基于演化博弈的绿色电力推广机制

唐文星; 尹喆; 杨鹏飞; 宋鑫于; 朱瑞金

doi:10.12404/j.issn.1671-1815.2501707

科学技术与工程 ›› 2026, Vol. 26 ›› Issue (20) :8692-8702 DOI: 10.12404/j.issn.1671-1815.2501707

电工技术

基于演化博弈的绿色电力推广机制

作者信息 +

Evolutionary Game-based Mechanism for Green Electricity Promotion

Author information +

文章历史 +

摘要

为应对气候变化并推动可持续发展,基于演化博弈理论,构建平台、发电公司和消费者三方互动的博弈模型,突破传统双边博弈的局限,深入探讨绿色电力市场的演化机制与均衡状态。首先明确三方主体的策略选择及其收益函数,建立了复制动态方程和雅可比矩阵,分析了不同初始策略对演化路径的影响;然后,通过数值仿真模拟了绿色电力成本、平台激励强度和消费者偏好的变化对系统均衡的影响,揭示平台激励政策、发电公司生产策略与消费者偏好之间的动态互动关系;最后,结合稳定性分析,探讨了系统达到理想均衡状态的条件。结果表明:绿色电力推广面临消费者行为转变的惯性阻力、绿色电力成本的敏感性和电力需求增长的规模悖论等关键障碍。可见,绿色电力市场的可持续发展需要在政策激励、市场机制与消费者行为之间实现有效协调。

Abstract

To address climate change and promote sustainable development, based on evolutionary game theory, a game model was constructed for the interaction between platforms, power generation companies, and consumers, breaking through the limitations of traditional bilateral games and exploring in depth the evolutionary mechanism and equilibrium state of the green electricity market. Firstly, the strategies and payoff functions of the three parties were defined, and the replicator dynamic equations and Jacobian matrix were established to analyze the impact of different initial strategies on the evolutionary path. Then, numerical simulations were conducted to study the effects of changes in green electricity costs, platform incentive strength, and consumer preferences on the system's equilibrium, revealing the dynamic interactions between platform incentives, production strategies of power generation companies, and consumer preferences. Finally, stability analysis was used to discuss the conditions under which the system reaches an ideal equilibrium state. The results show that the promotion of green electricity faces key barriers, including the inertia resistance of consumer behavior changes, the sensitivity of green electricity costs, and the scale paradox of increasing electricity demand. These findings highlight that the sustainable development of the green electricity market requires effective coordination between policy incentives, market mechanisms, and consumer behavior.

Graphical abstract

关键词

绿色电力 / 演化博弈 / 均衡状态 / 平台激励 / 能源转型 / 可持续发展

Key words

green electricity / evolutionary game theory / equilibrium state / platform incentives / energy transition / sustainable development

引用本文

引用格式 ▾

唐文星, 尹喆, 杨鹏飞, 宋鑫于, 朱瑞金. 基于演化博弈的绿色电力推广机制[J]. 科学技术与工程, 2026, 26(20): 8692-8702 DOI:10.12404/j.issn.1671-1815.2501707

TANG Wen-xing, YIN Zhe, YANG Peng-fei, SONG Xin-yu, ZHU Rui-jin. Evolutionary Game-based Mechanism for Green Electricity Promotion[J]. Science Technology and Engineering, 2026, 26(20): 8692-8702 DOI:10.12404/j.issn.1671-1815.2501707

登录浏览全文

4963

注册一个新账户忘记密码

近年来,随着可再生能源技术的突破性进展和全社会环保意识的显著增强,全球绿色电力市场规模呈现快速增长态势。绿色电力作为清洁能源体系的重要组成,已成为全球能源结构转型的关键方向。国际可再生能源机构(International Renewable Energy Agency,IRENA)的数据显示,2022年全球可再生能源发电量占比已达到30%以上,其中绿色电力的贡献日益凸显。据统计,2021—2023年,全国绿电交易成交电量分别为87×10⁸、181×10⁸、697×10⁸ kW·h,年均增长283%。然而,绿色电力的推广仍面临诸多挑战:首先,与传统化石能源相比,绿色电力的生产成本仍然较高,据国际能源署(International Energy Agency,IEA)测算,目前光伏发电的平准化度电成本(levelized cost of energy,LCOE)仍比煤电高出约20%;其次,消费者对绿色电力的认知度和接受度有待提升,市场调研显示,超过60%的终端用户对绿色电力的环境效益缺乏清晰认知;最后,市场机制的不完善导致绿色电力的价值难以充分体现,电力市场化改革仍需深化。这些问题的解决需要平台、发电公司和消费者三方的协同努力^[1-4]。

平台、发电公司和消费者作为绿色电力市场中的核心参与主体,通过策略选择与利益协调,共同推动绿色电力市场的形成与演化。然而,现有研究多聚焦于政府与企业的双边博弈,未能充分反映平台、发电公司和消费者三方的动态互动机制。文献[5]利用主从博弈模型对虚拟电厂分时电价进行优化。文献[6]基于主从博弈探讨了售电商电能量合同履约风险的柔性处置技术。文献[7]通过主从博弈分析了新型独立储能电站的成本效益。尽管这些研究在双边博弈框架下取得了重要进展,但其局限性在于未能全面考虑多方主体的协同作用。

以全国绿色电力交易试点为例,电力交易平台通过集中撮合和信息披露机制,连接发电企业与终端用户,在绿色电力推广中发挥了关键枢纽作用。一方面,平台通过绿证交易、价格溢价结算等方式,引导发电企业扩大绿色电力供给;另一方面,通过统一结算、用电标识和环境价值披露,提升消费者对绿色电力的认知与参与意愿。然而,在实际运行中仍存在消费者参与意愿不足、发电企业转型成本较高等问题,导致绿色电力推广效果具有明显的不确定性和阶段性特征。上述现实情形与所构建的平台-发电公司-消费者三方演化博弈框架高度一致。

基于演化博弈理论,构建平台、发电公司和消费者三方互动的博弈模型,旨在揭示绿色电力市场演化的内在机制和均衡状态。通过分析三方主体的策略选择及其相互作用,研究重点探讨以下关键问题:一是初始策略选择对市场演化路径的影响机制;二是绿色电力成本变动对市场均衡状态的动态作用;三是电力需求增长对能源转型进程的潜在阻碍效应;四是政策干预对市场均衡的调节作用。突破了传统双边博弈框架,构建了平台、发电公司和消费者三方互动的演化博弈模型,引入平台这一新主体,探讨了其在绿色电力推广中的协调作用。采用复制动态方程和雅可比矩阵,分析了三方主体策略演化的动态过程,揭示了绿色电力成本波动、消费者行为惯性和电力需求增长等因素对市场均衡的影响。最后结合三方博弈模型的分析,提出了差异化激励策略和灵活的政策调整机制,以更好地协调平台、发电公司与消费者之间的互动,推动绿色电力市场的可持续发展。

1 绿色电力演化博弈描述

在绿色电力的发展过程中,平台、发电公司和消费者作为核心参与主体,通过演化博弈的方式协同推动绿色电力市场的形成与发展。平台作为博弈规则的制定者,通过设计激励机制和政策工具(如绿色电力补贴、碳配额分配机制)引导发电公司和消费者支持绿色电力发展^[8]。发电公司作为电力生产的执行者,根据市场需求、平台政策以及自身成本收益情况,选择生产绿色电力或传统电力。消费者作为市场需求的主导者,通过选择绿色电力或传统电力,向市场传递明确的需求信号。三者之间的策略互动共同决定了绿色电力市场的演化路径和均衡状态^[9-11]。

平台的核心任务是在发电公司和消费者之间进行利益协调。一方面,平台需要确保发电公司有足够的动力生产绿色电力,以满足环保目标和可持续发展的要求^[12];另一方面,平台还需保障消费者能够以合理的价格获得稳定、高质量的电力供应。通过科学的规则设计和有效的协调机制,平台能够平衡各方利益,促进电力系统的稳定运行和绿色电力市场的健康发展^[13-15]。

发电公司的生产策略直接影响电力市场的供给结构和质量。如果消费者对绿色电力的偏好增强,或者平台提供的激励政策足够有吸引力,发电公司可能会倾向于增加绿色电力生产^[16];反之,如果消费者更关注价格或平台激励不足,发电公司可能会选择成本较低的传统电力生产方式。发电公司的生产决策不仅受到市场需求和平台政策的驱动,还受到技术条件、资源禀赋等因素的制约。因此,发电公司需要在环保要求、经济效益和技术可行性之间进行权衡,以实现自身利益的最大化^[17]。

消费者是电力市场发展的核心驱动力。如果消费者普遍偏好绿色电力,发电公司为了满足市场需求,会增加绿色电力生产;平台也会通过调整激励政策,进一步推动绿色电力的发展。反之,如果消费者更倾向于传统电力,发电公司可能会维持或扩大传统电力生产规模,平台的政策设计也可能随之调整。消费者的选择行为不仅反映了其对电力价格、品质和环保属性的偏好,还体现了其对可持续发展理念的认同程度^[18-21]。

平台、发电公司和消费者之间的策略互动构成了绿色电力市场演化的核心动力。平台通过规则设计和政策激励引导发电公司和消费者的行为;发电公司根据市场需求和平台政策调整生产策略;消费者通过购买行为传递需求信号,影响发电公司的生产和平台的政策调整^[22-27]。这种动态的博弈互动使得绿色电力市场在多方协同中逐步走向均衡,如图1所示。

2 演化博弈模型构建

2.1 研究假设与参数设定

基于平台、发电公司和消费者三者之间的交互关系,提出以下假设,以构建演化博弈模型。

假设1:平台在进行绿色电力激励时,需分别对发电公司和消费者实施激励措施。具体而言,平台对发电公司生产绿色电力提供单位补贴p_g,同时对消费者选择绿色电力给予优惠折扣p_c。若发电公司响应平台的激励政策并增加绿色电力生产,未来电力总消耗量将按比例d增加。平台对发电公司生产的电力按比例收取抽成,其中绿色电力的抽成比例为α,传统电力的抽成比例为β。若发电公司或消费者积极响应绿色电力行动,平台将获得额外的可持续发展收益(D)。

假设2:发电公司生产绿色电力和传统电力的成本分别为c_g和c_t,且c_g>c_t,即绿色电力的生产成本高于传统电力。发电公司需向平台缴纳固定的平台使用费F。若发电公司生产与消费者偏向相同,同样未来电力总消耗量将会按比例f增加。若发电公司未能响应平台的绿色电力激励政策,将面临额外的环境成本E,包括碳排放税、污染治理费用等。

假设3:消费者在博弈中作为市场需求的被动接受者,其选择行为(偏好绿色电力或传统电力)向市场传递明确的需求信号。当前绿色电力的价格为i_g,传统电力的价格为i_t。在发电公司生产绿色电力的影响下,消费者因使用绿色电力而获得绿色消费收益L。若平台未实施激励政策,消费者的绿色消费收益将按比例c(0<c<1)降低。

假设4:假设某区域的日电力消耗量为Q。在演化博弈模型中,平台、发电公司和消费者三方主体的策略选择概率分别为:平台选择激励政策的概率为x,发电公司选择生产绿色电力的概率为y,消费者选择偏向绿色电力的概率为z。其中,x,y,z∈[0,1],分别为各主体在博弈过程中采取特定策略的可能性。

2.2 演化博弈模型构建

上述假设为演化博弈模型的构建奠定了理论基础,明确了平台、发电公司和消费者三者在绿色电力市场中的策略选择及其相互影响机制。具体而言,平台的策略选择体现为是否实施激励政策,发电公司的策略选择体现为是否生产绿色电力,而消费者的策略选择则体现为是否偏向购买绿色电力。各主体在不同策略下的不同组合如表1所示。设平台选择激励政策的收益为R_pa,发电公司选择生产绿色电力的收益为R_cp,消费者选择偏向绿色电力的收益为R_cs。当三方均选择支持绿色电力发展的策略时,即平台选择激励、发电公司生产绿色电力、消费者偏向绿色电力,其策略组合可表示为E(1,1,1),此时各主体的收益达到最优均衡状态。其他组合收益参数如表2所示。

3 模型的求解与稳定性分析

3.1 各主体复制者动态方程的建立

平台选择绿色电力实施激励政策或不实施激励政策的期望收益以及平均期望收益为E₁、E₂、${\stackrel{-}{E}}_{a}$。

(1)E₁=yz[(αi_g-p_g-p_c+2D)(1+d+f)Q+F]+y(1-z)[(αi_g-p_g+D)(1+d)Q+F]+(1-y)z[(βi_t-p_c+D)Q+F]+(1-y)(1-z)[(βi_t+D)(1+f)Q+F]

(2)E₂=yz[αi_g(1+f)Q+F]+y(1-z)(αi_gQ+F)+(1-y)z(βi_tQ+F)+(1-y)(1-z)[βi_t(1+f)Q+F]

(3)${\stackrel{-}{E}}_{a}$=xE₁+(1-x)E₂

同理可以得到发电企业在生产绿色电力或传统电力的期望收益以及平均期望收益为E₃、E₄、${\stackrel{-}{E}}_{b}$。

(4)E₃=xz{[(1-α)i_g-c_g+p_g](1+d+f)Q-F}+x(1-z){[(1-α)i_g-c_g+p_g](1+d)Q-F}+(1-x)z{[(1-β)i_t-c_t]Q-F-E}+(1-x)(1-z){[(1-β)i_t-c_t](1+f)Q-F-E}

(5)E₄=xz{[(1-α)i_g-c_g](1+f)Q-F}+x(1-z){[(1-α)i_g-c_g]Q-F}+(1-x)z{[(1-β)i_t-c_t]Q-F}+(1-x)(1-z){[(1-β)i_t-c_t](1+f)Q-F}

(6)${\stackrel{-}{E}}_{b}$=yE₃+(1-y)E₄

消费者在偏向绿色电力或传统电力的期望收益以及平均期望收益为E₅、E₆、${\stackrel{-}{E}}_{c}$。

(7)E₅=xy[(p_c-i_g)(1+d+f)Q+L]+x(1-y)[-i_g(1+d)Q+L]+(1-x)y(p_c-i_t)Q-(1-x)(1-y)(1+f)i_tQ

(8)E₆=xy[-i_g(1+f)Q+cL]+x(1-y)(-i_gQ+cL)+(1-x)y(-i_tQ)-(1-x)(1-y)(1+f)i_tQ

(9)${\stackrel{-}{E}}_{c}$=zE₅+(1-z)E₆

3.2 各主体策略演化路径

根据演化博弈理论,平台的复制动态方程及其关于x的一阶导数可分别表示为

(10)F(x)=$\frac{dx}{dt}$=xE₁+(1-x)E₂=Qx(x-1)(p_gy-Df-D+p_cz-Ddy+Dfy+Dfz-Dyz+dp_gy-αdi_gy+dp_cyz+fp_cyz+fp_gyz-Ddyz-3Dfyz)

(11)$\frac{dF\left(x\right)}{dx}$=Q(2x-1)(p_gy-Df-D+p_cz-Ddy+Dfy+Dfz-Dyz+dp_gy-αdi_gy+dp_cyz+fp_cyz+fp_gyz-Ddyz-3Dfyz)

G(z)=p_gy-Df-D+p_cz-Ddy+Dfy+Dfz-Dyz+dp_gy-αdi_gy+dp_cyz+fp_cyz+fp_gyz-Ddyz-3Dfyz

(12)

根据微分方程稳定性理论,平台选择绿色电力激励策略达到稳定状态需同时满足以下两个条件:F(x)=0 且F(x)/dx<0。通过化简,可将该稳定性条件转化为 G(z^*)=0,并进一步对函数G(z)的单调性进行分析。

(13)dG(z)/dz=p_c+Df+y(dp_c+fp_c+fp_g-Dd-3Df)-Dy

由于 G(z)的一阶导数 dG(z)/dz的符号无法通过解析表达式直接确定,因此需要结合具体参数值进行数值分析。计算结果表明:dG(z)/dz>0 在定义域z∈(0,1) 内恒成立。由此可以判定,函数 G(z)在区间(0,1)上为单调递增函数。

令G(z^*)=0,可求得z关于y的函数为

(14)z^*=[Df+D-y(p_g-Dd+Df-αdi_g+dp_g)](p_c+Df-Dy+dp_cy+fp_cy+fp_gy-Ddy-3Dfy)^-1

命题1:因为z属于[0,1],所以有z^*>0,可以推出:D>$\frac{y({p}_{g}-\alpha d{i}_{g}+d{p}_{g})}{f+1+y(d-f)}$。①当z=z^*时,任意x都为稳定的演化博弈;②当z<z^*时,x=1为稳定的演化博弈,即平台选择进行激励绿电;③当z>z^*时,x=0为稳定的演化博弈,即平台选择不进行激励绿电。

命题1揭示了平台策略选择与消费者绿色用电意愿之间的动态关系:当可持续发展收益D较低时,平台的决策机制呈现显著的阈值效应。当消费者的绿色用电意愿概率达到某一特定阈值时,平台将维持其初始策略不变,这一均衡状态如图2(a)阴影区域所示;当消费者绿色用电意愿低于临界阈值时,平台将倾向于采取积极的绿色电力激励策略,如图2(b)所示;而当消费者绿色用电意愿超过临界阈值时,平台将选择不实施激励措施,如图2(c)所示。

基于以上分析,可以得出以下结论:在可持续发展收益D较低的情境下,平台的绿色电力激励策略与消费者用电意愿呈现非线性关系,且存在明显的策略转换阈值。这一发现为平台制定差异化激励政策提供了理论依据:当消费者绿色意识较弱时,应采取积极激励措施;而当消费者绿色意识较强时,则可适当降低激励强度,以实现资源配置的最优化。

同理,发电公司的复制动态方程及其关于y的一阶导数可分别表示为

(15)F(y)=$\frac{dy}{dt}$=yE₃+(1-y)E₄=-y(y-1)(Ex-E+Qp_gx-Qc_gdx+Qdi_gx+Qdp_gx-Qαdi_gx+Qfp_gxz)

(16)$\frac{dF\left(y\right)}{dy}$=-(2y-1)(Ex-E+Qp_gx-Qc_gdx+Qdi_gx+Qdp_gx-Qαdi_gx+Qfp_gxz)

(17)H(z)=Ex-E+Qp_gx-Qc_gdx+Qdi_gx+Qdp_gx-Qαdi_gx+Qfp_gxz

根据微分方程稳定性理论,发电公司选择生产绿色电力策略达到稳定状态需同时满足以下两个条件:F(y)=0 且dF(y)/dy<0。通过简化分析,可将该稳定性条件转化为 H(z^*)=0,并进一步探讨函数H(z)的性质及其对发电公司策略选择的影响。

(18)dH(z)/dz=Qfp_gx

关于函数H(z)的单调性分析,由式(18)可得:dH(z)/dz>0,表明H(z) 在区间 (0,1) 上为单调递增函数。令H(z^*)=0,可求解得z关于x的函数关系。

(19)z^*={-[(E+Qp_g-Qc_gd+Qdi_g+Qdp_g-Qαdi_g)x-E]}(Qfp_gx)^-1

命题2:①当z=z^*时,任意y都为稳定的演化博弈;②当z<z^*时,y=0为稳定的演化博弈,即发电公司生产传统电力;③当z>z^*时,y=1为稳定的演化博弈,即发电公司生产绿色电力。

命题2揭示了发电公司生产策略与消费者绿色用电意愿之间的动态响应机制,该机制呈现出显著的状态依赖性特征。具体而言,当消费者绿色用电意愿概率处于某一特定临界值时,发电公司将维持现有生产策略不变,这一均衡状态如图3(a)阴影区域所示;当消费者绿色用电意愿低于临界阈值时,发电公司倾向于选择传统电力生产方式,如图3(b)所示;而当消费者绿色用电意愿超过临界阈值时,发电公司将转向绿色电力生产模式,如图3(c)所示。

由此可得以下重要结论:发电公司的生产策略选择与消费者绿色用电意愿之间存在显著的阈值响应关系。监管部门可通过实时监测消费者绿色用电意愿的变化趋势,预测发电公司的生产策略转换节点,从而制定更具针对性的政策引导措施。具体而言,当监测到消费者绿色用电意愿持续低于临界值时,应及时出台激励政策,促进发电公司向绿色生产转型;而当消费者绿色用电意愿稳定在较高水平时,则可适当降低政策干预强度,让市场机制发挥主导作用。

关于消费者的复制动态方程及其关于z的一阶导数可分别表示为

(20)F(z)=$\frac{dz}{dt}$=zE₅+(1-z)E₆=-z(z-1)(Lx-Lcx+Qp_cy-Qdi_gx+Qdp_cxy+Qfp_cxy)

(21)$\frac{dF\left(z\right)}{dz}$=-(2z-1)(Lx-Lcx+Qp_cy-Qdi_gx+Qdp_cxy+Qfp_cxy)

(22)J(y)=Lx-Lcx+Qp_cy-Qdi_gx+Qdp_cxy+Qfp_cxy

根据微分方程稳定性理论,消费者选择偏向绿色电力策略达到稳定状态需同时满足以下两个条件:F(z)=0 且 dF(z)/dz<0。通过类似的分析方法,可将该稳定性条件转化为 J(y^*)=0,关于函数J(y)的单调性为

(23)$\frac{dJ\left(y\right)}{dy}$=Qp_c(1+dx+fx)

由式(23)可直接得出:$\frac{dJ\left(y\right)}{dy}$>0,因此J(y)此时在区间(0,1)上为单调递增函数。令J(y^*)=0,可求得y关于x的函数。

(24)y^*=$\frac{Qxd{i}_{g}-Lx(1-c)}{Q{p}_{c}(xd+xf+1)}$

命题3:①当y=y^*时,任意x都为稳定的演化博弈;②当y<y^*时,z=0为稳定的演化博弈,即消费者偏好传统电力;③当y>y^*时,z=1为稳定的演化博弈,即消费者偏好绿色电力。

命题3揭示了消费者用电选择与发电公司生产策略之间的动态博弈关系,这一关系呈现出典型的跟随调整特征:当发电公司绿色电力生产概率达到特定均衡值时,消费者将维持初始用电选择,这一稳定状态如图4(a)阴影区域所示;当发电公司绿色电力生产概率低于均衡阈值时,消费者倾向于选择传统电力消费模式,如图4(b)所示;当发电公司绿色电力生产概率超过均衡阈值时,消费者将主动选择绿色电力消费,如图4(c)所示。

由此可知:消费者的用电选择行为与发电公司的生产策略之间存在显著的跟随效应,这种双向互动关系形成了电力市场的动态反馈机制。发电公司可通过适度提高绿色电力生产比例,引导消费者形成绿色用电偏好,建立绿色电力生产与消费的协同激励机制,促进电力市场可持续发展。

3.3 系统均衡点的稳定性

在非对称动态博弈框架下,由于混合策略均衡不具备演化稳定性特征,将聚焦于演化博弈系统的纯策略均衡点分析。纯策略均衡点是指博弈参与各方策略组合达到纳什均衡的状态点,在该均衡状态下,任何参与方都无法通过单方面改变策略而获得更高的收益回报。

均衡点的稳定性分析可通过雅可比矩阵特征值判别法进行:当雅可比矩阵所有特征值的实部均为负值时,该均衡点具有渐进稳定性;若存在特征值实部为正,则均衡点不稳定。进一步地,若均衡点满足演化稳定策略(evolutionarily stable strategy, ESS)条件,即对于任何微小的策略偏离,突变策略都无法在群体中扩散并取代原有策略,则该均衡点具有更强的稳定性保证。

基于式(25)所示的雅可比矩阵, 计算其特征值(表3),系统分析纯策略均衡点的稳定性及其在绿色电力市场演化中的实际意义。

(25)J=$\left[\begin{array}{lll}\frac{\partial F\left(x\right)}{\partial x}& \frac{\partial F\left(x\right)}{\partial y}& \frac{\partial F\left(x\right)}{\partial z}\\ \frac{\partial F\left(y\right)}{\partial x}& \frac{\partial F\left(y\right)}{\partial y}& \frac{\partial F\left(y\right)}{\partial z}\\ \frac{\partial F\left(z\right)}{\partial x}& \frac{\partial F\left(z\right)}{\partial y}& \frac{\partial F\left(z\right)}{\partial z}\end{array}\right]$

(1)均衡点:(1,1,1),稳定性条件为

(26)

$\left\{\begin{array}{l}\left(p_{c}+p_{g}\right)(1+d+f)＜2 D d+f+1+\alpha d i_{g} \\c_{g} d+\alpha d i_{g}＜p_{g}(1+d+f)+d i_{g} \\L c+Q d i_{g}＜L+Q p_{c}(1+d+f)\end{array}\right.$

当系统满足上述稳定性条件时,均衡点(1,1,1)构成ESS,此时系统达到最优稳定状态:平台实施绿色电力激励政策、发电公司采用绿色电力生产方式、消费者形成绿色电力消费偏好。这一均衡状态的实现关键在于平台对未来收益的预期现值必须超过当前对发电公司和消费者的补贴支出。因此,平台在制定激励政策时,需要审慎权衡短期补贴成本与长期收益预期,建立科学的成本收益评估机制。通过合理设计激励政策,平台能够在确保自身收益可持续性的同时,推动发电公司和消费者向绿色电力生产和消费模式转型,从而实现绿色电力市场的长期稳定发展。

(2)均衡点:(1,1,0),稳定性条件为

(27)

$\left\{\begin{array}{l}D(1+d)+\alpha d i_{\varepsilon}>(1+d) p_{\mathrm{g}} \\c_{\mathrm{g}} d+\alpha d i_{\varepsilon}＜d i_{\varepsilon}+(1+d) p_{\varepsilon} \\L+Q p_{c}(1+d+f)＜L c+Q d i_{\mathrm{g}}\end{array}\right.$

当系统满足上述稳定性条件时,均衡点(1,1,0)构成一个ESS,该均衡状态呈现出独特的市场特征:平台持续实施绿色电力激励政策,发电公司采用绿色电力生产方式,但消费者却保持传统电力消费偏好。这一现象揭示了平台决策中的倾向性问题:平台在制定激励政策时过度侧重发电公司的转型需求,其未来收益预期仅覆盖对发电公司的补贴成本,而忽视了消费者行为转变的关键作用。这种单边政策导向最终导致消费者参与绿色电力行动的意愿降低,形成市场均衡的次优状态。所以在绿色电力市场的激励政策设计中,必须兼顾供给侧(发电公司)和需求侧(消费者)的双向协同,避免因政策倾斜而导致的效率损失。

(3)均衡点:(1,0,1),稳定性条件为

(28)

$\left\{\begin{array}{l}D>p_{c} \\(1+f) p_{g}+d\left(i_{g}+p_{g}\right)＜\left(c_{g}+\alpha i_{g}\right) d \\L c+Q d i_{g}＜L\end{array}\right.$

当系统满足上述稳定性条件时,均衡点(1,0,1)构成一个ESS,该均衡状态呈现出显著的市场扭曲特征:平台持续实施绿色电力激励政策,消费者形成绿色电力消费偏好,但发电公司却维持传统电力生产方式。这一现象凸显了平台决策中的结构性失衡问题:平台在制定激励政策时过度侧重消费者行为引导,其未来收益预期仅覆盖对消费者的补贴成本,而忽视了发电公司生产转型的关键作用。这种政策失衡导致绿色电力供应链出现断裂,虽然消费端形成绿色偏好,但发电公司却无法提供相应的绿色电力产品。

(4)均衡点:(1,0,0),稳定性条件为

(29)

$\left\{\begin{array}{l}D(1+f)>0 \\p_{\varepsilon}＜d\left(c_{\varepsilon}+\alpha i_{\varepsilon}-i_{\varepsilon}-p_{\varepsilon}\right) \\L(1-c)＜Q d i_{E}\end{array}\right.$

当系统满足上述稳定性条件时,均衡点(1,0,0)构成一个ESS,该均衡状态揭示了绿色电力推广中的双重失灵现象:尽管平台持续实施绿色电力激励政策,但发电公司仍维持传统电力生产方式,消费者也保持传统电力消费偏好。这一现象的产生源于两个关键因素:一是平台对发电公司的补贴力度不足以覆盖其生产转型成本,导致补贴金额小于激励后的预期利润增量;二是平台对消费者的激励未能达到其绿色电力消费的预期效用阈值。在这双重因素作用下,即使存在平台激励,发电公司和消费者仍然缺乏转向绿色电力的经济动机,最终导致激励政策失效。

4 数值分析

为验证演化博弈模型的结果,采用MATLAB 2021a进行数值仿真分析。仿真实验设计基于多维度参数设置,包括平台激励强度(x)、发电企业绿色电力与传统电力的初始生产比例(y),以及消费者电力消费偏好的初始分布(z)。通过构建各主体演化博弈模型,模拟不同参数组合下的策略演化过程,以揭示系统均衡的动态特征及其稳定性条件。平台激励力度分为高、中、低三档,发电企业绿色电力与传统电力的初始生产比例设置为10%~90%的梯度分布,消费者对绿色电力的初始偏好比例为5%~95%进行动态调整,演化博弈结果如图5所示。通过多情景仿真分析探讨不同参数组合下平台、发电企业和消费者三方策略演化的动态规律,从而验证模型的理论结论并揭示绿色电力市场演化的关键驱动因素。其他仿真参数设置如表4所示。

为深入探究三方博弈主体初始策略选择概率对演化路径的影响机制,设计4组对照实验,分别设定初始意愿值为x=y=z=0.2、x=y=z=0.4、x=y=z=0.6、x=y=z=0.8。根据演化博弈的仿真结果可知,系统最终收敛于稳定均衡状态(1,1,1),即平台实施绿色电力激励政策、发电公司采用绿色电力生产方式、消费者形成绿色电力消费偏好。最终结果如图6所示。

仿真结果表明,在平台、发电公司和消费者的三方演化博弈中,初始策略选择概率对系统的演化动态具有显著影响。如图6所示,当初始概率较高(x=y=z=0.6 和x=y=z= 0.8)时,各主体的策略演化轨迹呈现平稳收敛特征,且均快速趋向于稳定均衡状态 (1,1,1)。然而,在初始概率较低(x=y=z=0.2和x=y=z=0.4)的情况下,系统演化呈现明显的阶段性特征:平台策略率先快速收敛于1,而发电公司和消费者的演化轨迹则表现出显著的滞后效应,特别是消费者策略在演化初期呈现平台期特征,随后才逐步向均衡状态收敛。

这一发现揭示了绿色电力推广中的关键障碍:消费者行为转变存在显著的惯性阻力。尽管平台能够快速实施激励政策,发电公司也能相对及时地调整生产方式,但消费者绿色电力消费偏好的形成需要经历较长的认知和适应过程。因此在绿色电力推广初期,应特别注重消费者教育和市场培育,通过渐进式激励措施降低消费者行为转变的成本。同时,建立平台、发电公司和消费者的协同机制,通过三方联动缩短系统达到均衡的时间,提高政策实施效率。

在控制其他变量的条件下,通过改变未来电力总消耗量进行情景分析,演化博弈结果如图7所示。可以看出,电力需求增长模式对系统均衡具有显著影响:当未来耗电量呈比例增长时,消费者策略将从偏好绿色电力转向偏好传统电力。具体而言,在初始阶段,政府通过绿色电力补贴政策和传统电力限制措施,使绿色电力在价格上获得竞争优势。同时,电力交易平台借助宣传推广和技术创新,有效提升了消费者对绿色电力的信任度和接受度。然而,随着经济增长和电力需求扩张,传统电力凭借其规模经济效应和技术成熟优势,能够在需求增加时维持较低的生产成本,从而保持电价稳定。相比之下,绿色电力的成本下降空间相对有限。当电力需求达到临界规模后,消费者对电价的敏感性显著增强。此时,若绿色电力价格因成本压力而上涨,消费者将基于经济理性转向价格更低的传统电力,导致系统均衡发生根本性转变。

这一现象揭示了绿色电力推广中的规模悖论:电力需求增长反而可能阻碍绿色能源转型。因此,政府在制定能源政策时,应建立动态补贴机制,根据电力需求变化调整激励强度,同时加大对绿色电力技术创新的支持力度,以突破成本瓶颈,增强绿色电力的长期竞争力。

在控制其他变量的条件下,通过绿色电力成本变化进行情景分析,演化博弈结果如图8所示。可以看出,绿色电力成本变动对系统均衡具有决定性影响:当绿色电力成本呈比例增长时,发电公司和消费者的策略选择将从绿色电力偏好转向传统电力偏好。在高初始概率情景下,绿色电力成本的上升直接导致发电公司转向传统电力生产。虽然消费者偏好不受绿色电力成本的直接影响,但随着发电公司完全转向传统电力生产,消费者最终不得不使用传统电力,形成“供给决定需求”的被动局面。而在低初始概率情景下,系统演化呈现两种不同路径:当绿色电力成本较低时,尽管消费者初始偏好传统电力,但随着时间推移,其策略逐渐向绿色电力偏好演化;而当绿色电力成本较高时,系统演化路径直接收敛于平台激励、发电公司和消费者均偏好传统电力的均衡状态。

以上演化反映了绿色电力成本是影响能源转型的关键因素,为促进绿色电力发展,政府应加大对绿色电力技术创新的支持力度,通过技术进步降低绿色电力成本。可通过建立绿色电力成本分摊机制,以合理的价格政策平衡发电公司、消费者和平台各方的利益,完善绿色电力市场机制,再通过市场化手段提高绿色电力的竞争力。

5 结论

通过演化博弈模型和数值仿真分析,揭示了绿色电力推广中的关键机制和政策启示。得出如下主要结论。

(1)绿色电力推广过程呈现显著的三方互动特征和阶段性演化规律。平台、发电公司和消费者的策略选择相互影响,其中消费者行为转变存在明显的惯性阻力,这构成了绿色电力推广的主要障碍。因此,在推广初期应重点加强消费者教育和市场培育,同时建立三方协同机制以提高政策效率。

(2)电力需求增长可能反而阻碍能源结构转型。这一发现提示政府需要建立动态补贴机制,根据市场需求变化灵活调整激励政策,同时加大对绿色电力技术创新的支持力度,以突破成本瓶颈。

(3)绿色电力成本被证实是影响能源转型的关键因素。为此,建议构建多方参与的成本分摊机制,通过阶梯电价、交叉补贴等价格政策工具平衡各方利益。同时,应加快推进绿色电力市场化改革,完善绿色证书交易机制,建立反映环境价值的市场化定价体系。

参考文献

原文顺序 | 出版日期 | 本文引用

[1]	何鹏, 尚琦, 王先甲, 等. “直播+”背景下考虑平台监管的电商供应链演化博弈分析[J]. 系统工程理论与实践, 2023(8): 2366-2379.

[2]	He Peng, Shang Qi, Wang Xianjia, et al. Game analysis of e-commerce supply chain evolution considering platform regulation under the background of “live streaming+”[J]. Systems Engineering Theory and Practice, 2023(8): 2366-2379.

[3]	邹小燕, 张瑞宏. 考虑政府干预的可再生能源与储能企业合作模式演化博弈研究[J]. 中国电力, 2025(1): 153-163.

[4]	Zou Xiaoyan, Zhang Ruihong. A study on the evolutionary game theory of cooperation models between renewable energy and energy storage enterprises considering government intervention[J]. China Electric Power, 2025(1): 153-163.

[5]	梁家杰, 卜凡亮, 李嘉. 自媒体下网络暴力舆论形成初期的三方演化博弈分析[J]. 科学技术与工程, 2025, 25(16): 6850-6861.

[6]	Liang Jiajie, Bu Fanliang, Li Jia. Three-party evolutionary game analysis of the formation of online violence public opinion in the early stage under social media[J]. Science Technology and Engineering, 2025, 25(16): 6850-6861.

[7]	石学刚, 高丹. 碳税政策下航空货运联盟三方演化博弈[J]. 科学技术与工程, 2025, 25(1): 365-373.

[8]	Shi Xuegang, Gao Dan. Three-party evolutionary game of air cargo alliances under carbon tax policy[J]. Science Technology and Engineering, 2025, 25(1): 365-373.

[9]	戚军, 王浚潇, 胡伟俊, 等. 计及电能质量的虚拟电厂分时电价主从博弈优化方法[J]. 电力系统自动化, 2025, 49(21): 64-84.

[10]	Qi Jun, Wang Junxiao, Hu Weijun, et al. Optimization method of master-slave game for time of use electricity price in virtual power plants considering power quality[J]. Power System Automation, 2025, 49(21): 64-84.

[11]	谢敬东, 杨珉, 姜豪坤, 等. 基于主从博弈的售电商电能量合同履约风险柔性处置技术[J/OL]. (2025-02-06)[2025-03-11]. http://kns.cnki.net/kcms/detail/44.1643.TK.20250206.1311.002.h.

[12]	Xie Jingdong, Yang Min, Jiang Haokun, et al. Flexible disposal technology for performance risks of electricity energy contracts in retailers based on master-slave game theory[J/OL]. (2025-02-06)[2025-03-11] http://kns.cnki.net/kcms/detail/44.1643.TK.20250206.1311.002.h.

[13]	张锐, 王力, 孙飞, 等. 基于主从博弈的新型独立储能电站成本效益研究[J]. 沈阳工程学院学报(自然科学版), 2025, 21(1): 20-24.

[14]	Zhang Rui, Wang Li, Sun Fei, et al. Cost benefit study of a new type of independent energy storage power station based on master-slave game theory[J]. Journal of Shenyang Institute of Engineering (Natural Science Edition), 2025, 21(1): 20-24.

[15]	谢敬东, 王诗瑶, 周雪梅, 等. 基于三方演化博弈的电力市场监管策略[J]. 科学技术与工程, 2021, 21(35): 15072-15083.

[16]	Xie Jingdong, Wang Shiyao, Zhou Xuemei, et al. Regulatory stra-tegy for electricity market based on three party evolutionary game theory[J]. Science Technology and Engineering, 2021, 21(35): 15072-15083.

[17]	晁越超. 基于三方演化博弈理论的太阳能发电与其他典型新能源协同发展研究[D]. 吉林: 东北电力大学, 2023.

[18]	Chao Yuechao. Research on the coordinated development of solar power generation and other typical new energy based on the theory of three party evolutionary game[D]. Jilin: Northeast Electric Power University, 2023.

[19]	王林忻雨. 演化博弈模型下我国光伏发电市场规模分析[J]. 新疆师范大学学报(自然科学版), 2025(1): 63-71.

[20]	Wang Linxinyu. Analysis of the scale of China's photovoltaic power generation market under the evolutionary game model[J]. Journal of Xinjiang Normal University (Natural Science Edition), 2025(1): 63-71.

[21]	曹国华, 杨俊杰. 政府补贴激励下消费者对新能源汽车购买行为的演化博弈研究[J]. 经济问题探索, 2016(10): 1-9.

[22]	Cao Guohua, Yang Junjie. Research on the evolutionary game theory of consumer purchase behavior of new energy vehicles under government subsidy incentives[J]. Economic Issues Exploration, 2016(10): 1-9.

[23]	李国志, 袁娜, 颜诗旋, 等. 政府监管与公众监督双重约束下制造企业低碳生产演化博弈研究[J]. 北京交通大学学报(社会科学版), 2023(4): 63-75.

[24]	Li Guozhi, Yuan Na, Yan Shixuan, et al. Research on the evolutionary game of low-carbon production in manufacturing enterprises under the dual constraints of government regulation and public supervision[J]. Journal of Beijing Jiaotong University (Social Sciences Edition), 2023(4): 63-75.

[25]	彭频, 何熙途. 政府补贴与新能源汽车产业发展——基于系统动力学的演化博弈分析[J]. 运筹与管理, 2021(10): 31-38.

[26]	Peng Pin, He Xitu. Government subsidies and the development of the new energy vehicle industry: an evolutionary game analysis based on system dynamics[J]. Operations and Management, 2021(10): 31-38.

[27]	孟思琦. 不确定条件下可再生能源电力市场动态博弈研究[D]. 北京: 中国石油大学(北京), 2023.

[28]	Meng Siqi. Research on dynamic game theory of renewable energy electricity market under uncertain conditions[D]. Beijing: China University of Petroleum (Beijing), 2023.

[29]	唐慧玲, 王迦琪, 熊磊, 等. 制造业集群供应链内企业协同低碳创新行为演化——考虑环境规制与合作契约双重约束[J]. 科技管理研究, 2023, 43(20): 176-188.

[30]

Tang Huiling, Wang Jiaqi, Xiong Lei, et al. The evolution of collaborative low-carbon innovation behavior among enterprises within the supply chain of manufacturing clusters: considering the dual constraints of environmental regulations and cooperation contracts[J]. Science and Technology Management Research, 2023, 43 (20): 176-188.

[31]	Li H, Ren Z Y, Trivedi A, et al. A noncooperative game-based approach for microgrid planning considering existing interconnected and clustered microgrids on an island[J]. IEEE Transactions on Sustainable Energy, 2022, 13(4): 2064-2078.

[32]	朱宪国. 可再生能源微电网主体利益博弈模型与行为策略研究[D]. 北京: 华北电力大学, 2022.

[33]	Zhu Xianguo. Research on the game model and behavioral strategies of renewable energy microgrid subject interests[D]. Beijing: North China Electric Power University, 2022.

[34]	李健, 张诤杰, 杜龙, 等. 考虑“电-碳-绿”联合交易的虚拟电厂博弈优化调度[J]. 浙江电力, 2025, 44(2): 64-74.

[35]	Li Jian, Zhang Zhengjie, Du Long, et al. Virtual power plant game optimization scheduling considering “electricity carbon green” joint trading[J]. Zhejiang Electric Power, 2025, 44(2): 64-74.

[36]	金仁云, 陈铁义, Yu Yimeng. 基于动态演化博弈论的电力需求侧管理策略研究[J]. 浙江电力, 2024, 43(12): 49-58.

[37]	Jin Renyun, Chen Tieyi, Yu Yimeng. Research on demand side management strategies for electric power based on dynamic evolutionary game theory[J]. Zhejiang Electric Power, 2024, 43(12): 49-58.

[38]	黄悦华, 涂金童, 陈庆, 等. 基于场景模糊聚类和多主体演化博弈的主动配电网协同规划[J]. 电力系统及其自动化学报, 2025, 37(5): 52-66

[39]	Huang Yuehua, Tu Jintong, Chen Qing, et al. Active distribution network collaborative planning based on scene fuzzy clustering and multi agent evolutionary game[J]. Journal of Electric Power Systems and Automation, 2025, 37(5): 52-66.

[40]	周路遥, 刘富州, 袁博文, 等. 政府激励机制下新能源技术发展三方演化博弈分析[J]. 电工电气, 2024(7): 1-10.

[41]	Zhou Luyao, Liu Fuzhou, Yuan Bowen, et al. Analysis of the three party evolutionary game of new energy technology development under government incentive mechanism[J]. Electrical Engineering, 2024(7): 1-10.

[42]	李新武, 黄蕊, 姚保帅, 等. 绿色税收对新能源产业发展的影响与演化博弈动态路径[J]. 能源研究与管理, 2024, 16(2): 7-13, 25.

[43]	Li Xinwu, Huang Rui, Yao Baoshuai, et al. The impact and evolutionary game dynamic path of green taxation on the development of new energy industry[J]. Energy Research and Management, 2024, 16 (2): 7-13, 25.

[44]	胡立伟, 杨灿, 邓志成, 等. 基于前景理论的公交站区慢行异质群体交通冲突演化博弈研究[J]. 昆明理工大学学报(自然科学版), 2025, 50(3): 161-174.

[45]	Hu Liwei, Yang Can, Deng Zhicheng, et al. A study on the evolutionary game of traffic conflicts among heterogeneous slow moving groups in bus stop areas based on prospect theory[J]. Journal of Kunming University of Science and Technology (Natural Science Edition), 2025, 50(3): 161-174.

[46]	赵丹丹, 何晨. 政府、企业、绿色投资者三方演化博弈分析——基于企业“漂绿”治理视角[J]. 会计之友, 2025(6): 72-80.

[47]	Zhao Dandan, He Chen. Analysis of the three party evolutionary game among government, enterprises, and green investors: based on the perspective of corporate “greenwashing” governance[J]. Friends of Accounting, 2025(6): 72-80.

[48]	陈帅朴, 刘政昊, 姚志臻, 等. 基于三方演化博弈的智能诊疗服务推广研究[J]. 现代情报, 2025, 45(12): 142-154.

[49]	Chen Shuaipu, Liu Zhenghao, Yao Zhizhen, et al. Research on the promotion of intelligent diagnosis and treatment services based on three party evolutionary game theory[J]. Modern Intelligence, 2025, 45(12): 142-154.

[50]	孙士伟, 李夏荷, 李瑶瑶, 等. 四方主体参与下智慧养老服务的演化博弈模型研究[J/OL]. (2025-02-10)[2025-03-11]. http://kns.cnki.net/kcms/detail/11.2019.o1.20250210.1136.008.html.

[51]	Sun Shiwei, Li Xiahe, Li Yaoyao, et al. Research on the evolutionary game model of smart elderly care services with the participation of four parties[J/OL]. (2025-02-10)[2025-03-11]. http://kns.cnki.net/kcms/detail/11.2019.o1.20250210.1136.008.html.

[52]	刘慧, 王俏荔, 於君. 政府参与视角下家庭医生签约服务制度演化博弈策略研究[J]. 中国卫生经济, 2025, 44(3): 85-88, 108.

[53]	Liu Hui, Wang Qiaoli, Yu Jun. Research on the evolutionary game strategy of family doctor contract service system from the perspective of government participation[J]. China Health Economy, 2025, 44(3): 85-88, 108.