CN112417048B - 基于区块链的智能微电网系统调度方法、存储介质及设备 - Google Patents

基于区块链的智能微电网系统调度方法、存储介质及设备 Download PDF

Info

Publication number
CN112417048B
CN112417048B CN202011325675.5A CN202011325675A CN112417048B CN 112417048 B CN112417048 B CN 112417048B CN 202011325675 A CN202011325675 A CN 202011325675A CN 112417048 B CN112417048 B CN 112417048B
Authority
CN
China
Prior art keywords
cost
energy
grid
micro
power
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.)
Active
Application number
CN202011325675.5A
Other languages
English (en)
Other versions
CN112417048A (zh
Inventor
杨端
许晓伟
韩志英
孙曼
赵欢雷
李建鹏
张锐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xi'an Junneng Clean Energy Co ltd
Original Assignee
Xi'an Junneng Clean Energy Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xi'an Junneng Clean Energy Co ltd filed Critical Xi'an Junneng Clean Energy Co ltd
Priority to CN202011325675.5A priority Critical patent/CN112417048B/zh
Publication of CN112417048A publication Critical patent/CN112417048A/zh
Application granted granted Critical
Publication of CN112417048B publication Critical patent/CN112417048B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
    • 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
    • G06F21/602—Providing cryptographic facilities or services
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Hardware Design (AREA)
  • General Business, Economics & Management (AREA)
  • Bioethics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Evolutionary Computation (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Educational Administration (AREA)
  • Primary Health Care (AREA)
  • Development Economics (AREA)
  • Geometry (AREA)
  • Game Theory and Decision Science (AREA)
  • Computing Systems (AREA)
  • Operations Research (AREA)
  • Data Mining & Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于区块链的智能微电网系统调度方法、存储介质及设备，根据需求分析获得智能微电网系统功能定义，在Coding style约束下完成基础功能系统RTL代码描述，在物联网上构建管理枢纽节点，并通过分组签名机制和共识算法将数据存储在区块链网络上；建立预测模型预测下一天的功率数据；基于预测结果，在智能分配过程中，使得用户用电成本最小；当电网成本高于可再生能源RES的能源成本时，可再生能源RES发电设备打开；在低电价时，对电池进行充电，高电价时，对电池进行放电，使用户在第二天的用电成本最小化，实现微电网系统调度。本发明可以高效分配能源,保护用户数据隐私，提高能源企业利润，降低用户用电成本，提升主网运行稳定性。

Description

基于区块链的智能微电网系统调度方法、存储介质及设备
技术领域
本发明属于微电网技术领域，具体涉及一种基于区块链的智能微电网系统调度方法、存储介质及设备。
背景技术
近年来，人们对资源的需求越来愈大，而大多能源都产生于化石能源，会产生环境污染、气候变暖等问题，因此正确地调度能源，优化使用，减少消耗是很重要的。信息通信技术的发展推动了智能电网的诞生，其使得能源系统更高效，减少产品成本，并纳入了可再生能源。微电网是智能电网的一个新方向，而关键问题是微电网的智能调度，即根据预测结果对微电网的组件做出合理的控制策略，以达到经济或环境优化的目标。传统微电网研究在实际使用中还存在很多困难：
1.很少同时考虑到多RES和电池的调度，这使得区域电力资源无法得到最大程度的优化。而且通过控制用户的用电习惯来减少成本是不受欢迎的，且影响用户的用电体验。
2.不考虑微电网用户连接到主电网的影响(包括电力负荷和经济效益)也是不明智的，因为主电网供应商不会同意只对用户有利的事情。微电网无法真正平滑主网的电力负荷，以达到"削峰填谷"的效果。
3.大量的能源数据是微电网系统高效运行的基础，所以确保数据安全至关重要。传统的集中式能源管理系统依靠可信的第三方来确保系统安全，这会造成额外的成本和新的问题。
4.缺少一个可靠有效的能源交易平台。微电网系统中涉及到多个企业和用户之间的能源交易，这使得能源供应因许多非技术原因而中断。
而将区块链技术融入微电网的研究和尝试有很多。但是在目前的这些方案中，并没有真正建立起分布式配置平台，实现区域主电网功率曲线的削峰填谷和各种电源的高效均衡配置。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于区块链的智能微电网系统调度方法、存储介质及设备，基于区块链的微电网模型，打破了企业用户之间的信任壁垒，提高了整个系统的运行效率和稳定性,除环境效益外，该系统具有重要意义。
本发明采用以下技术方案：
基于区块链的智能微电网系统调度方法，包括以下步骤：
S1、根据需求分析，获得智能微电网系统功能定义，使用硬件描述语言，在Codingstyle约束下完成基础功能系统RTL代码描述，在物联网上构建管理枢纽节点，负责传感器数据在一个区域内的格式转换，并通过分组签名机制和共识算法将数据存储在区块链网络上；
S2、基于步骤S1获取的数据，同时考虑温度、风速和光照强度的影响，建立预测模型预测下一天的功率数据；
S3、基于步骤S2的预测结果，在智能分配过程中，通过模拟退火法得到一组相关能源设备的运行决策序列，使得用户用电成本最小；当电网成本高于可再生能源RES的能源成本时，可再生能源RES发电设备打开；在低电价时，对电池进行充电，在高电价时，对电池进行放电，缓解主网压力，使用户在第二天的用电成本最小化，实现微电网系统调度。
具体的，步骤S2中，预测模型
Figure GDA0004259483280000021
为：
Figure GDA0004259483280000022
其中，yt-i代表t-i时间的实际值，yt为t时间的预测值，fθ代表带参数θ的预测函数，Mt-i表示t-i时间的真实气象数据，N为选取的y的实际值的数量。
具体的，步骤S3中，运行决策序列D＝{Xtwd,Xtpv,Pt bt}，包含三个参数，分别代表t时刻风能启停系数，光伏发电启停系数和蓄电池充放电功率，决定RES发电设备在t时刻是否打开/关闭，储能设备是否充电/放电。
具体的，步骤S3中，将微电网经济调度问题表示为多阶段决策优化问题，使用模拟退火法，使用户在未来一天的用电成本C'最小化，具体为：
Figure GDA0004259483280000031
其中，C为系统总成本，β为惩罚权重，SN-S0为电池充电状态的初始状态和最终状态之差。
进一步的，用电成本包括：
RES成本Creb：
Figure GDA0004259483280000032
其中，Uwd和Upv表示风能和光伏发电的单价，
Figure GDA0004259483280000033
表示t时刻风能发电量，/>
Figure GDA0004259483280000034
表示t时刻光伏能发电量，n表示可再生能源发电设备在n个时刻发电数量，Δt表示时间轴的离散划分；
电池储能成本Cstor：
Figure GDA0004259483280000035
其中，Ubt表示储能成本的单价，
Figure GDA0004259483280000036
表示t时刻储能设备的充放电功率；
微电网与主网之间的能量交换成本
Figure GDA0004259483280000037
Figure GDA0004259483280000038
其中，
Figure GDA0004259483280000039
代表第t期微电网与主网之间的电力交换成本，/>
Figure GDA00042594832800000310
为第t期从主网购买价格。
本发明的另一个技术方案是，一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行所述的方法中的任一方法。
本发明的另一个技术方案是，一种计算设备，包括：
一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行所述的方法中的任一方法的指令。
与现有技术相比，本发明至少具有以下有益效果：
本发明具有以下优点：
1、基于区块链的微电网模型，打破了企业用户之间的信任壁垒，提高了整个系统的运行效率和稳定性。在模型结构、共识、加密技术等方面进行了不同的创新，使得区块链与微电网的结合更加可行、可靠。
轻量级与可扩展性。在模型中采用管理中心节点，避免大量物联网终端直接连接到区块链网络。那么终端就不需要添加专业组件，从而减少设备升级的压力。另一方面，允许大量基于不同协议的子网络接入区块链网络，大大提高了模型的扩展性和兼容性。
隐私与可追溯性。传统的区块链网络在实际应用中要求数据是透明的、开放的，以实现全局数据的使用。但这无疑会给用户和相关企业带来巨大的数据隐私威胁，进而影响区块链用户的参与热情。采用分组签名机制，将管理中心节点作为分组管理员，在不影响数据使用的前提下，混淆数据与用户之间的对应关系，保证数据隐私。另外，管理中枢节点会保存组员的密钥对，当系统检测到终端故障时，可以追溯问题终端的来源。
2、引入了一个基于信用交换的原则，以激励DERs公平参与电压调节。在调度阶段，将DER分为A和B两个子集，A参与调度，B不参与。当加入B时，DER可以要求获得积分，积分由A中满负荷运行的DER支付。反过来，未参与B的DER的信用降低，最终迫使其在未来加入B。通过使用区块链协议跟踪所有DER的信用状态；
3、在功率预测中考虑了气象因素，提出了一种智能分配的启发式算法。与传统电力系统相比，降低了用户的成本，使主网实现了更高的利润率和更稳定的运行；
4、采用分组签名算法作为数据的签名机制，既保证了用户数据的隐私性，又保留了系统的异常检测能力。
综上所述，基于区块链的智能微电网系统可以高效分配能源,保护用户数据隐私，提高能源企业利润，降低用户用电成本，提升主网运行稳定性。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
图1为提出的系统的架构示意图；
图2为区块链协议的不同阶段示意图；
图3为预测模型的性能示意图，其中，(a)为负载功率预测结果，(b)为风电功率预测结果，(c)为光伏发电功率预测结果；
图4为智能调度的表现示意图，其中，(a)为传统电网与智能微电网的主网负荷曲线对比，(b)为RES智能调度策略，(c)为蓄电池智能调度策略；
图5为微电网用户接入到主网的影响示意图；
图6为竞价策略和传统竞价策略的对比示意图，其中，(a)为传统竞价策略，(b)为基于智能合约的信用竞价策略。
具体实施方式
下面将结合本发明实施例中的附图，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。
本发明提供了一种基于区块链的智能微电网系统调度方法，首先在传统的物联网上建立一个管理枢纽节点，负责传感器的格式转换(将不同通信协议的数据转换为区块链节点可以识别的JSONRPC消息)；第二阶段是预测阶段，通过记录的历史数据，准确预测用户未来24小时的用电需求和企业未来一天的能源发电量；第三阶段是调度阶段，根据预测结果和这些资源的规格化，合理分配不同时间段的发电设备和储能设备。具体来说，引入了基于信用交换的原则，给予分布式能源资源(DER)公平参与电压调节的激励。
本发明一种基于区块链的智能微电网系统调度方法，包括以下步骤：
S1、根据需求分析，获得系统功能定义，使用硬件描述语言，在Coding style约束下完成基础功能系统RTL代码描述；
S2、考虑到温度、风速、光照强度气象因素的影响，建立预测模型预测下一天的功率数据；
模型为：
Figure GDA0004259483280000061
其中，yt-i代表t-i时间的实际值，yt为t时间的预测值，fθ代表带参数θ的预测函数。
通过历史负荷功率、风力发电机功率、光伏功率数据来估计。考虑到温度、风速、光照强度等气象因素的影响，可以将预测模型改进为：
Figure GDA0004259483280000062
其中，Mt-i表示t-i时间的真实气象数据，N为选取的y的实际值的数量，本发明采用一种改进的径向基函数神经网络模型和误差反馈方案进行短期功率预测。
S3、基于步骤S2的预测结果，通过智能分配过程，得到一组相关能源设备的运行决策序列D＝{Xtwd,Xtpv,Pt bt}，使用户在第二天的用电成本最小化；对电网能源进行调度来降低用户用电成本，提高供电企业利润。
微电网的运行成本主要包括RES成本、电池储能成本、微电网与主网之间的能量交换成本，RES成本通过以下方式获得：
Figure GDA0004259483280000071
其中，Uwd和Upv表示风能和光伏发电的单价，n表示可再生能源发电设备共在n个时刻发电，Δt表示时间轴的离散划分。
电池储能成本通过以下方式计算
Figure GDA0004259483280000072
其中，Ubt表示储能成本的单价。
微电网与主网之间的能量交换成本通过以下方式得到：
Figure GDA0004259483280000073
Figure GDA0004259483280000074
其中，
Figure GDA0004259483280000075
代表第t期微电网与主网之间的电力交换成本，/>
Figure GDA0004259483280000076
为第t期从主网购买(出售)价格。
系统总成本由C＝Creb+Cstor+Cgd计算。
微电网经济调度问题表示为多阶段决策优化问题(MSDOP)，如下式所示：
Figure GDA0004259483280000077
使用户在未来一天的用电成本C0最小化(当过程收敛时，β|SN-S0|≈0，即C0≈C)，其中，β|SN-S0|代表电池SOC的初始状态和最终状态之差的惩罚。显然，这是一个NP-Hard问题，使用模拟退火法(SA)来处理这个问题。
S4、提出信用竞价，在满足用电需求的情况下，更好地实现各电力企业的公平比例参与，实现企业利益最大化。
在一个日周期开始时，将相同的信用分分配给每个DER节点，供其参与每一轮电力分配的选举。
每个节点根据以收益为目的的本地运营预测和分配方案，制定一定的竞价规则。然后将竞选得分进行加密并传送给其他节点。当所有节点收到这些信息后，将密钥发送给其他节点，以确保所有节点拥有相同的竞价表。
所有节点根据竞价情况选择支付信用分最高的节点，并在本地mempool缓冲区中记录相关节点(支付节点和其他因竞价得分低而未被选中的节点)的信用值变化。
请参阅图2，图2所示的过程依次完成状态更新的传输、新区块的验证以及所有节点对新区块的接受，最终，所有节点都拥有相同的更新信用表。所有节点根据竞价结果参与智能调度。
在t期，根据功率预测的结果，每个节点将计算出t+1期所能获得的收益占未来所有时期总收益的比例，这也是在t期竞价时需要支付的信用分比例，而被选中的概率则正比于其支付的信用分。
与以同等概率从M家公司中随机抽取一项服务的方式相比，该规则避免了个别公司在高利润时期通过更频繁的竞价获得更高利润的现象。
本发明再一个实施例中，提供了一种终端设备，该终端设备包括处理器以及存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(Central ProcessingUnit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor、DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其是终端的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行一条或一条以上指令从而实现相应方法流程或相应功能；本发明实施例所述的处理器可以用于区块链的智能微电网系统调度方法的操作，包括：根据需求分析，获得智能微电网系统功能定义，使用硬件描述语言，在Coding style约束下完成基础功能系统RTL代码描述，在物联网上构建管理枢纽节点，负责传感器数据在一个区域内的格式转换，并通过分组签名机制和共识算法将数据存储在区块链网络上；基于获取的数据，同时考虑温度、风速和光照强度的影响，建立预测模型预测下一天的功率数据；基于预测结果，在智能分配过程中，通过模拟退火法得到一组相关能源设备的运行决策序列，使得用户用电成本最小；当电网成本高于可再生能源RES的能源成本时，可再生能源RES发电设备打开；在低电价时，对电池进行充电，在高电价时，对电池进行放电，缓解主网压力，使用户在第二天的用电成本最小化，实现微电网系统调度。
本发明再一个实施例中，本发明还提供了一种存储介质，具体为计算机可读存储介质(Memory)，所述计算机可读存储介质是终端设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机可读存储介质既可以包括终端设备中的内置存储介质，当然也可以包括终端设备所支持的扩展存储介质。计算机可读存储介质提供存储空间，该存储空间存储了终端的操作系统。并且，在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机可读存储介质可以是高速RAM存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。
可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令，以实现上述实施例中有关电网中长期检修计划的校核方法的相应步骤；计算机可读存储介质中的一条或一条以上指令由处理器加载并执行如下步骤：根据需求分析，获得智能微电网系统功能定义，使用硬件描述语言，在Coding style约束下完成基础功能系统RTL代码描述，在物联网上构建管理枢纽节点，负责传感器数据在一个区域内的格式转换，并通过分组签名机制和共识算法将数据存储在区块链网络上；基于获取的数据，同时考虑温度、风速和光照强度的影响，建立预测模型预测下一天的功率数据；基于预测结果，在智能分配过程中，通过模拟退火法得到一组相关能源设备的运行决策序列，使得用户用电成本最小；当电网成本高于可再生能源RES的能源成本时，可再生能源RES发电设备打开；在低电价时，对电池进行充电，在高电价时，对电池进行放电，缓解主网压力，使用户在第二天的用电成本最小化，实现微电网系统调度。
本发明的系统架构如下：
1.无线传感器网络
在所提出的系统中，无线传感器网络主要包含智能电表、配备通信模块的储能设备、风能或光伏发电设备上的可通信能源监测传感器以及微电网中的其他物联网终端，如具有温度监测功能的传感器终端、具有风速监测功能的终端等。区块链网络中的大多数节点都包含大量的区块信息，并且随着时间的推移，区块将持续增加。然而，大多数物联网终端由于自身的限制，无法满足区块链的内存和计算能力要求。所以，物联网终端和管理中心不是区块链网络中的节点。另外，物联网终端和管理中枢采用CoAP[1]为通信协议，每个终端可以和多个管理中枢进行通信，实现组签名中的视图替换。
2.管理中枢
它在所提出的系统中起着至关重要的作用。首先，它是连接终端和区块链节点(如矿工)的纽带。管理中枢负责将物联网终端的数据信息从CoAP编码转化为可以被区块链节点识别的JSONRPC消息。其次，需要一个群体管理节点来实现微电网内用户和企业数据的隐私保护、异常检测和处理。管理中心作为这样的节点，要保证物联网终端准确、有序、平等及时地将数据上传至区块链节点。最后，管理中枢负责验证物联网终端的相关权限，包括上传数据、使用其他终端和查询数据。
3.管理器
管理器是负责登记无线传感器网络中引用的一组终端的访问控制权限的节点。管理器将权限通知给几个相应的管理中枢和新增加的物联网终端的身份牌，也会告知物联网终端的管理中枢位置。所以管理者可以与智能合约进行交互，实现终端的注册，并在区块链网络中设置相关的访问控制权限。
4.传统区块链节点
在区块链网络中，除了上面介绍的节点外，还有矿工和简化支付验证节点(SPV)节点。矿工将一个时期内的相关数据打包成一个区块，描述的特定过程如图2所示。这些数据包括智能合约中记录的信用评分、相应的历史记录和电力相关数据。SPV节点可以为代理提供存储在区块链中的数据和信息的查询。例如，代理商使用他人储能设备每天完成一次满负荷充放电，就可以通过SPV节点查询到交易记录。
从以下几个方面做了系统性能评价：
1.功率预测的性能评估
采用参考工作提出的预测方案，通过引入温度、风力强度和光照强度等天气修正因子，利用过去30天的历史数据(每天96个采样点)预测未来24小时的负荷、风力和光伏功率。实验结果如图3所示，从图中可以看出，考虑气象因素后，预测误差明显减小。
2.智能分配的性能评价
根据预测的结果进行微电网的智能分配，通过调节主网的分时分阶段定价方案和系统的各种参数，这些参数如表1和表2所示。
表1
TABLE I：Electricity Purchase Prices with Different Times
Figure GDA0004259483280000121
表2
TABLE II：Parameters of The Intelligent Scheduling System
Figure GDA0004259483280000122
实验结果如图4所示。图4展示了分别在传统方法和提出的模型下的主网功率负荷曲线。″智能微电网(Predicted)″标签表示根据预测结果调用调度算法得出的主网电力负荷曲线，″智能微电网(实际)″标签代表的是主网第二天的实际负荷曲线。可以清楚地看到调度系统对传统负荷曲线的“峰移负荷”效应
3.不同能源计划的成本比较
选取了5种不同的能源供应方案进行比较，结果如表3所示。
表3
TABLE IIIComparisons of Different Electricity Plans
Figure GDA0004259483280000131
可以看到，如果不进行合理的调度就使用RES，电力成本将会增加，这将不被用户所接受。引入储能设备后，由于储能设备容量有限，且自身成本较高，用电成本不会明显下降。从表三最后一行可以看出，拟建模式的最低用电成本，比传统供能模式的平均成本低0.013元/kWh。
4.主网侧经济性分析
对微电网用户接入主网的影响进行评价(假设用户总数为1000户)，结果如图5所示。可以发现，当40％的微电网用户接入后，主网负荷峰值电压下降20％。考虑到系统的稳定性，主电网的运行成本可以降低25％左右。从表三可以看出，采用智能微电网系统后，用户与主网之间的电能切换成本可降低约52％，怀疑负荷曲线的变化是由于大量的RES连接造成的，这将在未来的工作中讨论。
5.基于智能合约的竞价策略
在本次风电实验中，为每家公司分配100个初始信用点，并以一天为一个竞价周期(仅在决策结果的开放期)。为了评估提出的竞价方案的性能，将其与随机选择一家公司给予服务的方式进行比较。
对比结果如图6所示，可以看到，在普通竞价策略下，公司2的收益比例远远低于公司1，因为公司2在8:00～13:00的高收益期运气不好。相比之下，公司3在竞价策略中，在高收益期并没有获得优势，但在未来一段时间内却有更大的优势，因为它花费的信用点更少，而且这三家公司获得的平均收益率也更高。
仿真结果表明，所提出的方案可以明显降低用户的成本，提高利润率，实施比例公平，提高主网的运行稳定性。
综上所述，本发明一种基于区块链的智能微电网系统调度方法，首先通过无线传感器网络采集相关数据，通过分组签名机制和共识算法将数据存储在区块链网络上，然后根据预测结果和主网的定价规则，对部分区域的能源资源进行调整，实现能源资源在一定区域、一定时期内的优化配置，降低了主网和居民的相关经济成本。此外，提出的基于信用分的竞价策略使得每个DER供应商获得了更加公平的竞争。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。

Claims (4)

1.基于区块链的智能微电网系统调度方法，其特征在于，包括以下步骤：
S1、根据需求分析，获得智能微电网系统功能定义，使用硬件描述语言，在Codingstyle约束下完成基础功能系统RTL代码描述，在物联网上构建管理枢纽节点，负责传感器数据在一个区域内的格式转换，并通过分组签名机制和共识算法将数据存储在区块链网络上；
S2、基于步骤S1获取的数据，同时考虑温度、风速和光照强度的影响，建立预测模型预测下一天的功率数据，预测模型
Figure FDA0004259483250000011
为：
Figure FDA0004259483250000012
其中，yt-i代表t-i时间的实际值，yt为t时间的预测值，fθ代表带参数θ的预测函数，Mt-i表示t-i时间的真实气象数据，N为选取的y的实际值的数量；
S3、基于步骤S2的预测结果，在智能分配过程中，通过模拟退火法得到一组相关能源设备的运行决策序列，使得用户用电成本最小；当电网成本高于可再生能源RES的能源成本时，可再生能源RES发电设备打开；在日常电价时，对电池进行充电，在用电高峰电价时，对电池进行放电，缓解主网压力，使用户在第二天的用电成本最小化，实现微电网系统调度，将微电网经济调度问题表示为多阶段决策优化问题，使用模拟退火法，使用户在未来一天的用电成本C'最小化，具体为：
C'＝C+β·|SN-S0|
其中，C为系统总成本，β为惩罚权重，SN-S0为电池充电状态的初始状态和最终状态之差；用电成本包括：
RES成本Creb：
Figure FDA0004259483250000013
其中，Uwd和Upv表示风能和光伏发电的单价，
Figure FDA0004259483250000014
表示t时刻风能发电量，/>
Figure FDA0004259483250000015
表示t时刻光伏能发电量，n表示可再生能源发电设备在n个时刻发电数量，Δt表示时间轴的离散划分；
电池储能成本Cstor：
Figure FDA0004259483250000021
其中，Ubt表示储能成本的单价，
Figure FDA0004259483250000022
表示t时刻储能设备的充放电功率；
微电网与主网之间的能量交换成本
Figure FDA0004259483250000023
Figure FDA0004259483250000024
其中，
Figure FDA0004259483250000025
代表第t期微电网与主网之间的电力交换成本，/>
Figure FDA0004259483250000026
为第t期从主网购买价格，/>
Figure FDA0004259483250000027
为第t期从主网出售价格。
2.根据权利要求1所述的基于区块链的智能微电网系统调度方法，其特征在于，步骤S3中，运行决策序列D＝{Xtwd,Xtpv,Pt bt}，包含三个参数，分别代表t时刻风能启停系数，光伏发电启停系数和蓄电池充放电功率，决定RES发电设备在t时刻是否打开/关闭，储能设备是否充电/放电。
3.一种存储一个或多个程序的计算机可读存储介质，其特征在于，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据权利要求1或2所述的方法中的任一方法。
4.一种计算设备，其特征在于，包括：
一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行根据权利要求1或2所述的方法中的任一方法的指令。
CN202011325675.5A 2020-11-23 2020-11-23 基于区块链的智能微电网系统调度方法、存储介质及设备 Active CN112417048B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011325675.5A CN112417048B (zh) 2020-11-23 2020-11-23 基于区块链的智能微电网系统调度方法、存储介质及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011325675.5A CN112417048B (zh) 2020-11-23 2020-11-23 基于区块链的智能微电网系统调度方法、存储介质及设备

Publications (2)

Publication Number Publication Date
CN112417048A CN112417048A (zh) 2021-02-26
CN112417048B true CN112417048B (zh) 2023-07-14

Family

ID=74777391

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011325675.5A Active CN112417048B (zh) 2020-11-23 2020-11-23 基于区块链的智能微电网系统调度方法、存储介质及设备

Country Status (1)

Country Link
CN (1) CN112417048B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018129829A1 (zh) * 2017-01-12 2018-07-19 沃太能源南通有限公司 一种新型微网系统以及基于该系统的组网调度方法
CN111177253A (zh) * 2019-11-26 2020-05-19 南方电网传媒有限公司 基于身份数字认证的电力大数据保护方法及系统

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9558250B2 (en) * 2010-07-02 2017-01-31 Alstom Technology Ltd. System tools for evaluating operational and financial performance from dispatchers using after the fact analysis
US8972070B2 (en) * 2010-07-02 2015-03-03 Alstom Grid Inc. Multi-interval dispatch system tools for enabling dispatchers in power grid control centers to manage changes
US10608910B2 (en) * 2017-06-26 2020-03-31 Myomega Systems Gmbh Using blockchain to track information for devices on a network
US20190130451A1 (en) * 2017-10-30 2019-05-02 Iotecha Corp. Method and system for delivery of a targeted advertisement by an electric vehicle charging apparatus
CN108539784B (zh) * 2018-04-13 2020-01-14 华南理工大学 基于需求侧响应的微电网最优机组及分时电价的优化方法
CN109102120B (zh) * 2018-08-14 2020-01-21 上海交通大学 复杂场景下基于区块链的能源系统优化方法
CN109672202A (zh) * 2018-12-24 2019-04-23 浙江工业大学 一种基于区块链技术的储能系统自动需求响应方法
CN110417015A (zh) * 2019-06-18 2019-11-05 湖北追日电气股份有限公司 基于模型预测控制的微电网多目标优化调度方法及系统
CN111967651B (zh) * 2020-07-21 2023-09-26 浙江中新电力工程建设有限公司 一种复杂场景下基于区块链的能源系统优化方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018129829A1 (zh) * 2017-01-12 2018-07-19 沃太能源南通有限公司 一种新型微网系统以及基于该系统的组网调度方法
CN111177253A (zh) * 2019-11-26 2020-05-19 南方电网传媒有限公司 基于身份数字认证的电力大数据保护方法及系统

Also Published As

Publication number Publication date
CN112417048A (zh) 2021-02-26

Similar Documents

Publication Publication Date Title
Zheng et al. Day-ahead bidding strategy for electric vehicle aggregator enabling multiple agent modes in uncertain electricity markets
Zia et al. Microgrid transactive energy: Review, architectures, distributed ledger technologies, and market analysis
Maity et al. Simulation and pricing mechanism analysis of a solar-powered electrical microgrid
Chen et al. Blockchain-based electric vehicle incentive system for renewable energy consumption
Liu et al. Optimal operation strategy for distributed battery aggregator providing energy and ancillary services
An et al. A distributed and resilient bargaining game for weather-predictive microgrid energy cooperation
Dashtdar et al. Probabilistic planning for participation of virtual power plants in the presence of the thermal power plants in energy and reserve markets
Huang et al. Strategic storage operation in wholesale electricity markets: A networked cournot game analysis
Yu et al. A game theoretical pricing mechanism for multi-microgrid energy trading considering electric vehicles uncertainty
CN110738375A (zh) 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
Zhang et al. Bidding strategy for wind power and Large-scale electric vehicles participating in Day-ahead energy and frequency regulation market
Lin et al. Blockchain-based intelligent charging station management system platform
Tao et al. Data-driven matching protocol for vehicle-to-vehicle energy management considering privacy preservation
Wang et al. Peer-to-peer energy trading for residential prosumers with photovoltaic and battery storage systems
Wang et al. Optimal dispatch of integrated energy system considering integrated demand response resource trading
Zhao et al. A secure intra-regional-inter-regional peer-to-peer electricity trading system for electric vehicles
Aghajani et al. Optimal energy storage sizing and offering strategy for the presence of wind power plant with energy storage in the electricity market
CN112417048B (zh) 基于区块链的智能微电网系统调度方法、存储介质及设备
Tao et al. Research on multi-microgrids scheduling strategy considering dynamic electricity price based on blockchain
Akhgarzarandy et al. Optimal resiliency‐oriented charging station allocation for electric vehicles considering uncertainties
Pałka et al. Balancing electric power in a microgrid via programmable agents auctions
Li et al. Three‐level interactive energy management strategy for optimal operation of multiple virtual power plants considering different time scales
Yan et al. Optimal scheduling strategy and benefit allocation of multiple virtual power plants based on general nash bargaining theory
Yang et al. Demand responsive market decision-makings and electricity pricing scheme design in low-carbon energy system environment
Wang et al. Two‐stage optimal scheduling for aggregators of batteries owned by commercial consumers

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