张志翔，罗文海
(广州电力交易中心有限责任公司，广东 广州 510663)
现代计算机、网络、通信等技术的发展使得“智能+网络”[1-3]主导模式已成功应用于教育、工业、商业、国防等众多领域，特别是带来了电力系统[4-5]的改革与创新。随着现代电力系统的不断发展，电力交易调度平台存在信息不对称、交易可靠性低等问题，因此大量学者积极开展智能电网研究，致力于提高用电服务监控水平[6-7]。
目前，大量学者提出通过区块链交互方法，实现各级电力层之间的互通互连。文献[8]分析了区块链在分布式能源交易方面的研究现状，并给出了中国在区块链参与消纳分布式能源、建设需求响应管理等方面的建议。文献[9]提出了一种基于区块链激励的光伏交易机制。文献[10]提出基于联盟链技术的电力交易方法。文献[11]提出了一种异构能源区块链的多能互补安全交易模型。为了提高电力调度的适应性，大部分研究将区块链自治共识的优势引入需求管理，很少有研究能系统地分析电力系统中的交易和调度策略。
为解决上述问题，本文考虑了分布式交易对电网稳定性的影响，提出了一种基于区块链的分布式交易策略。
1.1 智能合约模型
为确保电网在安全稳定运行的基础上提高企业效益，本文设计了基于区块链的分布式交易框架，如图1所示。在区块链技术的支持下，发电企业、电力用户和电网公司可直接相连，即系统可自动完成电能交易和电费结算。基于区块链自动共享、不可篡改记录信息等优点，可大大简化交易结算流程，从而提高企业电能交易效率和电费结算效率。
图1 基于区块链的分布式交易框架
在交易执行阶段，智能电表记录一段时间内用户的实际用电量或输出电量，将这些信息广播到其他节点，并在区块链上记录。此外，用户电子货币的流动金额通过智能合约[12]获得。电网中的每个交易节点都需要就电能的产生和消费达成共识，其中电力消费函数f(x)可表示为：
f(x)=aele·pele
(1)
式中：aele为用户实际用电量；
pele为单位电价费用。
余额费用由用户的实际电费和未完成交易产生的惩罚性电费组成。其中前者以较低的交易价格出售，后者需要支付较高的实际电费。余额费用g(aele,ds,dr)计算公式为：
(2)
式中：ds为电力供应数；
dr为电力需求数；
δ和τ为系数；
pp为惩罚性电费单价。
此外，用户应支付的费用与电力供应需求成反比，则有：
(3)
式中：l(·)为用户支付费用；
dc为电力消耗数；
ε为系数。
1.2 通信模型
本节从链路连通性和交易互易性两个方面研究了分布式交易通信模型。链路连通性考虑通信网络拓扑的链路连通概率，并在保证链路连通性的前提下，可以实现就近交易，减少网络损耗，提高交易效率。
交易通信中链路连通性定义如下：
(4)
(5)
式中：Lcon为分布式链路连通性；
Lnet为整个通信网络连通性；
Lp为连接到节点p的链路数量；
epq为连接到节点p和链路q的扩展度；
M为节点总数；
m为分布式链路总数；
ep为节点p的扩展度之和，即链路q连接到除节点p以外的其他节点的概率之和。
电力交易通信网络的交易互易性表明，当通信网络的完整性受损时(如线路大修)，剩余节点和链路仍能保持实时电力交易的性能。交易的相互依赖性可以有效地减少不平衡电力对电网的负面影响。该过程可描述如下：
(6)
式中：Aele为任意链路的交易互易性；
h为连接两个节点的最短路径长度；
sp为节点p的通信响应速度；
spj为与节点p等距的节点通信响应速度集；
Lpj为与节点p等距的链路；
mpj为与节点p等距的节点总数。
进一步，整个通信网络交易互易性可表示如下：
(7)
(8)
式中：A为整个通信网络网络交易互易性；
δp为节点p交易互易性的加权系数；
zp为与节点p具有相同距离通信集中的节点数；
zmax为具有相同距离通信集中的最大节点数。
1.3 基于区块链的交易风险管控模型
本文基于区块链提出了一种改进信用共识机制(proof-of-credit，POC)的交易风险管控模型。模型将通信可靠性和数据传输速度纳入信用评分系统，从而反映参与直接交易的实体的价值。该机制中每个节点的记帐权限竞争约束条件可描述如下：
H(Ri,ki)≤Ndiff·eci·tri
(9)
Ndiff=Nba+N(tri,vi)
(10)
式中：H(·)为哈希函数；
Ri为节点i打包到块中的所有数据；
ki为节点i需要搜索的随机数；
ci为节点i的信用评分；
Ndiff为难度系数；
Nba为默认的基本难度系数；
N(·)为数据传输网络函数；
tri为数据传输的可靠性；
vi为数据传输速度。
(11)
式中：2256为SHA-256算法的映射空间大小。可以看出，节点挖掘的难度系数与其信用评分和通信可靠性有关。信用评分越高，通信可靠性越高，节点挖掘难度越低，获得记账权的概率越大。此外，可通过奖励高可信主体、惩罚低可信主体，增加获得记账权的概率。与现有的电力交易方式相比，区块链交易方式可以有效控制交易风险。
图2 节点获取记账权流程图
2.1 弱集中式调度策略模型
本文提出了弱集中式调度策略，通过区块链共识机制选择临时调度中心，从而在各级分步执行调度任务，实现了从发电单元到用电单元的可靠供电。弱集中式调度策略具体执行过程描述如下：
步骤1，每个发电单元和电力用户访问区块链网络中的历史数据和当前状态信息，接收现有交易请求，并在整个网络验证后执行数据备份。
步骤2，根据所有通过认证的交易信息，各节点调用智能合约进行调度计算。电力供应的信息格式描述为：
Ge=(IDe,He,Re,Je,Ke,Ψe)
(12)
式中：Ge为电力供应信息；
IDe为电力供应加入区块链网络时获得的唯一标识；
He为输出容量；
Re为成本信息；
Je为电力供应类型；
Ke表征发电机组启动或停止状态；
Ψe为发电机组爬坡速率。
步骤3，整合智能合约接收到的所有有效信息，形成调度目标函数和约束条件，从而生成调度计划。调度方案通过P2P网络传播，并等待其他节点验证。
步骤4，对调度计划进行验证，如果通过验证，则将其以智能合约的形式记录在区块链中；
否则，返回到步骤3重新生成调度计划。
步骤5，当满足预设的触发条件时，各发电、用电单位自动执行智能合约中的调度计划，调度任务结束。
需注意，在已知输出曲线的情况下，如果安全约束需要调整电力交易情况，则应建立以最小调整成本为目标的联络线模型，即：
(13)
进一步，与目标函数相对应的约束条件定义如下。
1)联络线传输约束：
Cn,t,min≤Cn,t≤Cn,t,max
(14)
式中：Cn,t,min和Cn,t,max分别为t时供应n可接收或发送的最小和最大电力。
2)控制区域中机组的控制约束：
(15)
式中：G为全局电网；
g为电网中子电网；
χg,min和χg,max分别为子电网中最小和最大输出；
LG,t为全局电网的负荷需求；
CG,t为全局电网联络线计划供应值；
Li,t为第i个子电网在t时的负荷需求。
式(15)中第一个不等式表明子电网的机组总产量在[χg,min，χg,max]区间，第二个等式用于确保大型电网的负荷平衡。
3)潮流约束：
(16)
式(16)第一个等式为功率平衡约束，第二个不等式为节点功率约束，第三个不等式为节点电压约束。
2.2 改进的进化博弈算法
在进化博弈算法[13]中，大型全局电网和子电网作为博弈参与者生成两个种群，分别用P1和P2表示。假定P1和P2分别以收益函数y1和y2为利益目标。当种群中的两个个体x(x∈Pi)和x′(x′∈Pj)为相同的利益竞争时，将触发博弈过程Ds(x)：
(17)
式中：yi(x)为种群i中个体x的收益；
yi,min为种群i中个体x的最小收益；
yi,max为种群i中个体x的最大收益；
yj(x′)为第j个个体x′的收益；
yj,min为种群i中个体y的最小收益；
yj,max为种群i中个体y的最大收益。
在算法迭代过程中，随机选择一对个体执行多次重复博弈过程。将平均调度值作为适应度值。通过灵活调整全局电网与子电网之间的博弈状态，得到最优调度策略。
进一步，本文考虑调度的分散性和可信度。其中分散性是为了防止分布式调度的随机性和波动性影响全局电网的运行；
可信度表征满足电网运行稳定性的调度方案的可行性。分散性Dsc计算公式如下：
(18)
式中：Sbc为分布式调度的数量；
ssc为集中调度的数量。当Dsc=100，表明调度为完全分散，即所有调度执行都不经过第三方集中处理；
当Dsc=0，表明调度为完全集中，即所有调度执行都需经过第三方集中处理。
可信度Scr计算公式如下：
Scr=Δue+Δfe
(19)
式中：Δue为电网中的电压偏差；
Δfe为电网中的频率偏差。可信度根据每个电压等级下的允许偏差设置约束范围。
在各种随机博弈场景下，如果子电网无法完成调度任务，可以计算出发电量波动对全局电网运行的影响，并将子电网对全局电网运行的影响对应的补偿模型表示为省级电网的惩罚成本函数。因此有：
(20)
式中：Scom为省级电网的惩罚成本函数；
Ωq为博弈场景概率权重；
Q为多个随机博弈场景的总数；
ΔMd为子电网实际输出与调度决策输出之间的差值；
α为单位惩罚成本。
为了验证所提调度策略的有效性，以省级电网为例，对全省燃煤发电机组优化调度问题进行了仿真计算。
在进行调度博弈决策阶段，电网可通过数据库获取供求电力。在进化博弈过程中，当需要进行电力交易调整时，每个发电机组单元以最小功率变化为目标函数并以最小可信度作为判断依据，动态调整种群分布概率，同时机组需满足电网安全稳定运行的基本要求。仿真过程中相关参数见表1。
表1 仿真过程中相关参数
图3所示为设置不同调度分散度对发电机组单元的输出影响曲线。可以看出，在弱集中的情况下，单元输出更平滑，可以减少峰值和谷值波动。因此，该模式下可以优化机组的供电方案，使其更加平滑，从而提高各电站的调度效率。
图3 不同的调度分散度对发电机组单元输出影响曲线
表2所示为不同方法均值与标准差统计结果。可以看出所提进化博弈算法调度下，发电机组供电均值仅为85.52 MW，标准差为93.719 6。对比无优化方法和遗传算法，基于区块链的调度优化策略，发电机组供电量均值和标准差更低。由此可知，基于区块链的调度优化策略更有利于电网的安全稳定运行。
表2 不同方法均值与标准差统计结果
本文基于区块链和进化博弈算法模型对电力交易策略进行了研究与分析，提出了一种基于区块链的弱集中式电力交易框架模型。通过区块链共识机制选择临时调度中心，从而在各级分布执行调度任务，实现了从发电单元到用电单元的可靠供电。该模型为智能电网可靠供电及公平交易的发展提供了一定基础。
猜你喜欢 链路分布式调度 一种移动感知的混合FSO/RF 下行链路方案*火力与指挥控制(2022年8期)2022-09-16基于凸优化的FSO/RF 自动请求重传协议方案网络安全与数据管理(2022年6期)2022-07-13天空地一体化网络多中继链路自适应调度技术移动通信(2021年5期)2021-10-25基于增益调度与光滑切换的倾转旋翼机最优控制北京航空航天大学学报(2021年6期)2021-07-20《调度集中系统(CTC)/列车调度指挥系统(TDCS)维护手册》正式出版铁道通信信号(2020年10期)2020-02-07浅析分布式发电对电力系统的影响电子制作(2019年22期)2020-01-14基于强化学习的时间触发通信调度方法北京航空航天大学学报(2019年9期)2019-10-26基于动态窗口的虚拟信道通用调度算法计算机测量与控制(2019年6期)2019-06-27基于预处理MUSIC算法的分布式阵列DOA估计制导与引信(2017年3期)2017-11-02一种IS?IS网络中的链路异常检测方法、系统、装置、芯片科技创新导报(2016年27期)2017-03-14