電網實時電價混合博弈策略與優化方法

金耀, 許健

(1. 國網安徽省電力有限公司營銷服務中心, 安徽, 合肥 230000;2. 國電南瑞科技股份有限公司, 江蘇, 南京 210000)

0 引言

由于不同區域中電力生產和傳輸存在不平衡的現象,電能輸送的需求超出電網實際的傳輸能力,當前的實時電價策略無法保證電力資源的合理分配,從而出現阻塞現象[1-2]。

針對上述存在的問題,文獻[3]系統建立了基于電網節點的價格DG優化模型,求解每個電力用戶的最優功耗,分析機組運行的約束條件對邊際電價和系統電價的影響。文獻[4]系統采用遞歸神經網絡求解實時電價,對效用函數進行非光滑處理,以最小化電價成本作為目標函數。然而系統信息在交互過程中存在一定的時滯性,影響電力市場的供需匹配。文獻[5]系統建立實時電價模型,將傾斜快率加入優化策略中,并采用內點法進行求解。文獻[6]系統通過梯度投影法對實時電價模型進行求解,將線性效用函數和對數效用函數進行加權,使電價模型具有更好的效果。然而沒有考慮到用戶對需求的響應以及對實時電價造成的影響,無法保證實時電價的有效性。

1 基于區塊鏈的電網實時電價的電力交易系統

本文系統應用區塊鏈技術,采用去中心化、分散記賬的方式,降低了原本中心交易平臺的人力、物力的運維成本,整個數據鏈中個體沒有權限修改其他區塊的數據信息,保證了電力交易的公平公正[7]。電力交易系統結構如圖1所示。

圖1 基于區塊鏈的電網實時電價的電力交易系統結構

本研究電力交易系統使用Multchain技術,以多鏈的形式實現系統信息互聯,在區塊鏈技術的支持下電力交易具有安全性和公開性。系統架構具有用戶、電網、售電公司和能源4個主節點。各主節點和從節點之間采用“主-從”架構,任意節點通過P2P網絡進行交換信息[8]。根據電力交易中各個節點的重要程度不同,加入了共識機制POSS(proof of sharing stake),建立一個點對點的交互模式,達成一致后即可進行電力交易相關服務。能源、電網和售電公司主節點之間采用B2B的共識方式,共識內容包括能量交易和數據交易,將可供交易的有價值數據進行HASH打包成區塊后加入節點并加密上傳到主鏈[9]。系統區塊鏈中使用哈希算法和RSA函數、Elgamal函數、ECC函數等非對稱加密函數來生成數字簽名,在電力交易過程中發布交易的一方通過哈希函數加工生成數據摘要,再經過非對稱加密,生成包含本節點信息和電力交易需求信息的數字簽名[10]。

2 基于多主多從博弈的電網實時電價分析

在電力交易系統中售電公司將電價發送給用戶,用戶根據電價決定自身負荷,售電公司根據用戶的需求確定自身策略,電價和用戶負荷相互影響。本研究建立多主多從博弈模型,根據自身情況以最大化支付為目的各自制定電價,與用戶進行主從博弈。多主多從博弈結構如圖2所示。

圖2 多主多從博弈結構

(1)

(2)

(3)

(4)

(5)

3 惡意電力主體識別與電網實時電價修正優化模型

本文提出惡意電力主體識別和修正策略,對可能存在惡意攻擊的電力主體進行定義,對于不同的主體提出不同的識別和處理方式,并對實時電價數據進行修正,建立電網實時電價定價模型實現電力負荷峰谷差最小化。

(6)

(7)

其中,pi表示用戶的電力需求量,ΔQi表示所有惡意用戶的需求變化量,wi表示電力購買系數,a表示成本系數。當ΔQi大于0時,隨著ΔQi的增加,用戶效益ΔWu(Qi)逐漸減小。惡意用戶篡改用電需求大于真實需求時,所有電力用戶的總需求增加,使用戶的用電效益減少。惡意用戶識別流程如圖3所示。

圖3 惡意用戶識別流程

正常電力用戶根據售電公司的實時電價計算用電需求并發送,本研究對惡意用戶進行識別,得到:

(8)

圖4 電網實時電價修正優化模型算法流程

4 應用測試

為驗證本研究電力交易系統的性能,分別使用文獻[3]系統、文獻[4]系統和本文系統進行實驗,比較3種系統電力用戶的用電負荷和用戶收益。基于XAMPP平臺使用3臺64位主機搭建實驗環境,實驗環境中包含4種類型的電力用戶:商業用戶、工業用戶、居民用戶和微網用戶。實驗環境采用點對點的交互模式,售電公司、電網和電力用戶之間采用B2B服務共識機制。實驗環境結構如圖5所示。

圖5 實驗環境結構

搭建好實驗環境后,將實驗環境中的3條鏈命名為Chain01、Chain02、Chain03,選擇Chain01作為主鏈,主鏈IP設定為192.168.1.1,自動配置主鏈端口,設置主鏈為全節點鏈。另外2臺主機設為從節點,Chain02IP設定為192.168.1.2,Chain03IP設定為192.168.1.3。實驗中使用到的數據集如表1所示。

表1 實驗數據樣本集

本文實驗使用了電力市場某地區內2021年10月份的用電數據,對電力地區內用戶用電需求響應行為進行學習,獲取不同電力用戶在實時電價下的需求彈性系數,有助于更好地計算實時電價下的各時段電力用戶的負荷曲線。實驗數據中電力用戶的歷史用電負荷如表2所示。

表2 歷史用電負荷

將本文實時電價模型的預測參數設定為0.5,需求波動成本系數設定為0.5,迭代補償為0.005,誤差判定系數為0.000 01,初始迭代次數為0。為驗證本文系統對電力用戶中惡意用電主體的識別效果,加入惡意電力用戶,惡意電力用戶給出錯誤的電力數據,設定惡意電力用戶的概率為0.2。使用3種系統進行實驗,模擬24 h內電力用戶的總用電需求,得到實時電價下的負荷曲線,如圖6所示。

圖6 實時電價下的負荷曲線

觀察負荷曲線變化可知,本文系統實時電價下電力用戶的用電負荷峰谷不明顯,用戶用電負荷與電網公司的供電負荷基本一致。其中,用戶的最大負荷為2558 MW,最小負荷為1496 MW,用戶的最大峰谷差較小。

文獻[3]系統的負荷曲線最大負荷達到2865 MW,最大峰谷差為1663.27 MW,用戶用電負荷存在明顯的波峰波谷,負荷波動較大,電力資源未被充分利用。文獻[4]系統的負荷曲線在0～6時間段內用戶負荷低于1000 MW,在10～14時間段內用戶負荷高于2500 MW,用戶用電負荷的峰谷差率較大,與電網公司的供電負荷仍存在一定的差距。

經過以上分析可得出,本文系統經過多主多從博弈模型分析后,在實時電價機制下電力用戶的用電負荷更加穩定,供電公司提供的電力資源被用電側充分利用,電力資源在用電用戶中得到有效的分配,并削弱了電力峰谷負荷差值,用戶的負荷率提高。在主從博弈中用戶根據售電公司的實時電價決定最優用戶負荷,在保證具有一定經濟效益的同時,滿足用戶自身的用電需求,供電商與電力用戶之間存在一種均衡狀態。

為比較所有電力用戶在3種不同的實時電價機制下的用電效益,并驗證了上文中系統對惡意電力主體識別與電網實時電價修正優化的效果,使用式(6)計算不同時段內的用電效益,得到3種系統實時電價下的用戶效益如圖7所示。

圖7 用戶效益

由圖7可以看出,本文系統實時電價下的用戶效益更高,波動幅度較小,惡意電力用戶對用戶總用電效益的影響較小。本文用戶效益始終保持在3000萬元以上,用戶效益最高可達到3685萬元,與文獻[4]系統的用戶效益相比,在14～16時間段內最多超出1434萬元。文獻[3]系統的電力用戶的用戶效益在2000～2500萬元范圍內波動,最低低至2192萬元。文獻[4]系統的用戶效益波動幅度較大,用戶效益普遍低于2500萬元,用戶效益最低為1952萬元。電力交易中存在的惡意電力主體對文獻[3]系統和文獻[4]系統的用戶效益影響較大,系統沒有對其電力數據進行修正,導致用戶效益不高。

由此可得出結論,本文系統能夠對電力數據進行安全識別和優化,發現可能存在的惡意電力數據,對錯誤的電力數據進行修正后給出具體的實時電價定價方案。系統識別到惡意用戶后對其用電需求進行修正,替換為正常用戶的最低用電需求,降低惡意用戶對用戶效益的影響。對于不同的惡意主體給出不同的數據識別和處理方式,保證用戶效益受惡意電力數據影響最小,從而調度電力資源的有效分配。

5 總結

本文建立電網實時電價的電力交易系統,應用區塊鏈技術實現去中心化,通過區塊鏈分布式計算、存儲的方式,保證了實時電力交易的可靠性和安全性。通過建立多主多從博弈模型分析售電公司與電力用戶之間的策略互動,售電公司以最大化自身支付為目標與用戶進行主從博弈,采用效用函數描述用戶的用電行為,在主從博弈中用戶根據售電公司的電價決定最優負荷,采用分布式算法計算均衡狀態。提出一種安全策略對電力交易中的惡意電力主體進行識別,并對電力數據進行修正,得到最優的實時電價定價方案。本文仍存在一些不足之處還需進一步改進,區塊鏈底層技術還不完善,區塊鏈標準在各領域的應用場景不廣泛,還需構建可擴展性的區塊鏈。