虚拟电厂主从博弈模型与Kriging元模型优化实践

1. 虚拟电厂与主从博弈的背景与挑战

在能源转型的大背景下，虚拟电厂（Virtual Power Plant, VPP）作为聚合分布式能源资源的关键技术，正面临前所未有的发展机遇与挑战。传统电力系统中，发电、输电、配电环节高度集中，而随着可再生能源占比提升，这种集中式架构已难以适应分布式光伏、风电、储能等资源的并网需求。虚拟电厂通过先进的信息通信技术和控制算法，将地理分散的分布式能源聚合成一个可控的整体，参与电力市场交易和电网调度。

然而，当多个虚拟电厂归属于不同利益主体时，简单的集中优化调度方法不再适用。配电网运营商（Distribution System Operator, DSO）需要制定合理的电价策略，引导各VPP优化自身运行，同时确保整体系统经济性和安全性。这种多主体间的交互天然适合用博弈论建模，特别是主从博弈（Stackelberg Game）框架，其中DSO作为领导者制定电价策略，各VPP作为跟随者响应电价调整自身出力。

2. 主从博弈模型构建与数学表达

2.1 双层优化框架设计

主从博弈模型本质上是一个双层优化问题。上层模型代表DSO的决策，目标是最大化自身收益；下层模型代表各VPP的决策，目标是最小化运行成本。这两个层级通过电价信号和电量响应相互耦合。

上层模型的关键变量是24个时段的购电价λ_t^{DA,b}和售电价λ_t^{DA,s}。DSO的收益来自两方面：与主网的购售电差价，以及与各VPP的交易收益。其目标函数可表示为：

max C^{DSO} = ∑[ (λ_t^{W,s}P_t^{DSO,s} - λ_t^{W,b}P_t^{DSO,b})

• (λ_t^{DA,b}∑P_{j,t}^{VPP,b} - λ_t^{DA,s}∑P_{j,t}^{VPP,s}) ]

其中λ_t^{W,s}和λ_t^{W,b}分别是上网电价和电网电价，P_t^{DSO,s}和P_t^{DSO,b}是DSO与主网的交易电量，P_{j,t}^{VPP,s}和P_{j,t}^{VPP,b}是第j个VPP与DSO的交易电量。

2.2 VPP下层模型细节

每个VPP的下层模型需要考虑内部多种分布式资源的特性：

• 微型燃气轮机（MT）：二次成本函数 C_{i,t}^{MT} = a_i(P_{i,t}^{MT})^2