企业官网建设流程全解析

一年多前接手这个题目时，第一反应是“又是合作博弈”——但这三个词组合在一起（风光氢、多主体、纳什谈判），跟以前做的传统机组组合、单主体经济调度完全不是一个量级。风光氢一体化现在是新能源消纳和绿氢供给的热门路径，风电场想多卖电，光伏电站想保收益，制氢方想压电价，三者各有各的小算盘，各算各的账，结果往往是弃风弃光和高制氢成本同时出现。

这个项目真正想解决的问题，是让风、光、氢三个主体“坐下来谈合作”，而不是各自闷头优化。核心工具是纳什谈判理论下的合作博弈模型，配套完整的运行策略优化与仿真实现。整篇文章我会把建模思路、数学模型、两阶段求解流程、仿真工具选型和调试过程中踩过的坑全部摊开来讲，适合正在做多主体能源系统、综合能源优化调度的研究生和工程师参考。

1. 项目分析与整体技术路线

1.1 为什么多主体系统非要“谈合作”

先把问题场景立起来。假设一个区域里有风电场、光伏电站和制氢负荷三股力量，它们共同接入同一个上级电网。风电光伏的出力曲线是预测出来的，不确定性很强；制氢负荷本身有一点柔性，但电解槽的启停和功率调整也不是完全无偿的；电网侧购售电价存在峰谷价差。

如果三个主体各干各的——风电场独立并网售电，光伏电站独立并网售电，制氢企业独立从电网购电制氢——那么每个主体都在自己的局部约束下追求自身收益最大化。问题在于：风电和光伏的出力高峰期往往是电网消纳压力最大的时段，独立售电只能拿较低的上网电价，甚至面临弃电；而制氢企业如果完全按电网分时电价购电，在电价高峰时段制氢成本高得离谱，只能降低产氢量。这就是典型的“个体理性导致集体非理性”——每个局部最优凑在一起，整体效率却很差。

用生活里的例子理解：几个人各自租单间，租金高、空间小、公共区域没人维护；如果合租一套大房子，总成本更低，但要有人打扫卫生、分摊水电、协调作息，这就必须“谈判”。能源系统里的“合租协议”，就是合作博弈模型要输出的运行策略。

1.2 纳什谈判理论在能源调度里到底解决什么

纳什谈判理论是合作博弈里的一块基石，它不研究“怎么合作效率最高”这一个单一目标，而是同时回答两个问题：合作的总收益从哪里来？合作后收益怎么分才让所有人都愿意留在联盟里？

在经典的非合作博弈里，每个主体只关心自己的策略，均衡结果是各方互相博弈后的稳定点，但往往不是帕累托最优。纳什谈判解（Nash Bargaining Solution, NBS）走的是另一条路：它假设所有主体都认识到合作能创造额外收益，并且愿意坐下来谈分配方案。纳什用四组公理——个体理性、帕累托最优、线性变换不变性、无关选择独立性——证明了一个结论：唯一的谈判解是最大化所有主体合作收益增量（相对于谈判破裂点的增量）的乘积。

放到风光氢场景里，“谈判破裂点”就是各主体不合作、各自独立运行时的收益，这个值决定了每个主体的底线。如果合作后分到手的钱比底线还少，那这个主体宁可退出联盟，合作方案就不可行。纳什谈判解的特殊之处在于它兼顾了效率和公平：总收益最大，同时每个主体的收益增量都为正，而且分配结果不会因为收益计量单位的变化而扭曲。这一点在能源系统里特别有用，因为电能量的单位是MWh，利润的单位是万元，惩罚项的系数又五花八门，标准的纳什乘积可以消除这些量纲影响。

1.3 技术路线怎么选：集中优化、分布式优化还是合作博弈

做多主体系统优化，摆在桌面上的方案通常有三种。

第一种是集中式优化。把所有设备、所有约束、所有目标揉成一个大规模优化问题，统一求解，系统总成本最低。但问题在于：风电场、光伏电站和制氢企业分属不同业主，谁也不愿意把自己的完整运行数据、成本结构、负荷隐私全部交给一个中心决策者。算出来再好看，现实中执行不下去。

第二种是分布式优化，比如经典的交替方向乘子法（ADMM）或分布式梯度下降。各主体只交换必要的耦合变量，隐私性好了，但很多分布式框架只求出“系统整体最优”，没有回答“收益怎么分”。也就是说，算法收敛了，运行策略定下来了，但各个主体一核算发现收益分配不均，联盟照样散架。

第三种就是本项目的路线：合作博弈框架下的两阶段优化。第一阶段把联盟当成一个整体，求解系统总收益最大的运行策略；第二阶段基于纳什谈判解，在联盟内部进行收益分配，确保每个主体都比独立运行时拿得多。这条路线既解决了隐私和可执行性的问题，也解决了合作剩余分配的问题，理论上非常契合风光氢多主体系统的实际运营诉求。

整体技术路线可以用一句话概括：先算清楚“合作这锅饭能做多大”，再讨论“这锅饭怎么分”。

2. 系统建模与关键参数设计

2.1 风电、光伏主体的数学表达

风电主体在时段t的可用预测出力记为Pw_pre(t)，实际调度出力为Pw(t)。由于风电机组的运行特性，实际出力可以在0到预测值之间连续调节，这个调节过程本身有很小的时间尺度和爬坡约束，但在日前调度的时间粒度下（比如1小时），通常只写功率上下限约束。

风机出力对应的运行成本主要是运维成本，跟发电量近似线性相关，可以写成Cw·Pw(t)。如果预测出力没有用完，也就是发生了弃风，那么这部分电量对应的售电收益就损失了，需要在目标函数里设置一个弃风惩罚项，用弃风量乘以单位惩罚系数来量化。光伏主体模型完全类似，光伏出力Ppv(t)限在预测出力Ppv_pre(t)之间，成本项是运维成本Cpv·Ppv(t)。

这里有一个关键细节：风电和光伏的“出力上限”来自预测曲线。在仿真里，预测曲线可以用典型日数据构造，比如引入一个“预测误差系数”，把理想出力曲线上下扰动，用来测试模型对不确定性的抵抗能力。这种事前建模的成本很低，但对后续分析合作联盟的稳定性特别重要，因为一旦预测偏差过大，某些主体可能在合作里吃亏，谈判破裂点就会失效。

2.2 氢能主体模型：电解槽、储氢罐与氢负荷

氢能主体是这套系统的核心柔性资源，也是三个主体中唯一具备“能量时移”能力的一方。电解槽输入电功率Pe(t)，输出氢气流量，产氢量可以写成ηe·Pe(t)·Δt，其中ηe是电解效率，是电功率的非线性函数。为简化计算，可以把效率曲线按工作区间分段线性化，或者直接采用额定效率近似。

光有电解槽还不够，因为电解槽要连续或准连续运行才划算，但氢负荷有自己固定的需求曲线，所以系统里配了储氢罐。储氢罐的储氢量S(t)按小时更新：S(t+1) = S(t) + ηe·Pe(t)·Δt − Hload(t) − ΔS_loss(t)。ΔS_loss是储氢罐的自损耗，可以取一个很小的比例，也可以忽略不计。

氢负荷分为两种类型：刚性负荷（必须满足的加氢站或工业用氢需求）和弹性负荷（可以调整的用氢空间）。在合作博弈框架下，弹性负荷本身就是参与调节的资源，如果风电光伏出力高，就可以增加电解制氢产量，多存一些氢；如果出力低，就可以少产氢，用储氢罐里的存量去满足刚性负荷。这个“能量时移”能力是整个联盟经济性的主要来源。

氢能主体的运行成本包括电解槽运维成本、储氢罐运维成本，以及从联盟外部购电的成本。它的收益则是售氢收入减去所有成本。注意，氢能主体跟风、光主体之间的电力交易价格，在合作博弈里是可以作为内部结算变量的——这正是第二阶段收益分配的抓手。

2.3 主体间耦合关系与电网交互

三个主体的物理连接点是一个公共母线，母线再和上级电网相连。功率平衡约束就是风、光出力和电网购电之和等于电解槽用电和电网售电之和，再加上系统自身的站用电负荷：

Pw(t) + Ppv(t) + Pgrid_buy(t) = Pe(t) + Pgrid_sell(t) + Ploss(t)

电网购售电的单价是分时电价cp(t)和sp(t)，通常sp(t)小于cp(t)。这个价差是合作联盟存在利润空间的基础——如果购售电价完全相同，那电网侧的套利空间就没有了，合作收益会缩水很多。

在非合作模式下，风、光主体各自直接把电卖给电网，氢能主体直接从电网买电。在合作模式下，风、光主体优先把电“卖”给氢能主体，只有当风光出力超过电解槽消纳能力时，才把剩余电量卖给电网；反过来，如果风光出力不足，氢能主体才从电网购电补缺。这里的内购电价不是事先固定值，而是在纳什谈判求解过程中被确定的结算价格，这是整个分配机制的核心。

建模时建议把关键参数整理成一个总表，方便改参数跑对比实验。常用参数范围可以参考下表（具体数值按实际算例调整）：

3. 纳什谈判合作博弈模型：从原理到可求解形式

3.1 纳什谈判解的数学定义与公理化条件

纳什谈判问题可以严格表述为：联盟中有n个主体，每个主体在不合作状态下得到的收益记为Di，即“谈判破裂点”或“安全底线”；各主体通过合作形成的总收益为V(N)。合作博弈要找到一组收益分配向量(U1, U2, ..., Un)，满足加总等于V(N)，并且每个Ui都不小于Di。

纳什证明了满足四条公理的唯一解是最大化乘积约束的函数：

max ∏(Ui − Di)

s.t. Ui ≥ Di，且 ΣUi = V(N)

在实际求解中，由于收益值的量级差异大，乘积形式数值上不太稳定，通常取对数转换成求和形式：

max Σ ln(Ui − Di)

这样处理的好处有两个：一是把乘法变成加法，数值稳定性更好；二是在后续分布式求解中可以自然的解耦，每个主体的对数项独立。

从经济含义上看，Ui − Di就是主体i从合作中获得的“额外收益增量”。纳什谈判解要求所有人额外收益增量的乘积最大，这本质上是在效率和公平之间取得平衡——任何一个主体的增量过小，都会严重拉低整个乘积，这都是求解过程要避免的。

3.2 两阶段求解框架与目标函数转化

直接同时优化运行策略和分配方案是一个复杂的双层问题，工程上通常把它拆成两个阶段。第一阶段先把联盟看成一家公司，不管内部账目，只求解整体收益最大的运行方案：

max Σt [ sp(t)·Pgrid_sell(t) − cp(t)·Pgrid_buy(t) + PH·H(t) − Cw·Pw(t) − Cpv·Ppv(t) − Ch2·Pe(t) ]

约束条件就是第2章里列出的设备模型、储氢动态、功率平衡和爬坡约束。这一阶段得到联盟总收益V(N)和一组最优运行策略，这组策略同时决定了每个主体在合作场景下的“总产出”边界。

第二阶段固定第一阶段求出的运行策略（或者等效的固定联盟总收益），转而优化各主体之间的收益分配。把主体的最终净收益Ui写成两部分：主体在联盟运行策略下直接产生的成本收益部分，加上通过内部支付获得的转移收益。于是纳什谈判问题变成：

max Σ ln(Ui − Di)

s.t. Σ Ui = V(N)，Ui ≥ Di

由于约束是线性的，目标函数是凹的对数函数，第二阶段是一个凸优化问题，用通用求解器就能全局收敛。这也是纳什谈判框架在工程上特别好用的原因——第一阶段不管多复杂，第二阶段总能稳定求解。

这里最关键的输入就是Di（谈判破裂点）。Di的计算方式是把三个主体退回到独立运行模式，各自以自身收益最大为目标求解独立优化问题。独立运行问题往往规模更小，求解难度低，但Di的取值直接决定了合作的“门槛”——如果某个主体的Di偏高，说明它单干的能力很强，合作需要给它分更多钱才能留住它。

3.3 分布式求解：面向实际多主体场景的ADMM改造

第一阶段联盟优化如果直接集中求解，所有主体的约束和目标都堆在一个模型里，物理上可行，但现实中很难落地——主体不愿意共享所有数据。所以工程实践中通常把第一阶段的联盟优化改成ADMM分布式求解。

ADMM的核心思路是把耦合的功率平衡约束解耦。引入一组辅助变量，让每个主体在本地求解自己的子问题，只交换边界上的功率变量和电价乘子。具体做法是：把公共母线上的功率平衡拆分成每个主体本地的功率平衡约束，再通过一致性约束拉回耦合关系。比如风电主体和氢能主体之间交互功率表示为P_exchange，风电本地约束是Pw(t) = P_local_wind(t) + P_exchange_w(t)，氢能本地约束是Pe(t) = P_local_h2(t) − P_exchange_h2(t)，再强制P_exchange_w(t) = P_exchange_h2(t)，这个等式就是需要ADMM迭代消解的耦合约束。

ADMM的迭代流程如下：

for k in range(max_iter): # 子问题1：风电场本地优化 result_w = solve_wind_subproblem(P_y[k], rho) # 子问题2：光伏本地优化 result_pv = solve_pv_subproblem(P_y[k], rho) # 子问题3：氢能主体本地优化 result_h = solve_h2_subproblem(P_y[k], rho) # 一致性变量更新 P_y[k+1] = project_to_mean(result_w, result_pv, result_h) # 乘子更新 lambda[k+1] = lambda[k] + rho * (sum(result) - P_y[k+1]) # 原始残差和对偶残差检查 if primal_residual < eps and dual_residual < eps: break

用ADMM求解第一阶段的好处是每个主体只跟邻居交换少量边界变量，本地子问题规模小、收敛快。不过ADMM本身也有调参的门道，这个我放到第5章详细说。

4. 仿真实现：工具选型、参数设定与结果分析

4.1 仿真环境与求解器配置

仿真层面我建议用MATLAB配合Yalmip工具箱，求解器选Gurobi或Cplex。这类问题是带分时电价、储氢动态、线性化效率曲线的混合整数线性规划或凸二次规划，商用求解器几分钟内就能收敛到全局最优。如果课题组没有商用求解器授权，也可以用开源求解器HiGHS或SCIP，中小规模算例完全能扛住。

用Yalmip建模联盟优化问题的核心片段大致长这样：

%% 联盟收益最大化（第一阶段） C_total = 0; Constraints = []; for t = 1:T % 功率平衡约束 Constraints = [Constraints, Pw(t) + Ppv(t) + Pbuy(t) == Pe(t) + Psell(t)]; % 新能源出力约束 Constraints = [Constraints, 0 <= Pw(t) <= Pw_pre(t)]; Constraints = [Constraints, 0 <= Ppv(t) <= Ppv_pre(t)]; % 电解槽功率约束 Constraints = [Constraints, 0 <= Pe(t) <= Pe_max]; % 电网购售电互斥（或靠价差自然避免） Constraints = [Constraints, 0 <= Pbuy(t) <= Pgrid_max]; Constraints = [Constraints, 0 <= Psell(t) <= Pgrid_max]; % 储氢动态 Constraints = [Constraints, S(t+1) == S(t) + eta_e * Pe(t) * dt - Hload(t)]; Constraints = [Constraints, S_min <= S(t) <= S_max]; % 目标函数累加 C_total = C_total + sp(t) * Psell(t) - cp(t) * Pbuy(t) ... + Price_H * (eta_e * Pe(t) * dt) ... - Cw * Pw(t) - Cpv * Ppv(t) - Ch2 * Pe(t); end ops = sdpsettings('solver', 'gurobi', 'verbose', 2); optimize(Constraints, -C_total, ops);

注意一个细节：如果没有设置“购售电互斥约束”，模型可能会靠同时买入和卖出电来套利，但这是运营中不允许的。解决方式有两种：一种是引入购售电状态的0-1变量，另一种是依靠电价结构sp(t) < cp(t)自然避免。仿真时建议显式加互斥约束，以免在边界情况下出现怪异结果。

4.2 典型日参数与三种对比场景设置

仿真不能只跑一组数据，至少要对比三种模式：

• 模式一（独立运行）：三个主体各自独立优化，没有合作，没有内部交易，这是谈判破裂点Di的来源。
• 模式二（集中调度）：所有设备归一个中心决策者，追求联盟总收益最大，但不考虑收益分配。
• 模式三（纳什谈判合作）：第一阶段求联盟最优运行，第二阶段按NBS分配收益。

典型日可以选春夏秋冬各一个代表日，或者合成一个典型曲线。风电出力可以取夜间大、白天小的形状，光伏出力取白天单峰，氢负荷取相对平稳但早晚有小高峰的形状。电价用峰平台三段分时电价：峰时1.0元/kWh、平时0.65元/kWh、谷时0.4元/kWh，售电价格按购电价格的70%左右设定。

仿真时长T取24小时，时间步长Δt取1小时。这样的规模下，三主体模型的变量数量和约束数量都在几百到一千的量级，Gurobi基本是秒级求解，跑一组24小时算例很快。

4.3 关键结果维度：弃风弃光率、总成本与收益分布

仿真结果主要看三个维度。

第一个维度是弃风弃光率。独立运行模式大概率会出现可观的风光弃电，因为风光出力高峰时电网消纳能力有限、售电电价偏低；集中调度模式下，电解槽会尽量吃下剩余电量，弃电率会大幅下降；纳什谈判合作模式在运行策略上和集中调度一致，因此弃电率也接近集中调度的水平。这个“消纳效果不打折”的特征很关键，它说明合作博弈不是拿消纳换分配，而是“消纳和分配双赢”。

第二个维度是联盟总收益。集中调度是收益上限，独立运行是收益下限，纳什谈判合作模式的总收益应该非常接近集中调度——因为第一阶段目标函数完全一致，只要ADMM收敛精度够，理论上两阶段得到的总收益跟集中式全局最优的差距在一个很小的容差内。实际跑下来，在我的典型算例里总收益相比独立运行提升约12%到18%，具体数值取决于风光渗透率、电价差和电解槽容量匹配度。

第三个维度是主体收益分布。集中调度模式下可能出现某个主体收益为负、甚至低于独立运行底线的情况，这意味着该主体没有合作动机，联盟不稳定。纳什谈判模式通过第二阶段分配，保证每个主体的最终收益都比独立运行高，而且收益增量的分配比例由纳什乘积唯一确定。实际结果里通常可以看到风电和光伏主体拿走了较大比例的增量，因为它们承担了主要的弃电风险；氢能主体虽然分到的增量绝对值小一些，但因为购电成本下降，净收益同样明显改善。

4.4 合作收益分配合理性的验证方法

分配结果不能自说自话，要跟经典合作博弈的公平性指标做交叉验证。最常用的对比对象是Shapley值。Shapley值的计算方法是：某个主体的贡献等于它在所有联盟中的边际贡献平均值，公式为：

φi = Σ [ (|S|! · (n−|S|−1)! / n!) · (v(S∪{i}) − v(S)) ]

对于三主体问题，需要额外计算几个子联盟的收益：风电+光伏联盟、风电+氢能联盟、光伏+氢能联盟、以及单主体独自运行的收益。这些子联盟收益单独跑一遍仿真就可以拿到。算完Shapley值后，跟纳什谈判分配的收益做对比，通常在趋势上高度一致——贡献大的主体分得多，贡献小的分得少。

需要说明的是，Shapley值和NBS并不总是给出完全相同的结果，二者依据的公平性原则有差异。如果你在写论文，建议把两个结果都列出来，讨论差异背后的经济含义，这比只摆一个纳什分配结果要扎实得多。另外可以检查一下分配结果是否落在博弈的“核心”里——即没有任何子联盟的收益之和小于该子联盟独自行动能拿到的收益。这相当于检查“有没有小团伙想单干”，如果分配结果不在核心内，说明联盟存在分裂隐患。

5. 调试中踩过的坑与排查技巧

5.1 ADMM不收敛或收敛速度慢的调参经验

ADMM在理论上对凸问题保证收敛，但实际调参时经常遇到三类问题。

第一类是惩罚参数ρ的大小不合适。ρ太小，乘子更新缓慢，迭代几百步还在晃；ρ太大，子问题对一致性偏差的惩罚过强，导致局部解死板，对偶残差波动大。我的经验是先固定ρ跑一轮，观察原始残差和对偶残差的比例，如果原始残差下降慢，就加大ρ；如果对偶残差难以收敛，就减小ρ。也有工程做法是自适应调整ρ，每几步根据残差比例动态缩放，但首次实现不建议这么干，先把固定ρ的版本跑通。

第二类是各主体的变量量级差异太大。功率变量是几百MW，价格变量是零点几元，如果目标函数里这些变量直接加减，数值上小变量会被大变量“吃掉”，导致残差判断失真。建议在建模时统一量纲，比如功率归一化到标幺值，价格用相对值，成本都用万元，保证所有数值在同一量级。

第三类是终止判据太严格。很多初学者把残差阈值设到1e-8，结果ADMM永远不满足。在能源调度这种工程场景里，优化目标差个0.1%完全不影响结果，建议把原始残差和对偶残差的阈值设置在1e-3到1e-4之间，收敛速度会快很多，结果也足够可靠。

5.2 谈判破裂点取值不当导致分配异常

谈判破裂点Di是整个纳什谈判模型的“地基”，但很多人跑仿真时不够重视它的计算方式。Di有两种常见的错误算法。

错误一：直接把各主体独立运行时自己的收益当成Di，但忽略了独立运行和合作运行中设备状态不同步的事实。比如在独立模式下，氢能主体的储氢罐初始状态是空的，而合作模式开始时储氢罐可能有初始存量，这会导致两个模式下的运行空间不同，Di失真。解决办法是让独立运行和合作运行使用完全一致的初始状态和边界条件。

错误二：把Di算得太高。有时候独立运行模型里给了主体一些不切实际的假设，比如假设风光预测完全准确、没有弃电惩罚，导致Di被高估，合作分配时某个主体要分到非常高的收益才能满足个体理性约束，而整个联盟总收益有限，最后可能根本无解。实际中如果发现第二阶段NBS优化不可行，第一反应就应该是回头审查Di的计算是否过于乐观。谈判破裂点应该反映“不合作时最理性的收益”，而不是“不合作时最理想的收益”。

5.3 风光预测误差对联盟稳定性的影响

我最初跑仿真时用的是确定性的预测曲线，结果一切完美；但一加入预测误差，问题就来了。如果实际风光出力比预测低，而联盟的调度策略又假设了较高的风光出力，那么风电或光伏主体需要从电网高价购电来弥补缺口，这个成本如果在内部结算中没有被合理分摊，某个主体的净收益就会跌破Di，联盟瞬间失去稳定性。

处理这个问题有两条路线。第一条是鲁棒优化，在约束里加入不确定性集合，让调度策略对预测误差免疫，但会牺牲一部分经济性。第二条是模型预测控制（MPC）滚动修正，在日前调度的基础上每小时滚动更新一次未来的调度计划，把预测误差带来的冲击分散到多轮修正中。对于小型仿真算例，我比较推荐第二条，因为它实现简单，而且更贴近电力系统实际运行方式——没人会拿24小时前的策略一成不变地执行到底。

从博弈视角看，预测误差引起的不确定性还会影响合作收益增量的大小。如果某一天风光特别好，合作收益增量巨大，大家都有得赚；如果某一天风光很差，合作收益增量可能非常小，甚至分配后某些主体的增量趋近于零。这反映了一个现实问题：合作博弈联盟在恶劣场景下的稳定性，需要靠长周期多阶段的合作来平滑——今天少赚了，明天多赚回来。如果你有兴趣深入研究，可以把这个模型扩展成多日滚动合作博弈，让收益分配在时间维度上均衡，这是后续可以继续做的方向。

5.4 规模化扩展时的计算效率建议

如果读者想把这个模型扩展到几十个风电场、光伏电站和多套制氢系统，规模会迅速膨胀。这时ADMM的分布式优势就体现出来了：每个主体的事务基本独立，适合并行计算。主体之间的通信只涉及边界交换变量，通信量很小。我在自己的扩展测试里把主体数量从3个增加到12个，ADMM迭代次数基本不变，总耗时近似线性增长，这是分布式框架最讨喜的地方。

另外要提醒一下，求解器中可以充分利用冷启动技巧。多场景对比实验里，上一场景的最优解可以作为下一场景的初始点传入求解器，显著加快收敛。Yalmip里可以通过assign函数给变量赋初值，Gurobi里也可以直接指定Start属性。这个技巧在跑多个典型日、多个参数敏感性场景时能省下大量时间。

写在最后

做这个项目最大的体会是，博弈论模型的难点从来不在数学推导，而在模型假设和工程现实之间的映射。纳什谈判理论本身非常优雅，四条公理简洁有力，但真正让它发挥价值的是谈判破裂点的合理设定、联盟运行策略的可执行性校验、以及分配结果的公平性验证。这些环节任何一个松掉了，仿真出来的漂亮数字都只是自娱自乐。

还有个小技巧分享给大家：仿真脚本的注释和模块化一定要做好。第一阶段联盟优化、独立运行计算Di、第二阶段纳什谈判分配，三段代码尽量独立成函数，输入输出接口定义清楚。因为做参数敏感性分析时，你需要反复修改电价、容量、效率这些参数，如果代码全部耦合在一起，每次改动都像拆炸弹。把流程拆干净，调试效率会翻倍。这套框架里值得深挖的扩展方向还有很多，比如引入储能、加入需求响应、考虑碳交易成本，每一个方向都能让模型更贴近实际工程，但先把今天这套基础框架吃透，后面扩展起来会顺很多。