非对称纳什谈判求解多微网电能共享：建模、分布式算法与工程实践

前阵子做微电网群协同运行的仿真，被一个问题卡了很久：几个微网明明可以通过联络线互相支援，却因为“谁帮谁、怎么算账”谈不拢，最后只能各买各的电、各吃各的亏。后来我把思路转到非对称纳什谈判上，把多微网电能共享拆成“先算物理上怎么交换、再谈经济上怎么分钱”两层，整个问题一下子通透了。这篇文章就是围绕这个方向做的完整梳理，包含模型推导、分布式求解、算例设计和一堆我实测踩过的坑，适合正在做微电网群调度、综合能源系统交易策略，或者刚入门合作博弈但还没想清楚怎么建模的同学参考。

1. 为什么微电网之间需要“坐下来谈”——电能共享的问题起点

1.1 不共享时，每个微网都在被系统“割韭菜”

单独看一个微网，它无非就是光伏、储能、负荷、跟主网的电能交互。单微网运行的时候，一切都很简单：负荷不够了从主网购电，光伏多了要么给储能充、要么低价卖给主网。可一旦你同时运行好几个微网，问题就来了。

举个最典型的场景：A微网是工业园区，白天负荷平缓但总量大；B微网是居民小区，白天大家都在上班，负荷低，屋顶光伏大量溢出；C微网有商业楼宇，傍晚下班后照明和空调负荷飙升。如果三个微网各自独立运行，B中午的余电只能以很低的补贴价上网，A和C在午间、傍晚都要从主网买高价电。三点之间明明有联络线，却因为是“各自的利益主体”而无法互相利用。

这就是多微网电能共享的第一个动机：时间错峰、空间互补的红利客观存在，但需要一个机制把它释放出来。

1.2 共享的本质不是“拉根线”，而是“分好账”

很多人第一次接触电能共享，以为技术难点在联络线、在潮流控制、在功率平衡。其实这些在单微网时代就有成熟技术，真正的难点是利益分配。

电能共享不是公益行为。每个微网都有自己的运行成本、自己的售购电策略、自己的风险偏好。A把电卖给B，电从A的线路流过，A承担了网损和调节压力，如果最后分账时A没拿到足够好处，那这单交易就是不可持续的。

形象点说，多微网电能共享就像一个四合院里几户人家商量着互相借电，物理上的电线好拉，难的是每家都觉得自己“帮了忙却没落到好”。这种问题天然适合用博弈论里的谈判模型来解决，而不是单纯靠优化算法算一个“全局最优解”——因为全局最优解可能对某个微网不利，它就不会执行。

1.3 为什么非对称纳什谈判正好适合这个场景

纳什谈判解（Nash Bargaining Solution）在合作博弈里是非常经典的存在。它解决的核心问题是：一组参与者合作能产生总收益，但最终怎么分这笔收益，才能让每个人都满意、都愿意继续合作？

对称纳什谈判假设每个参与者的谈判地位相同，大家平分合作剩余。但实际微网之间怎么可能平等？有的微网是主力电源，有的是纯负荷；有的储能容量大、调节能力强，有的连无功支撑都做不到。这时候必须引入非对称权重，让贡献大的、承担风险大的微网在分账时获得更多话语权。

这也是标题里“非对称”三个字的核心价值：它不是把模型变复杂，而是让模型从“理想公平”走向“现实公平”。

2. 纳什谈判到底在谈什么——非对称模型的理论底座

2.1 谈判破裂点：不谈就崩，大家都拿保底收益

纳什谈判里最基础的概念是“谈判破裂点”（disagreement point），也叫现状点。直观理解就是：如果几个微网谈不拢、不合作了，各自能达到的最好收益是多少。

在多微网电能共享里，谈判破裂点就是每个微网独立运行的最优成本。这个值必须单独算，而且必须准确，因为后面所有“合作剩余”都要基于它来度量。

设微网 i 不参与共享时的最优运行成本为 C_i0，参与共享后运行成本为 C_i。那么合作带来的“效用增量”就是 C_i0 - C_i，也就是这个微网因为参与共享而省下的钱。注意这里成本越低越好，所以效用增量越大越有动力参与合作。

有人问为什么不用收益而用成本，因为微网的收益结构很复杂（有售电收益、补贴、碳资产等），统一折算成运行成本最方便，也最容易被工程人员接受。实际项目里，新能源微网可能还有绿证收益，这部分如果值得考虑，可以在目标函数里加入负成本项，但核心逻辑不变。

2.2 从对称到非对称，纳什乘积发生了什么变化

对称纳什谈判解是最大化所有参与者效用增量的乘积：

max ∏ (U_i - U_i0)

其中 U_i 是参与者 i 合作后的效用，U_i0 是破裂点效用。这个乘积形式有个很好的性质：它天然惩罚“任何一方拿得太少”的方案。如果某一方的效用增量接近零，整个乘积就会被压得很低，所以最优解会照顾到所有参与者。

非对称纳什谈判解只是在乘积里加入权重指数：

max ∏ (U_i - U_i0)^{ω_i}

ω_i 就是微网 i 的谈判权重，ω_i > 0，且一般归一化让 ∑ω_i = 1。权重越大的微网，在纳什乘积中的“话语权”越大，最后分到的合作剩余也越多。

这个形式看着只是加了指数，但它的数学性质完全变了：对称解落在帕累托前沿的“平分点”附近，非对称解会沿着帕累托前沿滑向高权重一方。

2.3 权重代表了什么，谁来决定权重

权重是非对称纳什谈判里最灵活的杠杆。它不是一个物理量，而是对参与者议价能力的量化，所以在实际建模时，需要根据场景特征来确定。

我从文献和自己的项目经验里总结了四类常见的权重设定逻辑：

• 资源贡献度：按微网可供共享的容量、储能调节能力、可平移负荷占比等计算。贡献能力强的微网权重高，因为它们掌握着“货币锚”。
• 新能源渗透率：光伏/风电占比高的微网，在共享中提供的是低价清洁电力，对降低整体碳排放贡献大，可以赋予更高权重。
• 风险承受能力：用储能SOC约束、缺电概率等衡量。承受调节压力大的微网，权重应该高，否则它在合作里承担了成本却得不到补偿。
• 历史合作信用：在重复交易场景下，按历史履约率、主动参与度打分。这部分已经有点“信用积分”的味道，适合交易频次高的园区微网群。

需要强调的是，权重一旦定好，在谈判过程中就是常数。如果你想让它动态变化，那就不是“非对称纳什谈判”这一层模型能解决的，需要引入动态博弈或演化博弈的思路。

3. 共享问题的数学模型：从目标函数到非对称加权

3.1 微网内部的运行模型

考虑 N 个微网通过联络线互联，每个微网 i 在时段 t 内需要满足有功功率平衡：

P_i(t) + P_grid,i(t) + P_dis,i(t) = P_load,i(t) + P_ch,i(t) + ∑ P_ij(t)

其中 P_i(t) 是新能源发电功率，P_grid,i(t) 是与主网交换功率（购电为正、售电为负），P_dis,i 和 P_ch,i 分别是储能放电和充电功率，P_load,i 是本地负荷，P_ij(t) 是微网 i 向微网 j 输送的功率。

储能模型还要考虑SOC递推：

SOC_i(t+1) = SOC_i(t) + (η_ch·P_ch,i(t) - P_dis,i(t)/η_dis) · Δt

加上SOC上下限、储能功率限制、联络线容量限制这些常规约束，每个微网的子模型就建好了。

3.2 共享模型：耦合的是功率，也是利益

微网间功率交互是多微网电能共享的核心耦合约束：

P_ij(t) = -P_ji(t)

也就是说，i给j送多少电，j那边就在接收等量的反向功率。如果考虑线路损耗，可以在等式里加入损耗系数，但大部分研究在规划层面会先忽略或损耗分摊处理，否则耦合问题会非常复杂。

表：耦合约束的三种处理方式对比

实际项目和论文里，第一种用得最多，因为ADMM处理等式耦合约束是天生的优势，后面章节会详细说。

3.3 非对称权重怎么嵌进目标函数

我在第2章讲了权重的定性含义，这里给出具体嵌入方式。

多微网电能共享的最终目标是最大化所有微网的加权效用增量乘积：

max ∏ (C_i0 - C_i)^{ω_i}

等价地，取对数把乘积变成求和：

max ∑ ω_i · ln(C_i0 - C_i)

注意这里 C_i0 是常数（独立运行成本），C_i 是合作运行成本，所以 C_i0 - C_i 也必须为正。这引出一个重要约束——个体理性约束：

C_i ≤ C_i0，∀i

这个约束的含义是：合作后每个微网的成本不能高于独立运行成本，否则它没有理由参与合作。在博弈论里这叫“参与约束”，在实际算法里它是必须显式添加的，否则某些微网可能被优化出“负收益”。

3.4 两步式建模：为什么先Pareto最优，再谈分配

直接求解上面那个对数最大化问题，数学上很棘手，因为目标是凹函数的和（如果C_i是凸函数），但嵌套在物理约束里，整体仍然非凸，而且一旦微网数量和时段增加，求解规模会非常惊人。

实践中我更推荐、也是当前论文圈主流做法是把它拆成两步：

第一步：最小化系统总运行成本（Pareto最优）

min ∑ C_i

s.t. 微网内部约束 + 共享功率耦合约束

这一步得到的是所有微网在物理层面最优的功率交换方案 P_ij*(t)，保证整个系统从全局看是帕累托最优的。

第二步：固定P_ij*，用纳什谈判解决收益分配

在第一步得到的交易方案下，求每个微网的合作成本分摊和内部交易价格，使得加权纳什乘积最大化。这一步的决策变量是微网间的补偿支付或内部购售电价，物理功率不再改变。

为什么可以这样拆？因为纳什谈判解一定落在帕累托前沿上，而第一步已经把系统带到了帕累托前沿，第二步只是在帕累托前沿上找一个让各方都满意的点位。这种两步法的另一个好处是：第一步能直接得到功率交换方案，第二部得到利益分配方案，两者分离，工程上更好落地——先调度后结算，和电力市场里的“日前市场出清+结算”逻辑有些类似。

4. 求解思路：为什么不能用集中式硬算，ADMM怎么做分布式求解

4.1 集中式优化的问题：隐私、规模、自治权

很多人第一次建模会本能地想：既然目标函数和约束都写出来了，那我就把所有微网的数据收上来，用Gurobi一把梭全局求解。

结果往往有两个问题。第一，数据隐私。微网A凭什么把自家的负荷曲线、储能SOC、成本函数全量交给一个中心？在多主体场景下，这不是信任问题，是根本不可接受的数据交换问题。第二，规模爆炸。微网一多、时段一长，变量爆炸式增长，集中式求解器可能几分钟甚至几小时才出结果，调度早就错过窗口期了。

所以，分布式优化是必须的。每个微网只跟自己相邻的微网通信，把本地信息留在本地，通过交换少量边界变量达成全局协调。

4.2 ADMM分解的核心逻辑

ADMM（交替方向乘子法）在分布式优化里属于最成熟的一类方法。它的核心思路是：把全局耦合约束放进增广拉格朗日函数，然后交替更新各子问题，最后用对偶变量协调。

以共享功率耦合约束 P_ij = -P_ji 为例。引入辅助变量 z_ij，把耦合约束松弛为：

P_ij = z_ij，P_ji = -z_ij

增广拉格朗日函数写作：

L = ∑ C_i + ∑ λ_ij · (P_ij - z_ij) + ∑ (ρ/2) · (P_ij - z_ij)^2

其中 λ_ij 是对偶变量，ρ 是罚因子。在每个迭代轮次里：

1. 固定 z、λ，更新每个微网的本地变量 P_i（各微网可以并行求解自己的优化子问题）；
2. 固定 P，更新协调变量 z_ij；
3. 更新对偶变量 λ_ij。

这里的 λ_ij 有非常直观的经济含义——它就是微网 i 和 j 之间的内部交易电价。迭代收敛后，λ_ij 就是双方都认可的共享价格。

4.3 一个可以跑通的ADMM核心循环

下面给一个极简的ADMM框架，展示多微网共享问题怎么在每轮迭代中更新。为了可读性，我忽略了储能、网损等细节，只保留核心循环逻辑。

python复制import numpy as np

# N个微网，L为联络线集合，每条联络线(i,j)
# 初始化
P = {i: initial_power for i in range(N)}
z = {ij: 0.0 for ij in links}
lam = {ij: 0.0 for ij in links}
rho = 1.0
max_iter = 200
eps_pri = 1e-4

for k in range(max_iter):
    # 步骤1：各微网并行求解本地子问题
    for i in range(N):
        P[i] = solve_local_subproblem(i, lam, z, rho)
    
    # 步骤2：更新协调变量
    for (i, j) in links:
        z[(i,j)] = 0.5 * (P[i] - P[j])
    
    # 步骤3：更新对偶变量（内部电价）
    for (i, j) in links:
        lam[(i,j)] += rho * (P[i] - P[j] - z[(i,j)])
    
    # 收敛判断：原残差和偶残差
    r_prim = max(abs(P[i] - P[j] - z[(i,j)]) for (i,j) in links)
    if r_prim < eps_pri:
        break

solve_local_subproblem 在真实工程中会用Gurobi、Cplex或开源的ORTools、HiGHS来解，外层再套ADMM循环。子问题里要做的事是：根据对偶变量 λ 和协调变量 z，优化自己的发电、储能和联络线功率，使得自己的成本最小。

4.4 交流潮流约束下的分布式处理

上面的公式只考虑有功功率，适用于规划阶段或输电网简化模型。但微网群一般在中低压配电网里，电压和无功不能完全忽略，这时候需要引入潮流约束。

严格交流潮流约束是非凸的，分布式求解非常困难。业界主流做法是用DistFlow支路潮流模型 + 二阶锥松弛，把非凸问题松弛成凸问题。松弛后ADMM仍然适用，只是子问题的约束增加二阶锥约束，求解器可以处理。

这里必须提醒一句：二阶锥松弛不是所有场景都精确。某些极端负荷分布可能会导致松弛不紧，算出来的结果在物理上不可行。判断方法很简单：求解后检查二阶锥约束的互补松弛残差，如果残差大于阈值，说明松弛过松，需要引入割平面或修复机制。

5. 从算例到落地：非对称谈判方案的实际表现与常见坑

5.1 一个能复现的算例设计

不管模型多漂亮，最后都要拿算例说话。我常用的算例设置是这样：

• 4个微网通过环形拓扑互联，每个微网30个时段（1小时为一个时段，共1天）；
• 微网1带大量光伏和储能，微网2是商业负荷+少许可控负荷，微网3是居民负荷+光伏，微网4是农业负荷，具备一定的可平移负荷能力；
• 分时电价为峰谷平三段，各微网与主网的交互功率上限设为2MW；
• 非对称权重设为 ω = [0.35, 0.25, 0.25, 0.15]，体现微网1资源贡献最大的设定。

5.2 典型结果：成本下降、消纳提升、权重影响分配

我在这个算例上跑了完整的两步法：

第一步得到系统总成本比四微网独立运行低约12.7%，核心原因是午间微网1和微网3的光伏余电被输送到微网2和微网4，减少了高电价时段的主网购电量。光伏消纳率从独立运行的68.4%提升到合作后的92.1%。

第二步做纳什谈判分配，有几个值得细看的结论：

• 所有微网合作后成本都有下降，实现了帕累托改进。下降幅度在6%到15%不等。
• 权重高的微网1在分配中得到的净收益更多。它提供大量廉价电力，共享后系统总成本大幅降低，权重进一步放大了它的议价能力。
• 权重最低的微网4仍然比独立运行省钱，但省下的幅度小于用对称权重计算的方案。这就是非对称与对称模型的区别。

表：独立运行、对称谈判、非对称谈判下各微网成本对比（万元）

注意看，总成本略有差异是因为第二步内部交易价格会影响微网储能和购电策略的微调，但在第一步固定功率交换方案的前提下，总成本差异通常很小。反而是各方分摊差别明显，微网1在非对称方案下成本更低，这就是权重发挥的作用。

5.3 坑1：ADMM罚参数的选择

ADMM的 ρ 非常影响收敛速度。ρ 太小，对偶变量更新太慢，要跑几百轮迭代才收敛；ρ 太大，前期收敛快但后期精度上不去，还会引起目标函数振荡。

实践中我的经验是：先按变量数量级确定基准。比如共享功率在0.1MW到2MW之间，ρ 从1开始试，观察残差下降曲线，如果振荡加大就调小，如果收敛太慢就调大。更稳妥的做法是使用自适应ρ，每10轮根据原残差和偶残差的比值调整一次，具体公式在很多标准ADMM实现里都有，不再展开。

5.4 坑2：个体理性约束可能导致可行域为空

这是纳什谈判模型最常见的隐藏问题。你给每个微网都加了 C_i ≤ C_i0 的参与约束，但如果第一步的帕累托最优方案本身破坏了某个微网的利益，那第二步再怎么谈判也救不回来。

比如某个微网白天光伏多，本来想低价卖给主网换取补贴，合作后它被迫把电卖给邻居，电价跟主网补贴差不多，反而因为网损承担了额外损失。这种情况下它的参与约束就会收紧，甚至无解。

解决思路有两个：一是在第一步就把个体理性约束加进去，虽然会让总成本优化空间变小，但保证第二步解的存在性；二是在第二步引入“最小合作收益门槛”，让每个微网必须达到某个确定的收益比例，比如至少节省5%的运行成本，否则不参与。

5.5 坑3：储能MILP子问题让ADMM卡死

实际微网里储能充放电是非线性的，充放电同时为0只能用0-1变量描述，这会让子问题变成混合整数二次规划（MIQP）。MIQP本身能解，但ADMM要求每轮迭代都快速求解子问题，如果迭代200轮，等于要解200次MIQP，计算时间会被拖爆。

解决办法在实际工程里通常是三层措施并用：第一，用充放电状态互补约束的松弛版本，比如大M法或者光滑化惩罚；第二，把储能的充放电策略在第一步集中式求解里定死，第二步只调交易电价；第三，用滚动时域窗口，每个窗口内储能状态变化有限，加速求解。

6. 从一个仿真模型到可落地的东西

6.1 数据准备：没有好的数据，模型再漂亮都是摆设

做多微网电能共享仿真，最耗时间的往往不是建模，而是凑数据。如果没有实际园区数据，公开渠道可以拿到一些可用的数据源：OpenEI的负荷/光伏数据、NREL的PVWatts出力曲线、欧洲的EUB Dataset，还有国内很多论文里整理出的典型日数据。拿这些数据做同样的“时间错峰”分析，结论依然成立，因为共享机制的红利来自互补性本身，跟具体数据绝对值关系不大。

6.2 模型从论文走向工程还需要补什么

论文里算出来的内部交易电价是直接作为对偶变量得到的，但真到了工程落地，还要解决几个问题：

• 网损分摊：联络线流过那么多电，损耗不是零。最简单的办法是把损耗按传送功率平方比例分摊到交易双方，这会导致每个微网的实际可用功率比理论值略小。
• 通信延迟与失败：ADMM本质上需要同步迭代，如果某轮某个微网掉线，整个迭代就会卡住。工程上要设计异步ADMM或鲁棒性更强的分布式算法。
• 与现有电力市场衔接：微网群内部交易不能绕过配电网运行规则。现在很多地方在试点微网群内部交易，但结算、计量、安全校核都还要跟配网调度系统对接。

6.3 后续值得探索的三个方向

如果这篇博客让你有了在这个方向继续深入的想法，我建议从下面三个方向里选一个：

第一个是含多类不确定性（光伏出力、负荷、市场电价）的分布式鲁棒纳什谈判。目前大多数研究假定预测完美，而实际调度根本做不到。分布式鲁棒的思路是构造模糊集，然后针对最坏情况求解，这是一个非常有价值的扩展。

第二个是把碳交易纳入共享机制。如果每个微网有碳配额约束，共享电能不仅省电费，还能省碳配额支出。共享策略会因此发生很大变化，这时候纳什谈判的效用函数要从单纯成本扩展到“成本+碳排放”的综合目标。

第三个是考虑微网间的拓扑重构和故障自愈。电能共享不只是正常运行时的经济调度，故障时相邻微网能否互相支援、如何支援，是个完全不同的问题。这时候谈判破裂点会涉及失负荷损失，权重设定也要相应改变。

我对这个方向的整体体会是：非对称纳什谈判本身不是万能药，它的价值在于提供了一个“既能保证全局效率、又能兼顾个体利益”的分析框架。真正把它用好，既要懂博弈论的数学性质，也要对电力系统的物理特性有足够的敬畏。当你把两边的坑都踩了一遍，再回头看整个建模过程，会发现自己对“多主体协同”这件事的理解已经上了一个台阶。