电网实时电价混合博弈策略与优化方法

金耀, 许健

(1. 国网安徽省电力有限公司营销服务中心, 安徽, 合肥 230000;2. 国电南瑞科技股份有限公司, 江苏, 南京 210000)

0 引言

由于不同区域中电力生产和传输存在不平衡的现象,电能输送的需求超出电网实际的传输能力,当前的实时电价策略无法保证电力资源的合理分配,从而出现阻塞现象[1-2]。

针对上述存在的问题,文献[3]系统建立了基于电网节点的价格DG优化模型,求解每个电力用户的最优功耗,分析机组运行的约束条件对边际电价和系统电价的影响。文献[4]系统采用递归神经网络求解实时电价,对效用函数进行非光滑处理,以最小化电价成本作为目标函数。然而系统信息在交互过程中存在一定的时滞性,影响电力市场的供需匹配。文献[5]系统建立实时电价模型,将倾斜快率加入优化策略中,并采用内点法进行求解。文献[6]系统通过梯度投影法对实时电价模型进行求解,将线性效用函数和对数效用函数进行加权,使电价模型具有更好的效果。然而没有考虑到用户对需求的响应以及对实时电价造成的影响,无法保证实时电价的有效性。

1 基于区块链的电网实时电价的电力交易系统

本文系统应用区块链技术,采用去中心化、分散记账的方式,降低了原本中心交易平台的人力、物力的运维成本,整个数据链中个体没有权限修改其他区块的数据信息,保证了电力交易的公平公正[7]。电力交易系统结构如图1所示。

图1 基于区块链的电网实时电价的电力交易系统结构

本研究电力交易系统使用Multchain技术,以多链的形式实现系统信息互联,在区块链技术的支持下电力交易具有安全性和公开性。系统架构具有用户、电网、售电公司和能源4个主节点。各主节点和从节点之间采用“主-从”架构,任意节点通过P2P网络进行交换信息[8]。根据电力交易中各个节点的重要程度不同,加入了共识机制POSS(proof of sharing stake),建立一个点对点的交互模式,达成一致后即可进行电力交易相关服务。能源、电网和售电公司主节点之间采用B2B的共识方式,共识内容包括能量交易和数据交易,将可供交易的有价值数据进行HASH打包成区块后加入节点并加密上传到主链[9]。系统区块链中使用哈希算法和RSA函数、Elgamal函数、ECC函数等非对称加密函数来生成数字签名,在电力交易过程中发布交易的一方通过哈希函数加工生成数据摘要,再经过非对称加密,生成包含本节点信息和电力交易需求信息的数字签名[10]。

2 基于多主多从博弈的电网实时电价分析

在电力交易系统中售电公司将电价发送给用户,用户根据电价决定自身负荷,售电公司根据用户的需求确定自身策略,电价和用户负荷相互影响。本研究建立多主多从博弈模型,根据自身情况以最大化支付为目的各自制定电价,与用户进行主从博弈。多主多从博弈结构如图2所示。

图2 多主多从博弈结构

(1)

(2)

(3)

(4)

(5)

3 恶意电力主体识别与电网实时电价修正优化模型

本文提出恶意电力主体识别和修正策略,对可能存在恶意攻击的电力主体进行定义,对于不同的主体提出不同的识别和处理方式,并对实时电价数据进行修正,建立电网实时电价定价模型实现电力负荷峰谷差最小化。

(6)

(7)

其中,pi表示用户的电力需求量,ΔQi表示所有恶意用户的需求变化量,wi表示电力购买系数,a表示成本系数。当ΔQi大于0时,随着ΔQi的增加,用户效益ΔWu(Qi)逐渐减小。恶意用户篡改用电需求大于真实需求时,所有电力用户的总需求增加,使用户的用电效益减少。恶意用户识别流程如图3所示。

图3 恶意用户识别流程

正常电力用户根据售电公司的实时电价计算用电需求并发送,本研究对恶意用户进行识别,得到:

(8)

图4 电网实时电价修正优化模型算法流程

4 应用测试

为验证本研究电力交易系统的性能,分别使用文献[3]系统、文献[4]系统和本文系统进行实验,比较3种系统电力用户的用电负荷和用户收益。基于XAMPP平台使用3台64位主机搭建实验环境,实验环境中包含4种类型的电力用户:商业用户、工业用户、居民用户和微网用户。实验环境采用点对点的交互模式,售电公司、电网和电力用户之间采用B2B服务共识机制。实验环境结构如图5所示。

图5 实验环境结构

搭建好实验环境后,将实验环境中的3条链命名为Chain01、Chain02、Chain03,选择Chain01作为主链,主链IP设定为192.168.1.1,自动配置主链端口,设置主链为全节点链。另外2台主机设为从节点,Chain02IP设定为192.168.1.2,Chain03IP设定为192.168.1.3。实验中使用到的数据集如表1所示。

表1 实验数据样本集

本文实验使用了电力市场某地区内2021年10月份的用电数据,对电力地区内用户用电需求响应行为进行学习,获取不同电力用户在实时电价下的需求弹性系数,有助于更好地计算实时电价下的各时段电力用户的负荷曲线。实验数据中电力用户的历史用电负荷如表2所示。

表2 历史用电负荷

将本文实时电价模型的预测参数设定为0.5,需求波动成本系数设定为0.5,迭代补偿为0.005,误差判定系数为0.000 01,初始迭代次数为0。为验证本文系统对电力用户中恶意用电主体的识别效果,加入恶意电力用户,恶意电力用户给出错误的电力数据,设定恶意电力用户的概率为0.2。使用3种系统进行实验,模拟24 h内电力用户的总用电需求,得到实时电价下的负荷曲线,如图6所示。

图6 实时电价下的负荷曲线

观察负荷曲线变化可知,本文系统实时电价下电力用户的用电负荷峰谷不明显,用户用电负荷与电网公司的供电负荷基本一致。其中,用户的最大负荷为2558 MW,最小负荷为1496 MW,用户的最大峰谷差较小。

文献[3]系统的负荷曲线最大负荷达到2865 MW,最大峰谷差为1663.27 MW,用户用电负荷存在明显的波峰波谷,负荷波动较大,电力资源未被充分利用。文献[4]系统的负荷曲线在0～6时间段内用户负荷低于1000 MW,在10～14时间段内用户负荷高于2500 MW,用户用电负荷的峰谷差率较大,与电网公司的供电负荷仍存在一定的差距。

经过以上分析可得出,本文系统经过多主多从博弈模型分析后,在实时电价机制下电力用户的用电负荷更加稳定,供电公司提供的电力资源被用电侧充分利用,电力资源在用电用户中得到有效的分配,并削弱了电力峰谷负荷差值,用户的负荷率提高。在主从博弈中用户根据售电公司的实时电价决定最优用户负荷,在保证具有一定经济效益的同时,满足用户自身的用电需求,供电商与电力用户之间存在一种均衡状态。

为比较所有电力用户在3种不同的实时电价机制下的用电效益,并验证了上文中系统对恶意电力主体识别与电网实时电价修正优化的效果,使用式(6)计算不同时段内的用电效益,得到3种系统实时电价下的用户效益如图7所示。

图7 用户效益

由图7可以看出,本文系统实时电价下的用户效益更高,波动幅度较小,恶意电力用户对用户总用电效益的影响较小。本文用户效益始终保持在3000万元以上,用户效益最高可达到3685万元,与文献[4]系统的用户效益相比,在14～16时间段内最多超出1434万元。文献[3]系统的电力用户的用户效益在2000～2500万元范围内波动,最低低至2192万元。文献[4]系统的用户效益波动幅度较大,用户效益普遍低于2500万元,用户效益最低为1952万元。电力交易中存在的恶意电力主体对文献[3]系统和文献[4]系统的用户效益影响较大,系统没有对其电力数据进行修正,导致用户效益不高。

由此可得出结论,本文系统能够对电力数据进行安全识别和优化,发现可能存在的恶意电力数据,对错误的电力数据进行修正后给出具体的实时电价定价方案。系统识别到恶意用户后对其用电需求进行修正,替换为正常用户的最低用电需求,降低恶意用户对用户效益的影响。对于不同的恶意主体给出不同的数据识别和处理方式,保证用户效益受恶意电力数据影响最小,从而调度电力资源的有效分配。

5 总结

本文建立电网实时电价的电力交易系统,应用区块链技术实现去中心化,通过区块链分布式计算、存储的方式,保证了实时电力交易的可靠性和安全性。通过建立多主多从博弈模型分析售电公司与电力用户之间的策略互动,售电公司以最大化自身支付为目标与用户进行主从博弈,采用效用函数描述用户的用电行为,在主从博弈中用户根据售电公司的电价决定最优负荷,采用分布式算法计算均衡状态。提出一种安全策略对电力交易中的恶意电力主体进行识别,并对电力数据进行修正,得到最优的实时电价定价方案。本文仍存在一些不足之处还需进一步改进,区块链底层技术还不完善,区块链标准在各领域的应用场景不广泛,还需构建可扩展性的区块链。