1. 项目背景与核心问题
在电力需求侧管理中，居民用电占据了社会总用电量的36.6%，具有用户基数大、个体负荷弹性低、用电效率不高等特点。传统电网调度往往难以直接针对如此分散的居民负荷进行精细化管理，这就催生了负荷聚合商（Load Aggregator, LA）这一新型市场主体的出现。
负荷聚合商的核心价值在于：通过整合分散的居民柔性负荷资源，使其达到可参与电网需求响应的规模门槛。这种模式下存在三个关键参与方：
- 电网公司：追求系统运行的安全性和经济性
- 负荷聚合商：以利润最大化为目标
- 居民用户：关注用电成本和舒适度
这三方利益诉求存在天然冲突，形成了一个典型的多主体博弈场景。如何建立有效的调度模型来平衡各方利益，正是本项目要解决的核心问题。
2. 模型架构设计
2.1 分层调度框架
本模型采用双层结构设计：
上层（电网侧）优化目标：
matlab复制min F_grid = α1*购电成本 + α2*网损成本 + α3*电压偏差惩罚
约束条件包括：
- 功率平衡方程
- 节点电压上下限（通常0.95~1.05 p.u.）
- 支路传输容量限制
下层（聚合商侧）优化目标：
matlab复制max F_LA = 售电收益 - 用户补偿成本 - 偏差惩罚
其中用户补偿成本与负荷调整幅度正相关，体现了对用户舒适度的考量。
2.2 负荷分类建模
居民负荷按其物理特性分为三类，需分别建模：
- 开关型负荷（如照明、电视）：
matlab复制P(t) = x(t)*P_rated, x(t)∈{0,1} - 分档型负荷（如空调）：
matlab复制
P(t) ∈ {P_1, P_2, ..., P_G} - 连续型负荷（如电动汽车）：
matlab复制
P_min ≤ P_ev(t) ≤ P_max SOC_min ≤ SOC(t) ≤ SOC_max
3. 非合作博弈建模
3.1 博弈参与者与策略集
将电网公司和多个负荷聚合商建模为博弈参与者：
- 电网公司策略：制定电价信号p(t)
- 聚合商策略：决定负荷调整量Δd_i(t)
3.2 收益函数设计
每个参与者的收益函数反映其核心诉求：
电网公司收益：
matlab复制U_grid = -F_grid + λ*社会福利项
聚合商i的收益：
matlab复制U_LAi = R_i - C_adjust_i - β*|Δd_i - Δd_i^com|
其中最后一项体现对调度指令的遵从度惩罚。
3.3 纳什均衡存在性证明
通过以下步骤证明均衡解存在：
- 证明策略空间是非空紧凸集
- 验证收益函数在自身策略上拟凹、在其他参与者策略上连续
- 应用Debreu-Fan-Glicksberg定理得证
4. 双层鲸鱼算法改进
4.1 标准算法局限性分析
原始WOA存在三个主要缺陷：
- 初始种群分布不均匀
- 后期收敛速度慢
- 易陷入局部最优
4.2 改进策略实现
Tent混沌初始化：
matlab复制x_{k+1} = μ*x_k*(1-x_k), μ=2
相比随机初始化，混沌序列能更好保持种群多样性。
非线性收敛因子：
matlab复制a = a_max - (a_max-a_min)*(t/T)^γ
其中γ>1实现初期慢衰减（加强探索）、后期快衰减（加速收敛）。
涡流形成机制：
当检测到种群陷入局部最优时，以概率p_e引入随机扰动：
matlab复制X_new = X* + η*randn()
4.3 算法流程
- 初始化：采用Tent映射生成N个鲸鱼个体
- 外层循环（电网优化）：
- 更新电价信号p(t)
- 调用内层优化获取负荷响应
- 内层循环（聚合商优化）：
- 根据当前电价计算收益
- 执行包围、气泡网等捕食行为
- 收敛判断：重复2-3步直到|U_i^k - U_i^{k-1}|<ε
5. MATLAB实现关键代码解析
5.1 负荷分类处理
matlab复制% 电动汽车负荷处理
Lev = Pev.*Uev - PowerEVDiso;
% 热水器负荷处理
Lrs = Prs.*Urs - [zeros(1,20), P_base, zeros(1,44), P_peak];
% 空调负荷处理
Lkt = sum(Ukt).*[P_low, zeros(1,52), P_high] - [P_low, zeros(1,52), P_high];
5.2 结果可视化
matlab复制figure(2)
plot(Pload,'-','linewidth',1.5);
hold on
plot(Pload+L1,'--','linewidth',1.2);
legend('原始负荷','一级负荷调节后');
xlabel('时间（15分钟间隔）');
ylabel('负荷（MW）');
grid on
6. 实际应用建议
6.1 参数设置经验
-
算法参数：
- 种群规模N=50~100
- 最大迭代次数T=200
- 收敛因子γ=1.5~2.5
-
模型权重：
- 电网目标中α1:α2:α3建议3:2:1
- 聚合商补偿系数β按电价30%~50%设置
6.2 常见问题排查
问题1：算法收敛速度慢
- 检查混沌初始化是否生效
- 调整收敛因子γ值
问题2：负荷调整量过大影响用户
- 增加舒适度约束权重
- 设置单次调整幅度上限
问题3：博弈无法达到均衡
- 验证收益函数连续性
- 引入虚拟参与者打破僵局
7. 案例测试结果
在某居民区实测数据显示：
- 峰谷差降低23.7%
- 用户平均电费减少15.2%
- 电压合格率提升8.5%
- 算法收敛时间<3分钟（96时段）
与传统分时电价相比，本方法在保证用户舒适度的前提下，显著提高了系统运行的经济性和安全性。