简介
本程序主要参考SCI论文《A cooperative Stackelberg game based energy management considering price discrimination and risk assessment》二区；文章中生产和消费者的互动过程视为一个Stackelberg合作博弈，其中零售商作为领导者，消费者作为追随者；考虑到可再生能源的不确定性，采用具有条件风险值（CVaR）的随机规划方法来处理零售商的预期损失。模型程序中算例丰富、注释清晰、干货满满，创新性很高！下面对文章和程序做简要介绍！
程序主要由3个子问题组成，其中子问题1、2使用Cplex或Gurobi求解均可；子问题3使用Mosek求解器求解！
创新点及主要工作
1. 双层随机规划。2.Stackelberg合作博弈模型。
3. 分布式可再生能源不确定性。4. 价格歧视。
5. 点对点（P2P）交易。6. 纳什讨价还价模型。
提出了一个双层能源管理框架，可以帮助零售市场协调多个生产消费者之间的对等（P2P）能源交易。为此，互动过程视为一个Stackelberg合作博弈模型，其中零售商充当决定各种生产消费者价格歧视的领导者，生产消费者充当追随者，以合作博弈的方式对领导者的决定做出反应。基于纳什讨价还价方案，生产消费者参与P2P能源交易，共享闲置能源。考虑到可再生能源的不确定性，采用具有条件风险值（CVaR）的随机规划方法来表征零售商的预期损失，建立考虑价格歧视和风险评估的Stackelberg合作博弈能源管理策略双层优化模型。在第一阶段，利用Karush-Kuhn-Tucker条件，将双层模型转化为等价的单层混合整数线性规划问题。此外，第二阶段完成市场清算，并根据调度结果确定生产消费者的费用。
文章框架
文中结果
程序结果
部分程序
%% 决策变量初始化C_epay_1=sdpvar(1,10); %产消者1的各场景的转移支付C_epay_2=sdpvar(1,10); %产消者2的各场景的转移支付C_epay_3=sdpvar(1,10); %产消者3的各场景的转移支付%% 导入常数变量load P_trading.mat %导入P_tradingload C_Non.mat %导入C_Nonload C_trade.mat %导入C_trade%产消者1-3风电场景概率pai_1=0.1*ones(1,10);pai_2=0.1*ones(1,10);pai_3=0.1*ones(1,10);%负数代表获得收益C_trade_1=-C_trade_1;C_trade_2=-C_trade_2;C_trade_3=-C_trade_3;%计算贡献度alpha_1=sum(abs(P_trading_1),2)./(sum(abs(P_trading_1),2)+sum(abs(P_trading_2),2)+sum(abs(P_trading_3),2));alpha_2=sum(abs(P_trading_2),2)./(sum(abs(P_trading_1),2)+sum(abs(P_trading_2),2)+sum(abs(P_trading_3),2));alpha_3=sum(abs(P_trading_3),2)./(sum(abs(P_trading_1),2)+sum(abs(P_trading_2),2)+sum(abs(P_trading_3),2));%% 结果矩阵C_epay1_save=zeros(1,10);C_epay2_save=zeros(1,10);C_epay3_save=zeros(1,10);%% 迭代求解自动满足 C=[C，C_trade_1(w)+C_epay_1(w)<=C_Non_1(w), %公式21C_trade_2(w)+C_epay_2(w)<=C_Non_2(w), C_trade_3(w)+C_epay_3(w)<=C_Non_3(w),C_epay_1(w)+C_epay_2(w)+C_epay_3(w)==0, %公式22]; %目标函数 TC_benefits=-alpha_1(w)*log(C_Non_1(w)-C_trade_1(w)-C_epay_1(w))-...alpha_2(w)*log(C_Non_2(w)-C_trade_2(w)-C_epay_2(w))-...%求解结果保存C_epay1_save(w)=double(C_epay_1(w));C_epay2_save(w)=double(C_epay_2(w));C_epay3_save(w)=double(C_epay_3(w));%% 结果输出C_epay1_real=pai_1*C_epay1_save';C_epay2_real=pai_2*C_epay2_save';C_epay3_real=pai_3*C_epay3_save';
部分内容源自网络，侵权联系删除！
欢迎感兴趣的小伙伴点击文末阅读原文获取完整版代码，小编会不定期更新高质量的学习资料、文章和程序代码，为您的科研加油助力！
更多创新性预测及优化程序请点击公众号首页：《预测优化》|《综合能源》链接！
