基于区块链技术的微电网群分布式电能交易模式

2022-06-06朱廷虎刘洋许立雄饶萍李振伟吴涵

电力建设 2022年6期

朱廷虎，刘洋，许立雄，饶萍，李振伟，吴涵

(四川大学电气工程学院, 成都市 610065)

0 引言

2017年10月，国家能源局发布了《关于开展分布式发电市场化交易试点的通知》，促使我国近年来持续推进分布式电源(distributed generation，DG)多主体直接电能交易试点工作[1]。微电网作为一种灵活自治的电网结构，能有效降低DG直接并网对配电网运行的影响，逐渐成为DG参与市场化交易的主要应用场景[2-3]。地域相邻的微电网之间能量互动、信息互联，形成局域微电网群电力市场，有利于提高微电网的经济性及配电网的可靠性[4]。然而，微电网群频繁、单笔量小的交易特性使得集中交易效率低下、维护成本高，而分布式直接电能交易模式虽能有效避免集中式运算乏力的问题，但仍难保证交易数据安全和可追溯[5]。因此，本文在微电网群分布式电能交易中引入区块链技术。

作为一个可信的去中心化数据库集，区块链凭借其安全、高效、透明、可追溯的特点[6]可为分布式电能交易提供技术支撑。文献[7]验证了区块链在DG交易领域的适应性。文献[8]构建了基于区块链技术的多主体利益均衡竞标模型，但缺乏实际区块链平台运行的有效性验证。文献[5]基于连续双向拍卖机制，设计了一种采用自适应进取性报价策略的直接电能交易模式，并分析了该策略下交易匹配效率的优越性。文献[9]提出基于区块链的信用证明共识机制对DG违约风险进行管控，验证了信用管理能有效维持能源市场秩序。文献[10]构建了基于智能合约的区域能源交易基础应用模型，并在区块链平台验证所提模型的可行性。但上述文献均未考虑配电网在分布式交易场景中过网费的收取问题，也未考虑过网费对交易撮合的公平性问题，缺乏分析计及过网费及DG用户侧信用值偏好等因素对电能交易匹配过程和成交结果的影响。

合理的过网费核算一方面能保证配电网收回成本，另一方面能促使微电网交易市场公平竞争。文献[11]认为除国家核定基础输配电价外，过网费核算还应考虑交易双方之间的电压等级、电气距离及占用电网资源。文献[12]介绍了基于源流分析法和网络定价法的过网费模型。文献[13]通过设定基准收益率倒推过网费，提出适应光伏学习曲线的多阶段过网费核算机制。上述文献中过网费核算多属于统一定价方式，并未充分考虑市场化环境中DG频繁参与交易时产生的线路投资成本、线路使用成本及配电网的电能质量治理成本，不能根据每笔成交信息动态收取过网费以确保市场公平性和配电网运营成本回收。

综上所述，本文提出一种基于区块链技术的微电网群分布式电能交易模型，设计考虑过网费及购电用户信用值偏好的智能合约。首先，针对传统过网费定价方式存在的不足，综合考虑配电网的运行投资成本，提出基于功率传输分布因子(power transfer distribution factors，PTDF)的动态过网费收取模型。其次，为满足微电网的购电信用值偏好，保证在动态过网费模型下交易撮合的公平有序，构建计及信用值偏好的购电策略函数，并采用改进粒子群算法[14](improved particle swarm optimization，IPSO)对交易撮合过程进行求解。再次，为解决智能合约执行过程中报价更新及配电网节点电压偏移的问题，借助自适应进取型报价策略对每轮报价自动进行更新，采用随交易轮次变化而动态更新的配电网安全校核方法。最后，通过Matlab仿真平台及自建的以太坊电能交易平台验证本文所提交易模型的合理性和智能合约的有效性。

1 基于区块链的微电网集群电能交易框架

1.1 微电网集群电能交易总体框架

微电网内部包含风光DG、储能装置、居民用户和电动汽车负荷。微电网在自身内部电能盈余或缺额时，不再与配电网直接交易，而是与临近的其他微电网进行电能交易，形成局域微电网集群电能交易市场。与集中式交易方式不同，本文引入区块链网络作为交易主体的信息交互通道，以实现安全透明、高效经济的分布式交易，具体的电能交易框架如图1所示。

图1 微电网群分布式电能交易框架

在该框架下，各微电网主体和配电系统运营商(distribution system operator，DSO)通过智能电表接入区块链网络成为区块链节点，每个节点均能随时追溯历史交易信息。此时，DSO主要为微电网群电能交易提供辅助服务，负责对微电网群交易结束后仍不能平衡的电能“兜底”、监管微电网群真实交易结果、核实过网费计算准确性等事项。

以太坊智能合约具有较为成熟的编译和部署环境，能保证交易自动可靠地执行并激励各交易节点共同监督与维护区块数据。同时，其抗51%攻击及扩展性强的特点与安全性要求较高的多主体分布式电能交易具有一定契合度。此外，以太坊可设置固定的挖矿难度以缩小与Hyperledger Fabric在处理效率上的差距。因此，本文采用以太坊验证所提交易模式，具体过程为：各交易节点将自身交易报价策略上传到区块链网络，在满足以太坊智能合约预制条件或规则时，智能合约自动执行交易撮合和资金结算(合约流程由1.2节详细介绍)后由共识机制将交易结果打包成区块，并保存在区块链上。

1.2 基于智能合约的微电网集群电能交易流程

作为一种由事件触发而自动运行在区块链上的代码，智能合约能够在没有第三方机构的情况下实现微电网群可信的电能交易，并保证交易结果可追溯且不可逆转。本文设计了微电网群电能交易智能合约，如图2所示。该合约分为市场准入核验阶段、交易信息上报阶段、交易撮合阶段、安全校核阶段及交易执行和结算阶段。

图2 智能合约执行流程图

1)市场准入核验阶段。为保证交易节点身份真实性，微电网需在市场监管机构备案并获得相应数字证书后才能在区块链交易平台进行注册，购电微电网需向自身账户存入一定押金才能进入市场。

2)交易信息上报阶段。各微电网由其智能电表随机生成一加密字符串，并与其真实报价、报量及信用值偏好等信息相连，经Hash加密后密封上报到智能合约中。一轮上报时间截止时，各微电网需公开自身报价字符串，智能合约将验证接收的密封报价解密后是否与该字符串一致。若一致，则进入下一阶段，否则该报价无效。

3)交易撮合阶段。首先，以一轮双向拍卖的出清方式对交易主体进行初筛，确定本轮购售电主体数量并排序。其次，基于本文第2节构建的动态过网费模型，并结合DSO节点向智能合约提供的配电网结构、线路参数及监测到的各微电网电能质量级别等信息，智能合约可执行3.3节构建的交易撮合函数进行交易配对。最后，针对未撮合成功的交易节点，其需调整交易策略后进入下一轮交易。

4)安全校核阶段。本文假设配电网线路容量足够大，微电网群交易不会造成潮流越限，仅考虑配电网节点电压偏移的问题。在校核时，智能合约依据步骤3)的撮合结果调用3.5节中的滚动约束校核函数，并判断配电网节点电压偏移幅值是否在允许范围内。对符合要求的交易对，记录为有效交易并签约；反之，则解除该交易匹配。

5)交易执行和结算阶段。当所有微电网群均满足购、售电能需求或达到交易轮次上限时，智能电表根据有效签约订单完成电能传输，并将实际传输电量数据上传智能合约进行成交费及过网费结算(本文设过网费由购电方上缴给DSO节点)。部分微电网由于预测偏差或信用值偏好等因素导致其电能仍不能平衡，则这部分电量可按分时电价出售给配电网或向配电网备用机组购买。

2 基于PTDF的动态过网费模型

现行过网费收取办法暂为按电压等级和输电及电力消纳范围分级确定的统一定价模式[13]。而各微电网节点在交易中具有交易频次高、数量小、传输距离不一等特点，若仍采取统一定价模式会导致交易主体之间出现不公平、不对等现象。因此，本文提出一种动态过网费模型，该模型下的过网费收取能跟随交易主体的交易量、交易时间、电气距离、占用线路情况、电能质量级别等因素的不同而动态调整。

当购电方i与售电方j达成交易功率Pij时，动态过网费Cdnf的具体计算方法如下：

(1)

1)线路长期增量成本Zl。

从配电网设备投资层面看，配电网各节点的负荷容量变化会影响其线路投资成本，有必要明确节点容量变化与配电网投资成本的关系[15]。本文采用长期增量成本法对线路长期投资成本建模为：

(2)

(3)

(4)

(5)

ΔPl=kptdf,ij,lPij

(6)

2)线路使用成本Dl。

线路使用成本Dl主要包含因输电网损及占用电网资产而对配电网支付的补偿费用，该成本模型考虑了节点间的电气距离、网损率、成交量及配电网的营收效益。

Dl=γ(1+ηD)dijΔPl

(7)

(8)

式中：γ是单位电气距离传输单位电能价格；ηD是配电网收益率，本文取为折现率；dij是节点i与j的电气距离；ηl,loss是网损率；Lij是节点i与j功率交互所经过的配电网支路数。

用户侧对购入的电能质量要求越高，则配电网在电能治理方面投入的运营成本、设备成本和维护成本也相应越高。本文采取基于熵权法的Topsis模型对各售电主体电能质量进行综合评估并划分为4个等级[17]。建立电能治理成本模型[18]如下：

(9)

3 计及动态过网费并考虑购电侧信用值偏好的交易过程分析

一般而言，配电网负责传输各交易主体电能时，物理层面上各售电方的电能已被同质化[19]，但电力市场消费者仍可对售电方的合同履约程度、电能质量等方面提出要求。

3.1 信用评估指标

本文交易模式下，购电方需提前向智能合约存入大于自身报量和报价乘积的资金，每笔交易按签约金额足额支付，暂不考虑其违约问题。对于售电方，若其发电量大于签约电量，则不影响合约执行；反之，则影响与之匹配的购电方的用能平衡，其违约行为会造成购电方额外的经济损失。

为此，基于售电方合约完成率并结合历史成交电量数据，构建其信用值指标如下：

(10)

3.2 计及用户购电信用值偏好的购电目标函数

连续双向拍卖机制以简单有序的优点广泛用于分布式电能出清，但在动态过网费模型下计及用户的购电信用偏好时，仅采用单次双向拍卖匹配交易，不能很好地满足购电侧需求。如图3所示，买方1在扣除过网费后的报价会比买方2更低，仍将买方1优先于买方2进行交易撮合易形成不公平的市场环境。此外，买方3的最低信用值要求大于卖方3的实际信用值，仍单纯按连续双向拍卖机制进行匹配不能保证其信用值偏好。因此，本文提出一种计及购电偏好的购电策略函数。

图3 交易撮合过程示意图

以一轮交易匹配过程为例，在满足自身信用偏好的情况下，购电方希望其交易支出费用最小，则购电方i的购电策略函数可表示为：

(11)

(12)

3.3 基于IPSO的撮合过程求解

撮合机制的主要任务是在满足如线路校核及购电偏好等约束时尽量匹配更多交易对。以一轮交易为例，设Nb和Ns分别为购、售电微电网数量，Pb,i和Ps,j分别为购、售电微电网i和j的申报电量。以一轮双向拍卖对交易主体进行初筛，具体为：

(13)

需要说明的是，每执行一次双向拍卖函数后，将购电方以报价递减的顺序编号为1,2,…,i-1,i,…,Ni，智能合约按照该编号依次执行相应的购电策略函数Si，直至最后一个购电方Ni执行后结束本轮交易撮合，未满足其期望成交额的购售方可调整自身报价策略以进入下一轮匹配竞争中。整个撮合过程实质上是一种多购电主体依次进行的非线性寻优过程，其不等式约束上下界会随着寻优次序动态调整。传统求解方法往往要求目标函数连续可导，通常难以处理具有多约束、离散和连续变量并存的优化模型。而较为前沿的强化学习方法在处理本文模型时难以构建适用的奖惩函数，训练样本可能无法覆盖所有决策情况。因此，本文采用模型简单、收敛较快且全局寻优能力强的IPSO算法对该过程进行求解，IPSO粒子更新过程参考文献[14]。

3.4 自适应报价更新策略

为规范交易市场环境并保证各交易主体报价时效性，智能电表内部嵌套有报价策略和报价更新计算程序[20]。参与电能交易的微电网按照自身实际电能需求参考报价策略对每次交易进行首轮报价，若该轮交易不成功则智能电表将根据其偏好自动更新报价进入下一轮交易，直到本次交易结束。微电网具体策略详述于后。

1)首轮报价策略。

若微电网为售电方，则其首轮报价策略为：

(14)

若微电网为购电方，则其首轮报价策略为：

(15)

式中：μ∈(0,1)，表征购电用户偏好，本文取0.5。

2)报价更新策略。

本文交易模式下多微电网主体之间属于完全竞争性交易范畴，各主体不能通过自身单方面左右市场，最终成交均价会基于供需关系而趋于竞争性均衡。均衡价格可通过近期的M笔成交价格加权后进行估计，即：

(16)

式中：κi为第i笔交易价格pi在均衡价格pe中所占的权重值，可采用序关系分析法解得[21]。

基于自适应进取型策略，购、售电双方可根据均衡价格和上一轮最优成交价格进行如下报价更新：

(17)

(18)

3.5 基于VSCs的多轮滚动约束校核

节点电压敏感度系数(voltage sensitivity coefficients，VSCs)常用来反映交易节点功率注入对其电压幅值的影响[23]，本文采用一种基于复合导纳矩阵的解析法计算VSCs[24]。因本文只涉及有功功率交易，故仅考虑有功对配电网节点电压的影响。具体计算公式为：

(19)

式中：Vi为节点i电压幅值标幺值；∂Vi/∂Pl表示节点i的VSCs值；V″i与Vi互为共轭；Y=(Yij)为节点导纳矩阵；D和F分别代表PQ节点和平衡节点集合。根据上述求得的VSCs值，进而可计算配电网节点电压偏移幅值ΔVj：

(20)

(21)

在单笔交易过程中，根据每轮交易功率ΔPl滚动求取电压偏移量ΔVj。若ΔVj超过阈值(本文设为 ±0.02 pu[22])，则取消本轮交易撮合，各交易主体重新报价以进入下一轮交易。每轮交易重复上述校验过程，以确保整笔交易结束后各节点电压均处于正常幅值。

4 算例分析

本文在Windows10 64 bit操作系统中，通过Matlab平台和自行搭建的以太坊交易平台进行仿真实验。如图4所示，在IEEE 33节点配电系统下，设置10个购电微网(B1至B10)，分别部署在4、6、10、14、18、20、21、25、28、31号节点；设置10个售电微网(S1至S10)，分别部署在1、5、9、12、15、16、22、23、30、33号节点。其中，线路折现率设置为0.1，负荷增长率为0.03，单位电气距离传输单位电能的价格为0.02元/[km·(kW·h)]。各售、购电微电网意愿交易电量见附录A图A1、A2，电能质量等级、售电微电网信用值、购电微电网信用值偏好阈值分别见附录A图A3—A5。配电网分时电价见附录A表A1。IEEE 33节点系统线路信息、线路阻抗信息分别见附录A表A2—A3。

图4 IEEE 33节点配电网系统

需要说明的是，本文基于IPSO的寻优过程以及安全校核的潮流计算在Matlab中完成，并在每轮交易中将其计算结果以常数的形式部署在智能合约中。通过以太坊客户端Ganache新建私有链，并配合Metamask钱包可查看部署在该私有链上的智能合约执行结果。其中，在私有链交易中设置1单位人民币与1单位以太币等值，以太币仅反映智能合约执行后交易结果的账本信息，不具有市场价值，实际交易结算方式依然采用人民币。

4.1 微电网群电能交易结果分析

图5中的柱状图为交易结束后在微电网之间达成的总成交电量；在计及本文提出的过网费模型下，蓝、黑曲线分别表示采取本文优化策略和传统连续双向拍卖策略时过网费占总交易费用的比率。

图5 购电微电网的成交电量图

在02:00、18：00、21:00、22:00这4个时刻，所有购电微电网节点均能与符合其信用值偏好的售电微电网达成交易，买到自身预期电量。在09:00—14：00，售电微电网出售总电量处于低谷，购电微电网的购电需求增加，导致整个市场电能供不应求，且部分售电主体由于信用值不满足市场阈值，购电微电网与配电网交互总电量有所增加。在其他时刻，尽管售电微电网总售电量大于购电微电网总购电量，但由于部分购电微电网对售电方信用值要求较高，配电网将承担微电网之间由于信用值未成交的电量。以05:00为例，市场中售电节点总申报量为6.197 MW·h，购电节点总申报量为5.171 MW·h，整个交易过程持续3轮，最终各购售节点间总成交电量为4.647 MW·h，购电节点向配网买入0.491 MW·h，售电节点向配电网卖出1.518 MW·h。由于售电节点9、12、33的信用值分别为75、72、78，处于竞争劣势；而购电节点4在购电报价低于其他节点的情况下，仍保留最低信用值为80的购电偏好，导致其在分布式市场中只能在节点16购得0.184 MW·h，需向配电网购买0.491 MW·h。与不考虑用户购电信用值偏好相比，尽管考虑购电用户信用值偏好会使得市场整体成交额减少，但购电用户能够从违约率更低的售电方购买电能，能有效减小因违约问题而向辅助服务市场购电的支付成本；此外，市场中售电方的响应不确定性整体有所降低，使得配电网运行波动性更小。

由图5中的曲线图可知，与传统的连续双向拍卖方式相比，采用本文所提优化策略时的过网费比率总体偏低。在整体成交电量相差不多的情况下，本文优化策略会根据购、售双方实际线路使用成本、线路投资成本及电能质量治理成本动态更新交易配对，购电方在每轮交易中以价格高低的优先级次序匹配该轮售电方的方式能够直接有效地保证其总体成交费用最小，进而间接促使整个交易市场总体过网费占比较小，有助于提高市场中购电微电网的整体收益。

4.2 动态过网费对交易结果的影响分析

为验证本文所提过网费模型的有效性与合理性，选取03：00时的初始上报信息作为基础数据。保留4.1节参数设置的情况下，购电微电网各自的交易对象及相应的交易电量信息如图6所示。

图6 03:00时购电节点成交电量

具体而言，在执行3轮交易匹配过程后，购电微电网共达成19笔交易，最终各购电微电网具体成交电量为：0.311、0.072、0.085 MW·h；0.051、0.212、0.574 MW·h；0.229 MW·h；0.233 MW·h；0.624 MW·h；0.468 MW·h；0.579、0.014 MW·h；0.239、0.021、0.013、0.336、0.005 MW·h；0.67；0.309 MW·h(分别对应购电节点B1—B10的购电量，其中两笔交易与DSO达成)。经分析，购电节点4在市场中未购得其预期电量，仍需向配电网购入0.085 MW·h；而购电节点31直至交易结束都未达成一笔交易，全部预期电量0.309 MW·h均从配电网处购得。

进一步，将负荷增长率调整为0.04，单位电气距离传输单位电能的价格调整为0.025元/[km·(kW·h)]，各购电微电网的成交结果如图7所示。与图6成交结果对比可知，不同参数设置下的过网费模型对交易匹配结果有重大影响。

图7 过网费参数调整后03:00时购电节点成交电量

4.3 平均成交价格和报价策略分析

图8展示的是微电网群在一天24个时刻内分别采取本文优化方案与传统双向拍卖方案时的平均成交价格。由图8可知，本文方案的整体平均成交价格较传统的双向拍卖方案的平均成交价格低。其主要原因在于本文优化方案以购电微电网为优化主体，优化目标是在每轮交易中最小化其自身成交费用，这有益于购电微电网更倾向于选择线路长期投资成本更低、电气节点距离更近及电能质量等级更高的售电微电网进行交易，进而促使整个交易市场总体过网费相较于传统双向拍卖方案更低。因此，本文优化方案更能提高购电微电网参与市场交易的积极性，同时也能对配电网实际投资与运行成本进行分担，保障配电网的合理收益。

图8 平均成交价格对比图

此外，两种方案的平均成交价格均在配电网的购、售电价区间范围内，与“定价上网，余电并网”的交易模式相比，基于本文报价策略的交易模式能促使购、售电能双方均获得更大的利润空间。

4.4 安全校核有效性分析

本文设置节点电压幅值约束上下限分别为1.02 pu和0.98 pu，图9展示了考虑电压偏移安全约束校核后的节点电压幅值波动范围。

图9 节点电压幅值分布范围

从图9中节点电压幅值散点分布可知，一天内多数节点的电压幅值分布在1.0 pu附近，节点27—33在时段08:00—20:00的电压幅值接近下限值0.98 pu，节点9—18在时段24:00—01:00的电压幅值接近上限值1.02 pu。但在全时段内，所有节点的电压幅值均保持在约束区间范围内，说明本文设计的节点电压偏移校核方法具有一定的有效性。

4.5 智能合约执行结果

本文采用Solidity语言编写智能合约后，并借助Remix编译器将编写完成的智能合约部署在自建的私有链上，通过Metamask钱包查阅交易信息。设所有购、售电微电网的账户初始金额均为1 000.00元，表1展示了购电微电网在03:00的交易信息，智能合约交易记录如附录A图A6所示。分析表1可知，节点4和节点31向DSO购入0.085 MW·h和0.309 MW·h的电量后，分别向DSO账户转入55.25元和200.85元，最终DSO账户结余为1 256.10元，能够与实际交易金额相对应。此处智能合约交易记录信息可验证智能合约在交易结算后转账无误，以结果为导向确认了智能合约的有效执行。