uth，min]分別為熱價的上限和下限。

2.2" 負荷聚合商成本模型

LA聯盟作為Stackelberg博弈的跟隨者，根據MMGO制定的電能和熱能價格，優化得到LA聯盟的購售電量和熱量、自身負荷的需求響應量和LA之間的電能、熱能交易量，并將購售電量、熱量反饋給MMGO。

2.2.1" 成本目標函數

LA聯盟以自身成本最小化為目標，其包含購售電能、熱能成本，聯盟成員之間的交互收益，共享儲能的服務成本，電儲熱的運行成本，電、熱需求響應的成本。

[minUi=t=1TCE，Hi+CSESSi+CSTi+CDRi-ITRADEi-HtiΔt] （12）

式中：[Ui]為單個LA的成本；[CE，Hi]、[CSESSi]、[CSTi]、[CDRi]分別為LA購電、購熱成本，共享儲能服務成本，儲能維護成本，需求響應成本；[ITRADEi]為LA之間的交易收益。

[CE，Hi=Ite，sute，s+Gth，suth，s+min（Ite，s-Itle，0）utg，b] （13）

LA采用共享儲能來為用戶提供充放電服務。為平抑用戶側的凈負荷波動，需要繳納一定的服務費用，可表示為：

[CSESSi=t=1TλSESSt（Pl，ci，t+Pl，di，t）] （14）

式中：[λSESSt]為單位時間內充電功率和放電功率需要向共享儲能支付的費用；[Pl，ct]和[Pl，dt]分別為LA在t時刻的充電、放電功率。

LA的用戶側配有小型的儲熱設備，可以為用戶提供儲熱服務，其運行維護成本為：

[CSTi=αSTt?t=1TQl，ci，t+Ql，di，t] （15）

式中：[αSTt]為單位時間內熱儲能的運維成本；[Ql，ci，t]和[Ql，di，t]分別為t時刻熱儲能的儲熱和放熱功率。

本文采用激勵型需求響應，需求響應的成本主要由可轉移負荷和可削減負荷組成。

[CDRi=λtrane?t=1TItrani，t+λcute?t=1TIcuti，t+λcuth?t=1TGcuti，t] （16）

式中：[Itrani，t]為LA在t時刻的轉移電負荷功率；[Icuti，t]為LA在t時刻的削減電負荷量；[Gcuti，t]為LA在t時刻的削減熱負荷量；[λtrane]為電負荷轉移成本系數；[λcute]為電負荷削減成本系數；[λcuth]為熱負荷削減成本系數。

LA之間可以通過電能、熱能的共享獲得額外的收益，可以表示為：

[ITRADEi=t=1Tj=1，j≠iNuei-j，t?IP2Pi-j，t+t=1Tj=1，j≠iNuhi-j，t?GP2Pi-j，t] （17）

[ute，b≤uei-j，t≤ute，suth，b≤uhi-j，t≤uth，s] （18）

[IP2Pmin≤IP2Pi-j，t≤IP2PmaxGP2Pmin≤GP2Pi-j，t≤GP2Pmax] （19）

式中：[uei-j，t]和[uhi-j，t]分別為在t時刻LA聯盟成員之間的交易電價和熱價；[IP2Pi-j，t]和[GP2Pi-j，t]分別為t時刻LA聯盟成員之間的交易電量和熱量；[IP2Pmin]和[IP2Pmax]分別為LA電能共享的下限和上限；[GP2Pmin]和[GP2Pmax]分別為LA熱能共享交易的下限和上限。

LA的效用函數用于描述用戶用能的滿意度，通常有二次型、對數型等幾種形式，本文采用二次型來表示：

[Hti=αeItle-βe2Itle2+αhGtlh-βh2Gtlh2] （20）

式中：[αe]、[βe]、[αh]、[βh]分別表示用戶對于消費電能和熱能的偏好系數，可以反映出消費者用能的偏好程度并且影響消耗能量的大小。

2.2.2" 需求響應約束

LA的需求響應電負荷[Itle]主要由預測電負荷[Iprei，t]、可轉移電負荷[Itrani，t]和可削減電負荷[Icuti，t]構成。

[Itle=Iprei，t+Itrani，t-Icuti，t] （21）

[Itranmin≤Itrani，t≤Itranmax] （22）

[t=1TItrani，t=0] （23）

[Icutmin≤Icuti，t≤Icutmax] （24）

式中：[Itranmin]和[Itranmax]分別為最小和最大可轉移電負荷；[Icutmin]和[Icutmax]分別為最小和最大可削減電負荷。

LA在t時刻的需求響應熱負荷[Gtlh]主要由預測熱負荷[Gprei，t]和可削減熱負荷[Gcuti，t]構成。

[Gtlh=Gprei，t-Gcuti，t] （25）

[Gcutmin≤Gcuti，t≤Gcutmax] （26）

式中：[Gcutmin]和[Gcutmax]分別為最小和最大可削減負荷。

2.3 共享儲能運營商收益模型

本文假設共享儲能系統獨立配置于共享儲能運營商側，LA可以租賃共享儲能的容量來進行充放電服務，但需要收取一定的服務費用。共享儲能服務供應商的收益函數可以表示為：

[ESESSi=t=1TλSESSt（Pl，ci，t+Pl，di，t）-t=1T（λcPl，ci，tΔt+λdPl，di，tΔt）] （27）

式中：[λc]和[λd]分別為共享儲能運營商的充、放電成本系數。

共享儲能系統的容量與上一時刻的充、放電功率有關，在t時刻的容量可以表示為：

[ESESSt=ESESSt-1+ηSESScPl，ct-Pl，dtηSESSdΔt] （28）

式中：[Pl，ct]和[Pl，dt]分別為共享儲能在t時刻的充電和放電功率；[ηSESSc]和[ηSESSd]分別為共享儲能的充電和放電效率。

為了保證共享儲能系統能夠正常地提供服務，假設共享儲能系統在一個調度周期內充、放電功率之和為0，則：

[t=1TPl，ctηSESSc-t=1TPl，dtηSESSd=0] （29）

假設在一個調度周期T內，所有的LA使用共享儲能充、放電功率不能超過其上限和下限，對于任意t時刻的共享儲能容量需要滿足一定的容量限制。

[ESESSmin≤ESESSh≤ESESSmaxPl，cmin≤Pl，ct≤Pl，cmaxPl，dmin≤Pl，dt≤Pl，dmax] （30）

式中：[ESESSmin]和[ESESSmax]分別為共享儲能容量的下限和上限；[Pl，cmin]（[Pl，dmin]）和[Pl，cmax]（[Pl，dmax]）分別為共享儲能充（放）電功率的下限和上限。

3 Stackelberg?Cooperative博弈框架和求解

3.1 Stackelberg博弈

MMGO首先制定一天之內的購電價格和購熱價格策略集合，LA根據MMGO發布的價格方案和共享儲能服務費用，響應自身的電負荷、熱負荷需求并且合理租用共享儲能的容量。MMGO和LA之間的交互變量為電價、熱價、購電量和購熱量。當MMGO發布過高時，相鄰的多個LA之間可能會選擇能量共享，相互交互電能、熱能，優化自身的策略。優化的結果反饋給MMGO，重新制定新的定價策略并發布，直到任何一方的策略不再改變為止，達到納什均衡。顯然，雙方的決策具有先后順序，符合相互影響、分級決策的動態博弈模型。因此，本文建立了MMGO作為領導者、LA聯盟作為跟隨者的主從博弈模型。該博弈表示為：

[G={（MMGO?Fl）;αMMGO，b，αMMGO，s，αCCHP;βDRl， βSESSl， βtradl;EMMGO;El}] （31）

式中：MMGO為領導者；[Fl]為跟隨者；[αMMGO，b]和[αMMGO，s]分別表示一個周期內MMGO的購電價與售電價的策略集合；[αCCHP]表示一個周期內MMGO熱電聯產機組的出力策略集合；[EMMGO]表示一個周期MMGO的效益，由式（1）計算得出；[βDRl]表示一個周期內LA調整電、熱負荷策略集合；[βSESSl]表示一個周期LA租賃共享儲能的策略集合；[βtradl]表示一個周期內LA電能、熱能共享的策略集合；[El]表示一個周期內LA的成本。

3.2 負荷聚合商聯盟Cooperative博弈

LA聯盟成員屬于不同的利益主體，合理的利益分配機制有助于聯盟的穩定，納什議價屬于合作博弈利益分配的分支，在保證聯盟效益最大化的基礎之上，兼顧聯盟成員的個體理性，可以實現全局最優。本文所采用的負荷商聯盟納什談判模型[17]可以表示為：

[maxi=1NUi-U0is.t. Ui≥U0i] （32）

式中：[Ui]表示LA聯盟成員參加談判獲得的收益；[U0i]表示LA聯盟成員談判之間獲得的收益，即各LA成員獨立運行時的成本，即談判破裂點。

3.3" 混合博弈模型的求解

本文所提出的混合博弈模型包含兩個階段，第一階段為主從博弈，第二階段為合作博弈，需要分別進行求解。對于MMGO（leader）而言，優化目標為效益最大，求解一個周期的最優電價與熱價；對于LA（follower）而言，優化目標為成本最小，求解一個周期內電、熱需求響應負荷分布，聯盟成員之間交互電量、熱量以及共享儲能的充、放電功率。考慮到跟隨者模型中存在布爾變量，無法通過KKT條件將下層跟隨者模型轉變為上層領導者模型的約束。為了保護不同利益主體的隱私，提高求解速度，降低求解復雜度，采用改進遺傳算法來求解上層MMGO的最優電價和最優熱價，下層模型調用CPLEX求解器進行求解。納什談判博弈模型是一類非線性優化問題，在Matlab 2018b平臺調用IPOPT非線性求解器進行求解。具體求解流程如圖2所示。

4 算例仿真與分析

4.1 算例數據設置

本文所用的算例包含3個微網LA的社區。每個LA的用戶側配有小型的電儲熱設備、微型風力發電裝置、光伏發電裝置。社區的MMGO配有熱電聯產機組和電鍋爐設備。用戶的預測電、熱負荷參考文獻[8]，熱電聯產機組和電鍋爐相關設備參數如表1所示。共享儲能的容量為1 000 kWh時，相關系數如表2所示。共享儲能商一個周期的租賃服務費用為0.33元/kWh，用戶的柔性負荷占比約為20%，熱能價格上下限分別為0.5元/kWh與 0.15元/kWh。上級運營商的能源價格如表3所示。

為了驗證本文所提模型的有效性，設置3個場景進行對比分析。

場景1：采用主從博弈的方法，各個LA獨立運行，不進行電能、熱能的共享。

場景2：采用主從博弈的方法，各個LA采用合作博弈的方法，進行電能、熱量的共享形式，參與聯合優化調度，并根據納什談判的方法進行利益分配。

場景3：即本文所提方法，采用主從博弈的方法，引入共享儲能為LA聯盟輔助服務，進行電能、熱能共享的形式，參與聯合優化調度，并根據納什談判的方法進行利益分配。

表1" 綜合能源設備參數

4.2 算例結果分析

4.2.1" 多微網運營商決策分析

上層領導者MMGO的定價策略如圖3所示。圖3a）中MMGO制定的價格介于其包絡線之內，為下層LA的用戶提供相對更合理的價格，符合MMGO的利益訴求。為了防止下層LA套利的行為，MMGO在任何時刻發布的售電價格始終大于其購電價格。從MMGO的角度來看是合理的決策行為，因為MMGO作為領導者，具有獨立定價的權利，傾向于抬高售電價格而降低購電價格來增加自身的利潤。然而MMGO的電價策略也會受到下層LA策略的影響，在中午時段（12：00—14：00）用戶光伏出力最為充足，此時LA聯盟的用戶剩余功率較多，向上級MMGO購電的需求大幅減小，因此售電價格沒有達到電價上限，體現了上級MMGO通過價格信號引導LA的用戶購電的趨勢。由于篇幅所限，圖3b）熱價的分析與電價相似，此處不再贅述。

LA聯盟的電、熱負荷優化調度結果如圖4所示。在圖4a）中，曲線表示聯盟優化后總的電負荷減去光伏、風機等新能源的出力。考慮到用戶側的新能源光伏、風機發電的不確定性，CHP機組的電出力會優先出售給聯盟內的用戶，保證用戶的日常生活使用。聯盟優化后凈負荷表示所有的電負荷減去光伏、風機等新能源的出力。聯盟在7：00—8：00時刻凈負荷出現下降趨勢，主要原因是分時電價的升高，為了減少用電成本，聯盟進行了凈負荷的削減。在10：00—17：00時段由于光伏出力的增加，聯盟的凈負荷開始急速下降，在12：00時刻達到低谷。之后有上升趨勢，并且在14：00時刻凈負荷為0，此時光伏、風機的出力剛好等于總負荷的消耗量。為了獲得較高的收益，CHP機組正常出力，聯盟內部出現多余電能，并出售給上級運營商并網。然而在其他時段，受到CHP機組出力限制，不足的電能從上級運營商購買。從圖4b）可以看出，為了保證用戶的熱能供應并減少斷熱懲罰費用，上級運營商主要通過熱電聯產機組來提供熱能。受到熱電聯產機組出力的限制，在0：00—2：00、3：00—4：00、6：00—7：00以及23：00—24：00時段主要由電鍋爐和熱電聯產機組共同出力，達到熱能供需平衡。

4.2.2" 共享儲能運營商決策分析

共享儲能系統一天內容量變化曲線如圖5所示，共享儲能的初始容量為500 kWh，在0：00—4：00時段，共享儲能容量開始增加，并達到最大容量。由于此時用戶的負荷需求較小，分時電價的價格便宜，LA聯盟成員購電并進行能源互濟共享，多余電能儲存在共享儲能系統之中。在4：00—7：00時段，共享儲能系統容量不變，此時LA聯盟各成員通過能源共享達到電能供需平衡。在9：00—12：00時段，共享儲能容量開始減少，與用戶電負荷在該時段增加相互對應，即共享儲能開始給LA聯盟內用戶提供放電服務。在12：00—16：00時段，共享儲能容量開始增加，結合圖4a）進行分析，由于LA聯盟內的光伏出力充沛，多余的電能出售給共享儲能運營商儲存起來。在21：00—23：00時段，LA聯盟內用戶電負荷需求增加，共享儲能容量開始給用戶放電，在23：00—24：00時段共享儲能開始充電，保證一天之內共享儲能容量前后保持不變。

4.2.3" 負荷聚合商決策分析

由于篇幅所限，本文以LA1為例對參與者的電、熱負荷需求響應進行分析。如圖6所示，在電價的刺激下，LA1為了降低自身的電能成本，電負荷曲線在進行需求響應后，總體上呈現出“削峰填谷”的負荷特點。在10：00—12：00和13：00—16：00時段，用戶需求響應前的電負荷曲線出現兩個峰值，此時電價較高，經過需求響應后，電負荷峰值出現明顯下降，削減的電負荷量被轉移到1：00—8：00和23：00—24：00電價更低的用電負荷階段。需要說明的是，在15：00—16：00時段，由于電價較低和光伏出力充足，優化后的電負荷比優化前的電負荷增加了38 kWh。從圖6b）中看出，需求響應后的熱負荷比需求響應前的熱負荷整體上有所降低。結合圖3b）分析，在11：00—12：00時段出現了需求響應后的熱負荷谷值階段，這是由于此時的熱價較高，用戶經過合理規劃后，削減自身的熱負荷來減少用熱成本。

4.3 成本優化和納什分配分析

4.3.1" 參與者成本和收益分析

各場景下MMGO收益和LA聯盟成員的成本如表4所示。其中場景1為采用非合作模型，作為場景2、3的合作博弈模型中納什議價的談判破裂點。從表4中分析可知，場景2中LA聯盟總成本較場景1中LA聯盟總成本有所降低。其中，場景2下LA1的成本相比于場景1顯著減少了451.5元，場景2下LA聯盟的總成本相較場景1降低了69.8元，MMGO的收益減少了86.7元。主要原因是場景2中通過合作博弈形成聯盟實現不同LA之間電能、熱能的功率互濟，能量共享，減小與上級MMGO的交易成本。場景3與場景2相比較，LA聯盟總成本減少了405.5元，MMGO的收益減少了210.7元。主要原因是場景3通過引入共享儲能系統為LA聯盟的用戶提供共享儲能充放電服務，提高了用戶的電負荷調節能力?？傮w來看，相較于場景1中LA獨立進行電能、熱能的交易，場景2和場景3中合作博弈和共享儲能的加入，減少了用戶對于上級MMGO電能、熱能的依賴性，同時也說明，合作博弈的模式降低了MMGO的收益，并削減了市場份額。

4.3.2" 納什分配分析

本文能量共享的參與者包含不同的用戶，其內部的用能情況和儲能容量的差異較大，基于納什談判分配的方式兼顧LA聯盟成員的個體理性和聯盟成員的整體利益，場景2和場景3下LA收益具體分配結果如表5和表6所示。從表5中分配結果可知，在場景2下LA1的分配成本提高了6.41%，LA2的分配成本降低了5.23%，LA3的分配成本降低了2.68%。這主要由于在聯盟的內部，LA1作為能源的供給方為LA2和LA3提供了較多的共享能源。合理的利益分配有助于維護聯盟的穩定性。對比表5和表6分析可知，各LA在場景3下的分配成本比場景2下的分配成本分別降低了132.9、132.9和132.9元。主要原因是共享儲能系統的引入減少了LA的用能成本。

5 結 論

本文以同一社區內的多個LA優化調度為研究對象，提出了MMGO與LA聯盟的混合博弈框架，基于Stackelberg理論建立了MMGO與LA聯盟的主從博弈模型，并通過納什談判理論合理分配LA聯盟成員的合作收益。本文的主要結論如下。

1） 本文所提出的混合博弈模型可以合理制定LA聯盟的購售電價、熱價和聯盟成員之間的能源交易價格。在保證MMGO與LA聯盟協調運行的同時將多個LA資源整合在一起，實現能源互濟共享。與各LA獨立運行相比，通過合作形成聯盟，使得聯盟總的運行成本降低了2.81%，MMGO的收益降低2.84%，減少了對上級運營商的依賴，適當削減了上級運營商的市場勢力，從而維護了市場交易的穩定。

2） 共享儲能的引入有利于提高LA內用戶用能的靈活性，在保證用戶用能滿意度的同時降低用戶自身的用能成本，平抑凈負荷波動。LA1的總運營成本降低了9.49%，提高了用能的經濟性。共享儲能的收益情況與上級發布的能源交易價格、用戶的用能偏好密切相關。

3） 采用遺傳算法和求解器相結合的分布式求解方法，避免了MMGO和LA之間信息的泄露，更好地保護了數據隱私。采用納什談判分配方法使得LA1的分配成本提高了6.41%，LA2的分配成本降低了5.23%，LA3的分配成本降低了2.68%，分配結果更加合理。但本文并未考慮風、光等不確定性對合作聯盟的影響，下一步的研究可以將這些不確定性納入考慮范圍。

注：本文通訊作者為王維慶。

參考文獻

[1] 祝榮，任永峰，孟慶天，等.基于合作博弈的綜合能源系統電?熱?氣協同優化運行策略[J].太陽能學報，2022，43（4）：20?29.

[2] 王海洋，李珂，張承慧，等.基于主從博弈的社區綜合能源系統分布式協同優化運行策略[J].中國電機工程學報，2020，40（17）：5435?5445.

[3] 余全全，謝麗蓉.風電并網多目標混合儲能系統優化配置[J].現代電子技術，2021，44（22）：111?115.

[4] 賈海清，林延平，劉茹，等.考慮需求側無功不確定性的負荷聚合商運營優化模型[J].太陽能學報，2022，43（6）：17?23.

[5] 陳玥，劉鋒，魏韡，等.需求側能量共享：概念、機制與展望[J].電力系統自動化，2021，45（2）：1?11.

[6] 徐青山，李淋，蔡霽霖，等.考慮電能交互的冷熱電多微網系統日前優化經濟調度[J].電力系統自動化，2018，42（21）：36?44.

[7] 李馳宇，高紅均，劉友波，等.多園區微網優化共享運行策略[J].電力自動化設備，2020，40（3）：29?36.

[8] 黃柯蒙，劉繼春.計及需求響應和熱電聯產的多微電網聯盟優化調度方法[J].智慧電力，2021，49（6）：107?115.

[9] 吳錦領，樓平，管敏淵，等.基于非對稱納什談判的多微網電能共享運行優化策略[J].電網技術，2022，46（7）：2711?2723.

[10] 芮濤，李國麗，王群京，等.配電側多微電網日前電能交易納什議價方法[J].電網技術，2019，43（7）：2576?2585.

[11] 杜佳男，韓肖清，李廷鈞，等.考慮電價不確定性和博弈欺詐行為的多微網電能合作運行優化策略[J].電網技術，2022，46（11）：4217?4230.

[12] XU J Z， YI Y Q. Multi?microgrid low?carbon economy operation strategy considering both source and load uncertainty： a nash bargaining approach [J]. Energy， 2023， 263： 125712.

[13] 陳倩，王維慶，王海云.計及需求響應和混合博弈含多微網主動配電網協調優化[J].電力系統自動化，2023，47（9）：99?109.

[14] 劉志堅，劉瑞光，梁寧，等.一種基于博弈論的多微網能源交易方法[J].電網技術，2021，45（2）：587?595.

[15] 王再闖，陳來軍，李笑竹，等.基于合作博弈的產銷者社區分布式光伏與共享儲能容量優化[J].電工技術學報，2022，37（23）：5922?5932.

[16] 徐艷春，劉海權，孫思涵，等.計及需求響應和共享儲能的多微網系統雙層優化調度[J].電力自動化設備，2023，43（6）：18?26.

[17] MA T， PEI W， DENG W， et al. A nash bargaining?based cooperative planning and operation method for wind?hydrogen?heat multi?agent energy system [J]. Energy， 2022， 239： 122435.

作者簡介：杜德源（1997—），男，四川自貢人，碩士研究生，研究方向為微電網優化、綜合能源系統優化。

王維慶（1959—），男，新疆喀什人，教授，博士生導師，研究方向為風能高效利用與智能電網。

董曉飛（1997—），男，山東菏澤人，碩士研究生，研究方向為新型儲能規模化應用。