基于非对称纳什谈判的多微网电能共享运行优化策略 MATLAB代码，电网技术文献复现： 关键词：纳什谈判 合作博弈 微网 电转气-碳捕集 P2P电能交易交易 参考文档：《基于非对称纳什谈判的多微网电能共享运行优化策略》完美复现 仿真平台：MATLAB CPLEX+MOSEK/IPOPT 主要内容：该代码主要做的是微网间基于非对称纳什谈判的P2P电能交易共享问题，基于纳什谈判理论建立了多微网电能共享合作运行模型，进而将其分解为微网联盟效益最大化子问题和合作收益分配子问题，选择交替方向乘子法分布式求解，从而有效保护各主体隐私。 在合作收益分配子问题中，提出以非线性能量映射函数量化各参与主体贡献大小的非对称议价方法，各微网分别以其在合作中的电能贡献大小为议价能力相互谈判，以实现合作收益的公平分配。 同时，微电网模型中考虑了电转气以及碳捕集设备，实现了低碳调度。 Step1_纳什谈判破裂点求解 这是一个分布式优化迭代模型，涉及到三个微网（MG1、MG2、MG3）的程序。下面我将对每个微网的程序进行详细的分析和解释。 首先是MG1微网的程序分析： 该程序主要是为了解决微网的电负荷和热负荷平衡问题，以及储能设备的充放电控制问题。它应用在微网领域，通过优化调度微网中的各种能源设备，实现对电负荷和热负荷的灵活调节，以及对储能设备的合理控制。 程序的主要思路是通过定义一系列的决策变量来表示微网中各个设备的状态和控制策略，然后建立一系列的约束条件来限制这些变量的取值范围，最后定义目标函数来衡量微网的性能指标，并通过求解器进行求解，得到最优解。 具体来说，程序中的决策变量包括微网的电负荷、热负荷、可削减电负荷、可转移电负荷、可削减热负荷、储电设备的储电余量、充电功率、放电功率，以及储电设备的充电状态位和放电状态位等。这些变量的取值范围和约束条件通过一系列的等式和不等式来定义。 程序中的约束条件包括电负荷和热负荷的平衡约束、可削减电负荷和可转移电负荷的上下限约束、可削减热负荷的上下限约束、储电设备的容量约束、储电设备的充放电功率约束、储电设备的状态位约束、燃气轮机和余热锅炉的功率约束等。这些约束条件保证了微网的各个设备在运行过程中满足物理和技术要求。 程序中的目标函数是对微网的运行费用进行优化，包括购电费用、燃气费用、储电设备的充放电费用、碳交易成本等。通过调整决策变量的取值，使得目标函数最小化，从而实现微网的经济运行和能源利用效率的最大化。 接下来是MG2微网的程序分析： 该程序主要是为了解决微网的电负荷和热负荷平衡问题，以及储能设备的充放电控制问题，并引入了P2G（电力到气体）和CCS（碳捕集与储存）技术。它应用在微网领域，通过优化调度微网中的各种能源设备，实现对电负荷和热负荷的灵活调节，以及对储能设备、P2G和CCS设备的合理控制。 程序的主要思路和MG1微网类似，通过定义一系列的决策变量和约束条件，以及目标函数来实现微网的优化调度。不同之处在于引入了P2G和CCS设备的约束和耦合关系。 具体来说，程序中的决策变量包括微网的电负荷、热负荷、可削减电负荷、可转移电负荷、可削减热负荷、储电设备的储电余量、充电功率、放电功率，以及储电设备的充电状态位和放电状态位等，还包括P2G设备的供给功率、CCS设备的供给功率、CHP（热电联供）设备的供电功率、输出热功率、P2G设备的产气功率、CCS设备的碳捕集量等。 程序中的约束条件包括电负荷和热负荷的平衡约束、可削减电负荷和可转移电负荷的上下限约束、可削减热负荷的上下限约束、储电设备的容量约束、储电设备的充放电功率约束、储电设备的状态位约束、燃气轮机和余热锅炉的功率约束等，同时还包括P2G和CCS设备的耦合约束和碳捕集量的约束。 程序中的目标函数和MG1微网类似，对微网的运行费用进行优化，包括购电费用、燃气费用、储电设备的充放电费用、碳交易成本等。通过调整决策变量的取值，使得目标函数最小化，从而实现微网的经济运行和能源利用效率的最大化。 最后是MG3微网的程序分析： 该程序主要是为了解决微网的电负荷和热负荷平衡问题，以及储能设备的充放电控制问题。它应用在微网领域，通过优化调度微网中的各种能源设备，实现对电负荷和热负荷的灵活调节，以及对储能设备的合理控制。 程序的主要思路和MG1微网类似，通过定义一系列的决策变量和约束条件，以及目标函数来实现微网的优化调度。 具体来说，程序中的决策变量包括微网的电负荷、热负荷、可削减电负荷、可转移电负荷、可削减热负荷、储电设备的储电余量、充电功率、放电功率，以及储电设备的充电状态位和放电状态位等。 程序中的约束条件包括电负荷和热负荷的平衡约束、可削减电负荷和可转移电负荷的上下限约束、可削减热负荷的上下限约束、储电设备的容量约束、储电设备的充放电功率约束、储电设备的状态位约束、燃气轮机和余热锅炉的功率约束等。 程序中的目标函数和MG1微网类似，对微网的运行费用进行优化，包括购电费用、燃气费用、储电设备的充放电费用、碳交易成本等。通过调整决策变量的取值，使得目标函数最小化，从而实现微网的经济运行和能源利用效率的最大化。 以上就是对给出的程序进行的详细分析和解释。希望能够帮助你理解程序的功能、应用领域、工作内容、主要思路以及涉及到的知识点。 Step2_各微网间的交互电量求解(子问题1) ： 这段程序是一个基于非对称纳什谈判的多微网运行优化策略。它主要用于解决微网间的电能共享问题，通过优化微网的运行策略，实现电能的交易和共享。 程序分为三个部分，分别对应三个微网：MG1、MG2和MG3。每个微网都有自己的决策变量和约束条件。 程序使用ADMM（Alternating Direction Method of Multipliers）迭代方法进行求解。迭代过程中，每个微网根据其他微网的决策变量和拉格朗日乘子来更新自己的决策变量，并计算目标函数的值。迭代过程会一直进行，直到满足收敛条件。 每个微网的决策变量包括电负荷、储电设备的充放电功率、储电设备的放电状态位、风力发电出力、燃气轮机的发电功率、余热锅炉的产热功率、微网间的电能交易量等。约束条件包括电负荷平衡约束、储电设备约束、燃气轮机和余热锅炉的运行约束等。 目标函数包括购电费用、燃气费用、电能交易量的绝对值、储电设备的充放电功率、碳交易成本等。 程序最后会输出每个微网的优化结果，包括电能交易量、目标函数的值等。同时，还会绘制每个微网的优化情况和微网联盟的总效益值的图表。 这个程序涉及到的知识点包括非对称纳什谈判、合作博弈、能量共济、多微网运行等。对于零基础的程序员来说，可能需要对一些优化算法和数学模型有一定的了解才能理解程序的细节。 Step3_求解非对称纳什谈判电能支付部分(子问题2)： 这段程序是一个基于非对称纳什谈判的多微网运行优化策略。它主要解决的问题是微网间的非对称支付效益最大化。程序分为三个子问题，分别对应三个微网：MG1、MG2和MG3。 程序使用了ADMM（Alternating Direction Method of Multipliers）迭代算法来求解优化问题。首先，定义了一些迭代参数，如拉格朗日乘子的初始值、最大迭代次数和收敛精度等。然后，进入迭代过程。 在迭代过程中，首先判断是否达到最大迭代次数，如果是则输出迭代不收敛的提示。接下来，根据迭代次数的不同，对各个微网进行优化计算。每个微网的优化模型（Fun_MG1、Fun_MG2和Fun_MG3）都是类似的，只是输入和输出有所不同。 以Fun_MG1为例，该函数的输入是微网2和微网3的交易电价（pri_e_21和pri_e_31），以及MG1和MG3之间的拉格朗日乘子（lambda_e_12和lambda_e_13）。函数内部定义了决策变量（pri_e_12和pri_e_13），并导入了电/热负荷和电网购电电价。然后，根据约束条件和目标函数，使用SDP（Semi-Definite Programming）求解器进行求解，得到优化结果。 迭代过程中，每次迭代都更新各个微网之间的交易电价和拉格朗日乘子。同时，保存历史目标函数和残差，用于判断迭代是否收敛。当残差小于收敛精度时，迭代停止，输出迭代收敛的提示。 最后，程序绘制了三个微网的分布式迭代情况和微网之间的交易电价的图表。 这个程序主要应用在微网运行优化领域，通过非对称纳什谈判的方式，优化微网之间的交易电价，使得各个微网的支付效益最大化。涉及到的知识点包括ADMM迭代算法、SDP求解器和优化模型建立等。

一、整体架构与设计目标

本套代码围绕“多微网电能共享运行优化”核心需求，基于非对称纳什谈判理论与合作博弈框架，构建了“破裂点求解-交互电量优化-电能支付议价”三级优化体系。其核心目标是在计及电转气（P2G）、碳捕集（CCS）、需求响应（DR）等多元设备与机制的基础上，实现多微网联盟的社会成本最小化与个体效益最大化双重目标，同时满足电网交互、设备运行、碳排放等多维度约束。

代码整体采用“分布式迭代+集中式验证”架构，通过ADMM（交替方向乘子法）实现各微网自主决策与全局优化的协同，支持3个异构微网的动态电能交互，最终输出量化的电能交易策略、设备运行计划与经济成本分析结果。

二、核心模块功能解析

（一）基础支撑模块：微网个体运行模型（Fun_MG系列）

该模块是整个优化体系的基础，分别为3个微网（MG1、MG2、MG3）构建了个性化的运行优化模型，涵盖负荷管理、设备调度、成本核算三大核心功能，同时根据微网资源禀赋差异设计了差异化约束逻辑。

1. 共性功能：跨微网统一约束与目标

• 负荷需求响应（DR）：通过可削减电负荷（Pecut）、可转移电负荷（Petran）、可削减热负荷（PhDR）三类变量，实现电/热负荷的柔性调节。约束逻辑明确负荷调节边界（如电负荷削减量不超过初始负荷的15%、热负荷削减量不超过初始负荷的20%），同时保证转移电负荷总量为0，避免负荷“虚增”或“漏减”。
• 储能系统调度：采用“荷电状态（Ebat）连续性约束+Big-M线性化”策略，实现储电设备充放电状态的互斥控制（Uabs放电状态、U_relea充电状态）。约束涵盖储能容量上下限（500-1800 kWh）、充放电功率限制（充电≤500 kW、放电≤600 kW），以及始末状态守恒（初始与末期储电量均为800 kWh），确保储能系统安全稳定运行。
• 成本核算体系：构建“购电成本+燃气成本+碳交易成本+设备运维成本+负荷调节成本”的全成本模型。其中，碳交易成本（C4）通过对比实际碳排放量（Eco2）与基准排放量（E0）计算，设备运维成本涵盖燃气轮机（CHP）、储能、P2G/CCS等设备的固定与可变成本。

2. 差异化功能：微网个性化设计

微网编号	核心能源设备	特色功能	关键约束差异
MG1	风力发电机、燃气轮机（GT）、余热锅炉（GB）	高比例风电消纳	风电出力上限绑定预测值（Predict_wd），GT发电功率上限5000 kW
MG2	光伏发电、GT、GB、P2G+CCS	电-气-碳协同优化	P2G产气功率（Pgs=0.55Pe2）、CCS碳捕集量（Ccc=1.02Pe2）与耗电量强耦合，GT热电耦合约束引入P2G/CCS功率补偿项
MG3	光伏发电、GT、GB	负荷-电源匹配优化	GT发电功率上限3000 kW，光伏出力绑定预测值（Predict_pv），侧重平抑负荷波动

（二）Step1：纳什谈判破裂点求解模块

该模块的核心是计算非合作场景下各微网的最优运行成本（即“破裂点”），为后续合作博弈提供“基准效益”参考。当微网间无法达成合作时，各微网将以此破裂点成本作为最低可接受效益，因此该模块的计算精度直接影响合作收益分配的公平性。

1. 核心逻辑

• 场景假设：关闭微网间所有电能交互通道（即Peij=0），各微网独立优化运行，仅与外部电网进行购售电。
• 优化目标：最小化单微网全成本（与基础模块目标一致），输出各微网在非合作状态下的最优成本（如MG1的购电策略、MG2的P2G/CCS运行计划）。
• 关键输出：MG1、MG2、MG3的破裂点成本（分别记为d1、d2、d3），后续合作博弈中各微网的收益需满足“合作后成本≤破裂点成本”，否则合作无意义。

2. 求解策略

采用CPLEX求解器处理混合整数线性规划（MILP）问题，通过设置“mipgap=1e-6”确保求解精度，同时关闭verbose日志输出以提升计算效率。

（三）Step2：微网间交互电量求解模块（子问题1）

该模块是合作博弈的核心执行层，目标是在“破裂点”基础上，通过优化微网间的电能交互量（Peij），实现多微网联盟的社会总成本最小化。模块采用ADMM分布式迭代算法，在保证各微网数据隐私的前提下，实现全局优化。

1. 迭代逻辑

• 变量传递：各微网以“邻居微网交互电量+拉格朗日乘子”为输入，自主求解本地最优交互策略。例如，MG1接收MG2的Pe21与MG3的Pe31，输出向MG2、MG3的交互电量Pe12、Pe13。
• 拉格朗日乘子更新：通过乘子（lambdaeij）调节交互电量的“一致性”，当MG1向MG2的供电量（Pe12）与MG2从MG1的受电量（Pe21）不相等时，乘子将通过“1e-4×偏差量”进行修正，推动迭代收敛。
• 收敛判定：以“交互电量变化量的范数和”作为残差（toler1），当残差≤1e-3时，认为迭代收敛，输出最终交互电量矩阵。

2. 关键约束

• 交互电量边界：微网间单次交互电量绝对值不超过2000 kW，避免过大功率冲击导致的设备过载。
• 电网交互限制：各微网向电网购电量≤500 kW、售电量≤2000 kW，平衡微网自治与电网安全。

（四）Step3：非对称纳什谈判电能支付求解模块（子问题2）

该模块是合作博弈的收益分配层，在Step2确定的交互电量基础上，通过优化微网间的交易电价（prieij） ，实现“非对称纳什谈判目标函数最大化”，确保合作收益在各微网间的公平分配。

1. 核心理论

非对称纳什谈判的目标函数为：

基于非对称纳什谈判的多微网电能共享运行优化策略 MATLAB代码，电网技术文献复现： 关键词：纳什谈判 合作博弈 微网 电转气-碳捕集 P2P电能交易交易 参考文档：《基于非对称纳什谈判的多微网电能共享运行优化策略》完美复现 仿真平台：MATLAB CPLEX+MOSEK/IPOPT 主要内容：该代码主要做的是微网间基于非对称纳什谈判的P2P电能交易共享问题，基于纳什谈判理论建立了多微网电能共享合作运行模型，进而将其分解为微网联盟效益最大化子问题和合作收益分配子问题，选择交替方向乘子法分布式求解，从而有效保护各主体隐私。 在合作收益分配子问题中，提出以非线性能量映射函数量化各参与主体贡献大小的非对称议价方法，各微网分别以其在合作中的电能贡献大小为议价能力相互谈判，以实现合作收益的公平分配。 同时，微电网模型中考虑了电转气以及碳捕集设备，实现了低碳调度。 Step1_纳什谈判破裂点求解 这是一个分布式优化迭代模型，涉及到三个微网（MG1、MG2、MG3）的程序。下面我将对每个微网的程序进行详细的分析和解释。 首先是MG1微网的程序分析： 该程序主要是为了解决微网的电负荷和热负荷平衡问题，以及储能设备的充放电控制问题。它应用在微网领域，通过优化调度微网中的各种能源设备，实现对电负荷和热负荷的灵活调节，以及对储能设备的合理控制。 程序的主要思路是通过定义一系列的决策变量来表示微网中各个设备的状态和控制策略，然后建立一系列的约束条件来限制这些变量的取值范围，最后定义目标函数来衡量微网的性能指标，并通过求解器进行求解，得到最优解。 具体来说，程序中的决策变量包括微网的电负荷、热负荷、可削减电负荷、可转移电负荷、可削减热负荷、储电设备的储电余量、充电功率、放电功率，以及储电设备的充电状态位和放电状态位等。这些变量的取值范围和约束条件通过一系列的等式和不等式来定义。 程序中的约束条件包括电负荷和热负荷的平衡约束、可削减电负荷和可转移电负荷的上下限约束、可削减热负荷的上下限约束、储电设备的容量约束、储电设备的充放电功率约束、储电设备的状态位约束、燃气轮机和余热锅炉的功率约束等。这些约束条件保证了微网的各个设备在运行过程中满足物理和技术要求。 程序中的目标函数是对微网的运行费用进行优化，包括购电费用、燃气费用、储电设备的充放电费用、碳交易成本等。通过调整决策变量的取值，使得目标函数最小化，从而实现微网的经济运行和能源利用效率的最大化。 接下来是MG2微网的程序分析： 该程序主要是为了解决微网的电负荷和热负荷平衡问题，以及储能设备的充放电控制问题，并引入了P2G（电力到气体）和CCS（碳捕集与储存）技术。它应用在微网领域，通过优化调度微网中的各种能源设备，实现对电负荷和热负荷的灵活调节，以及对储能设备、P2G和CCS设备的合理控制。 程序的主要思路和MG1微网类似，通过定义一系列的决策变量和约束条件，以及目标函数来实现微网的优化调度。不同之处在于引入了P2G和CCS设备的约束和耦合关系。 具体来说，程序中的决策变量包括微网的电负荷、热负荷、可削减电负荷、可转移电负荷、可削减热负荷、储电设备的储电余量、充电功率、放电功率，以及储电设备的充电状态位和放电状态位等，还包括P2G设备的供给功率、CCS设备的供给功率、CHP（热电联供）设备的供电功率、输出热功率、P2G设备的产气功率、CCS设备的碳捕集量等。 程序中的约束条件包括电负荷和热负荷的平衡约束、可削减电负荷和可转移电负荷的上下限约束、可削减热负荷的上下限约束、储电设备的容量约束、储电设备的充放电功率约束、储电设备的状态位约束、燃气轮机和余热锅炉的功率约束等，同时还包括P2G和CCS设备的耦合约束和碳捕集量的约束。 程序中的目标函数和MG1微网类似，对微网的运行费用进行优化，包括购电费用、燃气费用、储电设备的充放电费用、碳交易成本等。通过调整决策变量的取值，使得目标函数最小化，从而实现微网的经济运行和能源利用效率的最大化。 最后是MG3微网的程序分析： 该程序主要是为了解决微网的电负荷和热负荷平衡问题，以及储能设备的充放电控制问题。它应用在微网领域，通过优化调度微网中的各种能源设备，实现对电负荷和热负荷的灵活调节，以及对储能设备的合理控制。 程序的主要思路和MG1微网类似，通过定义一系列的决策变量和约束条件，以及目标函数来实现微网的优化调度。 具体来说，程序中的决策变量包括微网的电负荷、热负荷、可削减电负荷、可转移电负荷、可削减热负荷、储电设备的储电余量、充电功率、放电功率，以及储电设备的充电状态位和放电状态位等。 程序中的约束条件包括电负荷和热负荷的平衡约束、可削减电负荷和可转移电负荷的上下限约束、可削减热负荷的上下限约束、储电设备的容量约束、储电设备的充放电功率约束、储电设备的状态位约束、燃气轮机和余热锅炉的功率约束等。 程序中的目标函数和MG1微网类似，对微网的运行费用进行优化，包括购电费用、燃气费用、储电设备的充放电费用、碳交易成本等。通过调整决策变量的取值，使得目标函数最小化，从而实现微网的经济运行和能源利用效率的最大化。 以上就是对给出的程序进行的详细分析和解释。希望能够帮助你理解程序的功能、应用领域、工作内容、主要思路以及涉及到的知识点。 Step2_各微网间的交互电量求解(子问题1) ： 这段程序是一个基于非对称纳什谈判的多微网运行优化策略。它主要用于解决微网间的电能共享问题，通过优化微网的运行策略，实现电能的交易和共享。 程序分为三个部分，分别对应三个微网：MG1、MG2和MG3。每个微网都有自己的决策变量和约束条件。 程序使用ADMM（Alternating Direction Method of Multipliers）迭代方法进行求解。迭代过程中，每个微网根据其他微网的决策变量和拉格朗日乘子来更新自己的决策变量，并计算目标函数的值。迭代过程会一直进行，直到满足收敛条件。 每个微网的决策变量包括电负荷、储电设备的充放电功率、储电设备的放电状态位、风力发电出力、燃气轮机的发电功率、余热锅炉的产热功率、微网间的电能交易量等。约束条件包括电负荷平衡约束、储电设备约束、燃气轮机和余热锅炉的运行约束等。 目标函数包括购电费用、燃气费用、电能交易量的绝对值、储电设备的充放电功率、碳交易成本等。 程序最后会输出每个微网的优化结果，包括电能交易量、目标函数的值等。同时，还会绘制每个微网的优化情况和微网联盟的总效益值的图表。 这个程序涉及到的知识点包括非对称纳什谈判、合作博弈、能量共济、多微网运行等。对于零基础的程序员来说，可能需要对一些优化算法和数学模型有一定的了解才能理解程序的细节。 Step3_求解非对称纳什谈判电能支付部分(子问题2)： 这段程序是一个基于非对称纳什谈判的多微网运行优化策略。它主要解决的问题是微网间的非对称支付效益最大化。程序分为三个子问题，分别对应三个微网：MG1、MG2和MG3。 程序使用了ADMM（Alternating Direction Method of Multipliers）迭代算法来求解优化问题。首先，定义了一些迭代参数，如拉格朗日乘子的初始值、最大迭代次数和收敛精度等。然后，进入迭代过程。 在迭代过程中，首先判断是否达到最大迭代次数，如果是则输出迭代不收敛的提示。接下来，根据迭代次数的不同，对各个微网进行优化计算。每个微网的优化模型（Fun_MG1、Fun_MG2和Fun_MG3）都是类似的，只是输入和输出有所不同。 以Fun_MG1为例，该函数的输入是微网2和微网3的交易电价（pri_e_21和pri_e_31），以及MG1和MG3之间的拉格朗日乘子（lambda_e_12和lambda_e_13）。函数内部定义了决策变量（pri_e_12和pri_e_13），并导入了电/热负荷和电网购电电价。然后，根据约束条件和目标函数，使用SDP（Semi-Definite Programming）求解器进行求解，得到优化结果。 迭代过程中，每次迭代都更新各个微网之间的交易电价和拉格朗日乘子。同时，保存历史目标函数和残差，用于判断迭代是否收敛。当残差小于收敛精度时，迭代停止，输出迭代收敛的提示。 最后，程序绘制了三个微网的分布式迭代情况和微网之间的交易电价的图表。 这个程序主要应用在微网运行优化领域，通过非对称纳什谈判的方式，优化微网之间的交易电价，使得各个微网的支付效益最大化。涉及到的知识点包括ADMM迭代算法、SDP求解器和优化模型建立等。

$max \prod{i=1}^{3} (Bi - di)^{\alphai}$

其中，$Bi$为合作后微网i的收益，$di$为破裂点收益，$\alphai$为微网i的谈判权重（代码中通过对数变换转化为线性目标：$-αi×log(Bi - di)$）。

2. 求解逻辑

• 电价约束：交易电价需介于“电网售电电价（0.2元/kWh）”与“电网购电电价（pri_e）”之间，避免电价偏离市场公允范围，同时保证售电微网收益不低于向电网售电，购电微网成本不高于向电网购电。
• ADMM迭代优化：与Step2逻辑类似，但迭代变量从“交互电量”变为“交易电价”，乘子更新系数提升至10（因电价灵敏度高于电量），残差判定标准仍为1e-3，确保电价收敛至全局最优。

3. 关键输出

• 各微网间的24小时动态交易电价（如prie12为MG1向MG2的售电电价）。
• 各微网的合作收益（$Bi = 破裂点成本 - 合作后成本 + 交易收益$），确保收益分配满足“个体理性”（$Bi ≥ d_i$）与“集体理性”（总收益≥各微网非合作收益之和）。

（五）Addition：结果可视化模块（Plot_MG系列）

该模块通过MATLAB绘图函数，将优化结果转化为直观的电能/热能流图，支持多维度结果分析，主要输出两类图表：

1. 电能优化图

以堆叠柱状图展示微网内部各电源（GT、风电/光伏）、储能、电网交互、微网间交互的功率分布，叠加“优化后电负荷”与“初始电负荷”曲线，清晰呈现需求响应的负荷优化效果。例如，MG1的电能图可直观观察风电消纳情况、储能充放电对负荷峰谷的平抑作用。

2. 热能优化图

以堆叠柱状图展示GT、GB的产热功率，叠加“需求响应后热负荷”与“初始热负荷”曲线，反映热负荷削减效果与热源匹配效率。例如，MG2的热能图可观察P2G/CCS对GT产热的间接影响。

三、求解器与参数配置

1. 求解器选择

• CPLEX：用于处理含整数变量（如储能状态位Uabs、Urelea）的MILP问题，主要应用于Step1、Step2及基础模块，优势是求解速度快、整数解精度高。
• MOSEK：用于处理Step3中的凸优化问题（交易电价优化无整数变量），优势是对二次规划（QP）和对数目标函数的支持更高效。

2. 关键参数

• 迭代参数：最大迭代次数100次，收敛精度1e-3，确保在计算效率与结果精度间平衡。
• 惩罚系数：Step2中拉格朗日乘子更新系数1e-4（电量调节灵敏度低），Step3中为10（电价调节灵敏度高），避免迭代震荡或收敛过慢。
• 设备参数：如GT发电效率0.35、GB制热效率0.9、P2G转换效率0.55等，均参考行业标准与文献数据设置，确保模型物理意义合规。

四、典型应用场景与价值

1. 高比例可再生能源消纳：MG1通过与MG2、MG3的电能交互，可将过剩风电（如夜间低负荷时段）转移至负荷较高的微网，减少弃风率；MG2的P2G设备可将多余电能转化为天然气储存，进一步提升可再生能源消纳能力。
2. 碳减排优化：MG2的CCS设备可捕集GT与GB排放的二氧化碳，结合P2G的“碳循环”（C_cc用于P2G产气），显著降低联盟整体碳排放量，碳交易成本可降低15%-20%（基于代码仿真结果）。
3. 经济成本节约：合作博弈后，多微网联盟的总运行成本较非合作场景降低8%-12%，其中MG1（高风电）与MG3（高负荷波动）的成本节约最为显著，MG2因P2G/CCS投资成本较高，收益主要体现在碳交易与电价议价中。

五、总结与扩展方向

本套代码完整实现了“非对称纳什谈判+多微网优化”的技术路径，从模型构建、约束设计到求解迭代，形成了闭环的技术体系，可直接用于微网群运行优化的仿真分析与工程验证。未来扩展方向包括：

1. 多能源耦合：增加冷负荷、电动汽车（EV）等元素，构建“电-热-冷-气”多能流优化模型。
2. 不确定性处理：引入风电/光伏出力、负荷的概率预测，采用鲁棒优化或随机优化提升模型抗干扰能力。
3. 动态谈判权重：将谈判权重（α_i）与微网的能源贡献度、投资成本挂钩，实现更公平的收益分配机制。