《Energy Conversion and Management-X》：Towards Stakeholder-Aware Demand-Side management assessment in heterogeneous residential Microgrids: A Multi-Agent approach
编辑推荐：
可再生能源的扩张对于可持续能源供应至关重要，但太阳能和风能的波动性会导致供过于求或供应不足，从而对电网稳定性构成挑战。私人家庭在这一转型中处于核心地位，它们结合了动态消费与分布式发电。本文提出了一种基于Mesa框架的多智能体微电网仿真模型，专注于住宅参与者的异
可再生能源的扩张对于可持续能源供应至关重要，但太阳能和风能的波动性会导致供过于求或供应不足，从而对电网稳定性构成挑战。私人家庭在这一转型中处于核心地位，它们结合了动态消费与分布式发电。本文提出了一种基于Mesa框架的多智能体微电网仿真模型，专注于住宅参与者的异质性目标和 technological capabilities（技术能力）。家庭被建模为具有个体策略的自主智能体，而专门的“电网智能体”代表配电网运营商（DSO），以支持电网的方式调节微电网。排放因子作为电网友好行为的关键指标。结果表明，在夏季，来自异质家庭的未管理光伏（PV）馈入会导致严重的电网压力和配电系统运营商（DSO）的平衡努力。动态电价可以激励电网友好的调度，但其有效性取决于价格信号与可再生能源可用性的相关性，且不能单独保证支持电网的行为。电网智能体可靠地提高了电网支持系数，但其运行策略（例如额外的峰值削减目标）可能会干扰基于价格的激励。因此，有效的需求侧管理（DSM）需要对涉众相互作用进行仔细分析。基于这一见解，本文提供了在微电网环境中设计和实施集成及个体能源管理策略的基本框架。通过仿真系统参与者和策略之间的动态相互作用，它能够全面评估它们对电网的集体影响，支持未来电力网络的稳健解决方案的开发。
随着可再生能源（RES）在电力系统中集成度的不断提高，电网稳定性面临严峻挑战。与传统的集中式可控电源不同，太阳能和风能等可再生能源受气象条件影响大，波动性强。同时，各行业电气化水平的提高以及高耗能技术的广泛应用，进一步加剧了对可靠电网供电的需求。特别是在居民领域，分布式能源的产生与消费涉及众多异质参与者，居民行为的不确定性与新兴技术的发展共同导致家庭负荷曲线的显著变化。尽管利用电池储能系统（BSS）提高自给率对整体电网有积极影响，但高渗透率的分布式可再生能源（RES）在夏季等高辐照度时期会导致过剩能量，引发电网压力和负荷平衡需求的增加。微电网通过在本地平衡能源产生与消费，为缓解这些问题提供了有前景的方案，但现有研究多聚焦于通过中心化能源管理系统（EMS）降低能源成本，往往假设所有参与者完全合作，忽略了居民个体的异质性利益和决策偏差，且单一EMS可能无法获取电网内所有资源，限制了其优化效果。因此，研究亟需建立一个能捕捉网格参与者与运营商之间相互作用的框架，以评估监管策略在现实条件下的可行性。
为开展此项研究，研究人员构建了基于Mesa框架的多智能体系统（MAS），模拟由100个家庭组成的居民微电网。样本队列来源于对德国帕德博恩地区历史气象数据和2023年德国日前电力市场数据的引用。研究中定义了四种类型的消费者智能体：无光伏/储能的基本消费者、仅配备未管理光伏的未管理生产者、采用基于规则EMS的管理生产者、以及采用基于预测优化EMS的管理生产者。每个家庭智能体配备空气源热泵（HP）满足热需求，部分配备BSS。此外，在中低压变电站引入电网智能体，代表DSO，配备大规模BSS，旨在通过负荷转移和平衡能量来支持电网稳定。关键技术方法包括：1）使用LoadProfileGenerator生成异质的个体电力和热力负荷曲线；2）建立基于规则和优化模型的EMS策略；3）引入电网支持系数（GSC）作为评估电网友好行为的关键绩效指标，分别针对电力消费和供给进行计算；4）通过灵敏度分析评估电网智能体BSS容量及峰值削减惩罚因子（α）对系统性能的影响。
研究背景部分指出，现有微电网研究多假设参与者完全合作，忽视了异质性利益，且动态电价 alone 无法保证电网稳定，需DSO介入。主要技术方法如上所述，涵盖了异质负荷建模、多策略EMS仿真及GSC评估体系。
研究结果部分：
**4.1 Agent behaviour（智能体行为）**
通过仿真夏季场景，研究人员发现未管理消费者完全依赖外部电网；未管理生产者在白天产生大量盈余电力并馈入电网，夜间则从电网购电；基于规则的管理生产者在电池满充后也会馈入盈余电力，但在夜间可利用电池供电，减少电网交互。基于优化EMS的生产者则根据电价低时充电、高价时放电以最小化成本，但这会导致与电网交互时的峰值波动和动态行为。电网智能体则根据排放因子决定充放电策略，以最小化碳排放。结果显示，价格信号与排放因子在正午时段高度相关，导致优化型生产者和电网智能体的行为模式相似。
**4.2 Scenario evaluation（场景评估）**
在四种场景（UnCon, UnPro, RBPro, OBPro）中，UnPro场景因未管理生产者的大量盈余电力，导致正午出现巨大的负功率（馈电），电网智能体需反向调节以抵消这种非电网友好行为。OBPro场景显示了最波动的需求曲线，其高度依赖价格反应。引入电网智能体后，所有场景下的电网支持程度均有改善，但在夏季，即使有电网智能体，高比例分布式光伏仍可能导致非电网友好行为。
**4.3 Impact of environmental conditions（环境条件的影响）**
季节性变化显著影响需求曲线。夏季碳排放呈现强周期性，价格波动大，导致负载波动剧烈。春季价格波动较小，电池充放电经济性降低，智能体反应减少。冬季无明显周期性排放模式，主要依靠风电，智能体反应较少，主要应对极端峰值。总体而言，夏季各智能体与外部电网的能量交换量最大，主要是盈余电力；冬季则以消费为主，电网智能体主要在低排放时段从外部电网进口电力。GSC指标显示，夏季电网智能体的作用最大，无电网智能体时GSC值高（非友好），引入后显著降低。优化型生产者在电价与排放因子强相关时表现更友好。
**4.4 Economic evaluation（经济评估）**
经济分析显示，夏季光伏盈余使生产者智能体获得显著利润，冬季则产生正成本。管理型智能体（RB或OB）相比未管理型成本改善有限，尤其在考虑运维成本后。电网智能体在夏季产生高成本，但在春季和冬季可能获利，表明电价与排放因子的相关性在经济与电网友好间的一致性。
**4.5 Sizing and operation of the grid agent（电网智能体的尺寸与操作）**
灵敏度分析表明，增加电网智能体的BSS容量可进一步降低GSC，提升电网友好行为，但也增加了投资和运维成本。然而，大容量电池可能导致更显著的净负荷峰值，增加外部电网平衡难度。引入峰值削减惩罚因子（α）可平滑负荷曲线，但会降低GSC，因为限制了与外部电网的能量交换，部分抵消了价格激励的电网友好效应。
讨论部分指出，本研究使用历史日前电价数据作为动态定价概念的占位符，未来需研究微电网内部电力市场和价格驱动概念的电网稳定操作。需协调中心化电网智能体控制策略与动态电价方案，以实现互补。当前GSC指标仅反映负荷转移，未包含频率调节、线路容量和电压稳定性等技术因素，未来需结合pandapower框架进行更复杂的仿真。排放因子采用全国平均值，忽略了局部电网影响，未来需考虑多微电网集体操作对局部排放因子的影响。模型需更详细地考虑建筑类型、人口统计特征及电池老化、电动汽车等因素。最后，建议通过蒙特卡洛等方法进行敏感性分析，并利用真实微电网数据进行验证。
结论部分总结，提出的多智能体系统为评估微电网需求侧灵活性提供了框架。研究表明，居民异质性和能源资产分布显著影响能量交换，夏季未管理光伏馈入导致非电网友好行为。动态电价在电价与排放因子强相关时可促进电网友好调度，但其效果随季节和EMS配置变化。电网智能体通过平衡聚合负载曲线，通常能实现GSC低于1的电网友好行为，但在夏季高光伏渗透率下，其补偿能力有限。增加电池容量虽提升负荷转移能力，但增加成本且可能引发峰值问题。操作策略中的额外目标（如峰值削减）会干扰价格激励。综上，动态电价引导生产者决策，电网智能体补偿剩余不平衡，二者结合可降低居民成本并减轻DSO的技术负担，为未来弹性高效的微电网管理概念奠定了基础。
