考虑用户信用的虚拟聚合商需求响应交易机制

吕 挺，张 智，芦鹏飞，姚 影，林振智，杨 莉

（1.浙江大学电气工程学院,浙江省杭州市 310027；2.国网浙江省电力有限公司,浙江省杭州市 310007；3.国网浙江省电力有限公司电力科学研究院,浙江省杭州市 310014）

0 引言

随着电力市场化改革的深入以及电网中大规模可再生能源清洁替代,需求响应（demand response,DR）作为用电环节与其他环节之间协调的关键手段［1］,有助于“双碳”背景下实现资源的灵活调节和能源的充分利用。从国外典型电力市场经验来看,中小用户大多通过负荷聚合商（load aggregator,LA）代理交易,在满足电网公司门槛要求的同时,转移由于自身调整能力不强带来的响应风险［2］,如美国PJM 市场的削减服务提供商和澳大利亚电力市场需求响应服务供应商［3-4］。然而,用户参与需求响应的收益按负荷聚合商制定的规则进行分配,导致用户一部分响应补贴被负荷聚合商获取,没有达到参与需求响应的收益最大化［5］。因此,需要针对现有需求响应参与方式存在的不足,探寻新的需求响应参与模式。

现有辅助服务市场与虚拟电厂的研究大都利用了用户聚合的思想［6-7］,使得组成的自治组织与用户之间形成激励相容的效果［8］。电力用户聚合参与需求响应可以达到与负荷聚合商相同的效果,但用户之间在相互信任、收益分配等方面存在的问题使得用户聚合参加需求响应的方式难以实现。为解决上述问题,在用户内部需要制定合理的激励机制以规范用户的响应行为。针对用户响应行为多样化的特点,文献［9］为电网激励机制设计和用户响应方案决策提供指导依据；文献［10］考虑用户的响应特性,通过差异化激励实现多响应场景的兼容性,并提高了综合需求响应的精确度；文献［11］通过等梯度迭代学习法制定合适的激励量,使用户较为精确地完成响应目标；文献［12］提出了最优激励合同的通解表达式,基于此形成负荷聚合商参与需求响应的最优调度策略。上述研究通过对不同用户施加不同激励的方式达到规范用户响应行为的目的,但对于用户响应评判缺少统一的指标。当前,信用体系建设正在全国展开,信用在电力行业的应用也正在深入。文献［13］基于信用安排用户的调用,以减少响应不确定造成的经济损失；文献［14］针对集中交易和双边交易确立了信用的作用方式,结果表明,信用机制可较好地约束用户的响应行为。因此,依托信用的激励机制不仅可以精细化对用户的激励,也可以形成行业统一的指标评估用户的响应行为。

此外,区块链技术依靠其公开透明、多方共治的特点［15-16］,已在电力市场之中得到了相关应用［17］,但当前区块链在电力市场中的应用大多只发挥了区块链本身的特点［18］,其与需求响应业务还未深度融合［19］。将区块链技术应用于需求响应业务,不仅可以进一步为需求响应用户自治提供平台基础,还可以为建立自治组织内不同用户之间的信用机制提供基础。

在此基础上,本文考虑目前工商业用户参与需求响应收益与风险不能同时兼顾的问题,依托区块链技术,提出了与负荷聚合商具有相同效果的虚拟聚合商模式,在降低个体用户风险的同时最大化用户的响应收益。为合理分配需求响应收益并规范用户的响应行为,提出考虑用户信用的需求响应双层优化模型:上层模型以虚拟聚合商需求响应收益最大为目标,优化对用户收益分配的信用系数；在模型的下层,用户考虑自身参与需求响应的收益、舒适度损失与信用变化,决策参与需求响应的响应量。本文所提的考虑用户信用的虚拟聚合商需求响应交易机制能够有效规范用户的响应行为,并使得虚拟聚合商参与需求响应的收益由所有用户共享,为用户参与需求响应提供了新的思路。

1 面向需求响应的虚拟聚合商及其实现方式

1.1 中小用户需求响应参与方式

当前,电网正在由“源随荷动”向“源荷互动”的阶段发展,需求响应是电网调节供需平衡的重要手段,充分调动用户侧海量需求响应资源可以释放电网设备能力、节约发电机组投资、聚合用户互动潜力［20］。例如,中国浙江省当前正在积极探索需求响应交易机制,以电力市场化改革为契机,加快源网荷储友好互动系统建设［21］。在参与需求响应的群体中,数量众多的中小用户蕴含着较大的需求响应潜力。现有的中小用户参与需求响应的方式如图1（a）所示。

符合要求的用户可以直接参与电网公司的需求响应,但用户将受到电网公司的严格考核。以浙江省电力有限公司需求响应评估标准为例,采用了基于响应负荷的阶梯式补贴方案,针对不同的实际负荷完成率划定不同的补贴标准,在原有规则的基础上对用户的响应补贴更加精细化,但用户在响应过程中存在的不确定性将导致用户无法以出清价格获得响应补贴；用户也可以通过负荷聚合商参与需求响应,从而转移自身不确定性带来的风险,但采用这种方式用户的一部分电量削减补贴会成为负荷聚合商的响应收益,在相同的负荷削减量情况下,用户通过负荷聚合商参与需求响应的收益会比直接参与电网公司的需求响应收益少。因此,中小用户参与需求响应存在容量限制和考核风险,现有需求响应机制无法激励用户积极参与并合理响应。

1.2 基于虚拟聚合商的需求响应参与方式

当前,用户直接或通过负荷聚合商这两种方式参与需求响应,各有优劣,负荷聚合商的核心就是整合具备需求响应能力的用户共同参与需求响应,并解决不同用户之间在风险、共识、信任和分配方面存在的问题。在一定程度上,多个用户聚合形成用户自治组织也可以达到与负荷聚合商相同的效果,但在共识、信任和收益分配问题上会存在分歧,使得多用户聚合在实际实现上存在困难。

为实现用户通过自治方式参与需求响应的目的,并解决用户在共识、信任和分配等方面的问题,本文基于区块链技术提出了用户自治的虚拟聚合商模式,如图1（b）所示。区块链是由多方共同记录和维护的分布式数据库,通过哈希索引形成链式结构［22］,数据的记录和维护通过密码学技术来保护其完整性,使得任何一方均难以篡改［23-24］。区块链及虚拟聚合商在需求响应中的适应性分析详见附录A。

在共识层面,个体用户以自身需求响应收益最大为目标,但用户整体上参与需求响应的完成率与收益依托智能合约由虚拟聚合商进行把控；信用层面,相较于负荷聚合商为背书的信任机制,基于区块链智能合约形成的信任体系不仅解决了用户之间的信任问题［25］,而且数据公开透明可追溯,有利于用户之间的合作互赢；在收益分配层面,虚拟聚合商可以帮助中小用户规避风险,但无法解决个体用户不良响应或恶意参与导致的用户整体收益受损的问题。因此,建立基于区块链的信用激励机制,差异化对用户的响应补贴价格,这一方面有利于用户群整体的响应目标达成,另一方面也可以激励用户合理响应,提高自身的信用水平。

本文所提出的考虑用户信用的虚拟聚合商需求响应交易机制,相比于单用户直接参与电网公司的需求响应,达到了与负荷聚合商相同的风险控制效果；相较于通过负荷聚合商参与需求响应,虚拟聚合商的收益根据用户的信用分配给所有用户,在减小用户参与风险的同时努力使用户收益最大。

2 基于信用评价体系的虚拟聚合商需求响应交易流程

2.1 基于改进认缴性能指标和指数平滑法的用户响应信用评价体系

当前,电网公司对工商业用户响应情况的评价都基于用户实际响应量占响应申报量的比例,而认缴性能指标（subscribed performance index,SPI）是指用户在需求响应发生期间的平均负荷削减量与负荷削减目标值的比值,可用百分比进行表示,其结果只与用户在响应过程中的报量和实际响应量有关,可有效针对不同类型用户需求响应中不同的响应行为进行统一评价,其指标值越大表明用户响应效果越好［26-27］。但SPI 无法反映用户响应规范程度,因此,本文采用改进后的SPI 对用户响应行为进行评价,可以表示为:

式中:λSPI为改进后的SPI 值；Qavg为用户在响应期间的平均负荷削减量；Qtar为用户合同中约定的负荷削减目标值；N为需求响应期间的离散时间段数；QCBL,t为响应期间时段t用户的基线负荷；Qsj,t为响应期间时段t用户的实际负荷。

改进后的SPI 将对用户响应情况的评价取值限制在（0,1）之间,在Qavg≤Qtar与Qavg>Qtar时均能有效反映用户实际负荷削减与负荷削减目标值的接近程度,从而体现用户负荷削减量情况。改进后的SPI 可以反映用户单次需求响应效果,但用户在长时间尺度上的响应行为存在随机性,仅依靠单次的响应效果对用户的信用进行评价过于局限。因此,考虑用户的历史信用情况并结合时间衰减因子的影响,本文采用指数平滑法［28］进行用户信用更新。指数平滑法生成的预测值包含所有的历史信息,对不同时期的观察值赋予不同的权重可有效凸显近期观察值的影响。在信用评分的过程中,可以针对用户的响应情况差异化更新用户信用,这不仅可以惩罚不良响应的用户,而且可以激励用户合理响应、提高信用水平［29］。

在每次需求响应结束后,由改进后的SPI 评价用户在此次响应过程中的响应情况,并转化为用户在此次响应中对应的响应信用评分。将用户此次响应信用评分与用户历史信用结合,采用指数平滑法对用户的响应信用进行更新,可以表示为:

式中:Ct为更新后的用户信用值；Ct-1为上次信用评分结束后用户的信用值；l0为响应等级系数；a1和a2为权重系数,可对应不同响应评分情况,且a1>a2。

2.2 考虑用户信用的虚拟聚合商需求响应交易流程

本文提出的虚拟聚合商需求响应参与方式中,电网公司和用户作为区块链节点参与响应交互。考虑用户信用的需求响应交易流程如图2 所示,虚拟聚合商参与需求响应流程中与区块链的交互及其技术实现详见附录B。

图2 基于虚拟聚合商的需求响应框架、机制及其双层优化模型Fig.2 Frame and mechanism of demand response based on virtual load aggregator and its corresponding bi-level optimization model

虚拟聚合商依托响应量收集函数、激励公布函数、校核结算函数等智能合约函数实现各流程中对用户的管理,并将交互信息上链存储,使得交易结果可信可查,保障交易的安全高效。

1）用户响应量上报。在响应量上报阶段,用户根据此前响应情况,取之前若干次响应补贴价格的平均值作为当次参与需求响应的预测补贴激励价格。根据预测的补贴激励价格,结合自身在响应时段的用电需求及日常检修情况,以效益最大为目标决策当次的最佳响应量,并将响应量加密后上报至虚拟聚合商。

2）虚拟聚合商统计申报。虚拟聚合商收到各用户的报量后,向用户发送确认信息,与用户达成共识,并统计所有用户参与需求响应的总量,从而参与电网公司需求响应。

3）电网公司公布出清结果。电网公司根据各参与主体响应量上报情况,调用响应量出清函数进行出清,并向各参与主体公布出清结果。

4）发布响应量及价格。虚拟聚合商根据电网公司的出清结果,读取链上各用户在报量阶段的响应量及用户信用水平,向范围内各用户发布实际响应阶段用户的响应量要求及对应的补贴激励价格,在用户确认达成共识后将对应的响应量要求、补贴激励价格及用户信用等信息上链存储。

5）根据价格决策实际响应量。用户根据收到的响应激励价格,结合自身舒适度要求,在实际响应阶段按自身效益最大为目标的决策量进行响应。

6）补贴发放。需求响应结束后,调用智能合约读取用户实际响应数据,并通过校核结算函数生成电网公司对虚拟聚合商及虚拟聚合商对其下用户的响应补贴,经用户确认后将补贴自动发放。

7）信用更新。响应结算出清后信用更新函数自动执行,根据当次用户响应情况及用户历史信用数据对用户的信用进行更新并上链存储。

3 考虑信用的虚拟聚合商需求响应双层优化模型

在虚拟聚合商向用户发布响应量与响应价格以及用户真实响应的过程中,为保障虚拟聚合商收益,建立考虑用户信用的双层优化模型。在模型的上层,依托于区块链智能合约技术,以虚拟聚合商的收益最大化为目标,同时兼顾平衡账户的偏差,自动决策对用户的响应补贴；模型下层由分散式需求响应用户组成,用户权衡响应带来的补贴和舒适度损失,决策自身的最优实际响应电量。结合本文需求响应流程,考虑用户信用的需求响应双层优化模型如图2 所示。

3.1 虚拟聚合商差异化激励模型

虚拟聚合商模式是当前需求响应背景下的模式探索。虚拟聚合商是电网公司需求响应下的自治组织,与现有负荷聚合商拥有相同的性质。在每次需求响应前,虚拟聚合商收集用户此次参与需求响应的意愿响应电量,整合用户资源参与电网公司的需求响应,在电网公司公布出清结果后,虚拟聚合商综合考虑用户的信用水平和响应情况合理分配用户补贴。这部分激励由最低补贴价格和与信用相关的激励补贴两部分共同决定,即

式中:Pi为用户i的激励价格；p0为对用户的最低响应补贴价格；μ为用户的信用系数；Ci为用户i的信用值。

若采用用户当次实际响应前的信用计算激励价格,则信用对用户当次响应不存在约束,会造成用户通过牺牲信用牟取响应补贴的局面,进而造成用户整体的利益损失。因此,与信用相关的激励补贴中的用户信用应为用户当次响应结束后更新的信用值,这样可有效将用户当次响应情况直接反映在当次获得的激励中,从而有助于规范用户的响应行为,提高信用的作用效果。

但是,考虑事后信用也会造成虚拟聚合商从电网公司得到的需求响应补贴和虚拟聚合商给用户的需求响应补贴和之间存在偏差。由于虚拟聚合商本身不盈利,因此需要限制这部分响应偏差。虚拟聚合商与负荷聚合商相同,都是由电网公司提供给用户个体的需求响应参与方式。当前,负荷聚合商参与需求响应都是以自身收益最大为目标,相似地,虚拟聚合商模式下用户群体参与需求响应的目标也是最大化其整体效益。基于此,本文提出的需求响应交易模型上层以整体用户参与需求响应的收益最大为目标优化对不同用户的激励水平。目标函数可表示为:

式中:Rall为虚拟聚合商从电网公司得到的需求响应补贴收益；Qsj,i为用户i的实际响应量；π为电网公司的出清价格；n为虚拟聚合商范围内用户个数；QA为虚拟聚合商参与电网公司需求响应的出清量；β为偏差阈值系数；σ和ρ为电量偏差考核系数。

3.2 考虑需求响应收益及舒适度损失的用户响应决策模型

本文中用户以工商业用户为主,居民用户可通过网上国网等平台接入区块链,从而实现聚合与需求响应参与。用户参与需求响应的响应补贴由用户信用及削减电量决定,削减电量改变了用户的用电计划,在带来响应收益的同时也会造成用户用电舒适度降低。因此,下层模型综合考虑削减电量带来的响应补贴及舒适度损失,以用户参与需求响应的效益最大化为目标优化当次实际响应电量。用户参与需求响应的决策目标函数为:

式中:Ui为用户i参与此次需求响应的效益；φi（Qsj,i）为用户i参与此次需求响应的舒适度损失函数；Qi,min和Qi,max分别为用户i的最小和最大响应量；Bi为用户i从负荷聚合商处得到的需求响应补贴。

为降低用户参与需求响应的风险,对用户采用较为宽松的分段考核机制［30］。该机制下用户的实际响应量对应的补贴计算表达式为:

式中:Qact.i为用户i的实际响应量。

用户参与需求响应的舒适度损失与用户响应意愿和响应能力有关:用户响应意愿可以以用户在单位激励补贴下的响应量来表示；用户响应能力取决于用户的能源依赖度和能源使用情况［31-32］。随着用户削减电量的增多,用户舒适度效用损失越多,且用户的舒适度损失具有边际递增效应。用户的舒适度损失可以采用如下的二次函数表示:

式中:ωi和ri为用户i参与需求响应的舒适度损失系数。本文中的舒适度损失计算方法对不同类型用户的适用性分析详见附录C。

通过构建考虑信用的需求响应双层优化模型,虚拟聚合商通过与信用相关的激励价格规范用户在响应过程中的响应行为,从而提高用户整体在需求响应中的响应完成率,保障用户整体的响应收益；用户依据信用决策自身的响应行为,力争保障自身收益最大,用户与虚拟聚合商通过考虑信用的双层优化模型达到激励相容的效果。

4 算例分析

为验证本文提出的考虑用户信用的虚拟聚合商需求响应交易机制的有效性,本章对所提机制进行算例仿真分析。仿真选取的场景包括电网公司、虚拟聚合商和5 个典型工商业用户（U1—U5）,分别分析用户收益、信用及补贴激励价格在不同响应过程中的变化。本文中预测响应价格采取前10 次响应补贴价格的平均值,仿真设置参数l0=0.8,β=0.01,σ=0.8,ρ=1.2,p0=2.5。

4.1 虚拟聚合商多轮次需求响应结果

本节设计虚拟聚合商代理不同初始信用和舒适度系数的典型工商业用户,从而反映用户响应行为变化带来的收益、信用及对应的激励价格在多次需求响应过程中的变化。不同初始信用和舒适度系数的用户信息详见附录D。图3（a）为虚拟聚合商与用户在多次需求响应中的收益情况,图3（b）展示了用户在10 轮需求响应交易中的信用及激励价格变化。

图3 收益、用户信用和激励价格随需求响应变化情况Fig.3 Change of income, user credit and incentive price with demand response

从图中可以看出,随着交易轮次的增加,虚拟聚合商的收益稳中略有提升,而用户收益整体保持平稳。其中,U1信用提升较高,使得收益稳中有升；U4和U5初期由于信用较好,激励价格高,故收益较高,后期由于用户总体信用提高,其收益有所回落。总体上看,高信用用户始终将信用维持在较高的水平,而信用较低用户的信用都呈现上升趋势,即向高信用发展,表明在这几轮响应中,用户响应情况都较好,使得自身信用水平得到提升。

由式（7）—式（10）可知,当用户的用电舒适度需求不发生改变时,需求响应的激励价格是影响用户实际响应量的主要因素。在实际响应过程中,用户的激励价格与报量阶段预估价格偏差较小,用户趋向于按报量响应使得自身的信用水平得到提升。结合用户的激励价格,当用户信用在所有用户中相对较低时,用户收到的激励价格会低于平均值,相反,高信用水平的用户会获得较高的激励价格,这在第1 次响应中表现较为明显。信用最高的用户U5激励价格达到了3.69 元,而信用最低的用户U1响应补贴价格仅为3.36 元,这表明本文提出的需求响应激励机制有效将用户的响应补贴与用户的信用挂钩,以此激励用户合理参与需求响应,实现用户之间的激励相容。同时,在初始几次响应阶段,用户之间的信用相差较大,导致不同用户间的价格差距较大,但随着需求响应次数的增加,用户的信用普遍提高,用户激励价格之间的差距也在不断减小,第10 次需求响应信用最高用户的激励价格仅比信用最低用户高0.89%,表明本文所提信用机制可根据用户的信用水平制定合理的激励价格,并在信用动态变化过程中发挥作用,有效根据用户信用合理分摊参与需求响应的收益。

综上所述,在本文所提需求响应交易机制下,虚拟聚合商和用户收益保持稳定,不同初始信用用户在信用机制作用下都实现了信用稳定上升。基于事后信用计算用户激励价格的激励机制,可以有效实现用户信用与价格的联动,激励用户完成响应指标。针对大规模用户的需求响应交易机制的有效性验证详见附录E。

4.2 舒适度对用户响应及信用变化影响分析

实际上,用户在报量阶段无法准确估计自身在响应阶段的舒适度需求,这种对自身舒适度的不准确认知会导致实际响应量与报量之间的偏差。因此,需要研究本文所提信用机制下,用户舒适度需求在响应前后变化时,用户实际的响应表现及用户信用变化情况。本节选取了初始信用相同但舒适度要求和舒适度波动不同的用户,其信息详见附录F。用户信用变化及用户的激励价格如图4 所示。

图4 舒适度波动情况下用户响应信用及激励价格变化Fig.4 User response credit and incentive price change with variation of user comfort

从图4 可以看出,U2和U4的信用值基本维持不变,U1和U5的信用值降低,U3的信用值上升。由于对用电舒适度需求不同,用户在实际响应过程中需要权衡舒适度以及信用变化带来的收益影响,从而得出自身在当前报量、信用及舒适度情况下使自身收益最大的最优响应量。U1和U2舒适度要求都降低,但U2的舒适度波动较小,可以维持自身的信用波动在3.23%以内,对于U1,若还是按报量响应将造成巨大的舒适度损失。因此,U1在权衡收益和舒适度损失后的最优实际响应量与报量之间存在较大偏差,导致1 类用户的信用呈现下降趋势。U4和U5的情况与U1和U2相似,区别在于U4和U5对舒适度的要求有所提高,按报量响应将严重影响用户的用电舒适度。U4的减少量在可接受范围内,信用水平可以维持,但U4舒适度波动带来的响应减少量较多,导致信用下降。U3对自身用电舒适度的需求认知非常准确,其实际响应量与报量接近,故其信用值从90.0 升高到了96.3,即呈现上升的趋势。同时,信用机制对用户的差异化激励依旧有效,从第1 次响应到第10 次响应,信用最高和最低用户的信用值差距由初始的0 变化到13.14,对应的激励价格差距由0.049 元/（kW·h）变化到0.146 元/（kW·h）。由此可知,针对用户舒适度需求不同的情况,本文提出的考虑用户信用的交易机制可针对用户个体情况实施激励,并将用户响应情况及时反馈在信用中。

4.3 考虑信用的需求响应机制对规范用户响应行为的效果分析

进一步,考虑用户在报量阶段和实际响应阶段对舒适度的不同需求,针对用户不同的舒适度需求变化研究信用机制在规范用户响应行为中发挥的作用,分别对高信用用户和低信用用户的响应行为进行分析并与报量情况比较,比较结果如图5 所示。

图5 需求响应信用机制对高、低信用用户响应行为规范作用分析Fig.5 Analysis of effect of credit based demand response mechanism on behavior normalization of users with high or low credit

从图5 可见,所提需求响应交易机制下,对于低信用用户和高信用用户,在实际响应阶段对舒适度的要求降低时,用户趋向于多响应,从而获得更多的响应收益；当用户对用电舒适度的要求提高时,为了满足用电舒适度的需要,用户的实际响应量会不满足报量阶段的申报量,造成需求响应达不到预期的效果,也会损害用户自身和用户群体的利益。信用机制对高、低信用用户响应规范作用的整体效果趋于一致,响应量的最大偏差都减少了49%左右。

对比高、低信用用户,高信用用户响应曲线对应响应量大于低信用用户。低信用用户由于信用较低,使得收到的响应补贴价格较低,在实际响应阶段的响应量比高信用用户低8%左右。在用户舒适度不变的点,响应量偏差较为直观,高信用用户响应量与报量接近,而低信用用户的响应量低于报量。

考虑信用的需求响应交易机制下用户的实际响应量介于报量和不考虑信用用户的实际响应量之间,表明本文提出的信用机制有效约束了用户的实际响应情况,用户在实际响应时需要同时考虑舒适度的变化和信用变化造成的用户收益的变化。因此,用户考虑信用的最终响应情况将会介于报量和不考虑信用的响应量之间。由此可得,通过增加对用户的信用考量,可以适当规范用户的响应行为,从而有利于需求响应业务的顺利开展,也保障用户群体参与需求响应的收益。

5 结语

本文针对当前需求响应业务存在的问题,结合中国浙江省需求响应的实际情况,提出了考虑用户信用的虚拟聚合商需求响应交易机制。在原先中心化交易机制的基础上,借助区块链技术,建立用户自治的需求响应参与方式,使得中小用户在参与需求响应的同时可以兼顾风险与收益。进一步,通过建立对用户的信用考核机制,在合理分配用户响应收益的同时可以约束用户的响应行为。通过算例仿真分析验证了本文所提的考虑用户信用的需求响应交易方式能有效约束用户的响应行为,也可以依据用户的信用合理分配用户的响应收益。本文研究借助了区块链技术的思想与模式,在后续研究中可深入探索对于区块链技术的实际应用及其与需求响应业务的实际融合。

本文研究得到国网浙江省电力有限公司科技项目(B311DS21000H)的资助，特此感谢！

附录见本刊网络版（http：//www.aeps-info.com/aeps/ch/index.aspx），扫英文摘要后二维码可以阅读网络全文。