从博弈论角度探讨电力电子系统的最优设计与控制 尼古拉·希诺夫（Nikolay Hinov）

《Energies》：Game-Theoretic Perspectives on the Optimal Design and Control of Power Electronic Systems Nikolay Hinov

　　摘要 功率电子系统通常通过一个顺序-迭代的工作流程进行设计，在这个流程中，硬件参数最初是根据稳态、纹波、热设计和电磁兼容性约束来确定的，随后控制器被调整以满足动态和闭环性能要求。尽管转换器本质上是为闭环操作设计的，但不断提高的功率密度、不确定性以及分布式交互使得设计过程更像是一个多决策者之间的策略性互动，这些决策者包括硬件设计师、控制算法、负载、干扰因素以及制造约束条件。本文从博弈论的角度出发，对功率电子系统的最优设计和控制进行了统一分析。经典概念如鲁棒控制、最坏情况设计、基于电压降的负载共享和容差分配被重新解释为零和博弈、斯塔克伯格博弈（Stackelberg game）、非合作博弈或合作博弈的均衡解。除了概念性分类之外，本文还提供了两个示例性仿真案例研究：（i） Buck型转换器的斯塔克伯格硬件-控制器协同设计，与保守的顺序设计相比，展示了同时减少无源元件和提高瞬态性能的效果；（ii） 并联转换器的电压降控制示例，对比了纳什均衡（Nash equilibrium）和合作均衡，明确量化了母线电压调节、电流共享公平性和导通损耗之间的权衡。通过将功率电子设计和控制视作相互作用的策略过程，而不是孤立的优化阶段，本文旨在表明博弈论可以作为分布式和考虑不确定性的功率电子系统的结构化且实际可行的框架。

1. 引言
功率电子系统是现代能源基础设施的技术支柱，实现了从紧凑型嵌入式转换器到并网能源系统各个尺度上的电能高效转换、控制和集成。在大多数实际工作流程中，转换器设计是按照顺序或顺序-迭代的方式进行的：首先根据稳态、纹波、热设计、电磁兼容性和成本约束选择无源元件和操作点，然后调整控制律以满足动态和闭环性能要求。虽然转换器本质上是为闭环操作设计的，但这种逐步分解方法在工业实践和学术设计方法中仍然占主导地位[1,2]。然而，当代功率电子系统的日益复杂性挑战了这一范式。高功率密度、宽禁带器件、紧密的电磁兼容性边界、制造变异性以及负载和操作条件的不确定性导致了具有多重目标的决策问题，这些目标只是部分对齐的。硬件选择会影响可实现的控制性能；控制策略会改变对不确定性和容差的敏感性；在模块化系统中，局部理性决策可能与全局理想的操作点不一致。这种交互很难通过单一的标量目标和单一决策者来准确描述[3,4]。从这个角度来看，功率电子学中的许多熟悉问题可以通过竞争性或合作性决策变量之间的结构化互动来重新解释。鲁棒控制可以在对抗性干扰下被解释为极小极大（minimax）问题，硬件-控制器协同设计可以通过领导-追随者（leader-follower）公式来理解，容差分配可以通过合作或层次化博弈来解释，而分布式转换器协调自然会产生非合作或合作均衡。明确这些结构不仅在概念上有用，而且在方法论上也有帮助，因为它有助于澄清哪些目标是冲突的，哪些决策是层次化的，以及在实际设计中可能出现哪些均衡[5,6]。

博弈论方法已经在更广泛的能源系统文献中得到了广泛应用，特别是在分散式能源管理、点对点交易以及微电网和分布式能源资源的多智能体协调中。最近的综述论文证实了这种活动仍然活跃，尤其是在能源管理和分布式决策制定领域。然而，在功率电子学领域内，其应用仍然较为分散。现有研究通常只关注孤立的方面，如极小极大鲁棒性、微电网中的转换器交互或层次化协调，而没有将这些公式连接成一个共同的方法论语言，用于硬件尺寸确定、控制合成、不确定性分配和模块化转换器操作。因此，文献仍然缺乏一个简洁且技术上可解释的分类法，将不同的博弈结构与转换器设计和操作中遇到的工程层次和时间尺度联系起来。本文通过将这些分散的观点组织成一个统一的框架，并通过透明的案例研究来说明这些公式，从而填补了这一空白[7,8,9,10]。本文的贡献不在于引入新的转换器拓扑或独立的控制算法，而在于为功率电子学发展了一种统一的方法论视角，在这种视角中，设计、控制、不确定性、容差分配和分布式协调被形式化为相互作用决策变量之间的均衡问题。其原创性在于将这些观点组织成一个统一的分类法，并通过可复制的示例研究展示了基于均衡的公式如何揭示在传统逐步设计工作流程中部分隐藏的权衡。

具体来说，本文做出了四项贡献。首先，它提出了一个统一的分类法，通过明确的博弈论概念将硬件设计、控制合成、不确定性、制造容差和分布式操作联系起来。其次，它通过零和博弈、斯塔克伯格博弈、非合作博弈和合作博弈重新表述了代表性的功率电子问题，阐明了每个观点在传统单一目标优化之外的贡献。第三，它提供了两个示例性案例研究：Buck型转换器的斯塔克伯格硬件-控制器协同设计和并联转换器的电压降系数选择问题，比较了纳什均衡和合作均衡的结果。第四，它讨论了这类公式的范围和局限性，强调它们作为结构化设计抽象和方法论工具的作用，而不是通用的合成配方。

本文的其余部分组织如下。第2节介绍了从经典最优控制和鲁棒控制到策略性互动的转变。第3节、第4节和第5节分别发展了协同设计、不确定性和容差分配以及分布式模块化系统的统一框架，而第3.6节和第5.7节提供了两个示例性仿真案例研究。第6节通过统一的分类法和未来研究方向总结了讨论，第7节总结了全文。

2. 从最优控制到策略性互动
2.1. 功率电子学中的经典最优控制和鲁棒控制
最优控制理论长期以来一直是功率电子系统设计的基石。线性二次调节器、模型预测控制和频域优化技术为在标称条件下实现期望的动态性能提供了系统工具。鲁棒控制方法，包括H∞和μ-合成，通过明确考虑不确定性和干扰来扩展这些方法[8,9,10]。尽管这些方法在数学上很复杂，但它们隐含地假设只有一个决策者优化一个标量目标函数[11]。不确定性被视为外生现象，而不是一个积极的对手，且设计参数通常在控制器合成之前就已经确定[12,13,14]。因此，硬件选择和控制策略之间的互动通常是通过迭代调整而不是正式的联合优化来处理的[15,16,17]。然而，即使在经典鲁棒控制中，也存在潜在的博弈论结构。H∞控制背后的极小极大公式可以解释为控制器与试图最大化系统退化的对手之间的零和博弈。这一观察表明，博弈论不是对控制理论的附加，而是一个可以明确化和泛化的隐含基础[18,19,20]。

2.2. 作为零和博弈的控制
当不确定性或干扰被视为战略性对手而不是被动噪声源时，控制问题自然呈现出零和微分博弈的形式。控制器选择一个输入策略来最小化性能成本，而干扰选择一个策略来最大化它。由此产生的均衡对应于成本函数的一个鞍点，在最坏情况下保证了鲁棒性能[18,19,20]。这种解释为鲁棒性裕度和性能界限提供了物理意义：它们代表了对抗性互动的结果，而不仅仅是抽象的保守性。此外，它使得鲁棒控制概念能够扩展到涉及多个对手、层次化互动和随时间演变的约束的场合[19,20]。

2.3. 超出零和公式
虽然零和博弈捕获了对干扰的鲁棒性，但功率电子系统中的许多互动本质上是非零和的。设计者和控制器并不共享相同的目标；分布式转换器可能为了追求个体效率而牺牲系统级稳定性；制造商和系统集成商协商的容差在性能和产量以及成本之间进行权衡[21,22,23]。在这种情况下，解决方案的概念从极小极大最优性转变为均衡分析，如纳什均衡或斯塔克伯格均衡。这些均衡表征了稳定的操作点，在这些点上没有任何参与者可以通过改变策略来单方面改善他们的结果。重要的是，均衡解不必与全局最优解一致，这反映了工程设计通常代表了竞争利益之间的折中，而不是理想化的解决方案[23,24,25]。将功率电子设计和控制问题视为策略性互动，从而能够对工程决策进行更丰富和更真实的建模。它还为系统化的协同设计方法打开了大门，在这些方法中，硬件参数、控制律和操作策略是作为明确定义的博弈的均衡结果共同确定的。在更广泛的能源系统文献中，博弈论方法已经广泛用于分散式决策制定、能源管理、点对点协调以及微电网和分布式能源资源的多智能体优化。最近的综述论文确认了这些领域的持续活跃，特别是在能源管理和分布式决策制定方面[7,8,9,11]。相比之下，在功率电子学领域，博弈论的应用仍然较为分散。相关研究通常分布在鲁棒控制和极小极大控制、层次化或双层设计、微电网中的转换器交互以及转换器接口资源之间的协调等方面。尽管这些贡献很有价值，但它们通常是在不同的方法论流中发展的，而不是作为一个统一的、面向转换器的框架来呈现的，涵盖硬件尺寸确定、控制合成、不确定性和容差分配以及模块化转换器操作[12,13,14,15]。因此，主要差距不是能源相关系统中缺乏博弈论，而是缺乏一个简洁且技术上可解释的分类法，将不同的博弈结构与功率电子设计和操作中遇到的工程层次和时间尺度联系起来。本文通过将这些分散的观点组织成一个统一的框架，并通过两个透明的案例研究来说明这些公式，从而填补了这一空白。表1总结了本文相对于现有文献的定位。

3. 硬件-控制器协同设计作为斯塔克伯格博弈
3.1. 顺序设计范式的局限性
在许多工业功率电子设计工作流程中，硬件设计和控制器合成被组织为独立的、顺序的阶段，以便于处理。初始的无源元件值、开关频率、半导体额定值和热限制通常是根据稳态、纹波、EMI和安全约束来确定的，然后通过迭代细化以满足动态和闭环要求。这种顺序-迭代循环促使形成了正式的协同设计公式，优化硬件以期望实现最佳的控制性能，而不是将控制器视为事后考虑的因素[26]。虽然这种范式简化了设计过程，但它本质上限制了最优性。硬件参数决定了可实现的控制带宽、鲁棒性裕度和对不确定性的敏感性。相反，控制策略的选择会影响最佳硬件尺寸、允许的容差和操作应力。独立处理这些决策往往会导致过度设计的硬件、保守的控制律或对参数变化的过度敏感性[26]。典型的例子包括输入滤波器-转换器交互和交流分布式电力系统中的基于阻抗的稳定性分析[27,28]。在高功率密度转换器、基于宽禁带系统的应用中，以及在效率、电磁兼容性和寿命要求严格的应用中，这些缺点尤为明显。在这种情况下，顺序范式无法捕捉设计和控制决策之间的战略依赖性[29,30,31]。

3.2. 协同设计的斯塔克伯格博弈公式
硬件设计和控制器合成之间的互动可以自然地被表述为斯塔克伯格博弈，这是一个涉及领导者和追随者的层次化博弈论模型。在功率电子学的背景下[32,33,34]：设计者作为领导者，选择硬件参数，如电感、电容、开关频率和热限制；控制器作为追随者，根据选定的硬件配置合成最佳控制律。正式地，领导-追随者协同设计问题可以写为：
(1)
其中d表示设计参数向量（例如L、C、fsw），K代表控制器，JD和JC编码与设计和控制相关的目标（例如体积、损耗、纹波、带宽、鲁棒性裕度）。嵌套的优化强调了硬件选择应该预见可以为该硬件配置合成的最佳控制器。这种公式捕捉了一个基本的工程现实：硬件不仅应该是为了名义操作而选择的，还应预期实现最佳的控制性能[26]。

3.3. 解释和工程含义
斯塔克伯格视角提供了几个重要的见解。首先，它澄清了最优硬件配置取决于所考虑的控制器类别。例如，为比例-积分控制优化的设计与为模型预测控制或鲁棒控制策略优化的设计可能会有显著不同[35,36]。其次，斯塔克伯格均衡通常不与单一聚合优化问题的解相吻合。相反，它代表了一种稳定配置，在这种配置下，设计者和控制器都不能单方面改善他们的结果。这解释了为什么在考虑控制器限制时，经典的“全局最优”设计在实践中可能表现不佳[37,38]。第三，该框架能够系统地探索硬件复杂性和控制努力之间的权衡。增加电感可以简化控制，但会增加尺寸和成本；而提高开关频率可以改善动态响应，但代价是损耗和电磁干扰的增加。这些权衡是作为均衡结果自然出现的，而不是特设的折中[39,40,41]。

3.4 电力电子应用中的示例
斯塔克伯格协同设计框架适用于广泛的电力电子系统。在谐振变换器中，设计者选择电容器参数，而控制器调节频率或相位以保持软开关和效率。在并网逆变器中，滤波器组件决定了控制带宽和谐波衰减，直接限制了可实现的电流调节。在模块化和多级变换器中，子模块的尺寸影响控制复杂性和容错策略[42,43,44,45]。尽管这些系统目前大多是通过硬件团队和控制团队之间的启发式迭代来设计的，但斯塔克伯格公式为集成优化提供了正式的基础。它还建立了传统设计规则和基于优化的先进合成方法之间的自然桥梁。

3.5 与鲁棒控制和基于学习的控制的关系
斯塔克伯格框架可以扩展以纳入不确定性和适应性。当控制器考虑模型不确定性或参数漂移时，跟随者问题变成了鲁棒控制或基于学习的控制合成。在这种情况下，设计者优化硬件参数以促进鲁棒性和适应性，而不仅仅是名义性能[46,47,48]。这种扩展对于受老化、温度循环和运行条件变化影响的系统特别相关。对于名义控制器来说最理想的硬件，在考虑长期退化时可能表现不佳，而博弈论协同设计可以明确考虑这些效应。

图1总结了文献中讨论的基于均衡的设计观点，第3.6节和第5.7节提供了实例化的斯塔克伯格和非合作观点的演示仿真案例研究[49,50]。图1. 电力电子系统中博弈论相互作用及其均衡解释的概念图。硬件设计、控制合成、不确定性、制造公差和分布式子系统被建模为具有部分冲突目标的互动参与者。传统的鲁棒控制可以解释为控制器与干扰之间的零和游戏，而硬件-控制器协同设计自然而然地被表述为斯塔克伯格游戏。分布式变换器和模块化系统则对应于非合作或合作游戏，其均衡决定了系统级性能、鲁棒性和可扩展性。这种博弈论解释为分析不同电力电子架构中的设计权衡和均衡行为提供了统一的视角[51,52,53]。

3.6 案例研究：降压变换器的斯塔克伯格协同设计（仿真）
为了使斯塔克伯格解释具体化，并解决需要代表性示例的问题，本小节介绍了一个连续导通模式（CCM）降压DC-DC变换器的示例协同设计研究。目的不是提出一个新的变换器模型，而是提供一个在熟悉的变换器环境中透明地实现斯塔克伯格协同设计概念的数值实例，展示领导者-跟随者公式如何自然地将无源组件尺寸与控制器调优结合在一个优化循环中。使用了一个平均的小信号模型，参数为Vin = 48 V、Vout = 12 V、Pout = 120 W（R = 1.2 Ω）和fsw = 100 kHz。领导者（设计者）选择输出滤波器参数d = [L, C]，受到实际纹波约束（ΔiL,pp ≤ 2 A和Δvout,pp ≤ 0.12 V）。对于CCM降压变换器，纹波近似值为ΔiL,pp ≈ (Vin ? Vout)·D/(L·fsw)和Δvout,pp ≈ ΔiL,pp/(8·C·fsw)，其中D = Vout/Vin [1]。根据纹波约束，满足条件的最小电感Lmin为：
(2)
给定结果的最坏情况纹波ΔiL,pp，满足条件的最小电容Cmin近似为：
(3)
对于上述参数集，这些表达式得出Lmin = 45 μH和Cmin ≈ 20.8 μF。这些量定义了一个满足最小纹波的设计，并在下面的领导者目标中用作 normalization 参考。

跟随者（控制器）问题。给定一个候选硬件对d = [L, C]，跟随者（控制器）调整PI电压调节器K(s) = Kp + Ki/s，以实现占空比-输出传递函数：Gvd(s) = Vin/(L·C·s2 + (L/R)·s + 1) [1,2,8]。在斯塔克伯格解释中，控制器参数的选择是为了最小化1 V参考步长的平方跟踪误差（ISE）的积分，同时受到超调约束Mp ≤ 10%和闭环稳定性的限制。

跟随者解决方案方法。优化变量（Kp,Ki）在限定区间Kp ∈ [0, Kp,max]和Ki ∈ [0, Ki,max]内使用粗略到精细的网格细化策略进行搜索。在所有可行的候选者中，产生最小ISE的对定义了跟随者的最佳响应K*(d)。

算法实现。为了使示例性的斯塔克伯格过程可重现，协同设计工作流程可以总结如下。首先，根据纹波约束定义可行的硬件设计区域，得出L和C的下限以及设计者选择的任何其他实际限制。其次，对于这个可行区域内的每个候选硬件对d = [L, C]，跟随者解决相应的占空比-输出模型Gvd(s)的受限PI调优问题，最小化1 V参考步长的平方跟踪误差（ISE）的积分，同时满足闭环稳定性和10%的超调限制。第三，使用得到的最佳响应控制器K*(d)来评估领导者目标，该目标结合了闭环性能和标准化的无源尺寸代理。第四，领导者选择在可行设计集中最小化此目标的硬件对d*。结果对(d*, K*(d*))构成了示例协同设计的斯塔克伯格解决方案。

在这个例子中，该过程是通过在硬件变量和控制器增益上进行有界的粗略到精细搜索来数值实现的。目的不是声称数值搜索本身的全局最优性，而是提供一个透明且可重现的均衡构建过程，使领导者-跟随者逻辑明确化。

示例性公式的敏感性和范围。在无源尺寸代理中使用的权重因子是故意启发式的，仅用于反映一个常见的工程观察，即在降压滤波器设计中电感通常占据体积和成本的主导地位。不同的应用可能会对L和C施加不同的相对惩罚，因此得到的均衡应该被视为取决于所选的设计优先级，而不是通用最优解。同样，当前案例研究基于平均的小信号模型和理想化的纹波表达式，这使其适合作为说明领导者-跟随者协同设计逻辑的例子，但不适用于完整的实施级验证。在实际设计中，开关纹波、寄生电阻、死时间、采样、传感器噪声、EMI约束、热限制和效率目标都可以纳入领导者和跟随者的成本函数中，而不会改变底层的斯塔克伯格结构。因此，当前示例应被视为一种透明的方法论演示，而不是完整的变换器设计处方[54,55,56]。

领导者目标与基线比较。然后领导者选择(L,C)来平衡闭环性能和使用标准化代理的简单无源“尺寸”：
(4)
其中权重因子反映了在降压滤波器设计中电感通常占据体积/成本的主导地位（确切的权重取决于应用）。图2草绘了本示例中使用的领导者-跟随者工作流程。

图2. 斯塔克伯格协同设计案例研究的领导者-跟随者工作流程（第3.6节）。

权重因子的解释。在当前示例中，分配给L的无源尺寸代理中的权重系数旨在使领导者目标倾向于选择电感负担较低的解决方案，反映了紧凑型降压变换器设计中的典型工程偏好。这个系数并不是通用的。相反，它代表了可以根据需要强调紧凑性、储能、成本或电容使用量的应用依赖设计偏好。改变这个系数通常会沿着无源尺寸和闭环性能之间的权衡表面移动斯塔克伯格均衡，但不会改变问题的领导者-跟随者解释。因此，这里使用的数值应被视为该方法的一种透明示例化，而不是实际变换器设计的固定处方[57,58,59]。

实际实施范围和与集成电力电子的关系。尽管当前案例基于平均的CCM降压模型，但相同的斯塔克伯格协同设计结构可以扩展到实施级的开关模型和更加紧密耦合的硬件架构。在开关模型设置中，领导者目标可以增加效率、半导体应力、EMI、热限制、测量噪声敏感性和延迟鲁棒性，而跟随者问题可以使用经典数字控制、MPC或鲁棒控制公式。同样的逻辑也适用于集成电力电子，其中磁性、电容性、热性和几何耦合比传统离散组件变换器更强。在这样的系统中，设计变量将不再局限于集总化的L和C值，而可以包括集成的无源几何形状、磁耦合、寄生参数、封装限制和辐射相关指标[60,61]。因此，所提出的公式不应仅限于简单的降压示例；相反，该示例作为一个透明的低阶示例，说明了可以丰富用于紧凑和高度集成变换器结构的领导者-跟随者协同设计原则。

为了比较，通过相对于满足最小纹波值的较大尺寸来构建一个保守的顺序设计（Lseq = 90 μH和Cseq = 62.5 μF）。相比之下，斯塔克伯格协同设计选择了(L*, C*) = (45 μH, 41.7 μF)，这仍然满足纹波限制，但在这个例子中将加权无源体积代理减少了大约44%（3·L/Lmin + C/Cmin）。图3显示了结果阶跃响应，表2总结了关键指标。

图3. 降压DC-DC变换器案例研究：1 V参考步长的保守顺序设计和斯塔克伯格协同设计（平均小信号模型）。

表2. 降压DC-DC变换器斯塔克伯格协同设计案例研究：设计参数和闭环性能（仿真）。

尽管简化了，但该示例说明了斯塔克伯格协同设计的核心要点：在预期最佳可达闭环性能的基础上选择硬件，并在明确了解硬件选择的情况下选择控制器增益。在实际变换器设计中，可以在JD和JC中加入额外的目标（效率、EMI、热应力和寿命），而不会改变底层的领导者-跟随者逻辑。

4. 公差、不确定性和风险分配作为游戏
4.1 超出传统的公差分析
公差分析是电力电子设计的一个基本方面，直接影响性能、可靠性、成本和可制造性。传统上，公差处理方式要么是通过最坏情况分析，这通常过于保守，要么是通过统计方法（如蒙特卡洛仿真），这些方法通常假设参数变化是独立同分布的。虽然这些方法很有用，但它们未能捕捉实际工程工作中公差选择和风险分配的战略性。

实际上，公差不仅仅是随机偏差，而是多个利益相关者相互作用的结果。设计者寻求紧密的公差以保证性能和鲁棒性，制造商倾向于使用较宽的公差以最大化产量和降低成本，而运行环境通过负载变化、温度变化和老化引入了对抗性效应。这些相互作用无法通过纯粹的概率模型充分表示[64,65]。

从博弈论的角度来看，公差分析可以被重新解释为一种战略互动，在这种互动中，不确定性不是一个被动现象，而是一个影响系统结果的主动参与者。

4.2 自然作为对手：鲁棒性作为零和游戏
不确定性模型最直观的博弈论解释之一是将环境——通常称为“自然”——视为一个对抗性参与者。在这种表述中，控制器或系统设计者试图最小化性能退化指标，而自然选择参数实现和干扰来最大化它。这自然导致了一个零和游戏的表述。这种解释与传统的鲁棒控制理论非常吻合，在该理论中，最坏情况干扰在极小极大框架中被考虑。然而，将这种观点扩展到公差上突显了一个重要的见解：最坏情况公差分析隐含地假设了一个完美协调的对手，该对手同时将所有参数推向它们的极端限制。虽然在数学上方便，但这种假设在现实场景中可能会高估风险[14,15,16,17]。相关的非博弈论公式包括鲁棒优化和凸松弛技术，它们在有界不确定性集上提供保证，并且通常提供可扩展的计算工具[66,67,68]。博弈论公式允许考虑自然的物理、制造或经济限制等中间对抗模型，这使得对鲁棒性边际的评估更加现实，并避免了在公差规格中不必要的保守主义。4.3. 设计者-制造商互动作为讨价还价游戏公差的选择很少仅由技术考虑决定。在工业实践中，公差是通过设计师和制造商之间的谈判产生的，双方追求不同的目标。设计师优先考虑性能、稳定性边际和寿命，而制造商则优先考虑生产产量、成本效率和供应链灵活性。这种互动可以建模为一个讨价还价游戏，其中可行的公差集代表谈判空间，最终协议对应于讨价还价均衡。这样的公式明确承认公差既是技术变量也是经济变量。它还为量化性能边际和制造成本之间的权衡提供了原则性框架[34,35]。通过将公差视为均衡结果而不是固定约束，设计师可以系统地推理哪些紧密公差真正关键，哪些放宽的公差是可以接受的，而不会妥协系统级目标。4.4. 多参数互动和风险归因在电力电子系统中，性能退化很少是由单一参数偏差引起的。相反，多个公差以非线性方式相互作用，影响关键性能指标，如效率、电流波动、电磁辐射和热应力。传统的敏感性分析往往无法捕捉这些相互作用，导致关于参数重要性的误导性结论。博弈论风险归因提供了一个替代视角。通过将参数建模为合作游戏中的参与者，它们的联合行动导致性能退化，从而可以以原则性方式在参数之间分配风险责任。解决方案概念，如边际贡献和公平分配，提供了量化个别公差对系统级不确定性贡献的定量度量[36,37,38,39]。这种视角对于指导设计工作特别有价值。与其统一收紧所有公差，不如将资源导向在均衡中主导风险的参数，从而提高鲁棒性和成本效率。4.5. 层次化和多尺度不确定性游戏电力电子系统中的公差互动跨越多个物理和时间尺度，从半导体器件特性和布局寄生效应到热接口和长期退化机制。在单一层面上处理所有不确定性会掩盖它们的层次结构。博弈论公式自然适应多层次互动。在较低层次，器件和布局相关的不确定性可能竞争性地相互作用，而在较高层次，系统级控制器和保护机制作用以减轻总体效应。层次化博弈模型反映了这种结构，并使得跨尺度的公差分配一致。这种公式对于基于宽带隙的转换器和高密度设计尤其相关，在这些设计中，小的几何或材料变化可能对性能和可靠性产生不成比例的影响。4.6. 对设计和控制协同优化的启示通过博弈论视角看待公差和不确定性对协同设计具有重要意义。控制器不仅可以被合成以稳定标称系统，还可以通过减少对某些参数的敏感性来重塑底层的公差游戏。相反，硬件可以被设计来通过限制对抗性不确定性来简化控制问题。这种相互影响强化了集成设计和控制方法的需求。公差不再是静态约束，而是成为战略性变量，其最优值取决于控制器、操作环境和制造过程的预期行为。5. 分布式和模块化电力电子系统作为游戏5.1. 从集中控制到策略性互动电力电子系统向模块化和分布式架构的演变代表了设计哲学和控制要求上的根本转变。并行转换器、模块化多级逆变器、分布式发电单元和电动汽车充电基础设施在没有单一中央决策者的情况下运行。相反，多个自主单元通过共享电气网络进行互动，竞争有限的资源，如电压裕度、电流容量和热裕度[40,41,42,43]。在这样的系统中，由于可扩展性、通信约束和鲁棒性考虑，传统的集中优化变得不切实际。因此，通常采用局部控制策略，依赖于有限的信息和分散决策。这些条件自然产生了子系统之间的策略性互动，使得博弈论模型特别适合分析和设计。5.2. 并联转换器和负载共享作为非合作游戏分布式电力电子系统中研究最多的例子之一是转换器的并行操作。每个转换器在其输出上进行调节，同时通过公共总线与其他转换器进行电气互动。从博弈论的角度来看，每个转换器可以被视为一个玩家，选择控制策略（如参考电流、下垂斜率或虚拟阻抗）来优化局部目标函数。这些局部目标通常包括效率最大化、热应力最小化和组件寿命保护。然而，当转换器独立运行时，得到的运行点对应于非合作均衡。传统的下垂控制可以解释为一种机制，它诱导了一个纳什均衡，在该均衡中没有任何转换器可以在不影响其他转换器的情况下改善其局部目标。这种解释解释了下垂基方法的优势和局限性。虽然它们实现了分散操作和可扩展性，但得到的均衡可能在全局效率或公平性方面是次优的。因此，博弈论分析提供了关于控制律如何塑造均衡结果的洞察，而不仅仅是稳定动态。5.3. 合作游戏和模块化系统中的公平性在许多应用中，特别是在微电网和能源社区中，电力电子单元之间的合作是可取的。合作博弈公式使得子系统能够共享信息或协调策略，以实现系统级目标，如损失最小化、公平负载分配或增强韧性[40,41,42,43]。通过引入激励机制、定价信号或协调协议，均衡可以从纯粹的非合作结果转变为合作解决方案。这种转变在公平性和长期可持续性至关重要的应用中特别相关，例如共享储能、社区拥有的可再生能源资产和车对网系统。博弈论工具为分析这些协调机制及其对单个单元和整个系统性能的影响提供了正式框架。5.4. 模块化多级转换器和层次化游戏模块化多级转换器（MMCs）体现了多个尺度上的层次化互动。子模块、臂和系统级控制器在不同的时间尺度上运行，并追求不同的目标，从电容器电压平衡到电网级电力质量[46,47,48]。层次化博弈模型自然反映了这种结构。较低层次的博弈管理子模块之间的互动，而较高层次的博弈协调臂或相。堆斯特伯格公式可以用来捕捉监控控制器和本地控制单元之间的领导者-追随者关系，使得层次化控制架构的系统设计成为可能。这种视角明确了局部决策如何向上传播，以及如何在无需集中控制的情况下实现系统级目标。5.5. 对智能电网和能源系统的影响在智能电网中，电力电子接口作为智能代理，在发电、存储和消费之间中介能量流动。它们的互动超出了纯粹的技术考虑，包括经济激励、监管约束和用户行为。博弈论模型为分析这些多维互动提供了统一的语言[49,50,51]。通过将分布式电力电子控制框架化为游戏，可以解决诸如在策略行为下的稳定性、资源分配的公平性以及对抗自私或对抗性行为的鲁棒性等问题。这种视角自然与电网数字化、互动能源和点对点能源交易等新兴趋势相一致。5.6. 总结和与统一框架的链接分布式和模块化电力电子系统体现了从集中优化向基于均衡的操作的转变。博弈论提供了理解和塑造这些均衡所需的分析工具，使得系统行为具有可扩展性、鲁棒性和社会可接受性。最近的工作将这些博弈论公式扩展到微电网集群、互动能源和使用堆斯特伯格和合作游戏的多利益相关者优化[58,59,60]。在本文提出的统一框架内，分布式控制问题对应于非合作或合作游戏，其均衡决定了系统级性能。认识到这种联系使设计师能够超越启发式控制律，采用原则性、考虑均衡的设计方法。5.7. 案例研究：下垂系数选择作为游戏（模拟）下垂控制是并行转换器和逆变器主导的微电网中广泛使用的电流共享分散机制。其行为可以通过非合作和合作游戏自然解释：每个模块的下垂系数影响其自身的电流贡献、公共总线电压，从而影响整个系统的运行损耗和公平性。考虑两个连接到公共总线的直流电源，其下垂定律为V = Vref ? mi·Ii（i = 1,2），其中V是总线电压，mi > 0是下垂斜率。假设负载是电阻性的，电阻值为RL，因此在稳态下Iload = V/RL且I1 + I2 = Iload。定义逆下垂电导gi = 1/mi，我们得到：(5)，从而得出稳态关系(6)非合作游戏（纳什均衡）。每个转换器选择gi来最小化私人成本：其中ri表示导电损耗敏感性（例如，等效电阻），λ表示电压调节权重。在这个示例中，我们使用Vref = 48 V，r1 = 0.02 Ω，r2 = 0.01 Ω，λ = 0.1。代入稳态关系后得到gi的一维最佳响应问题(7)。对于这个双玩家电阻负载设置，跟随者的最佳响应有封闭形式：(7)，通过解联立方程得到纳什均衡。在名义负载RL = 2.4 Ω下计算得到的纳什斜率分别为m1 = 2.561 V/A和m2 = 0.081 V/A。合作（考虑损耗）下垂。相比之下，通过选择与损耗系数成比例的下垂斜率mi ∝ ri，可以获得合作下垂设计，这产生接近于在相同分散下垂结构下最小化损耗的分配。在上述(r1,r2)下，m1 = 0.200 V/A，m2 = 0.100 V/A。传统的“等下垂”基线使用m1 = m2 = 0.200 V/A。图4和图5显示了在10毫秒内负载阶跃（RL: 2.4 Ω → 1.92 Ω）时三种下垂选择（相等、纳什、合作）下的总线电压和电流响应，而表3报告了在名义负载和重负载下的稳态值。在这个示例中，合作（考虑损耗）下垂相比等下垂改进了电压调节和效率（在表3中，总导电损耗降低了约9%），而非合作纳什均衡通过将大部分负载转移到更高效的模块上来增加总线电压硬度。这改善了电压下垂，但严重降低了电流共享的公平性，并可能增加总损耗。该案例研究说明了均衡分析如何明确量化分散转换器车队中调节、效率和公平性之间的权衡。图4. 下垂控制案例研究：在10毫秒内负载阶跃（RL: 2.4 Ω → 1.92 Ω）时，三种下垂选择（相等、纳什均衡、合作）下的总线电压响应。图5. 下垂控制案例研究：在负载阶跃期间，三种下垂系数选择（相等、纳什、合作）下的转换器电流I1和I2。表3. 下垂控制案例研究：三种下垂系数选择下的稳态共享、电压下垂和总导电损耗。表3强调了三种分散策略之间的均衡权衡。在名义负载和重负载下，合作下垂解决方案实现了最高的总线电压和最低的总导电损耗，同时保持了比纳什均衡更加平衡的电流分配。相比之下，纳什解决方案极大地偏爱电效率高的一方，导致电流分配高度不对称（例如，在名义负载下分别为0.59 A和18.78 A），这提高了电压硬度，但以牺牲公平性为代价，并且在这个示例中也增加了总损耗。等下垂基线在严格意义上是最公平的，但在电压调节和效率方面不如合作策略。总体而言，这个比较说明了论文的一个关键点：不同的均衡概念对应于不同的工程优先级，而博弈论公式使这些优先级及其后果变得明确。6. 统一分类法和未来研究方向6.1. 电力电子学中博弈论问题的统一分类法前面章节中的分析表明，广泛的电力电子设计和控制问题可以在博弈论框架内一致地解释。基于这一观察，可以提出电力电子学中博弈论公式的统一分类法，如图1和表4所总结的。在最基本的层面上，零和游戏捕捉了对抗干扰和不确定性的鲁棒性，对应于传统的鲁棒控制和基于H∞的控制。这些公式对于转换器稳定性、干扰抑制以及最坏情况下的性能保证特别重要[18,19,20,21,22,23,24]。表4列出了电力电子设计和控制中的博弈论公式分类。总体来看，这些不同的博弈论公式不仅对应于不同的技术问题，还对应于电力电子系统中不同的决策层次和时间尺度。在下一个层次上，斯塔克伯格博弈（Stackelberg games）形式化了对硬件的设计与控制合成之间的层次化交互。在这里，设计者预测最佳控制器的行为并据此选择硬件参数，从而实现系统的协同设计。这一类别涵盖了与元件尺寸选择、开关频率选择和鲁棒性优化相关的问题。在分布式和模块化电力电子系统中，非合作博弈自然出现，其中各个单元在通过共享电气网络进行交互的同时追求各自的目标。负载共享、电压下垂控制（droop control）和分散式电压调节可以被视为此类博弈的均衡结果。相比之下，合作博弈和谈判博弈模拟了设计者、制造商和系统运营商之间的协商交互，特别是在容差分配、产量优化和生命周期成本管理方面。最后，重复博弈和学习博弈将这些公式扩展到具有老化、参数漂移和运行条件演变等特征的动态环境中。这些模型为传统控制理论与现代数据驱动和自适应方法之间提供了桥梁。

6.2 将博弈类型与设计目标和时间尺度联系起来
所提出的分类法的一个重要优势在于它能够将不同的博弈公式与特定的设计目标和时间尺度联系起来。快速时间尺度的交互（如电流调节和干扰抑制）可以通过差分零和博弈（differential zero-sum games）很好地描述。中等时间尺度的决策（包括硬件-控制器协同设计和容差选择）与斯塔克伯格博弈和谈判博弈相匹配。长时间尺度的现象（如退化、维护规划和经济优化）则促使了重复博弈和进化博弈的发展。这种多尺度视角反映了电力电子系统的物理现实，即快速的电学动态与缓慢的热学和老化过程共存。博弈论模型为整合这些不同的时间尺度提供了一个连贯的框架，而无需依赖特设的假设。这种博弈结构、工程目标和物理时间尺度之间的映射明确了对于给定的转换器问题，哪种均衡概念是最合适的，而不是通过单一的优化框架来处理所有的多目标交互。

6.3 挑战与研究机会
尽管博弈论方法在概念和方法上具有吸引力，但在电力电子领域的应用仍应在其明确的范围内进行解释。本文旨在提供一个统一的分析框架，并通过示例性案例研究来支持这一框架，而不是作为一个适用于所有转换器类别和运行方式的通用综合工具。特别是第3.6节和第5.7节中介绍的两个例子是有意设计得较为简单和低阶的，这有助于揭示均衡结构，但未能完全反映实际转换器系统的实现复杂性。在实际应用中，需要明确考虑切换动态、寄生效应、半导体损耗、电磁干扰（EMI）限制、热耦合、传感器噪声、采样和延迟效应以及数字实现限制等因素。在此范围内，出现了一些未解决的挑战和研究方向。首先，博弈论控制和设计策略的实验验证仍然有限。为了部分弥补这一差距，修订后的手稿新增了两个可复制的仿真案例研究（第3.6节和第5.7节），这些研究在代表性的转换器和电压下垂控制示例中量化了均衡折中；然而，硬件原型和大规模现场测试对于评估鲁棒性、实施限制以及测量/执行的非理想性仍然是必不可少的。在这方面，本文并不声称可以实现快速转换器动态的实时均衡计算，而是将博弈论结构作为设计和协调的抽象工具。其次，计算复杂性对实时实现提出了挑战，特别是在大规模或高度模块化的系统中。需要高效近似方法和层次化分解技术将理论公式转化为实际的设计工具。第三，将学习和适应机制整合到博弈论框架中引发了关于稳定性、收敛性和安全性的问题。对于动态难以建模的系统（例如，阻抗变化、老化或电网不确定性），结合强化学习与寻求均衡的控制特别有吸引力，但必须配上稳定性保证（例如，李雅普诺夫约束、屏障证书或鲁棒性安全滤波器）。同样，模型预测控制（MPC）可以作为在线解决局部最佳响应问题的计算引擎，这表明了混合架构的可行性，在这种架构中，分布式MPC计算均衡更新，同时学习机制在更长的时间尺度上更新模型或收益函数[8,9,10]。第四，标准化和设计方法论基本上还处于缺失状态。将博弈论洞察转化为工程指南、设计规则和软件工具代表了重要的应用机会。最后，与公平性、透明度和社会接受度相关的新兴问题，尤其是在智能电网和能源社区中，表明需要跨学科的方法，将技术博弈论模型与经济和法规考虑结合起来。

6.4 对未来电力电子设计的影响
本文提出的统一视角表明了电力电子系统设计和工程的思维方式的转变。设计和控制不应被视为孤立的优化问题，而应被理解为相互作用的战略过程，其结果是均衡配置。这种转变对系统的鲁棒性、可扩展性和可持续性具有深远的影响。通过明确建模战略交互，工程师可以预见冲突，更有效地分配风险，并设计出在现实运行条件下保持稳定和高效的系统。因此，博弈论不仅仅是一个抽象的数学工具，而是一个结构化且易于实际解释的未来电力电子设计方法的框架。

7. 结论
第3.6节和第5.7节中呈现的结果，加上第6节中的统一分类法，说明了不同的均衡概念如何在代表性的转换器问题中揭示出不同的工程折中。本文提出了一个统一的博弈论视角，用于电力电子系统的最优设计和控制。通过将传统问题（如鲁棒稳定、协同设计、容差分配和基于电压下垂的负载共享）重新定义为潜在博弈的均衡解，本文将一组多样的方法统一在一个概念框架下。所提出的框架强调了现代电力电子中的设计和控制决策本质上是相互依赖的。平衡观点（斯塔克伯格博弈、纳什博弈、合作博弈）提供了一种量化并协商效率、鲁棒性、 Ripple效应（通常指电压波动或电流波动）、公平性和可扩展性之间折中的语言，而不是仅仅依赖顺序化的劳动分工。除了概念上的统一之外，本文还提供了两个示例性仿真案例研究。一个 Buck-转换器的斯塔克伯格协同设计示例展示了如何通过耦合无源元件尺寸调节和PID调整来减少体积开销，同时改善瞬态性能。另一个并联转换器的电压下垂控制示例显示了非合作均衡与合作设计之间的差异，明确了总线电压调节、电流共享公平性和损耗之间的权衡。总体而言，本文认为博弈论不应仅仅被视为一个辅助的数学工具，而应被视为一个结构化且易于实际解释的方法论框架，适用于那些不可避免地存在分布式决策、不确定性和多目标折中的电力电子系统。