CN115375481A - 一种基于区块链技术的分层级电力交易优化方法 - Google Patents

一种基于区块链技术的分层级电力交易优化方法 Download PDF

Info

Publication number
CN115375481A
CN115375481A CN202211136522.5A CN202211136522A CN115375481A CN 115375481 A CN115375481 A CN 115375481A CN 202211136522 A CN202211136522 A CN 202211136522A CN 115375481 A CN115375481 A CN 115375481A
Authority
CN
China
Prior art keywords
transaction
energy
time period
electricity
microgrid operator
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.)
Pending
Application number
CN202211136522.5A
Other languages
English (en)
Inventor
赵建立
向佳霓
郑庆荣
鲁意
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.)
State Grid Shanghai Electric Power Co Ltd
Original Assignee
State Grid Shanghai Electric Power 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 State Grid Shanghai Electric Power Co Ltd filed Critical State Grid Shanghai Electric Power Co Ltd
Priority to CN202211136522.5A priority Critical patent/CN115375481A/zh
Publication of CN115375481A publication Critical patent/CN115375481A/zh
Pending legal-status Critical Current

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
    • 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
    • G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
    • G06F21/645—Protecting data integrity, e.g. using checksums, certificates or signatures using a third party
    • 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
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
    • G06Q20/405—Establishing or using transaction specific rules
    • 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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors
    • 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

Landscapes

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

Abstract

本发明公开了一种基于区块链技术的分层级电力交易优化方法，该优化方法提供了一种主侧区块链分层交易架构：首先将大容量能源主体部署在区块链的主链节点，并将小容量分布式能源主体聚合后以聚合商的形式部署在侧链上，且主链与侧链间采用公证人节点进行信息交互。该优化方法的步骤为：A、首先侧链聚合商内部进行交易撮合；B、侧链未完成交易主体整合后参与主链上的电能交易；C、主链上的各能源主体建立基于信誉值的电力交易优化模型并采用NSGA2遗传算法求解后交易；D、根据主链的交易结果完成侧链未完成交易主体的交易；E、交易信息上链。本发明的电力交易优化方法能够保障新能源消纳比、提高交易效率、确保交易的安全性和不可篡改性。

Description

一种基于区块链技术的分层级电力交易优化方法
技术领域
本发明涉及区块链电力交易技术领域，具体地说是一种基于区块链技术的分层级电力交易优化方法。
背景技术
随着经济的快速发展和全球化日益加剧，化石能源的利用极大地推动了生产力的飞速发展,但随着人类在对电力需求的不断增加，环境问题也变得日益突出。在此背景下，人们为了缓解能源危机和环境问题，开始大力发展可再生能源，然而大量配置新能源发电的同时，由于新能源发电具有随机性和波动性的特点，很多地区出现了新能源发电难以消纳的问题，甚至在用电低谷出现了弃风弃光的现象，这不仅是对资源的极大浪费，也同时暴露出了当前新能源参与市场的交易机制的不完善；如在专利《一种基于区块链的配电网端对端电力交易》中，其是设计了一种基于区块链的配电网端对端电力交易实时结算方法，采取的是传统的连续双向拍卖机制并结合区块链技术进行的单链式的电力交易；在专利《一种基于区块链的微电网点对点电力交易》中，其是发电商与用户基于预先构建的主从博弈模型进行主从博弈，得到博弈结果后进行相应的电力交易，即在微电网内部进行的点对点电力交易，并没有与外部电力主体的交互。
传统的电力交易模式采取的是中心化的管理方式，交易电价与交易电量等重要信息都存在被泄露的风险，这对一些大规模发电厂商及大用户来说无疑是不友好的，这在一定程度上影响了市场的隐私性和公平性；同时由于交易信息流通不对等及不透明因素，则会带来交易双方间的信任问题，各个发电商和用户数据不相通、规模日益庞大导致数据孤岛问题。区块链分布式账本技术自身的特点使其在交易方面具有独特的优势。首先，去中心化的交易机构，大大降低了交易成本；同时，区块链作为一种去中心化的分布式账本，将交易过程中的所有信息存储起来，所有的交易记录不可被篡改，并且可以被追溯，保证了交易的安全可靠。除此之外，建立在区块链平台上的电力交易机制还可以为用户提供交易信息的读取权限，这就意味着电网和用户可以及时的掌握可调度电力资源的变化，便于调整交易策略。
发明内容
本发明的目的是为了克服上述现有分布式能源直接参与到电力交易当中而导致交易效率降低的技术缺陷，提供一种基于区块链技术的分层级电力交易优化方法。
本发明的目的是通过以下技术方案解决的：
一种基于区块链技术的分层级电力交易优化方法，其特征在于：该优化方法提供了一种主侧区块链分层交易架构：首先将大容量能源主体部署在区块链的主链节点，并将小容量分布式能源主体聚合后以聚合商的形式部署在侧链上，且主链与侧链间采用公证人节点进行信息交互。该优化方法的分层级电力交易流程包括如下步骤：
A、侧链上的聚合商内部优先进行交易撮合直到部分交易主体完成交易，撮合过程结束后在聚合商内部选取一个作为能源聚合代理商、亦即公证人节点；
B、公证人节点收集侧链上未完成交易主体的交易信息并参与主链上的电能交易；
C、主链上的各能源主体以各自收益最大化和成本最小化为目标进行非合作博弈、建立基于信誉值的电力交易优化模型并采用NSGA2遗传算法进行求解，并根据求解结果进行主链上的电能交易；
D、公证人节点参与完主链的交易后，将从主链交易中获得的电能或收益分配给侧链上的未完成交易主体；
E、记录步骤A、步骤C和步骤D中的交易信息且待所有节点共识完成后，进行交易信息上链；至此一个交易周期完成。
所述步骤A中的聚合商内部采用连续双向拍卖完成聚合商内部的交易撮合，其具体过程为：
A1、根据聚合商内部主体的报价策略将其分为能源生产者NS和能源消费者NB；
A2、将能源生产者报价Bp＝{Bpi|i∈NS}由小到大升序排列，将能源消费者报价Bc＝{Bcj|j∈NB}由大到小降序排列，其中：Bpi为能源生产者的报价价格序列(i取1，2，3...)，Bcj为能源消费者的报价价格序列(j取1，2，3...)；
A3、取能源生产者NS中的最低报价BPi,min和能源消费者NB当中的最高报价Bcj,max，如果有Bcj,max>BPi,min则匹配成功，双方退出匹配序列；如若不满足则未成功匹配的主体调整报价策略，即在原有的报价基础上让能源生产者减去一个让步值ΔB、能源消费者加上一个让步值ΔB，则有：
Figure BDA0003852331050000021
式中：Bpi(t+1)是在上一轮报价不成功基础上能源生产者即卖方减去一个让步值ΔB后的报价，Bcj(t+1)是在上一轮报价不成功基础上能源消费者即买方加上一个让步值ΔB后的报价；让步值ΔB为一设定的固定值，一般为(Bcj,max-BPi,min)的倍数且该倍数小于1，如0.5*(Bcj,max-BPi,min)*120％；
A4、重复步骤A3直至所有未匹配成功的主体加上或减去一个让步值后不存在匹配成功的双方，则此时匹配截止。
所述步骤C中的基于信誉值的电力交易优化模型的目标函数为：
Figure BDA0003852331050000031
式中：maxFMO为微电网运营商的收益函数；maxFEAA为能源聚合代理商的收益函数；maxFLL为大容量负荷的收益函数；
Figure BDA0003852331050000032
为第i个微电网运行商在时段t的售电收益函数，
Figure BDA0003852331050000033
为第i个微电网运行商在时段t的购电成本函数；
Figure BDA0003852331050000034
为能源聚合代理商在时段t的售电收益函数，
Figure BDA0003852331050000035
为能源聚合代理商在时段t的购电成本函数；
Figure BDA0003852331050000036
为第m个大容量负荷在时段t的购电成本函数；N1是微电网运行商的个数；N2是大容量负荷的个数。
第i个微电网运行商的购电成本函数
Figure BDA0003852331050000037
为：
Figure BDA0003852331050000038
式中：
Figure BDA0003852331050000039
是第j个微电网运营商在时段t对第i个微电网运营商的售电价格；
Figure BDA00038523310500000310
是第i个微电网运营商在时段t从第j个微电网运营商购入的电量；
Figure BDA00038523310500000311
是能源聚合代理商在时段t对第i个微电网运营商的售电价格；
Figure BDA00038523310500000312
是第i个微电网运营商在时段t从能源聚合代理商购入的电量；
Figure BDA00038523310500000313
为第j个微电网运营商在在时段t-1的交易信誉值；
Figure BDA00038523310500000314
为第i个微电网运营商在在时段t-1的交易信誉值。
第i个微电网运行商的售电收益函数
Figure BDA00038523310500000315
为：
Figure BDA0003852331050000041
式中：
Figure BDA0003852331050000042
为第i个微电网运营商在时段t向第j个微电网运营商售卖的电价；
Figure BDA0003852331050000043
为第i个微电网运营商在时段t向第j个微电网运营商售卖的电量；
Figure BDA0003852331050000044
为第i个微电网运营商在时段t向第j个能源聚合代理商售卖的电价；
Figure BDA0003852331050000045
为第i个微电网运营商在时段t向第j个能源聚合代理商售卖的电量；
Figure BDA0003852331050000046
为第i个微电网运营商在时段t向第m个大容量负荷售卖的电价；
Figure BDA0003852331050000047
为第i个微电网运营商在时段t向第m个大容量负荷售卖的电量。
所述微电网运营商的约束条件函数为：
Figure BDA0003852331050000048
式中：
Figure BDA0003852331050000049
为微电网运营商在时段t能够提供电量的最大值；
Figure BDA00038523310500000410
式中：
Figure BDA00038523310500000411
是微电网运营商在时段t能够接受的最高电价。
所述能源聚合代理商的购电成本函数
Figure BDA00038523310500000412
为：
Figure BDA00038523310500000413
式中：
Figure BDA00038523310500000414
为第i个微电网运营商在时段t对能源聚合代理商的售电价格；
Figure BDA00038523310500000415
为能源聚合代理商在时段t从第i个微电网运营商购入的电量；
Figure BDA00038523310500000416
为第i个微电网运营商在时段t-1的交易信誉值。
所述能源聚合代理商的售电收益函数
Figure BDA00038523310500000417
为：
Figure BDA0003852331050000051
式中：
Figure BDA0003852331050000052
为能源聚合代理商在时段t对第i个微电网运营商的售电价格；
Figure BDA0003852331050000053
为第i个微电网运营商在时段t从能源聚合代理商购入的电量；
Figure BDA0003852331050000054
为能源聚合代理商在时段t对第m个大容量负荷的售电价格；
Figure BDA0003852331050000055
为第m个大容量负荷在时段t从能源聚合代理商购入的电量；
Figure BDA0003852331050000056
为能源聚合代理商在时段t-1的交易信誉值。
所述能源聚合代理商的约束条件函数为：
Figure BDA0003852331050000057
式中：
Figure BDA0003852331050000058
是能源聚合代理商在时段t能够提供的最大电量；
Figure BDA0003852331050000059
式中：
Figure BDA00038523310500000510
是能源聚合代理商在时段t能够接受的最高售价。
所述第m个大容量负荷在时段t的购电成本函数
Figure BDA00038523310500000511
为：
Figure BDA00038523310500000512
式中：
Figure BDA00038523310500000513
为第m个大容量负荷在时段t从第i个微电网运营商处的购电价格；
Figure BDA00038523310500000514
为第m个大容量负荷在时段t从第i个微电网运营商处购入的电量；
Figure BDA00038523310500000515
为第i个微电网运营商在时段t-1的交易信誉值；
Figure BDA00038523310500000516
为第m个大容量负荷在时段t从能源聚合代理商处的购电价格；
Figure BDA00038523310500000517
为第m个大容量负荷在时段t从能源聚合代理商处购入的电量；
Figure BDA00038523310500000518
为能源聚合代理商在时段t-1的交易信誉值。
所述大容量负荷的约束条件函数为：
Figure BDA00038523310500000519
式中：
Figure BDA0003852331050000061
是大容量负荷在时段t的需求电量；
Figure BDA0003852331050000062
式中：
Figure BDA0003852331050000063
是大容量负荷在时段t能够接受的最高购电价格。
所述的信誉值即为交易信誉值、用Ri,t表示，信誉值会对交易的价格产生影响且信誉值会随着每次交易的进行而不断更新，其更新的信誉值可表示为：
Figure BDA0003852331050000064
式中：
Figure BDA0003852331050000065
和
Figure BDA0003852331050000066
分别为该时间段相比上一时间段的交易信用奖励和惩罚值，
Figure BDA0003852331050000067
和
Figure BDA0003852331050000068
的数学表述如下所示：
Figure BDA0003852331050000069
Figure BDA00038523310500000610
式中：mi,t为交易评价系数，并用
Figure BDA00038523310500000611
表示；qi,t和fi,t是根据交易执行电量的履约和资金转移情况分别设定的两个评估系数，qi,t为主链节点i在交易时段t的履约程度评估系数，fi,t为主链节点i在交易时段t的资金转移评估系数。
履约程度评估系数的设定规则为：qi,t为主链节点i在交易时段t的履约程度评估系数，由成功竞标量和实际交易量之间的相对大小决定，可表述为：
Figure BDA00038523310500000612
Figure BDA00038523310500000613
式中：
Figure BDA00038523310500000614
为实际交易电量；Qi,t为合同交易电量；2％为交易总量达标门槛，成功竞标量和实际交易量的相对偏差在2％以内则履约程度评估系数取最大值1；反之，则按实际相对偏差大小计算履约程度评估系数qi,t；若实际相对偏差超过10％，则本次交易总量评估不合格，履约程度评估系数qi,t取最低值0。
资金转移评估系数的设定规则为：fi,t为主链节点i在交易时段t内共识过程时的资金转移评估系数，由欠款额和合同额的百分比决定，可表述为：
Figure BDA00038523310500000615
式中：wdebt是资金欠款额；wdeal是合同资金额；若主链节点i在交易时段t内没有欠款情况发生，则本次资金转移评估系数取最大值为1，反之、按照实际欠款比例计算资金转移评估系数fi,t。
由于侧链的能源聚合商在内部交易撮合完成后对外只存在一种表现形式，即购电或者是售电，待EAA在主链上交易完成后对侧链的小容量分布式能源主体进行相应的分配，为了简化分配过程，步骤D中的分配就不考虑价格匹配的问题，都会按照统一的指标进行电量或者是利益的分配。
关于统一的指标限定如下：
①若EAA整体对外表现为缺电，则通过与主链能源主体交易来获得缺额的电能；其中电量分配的统一指标指的是按照此前EAA收集的侧链信息来分配；而电价的统一指标则是取EAA与主链上不同能源主体交易电价的平均值的110％(EAA获取收益的途径)；
②若EAA整体对外表现为余电即EAA会在侧链上进行利益分配；利益分配的统一指标指的是针对每个有电能余量的小容量分布式能源主体其分配到的收益等于其多余的电量乘上EAA与主链各能源主体交易价格的90％(EAA获取收益的途径)。
本发明相比现有技术有如下优点：
本发明的优化方法针对小容量分布式能源主体直接参与电力交易当中导致交易效率降低的问题，结合区块链技术设计了合理的分层级电力交易机制，将小容量分布式能源主体聚合后，先采用连续双向拍卖进行内部交易撮合，内部未满足需求的统一由能源聚合代理商收集交易信息参与到主链大容量能源主体的交易当中，这种分层级的交易机制可以有效缓解小容量分布式能源主体接入电力市场而导致的交易效率降低的问题；且在保障新能源消纳比的同时，提高了交易的效率、确保了交易的安全性和不可篡改性。
本发明的优化方法提出的基于交易主体交易信誉值的交易优化模型，将区块链技术引入到电力交易场景后可以结合节点信誉值对履约情况较差的交易主体采取一定的惩罚措施，即售电主体上一时段的交易信誉值会对现时段的交易价格产生影响，进而影响该售电主体的售电收益；这种基于节点信誉值的交易优化模型应用在电力交易区块链平台上可以在一定程度上保证能源主体的履约状况。
附图说明
附图1为本发明的基于区块链技术的分层级电力交易优化方法的流程图；
附图2为本发明的基于主侧区块链架构的分层级电力交易机制的总体框架图；
附图3为本发明的实施例中基于NSGA2遗传算法对电力交易优化模型的交易电量求解图；
附图4为本发明的实施例中未引入信誉值的交易优化模型的价格求解图；
附图5为本发明的实施例中引入信誉值的交易优化模型的价格求解图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。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的前提下所获得的所有其他实施例，都应属于本发明保护的范围。
如图1所示：一种基于区块链技术的分层级电力交易优化方法，该优化方法提供了一种主侧区块链分层交易架构：首先将大容量能源主体部署在区块链的主链节点、并将小容量分布式能源主体聚合后以聚合商的形式部署在侧链上，且主链与侧链间采用公证人节点进行信息交互；该优化方法的分层级电力交易流程包括如下步骤：
A、侧链上的聚合商内部优先进行交易撮合直到部分交易主体完成交易，撮合过程结束后在聚合商内部选取一个作为能源聚合代理商、亦即公证人节点；
交易撮合的具体过程为：
A1、根据聚合商内部主体的报价策略将其分为能源生产者NS和能源消费者NB；
A2、将能源生产者报价Bp＝{Bpi|i∈NS}由小到大升序排列，将能源消费者报价Bc＝{Bcj|j∈NB}由大到小降序排列，其中：Bpi为能源生产者的报价价格序列(i取1，2，3...)，Bcj为能源消费者的报价价格序列(j取1，2，3...)；
A3、取能源生产者NS中的最低报价BPi,min和能源消费者NB当中的最高报价Bcj,max，如果有Bcj,max>BPi,min则匹配成功，双方退出匹配序列；如若不满足则未成功匹配的主体调整报价策略，即在原有的报价基础上让能源生产者减去一个让步值ΔB、能源消费者加上一个让步值ΔB，则有：
Figure BDA0003852331050000081
式中：Bpi(t+1)是在上一轮报价不成功基础上能源生产者即卖方减去一个让步值ΔB后的报价，Bcj(t+1)是在上一轮报价不成功基础上能源消费者即买方加上一个让步值ΔB后的报价；让步值ΔB为一设定的固定值，一般为(Bcj,max-BPi,min)的倍数且该倍数小于1；
A4、重复步骤A3直至所有未匹配成功的主体加上或减去一个让步值后不存在匹配成功的双方，则此时匹配截止；
B、公证人节点收集侧链上未完成交易主体的交易信息并参与主链上的电能交易；
C、主链上的各能源主体以各自收益最大化和成本最小化为目标进行非合作博弈、建立基于信誉值的电力交易优化模型并采用NSGA2遗传算法进行求解，并根据求解结果进行主链上的电能交易；
基于信誉值的电力交易优化模型的目标函数为：
Figure BDA0003852331050000091
式中：maxFMO为微电网运营商的收益函数；maxFEAA为能源聚合代理商的收益函数；maxFLL为大容量负荷的收益函数；
Figure BDA0003852331050000092
为第i个微电网运行商在时段t的售电收益函数，
Figure BDA0003852331050000093
为第i个微电网运行商在时段t的购电成本函数；
Figure BDA0003852331050000094
为能源聚合代理商在时段t的售电收益函数，
Figure BDA0003852331050000095
为能源聚合代理商在时段t的购电成本函数；
Figure BDA0003852331050000096
为第m个大容量负荷在时段t的购电成本函数；N1是微电网运行商的个数；N2是大容量负荷的个数。
其中，第i个微电网运行商的购电成本函数
Figure BDA0003852331050000097
为：
Figure BDA0003852331050000098
式中：
Figure BDA0003852331050000099
是第j个微电网运营商在时段t对第i个微电网运营商的售电价格；
Figure BDA00038523310500000910
是第i个微电网运营商在时段t从第j个微电网运营商购入的电量；
Figure BDA00038523310500000911
是能源聚合代理商在时段t对第i个微电网运营商的售电价格；
Figure BDA00038523310500000912
是第i个微电网运营商在时段t从能源聚合代理商购入的电量；
Figure BDA00038523310500000913
为第j个微电网运营商在在时段t-1的交易信誉值；
Figure BDA00038523310500000914
为第i个微电网运营商在在时段t-1的交易信誉值。
其中，第i个微电网运行商的售电收益函数
Figure BDA00038523310500000915
为：
Figure BDA0003852331050000101
式中：
Figure BDA0003852331050000102
为第i个微电网运营商在时段t向第j个微电网运营商售卖的电价；
Figure BDA0003852331050000103
为第i个微电网运营商在时段t向第j个微电网运营商售卖的电量；
Figure BDA0003852331050000104
为第i个微电网运营商在时段t向第j个能源聚合代理商售卖的电价；
Figure BDA0003852331050000105
为第i个微电网运营商在时段t向第j个能源聚合代理商售卖的电量；
Figure BDA0003852331050000106
为第i个微电网运营商在时段t向第m个大容量负荷售卖的电价；
Figure BDA0003852331050000107
为第i个微电网运营商在时段t向第m个大容量负荷售卖的电量。
微电网运营商的约束条件函数为：
Figure BDA0003852331050000108
式中：
Figure BDA0003852331050000109
为微电网运营商在时段t能够提供电量的最大值。
Figure BDA00038523310500001010
式中：
Figure BDA00038523310500001011
是微电网运营商在时段t能够接受的最高电价。
其中，能源聚合代理商的购电成本函数
Figure BDA00038523310500001012
为：
Figure BDA00038523310500001013
式中：
Figure BDA00038523310500001014
为第i个微电网运营商在时段t对能源聚合代理商的售电价格；
Figure BDA00038523310500001015
为能源聚合代理商在时段t从第i个微电网运营商购入的电量；
Figure BDA00038523310500001016
为第i个微电网运营商在时段t-1的交易信誉值。
其中，能源聚合代理商的售电收益函数
Figure BDA00038523310500001017
为：
Figure BDA0003852331050000111
式中：
Figure BDA0003852331050000112
为能源聚合代理商在时段t对第i个微电网运营商的售电价格；
Figure BDA0003852331050000113
为第i个微电网运营商在时段t从能源聚合代理商购入的电量；
Figure BDA0003852331050000114
为能源聚合代理商在时段t对第m个大容量负荷的售电价格；
Figure BDA0003852331050000115
为第m个大容量负荷在时段t从能源聚合代理商购入的电量；
Figure BDA0003852331050000116
为能源聚合代理商在时段t-1的交易信誉值。
能源聚合代理商的约束条件函数为：
Figure BDA0003852331050000117
式中：
Figure BDA0003852331050000118
是能源聚合代理商在时段t能够提供的最大电量。
Figure BDA0003852331050000119
式中：
Figure BDA00038523310500001110
是能源聚合代理商在时段t能够接受的最高售价。
其中，第m个大容量负荷在时段t的购电成本函数
Figure BDA00038523310500001111
为：
Figure BDA00038523310500001112
式中：
Figure BDA00038523310500001113
为第m个大容量负荷在时段t从第i个微电网运营商处的购电价格；
Figure BDA00038523310500001114
为第m个大容量负荷在时段t从第i个微电网运营商处购入的电量；
Figure BDA00038523310500001115
为第i个微电网运营商在时段t-1的交易信誉值；
Figure BDA00038523310500001116
为第m个大容量负荷在时段t从能源聚合代理商处的购电价格；
Figure BDA00038523310500001117
为第m个大容量负荷在时段t从能源聚合代理商处购入的电量；
Figure BDA00038523310500001118
为能源聚合代理商在时段t-1的交易信誉值。
大容量负荷的约束条件函数为：
Figure BDA00038523310500001119
式中：
Figure BDA0003852331050000121
是大容量负荷在时段t的需求电量。
Figure BDA0003852331050000122
式中：
Figure BDA0003852331050000123
是大容量负荷在时段t能够接受的最高购电价格。
D、公证人节点参与完主链的交易后，将从主链交易中获得的电能或收益分配给侧链上的未完成交易主体；
E、记录步骤A、步骤C和步骤D中的交易信息且待所有节点共识完成后，进行交易信息上链；至此一个交易周期完成。
应用案例
本应用案例结合区块链技术的分层级电力交易机制，在传统的电力交易模型的基础上将小容量分布式能源主体部署在侧链、将大容量能源主体部署在主链上；如图2所示，为了表述方便，图2中主链上有三种不同类型的能源主体，分别是具有购售电能力的微电网运营商(MO)、仅有购电需求的大容量负荷(LL)以及具有购售电能力且代表侧链上未完成交易主体的能源聚合代理商(EAA)。
进行分层级电力交易时，首先侧链上的聚合商内部优先进行交易撮合直到部分交易主体完成交易，撮合过程结束后在聚合商内部选取一个作为能源聚合代理商、亦即公证人节点；接着公证人节点收集侧链上未完成交易主体的交易信息并参与主链上的电能交易；然后，主链上的各能源主体以各自收益最大化和成本最小化为目标进行非合作博弈、建立基于信誉值的电力交易优化模型并采用NSGA2遗传算法进行求解，并根据求解结果进行主链上的电能交易；待公证人节点参与完主链的交易后，将从主链交易中获得的电能或收益分配给侧链上的未完成交易主体；记录全部交易信息且待所有节点共识完成后，进行交易信息上链；至此一个交易周期完成。
在上述过程中，所有小容量分布式能源主体都参与到连续双向拍卖序列当中，部分用户可在内部的交易撮合中满足自身的需求、而有些则不能满足自身需求，这时可将未能满足的购售电需求上传到选定的能源聚合代理商(EAA)中，EAA收集完侧链的需求信息后参与到主链的非合作博弈当中。
紧接着是主链中的微电网运营商(MO)、大容量负荷(LL)、能源聚合代理商(EAA)参与的非合作博弈，通过求解基于信誉值的电力交易优化模型来获得交易结果，该交易结果包含交易双方的交易电量、交易电价以及双方的售电收益及购电成本；其中，N1为微电网运营商的数量(MO)、N2为大容量负荷(LL)的数量，在图2中可知，N1＝2、N2＝2，即主链中参与非合作博弈的主体共有5个。
由于本应用案例针对的是某一特定次数的交易结果，即已知上一时段的交易信誉值，故可以按照履约程度评估系数和资金转移评估系数确定交易评价系数mi,t，并根据交易评价系数mi,t更新该时间段相比上一时间段的交易信用奖励
Figure BDA0003852331050000131
和惩罚值
Figure BDA0003852331050000132
从而更新该交易时间段的交易信誉值。由图2可知主链当中共有2个微电网运营商(MO)、两个大容量负荷(LL)和一个能源聚合代理商(EAA)，由于大容量负荷只有购电能力，故该应用案例不考虑大容量负荷的交易信誉值。首先假设奖惩阈值Rt＝90分，假设两个微电网运营商(MO1、MO2)上一时段的交易信誉值分别为100分和60分、能源聚合代理商(EAA)上一时段信誉值为90分，则MO1、MO2以及EEA参与交易时对外售电时会有相应的价格奖惩，其中MO1对外售电时会有相应的价格奖励，EAA则会以原价格参与到电力交易当中，而MO2在售电时会以0.7倍的原价格参与到电力交易当中、MO2在购电时会以1.3倍的原价参与到电力交易当中。
基于信誉值更新的电力交易优化模型的约束条件不变，其中将0.35元/(kW·h)作为最低的交易成交电价，微电网运营商(MO)的最高交易成交电价为1.2元/(kW·h)、能源聚合代理商(EAA)最高交易成交电价为1.5元/(kW·h)、大容量负荷(LL)最高交易成交电价为1.25元/(kW·h)；其中图3是该案例中基于NSGA2遗传算法对主链上参与交易的五个电力主体的交易电量的求解图，图4是没有考虑交易信誉值更新基础上的对应交易的求解图，而图5是考虑了交易信誉值更新的对应交易的求解图，相对于图4，图5在某些时段的交易电价有了对应的降低，例如在中午12点时刻，MO2对EAA的售电价格就从0.87/(kW·h)变成了0.59/(kW·h)，可以看出这对信誉值较高的购电主体进行了奖励，而对信誉值较低的售电主体则是进行了一定程度上的惩罚。
基于区块链、信誉值更新的分层级电力交易优化方法的特点如下：
1)针对小容量分布式能源主体直接参与大容量能源主体的交易当中导致的交易效率降低的问题，设计的分层级交易机制可以解决带来的交易效率降低问题；
2)基于信誉值更新的电力交易优化模型，使得各能源主体以更加高效的诚信的方式参与到电力交易当中，保障了交易的安全性和交易效率；
3)基于区块链技术的分层级电力交易机制下的P2P交易模式可以提高能源主体参与交易的积极性，加快新能源的消纳比。
本发明提供的一种基于区块链技术的分层级电力交易优化方法，可以有效解决由于大量小容量分布式能源主体参与到大容量能源主体间的电力交易当中导致的交易效率降低问题，同时基于区块链节点信誉值更新的特点，建立了基于能源主体交易信誉值的交易优化模型，在原有的交易优化模型的基础上引入各能源主体上一时段的交易信誉值，上一时段交易的履约情况会对本时段的交易产生影响即对一些交易履约情况较差的用户采取价格上的惩罚措施；因此考虑了前一时段交易信誉值更新的基于区块链技术的分层级电力交易机制与实际的多能源主体参与的电力交易场景更加贴合。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的工作人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。本发明未涉及的技术均可通过现有技术加以实现。

Claims (10)

1.一种基于区块链技术的分层级电力交易优化方法，其特征在于：该优化方法提供了一种主侧区块链分层交易架构：首先将大容量能源主体部署在区块链的主链节点，并将小容量分布式能源主体聚合后以聚合商的形式部署在侧链上，且主链与侧链间采用公证人节点进行信息交互。该优化方法的分层级电力交易流程包括如下步骤：
A、侧链上的聚合商内部优先进行交易撮合直到部分交易主体完成交易，撮合过程结束后在聚合商内部选取一个作为能源聚合代理商、亦即公证人节点；
B、公证人节点收集侧链上未完成交易主体的交易信息并参与主链上的电能交易；
C、主链上的各能源主体以各自收益最大化和成本最小化为目标进行非合作博弈，建立基于信誉值的电力交易优化模型并采用NSGA2遗传算法进行求解，并根据求解结果进行主链上的电能交易；
D、公证人节点参与完主链的交易后，将从主链交易中获得的电能或收益分配给侧链上的未完成交易主体；
E、记录步骤A、步骤C和步骤D中的交易信息且待所有节点共识完成后，进行交易信息上链；至此一个交易周期完成。
2.根据权利要求1所述的基于区块链技术的分层级电力交易优化方法，其特征在于：所述步骤A中的聚合商内部采用连续双向拍卖完成聚合商内部的交易撮合，其具体过程为：
A1、根据聚合商内部主体的报价策略将其分为能源生产者NS和能源消费者NB；
A2、将能源生产者报价Bp＝{Bpi|i∈NS}由小到大升序排列，将能源消费者报价Bc＝{Bcj|j∈NB}由大到小降序排列，其中：Bpi为能源生产者的报价价格序列(i取1，2，3...)，Bcj为能源消费者的报价价格序列(j取1，2，3...)；
A3、取能源生产者NS中的最低报价BPi,min和能源消费者NB当中的最高报价Bcj,max，如果有Bcj,max>BPi,min则匹配成功，双方退出匹配序列；如若不满足则未成功匹配的主体调整报价策略，即在原有的报价基础上让能源生产者减去一个让步值ΔB、能源消费者加上一个让步值ΔB，则有：
Figure FDA0003852331040000011
式中：Bpi(t+1)是在上一轮报价不成功基础上能源生产者即卖方减去一个让步值ΔB后的报价，Bcj(t+1)是在上一轮报价不成功基础上能源消费者即买方加上一个让步值ΔB后的报价；让步值ΔB为一设定的固定值，一般为(Bcj,max-BPi,min)的倍数且该倍数小于1；
A4、重复步骤A3直至所有未匹配成功的主体加上或减去一个让步值后不存在匹配成功的双方，则此时匹配截止。
3.根据权利要求1所述的基于区块链技术的分层级电力交易优化方法，其特征在于：所述步骤C中的基于信誉值的电力交易优化模型的目标函数为：
Figure FDA0003852331040000021
式中：maxFMO为微电网运营商的收益函数；maxFEAA为能源聚合代理商的收益函数；maxFLL为大容量负荷的收益函数；
Figure FDA0003852331040000022
为第i个微电网运行商在时段t的售电收益函数，
Figure FDA0003852331040000023
为第i个微电网运行商在时段t的购电成本函数；
Figure FDA0003852331040000024
为能源聚合代理商在时段t的售电收益函数，
Figure FDA0003852331040000025
为能源聚合代理商在时段t的购电成本函数；
Figure FDA0003852331040000026
为第m个大容量负荷在时段t的购电成本函数；N1是微电网运行商的个数；N2是大容量负荷的个数。
4.根据权利要求3所述的基于区块链技术的分层级电力交易优化方法，其特征在于：第i个微电网运行商的购电成本函数
Figure FDA0003852331040000027
为：
Figure FDA0003852331040000028
式中：
Figure FDA0003852331040000029
是第j个微电网运营商在时段t对第i个微电网运营商的售电价格；
Figure FDA00038523310400000210
是第i个微电网运营商在时段t从第j个微电网运营商购入的电量；
Figure FDA00038523310400000211
是能源聚合代理商在时段t对第i个微电网运营商的售电价格；
Figure FDA00038523310400000212
是第i个微电网运营商在时段t从能源聚合代理商购入的电量；
Figure FDA00038523310400000213
为第j个微电网运营商在在时段t-1的交易信誉值；
Figure FDA00038523310400000214
为第i个微电网运营商在在时段t-1的交易信誉值；
第i个微电网运行商的售电收益函数
Figure FDA00038523310400000215
为：
Figure FDA0003852331040000031
式中：
Figure FDA0003852331040000032
为第i个微电网运营商在时段t向第j个微电网运营商售卖的电价；
Figure FDA0003852331040000033
为第i个微电网运营商在时段t向第j个微电网运营商售卖的电量；
Figure FDA0003852331040000034
为第i个微电网运营商在时段t向第j个能源聚合代理商售卖的电价；
Figure FDA0003852331040000035
为第i个微电网运营商在时段t向第j个能源聚合代理商售卖的电量；
Figure FDA0003852331040000036
为第i个微电网运营商在时段t向第m个大容量负荷售卖的电价；
Figure FDA0003852331040000037
为第i个微电网运营商在时段t向第m个大容量负荷售卖的电量。
5.根据权利要求4所述的基于区块链技术的分层级电力交易优化方法，其特征在于：所述微电网运营商的约束条件函数为：
Figure FDA0003852331040000038
式中：
Figure FDA0003852331040000039
为微电网运营商在时段t能够提供电量的最大值；
Figure FDA00038523310400000310
式中：
Figure FDA00038523310400000311
是微电网运营商在时段t能够接受的最高电价。
6.根据权利要求3所述的基于区块链技术的分层级电力交易优化方法，其特征在于：所述能源聚合代理商的购电成本函数
Figure FDA00038523310400000312
为：
Figure FDA00038523310400000313
式中：
Figure FDA00038523310400000314
为第i个微电网运营商在时段t对能源聚合代理商的售电价格；
Figure FDA00038523310400000315
为能源聚合代理商在时段t从第i个微电网运营商购入的电量；
Figure FDA00038523310400000316
为第i个微电网运营商在时段t-1的交易信誉值；
所述能源聚合代理商的售电收益函数
Figure FDA00038523310400000317
为：
Figure FDA0003852331040000041
式中：
Figure FDA0003852331040000042
为能源聚合代理商在时段t对第i个微电网运营商的售电价格；
Figure FDA0003852331040000043
为第i个微电网运营商在时段t从能源聚合代理商购入的电量；
Figure FDA0003852331040000044
为能源聚合代理商在时段t对第m个大容量负荷的售电价格；
Figure FDA0003852331040000045
为第m个大容量负荷在时段t从能源聚合代理商购入的电量；
Figure FDA0003852331040000046
为能源聚合代理商在时段t-1的交易信誉值。
7.根据权利要求6所述的基于区块链技术的分层级电力交易优化方法，其特征在于：所述能源聚合代理商的约束条件函数为：
Figure FDA0003852331040000047
式中：
Figure FDA0003852331040000048
是能源聚合代理商在时段t能够提供的最大电量；
Figure FDA0003852331040000049
式中：
Figure FDA00038523310400000410
是能源聚合代理商在时段t能够接受的最高售价。
8.根据权利要求3所述的基于区块链技术的分层级电力交易优化方法，其特征在于：所述第m个大容量负荷在时段t的购电成本函数
Figure FDA00038523310400000411
为：
Figure FDA00038523310400000412
式中：
Figure FDA00038523310400000413
为第m个大容量负荷在时段t从第i个微电网运营商处的购电价格；
Figure FDA00038523310400000414
为第m个大容量负荷在时段t从第i个微电网运营商处购入的电量；
Figure FDA00038523310400000415
为第i个微电网运营商在时段t-1的交易信誉值；
Figure FDA00038523310400000416
为第m个大容量负荷在时段t从能源聚合代理商处的购电价格；
Figure FDA00038523310400000417
为第m个大容量负荷在时段t从能源聚合代理商处购入的电量；
Figure FDA00038523310400000418
为能源聚合代理商在时段t-1的交易信誉值。
9.根据权利要求8所述的基于区块链技术的分层级电力交易优化方法，其特征在于：所述大容量负荷的约束条件函数为：
Figure FDA0003852331040000051
式中：
Figure FDA0003852331040000052
是大容量负荷在时段t的需求电量；
Figure FDA0003852331040000053
式中：
Figure FDA0003852331040000054
是大容量负荷在时段t能够接受的最高购电价格。
10.根据权利要求3-9任一所述的基于区块链技术的分层级电力交易优化方法，其特征在于：所述的信誉值即为交易信誉值、用Ri,t表示，信誉值会对交易的价格产生影响且信誉值会随着每次交易的进行而不断更新，其更新的信誉值可表示为：
Figure FDA0003852331040000055
式中：
Figure FDA0003852331040000056
和
Figure FDA0003852331040000057
分别为该时间段相比上一时间段的交易信用奖励和惩罚值，
Figure FDA0003852331040000058
和
Figure FDA0003852331040000059
的数学表述如下所示：
Figure FDA00038523310400000510
Figure FDA00038523310400000511
式中：mi,t为交易评价系数，并用
Figure FDA00038523310400000512
表示；qi,t和fi,t是根据交易执行电量的履约和资金转移情况分别设定的两个评估系数，qi,t为主链节点i在交易时段t的履约程度评估系数，fi,t为主链节点i在交易时段t的资金转移评估系数。
CN202211136522.5A 2022-09-19 2022-09-19 一种基于区块链技术的分层级电力交易优化方法 Pending CN115375481A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211136522.5A CN115375481A (zh) 2022-09-19 2022-09-19 一种基于区块链技术的分层级电力交易优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211136522.5A CN115375481A (zh) 2022-09-19 2022-09-19 一种基于区块链技术的分层级电力交易优化方法

Publications (1)

Publication Number Publication Date
CN115375481A true CN115375481A (zh) 2022-11-22

Family

ID=84072650

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211136522.5A Pending CN115375481A (zh) 2022-09-19 2022-09-19 一种基于区块链技术的分层级电力交易优化方法

Country Status (1)

Country Link
CN (1) CN115375481A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116128489A (zh) * 2023-04-18 2023-05-16 河北中废通网络技术有限公司 基于区块链的物品回收交易处理方法、装置、终端及介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116128489A (zh) * 2023-04-18 2023-05-16 河北中废通网络技术有限公司 基于区块链的物品回收交易处理方法、装置、终端及介质

Similar Documents

Publication Publication Date Title
Nunna et al. Multiagent-based energy trading platform for energy storage systems in distribution systems with interconnected microgrids
Luo et al. Distributed peer-to-peer energy trading based on game theory in a community microgrid considering ownership complexity of distributed energy resources
Chen et al. Research on day-ahead transactions between multi-microgrid based on cooperative game model
CN112053152B (zh) 一种基于绿色权益共识机制的分布式能源并网认证与交易方法
CN112054513A (zh) 基于混合博弈的多微电网双层协调优化调度方法
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
CN112529622A (zh) 基于虚拟电厂的多元小微主体参与现货市场的出清方法
CN113052631A (zh) 一种竞争性售电市场多产消者p2p日前交易机制
Ghaffari et al. Options based reserve procurement strategy for wind generators-using binomial trees
CN115271438B (zh) 一种可计及碳排放的多主体博弈协同调度方法及电子设备
Xia et al. The flexible roles of distributed energy storages in peer-to-peer transactive energy market: A state-of-the-art review
Meghana et al. Blockchain technology based decentralized energy management in multi-microgrids including electric vehicles
Zhao et al. Optimal operation of distribution networks and multiple community energy prosumers based on mixed game theory
CN114626922A (zh) 一种基于区块链的自适应竞价多能源p2p交易平台
Li et al. Economic analysis of energy communities: Investment options and cost allocation
Gao et al. Green electricity trading driven low-carbon sharing for interconnected microgrids
Tian et al. Game-theoretic modeling of power supply chain coordination under demand variation in China: A case study of Guangdong Province
Zhou et al. A decentralized peer-to-peer energy trading strategy considering flexible resource involvement and renewable energy uncertainty
CN115375481A (zh) 一种基于区块链技术的分层级电力交易优化方法
CN112884381B (zh) 一种考虑供需不确定性的p2p用能市场规划方法
CN112580850A (zh) 一种电力调峰市场的出清方法及系统
Yan et al. Optimal scheduling strategy and benefit allocation of multiple virtual power plants based on general nash bargaining theory
CN112767146A (zh) 基于区块链技术和双重拍卖的社区分布式能源交易机制
CN112529410A (zh) 一种适用于两级市场发用电平衡的衔接方法和系统
Hadiya et al. A comparative analysis of pricing mechanisms to enable P2P energy sharing of rooftop solar energy

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