⚡ electrical engineering

A Stateful Stochastic Allocation Mechanism with Fairness Guarantees for Networked Electricity Systems

本文介绍了公平博弈自动做市商（Fair Play Automatic Market Maker, FP-AMM），这是一种具有状态性的随机分配机制，它通过采用两阶段清算规则和短缺记忆追踪，克服了传统定价的无记忆局限性，从而在数学上保证了电力交付的公平性，并在稀缺期间维持电网的可行性。

原作者： Shaun SWeeney

发布于 2026-06-17

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Shaun SWeeney

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，电网就像一个繁忙且规模宏大的餐厅厨房。这里的“顾客”是需要用电的家庭和企业，而“厨师”则是发电厂。通常情况下，这个厨房运行得很顺畅，因为有充足的食物（电力）。但有时，风暴来袭，或者同时下单的人太多，导致厨房不堪重负。这就是所谓的稀缺性（scarcity）。

在目前的系统中（称为节点边际定价或 LMP），厨房经理完全根据谁在“此时此刻”愿意支付最高的价格来决定谁能吃到食物。如果厨房满了，经理可能会切断一个多年来一直在这里用餐的顾客的供应，仅仅因为他们无法承受突然飙升的价格。这位经理没有记忆；他不会记得这位顾客上周或上个月曾是多么忠诚。这会让人们感到不公平，尤其是当同样的顾客在困难时期反复被切断供应时。

这篇论文介绍了一种名为**公平博弈自动做市商（Fair Play Automatic Market Maker, FP-AMM）**的新系统。你可以把它想象成一个聪明的、拥有记忆的厨房经理，他确保的是长期的公平，而不仅仅是瞬间的订单分配。

以下是它的运作方式，通过简单的类比来解释：

1. “记忆库”（短缺记忆）

核心思想是，系统为电网上的每个区域（节点）都保留了一个记忆库。

运作方式： 如果某个区域在电力短缺期间获得的电力低于其需求量，系统并不会就此忘记。它会在记忆库中记下一笔“债务”。
类比： 想象一位家长在记录谁拿走了最后的饼干。如果小提米昨天没吃到饼干，家长会记得。今天当饼干再次稀缺时，即使有人叫得更大声，家长也会确保提米优先拿到饼中之物。系统利用这种记忆，优先保障那些此前被亏待的人。

2. 两阶段抽签（随机分配）

当电力不足以供应所有人时，系统并不会简单地选择出价最高的客户。它会进行两步抽签：

第一步：VIP 通道（服务等级）： 一些客户拥有“VIP”合同（如医院或数据中心），他们支付了更高的优先级费用。系统首先挑选并服务 VIP 通道。
第二步：公平加成： 在该 VIP 通道内部，系统会查看记忆库。如果某个特定的 VIP 客户近期一直被忽视，系统会给他们在抽签中一个“运气加成”。相比于昨天服务完美的 VIP，他们更有可能获得服务。
结果： 这是“谁支付了优先级”与“谁需要机会追赶”的一种结合。

3. “智能计时器”（事件触发控制）

计算机运行很快，但每秒钟都检查一次电网是一种能源浪费。

类比： 想象一名保安在检查门窗。他不是每秒钟都去检查，而是只在情况发生变化时（比如门开了或有响动）才去检查。
论文的观点： 系统仅在情况发生显著变化时才会重新计算电力分配。如果电网稳定，它就会等待。这节省了计算能力，同时保证了系统的安全与公平。

4. 论文证明了什么（“数学魔力”）

作者不仅提出了一个酷炫的想法，还从数学上证明了它的有效性：

它不会崩溃： 他们证明了“记忆库”会保持在安全范围内，永远不会失控（定理 1）。
它能快速找到解： 当系统试图确定谁能获得电力时，它能非常快地达成一个公平的答案，就像球滚向碗底一样（定理 2）。
它确实实现了长期的公平： 他们证明了如果你运行这个系统足够长的时间，平均而言，每个区域最终都会获得他们所要求的精确电力量。即便他们在过去被忽视了，“不公平感”也会随着时间消失（定理 5）。
它能处理“弱环节”： 他们在真实的电力网络模型（如 IEEE 14 节点和 118 节点网络）上进行了测试。他们发现，“弱”区域（那些远离发电厂的区域）通常面临最糟糕的待遇。相比旧系统，公平博弈系统将这些弱点的公平程度提升了约 54% 到 55%。

总结

这篇论文认为，电力市场不应仅仅关乎价格标签。它们应该像一个公平的裁判，能够记住比赛的历史。如果一支队伍（区域）输了一段时间，裁判（FP-AMM）会微调规则，给他们一个更好的机会来追赶，从而确保从长远来看，每个人都能公平地分享能源，即使在供应不足的情况下也是如此。

作者通过对真实电网的计算机模拟验证了这一点，表明该系统既能维持供电，又能尊重导线的物理极限，同时让整个系统对所有参与者都更加公平。

技术摘要：一种具有公平性保证的有状态随机分配机制，用于联网电力系统

1. 问题陈述

本文针对主流电力市场机制中的一个根本性局限提出了研究，即节点边际电价（LMP）。虽然在可调度供应的历史条件下，LMP 能有效地将可行性、分配和结算压缩为节点对偶变量，但在高可再生能源渗透率和活跃网络约束的情况下，它会失效。识别出的核心缺陷包括：

无记忆性： LMP 不携带任何历史服务结果的表示，从而无法实现跨市场间隔的公平对待的正式保证。
信号不稳定性： 在稀缺情况下，LMP 信号可能会出现不连续且无界的现象。
脱节： 经济均衡（市场出清）与物理均衡（电网约束）之间存在脱节，而变量可再生能源和分布式资源加剧了这一问题。

本文提出，稀缺分配不应仅仅被视为一个定价问题，而应被视为一个受控的、有状态的、可审计的信息物理过程，能够保证动态公平性。

2. 方法论：公平竞争自动市场 maker (FP-AMM)

作者引入了公平竞争自动市场制作人（Fair Play Automatic Market Maker, FP-AMM），这是一种可编程的分配机制，它将物理可行性、服务差异化和历史公平性集成到一个统一的闭环控制系统中。

核心架构

该机制作为一个两阶段随机出清规则运行，应用于 DC-OPF（直流最优潮流）可行性集合，随后进行有状态的记忆更新：

第一阶段：服务等级优先级采样
- 请求被分组为不同的服务层级（例如，从高级到基础级），并分配权重 $w(c)$ 。
- 根据这些权重概率性地选择一个层级，在尊重合同服务质量（QoS）优先级的条件下，避免硬性的容量划分。
第二阶段：逆向公平性加权
- 在选定的层级内，请求被分配一个优先级分数 $S_{i,t}$ ：
  $S_{i,t} = w(p(i)) \cdot (\varepsilon_b + z_{n(i),t})^{\alpha_f}$
- 此处， $z_{n,t}$ 代表短缺记忆状态（历史公平性赤字）， $\varepsilon_b$ 防止表现良好的节点出现饥饿现象，而 $\alpha_f$ 控制对赤字的敏感度。
- 来自历史上服务不足节点的请求会获得更高的选择概率。
可行性与调度
- 通过求解局部可行性问题来调度选定的请求，以找到满足功率需求、持续时间和网络约束（DC-OPF）的开始时间 $\tau_i$ 。
- 如果可行，则更新容量；否则，该请求被标记为不可行。
短缺记忆更新
- 在每个间隔之后，公平性赤字 $z_{n,t}$ 使用饱和积分器（运行平均或指数遗忘）进行更新：
  $z_{n,t+1} = \Pi_{[0,1]} \left( (1 - \beta_t) z_{n,t} + \beta_t \ell_{n,t} \right)$
- 其中 $\ell_{n,t}$ 是单间隔短缺量。该状态 $z_t$ 即为系统的“记忆”。

控制理论框架

该机制被建模为一个包含三个层级的网络化控制系统：

一个有界的、Lipschitz 连续的稀缺响应价格信号。
概率性的服务等级优先级队列。
驱动收敛的有状态公平性记忆。

本文明确地将公平性机制（优先级分数）与服务分配目标（梯度步骤）分离，从而允许对收敛性和公平性收敛进行独立分析。

3. 主要贡献与理论结果

本文确立了四个主要的理论结果，证明了 FP-AMM 的稳定性和收敛性：

定理 1（短缺记忆稳定性）： 短缺记忆状态在 $[0, 1]^N$ 内是不变的，且更新映射是一个具有显式收敛率 $1-\beta$ 的收缩映射。这确保了记忆状态保持有界，并对于给定的短缺剖面收敛到唯一的固定点。
定理 2（区间内收敛）： 每个市场间隔内的出清算子线性收敛到一个唯一的固定点，其收敛因子为 $q \in (0, 1)$ 。这保证了即使在变化的约束条件下，分配过程也是稳定且行为良好的。
定理 3（Lipschitz 敏感性）： 分配算子的固定点对于市场状态是 Lipschitz 连续的，确保了网络条件的微小变化不会导致分配的不连续跳变。
定理 4（事件触发执行）： 该机制支持事件触发更新（仅在状态偏差超过阈值 $\delta$ 时触发）。这产生了分配跟踪误差的实际最终有界性，提供了计算保真度与执行频率之间的显式权衡。
定理 5（动态公平性收敛）： 在公平竞争优先级规则下，每个节点的长期交付比率几乎处处收敛到目标公平比率 $F^\star$ （通常为 1）。本文通过基于李雅普诺夫分析的赤字递归，确立了一个有限时间的 $O(1/\sqrt{T})$ 界限。

4. 实验验证

该机制在 IEEE 14、57 和 118 总线网络上进行了验证，在 $T=5000$ 个市场间隔内应用了 DC-OPF 可行性约束。

公平性收敛： 在所有基准测试中，公平性比率 $F_n(t)$ 都收敛到了目标值 $F^\star=1$ 。IEEE-57 网络显示出最快的收敛速度，这与理论漂移估计一致。
稀缺性能： 在稀缺窗口期间，“公平竞争开启”状态下，IEEE-57 网络的弱节点公平性误差降低了 54%，相对于等权重基准最多降低了 55%。如果没有短缺记忆修正，弱（拓扑劣势）节点会系统性地获得低于其需求的份额。
可行性： 在整个模拟过程中，DC 可行性始终得到维持；最大网络负载从未超过 70% 的限制。
效率： 事件触发执行在所有基准测试中至少跳过了 25% 的出清间隔（触发率在 42% 到 73% 之间），在不牺牲公平性收敛的前提下，实现了显著的计算节省。
鲁棒性： 系统在永久性供应冲击和重复的阈值穿越下保持了有界的响应，表现为一个平滑的控制器而非二进制开关。

5. 意义与主张

本文声称 FP-AMM 代表了电力市场设计的范式转变：

从定价到控制： 它将电力分配中的动态公平性重新定义为一个状态估计与反馈控制问题，而非仅仅是一个定价问题。
有状态性： 与无状态机制（LMP）不同，FP-AMM 携带显式的状态（ $z_t$ ），该状态代表了历史服务结果，这对于保证累计交付比率的收敛是必要的。
可组合性： 该机制证明了公平性、服务差异化和物理可行性可以作为单个闭环公式内可组合、可形式化分析的计算层进行处理。
形式化保证： 本工作提供了联网电力分配语境下累计交付比率的首个形式化收敛保证，超越了仅基于事后断言的公平性，实现了可证明的有限时间收敛。

作者指出，虽然经济解释（成本因果关系、收入充足性）在另一篇配套论文中进行了阐述，但本文专注于控制理论属性：稳定性、收敛性、事件触发执行以及动态公平性收敛。