CN113807961A - 基于联盟链的多微网能源交易方法及系统 - Google Patents

基于联盟链的多微网能源交易方法及系统 Download PDF

Info

Publication number
CN113807961A
CN113807961A CN202110860164.1A CN202110860164A CN113807961A CN 113807961 A CN113807961 A CN 113807961A CN 202110860164 A CN202110860164 A CN 202110860164A CN 113807961 A CN113807961 A CN 113807961A
Authority
CN
China
Prior art keywords
microgrid
transaction
default
queue
node
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
Application number
CN202110860164.1A
Other languages
English (en)
Other versions
CN113807961B (zh
Inventor
周开乐
郭金环
陆信辉
丁涛
张增辉
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.)
Hefei University of Technology
Original Assignee
Hefei University of Technology
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 Hefei University of Technology filed Critical Hefei University of Technology
Priority to CN202110860164.1A priority Critical patent/CN113807961B/zh
Publication of CN113807961A publication Critical patent/CN113807961A/zh
Application granted granted Critical
Publication of CN113807961B publication Critical patent/CN113807961B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Finance (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • General Physics & Mathematics (AREA)
  • Technology Law (AREA)
  • Development Economics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种基于联盟链的多微网能源交易方法及系统，涉及多微网能源交易技术领域。本发明的技术方案基于信用值对欲参与交易的各微网节点进行资质审核，然后对通过资质审核的各微网节点利用鲁棒优化方法获取其购售电决策，再基于该购售电决策将满足交易条件的微网节点分组排序以及匹配完成交易，并在交易完成后通过联盟链构建的各微网节点间的违约金智能合约，最后根据实时交易量与合约交易量之间的违约量更新各微网节点的信用值，并对违约微网节点按照违约金智能合约执行违约惩罚操作。本发明可以精准量化各微网主体的信用值与各微网主体识别和规避风险行为之间的对应关系，同时基于更新的信用值对多微网能源交易方案进行动态优化。

Description

基于联盟链的多微网能源交易方法及系统
技术领域
本发明涉及多微网能源交易技术领域，具体涉及一种基于联盟链的多微网能源交易方法及系统。
背景技术
能源共享社区是指根据地域进行划分的多微网构成的以点对点交易为主体交易模式、余量上网为补充交易模式的多微网间能源交易平台。但由于能源共享社区中的交易具备交易主体可灵活选择、可再生能源不确定性、现货市场存在套利空间等多种影响因素，导致能源共享社区内多微网能源交易出现违约的可能性极高，对应交易主体的信用值也会随之降低。加之实时市场电价远高于日前市场电价，导致用户更愿意向大电网购电，不利于可再生能源的就地消纳，致使能源共享社区的交易运营进入一个负向循环。所以做好能源共享社区中交易主体的信用管理有助于提高多微网能源交易的积极性。
现有交易主体的信用管理大多通过区块链中的违约金智能合约实现，控制手段单一，其虽然遏制了电力现货市场套现的违约行为，但对可再生能源不确定性导致违约的情况进行改善，以及无法满足各微网交易主体为了追求自身利益最大化从而希望改善自身信用的诉求。换言之，用户违约行为是无后效性的。
由此可见，现有技术无法精准量化各微网主体的信用值与各微网主体识别和规避风险行为之间的对应关系，且无法基于不断更新的信用值对多微网能源交易方案进行动态优化。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种基于联盟链的多微网能源交易方法及系统，解决了现有技术无法精准量化各微网主体的信用值与各微网主体识别和规避风险行为之间的对应关系，且无法基于不断更新的信用值对多微网能源交易方案进行动态优化的问题。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：
第一方面，本发明首先公开了一种基于联盟链的多微网能源交易方法，所述方法包括：
S1、基于信用值对已加入多微网能源交易平台的各微网节点的交易资质进行审核，以及对新加入多微网能源交易平台的各微网节点的信用初始值进行赋值；
S2、基于鲁棒优化模型获取已通过交易资质审核的各微网节点的购售电决策；所述购售电决策包括交易报价和合约交易量；
S3、基于各微网节点的信用值和交易报价获取购售电等效价格，并基于各微网节点的交易身份将各微网节点分为买方队列和卖方队列，再基于购售电等效价格对买方队列和卖方队列排序；
S4、匹配买方队列和卖方队列中的各微网节点并进行连续双向拍卖，并在买方队列和卖方队列中所有微网节点均完成本轮所有交易的匹配后，各微网节点通过联盟链构建违约金智能合约；
S5、获取各微网节点的实时交易量，基于各微网节点的所述合约交易量和所述实时交易量获取各微网节点的违约量；
S6、基于各微网节点的所述违约量更新各微网节点的信用值，且基于所述违约量按照违约金智能合约执行违约惩罚操作；以及基于所述违约量执行余量平衡操作；
S7、各微网节点基于更新后的信用值重复S1-S6步骤进入下一轮交易。
优选的，所述鲁棒优化模型为：
Figure BDA0003185411020000031
Figure BDA0003185411020000032
其中，
Figure BDA0003185411020000033
是微型燃气轮机发电成本；
Figure BDA0003185411020000034
是电储能成本；
Figure BDA0003185411020000035
是微网与大电网交易成本；πt是多微网能源交易成本；
Figure BDA0003185411020000036
是单位充放电成本；pgas是天然气购电价格；
Figure BDA0003185411020000037
是微型燃气轮机产热量；
Figure BDA0003185411020000038
是微网向大电网购电价格，
Figure BDA0003185411020000039
是微网上网电价；
Figure BDA00031854110200000310
是微型燃气轮机产电量；Gt是购气量；ct是储能电池储电量；dt是储能电池放电量；bt是微网向大电网购电量；st是微网上网电量；
Figure BDA00031854110200000316
是微网在多微网能源交易系统中的交易量；St是储能电池t时刻存储容量；S0是零时刻储能电池存储容量；ST是24h储能电池存储容量；
Figure BDA00031854110200000311
是热负荷；
Figure BDA00031854110200000312
是电负荷；ht是光伏发电量；wt是风电发电量；
Figure BDA00031854110200000313
是光伏发电预测的下限值，
Figure BDA00031854110200000314
是风电发电预测的下限值；αt、βt表示光伏和风电不确定性大小；
Figure BDA00031854110200000315
是光伏和风电波动值范围；Γt-1表示t-1时刻的鲁棒因子；
Figure BDA0003185411020000041
是微型燃气轮机最大发电约束；
Figure BDA0003185411020000042
是储能电池充电深度约束；
Figure BDA0003185411020000043
是储能电池放电深度约束；
Figure BDA0003185411020000044
是微型燃气轮机发热效率；
Figure BDA0003185411020000045
是微型燃气轮机发电效率；ηc是储能电池充电效率；ηd是储能电池放电效率；
其中，各微网交易量综合为零，交易金额总和为零，用公式表示为：
Figure BDA0003185411020000046
鲁棒因子与信用值的反函数关系如下：
Γt＝1/Rt
其中，Rt为微网信用值。
优选的，所述S3、基于各微网节点的信用值和交易报价获取购售电等效价格，并基于各微网节点的交易身份将各微网节点分为买方队列和卖方队列，再基于购售电等效价格对买方队列和卖方队列排序包括：
S31、基于各微网节点的信用值和交易报价获取购售电等效价格；
对于卖方队列，售电等效价格
Figure BDA0003185411020000047
其中
Figure BDA0003185411020000048
为微网提交的售电价格；
对于买方队列，购电等效价格为
Figure BDA0003185411020000049
其中
Figure BDA00031854110200000410
为微网提交的购电价格；
S32、对各微网节点基于其提交的交易身份将各微网节点分为买方队列和卖方队列；
S33、基于购售电等效价格对买方队列和卖方队列进行排序；对买方队列依据其购电等效价格降序排序，对卖方队列依据其售电等效价格升序排序。
优选的，所述基于各微网节点的所述违约量更新各微网节点的信用值包括：
基于所述违约量与交易量的报价计算违约比例，然后根据违约比例更新用户的信用值；
所述基于所述违约量执行余量平衡操作包括：
对于与违约微网节点签订交易合约的微网节点将从大电网进行购电以满足其自身需求；对于分布式能源发电量超出预期的微网节点，将多余的电量卖给大电网获得相应收益，从而达到各微网节点的余量平衡。
优选的，所述违约金智能合约包括：
售电方与购电方分别提交自身交易总价三倍的保证金至违约金智能合约内，若买卖双方均不违约则返还保证金至各自账户，否则按照相应违约额度扣除违约方对应违约金并存至未违约用户账户中。
第二方面，本发明还公开了一种基于联盟链的多微网能源交易系统，所述系统包括：
信用审核和管理模块，用于基于信用值对已加入多微网能源交易平台的各微网节点的交易资质进行审核，以及对新加入多微网能源交易平台的各微网节点的信用初始值进行赋值；
优化调度模块，用于基于鲁棒优化模型获取已通过交易资质审核的各微网节点的购售电决策；所述购售电决策包括交易报价和合约交易量；
等效价格和队列生成模块，用于基于各微网节点的信用值和交易报价获取购售电等效价格，并基于各微网节点的交易身份将各微网节点分为买方队列和卖方队列，再基于购售电等效价格对买方队列和卖方队列排序；
交易模块，用于匹配买方队列和卖方队列中的各微网节点并进行连续双向拍卖，并在买方队列和卖方队列中所有微网节点均完成本轮所有交易的匹配后，各微网节点通过联盟链构建违约金智能合约；
违约计量模块，用于获取各微网节点的实时交易量，基于各微网节点的所述合约交易量和所述实时交易量获取各微网节点的违约量；
信用更新和违约惩罚模块，用于基于各微网节点的所述违约量更新各微网节点的信用值，且基于所述违约量按照违约金智能合约执行违约惩罚操作；以及基于所述违约量执行余量平衡操作。
优选的，所述优化调度模块中鲁棒优化模型为：
Figure BDA0003185411020000061
Figure BDA0003185411020000062
其中，
Figure BDA0003185411020000063
是微型燃气轮机发电成本；
Figure BDA0003185411020000064
是电储能成本；
Figure BDA0003185411020000065
是微网与大电网交易成本；πt是多微网能源交易成本；
Figure BDA0003185411020000066
是单位充放电成本；pgas是天然气购电价格；
Figure BDA0003185411020000067
是微型燃气轮机产热量；
Figure BDA0003185411020000068
是微网向大电网购电价格，
Figure BDA0003185411020000069
是微网上网电价；
Figure BDA00031854110200000610
是微型燃气轮机产电量；Gt是购气量；ct是储能电池储电量；dt是储能电池放电量；bt是微网向大电网购电量；st是微网上网电量；
Figure BDA00031854110200000611
是微网在多微网能源交易系统中的交易量；St是储能电池t时刻存储容量；S0是零时刻储能电池存储容量；ST是24h储能电池存储容量；
Figure BDA0003185411020000071
是热负荷；
Figure BDA0003185411020000072
是电负荷；ht是光伏发电量；wt是风电发电量；
Figure BDA0003185411020000073
是光伏发电预测的下限值，
Figure BDA0003185411020000074
是风电发电预测的下限值；αt、βt表示光伏和风电不确定性大小；
Figure BDA0003185411020000075
是光伏和风电波动值范围；Γt-1表示t-1时刻的鲁棒因子；
Figure BDA0003185411020000076
是微型燃气轮机最大发电约束；
Figure BDA0003185411020000077
是储能电池充电深度约束；
Figure BDA0003185411020000078
是储能电池放电深度约束；
Figure BDA0003185411020000079
是微型燃气轮机发热效率；
Figure BDA00031854110200000710
是微型燃气轮机发电效率；ηc是储能电池充电效率；ηd是储能电池放电效率；
其中，各微网交易量综合为零，交易金额总和为零，用公式表示为：
Figure BDA00031854110200000711
鲁棒因子与信用值的反函数关系如下：
Γt＝1/Rt
其中，Rt为微网信用值。
优选的，所述等效价格和队列生成模块中基于各微网节点的信用值和交易报价获取购售电等效价格，并基于各微网节点的交易身份将各微网节点分为买方队列和卖方队列，再基于购售电等效价格对买方队列和卖方队列排序包括：
S31、基于各微网节点的信用值和交易报价获取购售电等效价格；
对于卖方队列，售电等效价格
Figure BDA00031854110200000712
其中
Figure BDA00031854110200000713
为微网提交的售电价格；
对于买方队列，购电等效价格为
Figure BDA00031854110200000714
其中
Figure BDA00031854110200000715
为微网提交的购电价格；
S32、对各微网节点基于其提交的交易身份将各微网节点分为买方队列和卖方队列；
S33、基于购售电等效价格对买方队列和卖方队列进行排序；对买方队列依据其购电等效价格降序排序，对卖方队列依据其售电等效价格升序排序。
优选的，所述信用更新和违约惩罚模块中基于各微网节点的所述违约量更新各微网节点的信用值包括：
基于所述违约量与交易量的报价计算违约比例，然后根据违约比例更新用户的信用值；
所述基于所述违约量执行余量平衡操作包括：
对于与违约微网节点签订交易合约的微网节点将从大电网进行购电以满足其自身需求；对于分布式能源发电量超出预期的微网节点，将多余的电量卖给大电网获得相应收益，从而达到各微网节点的余量平衡。
优选的，所述违约金智能合约包括：
售电方与购电方分别提交自身交易总价三倍的保证金至违约金智能合约内，若买卖双方均不违约则返还保证金至各自账户，否则按照相应违约额度扣除违约方对应违约金并存至未违约用户账户中。
(三)有益效果
本发明提供了一种基于联盟链的多微网能源交易方法及系统。与现有技术相比，具备以下有益效果：
1、本发明的技术方案基于信用值对欲参与交易的各微网节点进行资质审核，然后对通过资质审核的各微网节点利用鲁棒优化方法获取其购售电决策，再基于该购售电决策将满足交易条件的微网节点分组排序以及匹配完成交易，并在交易完成后通过联盟链构建的各微网节点间的违约金智能合约，最后根据实时交易量与合约交易量之间的违约量更新各微网节点的信用值，并对违约微网节点按照违约金智能合约执行违约惩罚操作。本发明可以精准量化各微网主体的信用值与各微网主体识别和规避风险行为之间的对应关系，同时可将微网节点的信用值基于实际交易情况进行不断更新，从而对多微网能源交易方案进行动态优化；
2、本发明采用信用值与鲁棒因子的反函数关系量化了各微网主体为追求自身利益最大化而进行的风险识别与风险规避的行为，基于动态更新后的信用值对多微网能源交易方案进行动态优化，使得多微网能源交易逐步进入良性循环；
3、本发明基于信用管理的连续双向拍卖过程采用等效价格转换进行买方队列和卖方队列的排序，对于信用好的节点给予更高的排队优先级，对信用较差的节点给予较低的优先级，将交易主体的信用值与其自身利益挂钩，保证了交易环境的公平性，促进多微网能源交易的良性循环。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施中基于联盟链的多微网能源交易方法的流程图；
图2为本发明实施中基于联盟链的多微网能源交易系统框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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。
本申请实施例通过提供一种基于联盟链的多微网能源交易方法及系统，解决了现有技术无法精准量化各微网主体的信用值与各微网主体识别和规避风险行为之间的对应关系，且无法基于不断更新的信用值对多微网能源交易方案进行动态优化的问题。
本申请实施例中的技术方案为解决上述技术问题，总体思路如下：
为了对多微网能源交易平台中交易主体(各微网)的信用值进行科学合理管理，然后再基于各微网的信用值更新进行多微网能源交易方案的动态优化，本发明首先基于信用值对已有微网节点的交易资质进行审核，以及对新加入的微网节点的信用初始值进行赋值；利用鲁棒优化方法获取已通过交易资质审核的各微网节点的交易报价和合约交易量；再基于各微网节点的信用值、交易报价将各微网节点分为买方队列和卖方队列并进行排序；然后匹配买方队列和卖方队列进行连续双向拍卖完成交易，并在交易后各微网节点通过联盟链构建违约金智能合约；最后根据各微网节点的违约量更新各微网节点的信用值，以及执行违约惩罚操作，各微网基于此轮更新后的信用值再进行下一轮交易。本发明精准量化了各微网主体的信用值与各微网主体识别和规避风险行为之间的对应关系，同时可将微网节点的信用值基于实际交易情况进行不断更新，从而对多微网能源交易方案进行动态优化。
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
实施例1：
第一方面，本发明首先提出了一种基于联盟链的多微网能源交易方法，参见图1，该方法包括：
S1、基于信用值对已加入多微网能源交易平台的各微网节点的交易资质进行审核，以及对新加入多微网能源交易平台的各微网节点的信用初始值进行赋值；
S2、基于鲁棒优化模型获取已通过交易资质审核的各微网节点的购售电决策；所述购售电决策包括交易报价和合约交易量；
S3、基于各微网节点的信用值和交易报价获取购售电等效价格，并基于各微网节点的交易身份将各微网节点分为买方队列和卖方队列，再基于购售电等效价格对买方队列和卖方队列排序；
S4、匹配买方队列和卖方队列中的各微网节点并进行连续双向拍卖，并在买方队列和卖方队列中所有微网节点均完成本轮所有交易的匹配后，各微网节点通过联盟链构建违约金智能合约；
S5、获取各微网节点的实时交易量，基于各微网节点的所述合约交易量和所述实时交易量获取各微网节点的违约量；
S6、基于各微网节点的所述违约量更新各微网节点的信用值，且基于所述违约量按照违约金智能合约执行违约惩罚操作；以及基于所述违约量执行余量平衡操作；
S7、各微网节点基于更新后的信用值重复S1-S6步骤进入下一轮交易。
可见，本发明的技术方案基于信用值对欲参与交易的各微网节点进行资质审核，然后对通过资质审核的各微网节点利用鲁棒优化方法获取其购售电决策，再基于该购售电决策将满足交易条件的微网节点分组排序以及匹配完成交易，并在交易完成后通过联盟链构建的各微网节点间的违约金智能合约，最后根据实时交易量与合约交易量之间的违约量更新各微网节点的信用值，并对违约微网节点按照违约金智能合约执行违约惩罚操作。本发明可以精准量化各微网主体的信用值与各微网主体识别和规避风险行为之间的对应关系，同时可将微网节点的信用值基于实际交易情况进行不断更新，从而对多微网能源交易方案进行动态优化。
下面结合对S1-S7具体步骤的解释，来详细说明本发明一个实施例的实现过程。
S1、基于信用值对已加入多微网能源交易平台的各微网节点的交易资质进行审核，以及对新加入多微网能源交易平台的各微网节点的信用初始值进行赋值。
为了构建一个正向、积极循环的多微网能源交易平台，即能源共享社区，首先需要对加入该交易平台的各微网节点进行资质审核，只有当微网节点的信用值满足一定条件时方可进入该平台参与交易。具体的，对参与多微网能源交易平台内交易的已有微网节点进行资质审核和对新加入的微网节点的信用初始值进行赋值。设定各微网的信用值的取值范围为(0,1]，将新加入的微网节点的信用值的初始值均赋值为1，对于之前已参与平台交易的微网节点，如果其信用值低于0.05，则拒绝其加入多微网能源交易平台。
S2、基于鲁棒优化模型获取已通过交易资质审核的各微网节点的购售电决策；所述购售电决策包括交易报价和合约交易量。
为了控制可再生能源不确定性带来的日前交易计划与实时交易的偏差，各微网将采用鲁棒优化方法进行最优决策以降低不确定性。但基于矩不确定性的鲁棒优化中的鲁棒因子在一般的研究中均为定值，不能反映出各微网的差异。此时，采用基于信用管理的两阶段鲁棒优化方法，同时设置鲁棒因子为信用值的反函数，可以量化各微网风险规避的诉求和规避风险的行为，即认为信用度高的微网主体其预测值相应更准确，是风险接受型；而信用度较低的微网主体其预测值相对不准确，所以交易平台对信用度较低的微网主体的不确定性的管理会更加严格，是风险避免型。所以，在能源价格已知的情况下，给定风、光不确定性的集合，各微网即可通过鲁棒优化模型决策出各个能源设备的出力情况。具体的，各微网鲁棒优化模型形式如下：
Figure BDA0003185411020000131
Figure BDA0003185411020000132
其中，
Figure BDA0003185411020000133
是微型燃气轮机发电成本；
Figure BDA0003185411020000134
是电储能成本；
Figure BDA0003185411020000135
是微网与大电网交易成本；πt是多微网能源交易成本；
Figure BDA0003185411020000136
是单位充放电成本；pgas是天然气购电价格；
Figure BDA0003185411020000137
是微型燃气轮机产热量；
Figure BDA0003185411020000138
是微网向大电网购电价格，
Figure BDA0003185411020000139
是微网上网电价；
Figure BDA00031854110200001310
是微型燃气轮机产电量；Gt是购气量；ct是储能电池储电量；dt是储能电池放电量；bt是微网向大电网购电量；st是微网上网电量；
Figure BDA00031854110200001311
是微网在多微网能源交易系统中的交易量；St是储能电池t时刻存储容量；S0是零时刻储能电池存储容量；ST是24h储能电池存储容量；
Figure BDA00031854110200001312
是热负荷；
Figure BDA00031854110200001313
是电负荷；ht是光伏发电量；wt是风电发电量；
Figure BDA00031854110200001314
是光伏发电预测的下限值，
Figure BDA00031854110200001315
是风电发电预测的下限值；αt、βt表示光伏和风电不确定性大小；
Figure BDA00031854110200001316
是光伏和风电波动值范围；Γt-1表示t-1时刻的鲁棒因子；
Figure BDA0003185411020000141
是微型燃气轮机最大发电约束；
Figure BDA0003185411020000142
是储能电池充电深度约束；
Figure BDA0003185411020000143
是储能电池放电深度约束；
Figure BDA0003185411020000144
是微型燃气轮机发热效率；
Figure BDA0003185411020000145
是微型燃气轮机发电效率；ηc是储能电池充电效率；ηd是储能电池放电效率。
其中，在多微网能源交易平台中，各微网交易量综合为零，交易金额总和为零，用公式表示如下：
Figure BDA0003185411020000146
鲁棒因子与信用值的反函数关系如下：
Γt＝1/Rt
其中，Rt为微网信用值。
对于已通过交易资质审核的各微网节点，利用上述鲁棒优化技术获取各微网的购售电决策，其中，购售电决策包括交易报价和合约交易量。
S3、基于各微网节点的信用值和交易报价获取购售电等效价格，并基于各微网节点的交易身份将各微网节点分为买方队列和卖方队列，再基于购售电等效价格对买方队列和卖方队列排序。
首先，根据各微网节点信用值及其报价，转化售电方报价为售电等效价格，购电方报价为购电等效价格。等效价格转换的原则是对于信用好的节点给予更高的排队优先级，以此匹配到更低价格的卖方或更高价格的买方，实现该微网最小成本或最大收益的目标；同理，对信用较差的节点给予较低的优先级，使其即使提交更适宜的报价也不能配对到最优交易方，从而花费更多的成本，由此进行惩罚。具体的，基于的信用值的购售电等效价格转换为：
对于卖方队列，售电等效价格
Figure BDA0003185411020000147
其中
Figure BDA0003185411020000148
为微网提交的售电价格；
对于买方队列，购电等效价格为
Figure BDA0003185411020000151
其中
Figure BDA0003185411020000152
为微网提交的购电价格。
然后，对各微网节点依据其提交的交易身份将各微网节点分为买方队列和卖方队列，并依据购售电等效价格对买方队列和卖方队列进行排队，具体的，对买方队列依据其购电等效价格降序排序，对卖方队列依据其售电等效价格升序排序。
S4、匹配买方队列和卖方队列的各微网节点并进行连续双向拍卖，并在买方队列和卖方队列中所有微网节点均完成本轮所有交易的匹配后，各微网节点通过联盟链构建违约金智能合约。
首先，依据上述得到的买方队列与卖方队列，进行连续双向拍卖，拍卖时将按照各微网节点的实际交易报价进行匹配，规定买方实际报价高于卖方实际报价时可以进行交易，交易量为卖方、买方中交易量较小的一方，还有剩余交易量的一方继续匹配直至所有买方、卖方均完成本轮所有交易的匹配。
然后，通过联盟链在各微网节点间构建违约金智能合约。在每日连续双向拍卖完成后，各微网节点自动签署违约金智能合约，售电方与购电方分别提交自身交易总价三倍的保证金至违约金智能合约内，若买卖双方均不违约则返还保证金至各自账户，否则，哪方违约就按照相应违约额度扣除该微网节点对应违约金并存至未满足用户账户中。
S5、获取各微网节点的实时交易量，基于各微网节点的所述合约交易量和实时交易量获取各微网节点的违约量。
根据各微网节点的合约交易量和实时交易量的偏差确定各微网节点的违约量。
S6、基于各微网节点的所述违约量更新各微网节点的信用值，且基于所述违约量按照违约金智能合约执行违约惩罚操作；以及基于所述违约量执行余量平衡操作。
根据上述确定的违约量与交易量的报价计算违约比例，然后根据违约比例更新用户的信用值。同时，按照违约金智能合约对违约节点进行违约惩罚操作。而对于与违约微网节点签订交易合约的微网节点将从大电网进行购电以满足其自身需求；对于分布式能源发电量超出预期的微网节点，将多余的电量卖给大电网获得相应收益，从而达到各微网节点的余量平衡。
S7、各微网节点基于更新后的信用值重复步骤S1-S6进入下一轮交易。
在进入下一轮多微网能源交易时，各微网节点基于更新后的信用值重复上述步骤S1-S6。
至此，则完成了本发明一种基于联盟链的多微网能源交易方法的全部流程。
实施例2：
第二方面，本发明还提供了一种基于联盟链的多微网能源交易系统，参见图2，该系统包括：
信用审核和管理模块，用于基于信用值对已加入多微网能源交易平台的各微网节点的交易资质进行审核，以及对新加入多微网能源交易平台的各微网节点的信用初始值进行赋值；
优化调度模块，用于基于鲁棒优化模型获取已通过交易资质审核的各微网节点的购售电决策；所述购售电决策包括交易报价和合约交易量；
等效价格和队列生成模块，用于基于各微网节点的信用值和交易报价获取购售电等效价格，并基于各微网节点的交易身份将各微网节点分为买方队列和卖方队列，再基于购售电等效价格对买方队列和卖方队列排序；
交易模块，用于匹配买方队列和卖方队列中的各微网节点并进行连续双向拍卖，并在买方队列和卖方队列中所有微网节点均完成本轮所有交易的匹配后，各微网节点通过联盟链构建违约金智能合约；
违约计量模块，用于获取各微网节点的实时交易量，基于各微网节点的所述合约交易量和所述实时交易量获取各微网节点的违约量；
信用更新和违约惩罚模块，用于基于各微网节点的所述违约量更新各微网节点的信用值，且基于所述违约量按照违约金智能合约执行违约惩罚操作；以及基于所述违约量执行余量平衡操作。
可选的，所述优化调度模块中鲁棒优化模型为：
Figure BDA0003185411020000171
Figure BDA0003185411020000172
其中，
Figure BDA0003185411020000173
是微型燃气轮机发电成本；
Figure BDA0003185411020000174
是电储能成本；
Figure BDA0003185411020000175
是微网与大电网交易成本；πt是多微网能源交易成本；
Figure BDA0003185411020000176
是单位充放电成本；pgas是天然气购电价格；
Figure BDA0003185411020000177
是微型燃气轮机产热量；
Figure BDA0003185411020000178
是微网向大电网购电价格，
Figure BDA0003185411020000179
是微网上网电价；
Figure BDA00031854110200001710
是微型燃气轮机产电量；Gt是购气量；ct是储能电池储电量；dt是储能电池放电量；bt是微网向大电网购电量；st是微网上网电量；
Figure BDA00031854110200001711
是微网在多微网能源交易系统中的交易量；St是储能电池t时刻存储容量；S0是零时刻储能电池存储容量；ST是24h储能电池存储容量；
Figure BDA0003185411020000181
是热负荷；
Figure BDA0003185411020000182
是电负荷；ht是光伏发电量；wt是风电发电量；
Figure BDA0003185411020000183
是光伏发电预测的下限值，
Figure BDA0003185411020000184
是风电发电预测的下限值；αt、βt表示光伏和风电不确定性大小；
Figure BDA0003185411020000185
是光伏和风电波动值范围；Γt-1表示t-1时刻的鲁棒因子；
Figure BDA0003185411020000186
是微型燃气轮机最大发电约束；
Figure BDA0003185411020000187
是储能电池充电深度约束；
Figure BDA0003185411020000188
是储能电池放电深度约束；
Figure BDA0003185411020000189
是微型燃气轮机发热效率；
Figure BDA00031854110200001810
是微型燃气轮机发电效率；ηc是储能电池充电效率；ηd是储能电池放电效率；
其中，各微网交易量综合为零，交易金额总和为零，用公式表示为：
Figure BDA00031854110200001811
鲁棒因子与信用值的反函数关系如下：
Γt＝1/Rt
其中，Rt为微网信用值。
可选的，所述等效价格和队列生成模块中基于各微网节点的信用值和交易报价获取购售电等效价格，并基于各微网节点的交易身份将各微网节点分为买方队列和卖方队列，再基于购售电等效价格对买方队列和卖方队列排序包括：
S31、基于各微网节点的信用值和交易报价获取购售电等效价格；
对于卖方队列，售电等效价格
Figure BDA00031854110200001812
其中
Figure BDA00031854110200001813
为微网提交的售电价格；
对于买方队列，购电等效价格为
Figure BDA00031854110200001814
其中
Figure BDA00031854110200001815
为微网提交的购电价格；
S32、对各微网节点基于其提交的交易身份将各微网节点分为买方队列和卖方队列；
S33、基于购售电等效价格对买方队列和卖方队列进行排序；对买方队列依据其购电等效价格降序排序，对卖方队列依据其售电等效价格升序排序。
可选的，所述信用更新和违约惩罚模块中基于各微网节点的所述违约量更新各微网节点的信用值包括：
基于所述违约量与交易量的报价计算违约比例，然后根据违约比例更新用户的信用值；
所述基于所述违约量执行余量平衡操作包括：
对于与违约微网节点签订交易合约的微网节点将从大电网进行购电以满足其自身需求；对于分布式能源发电量超出预期的微网节点，将多余的电量卖给大电网获得相应收益，从而达到各微网节点的余量平衡。
可选的，所述违约金智能合约包括：
售电方与购电方分别提交自身交易总价三倍的保证金至违约金智能合约内，若买卖双方均不违约则返还保证金至各自账户，否则按照相应违约额度扣除违约方对应违约金并存至未违约用户账户中。
可理解的是，本发明实施例提供的基于联盟链的多微网能源交易系统与上述基于联盟链的多微网能源交易方法相对应，其有关内容的解释、举例、有益效果等部分可以参照基于联盟链的多微网能源交易方法中的相应内容，此处不再赘述。
综上所述，与现有技术相比，具备以下有益效果：
1、本发明的技术方案基于信用值对欲参与交易的各微网节点进行资质审核，然后对通过资质审核的各微网节点利用鲁棒优化方法获取其购售电决策，再基于该购售电决策将满足交易条件的微网节点分组排序以及匹配完成交易，并在交易完成后通过联盟链构建的各微网节点间的违约金智能合约，最后根据实时交易量与合约交易量之间的违约量更新各微网节点的信用值，并对违约微网节点按照违约金智能合约执行违约惩罚操作。本发明可以精准量化各微网主体的信用值与各微网主体识别和规避风险行为之间的对应关系，同时可将微网节点的信用值基于实际交易情况进行不断更新，从而对多微网能源交易方案进行动态优化；
2、本发明采用信用值与鲁棒因子的反函数关系量化了各微网主体为追求自身利益最大化而进行的风险识别与风险规避的行为，基于动态更新后的信用值对多微网能源交易方案进行动态优化，使得多微网能源交易逐步进入良性循环；
3、本发明基于信用管理的连续双向拍卖过程采用等效价格转换进行买方队列和卖方队列的排序，对于信用好的节点给予更高的排队优先级，对信用较差的节点给予较低的优先级，将交易主体的信用值与其自身利益挂钩，保证了交易环境的公平性，促进多微网能源交易的良性循环。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于联盟链的多微网能源交易方法，其特征在于，所述方法包括：
S1、基于信用值对已加入多微网能源交易平台的各微网节点的交易资质进行审核，以及对新加入多微网能源交易平台的各微网节点的信用初始值进行赋值；
S2、基于鲁棒优化模型获取已通过交易资质审核的各微网节点的购售电决策；所述购售电决策包括交易报价和合约交易量；
S3、基于各微网节点的信用值和交易报价获取购售电等效价格，并基于各微网节点的交易身份将各微网节点分为买方队列和卖方队列，再基于购售电等效价格对买方队列和卖方队列排序；
S4、匹配买方队列和卖方队列中的各微网节点并进行连续双向拍卖，并在买方队列和卖方队列中所有微网节点均完成本轮所有交易的匹配后，各微网节点通过联盟链构建违约金智能合约；
S5、获取各微网节点的实时交易量，基于各微网节点的所述合约交易量和所述实时交易量获取各微网节点的违约量；
S6、基于各微网节点的所述违约量更新各微网节点的信用值，且基于所述违约量按照违约金智能合约执行违约惩罚操作；以及基于所述违约量执行余量平衡操作；
S7、各微网节点基于更新后的信用值重复S1-S6步骤进入下一轮交易。
2.如权利要求1所述的方法，其特征在于，所述鲁棒优化模型为：
Figure FDA0003185411010000021
Figure FDA0003185411010000022
其中，
Figure FDA0003185411010000023
是微型燃气轮机发电成本；
Figure FDA0003185411010000024
是电储能成本；
Figure FDA0003185411010000025
是微网与大电网交易成本；πt是多微网能源交易成本；
Figure FDA0003185411010000026
是单位充放电成本；pgas是天然气购电价格；
Figure FDA0003185411010000027
是微型燃气轮机产热量；
Figure FDA0003185411010000028
是微网向大电网购电价格，
Figure FDA0003185411010000029
是微网上网电价；
Figure FDA00031854110100000210
是微型燃气轮机产电量；Gt是购气量；ct是储能电池储电量；dt是储能电池放电量；bt是微网向大电网购电量；st是微网上网电量；
Figure FDA00031854110100000211
是微网在多微网能源交易系统中的交易量；St是储能电池t时刻存储容量；S0是零时刻储能电池存储容量；ST是24h储能电池存储容量；
Figure FDA00031854110100000212
是热负荷；
Figure FDA00031854110100000213
是电负荷；ht是光伏发电量；wt是风电发电量；
Figure FDA00031854110100000214
是光伏发电预测的下限值，
Figure FDA00031854110100000215
是风电发电预测的下限值；αt、βt表示光伏和风电不确定性大小；
Figure FDA00031854110100000216
是光伏和风电波动值范围；Γt-1表示t-1时刻的鲁棒因子；
Figure FDA0003185411010000031
是微型燃气轮机最大发电约束；
Figure FDA0003185411010000032
是储能电池充电深度约束；
Figure FDA0003185411010000033
Figure FDA0003185411010000034
是储能电池放电深度约束；
Figure FDA0003185411010000035
是微型燃气轮机发热效率；
Figure FDA0003185411010000036
是微型燃气轮机发电效率；ηc是储能电池充电效率；ηd是储能电池放电效率；
其中，各微网交易量综合为零，交易金额总和为零，用公式表示为：
Figure FDA0003185411010000037
鲁棒因子与信用值的反函数关系如下：
Γt＝1/Rt
其中，Rt为微网信用值。
3.如权利要求1所述的方法，其特征在于，所述S3、基于各微网节点的信用值和交易报价获取购售电等效价格，并基于各微网节点的交易身份将各微网节点分为买方队列和卖方队列，再基于购售电等效价格对买方队列和卖方队列排序包括：
S31、基于各微网节点的信用值和交易报价获取购售电等效价格；
对于卖方队列，售电等效价格
Figure FDA0003185411010000038
其中
Figure FDA0003185411010000039
为微网提交的售电价格；
对于买方队列，购电等效价格为
Figure FDA00031854110100000310
其中
Figure FDA00031854110100000311
为微网提交的购电价格；
S32、对各微网节点基于其提交的交易身份将各微网节点分为买方队列和卖方队列；
S33、基于购售电等效价格对买方队列和卖方队列进行排序；对买方队列依据其购电等效价格降序排序，对卖方队列依据其售电等效价格升序排序。
4.如权利要求1所述的方法，其特征在于，所述基于各微网节点的所述违约量更新各微网节点的信用值包括：
基于所述违约量与交易量的报价计算违约比例，然后根据违约比例更新用户的信用值；
所述基于所述违约量执行余量平衡操作包括：
对于与违约微网节点签订交易合约的微网节点将从大电网进行购电以满足其自身需求；对于分布式能源发电量超出预期的微网节点，将多余的电量卖给大电网获得相应收益，从而达到各微网节点的余量平衡。
5.如权利要求1所述的方法，其特征在于，所述违约金智能合约包括：
售电方与购电方分别提交自身交易总价三倍的保证金至违约金智能合约内，若买卖双方均不违约则返还保证金至各自账户，否则按照相应违约额度扣除违约方对应违约金并存至未违约用户账户中。
6.一种基于联盟链的多微网能源交易系统，其特征在于，所述系统包括：
信用审核和管理模块，用于基于信用值对已加入多微网能源交易平台的各微网节点的交易资质进行审核，以及对新加入多微网能源交易平台的各微网节点的信用初始值进行赋值；
优化调度模块，用于基于鲁棒优化模型获取已通过交易资质审核的各微网节点的购售电决策；所述购售电决策包括交易报价和合约交易量；
等效价格和队列生成模块，用于基于各微网节点的信用值和交易报价获取购售电等效价格，并基于各微网节点的交易身份将各微网节点分为买方队列和卖方队列，再基于购售电等效价格对买方队列和卖方队列排序；
交易模块，用于匹配买方队列和卖方队列中的各微网节点并进行连续双向拍卖，并在买方队列和卖方队列中所有微网节点均完成本轮所有交易的匹配后，各微网节点通过联盟链构建违约金智能合约；
违约计量模块，用于获取各微网节点的实时交易量，基于各微网节点的所述合约交易量和所述实时交易量获取各微网节点的违约量；
信用更新和违约惩罚模块，用于基于各微网节点的所述违约量更新各微网节点的信用值，且基于所述违约量按照违约金智能合约执行违约惩罚操作；以及基于所述违约量执行余量平衡操作。
7.如权利要求6所述的系统，其特征在于，所述优化调度模块中鲁棒优化模型为：
Figure FDA0003185411010000051
Figure FDA0003185411010000052
其中，
Figure FDA0003185411010000053
是微型燃气轮机发电成本；
Figure FDA0003185411010000054
是电储能成本；
Figure FDA0003185411010000055
是微网与大电网交易成本；πt是多微网能源交易成本；
Figure FDA0003185411010000056
是单位充放电成本；pgas是天然气购电价格；
Figure FDA0003185411010000061
是微型燃气轮机产热量；
Figure FDA0003185411010000062
是微网向大电网购电价格，
Figure FDA0003185411010000063
是微网上网电价；
Figure FDA0003185411010000064
是微型燃气轮机产电量；Gt是购气量；ct是储能电池储电量；dt是储能电池放电量；bt是微网向大电网购电量；st是微网上网电量；
Figure FDA0003185411010000065
是微网在多微网能源交易系统中的交易量；St是储能电池t时刻存储容量；S0是零时刻储能电池存储容量；ST是24h储能电池存储容量；
Figure FDA0003185411010000066
是热负荷；
Figure FDA0003185411010000067
是电负荷；ht是光伏发电量；wt是风电发电量；
Figure FDA0003185411010000068
是光伏发电预测的下限值，
Figure FDA0003185411010000069
是风电发电预测的下限值；αt、βt表示光伏和风电不确定性大小；
Figure FDA00031854110100000610
是光伏和风电波动值范围；Γt-1表示t-1时刻的鲁棒因子；
Figure FDA00031854110100000611
是微型燃气轮机最大发电约束；
Figure FDA00031854110100000612
是储能电池充电深度约束；
Figure FDA00031854110100000613
Figure FDA00031854110100000614
是储能电池放电深度约束；
Figure FDA00031854110100000615
是微型燃气轮机发热效率；
Figure FDA00031854110100000616
是微型燃气轮机发电效率；ηc是储能电池充电效率；ηd是储能电池放电效率；
其中，各微网交易量综合为零，交易金额总和为零，用公式表示为：
Figure FDA00031854110100000617
鲁棒因子与信用值的反函数关系如下：
Γt＝1/Rt
其中，Rt为微网信用值。
8.如权利要求6所述的系统，其特征在于，所述等效价格和队列生成模块中基于各微网节点的信用值和交易报价获取购售电等效价格，并基于各微网节点的交易身份将各微网节点分为买方队列和卖方队列，再基于购售电等效价格对买方队列和卖方队列排序包括：
S31、基于各微网节点的信用值和交易报价获取购售电等效价格；
对于卖方队列，售电等效价格
Figure FDA0003185411010000071
其中
Figure FDA0003185411010000072
为微网提交的售电价格；
对于买方队列，购电等效价格为
Figure FDA0003185411010000073
其中
Figure FDA0003185411010000074
为微网提交的购电价格；
S32、对各微网节点基于其提交的交易身份将各微网节点分为买方队列和卖方队列；
S33、基于购售电等效价格对买方队列和卖方队列进行排序；对买方队列依据其购电等效价格降序排序，对卖方队列依据其售电等效价格升序排序。
9.如权利要求6所述的系统，其特征在于，所述信用更新和违约惩罚模块中基于各微网节点的所述违约量更新各微网节点的信用值包括：
基于所述违约量与交易量的报价计算违约比例，然后根据违约比例更新用户的信用值；
所述基于所述违约量执行余量平衡操作包括：
对于与违约微网节点签订交易合约的微网节点将从大电网进行购电以满足其自身需求；对于分布式能源发电量超出预期的微网节点，将多余的电量卖给大电网获得相应收益，从而达到各微网节点的余量平衡。
10.如权利要求6所述的系统，其特征在于，所述违约金智能合约包括：
售电方与购电方分别提交自身交易总价三倍的保证金至违约金智能合约内，若买卖双方均不违约则返还保证金至各自账户，否则按照相应违约额度扣除违约方对应违约金并存至未违约用户账户中。
CN202110860164.1A 2021-07-28 2021-07-28 基于联盟链的多微网能源交易方法及系统 Active CN113807961B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110860164.1A CN113807961B (zh) 2021-07-28 2021-07-28 基于联盟链的多微网能源交易方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110860164.1A CN113807961B (zh) 2021-07-28 2021-07-28 基于联盟链的多微网能源交易方法及系统

Publications (2)

Publication Number Publication Date
CN113807961A true CN113807961A (zh) 2021-12-17
CN113807961B CN113807961B (zh) 2023-06-09

Family

ID=78942636

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110860164.1A Active CN113807961B (zh) 2021-07-28 2021-07-28 基于联盟链的多微网能源交易方法及系统

Country Status (1)

Country Link
CN (1) CN113807961B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114025012A (zh) * 2022-01-10 2022-02-08 国网电子商务有限公司 基于信用分组的节点选取方法、装置、存储介质和设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170017936A1 (en) * 2015-07-14 2017-01-19 Fmr Llc Point-to-Point Transaction Guidance Apparatuses, Methods and Systems
CN111478312A (zh) * 2019-11-20 2020-07-31 国网河北省电力有限公司电力科学研究院 一种提升电网稳定性的综合能源集群协调控制方法
CN112381263A (zh) * 2020-09-23 2021-02-19 四川大学 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
CN112837126A (zh) * 2021-02-10 2021-05-25 合肥工业大学 基于区块链的工业园区分布式能源交易方法和系统
CN112884572A (zh) * 2021-03-01 2021-06-01 山东大学 一种信用风险下的多微网交易优化方法及系统
CN112990568A (zh) * 2021-03-11 2021-06-18 华北电力大学 一种综合能源智能交易场景下的区块链共识机制构建方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170017936A1 (en) * 2015-07-14 2017-01-19 Fmr Llc Point-to-Point Transaction Guidance Apparatuses, Methods and Systems
CN111478312A (zh) * 2019-11-20 2020-07-31 国网河北省电力有限公司电力科学研究院 一种提升电网稳定性的综合能源集群协调控制方法
CN112381263A (zh) * 2020-09-23 2021-02-19 四川大学 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
CN112837126A (zh) * 2021-02-10 2021-05-25 合肥工业大学 基于区块链的工业园区分布式能源交易方法和系统
CN112884572A (zh) * 2021-03-01 2021-06-01 山东大学 一种信用风险下的多微网交易优化方法及系统
CN112990568A (zh) * 2021-03-11 2021-06-18 华北电力大学 一种综合能源智能交易场景下的区块链共识机制构建方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张艺等: "《基于能源区块链的综合能源系统调度优化模型及其应用》", 《系统管理学报》 *
秦金磊等: "《微电网中基于区块链的电能交易方法》", 《电力自动化设备》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114025012A (zh) * 2022-01-10 2022-02-08 国网电子商务有限公司 基于信用分组的节点选取方法、装置、存储介质和设备
CN114025012B (zh) * 2022-01-10 2022-03-22 国网电子商务有限公司 基于信用分组的节点选取方法、装置、存储介质和设备

Also Published As

Publication number Publication date
CN113807961B (zh) 2023-06-09

Similar Documents

Publication Publication Date Title
Mengelkamp et al. Trading on local energy markets: A comparison of market designs and bidding strategies
Luo et al. Distributed peer-to-peer energy trading based on game theory in a community microgrid considering ownership complexity of distributed energy resources
Zeng et al. An incentivized auction-based group-selling approach for demand response management in V2G systems
CN111127137A (zh) 基于集中撮合的分布式能源p2p交易方法
CN112381263A (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
CN113052631A (zh) 一种竞争性售电市场多产消者p2p日前交易机制
Vakili et al. Interconnected microgrids: Optimal energy scheduling based on a game‐theoretic approach
CN106682933B (zh) 一种考虑输电网损影响因子的跨区跨省电力用户直接交易方法
JP2006195848A (ja) 電力取引市場における約定価格の決定要因分析方法及び分析のためのコンピュータプログラム
Liaquat et al. Day‐ahead continuous double auction‐based peer‐to‐peer energy trading platform incorporating trading losses and network utilisation fee
CN114298773A (zh) 一种基于区块链的微电网点对点电力交易方法及系统
CN110135625A (zh) 一种针对社区微网端对端交易的两阶段竞价方法
CN113807961B (zh) 基于联盟链的多微网能源交易方法及系统
Chen et al. Incentive-compatible and budget balanced AGV mechanism for peer-to-peer energy trading in smart grids
Shil et al. Meeting peak electricity demand through combinatorial reverse auctioning of renewable energy
CN115375481A (zh) 一种基于区块链技术的分层级电力交易优化方法
Yao et al. Design of distributed power trading mechanism based on P2P contract
Liu et al. A combinatorial auction energy trading approach for VPPs consisting of interconnected microgrids in demand-side ancillary services market
Khajeh et al. Peer-to-peer electricity market based on local supervision
Li et al. Prosumer energy-storage trading feasibility evaluation and price bundling
CN113837897A (zh) 一种计及源荷不确定性的日前实时分布式电能交易方法
Liu et al. Comparison of community-market designs: Centralized and Peer-to-peer trading
Wang et al. Distributed Reputation-Distance iterative auction system for Peer-To-Peer power trading
Dakhil et al. Auctioning electricity under deep renewable integration using a penalty for shortfall
CN111563779A (zh) 一种省间电力交易系统和方法

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