本程序参考电网技术期刊论文《基于主从博弈的智能小区代理商定价策略及电动汽车充电管理》，文中包括了主从博弈模型，利用KKT方法对模型进行转化，下面简要对文章和程序代码进行介绍。
智能电网的负荷包括传统负荷和主动负荷，我国配电网侧的主动负荷主要由电动汽车构成，功率需求随电价变化是其重要特点之一。随着电动汽车的普及，代理商将在小区电动汽车充电管理中扮演重要角色。如何制定代理商的定价与购电策略，实现代理商与电动汽车车主双赢，成为重要的研究课题。基于以上原因，提出了一种未来智能小区代理商的定价及购电策略，将代理商和车主各自追求利益最大化建模为主从博弈。该模型亦可为研究电动汽车参与的需求侧响应提供重要的借鉴。另外，还进一步通过Karush-Kuhn-Tucker最优性条件和线性规划对偶定理将此博弈模型转化为混合整数线性规划问题进行求解，最终获得全局最优的定价策略。
主从博弈模型
文中结果
复现结果
部分代码
price_day_ahead=[0.35;0.33;0.3;0.33;0.36;0.4;0.44;0.46;0.52;0.58;0.66;0.75;0.81;0.76;0.8;0.83;0.81;0.75;0.64;0.55;0.53;0.47;0.40;0.37];ub=1.2*price_day_ahead;T_1=[1;1;1;1;1;1;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;1;1];T_2=[1;1;1;1;1;1;1;1;0;0;0;0;1;1;1;0;0;0;0;1;1;1;1;1];T_3=[0;0;0;0;0;0;0;1;1;1;1;1;1;1;1;1;1;1;1;1;0;0;0;0];Pc1=sdpvar(24,1);%一类车充电功率Pc2=sdpvar(24,1);%二类车充电功率Pc3=sdpvar(24,1);%三类车充电功率S=sdpvar(24,1);%储荷容量C=[lb<=Ce<=ub,mean(Ce)==0.5,Pb>=0,Ps_day<=Pdis,Pb_day>=0,Pb_day<=1000*z,Ps_day>=0,Ps_day<=1000*(1-z),Pch>=0,Pch<=1000*u,Pdis>=0,Pdis<=1000*(1-u)];%边界约束C=[C,Pc1+Pc2+Pc3+Pch-Pdis==Pb+Pb_day-Ps_day];%能量平衡C=[C,sum(0.9*Pch-Pdis/0.9)==0,S(24)==2500,S>=0,S<=5000];%SOC约束L_u=sdpvar(1,3);%电量需求等式约束的拉格朗日函数L_lb=sdpvar(24,3);%充电功率下限约束的拉格朗日函数L_ub=sdpvar(24,3);%充电功率上限约束的拉格朗日函数L_T=sdpvar(24,3);%充电可用时间约束的拉格朗日函数f=50*L_u(1)*(0.9*24-9.6)+20*L_u(2)*(0.9*24-9.6)+10*L_u(3)*(0.9*24-9.6)+sum(sum(L_ub).*[50*3,20*3,10*3])+sum(price_s.*Ps_day-price_day_ahead.*Pb-price_b.*Pb_day);%目标函数C=[C,Ce-L_u(1)*ones(24,1)-L_lb(:,1)-L_ub(:,1)-L_T(:,1)==0,Ce-L_u(2)*ones(24,1)-L_lb(:,2)-L_ub(:,2)-L_T(:,2)==0,Ce-L_u(3)*ones(24,1)-L_lb(:,3)-L_ub(:,3)-L_T(:,3)==0];%KKT条件C=[C,sum(Pc1)==50*(0.9*24-9.6),sum(Pc2)==20*(0.9*24-9.6),sum(Pc3)==10*(0.9*24-9.6)];%电量需求约束
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！
