信息物理融合的智慧能源系統多級對等協同優化

司方遠 汪晉寬 韓英華 趙強

隨著分布式可再生能源技術的推廣及售電側市場逐步開放,電力能源在生產、傳輸、存儲、消費和交易等各個環節呈現出信息與物理深度融合的特點,電力網絡基礎設施作為物理系統便于與集通信、計算和控制于一身的信息系統無縫集成和互動.因此,信息物理融合系統(Cyber-physical systems,CPS)[1-2]正是上述特定集成和交互問題的解決方案,而信息物理融合能源系統(Cyber-physical energy systems,CPES)[3]已成為當前工業與能源領域研究的熱點問題,并推動著能源電力系統從數字化、信息化向智能化、金融化的方向發展.

目前,微電網、智能電網以及能源互聯網都是典型的CPES系統.其中,微電網和智能電網取得成功的關鍵在于利用CPES實現信息系統與電力能源物理系統的高效互動,以有效提供經濟、安全和可持續的能源供應[4-6].而能源互聯網的技術需求源于能源供需矛盾和新型大規模可再生能源的接入,同時強調通過能量樞紐和能源路由器實現能源流、信息流和業務流的深度融合[7-9].此外,能源的本質是服務于人類社會的.反過來,人類活動直接參與調控能源生產、消費與交易過程.為此,Zhang等[10]提出并詮釋了社會能源概念,結合能源的生產、消費過程和環境保護等方面深入剖析了人類活動與能源系統的交互作用.考慮這種交互,人類將有機會向社會挖掘第五燃料—節能.文獻[11]從復雜系統理論角度結合知識自動化理念進一步提出了基于信息—物理—社會融合系統的能源5.0.因此,能源系統迫切需要與新的CPS技術相融合,以構建滿足人類社會需求的智慧能源系統(Intelligent energy systems,IES)[12-14].IES系統的精髓是智慧,是集信息網絡和能源物理網絡于一體,綜合考慮能源的社會和技術雙重屬性,擁有自組織、自協調、自治理等功能,具有開放、共享和即插即用等特征,并滿足安全、經濟和可持續等社會需求的未來能源形式,是智慧時代背景下能源革命的迫切需要.

在此背景下,分布式能源管理方法近年來受到了廣泛關注和深入研究.Roche等[15]對用于電網能源管理的幾種多智能體系統進行了對比分析.Duan等[16]采用協同合作多智能體系統,針對電力基礎設施中利益相關者的互操作性,提出了一種未來電力零售市場運行機制.Vergados等[17]將大量電力消費者聚類分別作為單一虛擬集群參與市場,并通過減少負荷預測的不確定性來降低總能源成本.文獻[18]基于Nikaido-Isoda松弛算法進一步實現了零售電力市場的一般框架.分布式能源通過考慮納什均衡的價格競標策略參與電力市場,從而最大化售電利潤.

上述文獻雖然以雙邊或多邊等形式考慮未來自由化的電力市場運行,但涉及的能源實體均為單純的發電側或單純的負荷側,且交互過程受雙方調度中心的制約:1)大量發電或負荷實體的接入將導致調度中心的計算復雜度增加、運行效率降低,難以滿足電力資源優化配置的高效性和實時性;2)調度中心擁有發、配電設備的完全控制權,導致能源的社會屬性受到制約,難以滿足用戶的個性化需求;3)調度中心的信任機制依賴于第三方背書,交易實體與中心機構間容易產生信任問題,難以確保能源交易的有效性與公平性;4)調度中心存在信息安全隱患,中心機構一旦受到攻擊,其樹形結構將導致大量信息泄露及整個調度系統的癱瘓,難以維護用戶的隱私和能源交易的安全性.

針對上述問題,新興的弱中心化策略為分布式智慧能源系統能量優化調度提供了可行的技術路徑.作為虛擬貨幣核心技術的區塊鏈技術[19-20],其特點可以歸納為:分布式、自治、可編程、可追溯、去信任、按照智能合約執行等[21-22],所強調的分布式特性與分布式電力交易系統的構造不謀而和,可編程的智能合約可解決電力能源靈活交易執行等問題.另外,區塊鏈的加密機制和算法可維護產消者的隱私和電力交易的安全性,進一步實現用戶友好的電力能源交易模式.

此外,IES系統的構建還需兼顧可再生能源和智能負荷的整合配置以及更加靈活的分布式能源優化調度和交易機制.因此,構建集能源生產者、能源消費者、能源買家以及能源賣家多重角色于一體的產消者(Prosumer)[23-25]成為實現IES系統分布式能源管理的可行解決方案.然而,如何構建新型產消者市場分布式交易模型,以及采用何種求解策略目前還是一個開放性的問題.

針對這一問題,Zhang等[26]利用雙邊非合作博弈競價搭建了產消者對等能源交易平臺,結果表明基于產消者的對等能源交易形式有助于能源的合理利用以及改善本地能源的供需平衡.文獻[27]基于對偶內點法求解實時電力市場平衡交易問題,結果顯示不同的控制參數對算法收斂性影響較大.針對含風電場的電力系統的優化調度問題,文獻[28]提出了含風電場的實時調度模型,重點研究了混沌量子粒子群優化方法(Chaos quantum-behaved particle swarm optimization,CQPSO),結果表明引入混沌初始化和混沌擾動可有效避免陷入局部最優.針對含多種分布式能源的中壓微電網優化調度問題,文獻[29]提出了考慮經濟和環境等因素的協同優化模型,重點研究了帶有自適應權重和加速度系數的粒子群算法優化方法(Particle swarm optimization with adaptive weight and acceleration coefficients,AWCPSO),有效地提高了算法的收斂精度.

基于上述分析,如何構建產消者市場的分布式交易模型,以及如何有效應用模型信息指導優化算法的搜索過程以提高計算效率,是IES系統優化運行亟待解決的問題.本文提出了一種信息物理融合的智慧能源系統多級對等協同優化方法.基于經濟學Stone-Geary效用函數和雙向拍賣機制構建了分布式產消者群體電力資源優化分配的效用函數.采用鄰域再調度粒子群(Neighborhood re-dispatch particle swarm optimization,NR-PSO)算法[30],通過收斂判定域的引導并結合全局隨機尋優與區域定向尋優的策略,進一步提高了算法的收斂速度,在最大化社會福利的同時確保實時電力供求平衡.此外,為解決分布式電力交易的信任問題并維護產消者的隱私和電力交易的安全性,引入可編程的智能合約技術進一步實現用戶友好的電力交易模式.最后,仿真實例驗證了本文方法的有效性和可行性.

1 問題描述

1.1 問題分析

IES具有以下組合特征:1)混合.如前所述,IES是能源電力系統與CPS的結合.因此,在建模、設計、優化和分析的過程中需要有效的理論來推理動態的、離散的或連續的混合系統.2)異構.由于IES的組件的種類和結構不一,系統需要考慮多個網絡平臺和不同計算模型接口間的互操作性.3)分布式.在IES架構下,物理層包含了大量的分布式產消者或產消者聯盟;信息層則需要提供相應的分布式計算,例如:并行計算以及云計算等社會計算[31].而金融層主要由分布式智能合約及分布式賬本構成,以實現分布式對等電力交易服務.4)大規模.由于產消者不斷向IES滲透,系統的規模不斷擴張,終將導致傳感器、執行器、計算和通信設備的集群互聯并產生海量相關數據.5)動態.IES所處的能源政策等社會環境在不斷發展,因此系統的設計和運行必須考慮在這種動態環境下的自適應能力.6)人在環路(Human-in-the-loop).在IES系統電力市場交易中,產消者作為理性人可根據自身需求產生理性的購電意愿,同時對交易的電能理性報價.因此,IES系統有必要將人在環路的角色和接口設計視為一個核心方面.

1.2 IES多級對等協同優化架構

基于上述特征,本文提出了IES多級對等協同優化架構,如圖1所示.由下至上將系統分為三層網絡[32-33]:能源物理系統網絡層、能源信息系統網絡層以及能源金融系統網絡層.

在能源物理系統網絡層,每一個電力用戶被視為一個產消者單元,由智能電表、能量樞紐、可再生能源發電裝置(如家用小型風力發電機、光伏面板)、儲能設施(如蓄電池)以及智能負荷(如智能家用電器、電動汽車)等組成.其中,每個用戶與其他用戶相比,各自的負荷特征存在較大差別,且呈現出明顯的波動性,而在小范圍內一天中可再生能源出力被認為是等量的,這種供需差額將導致用戶產生購/售電意愿,且二者呈顯著的正相關,即差額越大,用戶的意愿越強烈.因此,有必要將若干個用戶結成產消者聯盟(圖1),通過局域協調,充分滿足用戶意愿.然而局域協調很難實現聯盟內能源供需平衡,導致整個聯盟產生向其他聯盟或主電網購/售電的意愿,因此需要通過廣域協調進一步最小化能源供需的整體偏差.其中,能源路由器可作為能源聚合器,完成局域協調后電能的導出或導入.

在能源信息系統網絡層,基于現有通信技術或下一代通信技術,智能電表和能源路由器又可作為信息聚合器實時采集其他節點的能源信息,并以數字貨幣(Digital currency)的形式完成電力交易.此外,能源路由器參與分布式電力優化調度.一方面,在產消者聯盟內,能源路由器根據產消者節點的能源信息協調所有節點的對等電力交易.另一方面,在產消者聯盟間,底層產消者節點可通過能源路由器與其他聯盟內產消者節點達成對等電力交易.

能源金融系統網絡層基于區塊鏈技術向用戶提供可編程智能合約和分布式交易記錄等服務,其信任機制不是來源于第三方的背書,而是所有用戶對于共識機制的認同.因此,用戶可根據自身資源情況制定合約實現對等電力交易,并記錄交易結果.

需要強調的是,雖然系統為分層架構,但三層網絡間并不獨立,而是通過能量流、信息流與業務流優化互動,且每一層的運行過程均受到人類意愿的制約.

1.3 IES系統的運行

結合平行系統理論[34],構建IES系統電力調度體系,如圖2所示.縱向來看,系統可分為實際能源系統層、平行交互層和人工能源系統層.其中,人工能源系統通過平行交互的方式利用社會計算成果引導實際系統運行,從而激勵產消者參與對等電力交易,實現電力資源的有效配置.橫向來看,實際能源系統與人工能源系統均以社會福利最大為系統的控制目標輸入,系統控制器由面向產消者節點的局域協調控制器和面向聯盟路由器的廣域協調控制器構成,二者組合互動,以提高用戶滿意度.

IES系統的電力調度依賴于事件驅動的信息交互體系.圖3為[t,t+1]時段兩個聯盟構成的信息交互體系，圖中編號代表的事件如下：

圖3(a):t時刻,聯盟內所有產消者向本地能源路由器發送供需差額數據;

圖3(b):局域范圍內,本地能源路由器根據差額數據以局域社會福利最大為目標協調對等電力交易,各產消者制定交易電量,并根據雙向拍賣機制理性報價,同時向金融系統網絡發送交易請求信息;

圖3(c):金融系統認證交易信息后向能源路由器發送交易合約,并記錄交易結果;

圖3(d):本地能源路由器通過局域協調控制器執行合約規定的局域電力調度任務;

圖3(e):局域協調后,部分仍存在供需差額的產消者再次向本地能源路由器反饋差額數據;

圖1 IES系統多級對等協同優化架構Fig.1 The architecture of multilevel peer-to-peer co-optimization in IES

圖3(f):廣域范圍內,各能源路由器根據反饋數據以廣域社會福利最大為目標協調不同聯盟間產消者對等電力交易,各產消者制定交易電量,并根據雙向拍賣機制理性報價,同時向金融系統網絡發送交易請求信息;

圖3(g):金融系統認證交易信息后向各能源路由器發送交易合約,并記錄交易結果;

圖3(h):各能源路由器通過廣域協調控制器執行合約規定的廣域電力調度任務,并準備下一時段的信息交互.

其中,基于區塊鏈技術的能源金融系統網絡層通過數據加密、時間戳、共識機制等技術手段,在不依賴第三方可信背書的情況下實現用戶友好的分布式電力交易[35-36].

2 協同優化策略

針對上述IES系統,綜合考慮多級產消者對等互動過程中的社會福利、供求平衡和交易信息等因素,重構優化問題的目標函數,并采用智能算法進一步提高求解速度.同時,基于智能合約技術實現用戶友好的電力交易模式.

2.1 社會福利問題

在IES系統中,產消者節點與聯盟路由器節點實時執行由人工系統引導的電能交易以及電價定價.為量化用戶對商品的需求效用,愛爾蘭統計學家

圖2 IES系統電力調度體系Fig.2 The power dispatching architecture of IES

圖3 IES系統信息交互體系Fig.3 The information interaction architecture of IES

Geary在文獻[37]中通過整合生活成本恒定效用指數,首次提出了Stone-Geary效用函數.在此基礎上,文獻[38]利用該效用函數模型描述電動汽車用戶對車用電能的需求與其收入及電價的關系,更準確地反映了用戶的消費偏好.由于電能作為商品可被用于電力交易,同時產消者節點作為理性人可根據自身需求產生理性購電意愿,產消者需求電量可以分為實際需求電量和基本需求電量,因此采用Stone-Geary效用函數來描述產消者對電能的需求效用.

當買方節點i(i=1,2,···,I)的發電量小于所需負荷,該節點需要向發電量豐富或負荷量較小的賣方節點j(j=1,2,···,J)請求電力交易,設實際需求量為(每個買方節點i的需求量由J個賣方節點提供),基本需求量為,每個買方節點的購電意愿為wi,則IES系統的Stone-Geary效用函數為

對式(1)的最后一項進行單調變換—取對數,可得到表征每一個買方節點購電意愿的效用函數.

對于賣方節點的效用函數,這里考慮用二次函數來表征.其中,交易雙方的效用函數均為正向遞增的可微嚴格凹函數,這里將社會福利問題定義為調度時間范圍內最大化雙方節點效用函數之差.另外,根據上述框架又將社會福利問題具體分為面向產消者節點的局域協調社會福利問題和面向聯盟路由器節點的廣域協調社會福利問題,以充分挖掘可再生能源的利用效率,提高系統全局經濟效益.

2.1.1 局域協調(節點級)

在每一個產消者聯盟內,定義產消者買方節點x=1,2,···,X,賣方節點y=1,2,···,Y,雙方交易的電量分別為,則買方節點的效用函數表達如下:

對于產消者賣方節點,其成本函數表達如下:

其中,l1,l2為賣方節點的售電成本系數,且l1＞0.

由于聯盟內產消者買方的意愿是使其效用函數最大,而產消者賣方的意愿是使其售電成本最小,從整個聯盟的角度看,為充分滿足雙方意愿并實現聯盟內有效的市場均衡[39],聯盟需處理社會福利最大化問題以合理分配產消者的交易電量.因此,面向產消者節點的局域協調社會福利問題(Local coordination of social welfare problem,LCSWP)可以表示為

其中,αx,βx,γx,λxy,μxy為式 (4)的拉格朗日乘子,對應的集合分別為α,β,γ,λ,μ. 根據 Karush-Kuhn-Tucker(KKT)條件可知,LCSWP的最優解應滿足以下條件:

對于LCSWP,人工系統有必要獲取聯盟內所有產消者節點效用函數和成本函數的完整信息,并利用式(8)和式(9)求解局域社會福利最大時的最優交易電量.

2.1.2 廣域協調(路由級)

考慮到用戶不同的負荷特征以及可再生能源有限的容量配置,僅通過局域協調仍很難實現聯盟內供需平衡,因此產消者需要通過能源路由器與聯盟外產消者進行廣域協調,以進一步消除供需差額.定義參與廣域協調的產消者買方節點m=1,2,···,M,賣方節點n=1,2,···,N,在廣域協調的基礎上,雙方交易的電量分別為,則各節點的效用函數表達如下:

由此,面向聯盟路由器的廣域協調社會福利問題(Wide-area coordination of social welfare problem,WCSWP)可以表示為

由此,可利用式(13)和式(14)求解廣域社會福利最大時的最優交易電量.

上述局域協調和廣域協調的實質是實現電力資源的最優分配,通過人工系統量化產消者節點間和聯盟路由器節點間的電力交易量,并引導實際系統完成交易電量的傳輸.然而,無論是買方節點還是賣方節點考慮的都是自身經濟效益最大化的問題,僅根據人工系統提供的電量分配不足以滿足節點的經濟效益需求.為解決這一問題,還需要制定合理的定價機制以激勵各節點理性報價并參與系統資源優化配置過程.

2.2 雙向拍賣機制

在IES系統中,考慮產消者作為理性人,可根據實際交易電量理性報價,同時為提高各節點的經濟效益,采用雙向拍賣機制[40]制定電力成交價格.對于系統內所有節點,定義買方節點i=1,2,···,I,賣方節點j=1,2,···,J,此時買方節點實際購入電量為chaij,買方購價為buyij,賣方節點實際出售電量為disji,賣方售價為sellji.由于買方節點購電意愿越大,其購電消費預算越大,這里考慮用買方節點購價替代購電意愿,為獲取更加符合實際消費情況的買方節點報價,買方節點的需求電量以實際購入電量為基準,則表征所有買方節點購電消費偏好的Stone-Geary效用函數為

對式(15)進行單調變換— 取對數,可得到表征同樣偏好的效用函數.

由此,最優交易價格即成交價格可通過求解下面的資源優化配置問題(Optimal allocation problems,OAP)得到.

由于在優化定價的同時,需要確保局域協調和廣域協調的社會福利最大,則式(17)的優化問題需要服從式(6)或式(12)的約束條件.構建拉格朗日乘子函數式L3,并根據Karush-Kuhn-Tucker(KKT)條件可知,OAP的最優解應滿足以下條件:

其中,ξ=η或ξ=ρ表示產消者節點間或聯盟路由器間電力傳輸效率.對比式(8),(9)和式(13),(14)可知

2.3 NR-PSO算法實現

由于傳統基于梯度的求解方法難以確定合適的搜索步長,在最優值附近容易產生鋸齒現象,此外,傳統的智能優化方法在新的迭代周期通常采取隨機初始化搜索或遍歷搜索策略,導致算法的求解效率降低,故本文采用NR-PSO算法求解上述局域協調和廣域協調組合互動模型.利用優化模型信息構造算法搜索過程的收斂判定域,通過收斂判定域的引導并結合全局隨機尋優與區域定向尋優的策略,進一步提高算法局部搜索能力及收斂速度.

PSO算法作為一種并行進化算法,具有收斂速度快、全局搜索能力強等優勢,在各領域中被廣泛應用.粒子通過不斷調整位置和速度更新公式來尋找全局最優解.然而,由于受迭代后期隨機振蕩現象的影響,在全局最優值附近的粒子搜索過程需較長時間才能最終收斂,故傳統PSO算法存在局部搜索能力弱、易陷入局部最優等缺點.其進化方程組如下:

其中,ω為慣性權重,c1和c2為學習因子,r1和r2為區間(0,1)上的隨機數,為第k代第u個粒子第d維個體歷史最優位置,為第k代第d維粒子群體全局最優位置,為第k代第u個粒子第d維的速度和位置.

針對本文優化問題,定義空間維度為D,對于局域協調,D=X+Y.對于廣域協調,D=M+N.解空間的寬度表示為,其中分別表示搜素空間的上界和下界粒子位置.對于買方節點,分別表示局域協調或廣域協調下買方節點的可行購電量粒子范圍.對于賣方節點,分別表示局域協調或廣域協調下賣方節點的可行售電量粒子范圍.同時,將粒子周圍區域定義為收斂判定域,定義s為收斂因子,由此可獲得收斂判定域寬度Wconv=sW.

此外,定義e為鄰域因子,且e＞s,用Wneigh=eW表示鄰域再調度的解空間寬度.第k代第u個粒子位置和全局最優粒子位置之間的距離可以表示為.迭代過程中,若distu＜Wconv,可按區域定向尋優的位置更新公式搜索.

在迭代前期,按全局隨機尋優的位置更新公式搜索可加快收斂速度.而在迭代中后期,轉為由收斂判定域引導的區域定向尋優過程以進一步提高算法局部搜索能力.由此,求解局域協調和廣域協調組合互動模型的NR-PSO算法的具體步驟如下:

步驟1.初始化粒子種群參數,生成初始位置和初始速度;

步驟2.根據LCSWP的目標函數和約束求解,并判斷是否滿足終止條件,若滿足,停止迭代,否則轉到步驟3;

步驟3.當迭代k≤εkmax時,按全局隨機尋優的式(22)和式(23)更新所有粒子的位置和速度,ε為迭代控制參數;

步驟4.當迭代k＞εkmax時,若粒子位置與全局最優粒子位置的距離小于收斂判定域寬度,即distu＜Wconv,則按式(24)更新粒子位置;

步驟5.生成新種群,返回步驟2;

步驟6.當k=kmax時,輸出局域協調優化結果;

步驟7.結合局域協調優化結果判斷是否需要進行廣域協調,若不需要轉到步驟8,否則根據WCSWP的目標函數和約束求解,重復步驟3～6,輸出廣域協調優化結果;

步驟8.根據兩次尋優結果,代入式(20)和式(21),輸出各節點最優交易電量及最優定價.

2.4 基于智能合約的對等電力交易

上述流程經兩次求解局域協調和廣域協調優化問題,分別得到各節點最優交易電量及最優定價信息.在IES多級對等協同優化架構下,對于系統內所有買方節點i和賣方節點j,基于智能合約的對等電力交易具體流程如下:

節點i預測其分布式可再生能源將在短時間[t0,t1]內波動,或電力負荷的突然增加需要更多的電力供應.經過上一節所述的局域協調和廣域協調等社會計算后,將自動通過智能合約在能源金融系統網絡層發布需求電量、需求時段以及交易報價等信息,且系統中所有節點都可以接收到需求信息.信息發布要求節點i處理自己的公鑰iPublickey和私鑰iPrivatekey,生成用于交易驗證和信息傳輸的地址Ti-add=hash(iPublickey),其中,iPublickey=hash(iPrivatekey),Ti-add代表節點i的加密地址,是經過SHA256和Base58哈希計算之后的結果.發布的需求信息如下:

其中,chaij和buyij分別代表[t0,t1]時段節點i的需求電量和最優報價.

節點j接收到節點i的需求信息并計算可以出售的電量,即在[t0,t1]時段為節點i提供相應的電量disji,并通過生成相應的地址發送響應信息

式中,LTID是節點j在區塊鏈中上一個交易信息的記錄地址,Sign.j(chaij,[t0,t1],LT)是節點j在本次交易和上次交易內容的基礎上通過jPublickey生成的加密簽名.節點j接收到節點i的需求信息后,用自己的私鑰iPrivatekey對j發送的消息摘要進行解密,得到Qi-add,j的全部內容.同時,通過jPublickey獲取簽名Sign.j中的詳細信息.

由于存在多個電力供應節點,節點i確認交易的原則是最大限度地滿足自身電力需求,因此,如果i接受j提供的電量,則i把智能合約腳本發送給j.如果不接受,則終止交易.

此外,為確保資源避免出現“二次支付”現象,記錄交易內容的腳本信息必須包括區域電力網絡運營商的簽名Sign.DEO.因此,交易記錄的腳本應包含交易雙方的簽名,區域電力網絡運營商的簽名以及交易內容摘要表示如下:

一旦Script由三方完成簽名,則i需要按智能合約進行支付,j需要按智能合約向i傳送約定量的電能.交易完成后,本次交易信息被廣播到整個能源金融系統網絡.在所有節點驗證交易信息之后,本次交易信息將被寫入當前區塊.

3 實驗與分析

本文以城市低壓配電網中某小型住宅區域的IES系統為例驗證所提優化模型和方法的有效性.該區域IES系統的光伏和風機裝機容量分別為60kW 和40kW,參與IES系統服務的產消者規模為60戶住宅.該區域的基本負荷水平、光伏、風機出力曲線如圖4所示.為簡化模型,考慮將產消者群體分為4組,每組中的可再生能源裝機容量均勻分配.根據上述數據構建IES系統多級對等協同優化模型并進行仿真實驗.T=24h,以5min為周期進行IES系統實時多級對等電力交易.實驗基于MATLAB R2016a編程環境,計算主機為Intel Core i7 CPU,主頻為3.4GHz,運行內存為16GB.

圖4 光伏、風機出力及基本負荷水平曲線Fig.4 Renewable energy output and basic load curves

3.1 系統參數

在NR-PSO算法中,種群規模u=200,最大迭代次數kmax=20,收斂因子s=0.01,鄰域因子e=0.03.基本購電需求,.其他相關參數如表1所示.

表1 優化模型相關參數Table 1 The values of related parameters

3.2 結果與討論

3.2.1 算法性能分析

基于IES系統多級對等協同優化模型,為驗證本文方法的有效性,分別采取NR-PSO算法、CQPSO[28]算法、AWCPSO[29]算法以及迭代下降算法[40]求解系統一個周期內的優化問題,算法的收斂特性如圖5所示.

圖5 算法性能的對比分析Fig.5 Performance comparison and analysis of different algorithms

結果表明,CQPSO算法和AWCPSO算法需要更多的迭代次數才能最終收斂.其中,CQPSO算法針對量子粒子群易陷入局部最優問題,利用混沌的遍歷性,使粒子的搜索范圍覆蓋整個解空間,同時在迭代過程中多次引入擾動機制使粒子位置跳出局部最優.然而,該方法的遍歷搜索和擾動過程大幅增加了迭代過程的計算負擔,從而降低了求解效率.AWCPSO算法通過自適應減小權重和加速度系數,指導迭代過程中粒子飛行的速度和方向,可在一定程度上減小迭代后期隨機振蕩現象的影響.但在新的迭代周期隨機初始化搜索,使得算法尋優過程依然十分緩慢,迭代下降算法平均在第12次迭代收斂.然而在全局最優值附近,每次迭代后目標函數值行進的距離越來越小,產生鋸齒現象,從而降低算法在迭代后期的收斂速度.而通過收斂判定域引導并結合全局隨機尋優與區域定向尋優策略的NR-PSO算法,平均在第8次迭代(ε=0.2)收斂至相應的社會福利最優值,相比迭代下降算法減少了33%的迭代次數,有效地提高了算法局部搜索能力及收斂速度.

此外,仿真還對比了NR-PSO算法迭代控制參數ε不同取值下的迭代次數和總計算時間,如表2所示.結果顯示,迭代次數和總計算時間隨ε取值的削減而逐漸減小.在ε取0.2時達到最佳的迭代次數(8次)和總計算時間(162.64s),進一步驗證了NR-PSO算法的有效性.

表2 不同控制參數下的迭代次數和計算時間Table 2 The number of iterations and calculation time with different control parameters

考慮IES系統實時電力交易以及一段時間內各產消者節點的實時信息交互,由計算結果進一步可知,當算法迭代控制參數ε取值小于0.4時,算法總求解時間均不超過本文的優化調度周期5min.因此,該算法能夠滿足系統的實時性要求.

3.2.2 供求平衡分析

本文以4個不同聯盟產消者的協同優化結果為例,具體分析電力供求平衡情況.通過供求平衡分析,不僅可以了解產消者間交易電量情況,而且可以了解IES系統多級對等協同優化模型的實時運行狀況.

如圖6～9所示,實際能量狀態表示當前時段內負荷與可再生能源出力之間的偏差電量,正值表示需要購買的電量,負值表示需要出售的電量.局域協調交易電量表示該產消者與聯盟內其他產消者交易電量情況.廣域協調交易電量表示該產消者通過能源路由器與其他聯盟產消者交易電量情況.

IES系統通過局域協調與廣域協調的組合互動來保障實時電力供求平衡.在每一個調度周期開始時刻,產消者向本地能源路由器發送其供需差額數據.本地能源路由器根據該數據進行局域雙向拍賣,并基于NR-PSO算法求解局域協調優化問題,以最大限度滿足各產消者基本需求電量約束及局域社會福利最大化目標.然而部分產消者的實際需求電量未得到滿足,則需再次向本地能源路由器反饋差額數據.此時局域范圍內已無可調度電量,則本地能源路由器需請求與其他路由器進行廣域雙向拍賣,并再次調用優化算法求解廣域協調優化問題,以保障本地產消者電力供求平衡及廣域社會福利最大化.

然而,在某些時段局域協調和廣域協調的組合互動仍然不能實現嚴格的供求平衡,例如圖6中的21:00～23:00時段,圖7中的13:00～15:00和23:00～24:00時段,圖8中的1:00～3:00和23:00～24:00時段,以及圖9中的17:00～19:00時段等.一方面,受可再生能源出力不確定性和用戶負荷隨機性的影響,產消者的偏差電量呈現出相應的波動性.另一方面,在上述時段系統內參與交易的一方需要處理多方請求信息,然而這些供應方或需求方給出的供應量或需求量的累加不能完全消除偏差電量,從而導致該時段的供求失衡.此時,無法消除的少量偏差電量可通過與主電網交易或通過調度儲能設施的充放等方式來彌補.

圖6 聯盟1產消者3實時電力供求平衡Fig.6 Real-time supply and demand balance of 3rd prosumer in the first union

圖7 聯盟2產消者10實時電力供求平衡Fig.7 Real-time supply and demand balance of 10th prosumer in the second union

3.2.3 多級對等電力交易結果

以聯盟1中產消者3節點在3:15～3:40時段內的交易結果為例,進一步分析IES系統中產消者多級對等電力交易的具體過程,如表3所示.

圖8 聯盟3產消者6實時電力供求平衡Fig.8 Real-time supply and demand balance of 6th prosumer in the third union

圖9 聯盟4產消者14實時電力供求平衡Fig.9 Real-time supply and demand balance of 14th prosumer in the fourth union

根據IES系統的信息交互流程,在產消者向金融系統網絡發布交易信息時,買方根據當前的偏差電量制定報價策略,密封交易信息摘要并發布.賣方接收需求信息,并根據買方報價制定售電策略.需要指出的是,在3:15～3:20時段的偏差電量為0.457kWh,而從賣方購買的總電量為0.453kWh,這主要是由于當前時段沒有適合的賣方或賣方不愿提供額外的0.004kWh電量.其他時段的交易信息及結果如表3所示.多級對等電力交易結果說明,基于智能合約的輔助服務可實現用戶友好的電力交易模式,其分布式對等交易結構有效地解決了用戶與中心機構之間的信任問題,同時維護了用戶的隱私和電力交易的安全性.

表3 聯盟1產消者3某時段多級對等電力交易結果Table 3 Multilevel peer-to-peer power trading results of the third prosumer node in the first union at a certain time

4 結論

針對能源電力系統的優化管理與控制問題,提出了信息物理融合的智慧能源系統多級對等協同優化方法.該方法基于Stone-Geary函數和雙向拍賣機制重構了電力資源優化分配問題的目標函數,更好地反映了分布式電力交易中的產消者偏好.同時,利用收斂判定域引導的全局隨機尋優與區域定向尋優策略,進一步提高了算法的收斂性.在保障系統社會福利最大化的前提下,有效地實現了產消者電力資源的優化分配,促進了電力資源的經濟合理利用.此外,通過智能合約的輔助服務,進一步實現了用戶友好的電力交易模式.