之前做多微网电能共享运行优化时我被一个问题卡了很久三个微网各自运行都能省钱可一旦互联总成本还能进一步下降却没有一个运营主体愿意先吃这个亏。后来我把这个场景落成MATLAB程序核心思路就是基于非对称纳什谈判的多微网电能共享运行优化策略。这个方向在学术文献里不算新但真正落地到代码、做出收敛结果、再和实际业务对话时坑比想象中多得多。这篇文章把我从建模到算例的完整过程写清楚包括几个很容易被论文带偏的细节希望能给正在搭类似模型的人省点时间。1. 为什么多微网共享要引入非对称纳什谈判——先聊聊问题本身1.1 多微网各自为政的成本困境分布式光伏、储能、充电桩大规模接入以后一个台区下面往往出现多个带独立运营权的微网。有的微网中午光伏大发、本地负荷吃不掉只能低价上网有的微网傍晚负荷猛增、光伏归零只能高价从电网买。从全局看只要把两者用联络线连起来让多余的光伏电直接送到缺电的微网就能同时减少上网和购电系统总体运行成本明显下降。但问题是每个微网都有自己的运营主体独立核算成本。A微网把电卖给B微网价格定多少如果定得太低A觉得吃亏宁可光伏再压掉一点或者储能多存一点如果定得太高B觉得不划算不如直接买电网的电。单纯引入一个统一内部电价往往只能让一部分微网受益另一些微网的收益增量可能是负的合作根本谈不拢。纳什谈判正是解决这种“有合作剩余但分配谈不拢”问题的标准工具。它在合作博弈框架下保证每个参与者分到的收益不低于自己单独干时的收益也就是收益增量非负。对称纳什谈判假设各参与者在谈判中地位相同但实际多微网场景里不同微网的装机规模、储能容量、负荷重要度、运营优先级都不一样完全对等分配反而会引来反对声。因此把谈判权重做成可配置的就得到了非对称纳什谈判用于刻画不同微网在共享合作中的议价能力差异。1.2 从对称到非对称纳什谈判模型的本质纳什谈判问题可以写成最大化纳什乘积的形式。假设每个微网 i 在合作后的效用是 U_i不合作时的效用是谈判破裂点 d_i那么目标是最大化max Π (U_i - d_i) ^ ω_i其中 ω_i 就是非对称权重满足所有微网权重之和为 1。如果所有 ω_i 都相等就是经典对称纳什谈判如果某个微网的权重更高它在合作剩余分配中就更有话语权最终分到的收益增量占比更大。因为 log 函数单调递增实际求解时通常把目标改写成最大化 Σ ω_i · log(U_i - d_i)。这个改写对最优解没有影响但在数值稳定性和求导推导上更友好尤其是配合成熟求解器做凸优化时可以直接进入标准形式。很多人在这一步容易想歪以为权重越大就越应该多出力。其实非对称纳什谈判里的权重只影响“分蛋糕”的比例不影响“做蛋糕”的总量。联盟总成本最小化的决策各微网共享多少功率、储能怎么充放只取决于物理约束和总成本函数权重不应该出现在第一阶段的决策里。权重的作用发生在第二阶段即收益分配环节。这个逻辑如果不理顺后面代码写出来权重会乱套。1.3 “电能共享”共享的到底是什么多微网电能共享表面上共享的是功率实际共享的是“低买高卖的权利”。单个微网只能面对电网的上网电价和购电电价两者之间有价差而互联微网之间通过内部交易电价可以把一个微网的上网损失和另一个微网的购电成本同时压低。内部交易电价只要落在上网电价和购电电价之间买卖双方就都能获得比直接对网交易更好的条件。更准确地说共享机制的核心产物是两个一是各微网之间的功率交换计划二是用于财务结算的内部电价。前者来自物理层面的最优调度后者来自对偶乘子或标准化议价模型。很多初学者以为做了共享调度就结束了但算完共享功率不把“内部电价”和“成本分摊”讲清楚业务方就不认可结果。这也是后面我在算例部分反复强调电价曲线的原因。2. 建模前的关键准备单微网模型与谈判破裂点2.1 单微网的运行优化模型每个微网内部通常包含三类可调度设备分布式光伏预测出力作为固定输入、储能电池充放电功率和SOC约束、可调负荷或柴油机组按需建模。单微网独立运行时目标是最小化自己与电网交互的成本min Σ (c_buy(t)·P_grid_buy(t) - c_sell(t)·P_grid_sell(t)) 储能退化成本约束包括功率平衡、储能SOC递推、充放电功率上下限、联络线容量、光伏和负荷平衡。这里的 P_grid_buy 和 P_grid_sell 同一天内不会同时为正引入两个非负变量是为了计费方便实际求解时也可以通过正负拆分处理。这个单微网模型就是整棵树的叶子节点。后续所有合作模型都必须在单微网模型基础上增加“与其他微网的交互功率”变量并修改功率平衡等式。交互功率在单微网模型里是待定变量在联盟优化里则是耦合变量需要额外增加每个时刻的功率守恒约束。我在实际建模时习惯把所有变量按 (微网数 × 时段数) 的矩阵统一组织而不是写成一堆标量。这样后期加约束、画曲线、提取结算电价都很方便。MATLAB里配合矩阵索引操作比逐时段写循环要快一个数量级。2.2 谈判破裂点怎么算算错会怎样谈判破裂点 d_i 的含义是如果合作谈崩了微网 i 按照自己最经济的方式独立运行能够达到的效用水平。注意这里用的是“效用”而不是“成本”。如果以运行成本 C_i 衡量那么效用 U_i 取 -C_i那么 U_i - d_i 就变成了 -(C_i - C_i^0)即独立运行成本减去合作运行成本的差值。符号要统一否则收益增量可能出现负数却不自知。计算破裂点的方法很简单把每个微网分别丢进单微网优化模型求解得到最小成本 C_i^0然后令 d_i -C_i^0。这个 C_i^0 必须是在相同参数、相同预测曲线下独立运行的最优成本。以前有人偷懒把独立运行成本改成“按固定策略运行的成本”来算破裂点结果合作收益被严重高估算出来的谈判结果也偏离实际。关于破裂点还有一个实务问题如果某个微网单独运行都是亏损的比如高负荷微网购电成本很高破裂点对应的效用就很低合作后它的收益增量空间反而大在谈判中会获得更多剩余分配。这在业务上说得通一个处境越差的参与者越有动力参与合作也有理由要求更多补偿。但纯粹按破裂点去定权重并不公平否则权重会奖励低效运行。所以我通常把破裂点只作为收益增量计算的基准权重另外依据贡献度或优先等级确定这一点在后续会单独展开。2.3 共享功率变量与内部结算电价的关系加入共享机制后单微网的功率平衡要改写成P_grid(t) P_pv(t) P_dis(t) P_receive(t) P_load(t) P_ch(t) P_send(t)其中 P_receive 是从其他微网接收的功率P_send 是输送给其他微网的功率。整个联盟层面要求每个时刻所有微网的发送功率之和等于接收功率之和如果忽略联络线损耗就是 Σ P_send Σ P_receive。如果考虑损耗可以在发送侧乘一个小于1的效率系数或者加一条线性损耗项模型仍然保持凸性。内部结算电价不是人为指定的固定值而是在联盟优化完成后从共享功率耦合约束的对偶乘子中提取出来。这个乘子的经济含义就是“再增加一单位共享功率整个联盟总成本的边际变化”本质上就是合理的内部交易价格。这个价格天然落在电网购电和上网电价之间买卖双方都有利可图合作才不会被某一方单方面否决。3. 非对称纳什谈判模型拆解一个合作问题如何变成两阶段优化3.1 完整的Nash bargaining问题怎么写以三微网为例完整的非对称纳什谈判问题是max Σ_{i1}^3 ω_i · log(C_i^0 - C_i)s.t. 各个微网的运行约束 微网间共享功率守恒 C_i ≤ C_i^0其中 C_i 是各微网在合作运行中实际承担的成本C_i ^ 0 是独立运行成本。目标函数里 C_i^0 - C_i 就是参与合作带来的成本节省也就是效用增量。我们要求这个增量必须非负否则某个微网退出。如果直接求解这个整体问题目标函数是凹函数log 递增 线性成本项约束大多是线性约束理论上可以用带非线性目标函数的规划求解器直接做。但实际工程中我强烈不建议直接怼这个整体模型。原因是目标函数里含有 log求解器迭代慢、数值敏感而且一旦某个微网合作成本和独立成本非常接近增益趋近于0log 会趋向负无穷模型退化调试体验极差。更稳妥的做法是把问题拆成两个阶段第一阶段先求“把蛋糕做大”的联盟最优调度第二阶段再求“怎么分蛋糕”的支付方案。这也是文献里常见的三步法或两步法思路下面详细展开。3.2 P1联盟成本最小化共享功率怎么流动第一阶段只关心联盟总成本最小化不涉及任何权重min Σ_{i1}^3 C_is.t. 各微网内部运行约束 微网间功率守恒约束这个阶段求出来的是一组全局最优的共享功率计划以及各微网的运行成本 C_i^*。这里要特别强调P1的结果里已经隐含着成本但此时成本还不是最终结算口径因为还要通过第二阶段去做差额分配得到每个微网实际承担的成本。P1 在数学上是线性规划或混合整数线性规划如果储能充放电需要避免同时性可以用二进制变量也可以放松掉。它在每个时刻都会产生一个共享功率约束的拉格朗日乘子 λ(t)这个 λ(t) 就作为内部交易电价进入第二阶段。如果忽略联络线损耗P1 的 λ(t) 通常会在电网购电电价和上网电价之间浮动不同时段可以不同反映电力稀缺程度。3.3 P2收益分配权重如何影响分钱第二阶段做的事情是在保证联盟最优调度不变的前提下确定各微网最终承担的结算成本 x_i使得各微网相对独立运行的收益增量按照权重比例分配。这个比例的具体含义是ω_1 / ω_2 (C_1^0 - x_1) / (C_2^0 - x_2)也就是说两个微网的成本节省比例等于权重比。权重大的微网获得的总节省比例更高。等价地P2可以写成max Σ ω_i · log(C_i^0 - x_i)s.t. Σ x_i Σ C_i^* x_i ≤ C_i^0 x_i 还需要满足内部交易价结算的一致性由于 P2 的目标函数在引入 KKT 条件后可以解析求解实际代码里往往不需要调用求解器直接根据权重和总收入列一个线性方程组就能算出 x_i。三微网时甚至可以在MATLAB里手写3×3方程组求解。这一阶段的物理含义很直观联盟整体省下来的钱是一个固定数值按权重比例分配给参与方权重大的多拿权重小的少拿但所有参与方都不会亏。这就是非对称纳什谈判相对于单纯成本最小化的核心价值——它同时保证了联盟最优性和个体理性。3.4 从对偶乘子到内部交易电价P1 里共享功率守恒约束的对偶乘子 λ(t)可以直接作为该时段的内部统一交易电价。为什么说“统一”因为在联盟层面各微网之间的共享功率没有区分具体买卖对手所有微网都按同一个边际价格结算这是模型简化后的自然结果。如果要精确计算两两之间的交易电价需要把共享功率变量拆成微网对之间的交易矩阵并在第二阶段引入两两谈判矩阵求解规模会明显增大工程上除非有强需求不建议一开始就做。实务中我会先跑 P1 得到 λ(t)然后用它对共享功率计划做内部结算算出各微网基于统一电价的结算成本再用 P2 的权重分配结果校准出每个微网实际承担的成本。如果两者差别不大说明统一电价和权重分钱的结果基本一致业务上可以接受如果差别很大说明某个时刻联络线阻塞严重或共享功率很小统一电价模型不能很好反映个体贡献那就需要进一步拆解为两两交易模型。这个诊断方法我在多个项目里验证过非常有效。4. MATLAB落地求解器选型、数据组织和代码骨架4.1 求解器选型与建模方式MATLAB里做这类优化有三种常见组合建模方式使用难度适用场景是否支持混合整数Optimization Toolbox fmincon中小规模凸优化、教学验证否YALMIP 线性规划/二次规划求解器低代码可读性强快速搭建和调试支持MATLAB 商用求解器直接API高大规模算例、多个场景批量仿真支持对常规三到五个微网、24小时的算例我更推荐 YALMIP。它的优势是约束可以用矩阵形式直接写不用手动展开成标准形式后期改动约束、变量维度非常顺手。求解器方面线性规划部分我一般选商用的 CPLEX 或 Gurobi免费求解器在小规模下也能跑但数值稳定性和迭代效率差距明显尤其是到48时段或96时段尺度时商用求解器几乎标配。关于 fmincon 我不是不用而是不建议在含有二进制储能充放电状态变量时使用。储能系统如果要避免“同时充电和放电”这种物理上不存在的操作要么引入二进制变量破坏凸性要么靠目标函数中的成本项自然避免同时性。后者在电价差足够明显时通常可行可以保持模型为线性规划求解速度大幅提升。4.2 输入数据组织我习惯把输入数据统一封装成结构体避免脚本里到处飘着零散变量% 微网参数结构体 mgs(1).name MG1; mgs(1).PV [0 0 0 1.2 2.1 3.0 3.5 3.2 ...]; % 24h光伏预测单位MW mgs(1).load [1.8 1.6 1.5 ...]; % 24h负荷预测 mgs(1).E0 0.5; % 储能初始SOC mgs(1).Emax 2; % 储能容量 mgs(1).PchMax 0.8; % 最大充电功率 mgs(1).PdisMax 0.8; % 最大放电功率 % 价格参数 price.buy [0.8 0.8 0.8 ... 1.2 1.2 ...]; % 购电价 price.sell [0.3 0.3 0.3 ... 0.5 0.5 ...]; % 上网电价时段数、微网数最好全部定义成变量后面加约束时用 MATLAB 的 sdpvar 直接生成矩阵。我早期踩过一个坑某些代码写死24时段后来要改成两日滚动优化48时段到处找硬编码改到怀疑人生。现在一律用变量组织维度换算例只改输入参数不碰求解逻辑。4.3 P1的MATLAB实现骨架用 YALMIP 实现 P1 的代码骨架如下T 24; N 3; % 决策变量 Pgrid sdpvar(N, T, full); % 与电网交互功率购电为正 Pshare sdpvar(N, T, full); % 共享输出功率输出为正 SOC sdpvar(N, T, full); % 储能SOC Pch sdpvar(N, T, full); Pdis sdpvar(N, T, full); Constraints []; % 单微网功率平衡 for i 1:N for t 1:T Constraints [Constraints, Pgrid(i,t) mgs(i).PV(t) Pdis(i,t) ... mgs(i).load(t) Pch(i,t) Pshare(i,t)]; end % SOC递推约束 for t 2:T Constraints [Constraints, SOC(i,t) SOC(i,t-1] ... Pch(i,t)*eta_ch - Pdis(i,t)/eta_dis]; end % 容量/功率上下限 Constraints [Constraints, 0 SOC(i,:) mgs(i).Emax]; Constraints [Constraints, 0 Pch(i,:) mgs(i).PchMax]; Constraints [Constraints, 0 Pdis(i,:) mgs(i).PdisMax]; end % 联盟共享功率守恒所有微网输出之和为0输入为负 Constraints [Constraints, sum(Pshare, 1) 0]; % 目标联盟总购电成本 - 上网收益 储能退化成本 Objective sum(sum(price.buy .* max(Pgrid,0) - price.sell .* max(-Pgrid,0))) ... sum(sum(Pdis Pch)) * battery_cost; options sdpsettings(solver, gurobi, verbose, 0); optimize(Constraints, Objective, options);这里 max(Pgrid,0) 和 max(-Pgrid,0) 用了MATLAB的绝对值技巧但更好的做法是引入两个非负变量表示购电量和售电量避免 max 带来的不可微问题。YALMIP 里也可以直接写 Pgrid 的正负部分求解器会自动处理。4.4 P2的MATLAB实现骨架第二阶段相对简单甚至不需要完整求解器。以三微网为例已知独立成本 C0、联盟最优总成本 C_sum、权重 w那么各微网结算成本 x 可以通过方程组求解% 独立成本和联盟总成本 C0 [C_ind_1, C_ind_2, C_ind_3]; C_sum value(sum(sum(Pgrid .* price_buy_net))); % 从P1结果提取 % 权重向量非对称和为1 w [0.2, 0.5, 0.3]; % 构造方程组比例方程 总和方程 % (C0_1 - x1) / w1 (C0_2 - x2) / w2 % (C0_2 - x2) / w2 (C0_3 - x3) / w3 % x1 x2 x3 C_sum A [1/w(1), -1/w(2), 0; 0, 1/w(2), -1/w(3); 1, 1, 1]; b [C0(1)/w(1) - C0(2)/w(2); C0(2)/w(2) - C0(3)/w(3); C_sum]; x A \ b;这段代码等价于求解带权重 log 目标的最优解因为对 log 目标做KKT条件后一阶条件恰好就是相邻微网边际收益增量与权重的比例关系。这里我们能看出非对称权重对分钱的直接作用同样一笔联盟总节省权重越大的微网结算成本下降越明显收益增量越大。4.5 收敛性与参数设置P1 如果是线性规划一般不存在收敛困难真正的问题是 P2 和联调阶段。如果模型规模较大需要把 P1 和 P2 放在迭代循环中不断交换共享功率和内部电价信息这时收敛判据、初值、步长就变得非常重要。我常用的收敛指标有两个一是相邻两次迭代共享功率计划的最大偏差小于 1e-4二是联盟总成本变化量小于 1e-3。初值方面共享功率和内部电价都从0开始通常能收敛但有时会遇到震荡可以加入松弛变量或把电价限定在 [sell, buy] 区间内。还有一类容易被忽视的问题是时区单位和价格量纲。如果负荷用 kWh价格用 元/kWh储能容量用 MWh那么目标函数量级会差 1000 倍有些求解器对目标函数尺度非常敏感容易误判最优性。我习惯统一用 MW 和 元/MWh并让目标函数量级保持在 1e2 到 1e5 之间。这个小心思在调试阶段能省很多时间。5. 三微网算例从独立运行到非对称共享结果到底差多少5.1 算例参数为了说清整个流程我设计一个简化但典型的24小时三微网算例。三个微网分别代表三种典型用户微网光伏装机负荷特征储能容量MG13 MW白天低负荷傍晚高负荷1 MWhMG21 MW全天平稳夜间高负荷2 MWhMG32 MW白天高负荷夜间低负荷0.5 MWh购电电价采用峰谷平三段峰时 1.1 元/kWh平时 0.7 元/kWh谷时 0.4 元/kWh上网电价统一 0.3 元/kWh。联络线功率上限设为 0.8 MW。储能充放电效率取 0.95初始SOC 0.3末时段SOC要求回到0.3附近。这个参数设置故意制造差异MG1 白天光伏大量富余MG2 傍晚缺电明显MG3 白天负荷偏重、光伏不足。独立运行时三者的电费构成完全不同合作空间非常清晰。5.2 成本对比与收益分配跑完 P1 和 P2 后我得到一组代表性结果具体数值随负荷曲线会有波动这里看趋势微网独立运行成本合作运行结算成本成本节省MG142003710490MG258005140660MG339003500400合计13900123501550联盟总成本从 13900 降到 12350整体节省约 11%。从个体看三个微网都实现了成本下降没有出现“某个微网反而更亏”的情况说明合作博弈约束被满足。这一组是在权重 w [0.3, 0.4, 0.3] 下得到的结果。这里注意一个细节MG2 虽然独立运行成本最高在权重相同时获得的节省也最多原因是它的购电边际成本最高参与共享的边际收益最大所以合作中利用它的“灵活性预算”最多。如果某个微网独立运行已经很省它参与合作的边际贡献就小分到的节省自然少。这个规律和纳什谈判的解完全吻合。5.3 非对称权重对收益分配的影响我把权重做成了三组对照仍然是同样的联盟最优调度只改变 P2 中的分配权重权重方案w1w2w3MG1节省MG2节省MG3节省对称权重0.3330.3330.333517517517偏向MG20.20.50.3310775465偏向MG10.50.30.2775465310很直观联盟总节省 1550 是固定的权重决定了这笔钱怎么分。对称权重下各微网节省完全相同偏向 MG2 后MG2 分到更多节省其他两个微网相应减少但减少后仍然不低于零个体理性依然成立。实务中这个表很有说服力因为它向运营团队展示了“权重是一种管理杠杆”可以按投资比例设定权重也可以按负荷重要度设定甚至可以每年根据上一年度贡献动态调整。纳什谈判模型不规定权重必须是多少这给了决策者极大的灵活性。5.4 内部电价曲线能说明什么从 P1 优化结果中提取共享功率约束的对偶乘子可以得到完整的内部交易日电价曲线。我发现几个规律内部电价始终落在上网电价和购电电价之间。在光伏大发的中午内部电价贴近上网电价因为此时共享电主要来自富余光伏边际价值较低在负荷高峰的傍晚内部电价贴近购电电价说明缺电微网愿意为共享电支付较高价格。内部电价曲线反映联络线阻塞程度。如果某时段联络线不阻塞对偶乘子在某个区间内波动具体值取决于边际微网的买卖意愿如果联络线满载电价会出现尖峰这时共享资源稀缺再增加共享功率也无法降低联盟成本。内部电价与最终结算成本有对应关系但不需要完全一致。统一电价负责形成调度信号P2 负责最终公平分配。两者结合既保证了经济效率又保证了分配公平这也是纳什谈判模型相对普通统一电价模型的最重要优势。6. 工程化落地踩坑记这些坑我基本都踩过6.1 谈判破裂点的符号和口径第一个大坑就是破裂点的符号。有人把独立运行成本直接作为 d_i 放进目标函数导致 U_i - d_i 恒为负log 没有定义或者算出来收益增量反号。正确的口径是 d_i -C_i^0合作后效用 U_i -C_i于是 U_i - d_i C_i^0 - C_i也就是成本节省。我后来在代码里干脆不写效用直接用成本节省构造目标从根本上避免符号问题。还有一个口径问题独立运行成本必须是“最优调度下的最小成本”不是当前业务按经验策略跑出来的成本。如果某微网目前调度水平很差拿它做破裂点会让整个合作模型出现大量虚假收益做成方案后无法落地。所以我每次都会先跑一遍单微网优化确认结果比实际账单更优然后再进入合作计算。6.2 储能SOC初值对结果影响储能SOC的初值和末值对共享功率计划影响很大。如果末时段SOC不约束回初始值模型会把储能能量在最后一个时段全部放空造成虚假成本节省如果约束末SOC等于初始SOC则需要保证时段间能量守恒。我在算例中把末时段SOC设为与初值相等并额外检查每个微网SOC曲线是否都在合理范围内。更隐蔽的问题是SOC递推公式里充放电效率如果放反会导致储能“既充电又放电也不耗能”的bug。因为充电效率和放电效率两个系数叠加只要有一处除以和乘以写反能量收支就会失真但总功率平衡依然满足模型照样能收敛结果却明显偏离物理实际。排查这种问题最简单的办法是固定某微网负荷和光伏都为0单独给储能一个充放电指令检查SOC变化是否符合效率约束。6.3 目标函数量纲和数值尺度前面提到过量纲问题这里再展开。假设光伏预测值用 kWh 而价格用 元/kWh24小时总成本在 1e4 量级纳什乘积改用 log 之后目标值在 1e1 量级不同约束的残差尺度差异巨大。部分求解器默认容差是 1e-6但面对 1e4 和 1e-2 并存的问题中位数尺度会偏移。我通常把成本统一到 元/MWh并把储能退化成本控制在 0.01~0.05 元/kWh 量级。另外P1 目标函数与 P2 的 log 目标函数分别求解不要让 log 项直接进入大规模LP里迭代否则会遇到大量目标函数值接近无穷或零的警告。6.4 共享功率矩阵的反直觉符号共享功率变量 Pshare 的符号定义很容易搞混。我上面定义 Pshare(i,t)0 表示微网 i 向外输出功率那么联盟共享功率守恒就是所有微网 Pshare(i,t) 求和为 0。负荷侧功率平衡中输出功率放在等号右边作为能量流出。如果符号定义反了守恒约束写成 sum(Pshare)0 依然成立因为可以同时反转所有符号但目标函数中与电价相乘时就会出错导致结算电价符号异常。建议在跑正式算例前先设置一个只有两个微网的简化场景手动验证一下功率流向和结算结果是否符合直觉。比如 MG1 光伏大发、MG2 缺电如果调度结果让 MG1 的 Pshare 为正、MG2 的 Pshare 为负、内部电价为正说明符号体系正确如果出现反向结果优先怀疑符号约定而不是模型结构。6.5 多时段耦合与计算时间当微网数增多到 5 个以上、时段数从24扩展到96时P1 的变量规模会快速增长。由于储能SOC约束在时段之间有耦合模型不是简单的静态LP求解时间会呈指数级上升。针对这个问题我一般使用滚动时域先跑一个96小时参考算例再把输出作为下一轮滚动优化的初值或者将联络线容量约束做安全约束聚合降低矩阵密度。还有一个实务技巧P1 线性规划求完后把共享功率计划固定下来单独将各微网内部分布式资源重新优化一遍验证是否与联盟结果一致。如果不一致说明某个微网的内部约束没有正确传入 P1这是多主体模型最常见的建模错误。最后再分享一个我个人的操作习惯每次跑完非对称纳什谈判模型我都会把各微网的“合作成本节省”和“独立运行成本”放到同一张表里同时附上权重向量和内部电价曲线让业务方看着这张表去讨论权重怎么设。这个模型真正难的地方不在推导而在让所有参与者相信“分钱规则是透明的”。权重是给人调的破裂点是给算法算的分清这两件事模型就成功了一大半。