CN112381263A - 基于区块链分布式数据存储多微网日前鲁棒电能交易方法 - Google Patents
基于区块链分布式数据存储多微网日前鲁棒电能交易方法 Download PDFInfo
- Publication number
- CN112381263A CN112381263A CN202011010711.9A CN202011010711A CN112381263A CN 112381263 A CN112381263 A CN 112381263A CN 202011010711 A CN202011010711 A CN 202011010711A CN 112381263 A CN112381263 A CN 112381263A
- Authority
- CN
- China
- Prior art keywords
- microgrid
- transaction
- market
- micro
- seller
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000013500 data storage Methods 0.000 title claims description 12
- 238000005457 optimization Methods 0.000 claims abstract description 35
- 230000005611 electricity Effects 0.000 claims description 117
- 230000002860 competitive effect Effects 0.000 claims description 36
- 239000007789 gas Substances 0.000 claims description 36
- 238000003860 storage Methods 0.000 claims description 34
- 238000009826 distribution Methods 0.000 claims description 27
- 238000011156 evaluation Methods 0.000 claims description 21
- 238000010248 power generation Methods 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 13
- 239000002918 waste heat Substances 0.000 claims description 12
- 238000005516 engineering process Methods 0.000 claims description 11
- 230000007774 longterm Effects 0.000 claims description 11
- 239000000446 fuel Substances 0.000 claims description 9
- 230000003044 adaptive effect Effects 0.000 claims description 8
- 238000004146 energy storage Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 6
- 239000003795 chemical substances by application Substances 0.000 claims description 6
- 230000009977 dual effect Effects 0.000 claims description 6
- 238000005338 heat storage Methods 0.000 claims description 6
- 230000007246 mechanism Effects 0.000 claims description 6
- 238000010977 unit operation Methods 0.000 claims description 6
- 238000007726 management method Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 4
- 230000035699 permeability Effects 0.000 claims description 4
- 238000013459 approach Methods 0.000 claims description 3
- 230000002457 bidirectional effect Effects 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000009194 climbing Effects 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 230000007935 neutral effect Effects 0.000 claims description 3
- 238000013486 operation strategy Methods 0.000 claims description 3
- 238000011084 recovery Methods 0.000 claims description 3
- 238000006467 substitution reaction Methods 0.000 claims description 3
- 239000013589 supplement Substances 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0611—Request for offers or quotes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
- Y04S50/10—Energy trading, including energy flowing from end-user application to grid
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Finance (AREA)
- Computer Security & Cryptography (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Accounting & Taxation (AREA)
- Water Supply & Treatment (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Bioethics (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种多微网的日前鲁棒性电能交易方法，主要解决现有技术中多微网交易方法无法保证安全性以及单个微网优化方法不能兼顾多微网结果考虑经济性的问题。该方法，包括如下步骤：(S1)建立单微网运行双层模型，对微网双层模型进行优化调度；(S2)建立自适应报价模型，为单微网提供自适应报价策略；(S3)构建区块链分布式交易平台，微网在此平台上实现集群分布式交易。通过上述方案，本发明达到了兼顾多微网交易安全性与单微网经济性的目的，具有很高的实用和推广价值。
Description
技术领域
本发明属于电网电能交易技术领域，具体涉及基于区块链分布式数据存储多微网日前鲁棒电能交易方法。
背景技术
风力发电、光伏发电等可再生能源发电技术的持续发展为解决环境问题、气候问题、化石能源枯竭等问题提供了坚实的基础。微网作为可再生能源的有效管理单元，通过多能联供、优化调度等方法实现了可再生能源的有效消纳，是电力系统提升可再生能源消纳能力的最有效方法之一。但由于可再生能源发电的波动性较大、预测难度较大，给装配有可再生能源发电系统的微网在调度运行上带来了严峻挑战。同时单微网对各类分布式电源系统的消纳能力有限，导致微网中的弃风、弃光现象较为严重。而在区域内进行多微网功率交互是提高可再生能源渗透率、减少分布式电源对上级电网冲击、减少微网内储能单元和机组启停次数的有效方法。
现有针对多微网群交易的研究主要是以微网群总运行成本最低为目标，建立集中式优化调度模型。然而传统集中式交易服务平台存在平台维护成本高、交易效率低、信息安全性较差等问题。区块链技术具有去中心化、公共信息公开透明、交易速度快、交易信息可追溯且不可篡改等优势，在电力市场、能源互联网等领域被广泛运用。是解决传统集中式交易服务平台存在缺陷的有力方法。
因此，一种基于区块链技术的多微网交易方法亟待研究。
发明内容
本发明目的在于提供基于区块链分布式数据存储多微网日前鲁棒电能交易方法，用于解决上述现有技术中存在的技术问题之一，如：现有技术中，现有针对多微网群交易的研究主要是以微网群总运行成本最低为目标，建立集中式优化调度模型。然而传统集中式交易服务平台存在平台维护成本高、交易效率低、信息安全性较差等问题。区块链技术具有去中心化、公共信息公开透明、交易速度快、交易信息可追溯且不可篡改等优势，在电力市场、能源互联网等领域被广泛运用。是解决传统集中式交易服务平台存在缺陷的有力方法。
为实现上述目的，本发明的技术方案是：
基于区块链分布式数据存储多微网日前鲁棒电能交易方法，包括以下步骤：
S1、建立单微网运行双层模型，对微网双层模型进行优化调度。微网运用可调鲁棒优化算法计算出在最恶劣可再生能源出力场景下的微网经济最优运行调度方案；
S2、建立自适应报价模型，为单微网提供自适应报价策略。各微网所优化出的运行调度方案上传到多微网交易服务器中，由多微网交易服务器判定当前交易市场模式后把各微网信息传输到其余微网，各微网依据收到的其余各微网信息进行自适应报价；
S3、构建区块链分布式交易平台，微网在此平台上实现集群分布式交易。各微网得出其购电报价或售电报价后发送给相应的微网，收到交易请求的微网依据分布式交易过程的规则进行交易匹配并完成交易。
进一步的，在步骤S1中，需要对微网进行多微网建模，多微网模型包括配电网运营商、连接在配网中的微网和微网运营商以及多微网交易服务器；
在构建区块链分布式交易平台中，各主体通过区块链网络传递数据。在区块链网络中，配电网运营商节点负责协助平衡多微网交易市场中参与者的电负荷；多微网交易服务器是一个特殊节点，负责协助完成多微网市场确定交易模式和交易计划；微网运营商节点是最小的能量管理模块，负责通过制定运行调度策略以在成本最低的前提下满足微网内的能量平衡；
多微网模型涉及的微网分为4种不同类型：含有风力发电和光伏发电的热电联供型微网、含有风力发电的热电联供型微网、含有光伏发电的传统微电网和含有光伏发电的热电联供型微网。
进一步的，微网i在t时段参与多微网交易市场制定调度计划的策略为：
1)微网优先利用可再生能源的出力来平衡电负荷；当可再生能源机组出力无法平衡电负荷时，由微网内部的燃气轮机、燃料电池机组出力平衡；若当微网以上设备出力大于负荷需求时，则根据蓄电池的荷电状态，确定蓄电池充电功率的大小，无法消纳的部分则售向多微网市场；若当微网以上设备出力不能满足负荷需求，缺额的部分优先由蓄电池提供，当蓄电池无法提供输出功率时，则向多微网市场发出交易请求以满足电平衡约束；若经多微网市场交易仍无法满足电功率平衡约束，则向配电网购买；若微网在多微网市场无法售出所有电量，则所剩余得电量低价售给配电网；
2)热负荷由燃气轮机和燃气锅炉平衡；燃气锅炉燃烧燃气产生电能，同时排出的废热被余热回收装置回收后供给热负荷；储热罐根据燃气轮机的余热量灵活储放热以平衡热负荷；燃气锅炉在热平衡无法由燃气轮机余热、储热罐储放热平衡的情况下制热补足。
进一步的，单微网在以上运行策略的基础上，以自身在最恶劣分布式电源出力下的经济运行为目标，采用鲁棒优化刻画可再生能源的不确定参数，并运用双层优化交互迭代求解，求得的解即为微网在最恶劣可再生能源出力场景下的机组运行方案；具体数学模型如下：
考虑可再生能源不确定性的微网日前经济调度内外层鲁棒模型可描述为
式中：优化变量σ为日前调度方案；内层优化变量κ为日前调度方案σ的执行调控方案；为提高微网对可再生能源的消纳能力，内层引入弃可再生能源的惩罚项，该项包含不确定参数
为微网内分布式电源机组的出力；Φ为可调鲁棒参数；ED(σ) 为微网日前运行成本；
为微网日前调度方案σ的执行调控成本；BD(σ)＝0和 UD(σ)≤0包括微网的能量平衡约束、微网各运行单元自身的相关约束；
和
包括微网调控层的能量平衡约束、微网各可控运行单元的调控约束等；BMic＝0、UMic＜0为多微网交易中的约束；
ED(σ)为微网日前运行成本，包括微型燃气轮机的运行成本、燃料电池的运行成本、与配电网交易的成本和在多微网市场中交易的成本；具体表达式为
ED(σ)＝EMT+EF+EG+EMic
式中：EMT为微型燃气轮机的运行成本，包括成本参数αMT、βMT和t时刻微型燃气轮机的出力PMT(t)；EF为燃料电池的运行成本，包括成本参数αF、βF和t时刻微型燃气轮机的出力PF(t)；EG为微网在t时刻与配电网交易的成本，包括t时刻的购电功率
与售电功率
以及t时刻的购电电价
和售电电价
EMic为微网在t 时刻在多微网市场的交易成本，包括t时刻的购电功率
与售电功率
以及t 时刻的购电电价
和售电电价
BD(σ)＝0、UD(σ)≤0分别为微网日前运行下的能量平衡约束和机组自身约束，具体表达式如下；
能量平衡约束：
式中：
表示蓄电池i在t时刻的充放电量；
为可再生能源的预测出力，其中可再生能源包括风力发电机组和光伏发电机组；PBo(t)为t时刻电锅炉消耗的电量；PLoad(t)为t时刻的电负荷量；
机组自身约束包括可控机组运行约束和储能运行约束，具体表达为
式中：
分别为可控机组i的出力上下限；
为可控机组i在时间t的运行状态，为0-1变量；
为可控机组i的上下爬坡极限功率；
式中：
分别为蓄电池i在t时刻的充放电状态；
分别为蓄电池i的充放电功率上下限；
为蓄电池i在t时刻的容量；
分别为为蓄电池的自损耗率和充放电效率；
分别为储能容量上下限；T为固定运行周期；
可再生能源发电机组出力具有不确定性；风力发电机组和光伏发电机组的不确定性出力可以描述为下式
式中：
分别为t时刻风机、光伏出力；
分别为风机出力上下限；
分别为光伏出力上下限；
为避免优化结果的鲁棒性较强，引入可调参数Γ约束可再生能源在各时段的出力取值；故可再生能源机组出力还需满足以下约束式
式中：
分别为t时刻预测风电、光伏出力；
分别为t时刻预测风电、光伏出力；
分别表示风机和光伏在t时刻出力的上下波动范围；
是0-1变量，表示风机在t时刻出力与风机预测出力的关系，若风机出力大于预测出力则
反之，
表示光伏出力的状态；
考虑可再生能源不确定性的微网日前经济调度内外层鲁棒模型的自变量σ和因变量κ相互影响，这决定了模型无法一次求解，因此采用列约束生成算法把模型分解为主问题和子问题；分解后子问题的max-min结构难以直接解出，因此采用线性优化强对偶理论将max-min结构转化为max结构，再采用大M法对此结构进行线性化处理，最终表达式如下
式中：θ为子问题的理想最优解；a、b、c为目标函数中的系数矩阵； A、C、D、d、f为等式约束的系数矩阵；B、E、F、G、e、i为不等式约束的系数矩阵；
式中：
分别为风电出力不确定区间上下限；ξ+、ξ-分别代表ξ的正负取值；
为新引入的0-1辅助变量；α、β、ψ为对偶变量；ξ为辅助变量；
综上所述，模型分解后的求解步骤具体可表述为
步骤1：设定初始可再生能源出力恶劣场景
和收敛间隙ε≈0，置迭代次数k＝1；初始化此优化问题的上下限为无穷大；
步骤2：将恶劣场景集
代入主问题进行求解，求解得场景i下的最优解(σk,κi)，此最优解可更新优化问题的下界；
步骤3：σk为已知条件，那么子问题便可求解出场景i下的最优解
取下一个最恶劣场景
为
并更新此优化问题的上界为子问题的目标函数值与主问题所得
之和；
步骤4：判断上下界的间隙是否满足条件ε≈0，若是则返回最优解；否则，增加最恶劣分布式能源出力场景
并返回步骤2。
进一步的，在步骤S2中，
单微网的优化结果包括微网中的各机组出力和微网所需的购售电总量；单微网得到调度运行结果之后将制定的调度计划上报给多微网交易服务器，多微网交易服务器为提高市场竞争性，将多微网市场中的交易分为两种模式，一是买方市场交易模式，该模式中，所有卖方待售电量大于买方欲购电量；二是卖方市场交易模式，该模式中，所有买方欲购电量大于卖方待售电量；
在分布式电源渗透率较高的配电网系统中，将根据分布式信息储存系统记录的历史成交信息给出买方微网和卖方微网的报价策略；自适应性进取报价机制由竞争均衡价格估计、进取性模型、近期和远期自适应学习组成；
竞争均衡价格表示在多微网交易市场中买方微网与卖方微网竞争的均衡状态；买卖双方微网都无法以己之力左右市场动向，所以双方的成交价格会逐渐趋近于竞争均衡价格；但是某轮的竞争均衡价格无法在此轮得到，必须通过分布式账本中记录的近期n笔交易信息通过算式计算得到；
式中：S*表示竞争均衡价格；(δm-n+1,…,δm)表示最近n笔交易的权重，δi表示第i笔交易的权重；(Sm-n+1,…,Sm)表示最近n笔交易的成交价格，Si表示第i笔交易的成交价格；m表示最近的一笔交易；越近期发生交易对竞争均衡价格的影响越大，δi满足约束为下式；
δm＝1
δi-1＝ε·δi
式中：ε表示第i-1笔交易对于第i笔交易来说的重要性程度；
在买方市场和卖方市场中，进取性模型体现出参与竞价的微网对竞价成功的意愿强烈程度；在买方市场中，卖方微网售电意愿强烈，则会对相应的买方微网提供更低的售电报价；在卖方市场中，买方微网购电意愿强烈，则会对相应的卖方微网提供更高的购电报价；
根据多微网交易市场中微网的购售电估价，购售电双方微网可以分成内缘买方微网、外缘买方微网、内缘卖方微网和外缘卖方微网；内缘买方微网表示买方微网的购电估价高于竞争均衡价格，外缘买方微网表示买方微网的购电估价低于竞争均衡价格；内缘卖方微网表示卖方微网的售电估价低于竞争均衡价格，外缘卖方微网表示卖方微网的售电估价高于竞争均衡价格；
进取性模型根据竞争均衡价格、自身对竞价成功的意愿强烈和多微网交易市场的价格波动程度进行报价；上述后两项运用两个因子的数值来反映：进取度因子j和进取率因子l；j反映了微网的进取性的强烈程度，代表了微网达成交易的意愿强烈程度，j为[-1，1]的实数，j越接近于1，则市场主体竞价的愿望越强烈，j越接近于-1，则市场主体竞价的愿望越消极，j等于0时表明市场主体对交易持中立的态度；l反映了微网所在市场的市场价格波动程度，当l越小时，j＝0附近的目标报价变化较快，反之则变化较慢；当市场价格波动幅度较大时，微网通过减小l使得目标价格快速收敛到均衡价格附近；当市场价格波动幅度较小时，则收敛速度可适当减慢；进取性模型中的j和l根据分布式账本的记账信息分别通过短期学习和长期学习进行调整；
短期学习的调整结果由下式计算得出；
j(t+1)＝j(t)+θ1[(1+ο)jd(t-1)-j(t)]
式中：j(t)表示t轮交易的进取度；jd(t)表示t轮交易最优报价对应的进取度；ο为理想进度因子，当ο＝-0.05，表示该代理通过减小进取度，提高自身收益，当ο＝0.05，表示该代理通过增加进取度，提高交易成功概率；θ1∈(0,1)表示短期学习速度；
长期学习的调整结果由下式计算得出；
式中：χ为近期轮n笔交易成交价标准差的归一化值，反映了市场价格波动情况；θ2∈(0,1)为远期学习速度；l'(α)是一个关于χ的函数，可以通过市场历史成交价格波动情况找到最优的l(t+1)，函数关系式可表示为下式；
式中：lmin和lmax分别为l的限值；χmin和χmax分别为χ的最小值和最大值；
进取性模型的目标价格与进取度因子j和进取率因子l的关系如下，进取度因子越大，趋近目标报价的速度越快；不同微网的目标价格可以表示为
式中，γin,b、γin,s、γex,b和γex,s分别为内缘买方、内缘卖方、外缘买方和外缘卖方的目标报价；v、c分别是买方微网和卖方微网的购电估价和售电估价；MIN、MAX 分别是市场规定最低购电价和最高售电价格。
进一步的，在步骤S3中，
采用双向拍卖机制建立日前分布式电能交易市场，并基于区块链分布式信息储存技术保障市场交易的安全性和可追溯性；包括以下八个步骤：
1)区域内所有微网制定好日前鲁棒性调度方案后，把方案中的每小时的购电或售电的电量以及根据市场估计的预期购买或销售价格上传到多微网交易服务器中；
2)多微网交易服务器根据微网上传的各时段的购售电量，判定该时段为买方市场还是卖方市场；
3)若为买方市场，多微网交易服务器将发送买方信息给所有卖方以供卖方竞争报价；若为卖方市场，多微网交易服务器将发送卖方信息给所有买方以供买方竞争报价；
4)以卖方市场为例：当多微网交易服务器判定当前轮次当前时段为卖方交易市场后，所有买方微网就会收到多微网交易服务器所发送的所有卖方微网的售电量和报价信息；
5)买方微网根据收到的卖方微网购电量及预期售价进行筛选，以卖方微网预期售价低于自身预期购电价格为最低标准选择出最优的卖方微网；并根据此卖方微网给出的预期售电价格和自身预期购电价格依据市场的竞争程度给出报价后生成报价请求发送到此卖方微网中；
6)若卖方微网收到一个报价，则与此买方微网达成交易；若卖方微网收到多个报价，则根据“价格优先，时间优先”的原则选择最优买方微网达成交易；
7)在进行完一轮交易匹配后，微网将核算更新购售电电量信息；区域内的微网通过多微网交易服务器的协助采用自适应报价的方法来确定的微网间相互交易的电量PMic(t)和交易电价
应满足市场清算约束式如下；
式中：PMic(t)表示微网i和j在t时刻的交易能量，
表示与交易能量有关的成交价格；如果微网i在t时刻从j微网购买电量，那么
否则，
同理，如果微网i付款给微网j，那么
否则微网i收到微网j的付款
8)若有卖方微网的电量未售完，则开始下一轮交易；卖方微网根据市场的竞争程度调整报价并上传到多微网交易服务器中，返回步骤(2)进行交易，直到所有卖方微网的电量售完；若卖方微网的所有电量已经全部售完，则未购得电量的买方微网向配电网购买电量以平衡自身电量；
买方市场同理；
区块链分布式记账技术的实施过程如下所述：
当多微网交易服务器判定当前市场为卖方市场时；所有买方微网参与竞价，故买方微网拥有的信息资源要高于卖方微网所拥有的信息；为了提高记账效率，在卖方市场中由买家记账，同理在买方市场由卖家记账；
在上述去中心化交易过程中，分布式账本的形成将穿插在交易过程中，
最后所有买方微网根据卖方微网的售电量信息核查分布式账本的完整性，并向未记账完全的卖方微网申请记账，该卖方微网接收到申请后把此次交易中的所有轮次交易信息发送给买方微网协助完成记账；
买方微网记账完成后，将分布式账本发送给所有的卖方微网，卖方微网接收到所有买方微网分布式账本后进行比对，选择相同程度最高的一份作为本次交易的最终分布式账本保存；
买方市场同理。
与现有技术相比，本发明所具有的有益效果为：
本方案的一个创新点在于，本交易方法可以有效减少微网的运行成本，能够有效增加微网中可再生能源的消纳量，同时保障了微网在参与多微网交易市场进行交易时的安全性。
附图说明
图1是本发明具体实施方式的多微网市场交易方法示意图。
图2是本发明具体实施方式的多微网日前电能交易市场结构示意图。
图3是本发明具体实施方式的鲁棒模型求解流程示意图。
图4是本发明具体实施方式的进取性模型示意图。
图5是本发明具体实施方式的多微网交易流程示意图。
图6是本发明具体实施方式的各微网未参与多微网交易情况下的机组出力计划图。
图7是本发明具体实施方式的各微网参与多微网交易情况下的机组出力计划图
图8是本发明具体实施方式的各微网中的机组参数表，即表1。
图9是本发明具体实施方式的单微网日前调度方案中的各微网运行成本表，即表2。
图10是本发明具体实施方式的各微网参与多微网交易每轮的成本表，即表3。
图11是本发明具体实施方式的未参与多微网交易与参与多微网交易购电成本对比表，即表4。
具体实施方式
下面结合本发明的附图1-11，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1：
现有技术中，针对多微网群交易的研究主要是以微网群总运行成本最低为目标，建立集中式优化调度模型。然而传统集中式交易服务平台存在平台维护成本高、交易效率低、信息安全性较差等问题。区块链技术具有去中心化、公共信息公开透明、交易速度快、交易信息可追溯且不可篡改等优势，在电力市场、能源互联网等领域被广泛运用。是解决传统集中式交易服务平台存在缺陷的有力方法。
因此，提出一种基于区块链分布式数据存储多微网日前鲁棒电能交易方法。
针对现有微网消纳新能源和传统多微网交易方法的困境，通过分析区域微网电能交易的特点，综合考虑单微网中可再生能源出力的不确定性、各微网的运行调度计划对市场价格波动的响应程度、多微网交易市场中信息的安全性和可再生能源不确定性对多微网交易的影响等问题，提出了一种以区块链分布式信息存储系统和分布式交易技术为基础的多微网分布式日前鲁棒电力交易方法。
本交易方法流程图如图1所示。交易方法分为三个模块，包括微能源网鲁棒调度计划、自适应报价策略和分布式交易过程。
交易方法首先由微能源网运用鲁棒优化算法优化出在最恶劣可再生能源出力场景下的微网最优运行调度方案；
其次，各微网所优化出的运行调度方案上传到多微网交易服务器中，由多微网交易服务器判定当前交易市场模式后把各微网信息传输到其余微网；
然后，各微网通过接收到的交易信息，依据自适应报价策略方法得出微网报价或售价并发送到相应的微网；
最后，收到交易请求的微网依据分布式交易过程的规则进行匹配并完成交易。具体模块功能如下所述。
微能源网鲁棒调度计划模块：
微能源网鲁棒调度计划的制定需要对微网进行建模，本发明所提的多微网模型如图2所示，多微网模型包括配电网运营商、连接在配网中的微网和微网运营商以及多微网交易服务器。在构建区块链分布式交易平台中，各主体通过区块链网络传递数据。在区块链网络中，配电网运营商节点负责协助平衡多微网交易市场中参与者的电负荷；多微网交易服务器是一个特殊节点，负责协助完成多微网市场确定交易模式和交易计划；微网运营商节点是最小的能量管理模块，负责通过制定运行调度策略以在成本最低的前提下满足微网内的能量平衡。本发明所涉及的具体微网类型和所设计的能量管理策略如下所述。
本发明设计的多微网模型涉及的微网分为4种不同类型：含有风力发电和光伏发电的热电联供型微能源网、含有风力发电的热电联供型微能源网、含有光伏发电的传统微电网和含有光伏发电的热电联供型微能源网，微网中包含的其他机组如图 2所示。具体来说微网i在t时段参与多微网交易市场制定调度计划的策略为：
1)微网优先利用可再生能源的出力来平衡电负荷。当可再生能源机组出力无法平衡电负荷时，由微网内部的燃气轮机、燃料电池机组出力平衡。若当微网所述以上设备出力大于负荷需求时，则根据蓄电池的荷电状态，确定蓄电池充电功率的大小，无法消纳的部分则售向多微网市场。若当微网所述以上设备出力不能满足负荷需求，缺额的部分优先由蓄电池提供，当蓄电池无法提供输出功率时，则向多微网市场发出交易请求以满足电平衡约束。若经多微网市场交易仍无法满足电功率平衡约束，则向配电网购买。若微网在多微网市场无法售出所有电量，则所剩余得电量低价售给配电网。
2)热负荷由燃气轮机和燃气锅炉平衡。燃气锅炉燃烧燃气产生电能，同时排出的废热被余热回收装置回收后供给热负荷。储热罐根据燃气轮机的余热量灵活储放热以平衡热负荷。燃气锅炉在热平衡无法由燃气轮机余热、储热罐储放热平衡的情况下制热补足。
单微网在以上运行策略的基础上，以自身在最恶劣分布式电源出力下的经济运行为目标，采用鲁棒优化刻画可再生能源的不确定参数，并运用双层优化交互迭代求解，求得的解即为微网在最恶劣可再生能源出力场景下的机组运行方案。具体数学模型如下所述。
考虑可再生能源不确定性的微网日前经济调度内外层鲁棒模型可描述为
式中：优化变量σ为日前调度方案；内层优化变量κ为日前调度方案σ的执行调控方案；为提高微网对可再生能源的消纳能力，内层引入弃可再生能源的惩罚项，该项包含不确定参数
为微网内分布式电源机组的出力；Φ为可调鲁棒参数；ED(σ) 为微网日前运行成本；
为微网日前调度方案σ的执行调控成本；BD(σ)＝0和 UD(σ)≤0包括微能源网的能量平衡约束、微网各运行单元自身的相关约束等；
和
包括微网调控层的能量平衡约束、微网各可控运行单元的调控约束等；BMic＝0、UMic＜0为多微网交易中的约束。
ED(σ)为微网日前运行成本，包括微型燃气轮机的运行成本、燃料电池的运行成本、与配电网交易的成本和在多微网市场中交易的成本。具体表达式为
ED(σ)＝EMT+EF+EG+EMic
式中：EMT为微型燃气轮机的运行成本，包括成本参数αMT、βMT和t时刻微型燃气轮机的出力PMT(t)；EF为燃料电池的运行成本，包括成本参数αF、βF和t时刻微型燃气轮机的出力PF(t)；EG为微网在t时刻与配电网交易的成本，包括t时刻的购电功率
与售电功率
以及t时刻的购电电价
和售电电价
EMic为微网在 t时刻在多微网市场的交易成本，包括t时刻的购电功率
与售电功率
以及 t时刻的购电电价
和售电电价
BD(σ)＝0、UD(σ)≤0分别为微网日前运行下的能量平衡约束和机组自身约束，具体表达式如下。
能量平衡约束
式中：
表示蓄电池i在t时刻的充放电量；
为可再生能源的预测出力，此发明中可再生能源包括风力发电机组和光伏发电机组；PBo(t)为t时刻电锅炉消耗的电量；PLoad(t)为t时刻的电负荷量。
机组自身约束包括可控机组运行约束和储能运行约束，具体表达为
式中：
分别为可控机组i的出力上下限；
为可控机组i在时间t 的运行状态，为0-1变量；
为可控机组i的上下爬坡极限功率。
式中：
分别为蓄电池i在t时刻的充放电状态；
分别为蓄电池i的充放电功率上下限；
为蓄电池i在t时刻的容量；
分别为为蓄电池的自损耗率和充放电效率；
分别为储能容量上下限；T为固定运行周期。
可再生能源发电机组出力具有不确定性。风力发电机组和光伏发电机组的不确定性出力可以描述为下式
式中：
分别为t时刻风机、光伏出力；
分别为风机出力上下限；
分别为光伏出力上下限。
可再生能源发电机组出力在连续时间段内很少出现同时是最恶劣场景情况，为避免优化结果的鲁棒性较强，引入可调参数Γ约束可再生能源在各时段的出力取值。故可再生能源机组出力还需满足以下约束式
式中：
分别为t时刻预测风电、光伏出力；
分别为t时刻预测风电、光伏出力；
分别表示风机和光伏在t时刻出力的上下波动范围；
是0-1变量，表示风机在t时刻出力与风机预测出力的关系，若风机出力大于预测出力则
反之，
表示光伏出力的状态，不再赘述。
考虑可再生能源不确定性的微网日前经济调度内外层鲁棒模型的自变量σ和因变量κ相互影响，这决定了模型无法一次求解，因此采用列约束生成算法把模型分解为主问题和子问题。分解后子问题的max-min结构难以直接解出，因此采用线性优化强对偶理论将max-min结构转化为max结构，再采用大M法对此结构进行线性化处理，最终表达式如下
式中：θ为子问题的理想最优解；a、b、c为目标函数中的系数矩阵； A、C、D、d、f为等式约束的系数矩阵；B、E、F、G、e、i为不等式约束的系数矩阵。
式中：
分别为风电出力不确定区间上下限；ξ+、ξ-分别代表ξ的正负取值；
为新引入的0-1辅助变量；α、β、ψ为对偶变量；ξ为辅助变量。
综上所述，模型分解后的求解步骤如图3所示，具体可表述为
步骤1：设定初始可再生能源出力恶劣场景
和收敛间隙ε≈0，置迭代次数k＝1。初始化此优化问题的上下限为无穷大。
步骤2：将恶劣场景集
代入主问题进行求解，求解得场景i下的最优解(σk,κi)，此最优解可更新优化问题的下界。
步骤3：σk为已知条件，那么子问题便可求解出场景i下的最优解
取下一个最恶劣场景
为
并更新此优化问题的上界为子问题的目标函数值与主问题所得
之和。
步骤4：判断上下界的间隙是否满足条件ε≈0，若是则返回最优解；否则，增加最恶劣分布式能源出力场景
并返回步骤2。
自适应报价策略模块：
单微网的优化结果包括微网中的各机组出力和微网所需的购售电总量。单微网得到调度运行结果之后将制定的调度计划上报给多微网交易服务器，多微网交易服务器为提高市场竞争性，将多微网市场中的交易分为两种模式，一是买方市场交易模式，该模式中，所有卖方待售电量大于买方欲购电量。二是卖方市场交易模式。该模式中，所有买方欲购电量大于卖方待售电量。
在分布式电源渗透率较高的配电网系统中，各微网的供给与需求具有很强的随机性和波动性，为了提高多微网交易市场的交易效率，让微网的报价有所依据并且相对合理、更符合市场的波动。本模块将根据分布式信息储存系统记录的历史成交信息给出买方微网和卖方微网的报价策略。自适应性进取报价机制由竞争均衡价格估计、进取性模型、近期和远期自适应学习组成。
竞争均衡价格表示在多微网交易市场中买方微网与卖方微网竞争的均衡状态。买卖双方微网都无法以己之力左右市场动向，所以双方的成交价格会逐渐趋近于竞争均衡价格。但是某轮的竞争均衡价格无法在此轮得到，必须通过分布式账本中记录的近期n笔交易信息通过算式计算得到。
式中：S*表示竞争均衡价格；(δm-n+1,…,δm)表示最近n笔交易的权重，δi表示第i笔交易的权重；(Sm-n+1,…,Sm)表示最近n笔交易的成交价格，Si表示第i笔交易的成交价格；m表示最近的一笔交易。越近期发生交易对竞争均衡价格的影响越大，δi满足约束为下式。
δm＝1
δi-1＝ε·δi
式中：ε表示第i-1笔交易对于第i笔交易来说的重要性程度。
在买方市场和卖方市场中，进取性模型体现出参与竞价的微网对竞价成功的意愿强烈程度。在买方市场中，卖方微网售电意愿强烈，则会对相应的买方微网提供更低的售电报价；在卖方市场中，买方微网购电意愿强烈，则会对相应的卖方微网提供更高的购电报价。
根据多微网交易市场中微网的购售电估价，购售电双方微网可以分成内缘买方微网、外缘买方微网、内缘卖方微网和外缘卖方微网。内缘买方微网表示买方微网的购电估价高于竞争均衡价格，外缘买方微网表示买方微网的购电估价低于竞争均衡价格。内缘卖方微网表示卖方微网的售电估价低于竞争均衡价格，外缘卖方微网表示卖方微网的售电估价高于竞争均衡价格。
进取性模型根据竞争均衡价格、自身对竞价成功的意愿强烈和多微网交易市场的价格波动程度进行报价。上述后两项运用两个因子的数值来反映：进取度因子j和进取率因子l。j反映了微网的进取性的强烈程度，代表了微网达成交易的意愿强烈程度，j为[-1，1]的实数，j越接近于1，则市场主体竞价的愿望越强烈，j越接近于-1，则市场主体竞价的愿望越消极，j等于0时表明市场主体对交易持中立的态度。l反映了微网所在市场的市场价格波动程度，当l越小时，j＝0附近的目标报价变化较快，反之则变化较慢。当市场价格波动幅度较大时，微网通过减小l使得目标价格快速收敛到均衡价格附近；当市场价格波动幅度较小时，则收敛速度可适当减慢。进取性模型中的j和l根据分布式账本的记账信息分别通过短期学习和长期学习进行调整。
短期学习的调整结果由下式计算得出。
j(t+1)＝j(t)+θ1[(1+ο)jd(t-1)-j(t)]
式中：j(t)表示t轮交易的进取度；jd(t)表示t轮交易最优报价对应的进取度；ο为理想进度因子，当ο＝-0.05，表示该代理通过减小进取度，提高自身收益，当ο＝0.05，表示该代理通过增加进取度，提高交易成功概率；θ1∈(0,1)表示短期学习速度。
长期学习的调整结果由下式计算得出。
式中：χ为近期轮n笔交易成交价标准差的归一化值，反映了市场价格波动情况；θ2∈(0,1)为远期学习速度；l'(α)是一个关于χ的函数，可以通过市场历史成交价格波动情况找到最优的l(t+1)，函数关系式可表示为下式。
式中：lmin和lmax分别为l的限值；χmin和χmax分别为χ的最小值和最大值。
进取性模型的目标价格与进取度因子j和进取率因子l的关系如图4所示。进取度因子越大，趋近目标报价的速度越快。不同微网的目标价格可以表示为
式中，γin,b、γin,s、γex,b和γex,s分别为内缘买方、内缘卖方、外缘买方和外缘卖方的目标报价；v、c分别是买方微网和卖方微网的购电估价和售电估价；MIN、MAX分别是市场规定最低购电价和最高售电价格。
分布式交易过程模块：
本发明采用双向拍卖机制建立日前分布式电能交易市场，并基于区块链分布式信息储存技术保障市场交易的安全性和可追溯性。具体交易流程如图5所示，包括以下八个步骤。
1)区域内所有微网制定好日前鲁棒性调度方案后，把方案中的每小时的购电(售电)电量以及根据市场估计的预期购买(销售)价格上传到多微网交易服务器中。
2)多微网交易服务器根据微网上传的各时段的购售电量，判定该时段为买方市场还是卖方市场。
3)若为买方市场，多微网交易服务器将发送买方信息给所有卖方以供卖方竞争报价；若为卖方市场，多微网交易服务器将发送卖方信息给所有买方以供买方竞争报价。
4)以卖方市场为例：当多微网交易服务器判定当前轮次当前时段为卖方交易市场后，所有买方微网就会收到多微网交易服务器所发送的所有卖方微网的售电量和报价信息。
5)买方微网根据收到的卖方微网购电量及预期售价进行筛选，以卖方微网预期售价低于自身预期购电价格为最低标准选择出最优的卖方微网。并根据此卖方微网给出的预期售电价格和自身预期购电价格依据市场的竞争程度给出报价后生成报价请求发送到此卖方微网中。
6)若卖方微网收到一个报价，则与此买方微网达成交易；若卖方微网收到多个报价，则根据“价格优先，时间优先”的原则选择最优买方微网达成交易。
7)在进行完一轮交易匹配后，微网将核算更新购售电电量信息。区域内的微网通过多微网交易服务器的协助采用自适应报价的方法来确定的微网间相互交易的电量PMic(t)和交易电价
应满足市场清算约束式如下。
式中：PMic(t)表示微网i和j在t时刻的交易能量，
表示与交易能量有关的成交价格。如果微网i在t时刻从j微网购买电量，那么
否则，
同理，如果微网i付款给微网j，那么
否则微网i收到微网j的付款
8)若有卖方微网的电量未售完，则开始下一轮交易。卖方微网根据市场的竞争程度调整报价并上传到多微网交易服务器中，返回步骤(2)进行交易，直到所有卖方微网的电量售完；若卖方微网的所有电量已经全部售完，则未购得电量的买方微网向配电网购买电量以平衡自身电量。
买方市场同理，在此不再赘述。
区块链分布式记账技术的实施过程如下所述。
当多微网交易服务器判定当前市场为卖方市场时。所有买方微网参与竞价，故买方微网拥有的信息资源要高于卖方微网所拥有的信息。为了提高记账效率，在卖方市场中由买家记账，同理在买方市场由卖家记账。
在上述去中心化交易过程中，分布式账本的形成将穿插在交易过程中，具体的记账步骤以卖方市场为例：
第一步记账：以上交易过程所述步骤六卖方微网收到一个或多个报价后，根据“价格优先，时间优先”的原则选择交易对象并达成交易。达成交易后需把交易信息(包含此轮交易成功的买方微网对象与此轮其他请求交易的买方微网对象的请求交易电量与报价)返回给所有申请交易的买方微网。这样所有买方微网都记录下了第一轮与之竞争的买方微网交易信息。
第二步记账：第一轮交易结束后，未达成交易的买方微网根据未售完电量的卖方微网调整后的售电量以及预期售电电价进行再次报价。报价生成后发送交易请求，与上轮记账相似，区别在于此轮卖方微网需将上一轮的交易信息同时返回给此轮申请交易的买方微网。若交易尚未结束，则进行第三轮交易记账，记账模式与上述方式相同，记账直到交易结束。
最后所有买方微网根据卖方微网的售电量信息核查分布式账本的完整性，并向未记账完全(存在售电量缺额)的卖方微网申请记账，该卖方微网接收到申请后把此次交易中的所有轮次交易信息发送给买方微网协助完成记账。
买方微网记账完成后，将分布式账本发送给所有的卖方微网，卖方微网接收到所有买方微网分布式账本后进行比对，选择相同程度最高的一份作为本次交易的最终分布式账本保存。
买方市场同理，在此不再赘述。
实施例2：
本发明实施例2采用四个不同类型微电网组成的多微电网，针对本发明所提典型多微网日前调度与交易的情形验证本发明的正确性。多微网系统拓扑图如图2所示。
各微网中的机组参数见表1。微网与电网的购电电价为1.5元、售电电价为0.45元。优化周期T为24h，时间间隔1h。
求解单微网鲁棒性调度计划：
设定各微网的可调鲁棒参数Γ1＝Γ2＝Γ3＝Γ4＝10。根据文中所提方法，微网1-4分别经过8、5、3、6次迭代获得最优解。各微网在此情况下的各机组出力和储能充放功率见图6。上述日前调度方案中的各微网运行成本见表2，表格中购电成本为负值表示该微网售电。
求解考虑多微网市场交易的调度与交易计划：
在多微网交易市场中，设定自适应报价因子θmin＝-8、θmax＝-8、αmin＝0.02、αmax＝0.15。为保证市场交易速度，假设每个微网在交易开始都是进取的，设定微网的初始进取因子r＝0.1。微网间联络线的最大传输功率为600kW。
表3为前三轮各微网参与多微网交易每轮的日前鲁棒调度计划的运行成本。以微网群体利益最大化为目标，可见第二轮的微网群总成本是最低的，故选取第二轮的交易计划为最终多微网交易计划。第二轮中各微网的机组出力如图7所示。
表4为各微网参与多微网交易与未参与多微网交易获利情况的对比。由表4可知，各微网参与多微网交易比未参与多微网交易花费更少的运行成本。结果证明在鲁棒调度计划中引入分布式交易智能合约对降低微网运行成本的有效性。
以上是本发明的较佳实施例，凡依本发明技术方案所作的改变，所产生的功能作用未超出本发明技术方案的范围时，均属于本发明的保护范围。
Claims (6)
1.一种基于区块链分布式数据存储多微网日前鲁棒电能交易方法，其特征在于，包括以下步骤：
S1、建立单微网运行双层模型，对微网双层模型进行优化调度；微网运用可调鲁棒优化算法计算出在最恶劣可再生能源出力场景下的微网经济最优运行调度方案；
S2、建立自适应报价模型，为单微网提供自适应报价策略；各微网所优化出的运行调度方案上传到多微网交易服务器中，由多微网交易服务器判定当前交易市场模式后把各微网信息传输到其余微网，各微网依据收到的其余各微网信息进行自适应报价；
S3、构建区块链分布式交易平台，微网在此平台上实现集群分布式交易；各微网得出其购电报价或售电报价后发送给相应的微网，收到交易请求的微网依据分布式交易过程的规则进行交易匹配并完成交易。
2.如权利要求1所述的一种基于区块链分布式数据存储多微网日前鲁棒电能交易方法，其特征在于，在步骤S1中，需要对微网进行多微网建模，多微网模型包括配电网运营商、连接在配网中的微网和微网运营商以及多微网交易服务器；
在构建区块链分布式交易平台中，各主体通过区块链网络传递数据。在区块链网络中，配电网运营商节点负责协助平衡多微网交易市场中参与者的电负荷；多微网交易服务器是一个特殊节点，负责协助完成多微网市场确定交易模式和交易计划；微网运营商节点是最小的能量管理模块，负责通过制定运行调度策略以在成本最低的前提下满足微网内的能量平衡；
多微网模型涉及的微网分为4种不同类型：含有风力发电和光伏发电的热电联供型微网、含有风力发电的热电联供型微网、含有光伏发电的传统微电网和含有光伏发电的热电联供型微网。
3.如权利要求2所述的基于区块链分布式数据存储多微网日前鲁棒电能交易方法，其特征在于，微网i在t时段参与多微网交易市场制定调度计划的策略为：
1)微网优先利用可再生能源的出力来平衡电负荷；当可再生能源机组出力无法平衡电负荷时，由微网内部的燃气轮机、燃料电池机组出力平衡；若当微网以上设备出力大于负荷需求时，则根据蓄电池的荷电状态，确定蓄电池充电功率的大小，无法消纳的部分则售向多微网市场；若当微网以上设备出力不能满足负荷需求，缺额的部分优先由蓄电池提供，当蓄电池无法提供输出功率时，则向多微网市场发出交易请求以满足电平衡约束；若经多微网市场交易仍无法满足电功率平衡约束，则向配电网购买；若微网在多微网市场无法售出所有电量，则所剩余得电量低价售给配电网；
2)热负荷由燃气轮机和燃气锅炉平衡；燃气锅炉燃烧燃气产生电能，同时排出的废热被余热回收装置回收后供给热负荷；储热罐根据燃气轮机的余热量灵活储放热以平衡热负荷；燃气锅炉在热平衡无法由燃气轮机余热、储热罐储放热平衡的情况下制热补足。
4.如权利要求3所述的基于区块链分布式数据存储多微网日前鲁棒电能交易方法，其特征在于，单微网在以上运行策略的基础上，以自身在最恶劣分布式电源出力下的经济运行为目标，采用鲁棒优化刻画可再生能源的不确定参数，并运用双层优化交互迭代求解，求得的解即为微网在最恶劣可再生能源出力场景下的机组运行方案；具体数学模型如下：
考虑可再生能源不确定性的微网日前经济调度内外层鲁棒模型可描述为
式中：优化变量σ为日前调度方案；内层优化变量κ为日前调度方案σ的执行调控方案；为提高微网对可再生能源的消纳能力，内层引入弃可再生能源的惩罚项，该项包含不确定参数
为微网内分布式电源机组的出力；Φ为可调鲁棒参数；ED(σ)为微网日前运行成本；
为微网日前调度方案σ的执行调控成本；BD(σ)＝0和UD(σ)≤0包括微网的能量平衡约束、微网各运行单元自身的相关约束；
和
包括微网调控层的能量平衡约束、微网各可控运行单元的调控约束等；BMic＝0、UMic＜0为多微网交易中的约束；
ED(σ)为微网日前运行成本，包括微型燃气轮机的运行成本、燃料电池的运行成本、与配电网交易的成本和在多微网市场中交易的成本；具体表达式为
ED(σ)＝EMT+EF+EG+EMic
式中：EMT为微型燃气轮机的运行成本，包括成本参数αMT、βMT和t时刻微型燃气轮机的出力PMT(t)；EF为燃料电池的运行成本，包括成本参数αF、βF和t时刻微型燃气轮机的出力PF(t)；EG为微网在t时刻与配电网交易的成本，包括t时刻的购电功率
与售电功率
以及t时刻的购电电价
和售电电价
EMic为微网在t时刻在多微网市场的交易成本，包括t时刻的购电功率
与售电功率
以及t时刻的购电电价
和售电电价
BD(σ)＝0、UD(σ)≤0分别为微网日前运行下的能量平衡约束和机组自身约束，具体表达式如下；
能量平衡约束：
式中：
表示蓄电池i在t时刻的充放电量；
为可再生能源的预测出力，其中可再生能源包括风力发电机组和光伏发电机组；PBo(t)为t时刻电锅炉消耗的电量；PLoad(t)为t时刻的电负荷量；
机组自身约束包括可控机组运行约束和储能运行约束，具体表达为
式中：
分别为可控机组i的出力上下限；
为可控机组i在时间t的运行状态，为0-1变量；
为可控机组i的上下爬坡极限功率；
式中：
分别为蓄电池i在t时刻的充放电状态；
分别为蓄电池i的充放电功率上下限；
为蓄电池i在t时刻的容量；
分别为为蓄电池的自损耗率和充放电效率；
分别为储能容量上下限；T为固定运行周期；
可再生能源发电机组出力具有不确定性；风力发电机组和光伏发电机组的不确定性出力可以描述为下式
式中：
分别为t时刻风机、光伏出力；
分别为风机出力上下限；
分别为光伏出力上下限；
为避免优化结果的鲁棒性较强，引入可调参数Γ约束可再生能源在各时段的出力取值；故可再生能源机组出力还需满足以下约束式
式中：
分别为t时刻预测风电、光伏出力；
分别为t时刻预测风电、光伏出力；
分别表示风机和光伏在t时刻出力的上下波动范围；
是0-1变量，表示风机在t时刻出力与风机预测出力的关系，若风机出力大于预测出力则
反之，
表示光伏出力的状态；
考虑可再生能源不确定性的微网日前经济调度内外层鲁棒模型的自变量σ和因变量κ相互影响，这决定了模型无法一次求解，因此采用列约束生成算法把模型分解为主问题和子问题；分解后子问题的max-min结构难以直接解出，因此采用线性优化强对偶理论将max-min结构转化为max结构，再采用大M法对此结构进行线性化处理，最终表达式如下
式中：θ为子问题的理想最优解；a、b、c为目标函数中的系数矩阵；A、C、D、d、f为等式约束的系数矩阵；B、E、F、G、e、i为不等式约束的系数矩阵；
式中：
分别为风电出力不确定区间上下限；ξ+、ξ-分别代表ξ的正负取值；
为新引入的0-1辅助变量；α、β、ψ为对偶变量；ξ为辅助变量；
综上所述，模型分解后的求解步骤具体可表述为
步骤1：设定初始可再生能源出力恶劣场景
和收敛间隙ε≈0，置迭代次数k＝1；初始化此优化问题的上下限为无穷大；
步骤2：将恶劣场景集
代入主问题进行求解，求解得场景i下的最优解(σk,κi)，此最优解可更新优化问题的下界；
步骤3：σk为已知条件，那么子问题便可求解出场景i下的最优解
取下一个最恶劣场景
为
并更新此优化问题的上界为子问题的目标函数值与主问题所得aTσk之和；
步骤4：判断上下界的间隙是否满足条件ε≈0，若是则返回最优解；否则，增加最恶劣分布式能源出力场景
并返回步骤2。
5.如权利要求1所述的基于区块链分布式数据存储多微网日前鲁棒电能交易方法，其特征在于，在步骤S2中，
单微网的优化结果包括微网中的各机组出力和微网所需的购售电总量；单微网得到调度运行结果之后将制定的调度计划上报给多微网交易服务器，多微网交易服务器为提高市场竞争性，将多微网市场中的交易分为两种模式，一是买方市场交易模式，该模式中，所有卖方待售电量大于买方欲购电量；二是卖方市场交易模式，该模式中，所有买方欲购电量大于卖方待售电量；
在分布式电源渗透率较高的配电网系统中，将根据分布式信息储存系统记录的历史成交信息给出买方微网和卖方微网的报价策略；自适应性进取报价机制由竞争均衡价格估计、进取性模型、近期和远期自适应学习组成；
竞争均衡价格表示在多微网交易市场中买方微网与卖方微网竞争的均衡状态；买卖双方微网都无法以己之力左右市场动向，所以双方的成交价格会逐渐趋近于竞争均衡价格；但是某轮的竞争均衡价格无法在此轮得到，必须通过分布式账本中记录的近期n笔交易信息通过算式计算得到；
式中：S*表示竞争均衡价格；(δm-n+1,…,δm)表示最近n笔交易的权重，δi表示第i笔交易的权重；(Sm-n+1,…,Sm)表示最近n笔交易的成交价格，Si表示第i笔交易的成交价格；m表示最近的一笔交易；越近期发生交易对竞争均衡价格的影响越大，δi满足约束为下式；
δm＝1
δi-1＝ε·δi
式中：ε表示第i-1笔交易对于第i笔交易来说的重要性程度；
在买方市场和卖方市场中，进取性模型体现出参与竞价的微网对竞价成功的意愿强烈程度；在买方市场中，卖方微网售电意愿强烈，则会对相应的买方微网提供更低的售电报价；在卖方市场中，买方微网购电意愿强烈，则会对相应的卖方微网提供更高的购电报价；
根据多微网交易市场中微网的购售电估价，购售电双方微网可以分成内缘买方微网、外缘买方微网、内缘卖方微网和外缘卖方微网；内缘买方微网表示买方微网的购电估价高于竞争均衡价格，外缘买方微网表示买方微网的购电估价低于竞争均衡价格；内缘卖方微网表示卖方微网的售电估价低于竞争均衡价格，外缘卖方微网表示卖方微网的售电估价高于竞争均衡价格；
进取性模型根据竞争均衡价格、自身对竞价成功的意愿强烈和多微网交易市场的价格波动程度进行报价；上述后两项运用两个因子的数值来反映：进取度因子j和进取率因子l；j反映了微网的进取性的强烈程度，代表了微网达成交易的意愿强烈程度，j为[-1，1]的实数，j越接近于1，则市场主体竞价的愿望越强烈，j越接近于-1，则市场主体竞价的愿望越消极，j等于0时表明市场主体对交易持中立的态度；l反映了微网所在市场的市场价格波动程度，当l越小时，j＝0附近的目标报价变化较快，反之则变化较慢；当市场价格波动幅度较大时，微网通过减小l使得目标价格快速收敛到均衡价格附近；当市场价格波动幅度较小时，则收敛速度可适当减慢；进取性模型中的j和l根据分布式账本的记账信息分别通过短期学习和长期学习进行调整；
短期学习的调整结果由下式计算得出；
式中：j(t)表示t轮交易的进取度；jd(t)表示t轮交易最优报价对应的进取度；ο为理想进度因子，当ο＝-0.05，表示该代理通过减小进取度，提高自身收益，当ο＝0.05，表示该代理通过增加进取度，提高交易成功概率；
表示短期学习速度；
长期学习的调整结果由下式计算得出；
式中：χ为近期轮n笔交易成交价标准差的归一化值，反映了市场价格波动情况；
为远期学习速度；l'(α)是一个关于χ的函数，可以通过市场历史成交价格波动情况找到最优的l(t+1)，函数关系式可表示为下式；
式中：lmin和lmax分别为l的限值；χmin和χmax分别为χ的最小值和最大值；
进取性模型的目标价格与进取度因子j和进取率因子l的关系如下，进取度因子越大，趋近目标报价的速度越快；不同微网的目标价格可以表示为
式中，γin,b、γin,s、γex,b和γex,s分别为内缘买方、内缘卖方、外缘买方和外缘卖方的目标报价；v、c分别是买方微网和卖方微网的购电估价和售电估价；MIN、MAX分别是市场规定最低购电价和最高售电价格。
6.如权利要求1所述的基于区块链分布式数据存储多微网日前鲁棒电能交易方法，其特征在于，在步骤S3中，
采用双向拍卖机制建立日前分布式电能交易市场，并基于区块链分布式信息储存技术保障市场交易的安全性和可追溯性；包括以下八个步骤：
1)区域内所有微网制定好日前鲁棒性调度方案后，把方案中的每小时的购电或售电的电量以及根据市场估计的预期购买或销售价格上传到多微网交易服务器中；
2)多微网交易服务器根据微网上传的各时段的购售电量，判定该时段为买方市场还是卖方市场；
3)若为买方市场，多微网交易服务器将发送买方信息给所有卖方以供卖方竞争报价；若为卖方市场，多微网交易服务器将发送卖方信息给所有买方以供买方竞争报价；
4)以卖方市场为例：当多微网交易服务器判定当前轮次当前时段为卖方交易市场后，所有买方微网就会收到多微网交易服务器所发送的所有卖方微网的售电量和报价信息；
5)买方微网根据收到的卖方微网购电量及预期售价进行筛选，以卖方微网预期售价低于自身预期购电价格为最低标准选择出最优的卖方微网；并根据此卖方微网给出的预期售电价格和自身预期购电价格依据市场的竞争程度给出报价后生成报价请求发送到此卖方微网中；
6)若卖方微网收到一个报价，则与此买方微网达成交易；若卖方微网收到多个报价，则根据“价格优先，时间优先”的原则选择最优买方微网达成交易；
7)在进行完一轮交易匹配后，微网将核算更新购售电电量信息；区域内的微网通过多微网交易服务器的协助采用自适应报价的方法来确定的微网间相互交易的电量PMic(t)和交易电价
应满足市场清算约束式如下；
式中：PMic(t)表示微网i和j在t时刻的交易能量，
表示与交易能量有关的成交价格；如果微网i在t时刻从j微网购买电量，那么
否则，
同理，如果微网i付款给微网j，那么
否则微网i收到微网j的付款
8)若有卖方微网的电量未售完，则开始下一轮交易；卖方微网根据市场的竞争程度调整报价并上传到多微网交易服务器中，返回步骤(2)进行交易，直到所有卖方微网的电量售完；若卖方微网的所有电量已经全部售完，则未购得电量的买方微网向配电网购买电量以平衡自身电量；
买方市场同理；
区块链分布式记账技术的实施过程如下所述：
当多微网交易服务器判定当前市场为卖方市场时；所有买方微网参与竞价，故买方微网拥有的信息资源要高于卖方微网所拥有的信息；为了提高记账效率，在卖方市场中由买家记账，同理在买方市场由卖家记账；
在上述去中心化交易过程中，分布式账本的形成将穿插在交易过程中；
最后所有买方微网根据卖方微网的售电量信息核查分布式账本的完整性，并向未记账完全的卖方微网申请记账，该卖方微网接收到申请后把此次交易中的所有轮次交易信息发送给买方微网协助完成记账；
买方微网记账完成后，将分布式账本发送给所有的卖方微网，卖方微网接收到所有买方微网分布式账本后进行比对，选择相同程度最高的一份作为本次交易的最终分布式账本保存；
买方市场同理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011010711.9A CN112381263B (zh) | 2020-09-23 | 2020-09-23 | 基于区块链分布式数据存储多微网日前鲁棒电能交易方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011010711.9A CN112381263B (zh) | 2020-09-23 | 2020-09-23 | 基于区块链分布式数据存储多微网日前鲁棒电能交易方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112381263A true CN112381263A (zh) | 2021-02-19 |
| CN112381263B CN112381263B (zh) | 2023-07-14 |
Family
ID=74586209
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011010711.9A Active CN112381263B (zh) | 2020-09-23 | 2020-09-23 | 基于区块链分布式数据存储多微网日前鲁棒电能交易方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112381263B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113078652A (zh) * | 2021-03-10 | 2021-07-06 | 国网上海市电力公司 | 虚拟电厂负荷均衡管理方法、装置及系统 |
| CN113270895A (zh) * | 2021-07-20 | 2021-08-17 | 中国电力科学研究院有限公司 | 一种电能与辅助服务市场的日前鲁棒联合优化方法及系统 |
| CN113344249A (zh) * | 2021-05-14 | 2021-09-03 | 合肥工业大学 | 基于区块链的冷热电联供多微网优化调度方法和系统 |
| CN113377755A (zh) * | 2021-06-23 | 2021-09-10 | 黑龙江大学 | 电力现货数据的完整性检测及缺失修复方法 |
| CN113743989A (zh) * | 2021-08-30 | 2021-12-03 | 国网青海省电力公司 | 一种基于区块链和分散交易理论的共享储能联合调频交易方法 |
| CN113807961A (zh) * | 2021-07-28 | 2021-12-17 | 合肥工业大学 | 基于联盟链的多微网能源交易方法及系统 |
| CN115187316A (zh) * | 2022-09-14 | 2022-10-14 | 国网湖北省电力有限公司经济技术研究院 | 一种适应现货市场交易的风储微电网分布式交易方法 |
| CN116184842A (zh) * | 2023-05-04 | 2023-05-30 | 青岛大学 | 拒绝服务攻击下智能电网数据驱动的安全控制方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107622324A (zh) * | 2017-09-01 | 2018-01-23 | 燕山大学 | 一种考虑多微网能量交互的鲁棒环境经济调度方法 |
| CN108961018A (zh) * | 2018-07-19 | 2018-12-07 | 华北电力大学（保定） | 基于智能合约的微电网电力市场去中心化交易机制 |
| CN110225075A (zh) * | 2019-03-25 | 2019-09-10 | 北京快电科技有限公司 | 一种建筑能源互联网智慧运营云操作系统 |
| CN110543966A (zh) * | 2019-07-23 | 2019-12-06 | 四川大学 | 一种电热气联供的微能源网的日前调度优化方法 |
| CN110556821A (zh) * | 2019-08-09 | 2019-12-10 | 三峡大学 | 考虑交互功率控制和双边竞价交易的多微电网双层优化调度方法 |
| US20200161858A1 (en) * | 2018-11-19 | 2020-05-21 | Board Of Regents, The University Of Texas System | Systems And Methods For Energy Crowdsourcing And Peer-To-Peer Energy Trading |
-
2020
- 2020-09-23 CN CN202011010711.9A patent/CN112381263B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107622324A (zh) * | 2017-09-01 | 2018-01-23 | 燕山大学 | 一种考虑多微网能量交互的鲁棒环境经济调度方法 |
| CN108961018A (zh) * | 2018-07-19 | 2018-12-07 | 华北电力大学（保定） | 基于智能合约的微电网电力市场去中心化交易机制 |
| US20200161858A1 (en) * | 2018-11-19 | 2020-05-21 | Board Of Regents, The University Of Texas System | Systems And Methods For Energy Crowdsourcing And Peer-To-Peer Energy Trading |
| CN110225075A (zh) * | 2019-03-25 | 2019-09-10 | 北京快电科技有限公司 | 一种建筑能源互联网智慧运营云操作系统 |
| CN110543966A (zh) * | 2019-07-23 | 2019-12-06 | 四川大学 | 一种电热气联供的微能源网的日前调度优化方法 |
| CN110556821A (zh) * | 2019-08-09 | 2019-12-10 | 三峡大学 | 考虑交互功率控制和双边竞价交易的多微电网双层优化调度方法 |
Non-Patent Citations (3)
| Title |
|---|
| JIAYU WU 等: "A Blockchain-Enabled Robust-Game Electricity Transaction Model of Multi-Microgrid System Considering Wind Power Uncertainty", 《CSEE JOURNAL OF POWER AND ENERGY SYSTEMS》 * |
| 任建文;张青青;: "基于能源区块链的虚拟电厂两阶段鲁棒优化调度", 电力自动化设备 * |
| 陈涛 等: "基于区块链技术的微网自适应定价策略及经济调度方法", 《电力建设》 * |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113078652A (zh) * | 2021-03-10 | 2021-07-06 | 国网上海市电力公司 | 虚拟电厂负荷均衡管理方法、装置及系统 |
| CN113344249A (zh) * | 2021-05-14 | 2021-09-03 | 合肥工业大学 | 基于区块链的冷热电联供多微网优化调度方法和系统 |
| CN113344249B (zh) * | 2021-05-14 | 2022-09-30 | 合肥工业大学 | 基于区块链的冷热电联供多微网优化调度方法和系统 |
| CN113377755A (zh) * | 2021-06-23 | 2021-09-10 | 黑龙江大学 | 电力现货数据的完整性检测及缺失修复方法 |
| CN113270895A (zh) * | 2021-07-20 | 2021-08-17 | 中国电力科学研究院有限公司 | 一种电能与辅助服务市场的日前鲁棒联合优化方法及系统 |
| CN113270895B (zh) * | 2021-07-20 | 2021-10-15 | 中国电力科学研究院有限公司 | 一种电能与辅助服务市场的日前鲁棒联合优化方法及系统 |
| CN113807961A (zh) * | 2021-07-28 | 2021-12-17 | 合肥工业大学 | 基于联盟链的多微网能源交易方法及系统 |
| CN113807961B (zh) * | 2021-07-28 | 2023-06-09 | 合肥工业大学 | 基于联盟链的多微网能源交易方法及系统 |
| CN113743989A (zh) * | 2021-08-30 | 2021-12-03 | 国网青海省电力公司 | 一种基于区块链和分散交易理论的共享储能联合调频交易方法 |
| CN113743989B (zh) * | 2021-08-30 | 2023-10-13 | 国网青海省电力公司 | 一种基于区块链和分散交易理论的共享储能联合调频交易方法 |
| CN115187316A (zh) * | 2022-09-14 | 2022-10-14 | 国网湖北省电力有限公司经济技术研究院 | 一种适应现货市场交易的风储微电网分布式交易方法 |
| CN115187316B (zh) * | 2022-09-14 | 2022-11-29 | 国网湖北省电力有限公司经济技术研究院 | 一种适应现货市场交易的风储微电网分布式交易方法 |
| CN116184842A (zh) * | 2023-05-04 | 2023-05-30 | 青岛大学 | 拒绝服务攻击下智能电网数据驱动的安全控制方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112381263B (zh) | 2023-07-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112381263B (zh) | 基于区块链分布式数据存储多微网日前鲁棒电能交易方法 | |
| Nunna et al. | Multiagent-based energy trading platform for energy storage systems in distribution systems with interconnected microgrids | |
| Cheng et al. | Game-theoretic approaches applied to transactions in the open and ever-growing electricity markets from the perspective of power demand response: An overview | |
| Chen et al. | Research on day-ahead transactions between multi-microgrid based on cooperative game model | |
| Kong et al. | A multi-agent optimal bidding strategy in microgrids based on artificial immune system | |
| Zhao et al. | Hierarchical optimal configuration of multi-energy microgrids system considering energy management in electricity market environment | |
| Cau et al. | A co-evolutionary approach to modelling the behaviour of participants in competitive electricity markets | |
| CN111311012A (zh) | 基于多智能体的微电网电力市场双层竞价优化方法 | |
| Chen et al. | Review of energy sharing: Business models, mechanisms, and prospects | |
| Li et al. | Two-stage community energy trading under end-edge-cloud orchestration | |
| Li et al. | A risk-averse energy sharing market game for renewable energy microgrid aggregators | |
| Vakili et al. | Interconnected microgrids: Optimal energy scheduling based on a game‐theoretic approach | |
| CN114971899A (zh) | 新能源参与下的日前、日内和实时市场电能交易优化方法 | |
| CN115907575A (zh) | 基于acp和碳-绿证交易的工业综合能源系统协同运行方法 | |
| CN115760206A (zh) | 一种基于工业用户用电需求的电力市场电价计算方法 | |
| Rao | Prosumer participation in a transactive energy marketplace: a game-theoretic approach | |
| Wang et al. | Dynamic two-layer game for striking the balance of interest in multi-agent electricity market considering bilateral contracts and reward-punishment mechanism | |
| Zhou et al. | A decentralized peer-to-peer energy trading strategy considering flexible resource involvement and renewable energy uncertainty | |
| Yan et al. | Optimal scheduling strategy and benefit allocation of multiple virtual power plants based on general nash bargaining theory | |
| Si et al. | Cloud-edge-based we-market: Autonomous bidding and peer-to-peer energy sharing among prosumers | |
| CN116862144A (zh) | 一种基于双重博弈的多园区低碳调度方法及系统 | |
| CN110556821B (zh) | 考虑交互功率控制和双边竞价交易的多微电网双层优化调度方法 | |
| CN115860241B (zh) | 基于salr的互联多区域综合能源系统分布式调度方法及装置 | |
| CN116402223A (zh) | 一种配电网协同调度方法、系统及设备 | |
| CN115375481A (zh) | 一种基于区块链技术的分层级电力交易优化方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |