【不确定因素关联关系建模】

利用四个不确定因素的耦合关联关系进行建模，同时利用 Stackelberg 博弈（见微经笔记 P12）来解决 IT 用户和数据中心运营商之间的利益分配问题。在博弈的过程中，IT 用户 $i$ 充当跟随者，各 $t$ 时段的决策变量是负荷削减量 ${\tilde{P}}_{DR,i,t}$。运营商扮演领导者，其决策变量是给予 IT 用户 $i$ 的激励价格 ${\tilde{r}}_i$。

1. 效用函数

IT 用户 $i$ 在 $t$ 时段的效用函数以 $O_{i,t}$ 表示，定义为：
$$O_{i,t}=\widetilde{r_i}{\tilde{P}}_{DR,i,t}-w_i{\left(\frac{{\tilde{P}}_{DR,i,t}}{{\tilde{P}}_{DR,i,t}^{\text{max}}}\right)}^{{\alpha }_i}{\tilde{P}}_{DR,i,t}^{\text{max}}$$
上式中，左项是 IT 用户 $i$ 在 $t$ 时间段从数据中心运营商处获得的激励大小；右式的第二项表示由功率削减所造成的不变成本；$w_i{\left(\frac{{\tilde{P}}_{DR,i,t}}{{\tilde{P}}_{DR,i,t}^{\text{max}}}\right)}^{{\alpha }_i}{\tilde{P}}_{DR,i,t}^{\text{max}}$ 表示成本和削减能力、削减量在削减能力中的占比有关；$w_i$ 和 ${\alpha }_i$ 分别表示 IT 用户 $i$ 削减功率的单位损失和敏感系数（其中 ${\alpha }_i\ge 2$）。

与 IT 用户 $i$ 博弈，数据中心运营商（领导者）在 $t$ 时段的效用函数为 $U_{i,t}$，定义如下：
$$U_{i,t}=\tilde{z}{\tilde{P}}_{DR,i,t}-{\tilde{r}}_i{\tilde{P}}_{DR,i,t}$$

2. 决策变量的最优解

逆向归纳法可以推算出决策变量最优解 ${\tilde{r}}_i$ 和 ${\tilde{P}}_{DR,i,t}$ 的解析式。为了便于推导最优解的解析式，可以引入辅助变量 $e_{i,j}$：
$$e_{i,j}=\frac{{\tilde{P}}_{DR,i,t}}{{\tilde{P}}_{DR,i,t}^{\text{max}}}$$
再对 $O_{i,j}$ 求 $e_{i,j}$ 的一次偏导，可得：
$$\frac{\partial O_{i,j}}{\partial e_{i,j}}=\left({\tilde{r}}_i-{\alpha }_i{w}_i{\left(e_{i,t}\right)}^{{\alpha }_i-1}\right){\tilde{P}}_{DR,i,t}^{\text{max}}$$
令上式等于 $0$，可得：
$$e_{i,j}={\left(\frac{{\tilde{r}}_i}{w_i{\alpha }_i}\right)}^{\frac{1}{{\alpha }_i-1}}$$
将上式带入后，求 $U_{i,t}$ 关于 ${\tilde{r}}_i$ 的一次偏导，令其等于 $0$ 可得到：
$$\frac{\partial U_{i,t}}{\partial {\tilde{r}}_i}=\frac{\tilde{z}-{\alpha }_i{\tilde{r}}_i}{w_i{\alpha }_i({\alpha }_i-1)}{\left(\frac{{\tilde{r}}_i}{w_i{\alpha }_i}\right)}^{\frac{1}{{\alpha }_i-1}-1}{\tilde{P}}_{DR,i,t}^{\text{max}}=0$$
此时我们可以得到 ${\tilde{r}}_i=\frac{\tilde{z}}{{\alpha }_i}$，我们很容易知道两个边界点是没有意义的，因此该解为最优解。

接下来我们把这个解代回，可以得到：
$${\tilde{P}}_{DR,i,t}={\left(\frac{\tilde{z}}{{{\alpha }_i}^2{w}_i}\right)}^{\frac{1}{{\alpha }_i-1}}{\tilde{P}}_{DR,i,t}^{\text{max}}$$
为了确保 ${\tilde{P}}_{DR,i,t}$ 的物理意义成立，需要判断 $\tilde{z}$ 和 ${({\alpha }_i)}^2{w}_i$ 的大小关系。

3. 削减量与关系

1. 如果 $\tilde{z}\le {\left({\alpha }_i\right)}^2{w}_i$，此时削减量一直在 ${\tilde{P}}_{DR,i,t}^{\text{max}}$ 范围之内：
   最优 ${\tilde{r}}_i=\frac{\tilde{z}}{{\alpha }_i}$；
   最优 ${\tilde{P}}_{DR,i,t}={\left(\frac{\tilde{z}}{{{\alpha }_i}^2{w}_i}\right)}^{\frac{1}{{\alpha }_i-1}}{\tilde{P}}_{DR,i,t}^{\text{max}}$

2. 如果 $\tilde{z}>{\alpha }_i^2{w}_i$，此时削减能力前面的系数会大于 $1$，超过自身负荷削减能力。因此虽然数学上成立，但物理意义上不存在。由：
   $$e_{i,j}={\left(\frac{{\tilde{r}}_i}{w_i{\alpha }_i}\right)}^{\frac{1}{{\alpha }_i-1}}<1$$
   则 ${\tilde{r}}_i<w_i{\alpha }_i$，此时：
   最优 ${\tilde{r}}_i=w_i{\alpha }_i$；
   最优 ${\tilde{P}}_{DR,i,t}={\tilde{P}}_{DR,i,t}^{\text{max}}$

4. 不确定因素取值范围

给定不确定因素 $\tilde{z}$ 和 ${\tilde{P}}_{DR,i,t}^{\text{max}}$ 的范围 $[z^{-},z^{+}]$ 和 $[{{\tilde{P}}_{DR,i,t}^{\text{max}}}^{-},{{\tilde{P}}_{DR,i,t}^{\text{max}}}^{+}]$：

1. 如果 $\tilde{z}\le {\left({\alpha }_i\right)}^2{w}_i$：
   $${\tilde{r}}_i\in \left[\frac{{\tilde{z}}^{-}}{{\alpha }_i},\frac{{\tilde{z}}^{+}}{{\alpha }_i}\right]$$
   $${\tilde{P}}_{DR,i,t}\in \left[{\left(\frac{\tilde{z}}{{({\alpha }_i)}^2{w}_i}\right)}^{\frac{1}{{\alpha }_i-1}}{{\tilde{P}}_{DR,i,t}^{\text{max}}}^{-},{\left(\frac{\tilde{z}}{{({\alpha }_i)}^2{w}_i}\right)}^{\frac{1}{{\alpha }_i-1}}{{\tilde{P}}_{DR,i,t}^{\text{max}}}^{+}\right]$$

2. 如果 $\tilde{z}>{\left({\alpha }_i\right)}^2{w}_i$ 同理。

注意，多重不确定因素具有叠加效应，两个不确定因素会共同作用于 ${\tilde{P}}_{DR,i,t}$，导致取值范围变大。