⚡ electrical engineering

Permutation-Equivariant Deep Equilibrium Networks for Real-Time Single-Bus DER Dispatch with O(1) Parameter Scaling

本文提出了一种置换等变 Transformer 深层平衡网络（DERDEQN），该网络通过基于市场出清和 KKT 条件的无监督、无标签训练过程，学习竞争均衡与出清价格，从而实现对数千个异构分布式能源调度时具有 O(1) 参数缩放特性和实时推理能力。

原作者： Jiang Zhan, Guofeng Liang, SiQi Chen, Tong Su, Fanrong Feng

发布于 2026-07-06

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Jiang Zhan, Guofeng Liang, SiQi Chen, Tong Su, Fanrong Feng

原始论文采用 CC BY 4.0 许可（https://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

宏观图景：指挥一场巨型交响乐

想象一下，电网就像一个巨大的交响乐团。这里的“乐手”不是音乐家，而是成千上万种不同的设备：电动汽车（EV）、家用电池以及空调等柔性用电设备。而“指挥家”则是实时价格，它每 15 分钟变化一次，告诉所有人何时该演奏（用电）以及何时该休息（储能）。

目标是让所有这些设备完美协作，使总用电量与总可用能量相匹配，同时确保没有任何人因为没电或错过截止时间而掉队。

问题所在：
当只有少数几位乐手时，指挥家可以轻松告诉每个人该做什么。但当你拥有 5,000 名乐手时，试图用传统的数学方法给每一个个体下达指令，就像是在进行一场马拉松的同时，还要试图解开一个拥有百万块拼图碎片的谜题。这太慢了（无法满足实时性要求），而且随着玩家数量的增加，所需的计算机大脑也会变得越来越庞大、沉重。

解决方案：拥有“神奇记忆”的智能指挥家

作者创建了一种新型 AI，称为置换等变深度平衡网络（Permutation-Equivariant Deep Equilibrium Network, DER-DEQN）。你可以把它想象成一位超级聪明的指挥家，他学会了一个特殊的技巧：他不需要记住每一位小提琴手的名字，他只需要知道乐器的类型和乐团的声部即可。

以下是他们解决方案的三个核心超能力：

1. “O(1)” 大脑（扁平化记忆技巧）

旧方式 (MLP)： 想象传统的 AI 像是一个学生，必须为每一个设备编写一份独特的说明书。如果你增加了 100 辆电动汽车，这个学生就必须多写 100 页纸。说明书变得越来越厚，学生也会感到不堪重负。
新方式 (Transformer)： 作者的 AI 就像一位拥有完美食谱的大厨。无论是在为 50 人还是 5,000 人烹饪，食谱的大小都保持不变。他们只是将相同的规则应用于新的食材。
结果： 无论增加多少设备，AI 的“大脑容量”（参数量）都保持微小且恒定。它处理 5,000 台设备所花费的精力与处理 50 台设备时完全一样。

2. “对称性”规则（双胞胎类比）

概念： 如果你有两辆电池电量和截止时间都完全相同的电动汽车，它们应该得到完全相同的指令。
旧方式： 传统的 AI 经常会产生混乱。如果交换了两辆车的名字，AI 可能会给出不同的指令，这既不公平也不高效。
新方式： 这个 AI 具有“置换等变性”。它明白，如果你交换了两个完全相同的双胞胎，指令也应该随之交换。它将相同的设备视为同类。论文表明，这种方法在这一特定规则上的精度近乎完美（就像一台在执行此规则时永不出错的机器）。

3. 无需老师的学习（“自我纠错”循环）

挑战： 通常情况下，要教导一个 AI，你需要一位向它展示标准答案（标签数据）的“老师”。但要为 5,000 台设备找到那个完美的答案是非常困难的，甚至连老师自己都还不知道答案是什么。
技巧： 这个 AI 通过检查自己的作业来进行学习。它不需要老师。相反，它拥有一套规则（“平衡条件”）：
1. 电力是否平衡？（供应 = 需求）
2. 设备是否满意？（它们是否获得了电池的最佳收益？）
3. 是否满足约束条件？（汽车是否按时充电了？）
AI 先做一个猜测，然后检查这些规则，看看哪里出了错，并据此进行调整。它会不断重复这个过程，直到“误差”（残差）变得极小。这就像一位音乐家独自练习，直到无需指挥也能完美演奏。

实验结果：速度与规模

作者在两块高性能显卡（类似于高端游戏电脑）上测试了该模型：

速度： 当有 5,000 台设备时，旧的方法（求解复杂的数学方程）需要几分钟甚至几小时。而这个新 AI 做出决策仅需 8.8 毫秒。这比人类眨眼的速度还要快。它足以用于实时、秒级的调度。
规模： 该 AI 在 5,000 台设备的情况下依然表现完美。而旧的方法在达到这个规模时就会崩溃或耗时过长。
准确性： AI 掌握了“大局观”（市场出清，且满足约束条件）。不过，作者也承认存在一个小瑕疵：虽然它能把握住整体价格，但并不总能让每一个设备都达到理论上的“完美利润”。对于实际应用来说，它是“足够好”的，但在某些微小的细节上并非数学意义上的绝对完美。

总结

这篇论文介绍了一种可以瞬间管理数千台能源设备的 AI 指挥家。

它很高效： 无论人群规模如何扩大，其大脑容量都不会增长。
它很公平： 它对相同的设备采取相同的处理方式。
它很快： 它能在不到 10 毫秒内做出决策。
它能自学： 它通过检查自身的规则进行学习，而不是依赖老师展示答案。

这使得电网能够实时管理大规模的电动汽车和电池集群，而这在以前对于计算机来说太慢、也太复杂了。

技术摘要：用于实时单总线分布式能源（DER）调度的置换等变深度均衡网络

1. 问题定义

本文解决了异构分布式能源（DER）实时调度的挑战——具体包括电动汽车（EV）、户用电池储能（ST）以及灵活需求响应负荷（DR）——这些设备处于单总线实时定价机制之下。

核心难点在于每个调度间隔（例如每 15 分钟）都需要求解一个高维约束均衡问题。在这种设定下：

设备动态特性： 每个设备在满足物理约束（荷电状态限制、充电窗口、功率额定值）和设备特定参数（如 EV 的紧迫性、DR 的弹性）的前提下，优化其跨时段能量使用。
市场出清： 单一实时价格 $\lambda(t)$ 必须平衡聚合功率，从而耦合所有 $N$ 个设备。
可扩展性瓶颈：
1. 维度灾难： 当 $N$ 扩展到数千规模时，集中式混合整数或凸规划变得极其缓慢。
2. 跨设备交互： 设备仅通过聚合平衡和价格进行耦合，这种结构使得标准的全连接架构无法高效利用。
3. 实时延迟： 在大规模集群中，每个间隔重新求解优化问题无法满足严格的延迟预算（5–15 分钟）。

现有的基于学习的方法通常是监督式的，需要由离线求解器生成的昂贵标签数据，并且在 $N$ 规模变化时往往表现出较差的可扩展性。

2. 方法论：DER-Transformer-DEQN

作者提出了一个置换等变 Transformer 深度均衡网络（DER-DEQN）。该方法将调度问题建模为一个竞争性均衡，并同时学习策略和出清价格，且无需标签数据。

A. 竞争性均衡建模

该问题被建模为一个竞争性均衡：

设备作为价格接受者，在给定 $\lambda(t)$ 的情况下实现跨时段价值最大化。
价格 $\lambda(t)$ 是市场出清约束的对偶变量。
这种结构类似于原始 DEQN 方法中解决的异构代理债券市场均衡，但针对电力系统进行了适配。

B. 架构： $O(1)$ 参数缩放

该网络利用 Transformer 架构实现了与设备数量 $N$ 无关的参数效率：

标记化（Tokenization）： 状态被序列化为一个聚合上下文向量 $g(t)$ 和 $N$ 个单设备标记 $h_i$ 。
权重共享： 与输入/输出层宽度随 $N$ 缩放的 MLP（导致 $O(N)$ 参数）不同，Transformer 在所有设备标记之间共享权重。无论集群规模如何，参数量始终保持为 $O(1)$ 。
复合位置编码： 为了在保持置换等变性的同时注入必要的物理结构，引入了复合位置编码：
$PE_i = \text{TypeEmbed}(\tau_i) \oplus \text{WindowEmbed}(w_i) \oplus \text{FeederEmbed}(f_i) \oplus \text{SinRank}(r_i)$
这编码了设备类型、可用窗口、馈线类别和正弦秩（用于打破对称性），仅在物理身份决定时才打破对称性。

C. 无监督均衡损失

模型通过最小化均衡条件的残差进行训练，无需带有最优调度标签的数据。损失函数 $L$ 由五个部分组成：

跨时段边际价值（FOC）： 类比于欧拉方程，确保储能、EV 和 DR 的边际价值等于价格。
KKT 功率框（Power-Box）： 功率限制的互补性条件。
KKT SoC 边界： 荷电状态（SoC）限制的互补性条件。
KKT EV 截止时间： 满足出发前目标电量要求的条件。
市场出清： 聚合功率平衡方程的残差，用于确定实时价格。

损失函数使用相对底限归一化（relative-floor normalization）以确保尺度不变性和训练稳定性。

3. 核心贡献

问题建模： 将实时单总线 DER 调度转化为在结构上类比于异构代理宏观经济模型的竞争性均衡问题。
架构设计： 引入了具有 $O(1)$ 参数缩放 特性的置换等变 Transformer-DEQN，与传统的 $O(N)$ 缩放的 MLP 基准形成对比。
对称性注入： 重新设计了位置编码，将设备类型、时间窗口和馈线先验作为唯一的对称性破坏项。
无标签训练： 设计了基于均衡残差（欧拉类比、KKT 互补性和市场出清）的无监督损失，无需最优调度标签。
实证验证： 在两个尺度上验证了该方法：
- 架构规模（ $N=5000$ ）： 验证参数效率和延迟。
- 均衡质量（ $N=50$ ）： 验证残差收敛性和福利比较。

4. 实验结果

实验在两块 NVIDIA RTX 3090 GPU 上进行。

A. 参数缩放与效率

参数量： Transformer 模型在所有集群规模（ $N=50$ 到 $5000$）下均保持 119,142 个参数。相比之下，MLP 基准在 $N=5000$ 时从 $1.87 \times 10^6$ 增加到 $8.60 \times 10^7$ 个参数（存在 720 倍差距）。
置换等变性： Transformer 在不同排列下实现了机器精度级别的等变性（误差 $\sim 2 \times 10^{-6}$ ），而 MLP 的误差随 $N$ 线性增长。

B. 实时延迟

学习到的策略在 $N=5000$ 时执行时间为 8.8 ms（中位数延迟），远低于 5–15 分钟的调度预算。
这比集中式求解器（CVXPY/CLARABEL）快两个数量级，也显著快于混合整数线性规划（MILP）方法，后者在 $N$ 较大时会变得难以处理。

C. 均衡质量与福利

残差收敛： 在 $N=50$ 时，市场出清和 KKT 残差收敛至 $\sim 10^{-4}$ ，表明无监督训练是稳定的。
福利比较： 学习到的调度在福利方面与集中式凸优化解具有竞争力。然而，跨时段边际价值（FOC）残差最终稳定在一个非零底限（ $\sim 0.6$ ）。
局限性： 由于该 FOC 底限和未锚定的价格尺度（命题 1），调度是近似而非完全的福利最优。论文指出，策略的价格路径并未完美追踪集中式求解器的对偶价格形状，这表明差距是由 FOC 残差而非简单的尺度失配驱动的。

D. 训练约束

虽然参数缩放为 $O(1)$ ，但 Attention 激活内存 随 $O(N^2)$ 缩放。由于 $[B, H, N, N]$ 注意力矩阵的存在，在 $N=5000$ 时进行全批次训练会超过 GPU 显存（24 GB）。因此，均衡质量的结果是在当前训练预算下能使无监督损失收敛的最大规模 $N=50$ 下报告的。

5. 重要性与声明

本文声称这项工作架起了计算经济学与电力系统运行之间的桥梁，实现了在通用硬件上进行实时、集群规模的调度。

可扩展性： $O(1)$ 参数缩放允许单个固定容量的网络服务于任何规模的集群，消除了随着设备加入或离开电网而需要重新训练或调整模型大小的需求。
实时可行性： 低于 10 毫秒的推理时间使该方法在集中式优化失效的调度周期内具有可行性。
理论一致性： 通过直接满足均衡条件，该方法在不依赖于对离线求解器进行监督模仿的情况下，尊重了问题的经济结构（即通过价格介导的协调）。

承认适度局限性：
作者明确指出，由于非零 FOC 残差底限的存在，实现与集中式求解器的精确福利对等仍是一个开放性挑战。此外，当前 $O(N^2)$ 的内存瓶颈要求未来采用线性或 Flash-Attention 变体，才能在最大规模下充分发挥该方法潜力。目前的研究仅限于不含网络约束的单总线模型。