考慮多主體主從博弈的多微網(wǎng)協(xié)調(diào)優(yōu)化調(diào)度

練小林，李曉露，曹 陽，張 鴻，黃海峰

（1.上海電力大學(xué)電氣工程學(xué)院，上海 200090；2.中國電力科學(xué)研究院有限公司，南京 210003）

為了應(yīng)對傳統(tǒng)能源枯竭、環(huán)境污染及氣候變化帶來的嚴(yán)峻挑戰(zhàn)，可再生能源得到迅速發(fā)展。微網(wǎng)作為一種容納分布式能源的重要組織形式，對電力系統(tǒng)安全運行有著重要作用[1]。隨著分布式能源滲透率的不斷提高，局部配電區(qū)域內(nèi)將存在多個微網(wǎng)。多微網(wǎng)之間通過電能交互能夠有效促進分布式能源就地消納，提高系統(tǒng)運行穩(wěn)定性[2]。

售電側(cè)電力體制改革的不斷推進使得擁有分布式能源的微網(wǎng)可以根據(jù)自身利益需求參與電能交易[3]。然而由于各微網(wǎng)屬于不同的利益主體，故不同微網(wǎng)的利益訴求不同。因此，如何在兼顧各方主體利益的前提下實現(xiàn)多微網(wǎng)協(xié)調(diào)運行是亟需解決的重要問題。

目前，眾多文獻已證明博弈論能夠有效解決多利益主體間的策略優(yōu)化問題[4-5]。在與多微網(wǎng)協(xié)調(diào)優(yōu)化相關(guān)的博弈方面，文獻[6]建立了配網(wǎng)和多微網(wǎng)之間的Stackelberg博弈模型，通過電價激勵增強微網(wǎng)間的電能交互。文獻[7]提出了基于合作博弈論的光伏微網(wǎng)群電能交易模型，降低了系統(tǒng)運行成本。然而，以上研究均忽視了微網(wǎng)的二重性，尚未從“源”、“荷”兩個角度出發(fā)，對多微網(wǎng)優(yōu)化調(diào)度進行深入研究。

在充分考慮微網(wǎng)二重性的情況下，文獻[8-10]提出了基于雙向拍賣機制的多微網(wǎng)能量優(yōu)化模型，通過雙向拍賣交易機制解決買賣雙方交易過程中的規(guī)則、秩序問題。文獻[11]通過采用合作博弈論及引入報價矩陣建立了買賣雙方多主體參與電能交易的競價機制，但未對多個買方及多個賣方之間的博弈問題進行研究。文獻[12]提出了基于多智能體的多微網(wǎng)電能交易策略，通過采用非合作博弈確定賣方的最優(yōu)售電方案，但未考慮買方之間的博弈行為。文獻[13]充分考慮多主體間的博弈問題，提出了基于主從博弈的多微網(wǎng)電能交易模型，但僅適用于多微網(wǎng)供需平衡的情況，未考慮買賣雙方需求不等的情況。

針對以上問題，本文提出考慮多主體主從博弈的多微網(wǎng)協(xié)調(diào)優(yōu)化模型。日前調(diào)度階段以微網(wǎng)運行成本最低為目標(biāo)優(yōu)化儲能充放電功率；實時調(diào)度階段通過建立多主體主從博弈模型研究多微網(wǎng)間電能交互問題。其創(chuàng)新性在于：①充分考慮微網(wǎng)二重性，建立了發(fā)電微網(wǎng)、用戶微網(wǎng)的多主多從博弈模型，并證明了該模型均衡解的存在性；②通過非合作博弈模擬發(fā)電微網(wǎng)之間價格競爭的同時，采用演化博弈求解多微網(wǎng)間電力消費行為策略；③采用二次效用函數(shù)描述微網(wǎng)的需求側(cè)滿意度大小，并分析其對多微網(wǎng)協(xié)調(diào)優(yōu)化產(chǎn)生的影響。

1 多微網(wǎng)兩階段協(xié)調(diào)優(yōu)化模型

綜合考慮可再生能源出力和負(fù)荷需求的波動性，本文的優(yōu)化階段包括日前階段和實時階段。日前優(yōu)化階段，根據(jù)可再生能源和負(fù)荷的日前預(yù)測數(shù)據(jù)，以微網(wǎng)運行成本最低為目標(biāo)，優(yōu)化儲能充放電功率；實時優(yōu)化階段，基于儲能日前充放電計劃及可再生能源出力和負(fù)荷功率波動，通過構(gòu)建多主體主從博弈模型，實時協(xié)調(diào)優(yōu)化微網(wǎng)間的交互電能。

1.1 日前調(diào)度模型

1.1.1 目標(biāo)函數(shù)

微網(wǎng)的運行成本主要包括儲能系統(tǒng)運行成本、負(fù)荷調(diào)度補償成本、微網(wǎng)間電能交易成本以及微網(wǎng)與配電網(wǎng)之間的電能交易成本，故日前調(diào)度的目標(biāo)函數(shù)為

各成本的具體表達(dá)式如下：

1.1.2 約束條件

1）功率平衡約束

2）儲能電池運行約束

儲能電池的壽命與充放電深度密切相關(guān)，過充和過放都將加快電池的老化速度，故儲能系統(tǒng)應(yīng)滿足以下約束。

儲能充放電功率約束為

此外，在同一時段，儲能系統(tǒng)不能即充電又放電，故還應(yīng)滿足儲能充電功率和放電功率兩者乘積為零這一約束條件。

儲能容量約束為

式中：Ek,t為t時段微網(wǎng)k儲能電池的電量；為微網(wǎng)k儲能系統(tǒng)的額定容量；為微網(wǎng)k儲能電池荷電狀態(tài)的最小值；分別為t時段微網(wǎng)k儲能的充、放電效率。

3）微網(wǎng)間交互功率約束

4）微網(wǎng)與配電網(wǎng)間交互功率約束

類似地，微網(wǎng)與配電網(wǎng)之間的交互功率也應(yīng)滿足購電功率與售電功率兩者乘積為零這一約束。

1.2 實時多主體主從博弈模型

1.2.1 多主體主從博弈結(jié)構(gòu)

實時調(diào)度階段，根據(jù)供需比系數(shù)SDR（supply-todemand ratio）[14]，將微網(wǎng)分為發(fā)電微網(wǎng)和用戶微網(wǎng)。

當(dāng)SDRk,t＜1時，定義t時段的微網(wǎng)k為用戶微網(wǎng)，其集合用I表示；當(dāng)SDRk,t＞1時，定義t時段的微網(wǎng)k為發(fā)電微網(wǎng)，其集合用J表示。

為了協(xié)調(diào)微網(wǎng)間電能交互，本文將發(fā)電微網(wǎng)與用戶微網(wǎng)之間的策略互動視為Stackelberg博弈過程，主方為發(fā)電微網(wǎng)，從方為用戶微網(wǎng)。博弈關(guān)系包括以下三種：①發(fā)電微網(wǎng)和用戶微網(wǎng)之間的Stackelberg主從博弈。發(fā)電微網(wǎng)以自身經(jīng)濟最優(yōu)發(fā)布電能價格，用戶微網(wǎng)根據(jù)價格信息做出最優(yōu)選擇，并反饋給發(fā)電微網(wǎng)；②發(fā)電微網(wǎng)之間的非合作博弈。發(fā)電微網(wǎng)根據(jù)用戶微網(wǎng)的行為策略展開價格競爭，最終達(dá)到均衡狀態(tài)；③用戶微網(wǎng)的演化博弈。用戶微網(wǎng)之間通過演化博弈模擬行為演化。多主體主從博弈結(jié)構(gòu)如圖1所示。

圖1 多主體主從博弈結(jié)構(gòu)Fig.1 Multi-agent leader-follower game structure

1.2.2 微網(wǎng)效用函數(shù)

由于微網(wǎng)在各時段的供需特性不同，因此對于相同電價，其用電行為也不同。為了描述其用電行為偏好可以采用效用函數(shù)。此類效用函數(shù)主要包括對數(shù)效用函數(shù)和二次效用函數(shù)兩種[15]。由于此類函數(shù)關(guān)于用電量具有單調(diào)不減的特征，從而保證其具有線性邊際收益，可表示每個微網(wǎng)用電所帶來的滿意度大小。本文采用二次效用函數(shù)來描述微網(wǎng)需求側(cè)滿意度大小。

（1）用戶微網(wǎng)的效用函數(shù)。用戶微網(wǎng)由于電能供應(yīng)量無法滿足負(fù)荷需求，需要購買電能以滿足供需平衡，其效用函數(shù)為

式中：αi,t為t時段用戶微網(wǎng)i的需求側(cè)滿意度系數(shù)；Pi,t為t時段用戶微網(wǎng)i實時優(yōu)化后的負(fù)荷需求量；Pij,t為t時段用戶微網(wǎng)i與發(fā)電微網(wǎng)j之間的交易電量；βt為大于零的常數(shù)；λj,t為t時段發(fā)電微網(wǎng)j發(fā)布的電能價格。

用戶微網(wǎng)購買電能時存在以下約束：

（2）發(fā)電微網(wǎng)的效用函數(shù)。發(fā)電微網(wǎng)通過出售過剩電能以提升經(jīng)濟收益，其效用函數(shù)為

式中：αj,t為t時段發(fā)電微網(wǎng)j的需求側(cè)滿意度系數(shù)；為t時段發(fā)電微網(wǎng)j的實時負(fù)荷需求量；Pj,t為t時段發(fā)電微網(wǎng)j的過剩電量；Qj,t為t時段用戶微網(wǎng)從發(fā)電微網(wǎng)j購買的總電量；φj,t為t時段發(fā)電微網(wǎng)j的出售電量，φj,t=min( )Pj,t,Qj,t，φj,t應(yīng)滿足以下約束：

1.2.3 多主體主從博弈均衡解的存在性

1）用戶微網(wǎng)的演化博弈

在演化博弈過程中，每個用戶微網(wǎng)根據(jù)發(fā)電微網(wǎng)發(fā)布的電能價格選擇一個發(fā)電微網(wǎng)購買電能，同時通過不斷學(xué)習(xí)和進化，根據(jù)歷史經(jīng)驗來調(diào)整自身策略。經(jīng)過一段時間，所有用戶微網(wǎng)最終會趨于某個穩(wěn)定策略，從而達(dá)到演化均衡。

假設(shè)用戶微網(wǎng)在時段t選擇發(fā)電微網(wǎng)j購買電能的概率為ρj,t，且ρj,t滿足以下條件：

由式（12）可得，t時段用戶微網(wǎng)i的最優(yōu)購買電量為

由此可得，t時段用戶微網(wǎng)需要從發(fā)電微網(wǎng)j購買的總電量為

考慮到發(fā)電微網(wǎng)j自身的過剩電量可能不足以滿足所有用戶微網(wǎng)的購電需求，故t時段用戶微網(wǎng)i與發(fā)電微網(wǎng)j之間的實際電能交易量為

兩種情況下，t時段發(fā)電微網(wǎng)j可獲得的效用?j,t可表示為

在演化博弈過程中，用戶微網(wǎng)基于各策略適應(yīng)度不斷對策略進行選擇和進化，故各種策略的概率會發(fā)生動態(tài)變化。博弈演化的復(fù)制動態(tài)可描述為

為了獲得博弈的演化均衡策略，需求解式（22）的穩(wěn)定奇點，即

2）發(fā)電微網(wǎng)的非合作博弈

為了求解發(fā)電微網(wǎng)的非合作博弈模型，需要尋找納什均衡點。根據(jù)納什均衡點存在性定理：在有限個參與人的博弈問題中，若參與人的策略集合是閉的、有界的凸子集，且策略空間上的每一個效用函數(shù)是擬凹和連續(xù)的，則該博弈問題存在納什均衡點。

在發(fā)電微網(wǎng)的非合作博弈中，參與人是發(fā)電微網(wǎng)，電能價格是發(fā)電微網(wǎng)的策略。發(fā)電微網(wǎng)的效用函數(shù)為

式中，發(fā)電微網(wǎng)的個數(shù)為j個，即博弈的參與人是有限的。電能價格。因此，j個發(fā)電微網(wǎng)的價格策略集合是閉的、有界的凸子集，且當(dāng)發(fā)電微網(wǎng)j參與電能交易時必然有對應(yīng)的價格策略存在，故策略集合非空。

此外，由式（19）可知，用戶微網(wǎng)的總購電需求為

將式（27）代入式（26）可得發(fā)電微網(wǎng)的效用函數(shù)為

3）發(fā)電微網(wǎng)和用戶微網(wǎng)之間的Stackelberg博弈

在發(fā)電微網(wǎng)和用戶微網(wǎng)之間策略互動形成的Stackelberg博弈中，當(dāng)發(fā)電微網(wǎng)通過非合作博弈發(fā)布電能價格時，用戶微網(wǎng)根據(jù)所得價格信息進行動態(tài)演化以達(dá)到演化均衡。由上述可知，非合作博弈存在均衡解，同時演化博弈的收斂性已得到保證。因此，通過重復(fù)上述過程可獲得微網(wǎng)間電能交互策略，即Stackelberg博弈存在均衡解。

2 模型求解

2.1 日前調(diào)度模型求解

本文選取改進的粒子群優(yōu)化算法對日前調(diào)度模型進行求解。相比于標(biāo)準(zhǔn)粒子群算法，本文選取的改進粒子群算法引入了模擬退火思想。通過利用模擬退火算法在一定概率控制下能夠接受一些劣質(zhì)解的特性，克服標(biāo)準(zhǔn)粒子群算法易陷入局部最優(yōu)的弊端，改善算法的收斂性能。日前調(diào)度模型的求解流程如圖2所示，具體步驟如下：

步驟1輸入基礎(chǔ)數(shù)據(jù)（可再生能源出力、負(fù)荷需求、儲能數(shù)據(jù)等）；

步驟2初始化粒子群算法的相關(guān)參數(shù)（粒子的個數(shù)、迭代次數(shù)及粒子的速度和位置）；

步驟3設(shè)置模擬退火的初始溫度，計算個體最優(yōu)解和全局最優(yōu)解；

步驟4更新粒子的速度和位置，并計算每個粒子的適應(yīng)度值；

步驟5為粒子隨機產(chǎn)生一個新位置，判斷新舊 位 置 的 適 應(yīng) 度 之 差 ΔC。 若 ΔC＜0或exp(- ΔC∕T) ΔC＞rand(0 ,1)，粒子進入新位置；否則根據(jù)當(dāng)前速度和位置計算粒子適應(yīng)度值；

步驟6更新個體最優(yōu)解和全局最優(yōu)解；

步驟7判斷是否滿足終止條件。若滿足條件，則執(zhí)行步驟8，若不滿足條件，則跳到步驟4；

步驟8輸出優(yōu)化結(jié)果。

圖2 日前調(diào)度模型的求解流程Fig.2 Flow chart of day-ahead scheduling model solving

2.2 實時博弈模型求解

在求解實時博弈模型時，用戶微網(wǎng)首先根據(jù)發(fā)電微網(wǎng)發(fā)布的電能價格確定最優(yōu)行為策略，然后發(fā)電微網(wǎng)根據(jù)用戶微網(wǎng)的行為策略調(diào)整電能價格，并反饋給用戶微網(wǎng)，最終通過多回合博弈求得主從博弈均衡解。求解流程如圖3所示。

圖3 實時博弈模型的求解流程Fig.3 Flow chart of real-time game model solving

其中，發(fā)電微網(wǎng)的非合作博弈均衡解求解過程和用戶微網(wǎng)的演化博弈均衡解求解過程如下。

（1）初始化電能價格，令非合作博弈迭代次數(shù)n=1。

（2）根據(jù)演化博弈均衡解，發(fā)電微網(wǎng)可獲得用戶微網(wǎng)的總購電需求。

（3）發(fā)電微網(wǎng)根據(jù)式（29）計算自身價格更新策略為

式中，η1為步長因子。

（4）令n=n+1，重復(fù)上述步驟，直至滿足以下條件。

式中，ε1為允許誤差。

用戶微網(wǎng)的演化博弈求解過程如下。

（1）數(shù)據(jù)初始化，令演化博弈迭代次數(shù)m=1。

（2）根據(jù)發(fā)電微網(wǎng)發(fā)布的電能價格，每個用戶微網(wǎng)選擇一個發(fā)電微網(wǎng)j購買電能，并計算發(fā)電微網(wǎng)j的效用和平均效用值。

（3）根據(jù)式（31）更新用戶微網(wǎng)的演化行為策略為

式中，η2為步長因子。

（4）令m=m+1，重復(fù)上述步驟，直至滿足以下條件。

式中，ε2為允許誤差。

3 算例分析

3.1 基礎(chǔ)數(shù)據(jù)

本文選取 5個互聯(lián)微網(wǎng)（MG1、MG2、MG3、MG4、MG5）進行仿真分析。各微網(wǎng)的可再生能源出力預(yù)測曲線如圖4所示，實時出力的波動范圍為預(yù)測出力的90%～110%；負(fù)荷需求預(yù)測曲線如圖5所示，實時需求的波動范圍為預(yù)測負(fù)荷需求的95%～105%。儲能系統(tǒng)的額定容量為300 kW·h，最大允許充放電功率為100 kW，充放電效率均為0.9，折舊率取0.005元∕kW2。配電網(wǎng)購售電價如表1，微網(wǎng)間日前交易電價的制定見文獻[16]。微網(wǎng)需求側(cè)滿意度系數(shù)的取值范圍為[5，10]，β取值0.5。算例調(diào)度周期取一天，以1 h為步長將一天分為24個時段選擇調(diào)度時間段為當(dāng)日零點至次日零點。

圖4 可再生能源出力預(yù)測曲線Fig.4 Forecasting curves of renewable energy output

圖5 負(fù)荷需求預(yù)測曲線Fig.5 Forecasting curves of load demand

表1 分時電價Tab.1 TOU electricity rates

3.2 優(yōu)化結(jié)果分析

3.2.1 日前優(yōu)化結(jié)果

1）日前儲能優(yōu)化結(jié)果

儲能的日前充放電功率優(yōu)化結(jié)果如圖6所示。

圖6 儲能日前充放電功率Fig.6 Day-ahead charge and discharge power of energy storage

從圖6可以看出，在時段1:00—6:00，各微網(wǎng)的儲能系統(tǒng)僅充電不放電，從而將谷電價時段的電能存儲起來，滿足平時段和峰時段的負(fù)荷需求。在時段10:00—17:00，儲能通過繼續(xù)充電來消納本地過?？稍偕茉矗詽M足晚高峰時段的負(fù)荷需求增長。在時段18:00—22:00，MG1、MG2和MG4的儲能放電以滿足由于可再生能源出力不足造成的電能短缺。MG3和MG5的儲能放電功率在滿足自身負(fù)荷需求的同時，通過將電能出售給其他微網(wǎng)來促進系統(tǒng)供需平衡，提高經(jīng)濟效用。

3.2.2 實時優(yōu)化結(jié)果

實時優(yōu)化結(jié)果將以時段3（MG1、MG2和MG4為用戶微網(wǎng)，MG3和MG5為發(fā)電微網(wǎng)）為例，從模型收斂性、發(fā)電微網(wǎng)的經(jīng)濟效益和可再生能源出力預(yù)測偏差的影響三個方面進行分析。

（1）模型收斂性。用戶微網(wǎng)購買電能的概率收斂過程和發(fā)電微網(wǎng)電能價格的收斂過程如圖7與圖8所示。用戶微網(wǎng)電量需求的收斂過程如圖9所示。

圖7 用戶微網(wǎng)購買電能的概率收斂過程Fig.7 Probability convergence process of electricity purchased by user-microgrid

圖8 發(fā)電微網(wǎng)電能價格的收斂過程Fig.8 Convergence process of generator-microgrid’electricity price

圖9 用戶微網(wǎng)電量需求的收斂過程Fig.9 Convergence process of user-microgrid’electricity demand

由圖7可知，用戶微網(wǎng)從發(fā)電微網(wǎng)購買電能的概率能夠快速收斂到均衡值，即用戶微網(wǎng)的動態(tài)行為達(dá)到演化均衡。由圖8可知，發(fā)電微網(wǎng)的售電電價最終收斂到了一個固定值，此時發(fā)電微網(wǎng)之間的非合作價格競爭達(dá)到均衡，與演化均衡一起，構(gòu)成用戶微網(wǎng)和發(fā)電微網(wǎng)之間的主從博弈均衡。由此驗證了實時博弈模型的收斂性。通過比較圖8與圖9可以發(fā)現(xiàn)，當(dāng)發(fā)電微網(wǎng)的售電電價增加時，用戶微網(wǎng)的電量需求呈下降趨勢，與微網(wǎng)實際電力消費行為保持一致。

（2）發(fā)電微網(wǎng)的經(jīng)濟效益。為了分析發(fā)電微網(wǎng)之間進行博弈對其經(jīng)濟效益的影響，將發(fā)電微網(wǎng)間無博弈和有博弈兩種情況下的經(jīng)濟效益進行了對比，如圖10所示。從圖中可以看出，相比于發(fā)電微網(wǎng)間無博弈的情況，發(fā)電微網(wǎng)間有博弈時的經(jīng)濟效益更高。當(dāng)計及發(fā)電微網(wǎng)間的博弈時，發(fā)電微網(wǎng)享有議價權(quán)，即其電能價格不再是日前售電電價，而是能夠根據(jù)自身利益對電能價格進行優(yōu)化，故發(fā)電微網(wǎng)間進行博弈對提升系統(tǒng)經(jīng)濟性有著促進作用。

圖10 發(fā)電微網(wǎng)的經(jīng)濟效益Fig.10 Economic profits of generator-microgrid

（3）可再生能源出力預(yù)測偏差的影響。為了探究風(fēng)光出力預(yù)測偏差對主從博弈造成的影響，給出了不同預(yù)測偏差下主從博弈的迭代次數(shù)，如圖11所示。

圖11 不同預(yù)測偏差下主從博弈的迭代次數(shù)Fig.11 Iteration numbers of leader-follower game with different prediction deviations

從圖11可以看出，風(fēng)光出力預(yù)測偏差與主從博弈迭代次數(shù)之間的關(guān)系曲線變化非常平緩。當(dāng)預(yù)測偏差為0時，用戶微網(wǎng)的總需求電量大于發(fā)電微網(wǎng)的總供應(yīng)電量。在預(yù)測偏差從0增大至0.2的過程中，用戶微網(wǎng)的總需求電量逐漸減小，發(fā)電微網(wǎng)的總供應(yīng)電量逐漸增大，從而使得兩者之間的差值逐漸變小，此時迭代次數(shù)略微減小。反之，在預(yù)測偏差從0減小至-0.2的過程中，用戶微網(wǎng)的總需求電量逐漸增大，發(fā)電微網(wǎng)的總供應(yīng)電量逐漸減小，從而使得兩者之間的差值逐漸變大，此時迭代次數(shù)略微增加。但是預(yù)測偏差的變化并未對主從博弈迭代次數(shù)產(chǎn)生過多影響。在下一步的工作中，將針對大規(guī)?；ヂ?lián)微網(wǎng)，深入探究可再生能源出力不確定性對微網(wǎng)間主從博弈的影響。

3.2.3 對比分析

為了驗證所提模型的有效性和經(jīng)濟性，將以下調(diào)度策略進行對比分析：策略1以微網(wǎng)經(jīng)濟性為目標(biāo)，微網(wǎng)間無電能交互且不考慮需求側(cè)負(fù)荷同時不計及需求側(cè)滿意度；策略2在策略1的基礎(chǔ)上考慮微網(wǎng)間電能交互；策略3在策略2的基礎(chǔ)上考慮需求側(cè)負(fù)荷同時計及需求側(cè)滿意度（本文模型）。下面將從微網(wǎng)與配電網(wǎng)之間的電能交互和微網(wǎng)經(jīng)濟性兩個方面進行分析。

（1）微網(wǎng)與配電網(wǎng)之間的電能交互結(jié)果分析。MG1與配電網(wǎng)之間的電能交互結(jié)果如圖12所示，其余微網(wǎng)的仿真結(jié)果如圖13。

圖12 微網(wǎng)MG1與配電網(wǎng)之間的電能交互Fig.12 Electricity interactions between microgrid MG1 and distribution network

圖13 其余微網(wǎng)與配電網(wǎng)之間的電能交互Fig.13 Electricity interactions between the others microgrids and distribution network

從圖12可以看出，相比于策略1，在策略2和策略3下MG1與配電網(wǎng)間的交易電量均明顯減小。當(dāng)計及微網(wǎng)間電能交互時，在市場均衡的情況下，MG1可以向其他微網(wǎng)購買或出售電能，從而有效減小微網(wǎng)與配電網(wǎng)之間的交易電量，降低多微網(wǎng)接入給配電網(wǎng)造成的影響。此外，通過比較策略2和策略3可以發(fā)現(xiàn)，在時段11：00—14：00和時段16：00—21：00，策略3下MG1與配電網(wǎng)之間的交易電量有所減小。該現(xiàn)象表明，需求側(cè)負(fù)荷能夠有效促進微網(wǎng)間電能交互，充分消納過?？稍偕茉?。

（2）微網(wǎng)經(jīng)濟性。三種策略下微網(wǎng)的運行成本如表2所示。由此可得，策略1下各微網(wǎng)的運行成本最高，策略3下各微網(wǎng)的經(jīng)濟性最優(yōu)。由于微網(wǎng)間的電能交易價格介于配電網(wǎng)的購售電價之間，故通過促進微網(wǎng)間電能交互能夠明顯提升系統(tǒng)經(jīng)濟效用。以MG1為例，相比于策略1，策略2下MG1的運行成本降低了7.6%；相比于策略2，策略3下MG1的運行成本降低了1.8%。對多微網(wǎng)系統(tǒng)而言，三種策略下多微網(wǎng)系統(tǒng)的總運行成本依次降低10.8%和2.3%，提高了系統(tǒng)運行經(jīng)濟性。

表2 微網(wǎng)的運行成本Tab.2 Operating costs of microgrids元

4 結(jié)論

本文提出了考慮多主體主從博弈的多微網(wǎng)協(xié)調(diào)優(yōu)化模型，并驗證了博弈模型的收斂性，以及對比分析了不同調(diào)度策略下的優(yōu)化結(jié)果，最終得出以下結(jié)論：

（1）實時博弈階段可以較快地在發(fā)電微網(wǎng)和用戶微網(wǎng)之間形成基于動態(tài)定價的電能交易策略，提高系統(tǒng)經(jīng)濟效益，促進系統(tǒng)供需平衡；

（2）所提模型通過日前和實時兩階段協(xié)調(diào)優(yōu)化減小了可再生能源出力波動性對系統(tǒng)造成的影響。

此外，通過計及微網(wǎng)間電能交互及需求側(cè)負(fù)荷實現(xiàn)了可再生能源的充分消納，降低了多微網(wǎng)對配電網(wǎng)的依賴性，確保了系統(tǒng)安全穩(wěn)定經(jīng)濟運行。