CN110738375A - 基于联盟链框架的主动配电网电力交易主体优化决策方法 - Google Patents

Abstract

本发明提供了一种基于联盟链框架的主动配电网电力交易主体优化决策方法，其目的在于建立一种联盟链框架下的主动配电网电力市场交易体系，通过动态选取联盟节点，实现交易数据分布式存储并无需设置额外的第三方监管机构；同时基于上述交易体系，提出联盟链框架下主动配电网电力交易的详细认证方法，进而在此基础上，利用基于合作演化博弈的主动配电网电力交易优化模型对交易过程进行数学描述；模型求解结果可作为生成智能合约的依据，最终实现联盟链框架下主动配电网电力交易的决策优化。

Description

基于联盟链框架的主动配电网电力交易主体优化决策方法

技术领域

本发明属于配电网电力市场交易技术领域，更具体地，涉及一种基于联盟链框架的主动配电网电力交易主体优化决策方法。

背景技术

随着我国电力体制改革进一步深化，电网运营方式逐渐向市场化转变。配电网中大量的分布式电源由新能源供应商投资建设，可独立地向用户供电。同时，各类需求侧响应资源通过负荷聚合商的整合，不仅可以有效发掘负荷资源，还可以提供市场需要的辅助服务产品。这些机构在主动配电网中形成了独立的利益主体，其运行需考虑自身收益。在传统的电力市场中，配电网各主体之间的交易过程通常需要指定一个主导机构或者受信任的第三方(如交易中心)来协调和监管，并且交易记录大都集中存放，一旦系统故障或者遭到攻陷，将造成无法挽回的损失。同时，这种集中交易模式使得交易记录在一定程度上处于直接或间接被调取和访问的权限下，交易各方的私有数据安全无法得到有效保证。

在深化改革后的电力市场中，相关利益主体增多、交易种类多样化、合同规则复杂化，对交易结算的管理及数据的风险防范都提出了更高要求。随着“互联网+”新业态的发展，区块链作为一种新型的信息化技术，能够对具备数字化能力的业务系统交易提供重要支撑。目前，区块链技术在电力市场的实际应用模式仍处在探索阶段。已有研究大都是从应用模式和整体框架上对区块链技术在能源系统的应用进行分析，较少涉及到电力市场中具体问题的解决。

与此同时，市场环境下各电力交易主体共同参与主动配电网电力市场竞争，其运营目标通常为自身收益最高。博弈论作为一种先进的优化工具，为多决策主体优化问题提供了新的解决途径。现有博弈模型大都是在假定决策参与人具有完全理性的前提下进行的，事实上，对于实际电力市场博弈而言，各种随机因素都会影响到最终策略，博弈决策参与人往往仅具有有限理性。在此背景下，演化博弈论逐渐应用于电网运营分析。然而，利用演化博弈论分析主动配电网电力市场运营机制的研究并不多见，同时用以求解演化博弈模型的算法仍有待进一步研究。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于联盟链框架的主动配电网电力交易主体优化决策方法，其目的在于建立一种联盟链框架下的主动配电网电力市场交易体系，通过动态选取联盟节点，实现交易数据分布式存储并无需设置额外的第三方监管机构；同时基于上述交易体系，提出联盟链框架下主动配电网电力交易的详细认证方法。进而在此基础上，利用基于合作演化博弈的主动配电网电力交易优化模型对交易过程进行数学描述；模型求解结果可作为生成智能合约的依据，最终实现联盟链框架下主动配电网电力交易的决策优化。

为实现上述目的，本发明提供了一种基于联盟链框架的主动配电网电力交易主体优化决策方法，包括下述步骤：

步骤一、建立联盟链框架下主动配电网电力市场交易体系，所述交易体系中包含交易主体；

步骤二、建立主动配电网电力市场交易主体的收益/成本数学模型；

步骤三、根据所述交易主体的收益/成本数学模型，建立联盟链框架下主动配电网电力交易主体合作演化博弈模型；

步骤四、对步骤三中所述合作演化博弈模型进行处理，以得到主动配电网电力交易主体博弈结果，即得到联盟链框架下主动配电网电力交易主体优化决策结果,作为生成智能合约的依据，实现联盟链框架下主动配电网电力交易的决策优化。

进一步的，步骤一中，所述联盟链框架下主动配电网电力市场交易体系中共包含四类交易主体：配电网运营商(distributed system operator,DSO)、分布式发电聚合商(distributed generation aggregator,DGA)、储能运营商(energy storage operator,ESO)以及大用户(large consumer,LC)，其中，配电网运营商DSO整合配电网内小型分散负荷，并通过协调各方出力，提高其自身运营收益；分布式发电聚合商DGA整合各类分布式电源(distributed generation,DG)，通过售电获取收益；储能运营商ESO通过对电能进行低买高卖实现自身盈利；大用户LC则希望以较低成本购入电能满足自身需求。

进一步的，所述交易体系中包含两类节点：即联盟节点(公共节点)和本地节点，其中联盟节点为不开放节点，其对联盟链数据具有完全可读及写入权限；本地节点则为半开放节点，需由联盟链内部授权才能参与读取和写入，并且其读写权限开放度有所限制；将DSO、DGA、ESO以及LC授权为半开放的本地节点，主要负责整合配电网内部各分布式资源，记录并上报可用供电电量和需求电量；联盟节点为联盟链中某一非特定节点，其由本地节点在电力交易中动态产生，联盟节点数据分布式存储在联盟链中，并具有可追溯性；联盟链中的所有交易记录按照时间戳形式保存在数据存储区；电力市场各参与单位的虚拟地址和网络账户的映射关系保存在账户存储区；而交易服务则用以保证各主体交易的正常进行和停止。

进一步的，步骤二中所述的主动配电网电力市场交易主体收益/成本数学模型包含：DSO售电收益、DSO运维及购电成本模型；DGA售电收益、DGA可再生能源政策补贴收益及DGA运维成本模型；ESO售电收益、ESO购电成本及ESO维护成本模型；LC购电成本模型。

进一步的，步骤三中，建立联盟链框架下主动配电网电力交易主体合作演化博弈模型包含以下几个阶段：计量认证；策略优化及生成智能合约；工作量证明；交易验证及达成共识；交易结算。

进一步的，所述计量认证具体为：交易主体利用特定的公钥k_pub,m和私钥k_pri,m，生成带有时间戳的交易认证信息和传输地址，并向全网广播自身购、售电信息，此时交易主体m广播的信息可表示为：

I_m＝{[Q_sell,m or Q_buy,m]|T|A_pub,m}

式中，I_m表示主体m的信息广播集合；Q_sell,m和Q_buy,m分别表示主体m在一个交易周期内的各时段售电或购电电量信息；T为交易周期时长；A_pub,m表示主体m通过公钥k_pub,m计算得到的节点地址。

进一步的，所述策略优化及生成智能合约阶段包括如下步骤：

(1)建立外层优化目标函数

所述外层优化目标函数以各电力交易主体自身收益最大为目标建立多目标函数{F_DSO,F_DGA,F_ESO,F_LC}：

式中，F_DSO、F_DGA、F_ESO和F_LC分别为DSO、DGA、ESO和LC的运营收益函数；

(2)建立内层优化目标函数

内层优化目标为使配电网内部各主体经济收益之和最大，其目标函数为：

max F_in＝F_DSO+F_DGA+F_ESO+F_LC

式中，F_in为内层优化目标；

(3)建立各交易主体以及配电网约束，包括：配电网运营商约束、分布式发电聚合商约束、储能运营商约束、大用户约束、售购电平衡约束，其中配电网运营商约束包括DSO从配电网自身发电集合得到的电量约束、DSO电量平衡约束、DSO售电电价约束；分布式发电聚合商约束包括DGA发电电量约束、DGA售电量约束、DGA售电电价约束；储能运营商约束包括储能充放电电量约束、储能装置充放电状态约束、储能装置荷电状态约束、ESO售电电价约束；大用户约束包括LC购电电量约束、LC购电电价约束；

(4)生成智能合约

在电力交易优化完成后，生成智能合约信息如下：

S_tran＝{[S_sign,1…S_sign,m]|T|Q_sign|c_sign}

式中，S_tran为本次交易生成的智能合约脚本；[S_sign,1…S_sign,m]为各交易主体的签署脚本；Q_sign为本次交易的签约电量；c_sign为本次交易的签约电价。

进一步的，所述工作量证明具体步骤如下：

在交易优化决策完成后，所有本地节点采集所有各自的交易记录，对这些交易实施合法性检验后进行打包，并生成相应的区块B_c，同时各节点开始计算工作量证明函数的解，在该过程中，采用哈希函数作为工作量证明函数，哈希函数的选取应不高于事先给定的难度，其满足：

H(Hash)＜D_iff

式中，H(Hash)表示哈希函数求解难度，D_iff表示给定求解难度。

进一步的，步骤四中，对所述电力交易优化模型进行处理的方法为：内层优化问题采用MATLAB/YALMIP工具箱进行求解，在内层优化问题得到求解后，将外层优化中每个博弈主体的目标函数看作一个独立个体，将外层博弈转化为一个多目标进化问题，并采用MOEA/D算法进行求解。

进一步的，所述步骤四具体为：

4.1初始化最优解集POS，令POS＝Φ，设定种群数为N，每个种群均包含参与市场交易的所有主体的策略集，在报价范围内，令

对上述策略集进行初始化得到根据初始策略集，利用MATLAB/YALMIP工具箱求解内层优化，得到各种群目标函数值，记作FV^j＝F(x^j)，进而得到初始参考点z＝(z₁,…,z_m),i＝1,2,…,m，其中z_i为目标函数f_i(x)当前最优值，m为外层优化目标函数个数；

4.2外层优化目标函数个数m＝4，取步长H＝12，得到四维均匀分布的权重向量，此时均匀分布的权重向量有组，从

组均匀分布权重向量中随机选取N组向量λ¹,λ²…,λ^N，并计算任意两个权重向量之间的欧几里得距离，得到距离λ^j最近的S个权重向量

其中，B(j)＝{j₁,j₂,…,j_S}，S为每个权重向量的邻居个数；

4.3从B(j)中随机选取序号a和b，利用遗传算子由x^a和x^b变异产生新解y，并对y进行修正得到y'，使其大小在报价范围之内；

4.4利用y'求解得到f_i(y')，若z_i＜f_i(y')，则更新z_i值，使z_i＝f_i(y')；

4.5对相邻解进行更新，对于k∈B(j)，若g^te(y'|λ^k,z)≤g^te(x^k|λ^k,z)，使FV^j＝F(y')；

4.6将POS中所有被F(y')支配的向量移除，更新最优解集POS；

4.7令循环次数K＝K+1，若K≤K_max，则转向步骤4.3；否则停止并输出最优解集POS。

总体而言，通过本发明所构思的以上技术方案与现有技术相比，具有以下有益效果：

1、联盟链框架下，参与电力市场的主体需要事先得到相关机构(例如政府或者现有上级电网单位)授权，被授权后的主体参与电力交易将在配电网内部呈现自由市场的特性。因此，联盟链技术既可保证电力市场内部的自由交易特性，也可避免在特殊情况下产生的电力市场无序运营的情况；

2、所建立的联盟区块链框架下主动配电网电力交易体系，利用本地节点的预授权和联盟节点的动态选取策略，经过计量认证、决策优化及生成智能合约、工作量证明、交易验证及达成共识、交易结算等步骤，可实现配电网交易数据分布式存储并无需设置第三方监管机构。

3、所提主动配电网电力交易主体合作演化博弈模型，可反映配电网各电力交易主体市场行为的动态演化过程，所得优化策略可作为电力交易中智能合约生成的依据，最终实现联盟链框架下主动配电网电力交易的决策优化。

附图说明

图1是本发明实施例的联盟链框架下主动配电网电力市场交易体系；

图2是本发明实施例的均匀分布权重向量；

图3是本发明实施例的一个交易周期内的交易主体售电能力；

图4是本发明实施例的交易周期内交易主体预测需求电量；

图5是本发明实施例的交易周期内各交易主体售/购电量；

图6是本发明实施例的交易周期内各交易主体售/购电价；

图7是本发明实施例的各主体收益对应的Pareto最优散点图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

本发明实施例的一种基于联盟链框架的主动配电网电力交易主体优化决策方法，包括如下步骤：

步骤一、建立联盟链框架下主动配电网电力市场交易体系。

1.1如图1所示，建立联盟链框架下主动配电网电力市场交易体系框图。该体系中，电力交易主体包括DSO、DGA、ESO以及LC。其中，DSO由发电机组集合和常规负荷集合组成，可同时提供售/购电需求；DGA由风、光发电集合组成，可提供售电需求；ESO由储能设备集合组成，可同时提供售/购电需求；LC由大用户集合组成，可提供购电需求。

1.2确定联盟链中的本地节点及联盟节点。确定方法为：将DSO、DGA、ESO以及LC授权为半开放的本地节点，主要负责整合配电网内部各分布式资源，记录并上报可用供电电量和需求电量；联盟节点为联盟链中某一非特定节点，其可由本地节点在电力交易中动态产生，产生方法将在步骤3.4中详细描述。联盟节点数据分布式存储在联盟链中，并具有可追溯性。以上被授权节点的主要功能包括交易数据存储、交易账户存储以及交易服务。联盟链中的所有交易记录按照时间戳形式保存在数据存储区；电力市场各参与单位的虚拟地址和网络账户的映射关系保存在账户存储区；而交易服务则用以保证各主体交易的正常进行和停止。

2.根据所述交易主体的收益/成本数学模型建立主动配电网电力市场交易主体收益/成本数学模型。

2.1建立配电网运营商收益/成本数学模型，包括：

(1)DSO售电收益可表示为：

式中，为时段t内DSO的售电收益；

和

分别为时段t内DSO向储能运营商、大用户和分散用户售电的电价，由于分散用户无议价权，

设定为已知量；

和

分别为时段t内DSO向储能运营商、大用户和分散用户售电的电量。此处，配电网各处分散的小型负荷，仅由DSO统一整合和供电，其他发电主体不直接与其进行电力交易。

(2)DSO运维及购电成本可表示为：

式中，

为时段t内DSO的运维及购电成本；

为配电网自身发电单元的运维成本系数；

为时段t内配电网自身发电单元发出的电量；

和

分别为时段t内DSO向分布式发电聚合商和储能运营商购电的电价；

和

分别为时段t内DSO向分布式发电聚合商和储能运营商购买的电量。

2.2建立分布式发电聚合商收益/成本数学模型，包括：

(1)DGA售电收益可表示为：

式中，

为时段t内DGA的售电收益；

和

分别为时段t内DGA向配电网运营商、储能运营商和大用户售电的电价；

和

分别为时段t内DGA向配电网运营商、储能运营商和大用户出售的电量。

(2)DGA可再生能源政策补贴收益可表示为：

式中，式中，

为时段t内DGA的政策补贴收益；

和

分别为政策对于光伏和风电上网的补贴价格；

和

分别为时段t内DGA中上网的光伏发电总电量和风力发电总电量。

(3)DGA运维成本可表示为：

式中，

为时段t内DGA的运行维护成本；

和

分别为光伏和风电发电装置的运行维护成本系数。

2.3建立储能运营商收益/成本数学模型，包括：

(1)ESO售电收益可表示为：

式中，

为时段t内ESO的售电收益；

和

分别为时段t内ESO向配电网运营商和大用户售电的电价；

和

分别为时段t内ESO向配电网运营商和大用户出售的电量。

(2)ESO的购电成本可表示为：

式中，

为时段t内ESO的购电成本；

和分别为时段t内ESO向配电网运营商和分布式发电聚合商购电的价格；

和

分别为时段t内ESO向配电网运营商和分布式发电聚合商购买的电量。

(3)ESO维护成本可表示为：

式中，

为时段t内ESO的运行维护成本；

为储能装置运行维护成本系数。

2.4建立大用户收益/成本数学模型。本发明例中，LC只购不售，因此其购电成本可表示为：

式中，

为时段t内LC的购电成本；

和

分别为时段t内LC向配电网运营商、分布式发电聚合商和储能运营商购电的电价；

和分别为时段t内LC向配电网运营商、分布式发电聚合商和储能运营商购买的电量。

3.根据所述交易主体的收益/成本数学模型，建立联盟链框架下主动配电网电力交易主体合作演化博弈模型，包括计量认证、策略优化及生成智能合约、工作量证明、交易验证及达成共识、交易结算几个阶段。

3.1计量认证阶段。

交易计量认证是电力交易的起始阶段，主要进行交易类型确认以及电量供需发布。在此阶段，交易主体利用特定的公钥k_pub,m和私钥k_pri,m，生成带有时间戳的交易认证信息和传输地址，并向全网广播自身购、售电信息。此时交易主体m广播的信息可表示为：

I_m＝{[Q_sell,m or Q_buy,m]|T|A_pub,m} (10)

式中，I_m表示主体m的信息广播集合；Q_sell,m和Q_buy,m分别表示主体m在一个交易周期内的各时段售电或购电电量信息；T为交易周期时长；A_pub,m表示主体m通过公钥k_pub,m计算得到的节点地址。

3.2决策优化及生成智能合约阶段。

各主体信息广播后，发出交易请求。在此阶段，将发生各交易主体电量/电价优化过程。由前述分析可知，主动配电网电力交易主体包括DSO、DGA、ESO以及LC。各主体根据自身的售电能力或电量需求，提供售电电价或购电电价。由于上述收益函数中各时段电价和电量均为待求量，因此拟采用分层优化方法进行建模。其中，外层对各主体电价进行优化，内层则对各主体待定电量进行优化。考虑内层优化目标为使配电网内部各主体经济收益之和最大，则外层优化转化为各主体之间利益的分配问题，采用合作演化博弈模型进行处理。

(1)建立外层优化目标函数

外层优化中，各主体的待博弈量为电价。由于LC具有购电议价权，因此将LC的各时段购电电价作为决策变量。而DGA由于仅对外出售电量，因此DGA售电电价也为决策变量。此外，对于DSO及ESO这类既可购电又可售电的主体，考虑到其购电电价实质上由其他售电主体的售电电价决定，因此对于DSO和ESO仅考虑将其售电电价作为决策变量。综上，各主体的策略空间可表示为：

式中，

和

分别表示DSO、DGA、ESO和LC的报价策略空间。

电力交易中各主体的目标为使自身收益最大，考虑日前交易市场，由前述交易主体数学模型可知外层优化的目标函数为：

式中，F_DSO、F_DGA、F_ESO和F_LC分别为DSO、DGA、ESO和LC的运营收益函数。

(2)建立内层优化目标函数

内层优化目标为使配电网内部各主体经济收益之和最大，其目标函数为：

max F_in＝F_DSO+F_DGA+F_ESO+F_LC (13)

式中，F_in为内层优化目标。

(3)建立各交易主体以及配电网约束。

1)建立配电网运营商约束条件，包括：DSO从配电网自身发电集合得到的电量约束、DSO电量平衡约束、DSO售电电价约束。

将配电网内的常规小水电等发电单元聚合为一个发电集合，则DSO从配电网自身发电集合得到的电量约束为：

式中，

和

分别为时段t内配电网自身发电集合能够提供的最大和最小电量。

由于DSO需要整合配电网中的小型分散用户，并为其统一供电，因此需考虑其功率平衡约束，将其转化为电量平衡约束可表示为：

DSO售电电价约束为：

式中，

和

分别为DSO最大和最小售电电价。

2)建立分布式发电聚合商约束条件，包括：DGA发电电量约束、DGA售电量约束、DGA售电电价约束。

DGA整合配电网中的风、光发电资源，在电力交易中仅作为售电主体。DGA中风、光发电电量约束为：

式中，

和

分别为时段t内光伏和风电的最大发电电量；

和

分别为时段t内光伏和风电的最小发电电量。

考虑到可能发生的弃风、弃光情形，得到DGA售电量约束为：

DGA售电电价约束为：

式中，

和

分别为DGA最大和最小售电电价。

3)建立储能运营商约束条件，包括：储能充放电电量约束、储能装置充放电状态约束、储能装置荷电状态约束、ESO售电电价约束。

储能充放电电量约束为：

式中，

和

为一个交易时段内ESO最大放电电量和最大充电电量；u_ch,t和u_dch,t分别为储能装置的充、放电状态，其值为0或1，且满足：

u_dch,t+u_ch,t≤1 (21)

如前所述，ESO通过电量的时间转移实现盈利。为了保证储能装置的荷电状态不越限，并保持储能装置在一个电力交易周期前后的荷电状态平衡，可将储能装置荷电状态约束表示为：

式中，

为时段t内ESO储能装置的总荷电状态；So_c,max和So_c,min分别为储能装置的荷电状态上下限；So_c(0)和So_c(T)分别为交易周期开始和结束时储能装置的荷电状态。

ESO售电电价约束为：

式中，

和

分别为ESO最大和最小售电电价。

4)建立大用户约束条件，包括LC购电电量约束、LC购电电价约束。

LC通过购电以满足自身电力需求，其购电约束为：

式中，

为时段t内LC的需求电量。

LC购电电价约束为：

式中，

和分别为LC最大和最小购电电价。

5)建立售购电平衡约束。

在电力交易完成后，两个主体之间的售、购电行为应该一致，即在某一时段主体A来自主体B的购电电量和价格应该与主体B向主体A的售电电量和价格一致。因此售购电平衡约束可表示为：

上述模型即为针对各主体电量/电价优化的主动配电网电力交易主体合作演化模型。

(4)生成智能合约。

在电力交易优化完成后，将生成智能合约信息如下：

S_tran＝{[S_sign,1…S_sign,m]|T|Q_sign|c_sign} (27)

式中，S_tran为本次交易生成的智能合约脚本；[S_sign,1…S_sign,m]为各交易主体的签署脚本；Q_sign为本次交易的签约电量；c_sign为本次交易的签约电价。

3.3工作量证明阶段。

在交易优化决策完成后，所有本地节点采集所有各自的交易记录，对这些交易实施合法性检验后进行打包，并生成相应的区块B_c，同时各节点开始计算工作量证明函数的解。在该过程中，采用哈希函数作为工作量证明函数。哈希函数的选取应不高于事先给定的难度，其满足：

H(Hash)＜D_iff (28)

式中，H(Hash)表示哈希函数求解难度，D_iff表示给定求解难度。

3.4交易验证及达成共识阶段。

待各节点均完成工作量证明后，各节点完成交易验证并达成共识。其中，最快完成工作量证明函数求解的节点，在其他节点对其进行验证后将成为本次交易的联盟节点，主导本次电力交易服务。

3.5交易结算阶段。

在联盟节点的主导下，各节点执行交易动作，完成交易结算。

4.对步骤3中所述合作演化博弈模型进行处理，以得到主动配电网电力交易主体博弈结果，即得到联盟链框架下主动配电网电力交易主体优化决策结果,作为生成智能合约的依据，实现联盟链框架下主动配电网电力交易的决策优化。

步骤三中建立的联盟链框架下主动配电网电力交易主体合作演化博弈模型为一个分层优化模型，为了实现该模型的求解，本发明实施例采用两种不同的方法分别对内层优化问题和外层优化问题进行求解。其中，内层单目标优化问题可采用MATLAB/YALMIP工具箱直接求解。在内层优化问题得到求解后，可将外层优化中每个博弈主体的目标函数看作一个独立个体，此时外层博弈转化为一个多目标优化问题，采用MOEA/D算法进行求解。详细步骤如下：

4.1初始化最优解集POS，令POS＝Φ。设定种群数为N，每个种群均包含参与市场交易的所有主体的策略集。在报价范围内，令

对上述策略集进行初始化得到

根据初始策略集，利用MATLAB/YALMIP工具箱求解内层优化，得到各种群目标函数值，记作FV^j＝F(x^j)。进而得到初始参考点z＝(z₁,…,z_m),i＝1,2,…,m，其中z_i为目标函数f_i(x)当前最优值，m为外层优化目标函数个数。

4.2对于本实施例，外层优化目标函数个数m＝4，取步长H＝12，可得到四维均匀分布的权重向量如图2所示，此时均匀分布的权重向量有

组。从

组均匀分布权重向量中随机选取N组向量λ¹,λ²…,λ^N，并计算任意两个权重向量之间的欧几里得距离，可得到距离λ^j最近的S个权重向量

其中，B(j)＝{j₁,j₂,…,j_S}，S为每个权重向量的邻居个数。

4.3从B(j)中随机选取序号a和b，利用遗传算子由x^a和x^b变异产生新解y，并对y进行修正得到y'，使其大小在报价范围之内。

4.4利用y'求解得到f_i(y')。若z_i＜f_i(y')，则更新z_i值，使z_i＝f_i(y')。

4.5对相邻解进行更新。对于k∈B(j)，若g^te(y'|λ^k,z)≤g^te(x^k|λ^k,z)，使FV^j＝F(y')。

4.6将POS中所有被F(y')支配的向量移除，更新POS。

4.7令循环次数K＝K+1，若K≤K_max，则转向步骤4.3；否则停止并输出最优解集POS。

由上述求解过程可知，MOEA/D算法中的变异操作可反映演化博弈中主体的有限理性特性，而种群进化操作则模拟了各主体演化的过程。

由以上步骤可以得到联盟链框架下主动配电网电力交易主体优化决策结果。在本发明实施例中，为验证所提优化决策方法的有效性，将提出的方法应用于主动配电网电力交易主体决策的计算。

采用的主动配电网算例系统，各主体售电能力如图3所示，配电网分散用户及大用户预测电量需求如图4所示。各主体的报价策略区间设置为：配电网运营商售电电价区间为0.35～1.05元/(kW·h)；分布式发电聚合商售电电价区间为0.35～0.95元/(kW·h)；储能运营商售电电价区间为0.35～1.1元/(kW·h)；大用户购电电价区间为0.35～1.0元/(kW·h)。光伏和风电上网的政府补贴分别设定为0.32元/(kW·h)和0.07元/(kW·h)，其维护成本系数分别为0.03元/(kW·h)和0.02元/(kW·h)。此外，为简化模型，配电网运营商自身所含发电单元主要考虑小水电，其运行维护成本系数设为0.01元/(kW·h)。同时配电网分散用户侧不考虑需求侧响应，配电网运营商采用固定电价对其售电，设为0.6元/(kW·h)。本实施例中储能运营商采用的储能装置选用压缩空气储能，其技术参数如表1所示。

表1储能系统相关数据

为对算例系统进行仿真求解，设置MOEA/D算法的最大迭代次数K_max＝250，种群数N＝100，所需均匀分布权重向量从图2中随机选取N组得到。权重向量的邻居个数S＝20。整个算例采用MATLAB软件进行编程、调试。

通过求解本实施例所建立的多主体合作演化模型，得到的交易结果为一系列Pareto前沿。根据联盟链中事先写入的选取原则(可根据实际情况由各主体协商决定)，选择其中一组解生成智能合约。本实施例以大用户购电成本最小作为选取原则，分析算例结果如下。

1)各主体交易电量分析

一个交易周期内各主体交易电量情况如图5所示，其中负值表示购买电量。由于两个交易主体在达成交易协议后，其互相之间的售/购电价和电量均相同，因此除DSO从配电网自身发电单元得到的电量外，以下各图均仅对售电变量进行标注。

从图5可以看出，由于DSO自身所含发电单元运维成本较低，其在全天时段主要从自身发电单元获得电能，并对大用户和配电网分散用户(图6未画出)供电。在0:00～8:00期间，由于该时段内负荷需求较小，ESO对储能系统进行充电，其充电电量来自DGA；在ESO充电期间，DSO提高对LC的供电电量，以填补DGA因给ESO充电而导致的LC供电缺额。在中午12:00～下午16:00期间，由于系统需求电量达到最大，ESO中的储能装置放电，一方面向DSO供电，另一方面也短时供应LC的电量需求。在8:00以后直至20:00，DGA发电电量全部供给LC；在晚上20:00以后系统负荷逐渐降低，DSO和DGA交替向LC供电。

由以上分析可知，DSO通过自身发电单元以及购买得到的电量，在满足配电网分散用户供电需求的前提下，也同时向LC售电；由于分布式电源发电的政策补贴较高，DGA在各时段售出全部可用电量；ESO在储能充电时主要从DGA购电，其在白天负荷高峰期售电以满足系统需求并获取收益；大用户则主要从DGA购电，同时也少量从DSO和ESO购电以满足自身需要。

2)各主体交易电价分析

交易周期内各主体交易电价情况如图6所示。综合图5和图6可以看出，在8:00～20:00期间的大部分时段，DGA对LC的售电电价最低。在0:00～8:00时段以及20:00～24:00时段，由于ESO中储能装置充电的影响，DGA优先向ESO售电，导致在此期间DSO和DGA交替向LC供电。在ESO购电时段，由于此时DSO的电量需供应大用户及配电网分散用户，剩余供电能力不足，因此DGA以较高的电价向ESO出售电量以获取较大收益。

3)各主体收益分析

各主体收益对应的Pareto前沿如图7所示，其单位为万元。由图7可以看出，各方收益函数之间存在冲突，一方收益的增加势必会导致其他某一或多个主体收益的减小。其中，DSO对应的收益范围为6.20～11.68万元；DGA对应的收益范围为8.41～16.21万元；ESO对应的收益范围为0.01～0.85万元；LC对应的成本范围为7.78～16.79万元。本实施例选取大用户购电成本最小的一组解作为优化解，此时DSO、DGA和ESO对应的收益分别为9.14万元、8.81万元和0.39万元。

以上算例表明，所提联盟链框架下主动配电网电力交易主体合作演化博弈模型，可反映配电网各电力交易主体市场行为的动态演化过程，所得优化结果可作为电力交易中各主体制定交易电价和电量的依据，最终实现联盟链框架下主动配电网电力交易的决策优化。

本发明在已有研究的基础上，将区块链技术引入到主动配电网电力交易中，并运用演化博弈理论，提出了一种基于联盟链框架的主动配电网电力交易主体优化决策方法。首先引入联盟区块链，分析了其与主动配电网电力交易的契合关系，同时建立了基于联盟区块链的电力市场交易体系；在此交易体系下，分析了主动配电网电力市场各交易主体的收益/成本模型，进而建立了同时包含信息交互和决策优化的主动配电网电力市场整体交易模型，并详细研究了各主体之间的认证及交易过程；最后采用基于分解的多目标进化算法(multi-objective evolutionary algorithm based on decomposition,MOEA/D)对模型进行了求解。所提基于联盟链框架的主动配电网电力交易主体优化决策方法，不仅可实现交易数据分布式存储并无需设置第三方监管机构，同时还能实现各主体间利益的合理分配。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于联盟链框架的主动配电网电力交易主体优化决策方法，其特征在于：包括

步骤一、建立联盟链框架下主动配电网电力市场交易体系，所述交易体系中包含交易主体；

步骤二、建立主动配电网电力市场交易主体的收益/成本数学模型；

步骤三、根据所述交易主体的收益/成本数学模型，建立联盟链框架下主动配电网电力交易主体合作演化博弈模型；

步骤四、对步骤三中所述合作演化博弈模型进行处理，以得到主动配电网电力交易主体博弈结果，即得到联盟链框架下主动配电网电力交易主体优化决策结果,作为生成智能合约的依据，实现联盟链框架下主动配电网电力交易的决策优化。

2.如权利要求1所述的基于联盟链框架的主动配电网电力交易主体优化决策方法，其特征在于：步骤一中，所述联盟链框架下主动配电网电力市场交易体系中共包含四类交易主体：配电网运营商DSO、分布式发电聚合商DGA、储能运营商ESO以及大用户LC，其中，配电网运营商DSO整合配电网内小型分散负荷，并通过协调各方出力，提高其自身运营收益；分布式发电聚合商DGA整合各类分布式电源，通过售电获取收益；储能运营商ESO通过对电能进行低买高卖实现自身盈利；大用户LC则希望以较低成本购入电能满足自身需求。

3.如权利要求1所述的基于联盟链框架的主动配电网电力交易主体优化决策方法，其特征在于：所述交易体系中包含两类节点：即联盟节点和本地节点，其中联盟节点为不开放节点，其对联盟链数据具有完全可读及写入权限；本地节点则为半开放节点，需由联盟链内部授权才能参与读取和写入，并且其读写权限开放度有所限制；将DSO、DGA、ESO以及LC授权为半开放的本地节点，主要负责整合配电网内部各分布式资源，记录并上报可用供电电量和需求电量；联盟节点为联盟链中某一非特定节点，其由本地节点在电力交易中动态产生，联盟节点数据分布式存储在联盟链中，并具有可追溯性；联盟链中的所有交易记录按照时间戳形式保存在数据存储区；电力市场各参与单位的虚拟地址和网络账户的映射关系保存在账户存储区；而交易服务则用以保证各主体交易的正常进行和停止。

4.如权利要求1所述的基于联盟链框架的主动配电网电力交易主体优化决策方法，其特征在于：步骤二中所述的主动配电网电力市场交易主体收益/成本数学模型包含：DSO售电收益、DSO运维及购电成本模型；DGA售电收益、DGA可再生能源政策补贴收益及DGA运维成本模型；ESO售电收益、ESO购电成本及ESO维护成本模型；LC购电成本模型。

5.如权利要求1所述的基于联盟链框架的主动配电网电力交易主体优化决策方法，其特征在于：步骤三中，建立联盟链框架下主动配电网电力交易主体合作演化博弈模型包含以下几个阶段：计量认证；策略优化及生成智能合约；工作量证明；交易验证及达成共识；交易结算。

6.如权利要求5所述的基于联盟链框架的主动配电网电力交易主体优化决策方法，其特征在于：所述计量认证具体为：交易主体利用特定的公钥k_pub,m和私钥k_pri,m，生成带有时间戳的交易认证信息和传输地址，并向全网广播自身购、售电信息，此时交易主体m广播的信息表示为：

I_m＝{[Q_sell,m or Q_buy,m]|T|A_pub,m}

式中，I_m表示主体m的信息广播集合；Q_sell,m和Q_buy,m分别表示主体m在一个交易周期内的各时段售电或购电电量信息；T为交易周期时长；A_pub,m表示主体m通过公钥k_pub,m计算得到的节点地址。

7.如权利要求5所述的基于联盟链框架的主动配电网电力交易主体优化决策方法，其特征在于：所述策略优化及生成智能合约包括如下步骤：

(1)建立外层优化目标函数

所述外层优化目标函数以各电力交易主体自身收益最大为目标建立多目标函数{F_DSO,F_DGA,F_ESO,F_LC}：

式中，F_DSO、F_DGA、F_ESO和F_LC分别为DSO、DGA、ESO和LC的运营收益函数；

(2)建立内层优化目标函数

内层优化目标为使配电网内部各主体经济收益之和最大，其目标函数为：

max F_in＝F_DSO+F_DGA+F_ESO+F_LC

式中，F_in为内层优化目标；

(3)建立各交易主体以及配电网约束，包括：配电网运营商约束、分布式发电聚合商约束、储能运营商约束、大用户约束、售购电平衡约束，其中配电网运营商约束包括DSO从配电网自身发电集合得到的电量约束、DSO电量平衡约束、DSO售电电价约束；分布式发电聚合商约束包括DGA发电电量约束、DGA售电量约束、DGA售电电价约束；储能运营商约束包括储能充放电电量约束、储能装置充放电状态约束、储能装置荷电状态约束、ESO售电电价约束；大用户约束包括LC购电电量约束、LC购电电价约束；

(4)生成智能合约

在电力交易优化完成后，生成智能合约信息如下：

S_tran＝{[S_sign,1…S_sign,m]|T|Q_sign|c_sign}

式中，S_tran为本次交易生成的智能合约脚本；[S_sign,1…S_sign,m]为各交易主体的签署脚本；Q_sign为本次交易的签约电量；c_sign为本次交易的签约电价。

8.如权利要求5所述的基于联盟链框架的主动配电网电力交易主体优化决策方法，其特征在于：所述工作量证明具体步骤如下：

在交易优化决策完成后，所有本地节点采集所有各自的交易记录，对这些交易实施合法性检验后进行打包，并生成相应的区块B_c，同时各节点开始计算工作量证明函数的解，在该过程中，采用哈希函数作为工作量证明函数，哈希函数的选取应不高于事先给定的难度，其满足：

H(Hash)＜D_iff

式中，H(Hash)表示哈希函数求解难度，D_iff表示给定求解难度。

9.如权利要求1所述的基于联盟链框架的主动配电网电力交易主体优化决策方法，其特征在于：步骤四中，对所述电力交易优化模型进行处理的方法为：内层优化问题采用MATLAB/YALMIP工具箱进行求解，在内层优化问题得到求解后，将外层优化中每个博弈主体的目标函数看作一个独立个体，将外层博弈转化为一个多目标进化问题，并采用MOEA/D算法进行求解。

10.如权利要求9所述的基于联盟链框架的主动配电网电力交易主体优化决策方法，其特征在于：所述步骤四具体为：

4.1初始化最优解集POS，令POS＝Φ，设定种群数为N，每个种群均包含参与市场交易的所有主体的策略集，在报价范围内，令

对上述策略集进行初始化得到

根据初始策略集，利用MATLAB/YALMIP工具箱求解内层优化，得到各种群目标函数值，记作FV^j＝F(x^j)，进而得到初始参考点z＝(z₁,…,z_m),i＝1,2,…,m，其中z_i为目标函数f_i(x)当前最优值，m为外层优化目标函数个数；

4.2外层优化目标函数个数m＝4，取步长H＝12，得到四维均匀分布的权重向量，此时均匀分布的权重向量有

组，从

组均匀分布权重向量中随机选取N组向量λ¹,λ²…,λ^N，并计算任意两个权重向量之间的欧几里得距离，得到距离λ^j最近的S个权重向量

其中，B(j)＝{j₁,j₂,…,j_S}，S为每个权重向量的邻居个数；

4.3从B(j)中随机选取序号a和b，利用遗传算子由x^a和x^b变异产生新解y，并对y进行修正得到y'，使其大小在报价范围之内；

4.4利用y'求解得到f_i(y')，若z_i＜f_i(y')，则更新z_i值，使z_i＝f_i(y')；

4.5对相邻解进行更新，对于k∈B(j)，若g^te(y'|λ^k,z)≤g^te(x^k|λ^k,z)，使FV^j＝F(y')；

4.6将POS中所有被F(y')支配的向量移除，更新最优解集POS；

4.7令循环次数K＝K+1，若K≤K_max，则转向步骤4.3；否则停止并输出最优解集POS。

Images