想象一下，一个繁忙的社区电网就像一个大型共享水系统。在这个社区里，每个人都有自己的小水箱（电池），有些人拥有太阳能板可以将水泵入系统（出口），而每个人都需要抽水来运行他们的电器（进口）。
问题在于，连接这个社区与城市主供水系统的管道很窄。有时，大家想同时抽水（进口短缺），管道就无法承受；其他时候，大家同时从太阳能板向系统中泵水（出口拥堵），管道就会发生堵塞。
传统上，系统管理者（电力公司）有两种处理方式：
- “硬性限制”告示牌 (DOE)： 他们立起一块牌子说：“今天你只能取 X 加仑水。”这种方式很安全（管道不会爆裂），但它是一种粗放的手段。如果你是一个重度用户，即使你连续一个月都被限制了，你也会和轻度用户一样被一视同同地切断供应。它不会记住谁在昨天吃了亏。
- “价格标签” (DNP)： 当水资源稀缺时，他们会提高水的价格。这鼓励人们少用，但它不能保证管道不会爆裂。此外，如果价格过高，可能会惩罚那些最需要水的人，而富有的邻居只需付更多的钱就能继续使用。
论文的解决方案：自动做市商 (AMM)
作者提出了一种更聪明的新系统，称为自动做市商 (AMM)。你可以把它想象成一个智能、公平的裁判，坐在水管和邻居之间。它不仅观察管道，还为每户人家保留了一本记忆账本。
以下是它的工作原理，使用简单的类比：
1. “记忆账本”（有状态的公平性）
想象一个为每个玩家都记录账目的裁判。
- 进口账本： 如果你的房子需要抽水但管道满了，裁判会记录：“抱歉，你今天只得到了 0% 的需求量。”如果明天再次发生这种情况，裁判会记得：“这户人家连续三天运气不好了。”
- 出口账本： 如果你的太阳能板正在向内泵水但管道堵塞了，裁判会记录：“你被迫停止了泵水。”
- 解决方法： 当管道重新畅通时，裁判会查看账本。等待时间最长的住户将获得优先权。这就像是“先到先得”的排队，但队伍每天都会重置，以确保没有人永远被困在队尾。
2. “智能价格标签”（双边定价）
AMM 不仅仅设定一个价格，它会根据管道的“压力”程度设定两个价格（买入价和卖出价）。
- 如果管道紧缺，买水的价格会上涨（鼓励你节省使用），同时卖水的价格也会上涨（鼓励你泵入水流）。
- 至关重要的是，这些价格是根据系统的物理状态（如电压）计算的，而不是由人们试图操纵系统来决定的。这就像一个恒温器，它根据房间实际的热量自动调节温度，而不是根据房间里的人说他们想要多少热量。
3. “两层架构”系统 (MV/LV 架构)
社区有一根主管道（中压，Medium Voltage）和 33 根较小的侧管（低压，Low Voltage）。AMM 扮演着一个分层管理团队的角色。
- 局部团队管理小的侧管。
- 主导团队管理大的主管道。
- 系统会不断检查哪一层是“瓶颈”（最窄的管道），并将公平规则集中在该层进行管理。它确保了一个小街道的问题不会因为主管道看起来正常而被忽视。
研究结果如何？（研究发现）
研究人员使用一个真实的澳大利亚社区计算机模拟，将这种“智能裁判”与旧方法进行了对比测试。
- “无记忆”问题： 他们发现，仅仅在旧有的“硬性限制”系统中加入价格标签实际上会让情况变得更糟。这伤害了那些最需要水的人，因为他们负担不起高昂的价格，而富有的邻居只需付钱就能继续使用。
- “贪婪”问题： 他们尝试了一个优先满足最大请求的系统（贪婪算法）。但这并没有带来太大帮助；它几乎和旧系统一样不公平。
- AMM 的成功：
- 减少渴求： AMM 将人们无法获得的水量减少了 76%。
- 无爆管风险： 它保持了系统的安全，实现了零“热故障”（没有管道爆裂）。
- 公平性： 它让系统变得更加公平。相比于旧系统，表现最差的社区获得了其需求的 91.4%，而旧系统仅为 86%。
- 权衡： 还有另一种方法（称为 FET/FOT/FUH）甚至更加公平（所有人都是 99%），但它需要一台超级计算机提前规划整年。AMM 虽然在公平性上略逊于这种“超级规划师”，但它可以在实时环境下工作，即秒级响应，而不需要预测未来。
核心结论
论文指出，对于一个充满太阳能板和电池的电网，你需要记忆。你不能只看当下的问题，你必须记住谁在过去受到了不公平的对待。
AMM 是一个结合了实时安全检查（确保管道不爆裂）与公平记忆（确保同样的人不会总是被切断供应）以及智能价格信号（告诉人们何时使用电力）的系统。它并不是一种在所有类别中都能击败所有其他方法的完美方案，但它是第一个将这些特性整合进单一、实时系统，并实现机器与机器之间对话的方案。
作者建议，未来的最佳解决方案可能是将 AMM 的实时公平性与超级规划师的长远公平性结合起来，从而兼顾两者的优点。
技术摘要：面向重复约束性 DER 协调的有状态定价与分配
1. 问题陈述
具有高分布式能源（DER）渗透率的配电网面临着一个重复性的分配问题：在两种截然不同的条件下，必须在时间维度上重复分配有限的网络能力：
- 进口稀缺（Import Scarcity）： 当可用的进口容量不足以满足所有柔性需求请求时。
- 出口拥塞（Export Congestion）： 当局部出口容量受限，需要进行发电削减时。
现有机制仅能部分解决这些问题。动态运行包络线（DOEs） 强制执行硬性可行性边界，但通常按间隔运行，无法通过维护参与者层面的状态来纠正随时间推移而产生的重复性劣势。动态网络价格（DNPs） 提供分配信号，但无法保证总体的可行性，且缺乏跨时域的追踪功能。此外，近期的“公平过度时间（fair-over-time）”DOE 公式（如 FET、FOT、FUH）通过离线优化改善了出口侧的公平性，但缺乏双向稀缺信号、实时运行能力以及进口侧的参与者层面纠正机制。
本文识别出一种无法同时满足以下五个要求的机制缺口：(1) 严格的可行性，(2) 稀缺性信号，(3) 透明的分配规则，(4) 针对重复性劣势的跨时域纠正，以及 (5) 针对机器对机器（M2M）利用行为的策略鲁棒性。
2. 方法论：自动做市商（AMM）
作者提出了自动做市商（AMM），这是一个旨在用于 M2M DER 接入的有状态物理-信息融合协调层。AMM 作为物理可行性边界之上的一个附加层运行，结合了四个功能组件：
- 双向公平状态（Bidirectional Fairness States）： 该协议为每个参与者 n 维护两个交付状态变量：
- fnsrv：追踪进口稀缺情况下的累计服务交付比例（已交付量 vs. 请求量）。
- fnexp：追踪出口拥塞情况下的累计削减交付比例（实际实现量 vs. 可用量）。
这些状态反馈至未来的分配权重中，从而实现跨时域的纠正。
- 有界双向赤字驱动定价（Bounded Bilateral Deficit-Driven Pricing）： 买入和卖出价格由系统状态而非竞价值决定。一个复合稀缺信号 α~t,n（源自物理量，包括电压偏差）驱动价格。其有界实现方式使用对数市场评分规则（LMSR）的紧度信号 λe(t)，以确保价格在反映网络压力时仍保持在边界内。
- 可行性约束匹配（Feasibility-Constrained Matching）： AMM 通过求解线性规划（LP）问题来匹配买方和卖方。该匹配在应用公平性权重之前，须满足硬性约束（能量/功率限制、时间窗口和分级网络容量）。这确保了不会发生热过载违规。
- 两级 MV/LV 架构： 系统运行在一个层次化结构之上（一个中压馈线和 33 个低压馈线）。根据当前哪个层级更为紧缩（占主导地位），每个间隔会选择一个活跃的协调层，从而确保在最关键的层面遵守约束。
3. 核心贡献
本文做出了六项具体贡献：
- 双向公平性形式化： 引入了双向交付状态变量（fnsrv,fnexp），用于追踪参与者在进口和出口两个方向的历史记录，这是与其他对比机制相比的独特特征。
- 有界双向定价： 一种由共同赤字信号和电压感知稀缺性驱动的定价机制，利用源自 LMSR 的紧度信号来防止价格无限制飙升。
- 可行性约束匹配： 一个显式的 LP 公式，在应用公平性权重之前强制执行硬性可行性，每个间隔的计算复杂度为 O(maxℓNℓ2)。
- 电压感知稀缺性解释： 使用电压偏差作为直接可测量的网络压力指标来驱动稀缺信号，并在被动逆变器假设下得到了验证。
- 策略鲁棒性分析： 通过架构分析表明，该协议通过截止日期约束的匹配和一致性监控，限制了通过时间操纵和预测通胀获取收益的可能性，但并未声称实现完全的激励相容。
- 实证评估： 在 CSIRO MV+33LV 馈线数据集上进行了全面的基准测试，对比了八种机制，并得出了一个新颖发现：在无状态的 DOE 中添加无状态的价格信号会使结果恶化。
4. 实验结果
实验基于 CSIRO MV+33LV 数据集在 12 个月的周期内进行，将 AMM 与以下机制进行了对比：
- 基准 DOE（等额分配）。
- DOE-GREEDY（在 DOE 内进行贪婪分配）。
- DOE+DNP（由 DNP 价格信号增强的 DOE）。
- DNP（仅价格）。
- Fair-over-time DOE 变体（FET、FOT、FUH）。
主要发现：
- 进口稀缺： 相对于等额分配的 DOE，AMM 将未满足的柔性需求从 96.0 MWh 降低至 23.2 MWh（降幅 76%），且零热违规。
- 出口拥塞： 出口削减从 85.4 MWh 减少到 64.5 MWh。
- “H1b”反直觉发现： 在无状态的 DOE 中增加 DNP 价格信号（场景 1b）恶化了结果，使未满足能量增加到 109.4 MWh，并降低了最差馈线的交付比例。这表明，在缺乏跨时域记忆的情况下，价格信号可能会将剩余容量集中在已有优势的节点上，从而加剧不平等。
- 启发式算法 vs. 状态： DOE-GREEDY 变体的表现略逊于标准 DOE，证实了在缺乏状态性的情况下，仅改变分配启发式算法并不能改善结果。
- 公平性指标： AMM 在第 6 个月起实现了 0.9998 的年度馈线间 Jain 指数，优于所有无状态的 DOE 变体。最差馈线的交付比例从 0.860 (DOE) 提升至 0.914 (AMM)。
- 与 FET/FOT/FUH 的比较： Fair-over-time DOE 机制通过显式的最大最小优化实现了更高的最差馈线公平性（0.989–0.990）。然而，它们是针对预定周期的离线优化，且缺乏双向稀缺信号和进口侧的纠正。
5. 重要性与声明
本文声称，状态性（statefulness） 是重复约束性 DER 协调的一个基本设计维度。其主要贡献在于架构：一种结合了有界双向定价、硬性可行性和参与者层面跨时域公平状态的实时单层协调协议。
作者明确指出，AMM 并不声称在最大最小公平性指标上优于现有的 fair-over-time 优化方法（FET/FOT/FUH）。相反，AMM 解决的是不同的运行目标：
- AMM： 实时运行、双向稀缺信号传递以及无需前瞻需求的进口侧纠正。
- FET/FOT/FUH： 针对预定周期的公平性离线优化。
论文结论认为这些方法是具有潜在可组合性的。确定的未来研究方向是将 AMM 的有状态定价和实时协调与用于 MV 包络线计算的 FET/FOT/FUH 方法相结合。结果表明，在主动配电网中，缺乏记忆的稀缺性定价可能不足以——甚至可能阻碍——实现长期的公平结果。
每周获取最佳 electrical engineering 论文。
受到斯坦福、剑桥和法国科学院研究人员的信赖。
请查收邮箱确认订阅。
出了点问题，再试一次？
无垃圾邮件，随时退订。