基于区块链的多互联微电网分布式协调优化调度

曹正斐，张忠辉，董治成，张文睿，丁晋晋

（国网张掖供电公司，张掖 734000）

在国家双碳目标下，高效、清洁、低碳是当今世界能源发展的主流方向，以太阳能、风能、水能为代表的清洁能源发电将成为主导[1]，清洁能源需要电力设备转化为电能，并依托大范围互联电力系统，才能实现高效开发利用[2]。传统单一微电网已经难以满足大范围区域的源荷平衡需求，其集中式分层管理方法不再适用微电网群协调控制。我国新能源系统规模巨大且网络结构复杂，伴随着分布式多元电源大量接入，以及与柔性负荷的互动运行，都增加了系统运行的不确定性，使得多区域微电网互联调度计划制定和维持多区域微电网系统安全稳定运行变得更加复杂困难。如何有效解决微电网群内及多互联微电网群间的能量管控、实现各个微电网的经济运行、保证微电网群整体利益最大化等问题亟待解决[3]。

为有效促进新能源跨区域消纳，提升多微电网群供电可靠性，国内外学者在多区域微电网群优化调度领域做出诸多研究。多区域微电网集群优化模式主要分为集中式优化和分布式优化两类。对于集中式优化，文献[4]考虑微电网中不同分布式电源存在互补性，利用全景理论的能量函数将多微网进行分组聚合；文献[5]针对离网型邻近海岛多微电网互联系统，通过结合蒙特卡罗的粒子群优化算法实现互联系统联合运行优化。然而集中式优化并不适用于大范围多区域优化，集中式调度中心对于区域联合优化模型求解困难，且难以揭示多主体间的交互行为，易受调度中心系统故障及各子区域微电网的影响，区域内各主体愈发注重隐私使得集中式协调优化变得更加困难。分布式优化有助于解决集中式优化所面临的难题，文献[6]采用交替方向乘子法对多微电网互联系统进行分布式调度优化，该方法虽然存在集中调度中心但其不参与优化调度计算，将其称为“伪分布式调度”；文献[7]基于点对点通信，结合具有二阶收敛速度的分布式牛顿法和基于一致算法进行信息传递，实现了微电网群运行成本的全分布式运行优化。但是在实际多区域微电网互联中，多区域内部单元分布较分散，对通信能力及可靠性要求高。同时，现有的调度控制方式具有绝对的权限，不能有效接受外界监督，容易出现事故问题等。区块链技术的分布式分类账、数据共享、智能决策、去中心化、可追溯等特性[8-10]为解决该问题提供了新思路。同时，区块链的网络结构和多微电网互联系统中分布式能源具有相似的分布式拓扑结构，为实际设备之间数据交互和信息安全传输提供了有利条件[11]。

基于以上问题，本文引入区块链技术，设计了基于区块链的多微电网互联结构3 级模式的分布式协调调度架构，将集中式调度转换为全新的部分去中心化、区域电网间信息交互的分布式调度模式。然后，构建了两阶段优化调度模型，日前预调度阶段旨在形成预调度计划，并通过广播区块进行广播；在日内实时调控阶段，各节点接收并验证预调度广播后，对预调度功率偏差进行实时调控，构建以微电网区域内运行成本最优为目标的实时调控模型。其次，通过列约束生成C&CG（column constraint generation）算法将构建的日前-日内双层调度模型分解成主、子问题进行交互迭代求解。最后，通过算例分析验证了本文所提方法的可行性，有效地提高了区域微电网互联系统的新能源消纳能力和区域整体的经济性。

1 基于区块链的多互联微电网协调调度架构

1.1 多微电网互联系统调度架构

如图1 所示，本文基于区块链技术设计了多微电网互联系统多层协调调度决策框架。微电网内相互协作的各主体主要包括分布式发电DG（distributed generation）设备、负荷聚合商LA（load aggregator）和储能设备ESS（energy-storage systems）。DG作为源侧，通过分布式风电、微型燃气轮机等设备为微电网内外提供稳定可靠的电力。LA包括固定负荷、可平移负荷、可削减负荷等，通过有偿调节用能行为参与互动响应，充分调动可控负荷的积极性。ESS 是微电网内的能源存储设备，通过对ESS充放电来补偿DG 出力的波动性和不可控性，增强系统的DG接纳能力和提高能源利用效率[12]。微电网内各设备作为统一主体对外参与互联系统分布式调度和安全运行，对内聚合自身服务范围内的灵活性资源，促进系统能量供需平衡。多微电网互联系统分布式调度机制主要包括互联系统日前预调度计划和日内实时运行调控两个阶段。首先，在前一天由区块链调度中心制定未来24 h内时隔15 min的调度计划，然后通过各主节点向各区域微电网进行广播；然后微电网根据接收到的经济调度方案，在保证安全经济约束的前提下进行区域内自治优化。多微电网预调度和实时调控两阶段存在顺序衔接关系，并通过微电网间交互迭代，实现区域整体运行成本最优目标。

图1 基于区块链的多微电网互联系统调度架构Fig.1 Scheduling framework for multi-microgrid interconnected system based on block chain

1.2 多微电网互联系统的区块链群交互运行机制

多区域微电网协调调度过程中，各微电网需要获取其他微电网设备运行信息（例如DG、LA、ESS等），微电网间将出现频繁的分布式双向电力和数据通信。区块链数据存储管理技术能够低成本、高效率存储微电网间交互数据，并且区块链通信链路技术的去中心化、加密传输可以实现个体之间高效、准确、全局的信息交互与共享，可为协调调度过程和区域电网安全运行提供数据支持和去中心化管理。

区块链与多微电网互联系统具有相似的拓扑形态，从两者技术融合的角度出发，设计了如图2所示的多微电网互联系统的区块链交互运行机制。在微电网区块链感知层，通过在分散式节点布置不同类型的传感器、智能电表等收集和预处理基础数据，将感知层所获得的数据通过固件层的加密技术与共识机制、合约层的智能合约与激励机制、应用层的分布式计算等区块链技术组合成资产链、技术链和调度链的区块链群[13]。资产链可实现大规模分布式“无信任”资产管理，并将可调配资源容量、调配时间段、所处地域等信息进行能源认证后写入区块链，为区块链群实现提供数据存储和运算基础；技术链主要通过运用分布式的估计方法对微电网各节点的状态进行估计和分析，并形成发用电计划；调度链则对技术链提供的互联系统发用电计划进行安全校核管理，实现微电网系统运行、决策和调度。

图2 多微电网互联系统的区块链体系架构Fig.2 Block chain framework for multi-microgrid interconnected system

1.3 智能合约及激励机制设计

区块链技术中的智能合约预先编译协定并存储在区块链的程序代码中，实现实时调度决策响应效果[14]。在日前预调度阶段，调度中心区块链群通过各分散节点收集并聚合各微电网供用侧需求，形成发用电计划；在日内实时调控阶段，将发用电计划编译成智能合约的形式并自动执行代码进行微电网内独立运行优化。

基于智能合约的多微电网两阶段联合滚动优化流程如下。

步骤1数据上传阶段。各微电网上报未来24 h的源荷预测结果。

步骤2微电网两阶段决策阶段。生成两阶段优化目标函数，多次迭代优化运算，输出全局最优策略。

步骤3调度中心安全校核。调度中心根据各微电网节点上报的优化结果进行网络安全验证校核，得到调整后的校核方案。

步骤4激励实时调控。为刺激互联系统中各微电网积极参与日内实时运行调控，利用智能合约自动指导激励分配，评估各微电网节点参与实时调控作出的贡献度给予一定奖励。该奖励可以是虚拟货币或者安全校核、阻塞管理等操作的优先权。

2 多区域微电网互联系统两阶段协调调度模型

2.1 日前预调度模型

考虑多区域微电网互联系统的整体经济性，各微电网间主要通过联络线进行功率交换。以区域整体运行成本最低为优化目标构建日前预调度模型，其目标函数的表达式为

式中：T为日前调度时间间隔，取T=96；M为微电网个数；n为微电网m中分布式电源数量；PDG,i,m,t为t时段微电网m中分布式电源i的出力；CDG()为互联微电网整体运行成本函数。各成本的表达式为

式中：Cin为微电网初始投资成本；Cma为分布式设备维护成本；Co为微电网运行成本；Cen为环境成本；p为运行中的分布式电源设备数量；Ai为分布式电源i的运行设备所占比率，取值为[0，1]；Cin,i为单种设备投资成本；r为银行利率；α为设备使用年限；CDG,i为分布式电源i的维护成本；PDG,i为分布式电源i的出力；TDG,i为分布式电源i的运行周期；为分布式电源i的最大出力；β为设备运行年限；Ct,i为t时段分布式电源i的运行成本；δDG,i为分布式电源i的燃料消耗速率；Cs,i为分布式电源i的燃料消耗速率；Cz,i分别为分布式电源i的第z种污染气体的排放成本；lz为第z种污染气体排放对应输出功率参数；Dz,i、Bz,i为分布式电源i对应第z种污染气体的一、二次项系数；w为排放污染气体种类数量。

日前预调度阶段约束主要是保证供用电之间的功率平衡、各DG出力不越限、各微电网内部线路安全约束及互联微电网交换功率限制等，其约束条件的表达式为

2.2 日内实时调控模型

在微电网日前调度阶段，由于风电和光伏等新能源出力的不确定因素，使得发电日前预测出力与实际出力之间存在较大偏差，对各微电网经济性调控决策产生影响。本文通过区块链向各节点广播实时调控激励方案，刺激互联系统中各微电网积极参与日内实时运行调控，采用权威证明（proof of authority）共识机制，赋予不同节点一定的决策权、话语权参与实时调控，实现弱中心化的“共治”决策，保证微电网实时滚动优化运行。实时调控优化目标主要是以各微电网实时调控成本最优，其优化变量主要包括常规机组下调及上调成本ΔCG_down和ΔCG_up、储能实时调控成本ΔCES、微电网间交互成本ΔCex、弃风弃光惩罚费用Closs、燃气轮机实时出力不可控调控成本、与配电网交易调控成本ΔCM、微型燃气轮机调控成本Cr。实时调控阶段的目标函数及约束条件的表达式为

式中：NC为常规机组数量；分别为常规发电机组i在τ时间段的上调功率、上调单位功率的惩罚成本；分别为常规发电机组i在τ时间段的下调功率和下调单位功率的惩罚成本；Cch、Cdis分别为储能设备充电、放电的单位功率成本；NW为新能源发电设备数量；分别为储能设备充电、放电的调整功率；分别为微电网向主电网购电和售电的电量调整量；λM为调整电价；λloss为新能源发电设备弃风弃光惩罚单价；分别为新能源发电设备j在τ时间段的出力和调度出力；为松弛变量，表示为供气调整量；Q为微型燃气轮机数量；λr为供气不可行惩罚费用。

3 问题转化与求解过程

本文将构建日前-日内两阶段调度模型转换为自适应性鲁棒两阶段优化模型[15-16]进行求解，使两阶段决策过程能根据互联系统源荷等随机变量的实际变化来进行自适应性调整。转换后的自适应两阶段鲁棒调度优化模型的目标函数为

式中：x为第日前预调度阶段决策变量，表示发用电计划；g为日前预调度阶段目标函数；ζ为随机变量，表示新能源出力及负荷功率的不确定性；y为日内实时调控阶段的调控变量；f(y)为日内实时调控的目标函数；Ω(x,ζ)为y的可调控变量集合；U为随机变量ζ的不确定性集合。

本文利用C&CG 算法对转换后的目标函数进行求解，并将其写成紧凑矩阵形式，即

式中：Ω为可调控变量集合；cTx为日前预调度阶段目标函数；dT为调控目标函数系数矩阵；u为不确定性向量；Θ(x,u)为实时调控函数约束条件紧凑形式。Θ可表示为

式中：y|为实时调控阶段目标函数；H、E、F、G、L为相应的系数矩阵；b为系数向量。

进一步将模型解耦成主问题和子问题进行迭代求解。主问题的目标函数和约束条件的表达式为

式中：m为迭代次数；为最坏情况发生概率；K为迭代计算总次数；ym为第m次迭代调控目标函数；H1(x)为主问题不等式约束；G1(x)为主问题等式约束；η为实时调控阶段最坏情况下调控成本。

子问题的目标函数和约束条件的表达式为

式中：H2(xm,y)为子问题不等式约束条件；G2(xm,y)为子问题等式约束条件。

在主-子问题交互迭代求解及潮流计算过程中，由于涉及到主-子-主的递阶关系，并且多微电网互联系统的供电网络拓扑结构复杂，采用集中式方法将占用较大计算资源，影响了求解效率。因此，本文将C&CG 算法与区块链节点的边缘计算方法[17-20]进行结合，使得各微电网节点进行分布式并行计算，以提高求解效率。通过上述计算可以更高效地得出互联系统经济最优策略。算法求解流程如图3 所示，其中UB、LB 分别为目标函数上限初值、下限初值；分别为目标函数上限最大值、下限最小值。

图3 CC&G 算法求解主-子问题的流程Fig.3 Flow chart for solving main-subproblem by CC&G algorithm

4 算例分析

4.1 算例设计及基础数据

本文启动4 个Docker 容器作为虚拟机运行基础环境，利用Docker容器作为Hyperledger Fabric 的运行环境，其中有3 个节点作为微电网主节点，节点23作为调度中心节点，采用fabric-chaincode-java编写智能合约。将IEEE64 节点系统分解为3 个微电网区域，其中微电网1 包括1～22 节点，节点2 为主节点；区域2包含23～47节点，节点26为主节点；区域3包括48～64节点，节点57为主节点。两区域微电网间联络线传输极限为10 MW。三区域微电网各分布式设备容量配置及节点位置如表1 所示。风电维护成本为0.029 4¥/kW，光伏维护成本为0.009 4¥/kW，燃气轮机维护成本为0.074 5¥/kW，储能设备维护成本为0.082 7 ¥/kW。储能设备相关参数如表2所示。

表1 分布式设备容量配置及节点位置Tab.1 Distributed equipment capacity configuration and node location

表2 储能设备相关参数Tab.2 Related parameters of energy-storage equipment

为了验证本文方法的有效性，设计了一个三区域微电网组成的系统进行算例分析，互联微电网典型日负荷预测情况如图4所示。

图4 互联微电网典型日负荷预测情况Fig.4 Typical daily load forecasting of interconnected microgrids

4.2 算例结果分析

4.2.1 日前预调度阶段

多微电网互联系统采用3 层两阶段调控策略。首层为区块链调度中心层，主要考虑输配电网调度计划与多微电网互联系统响应间的能量交互，并下发日前预调度计划至中间层主节点；下层微电网根据主节点预调度计划实现各个微电网优化运行，同时考虑微电网之间的能量交互，实现相邻微电网单元之间的电能交换。根据日前预调度阶段计划，各个微电网优化运行及与配电网电量交互情况如图5所示。

图5 多微电网互联系统日前预调度功率情况Fig.5 Day-ahead pre-scheduling power of multimicrogrid interconnected system

如图5 所示，各个微电网的DG 出力与负荷情况不同，其与外部电网进行能量交互情况也存在差异，其中，负值为向外卖电来获取经济效益，正值为从外界电网购电来满足自身需求。在日前预调度阶段，微电网1 大部分时间都在向外界输送电量，主要是因为风电和光伏机组出力能较好地满足本区域微电网的负荷需求，过剩的电量向外界输送获取经济收益；微电网2、3则更多地需要依靠从外界购电来满足各自区域内的负荷需求。对于多微电网互联系统，在大部分时间内各个微电网都是在互补支撑运行，体现了区块链智能调度中心在日前预调度阶段对互联系统进行分布式协同调度的优势。

4.2.2 日内实时调控阶段

在日内实时调控阶段，各个微电网根据上层调度计划进行独立运行优化，由于负荷预测和DG 出力的不确定性，导致互联系统产生不平衡功率。为保证各个微电网供需平衡，需要根据日内调度需求对日前调度误差进行实时滚动调控。

如图6 所示，通过对日内实时调控修正日前预调度偏差，除了在t=8 h时段日前实时调控出力与实际出力出现较大偏差，其余时刻均实现了高准确度实时调控，满足了多微电网互联系统日内功率调控能够跟随电网实际调度需求，有效降低了日前预调度功率偏差。

图6 多微电网互联系统实时调控功率输出Fig.6 Power output from multi-microgrid interconnected system under real-time control

如图7 所示，在t=1～7 h 时段，整个多微电网互联系统出力低，上层区块链调度中心做出调度决策，从配电网购电来保证互联区域负荷工作，同时给微电网储能设备充电。在t=15～16 h时段，多微电网互联系统DG 出力充足，同时该时段分时电价较高，因此在该时段内向配电网售电来获取收益。

图7 互联系统日内储能功率调控及功率交换特性Fig.7 Characteristics of energy-storage power scheduling and power exchange in interconnected system

表3 给出了传统调度方法与本文方法运行成本对比。在日前预调度阶段，传统调度方法运行成本低于本文方法，其主要原因是传统调度方法未充分考虑风电和光伏等新能源发电及负荷预测不确定性的影响，致使传统调度方法在实时调控阶段调控运行成本和弃风弃光损失较高。故综合考虑两阶段总运行成本，本文方法要低于传统调度方法。

表3 本文所提调度方法与传统调度方法运行成本对比Tab.3 Comparison of operation cost between the proposed and traditional scheduling methods

在计算效率方面，本文所提的各微电网节点进行分布式并行计算时间为83.4 s，其中潮流计算时间52.2 s，而传统集中式调度算法计算时间431.3 s，其中潮流计算时间为327.1 s，本文方法的调度决策时间更短，采用区块链技术下的分布式并行计算提高了计算效率。

5 结语

本文基于区块链拓扑结构与多微电网互联系统网络结构高度的相似性，以及可实现集中式调度难以达到的可扩展性和兼容性，首先构建了基于区块链的多微电网互联结构三层两阶段调度模式的分布式协调调度架构，并设计了多微电网互联系统的区块链群交互运行机制；然后，将多微电网互联系统联合优化问题，分解为日前预调度阶段和日内实时调度阶段两阶段模型；其次，通过CC&G 算法将两阶段模型转换成主-子问题进行交互迭代求解，并结合区块链边缘计算方法进行分布式并行求解；最后，通过三区域微电网互联系统进行算例分析，表明本文方法能有效地降低微电网运行成本，增加互联系统新能源消纳率和经济收益，提高调度决策效率。