基于主从博弈的共享储能定价策略及园区用户日前优化决策_张天雨.pdf

Vol.25，No.4 July，2023POWER DSM|0引言随着我国双碳目标的提出，新能源发电占比不断提高，其随机性和不稳定性给电力系统安全稳定运行带来了严峻挑战12。储能作为实现能量时空转移的灵活性资源3，可平抑新能源出力波动，促进新能源消纳4。2022年，我国分布式光伏装机容量新增5 111.4万kW，同比增长74.6%5，但同步配置分布式储能布局分散、可控性差，且成本较高，亦难以根据需求个性化定制储能容量，制约了储能的商业化发展67。共享经济的发展为以上问题的解决提供了新思路8，共享储能这一商业模式开始兴起。青海率先开始共享储能试点建设，并取得了一定的规模化成效9，南方电网也开始建设大容量独立共享储能电站。共享储能得到了日益广泛的研究与应用。文献 10 定义了云储能的概念，指出其可以利用集中式储能或聚合分布式储能为用户提供服务，通过共享储能提高储能资源的利用率。文献 7 对基于主从博弈的共享储能定价策略及园区用户日前优化决策张天雨1，王罗2，孙勇2，于傲2，郑可迪1，郭鸿业1，陈启鑫1（1.清华大学 电机工程与应用电子技术系，北京100084；2.中国长江三峡集团有限公司，武汉430010）Pricing strategy of shared energy storage and day-ahead optimizationdecision of park users based on Stackelberg gameZHANG Tianyu1,WANG Luo2,SUN Yong2,YU Ao2,ZHENG Kedi1,GUO Hongye1,CHEN Qixin1（1.Department of Electrical Engineering,Tsinghua University,Beijing 100084,China；2.China Three GorgesCorporation Co.,Ltd.,Wuhan 430010,China）DOI:10.3969/j.issn.1009-1831.2023.04.001摘要：针对目前用户自主投建储能成本过高和资源利用率不足的问题，可在园区引入共享储能，助力降低园区用户用电成本，并促进分布式可再生能源消纳。为实现共享储能服务商和园区用户的双赢，建立了共享储能服务商主导、园区用户跟随的主从博弈模型。共享储能服务商制定容量价格和功率价格，并利用条件风险价值（conditional value-at-risk，CVaR）评估光伏出力不确定性带来的收益风险；园区用户根据共享储能的价格及自身负荷和光伏出力预测，决策购买的储能容量和充放电功率策略。然后通过KKT最优性条件和线性规划对偶定理，可转化为混合整数线性规划问题求解。最后，基于多用户多场景的算例，分析储能价格对博弈结果的影响，并对比购买共享储能与配置固定储能、不配置储能的经济性，论证了所提共享储能机制和优化决策模型的有效性。关键词：共享储能；定价策略；主从博弈；光伏发电；双层规划；CVaRAbstract：Inviewofthehighcostandinsufficientresourceutilization of energy storage invested independently by users,the introduction of shared energy storage in the park is conducive to reducingthe power cost of users in the park and promoting the consumption ofdistributed renewable energy.In order to achieve a win-win situationbetween shared energy storage service provider and park users,aStackelberg game model in which shared energy storage service provider dominates and park users follow is established.The shared energy storage service provider sets the capacity price and power priceandusesconditionalvalue-at-risktoevaluatetheincomeriskcausedby the uncertainty of photovoltaic output.According to the price ofsharedenergystorageandtheforecastoftheirownloadandphotovoltaic output,park users decide the purchased energy storage capacityandcharginganddischargingpowerstrategy.ThroughKKToptimality condition and the dual theorem of linear programming,the aboveStackelberggameproblemscanbetransformedintomixedintegerlinear programming problems.Finally,based on the example of multi-user and multi-scenario,the influence of energy storage price on thegame result is analyzed,and the economy of shared energy storage iscomparedwiththatoffixedenergystorageconfigurationandnoenergy storage configuration,which prove the effectiveness of the proposedsharedenergystoragemechanismandoptimaldecisionmodel.Key words：shared energy storage；pricing serategy；Stackelberg game；photovoltaic power；bilevel programming；CVaR文章编号：1009-1831（2023）04-0001-07中图分类号：TM73；TK01文献标志码：A收稿日期：2023-01-03；修回日期：2023-03-11基金项目：中国长江三峡集团有限公司科技项目（202103386）源荷互动技术及机制设计专辑1|电力需求侧管理第25卷第4期2023年7月共享储能的商业模式和定价机制进行了综述，较为全面的分析了共享储能在降低成本、提高储能利用率等方面的优势，并对未来研究进行了展望。主从博弈侧重决策先后顺序，是分析涉及序贯决策的价格制定问题的重要模型1112。文献 13研究了基于主从博弈的共享储能分时电价策略，并运用了双层规划模型。共享储能通过制定分时电价实现最大获利，用户基于分时电价进行需求响应和充放电决策，但未完整考虑共享储能的容量价格和功率价格，难以保证共享储能收益的最大化。文献 14 建立了基于两阶段优化的虚拟储能共享与容量分配模型，储能聚合商首先确定投资和定价决策，再由各用户决定购买的虚拟储能容量以及充放操作，且允许用户每日调整虚拟储能购买容量，从而显著降低用户成本。合作博弈侧重集体理性，多主体可通过合作协议实现共赢。文献 15 讨论了两种基于合作博弈的共享储能分配场景，指出用户共同运营各自的储能或用户共同投资公共储能均提高了用户收益和储能利用率。合作博弈的利益分配阶段，多采用Shapley值和纳什议价解。文献 16 考虑各社区出力跟随联盟负荷波形相似度、净出力大小及其相关性因素对Shapley值分配方法进行了改进，使分配结果更加公平合理；文献 17 以微电网运营商与配电运营商直接交易的最优运行成本作为纳什议价的谈判破裂点，构建了多微电网议价交易的合作博弈模型。然而以上研究均未考虑可再生能源出力的不确定性，可能造成对共享储能容量需求的误差以及博弈双方的利益期望误差。针对此问题，文献 18 对风光出力的概率分布作出假设，再采用蒙特卡洛法进行随机场景生成；文献 19 提出了基于条件生成对抗网络的长调度周期场景生成方法，避免了发电功率需服从特定概率分布的假设；文献 20 建立了含收益和CVaR的光储充电站多目标容量优化配置模型，利用CVaR对光伏出力不确定性造成的收益风险进行量化，提供了收益与风险划分更详细的投资方案。基于以上分析，本文提出了一种共享储能机制下的储能服务提供商定价和园区用户优化决策模型，建立了基于主从博弈的共享储能双层优化模型。共享储能服务商作为博弈的主导者，制定合理的容量价格和功率价格，以获得最大利润，同时引入CVaR风险评估模型以提高决策鲁棒性；园区用户作为博弈的跟随者，首先以整体成本最小为目标，根据负荷预测、光伏发电预测及共享储能价格，对共享储能购买容量以及储能充放策略进行决策，再通过纳什议价进行内部成本分摊。进一步，基于光伏场景进行仿真，通过算例验证本文所提模型的有效性。本文的主要贡献在于：（1）模型同时考虑了共享储能的容量价格和功率价格，用户支付两类价格后，可根据需求自主安排充放电计划，由储能服务提供商代为执行。（2）研究对象为近年来逐渐涌现的含分布式光伏的用户，并考虑了光伏出力预测的不确定性，进而以CVaR评估共享储能服务商的收益风险，同时各用户每日购买的共享储能容量可根据光伏发电预测进行调整。1园区共享储能运营模式为降低园区用户的用电成本，同时提升园区的可再生能源消纳，在园区建立共享储能电站，由园区服务商运营，为园区内各用户提供储能租赁服务。园区共享储能的总体运营模式如图1所示。共享储能电站园区含分布式光伏的园区用户电网图1园区共享储能运营模式Fig.1Park s shared energy storage operation model园区共享储能的总体运营步骤和特点如下：（1）园区共享储能服务商根据市场制定储能容量价格，将储能容量出售给园区其他用户，园区用户根据自身需求，购买一定容量的共享储能。（2）园区用户使用共享储能进行充放电时，需按照一定的功率价格向共享储能服务商支付费用。（3）配置有分布式光伏的园区用户优先使用光伏发电满足自身负荷，当光伏发电量有富余时，利用所购买的共享储能进行存储。（4）当园区用户负荷大于自身光伏出力，且购买的共享储能无法满足负荷需求时，园区用户可以通过区域电网营销商向电网购电。（5）园区用户和共享储能只能从电网购电，不能向电网售电。通过购买共享储能服务，园区用户可以避开峰时电价，降低用电成本，并充分消纳自身的分布式光伏。张天雨，等 基于主从博弈的共享储能定价策略及园区用户日前优化决策2Vol.25，No.4 July，2023POWER DSM|2园区主从博弈模型2.1共享储能博弈模型共享储能服务商是主从博弈中的主导者，其通过制定容量价格和功率价格，使得自身总收益最大。总收益可表示为maxIs=criQri+(cp-co)p|ti(P+i,t,+P-i,t,)（1）式中：cr为共享储能的容量价格；Qri为园区用户i购买的共享储能容量；cp为共享储能的功率价格；co为共享储能的单位运行成本，包括了储能服务商所承担的充放电老化成本和充放电运行维护所产生的可变成本；为光伏场景集合；p为场景的概率；P+i,t,、P-i,t,分别为场景下园区用户i购买的共享储能在t时刻的充电和放电功率。共享储能的约束条件主要为电价约束cr,lcrcr,u（2）cp,lcpcp,u（3）式中：cr,l、cr,u分别为共享储能容量价格的最大值和最小值；cp,l、cp,u分别为共享储能功率价格的最大值和最小值。2.2考虑CVaR风险评估的共享储能博弈模型由于用户的分布式光伏出力存在不确定性，因此具有一定的风险特征，需要进一步考虑决策风险。为合理平衡共享储能服务商在不同风险态度下的收益与风险，将CVaR引入上层决策模型，对上层目标函数进行改造，得到考虑CVaR风险评估的主从博弈模型，以提高决策的鲁棒性。引入辅助变量，令=f(x,y)-+，表示超过风险价值（value-at-risk，VaR）的损失，损失函数f(x,y)取收益的负值21，则CVaR的表达式为CVaR=-11-p（4）式中：为临界值；为置值水平。同时满足约束0（5）-|criQri+(cp-co)ti(P+i,t,+P-i,t,)（6）引入风险偏好系数k，对共享储能收益和风险成本进行加权，使共享储能收益最大的同时考虑风险规避，则考虑CVaR风险评估的共享储能博弈模型为maxIm=criQri+(cp-co)p|ti(P+i,t,+P-i,t,)+k(-11-p)（7）风险偏好系数k0，表征共享储能服务商对风险的态度。当k取值较小时，表示服务商态度较为激进，偏好以更大的风险博取更高收益；当k取值较大时，表示服务商态度较为保守，倾向为规避风险降低收益预期。2.3园区用户博弈模型园区中的全体用户使用合作博弈策略，以联盟形式作为主从博弈中的跟随者，其接受共享储能服务商的容量和功率报价，并根据自身的负荷需求与光伏出力预测情况，购买一定容量的共享储能，安排共享储能的充放电计划，从而实现错峰用电和消纳光伏，使全体用户的用电成本最小。其中，由于最优策略的实现需要考虑分布式可再生能源的不确定性22，因此园区用户使用光伏功率概率预测。假设光伏功率预测的误差满足一定的概率分布，将点预测结果与预测误差叠加得到光伏出力的概率预测结果，再通过抽样生成多个光伏场景。园区用户的用电成本包括：从电网购电的成本、购买共享储能的容量成本和功率成本，可表示为minIm=criQri+cpp|ti(P+i,t,+P-i,t,)+p|tcgti(Pgi,t,+Pbi,t,)（8）式中：cgt为电网在t时刻的电价；Pgi,t,为场景下园区用户i在t时刻向电网的购电功率；Pbi,t,为场景下园区用户i购买的共享储能在t时刻向电网购电的功率。园区用户的约束条件包括：（1）功率约束Pgi,t,0（9）Psi,t,0（10）Pbi,t,0（11）0PDi,t,PPVi,t,（12）iP+i,t,Pmax（13）iP-i,t,Pmax（14）式中：Psi,t,为场景下园区用户i购买的共享储能在t时刻对主体的放电功率；PDi,t,为场景下园区用户i在t时刻利用分布式光伏向其购买的共享储能充电的功率；PPVi,t,为场景下园区用户i在t时刻分布式光伏的发电预测功率；Pmax为共享储能的最大充放电功率。式（12）表示园区用户向所购买的共享储能充电的功率不超过自有分布式光伏的发电预测功率。3|电力需求侧管理第25卷第4期2023年7月（2）负荷约束Psi,t,+Pgi,t,+PPVi,t,-PDi,t,PLi,t,（15）式中：PLi,t,为场景下园区用户i在t时刻的负荷。式（15）表示在场景下的t时刻，园区用户i所购的共享储能对其放电的功率、其从电网的购电功率，以及其分布式光伏的发电功率之和，减去其向所购的共享储能充电的功率，等于或大于（存在弃光现象时）用户i的负荷。（3）功率平衡约束P+i,t,=PDi,t,+Pbi,t,（16）P-i,t,=Psi,t,（17）（4）共享储能容量约束Qri0（18）iQriQmax（19）0Qi,t,Qri（20）Qi,t+1,=Qi,t,+P+i,t,-P-i,t,-（21）Qi,1,=Qi,T+1,=0Qri（22）式中：Qmax为共享储能的总容量；Qi,t,为场景下园区用户i购买的共享储能在t时刻的电量；+、-分别为共享储能的充放电效率；T为总时段数。由于园区用户博弈目标为全体用户总成本最小，为实现整体目标最优，可能存在个别用户牺牲自身利益的现象。因此需要在合作联盟内进行合理的成本分摊，以维护用户参与合作的公平性。采用纳什议价合作博弈对合作剩余进行讨价还价2324，确定成本分摊方案。将用户不使用共享储能时的成本作为纳什议价的谈判破裂点，相应的成本分摊方案由式（23）确定|maxi=1N(c0i-ci)s.t.cic0ii=1Nci=C（23）式中：c0i为用户i不使用共享储能时的成本；ci为用户i在所有用户共同使用共享储能时纳什议价后的成本；C为最小用户总成本。3双层规划模型上述主从博弈模型可以用双层规划模型如图2表示。在上层模型中，共享储能的容量价格、功率价格为决策变量，共享储能服务商的收益最大为决策目标；在下层模型中，园区各用户购买的储能容量、利用光伏向所购买的共享储能充电的功率、接受的共享储能放电功率，以及共享储能和园区用户分别向电网购电的功率为决策变量，所有园区用户的总支出最少为决策目标。其中，上层模型将下层模型的解作为优化目标函数中的参数；下层模型将上层模型的决策变量作为自身优化目标函数中的参数。QrP+,P-cP,crmax 储能服务提供商的盈利s.t.1.上层问题约束:储能功率价格、容量价格范围约束2.充放策略min 园区用户用电成本s.t.(1)充放功率约束 (2)负荷约束 (3)功率平衡约束 (4)共享储能容量约束上层问题(共享储能)下层问题(园区用户)图2双层规划模型Fig.2Bilevel programming model在双层规划模型中，可以通过KKT最优性条件，将下层模型转化为上层模型的约束条件24，进而将双层优化问题简化为单层优化问题，便于求解。4算例分析本节使用MATLAB2022b与GUROBI9.5.2进行算例计算。通过算例分析，证明前文所提模型和算法的有效性。利用纳什议价对合作博弈的用户进行成本分摊，同时对比所提共享储能模型与无共享储能、固定容量共享储能对园区用户用电成本和弃光率的影响。4.1优化结果分析令大M法中M取值为1 500，优化结果分析如下：以k=0时各自的光伏场景1为例，选取两个用户并展示用户1优化调度结果如图3所示，时间粒度为1h。功率/kW00:0004:0008:0012:0016:0020:0024:00时刻用户1负荷用户1光伏出力用户1从电网购电功率用户1使用储能放电功率用户1光伏充电功率-400-300-200-1000100200300400500600图3用户1负荷平衡曲线Fig.3Load balance curves of customer 1张天雨，等 基于主从博弈的共享储能定价策略及园区用户日前优化决策4Vol.25，No.4 July，2023POWER DSM|由图3可以看出，用户1在00:0010:00时段，光伏出力小于负荷，用户优先消纳光伏电量，其中，在00:0007:00电价谷段和平段，用户从电网购电满足负荷需求，在08:0010:00时段，用户改为通过共享储能放电来补充电能，在10:00时达到储能最大放电功率132.7 kW；在11:0017:00时段，光伏出力大于负荷需求，多余的光伏电量由共享储能存储，以减少弃光，在14:00时达到最大充电功率315.7 kW；在 18:0024:00时段，光伏出力再次小于负荷，用户在18:0021:00 电价平段使用共享储能的电量，在 22:0024:00电价平段和谷段向电网购电。图4为共享储能充放功率和电量，可以看出，共享储能初始时SOC为30%；在01:00电价谷段储能从电网大量购电，SOC提升至74.5%；在08:0010:00时段，负荷爬升且光伏尚未大发，储能向用户放电，SOC下降至34.3%；11:0017:00时段光伏大发，向储能充电，储能SOC上升至100%；18:0021:00电价峰段，储能再次向用户放电，SOC下降至初始状态30%。功率/kW电量/kWh时刻00:0004:0008:0012:0016:0020:0024:00共享储能总电量用户1储能光伏充电用户2储能光伏充电用户1储能电网购电用户2储能电网购电用户1储能放电用户2储能放电-50005001 0006008001 0001 2001 4001 6001 8002 000图4共享储能充放功率和储能电量曲线Fig.4Charge-discharge and SOC curves of shared energystorage4.2经济性分析优化结果显示，共享储能最优功率价格cp为0.195 4元/kW，最优容量价格cr为0.379 2元/kWh，共享储能的总收益为1 771.4元。各光伏场景加权平均后量两户的储能购买量、弃光电量、电网购电量及总成本如表1所示。当园区用户不使用共享储能时，用户的弃光电量、电网购电量及成本如表2所示。表1用户经济性（使用共享储能）Table 1Economical analysis of customers（with shared energy storage）用户12总储能容量购买量/kWh620.61 379.42 000.0弃光量/kWh607.00607.0电网购电量/kWh1 125.94 738.15 864.0成本/元1 267.83 749.85 017.6表2用户经济性（不使用共享储能）Table 2Economical analysis of customers（without shared energy storage）用户12总弃光量/kWh1 260.3536.01 796.3电网购电量/kWh2 117.66 303.48 421.0成本/元1 474.54 010.35 484.8由表1、表2及式（23）计算得，经过纳什议价后，两用户分摊的成本分别为1 240.9元和3 776.7元，即用户2向用户1补贴26.9元。对比表1和表2以及纳什议价解可以看出，用户使用共享储能时，弃光量分别平均降低了51.8%和100.0%，用电成本分别平均降低了16.8%和5.4%。置信度取0.9，考虑CVaR的共享储能收益和经纳什议价后的用户成本如表3所示。表3不同风险偏好系数下的共享储能收益与用户成本Table 3Shared energy storage s benefits and customerscost under different risk preference coefficients(a)共享储能收益k00.10.2cp/（元 kW-1）0.379 20.361 00.361 0cr/（元 kWh-1）0.195 40.195 40.190 6运行收益/元1 771.41 748.81 741.2CVaR/元1 650.01 708.11 713.5（b）用户成本k00.10.2用户1储能购买量/kWh620.6628.5678.1用户2储能购买量/kWh1 379.41 371.51 321.9用户1成本/元1 240.91 222.71 209.3用户2成本/元3 776.73 758.43 745.1由表3可见，随着风险偏好系数k增大，共享储能对风险的接受度降低，共享储能的运行收益降低，CVaR增加。共享储能服务商允许各用户每日根据自身负荷与光伏出力预测调整共享储能容量的购买量，以降低用户成本。利用k-medoids聚类算法将301天的真实光伏出力数据聚为3类，作为3个典型日的光伏出力，3个典型日的占比分别为0.355 5、0.249 2、0.395 3。按照本文模型，k=0时，两用户在3个典型日购5|电力需求侧管理第25卷第4期2023年7月买的共享储能容量和经纳什议价后的成本如表4所示，共享储能的价格和收益如表5所示。表4用户经济性（可调节储能）Table 4Economical analysis of customers（with adjustable shared energy storage）用户12典型日123加权平均123加权平均弃光量/kWh00764.9302.40000储能容量购买量/kWh472.4474.3608.9526.81 500.01 500.01 391.11 456.9成本/元1 815.02 536.91 011.51 677.24 763.06 348.63 531.34 671.1表5共享储能经济性（可调节储能）Table 5Economical analysis of shared energy storage（with adjustable shared energy storage）典型日123加权平均cp/（元 kW-1）0.195 40.239 50.195 4cr/（元 kWh-1）0.361 00.299 20.361 0收益/元1 549.82 021.11 129.21 714.5对此可见，购买可调节容量的共享储能与购买固定容量的共享储能相比，用户 1 的成本降低了2.6%，用户2的成本降低了0.4%；用户1的弃光量降低了22.3%；共享储能服务商的收益提高了2.1%。可见，相比于配置固定的储能容量，购买可以每日调节的共享储能可以降低弃光量和用户成本，同时提高共享储能服务商的收益。5结论本文研究了基于主从博弈的共享储能定价策略及园区用户日前优化决策，构建了基于主从博弈的共享储能双层规划模型，并通过算例分析，得出共享储能容量价格、功率价格和用户购买共享储能容量及最优充放策略，并与不使用储能及固定容量储能的成本进行了对比，主要工作及结论如下：（1）提出了共享储能机制下园区分布式主体的优化决策的主从博弈模型，同时利用CVaR评估光伏出力不确定性带来的收益风险，平衡共享储能服务商在不同风险态度下的收益与风险，提高了决策的鲁棒性。（2）模型求解方面，通过KKT条件和对偶定理将双层规划模型转化为混合整数线性规划问题，求出最优共享储能购买与使用策略。（3）通过算例验证了本文所提方法的有效性。计算结果表明，配置有分布式光伏的园区用户通过灵活购买共享储能，可以提高光伏消纳量，降低用电成本，同时共享储能的收益也得以提升。下一步研究计划扩大用户数量和类型，并探索用户对除价格成本以外其他目标的不同偏好，例如降低碳排放量，进一步实现可再生能源的全额消纳。D参考文献：1 赖昌伟，黎静华，陈博，等.光伏发电出力预测技术研究综述 J.电工技术学报，2019，34（6）：1 201-1 217.LAI Changwei,LI Jinghua,CHEN Bo,et al.Review ofphotovoltaic power output prediction technology J.Transactions of China Electrotechnical Society,2019,34（6）：1 201-1 217.2 陈启鑫，王克道，陈思捷，等.面向分布式主体的可交易能源系统：体系架构、机制设计与关键技术 J.电力系统自动化，2018，42（3）：1-7，31.CHEN Qixin,WANG Kedao,CHEN Sijie,et al.Transactive energy system for distributed agents：architecture,mechanism design and key technologiesJ.Automationof Electric Power System,2018,42（3）：1-7,31.3 孙偲，陈来军，邱欣杰，等.基于合作博弈的发电侧共享储能规划模型 J.全球能源互联网，2019，2（4）：360-366.SUN Cai,CHEN Laijun,QIU Xinjie,et al.A generation-side shared energy storage planning model based on cooperative gameJ.Journal of Global Energy Interconnection,2019,2（4）：360-366.4 蒋凯.电力储能技术进展与挑战 J.电力需求侧管理，2017，19（4）：1-5.JIANG Kai.The development and challenges of electricenergy storage technologies J.Power Demand Side Management,2017,19（4）：1-5.5 王刚，宋艺航，黄博，等.基于非完全信息Stackelberg博弈的居民用户分时电价定价策略研究 J.供用电，2021，38（2）：46-52WANG Gang,SONG Yihang,HUANG Bo,et al.Researchon time-of-use pricing strategy for residential customersbased on uncompleted information Stackelberg gameJ.Distribution&Utilization,2021,38（2）：46-52.6 李建林，马会萌，袁晓冬，等.规模化分布式储能的关键应用技术研究综述 J .电网技术，2017，41（10）：3365-3375.LI Jianlin,MA Huimeng,YUAN Xiaodong,et al.Overview on key applied technologies of large-scale distributed energy storage J.Power System Technology,2017,41（10）：3 365-3 375.7 闫东翔，陈玥.共享储能商业模式和定价机制研究综述 J.电力系统自动化，2022，46（23）：178-191.YAN Dongxiang,CHEN Yue.Review on business modeland pricing mechanism for shared energy storage J.Automation of Electric Power System,2022,46（23）：178-191.张天雨，等 基于主从博弈的共享储能定价策略及园区用户日前优化决策6Vol.25，No.4 July，2023POWER DSM|8 MARTIN C J.The sharing economy：a pathway to sustainability or a nightmarish form of neoliberal capitalism？J.Ecological Economics,2016,121：149-159.9 董凌，年珩，范越，等.能源互联网背景下共享储能的商业模式探索与实践 J.电力建设，2020，41（4）：38-44.DONG Ling,NIAN Heng,FAN Yue,et al.Explorationand practice of business model of shared energy storagein energy Internet J.Electric Power Construction,2020,41（4）：38-44.10 康重庆，刘静琨，张宁.未来电力系统储能的新形态：云储能 J.电力系统自动化，2017，41（21）：2-8，16.KANG Chongqing,LIU Jingkun,ZHANG Ning.A newform of energy storage in future power system：cloud energy storageJ.Automation of Electric Power System,2017,41（21）：2-8,16.11 代业明，高岩，高红伟，等.智能住宅小区的需求响应主从博弈模型 J.电力系统自动化，2017，41（15）：88-94.DAI Yeming,GAO Yan,GAO Hongwei,et al.Leader-follower game model for demand response in smart residential gridJ.Automation of Electric Power System,2017,41（15）：88-94.12 CHEN Q,FANG X,GUO H,et al.The competition andequilibrium in power markets under decarbonization anddecentralization J.IEnergy,2022,1（2）：188-203.13 张青苗，陈来军，马恒瑞，等.基于主从博弈的共享储能分时电价策略 J.智慧电力，2022，50（7）：82-88.ZHANG Qingmiao,CHEN Laijun,MA Hengrui,et al.Time-of-use price strategy for shared energy storagebased on Stackelberg game J.Power Economics,2022,50（7）：82-88.14ZHAO D,WANG H,HUANG J,et al.Virtual energystorage sharing and capacity allocation J.IEEE Transactions on Smart Grid,2020,11（2）：1 112-1 123.15CHAKRABORTY P,BAEYENS E,POOLLA K,et al.Sharing storage in a smart grid：a coalitional game approach J.IEEE Transactions on Smart Grid,2019,10（4）：4 379-4 390.16 田欣，陈来军，李笑竹，等.基于主从博弈和改进Shapley值的分布式光伏社区共享储能优化运行策略 J/OL.电网技术：1-10.2023-04-04.https：/doi.org/10.13335/j.1000-3673.pst.2022.1814.TIAN Xin,CHEN Laijun,LI Xiaozhu,et al.Optimalscheduling strategy for energy storage sharing amongmultiple communities with photovoltaic resources basedon Stackelberg game and improved Shapley value J/OL.Power System Technology：1-10.2023-04-04.https：/doi.org/10.13335/j.1000-3673.pst.2022.1814.17 芮涛，李国丽，王群京，等.配电侧多微电网日前电能交易纳什议价方法 J.电网技术，2019，43（7）：2 576-2 585.RUI Tao,LI Guoli,WANG Qunjing,et al.Nash bargaining method for multi-microgrid energy trading in distribution network J.Power System Technology,2019,43（7）：2 576-2 585.18 米阳，赵海辉，付起欣，等.考虑风光不确定与碳交易的区域综合能源系统双层博弈优化运行 J/OL.电网技术：1-13.2023-05-12.http：/ 1228.1215.002.htmlMI Yang,ZHAO Haihui,FU Qixin,et al.Two-level gameoptimaloperationofregionalintegratedenergysyste