程明曦，王 冰，王 敏，吳曉月

（河海大學(xué)能源與電氣學(xué)院，江蘇 南京 211100）

0 引言

隨著電力體制改革推進(jìn)和能源互聯(lián)網(wǎng)概念深入人心，以可控負(fù)荷為主的需求側(cè)智能用電設(shè)備逐漸入網(wǎng)參與調(diào)度以緩解供需壓力［1］。在多元的電力市場結(jié)構(gòu)中，部分售電公司轉(zhuǎn)型為整合需求資源、引導(dǎo)用戶用電的電力代理商，也成為建設(shè)能源互聯(lián)網(wǎng)的關(guān)鍵決策主體［2］。

目前，我國統(tǒng)一的電力市場交易平臺(tái)為電力交易市場化進(jìn)程提供了技術(shù)支撐。然而，上述電力主體的入網(wǎng)給配電市場帶來了極大的不確定性，若仍實(shí)施按月結(jié)算的中長期交易模式，則造成的電量偏差會(huì)給電力調(diào)度中心帶來巨大的調(diào)度成本［3］。因此，為了合理有效地調(diào)度分散、靈活的入網(wǎng)可控負(fù)荷，并保護(hù)電力用戶的隱私不被泄露，可考慮利用區(qū)塊鏈技術(shù)構(gòu)建一個(gè)全新的分布式交易機(jī)制。

區(qū)塊鏈作為一種非對(duì)稱加密的分布式賬本，具備各節(jié)點(diǎn)平等、購售信息不可篡改、用戶行為可追溯等優(yōu)勢(shì)，促使各電力主體共同維護(hù)交易平臺(tái)的可持續(xù)發(fā)展，因此具備很強(qiáng)的魯棒性［4］。應(yīng)用區(qū)塊鏈技術(shù)可直接實(shí)現(xiàn)分布式交易模式下各主體購售電信息的互通，保證數(shù)據(jù)透明化并降低交易的不確定性。同時(shí)，智能合約作為一個(gè)由計(jì)算機(jī)處理、可執(zhí)行各交易者需求合約條款的自動(dòng)交易協(xié)議，它的引入為提升區(qū)塊鏈交易平臺(tái)的安全運(yùn)行效率提供了技術(shù)保障。

目前已有學(xué)者探討了將區(qū)塊鏈技術(shù)應(yīng)用于分布式電力交易的可行性，設(shè)計(jì)了基于區(qū)塊鏈技術(shù)的分布式能源雙向拍賣協(xié)議［5-6］。而在需求側(cè)資源方面，文獻(xiàn)［7］為實(shí)現(xiàn)需求側(cè)資源的靈活調(diào)度，設(shè)計(jì)了包含激勵(lì)的去中心化電力交易模式；文獻(xiàn)［8］提出了基于用戶駕駛行為特性的電動(dòng)汽車有序充電策略，以負(fù)荷曲線峰谷差最小為目標(biāo)對(duì)電動(dòng)汽車充電行為進(jìn)行調(diào)度；文獻(xiàn)［9］探討了區(qū)塊鏈框架和微電網(wǎng)電能交易的相似性，構(gòu)建了分布式電力交易的總體框架。

對(duì)于可控負(fù)荷用戶入網(wǎng)的優(yōu)化調(diào)度這一具體場景，部分文獻(xiàn)主要聚焦于維持電網(wǎng)穩(wěn)定運(yùn)行、改善用戶的舒適度，提出了以空調(diào)負(fù)荷最小削減及最小啟停為特征的雙層調(diào)度［10-11］；部分文獻(xiàn)主要聚焦于集群可控負(fù)荷的聚類建模，以動(dòng)態(tài)調(diào)度的形式提升可控負(fù)荷調(diào)度的準(zhǔn)確性［12-13］；還有部分文獻(xiàn)根據(jù)區(qū)塊鏈鏈上信息平臺(tái)，建立了非可信環(huán)境下多級(jí)投標(biāo)信息的安全傳遞機(jī)制［14］。然而上述研究均只是對(duì)以太坊智能合約的簡單應(yīng)用，鮮有涉及針對(duì)可控負(fù)荷入網(wǎng)場景對(duì)區(qū)塊鏈的底層技術(shù)進(jìn)行優(yōu)化，實(shí)現(xiàn)具體場景與區(qū)塊鏈的深度融合的研究。

本文將可控負(fù)荷入網(wǎng)調(diào)度與區(qū)塊鏈智能合約技術(shù)相結(jié)合：首先，搭建區(qū)塊鏈下可控負(fù)荷用戶參與電力市場的交易機(jī)制框架；然后，整合可控負(fù)荷用戶的運(yùn)行特性，基于收益最優(yōu)原則建立考慮運(yùn)維成本和運(yùn)營效能的可控負(fù)荷用戶、負(fù)荷代理商2 類智能合約決策模型；在此基礎(chǔ)上，為了實(shí)現(xiàn)區(qū)塊鏈系統(tǒng)的長期有效運(yùn)行，針對(duì)底層技術(shù)進(jìn)行優(yōu)化改進(jìn)，提出以負(fù)荷代理商利潤分紅為激勵(lì)機(jī)制、以效能函數(shù)變化率為共識(shí)算法，實(shí)現(xiàn)可控負(fù)荷入網(wǎng)場景的多方利益共贏。

1 區(qū)塊鏈下可控負(fù)荷用戶-負(fù)荷代理商的交易模式概述

本文所設(shè)計(jì)的區(qū)塊鏈下可控負(fù)荷用戶-負(fù)荷代理商交易模式由底層技術(shù)和上層應(yīng)用2個(gè)模塊組成。其中，在底層技術(shù)模塊中，數(shù)據(jù)層包含區(qū)塊鏈數(shù)據(jù)結(jié)構(gòu)；網(wǎng)絡(luò)層規(guī)定組網(wǎng)機(jī)制、數(shù)據(jù)傳播機(jī)制、數(shù)據(jù)驗(yàn)證機(jī)制等網(wǎng)絡(luò)通信協(xié)議［15］；激勵(lì)層通過經(jīng)濟(jì)平衡手段，促使節(jié)點(diǎn)維護(hù)區(qū)塊鏈系統(tǒng)的安全運(yùn)行；共識(shí)層規(guī)定區(qū)塊鏈節(jié)點(diǎn)達(dá)成一致共識(shí)的方式。在上層應(yīng)用模塊中，智能合約層包含區(qū)塊鏈代碼和相應(yīng)的狀態(tài)數(shù)據(jù)；應(yīng)用層對(duì)應(yīng)本文區(qū)塊鏈應(yīng)用場景，即負(fù)荷代理商參與用戶需求響應(yīng)的交易場景。系統(tǒng)框架見圖1。

圖1 區(qū)塊鏈下可控負(fù)荷用戶-負(fù)荷代理商的交易框架Fig.1 Transaction framework of controllable load user-load agent based on blockchain

2 可控負(fù)荷用戶-負(fù)荷代理商交易場景下的區(qū)塊鏈節(jié)點(diǎn)模型

2.1 可控負(fù)荷用戶決策模型

可控負(fù)荷用戶節(jié)點(diǎn)是維持整個(gè)區(qū)塊鏈系統(tǒng)持久穩(wěn)定運(yùn)行的關(guān)鍵環(huán)節(jié)。由于具有不同用能需求的可控負(fù)荷用戶存在多樣性和差異性，而用能需求反映了用戶的用電行為特征，若對(duì)海量的用戶逐一進(jìn)行控制，則會(huì)給優(yōu)化調(diào)度帶來巨大的計(jì)算量。因此，根據(jù)可控負(fù)荷用戶的用能訴求對(duì)可控負(fù)荷進(jìn)行聚類顯得尤為重要。同時(shí)，需求側(cè)智能用電設(shè)備種類多樣，為了不失一般性，本文選取具備代表性的2 類需求側(cè)用電設(shè)備——電動(dòng)汽車和空調(diào)作為研究對(duì)象進(jìn)行重點(diǎn)考慮。本文利用智能合約與參與需求響應(yīng)的用戶自動(dòng)完成調(diào)度，簡化了需求響應(yīng)的控制難度。

對(duì)于可控負(fù)荷用戶的分析聚類，設(shè)定不同標(biāo)準(zhǔn)可能得到完全迥異的結(jié)果。大規(guī)模用戶的出行特性具有一定的規(guī)律性。用戶傍晚回家、早晨離家的時(shí)刻決定了電動(dòng)汽車和空調(diào)的開始調(diào)度時(shí)刻及可調(diào)度時(shí)長，故本文考慮將用戶回家、離家的時(shí)刻作為聚類標(biāo)準(zhǔn)，再根據(jù)2 類負(fù)荷的充放電需求，對(duì)不同物理狀態(tài)的負(fù)荷進(jìn)行進(jìn)一步細(xì)化分類。最終，將具有相似用電特征的用戶由同一負(fù)荷代理商節(jié)點(diǎn)進(jìn)行控制，以整合大規(guī)模充放電資源，促成上述智能合約的實(shí)現(xiàn)。

2.1.1 電動(dòng)汽車用戶成本模型

式中：Δt為時(shí)段間隔，本文將一天24 h 以Δt=1 h 分為24個(gè)時(shí)段；Nevk為聚類后用戶子群k中電動(dòng)汽車用戶數(shù)量；Pdch(i，t)為t時(shí)段電動(dòng)汽車用戶i的充放電功率；Pch(i，t)、Pdc(i，t)分別為t時(shí)段電動(dòng)汽車用戶i的充電功率（正值）、放電功率（負(fù)值）；x(i，t)為t時(shí)段電動(dòng)汽車用戶i的充放電狀態(tài)，充電時(shí)取值為1，放電時(shí)取值為-1，閑置時(shí)取值為0；Wch(t)為t時(shí)段的充電電價(jià)（即電網(wǎng)電價(jià)）；Wloss(t)為t時(shí)段電動(dòng)汽車動(dòng)力電池的單位功率折損成本；Wpro(t)為t時(shí)段的放電電價(jià)。

電動(dòng)汽車用戶需滿足如下運(yùn)行約束條件。

1）出行約束。出行約束以電動(dòng)汽車的出行荷電狀態(tài)（SOC）需求為依據(jù)，如式（3）所示。

式中：SSOC(i，t)、SSOC(i，t-1)分別為t、t-1 時(shí)段電動(dòng)汽車用戶i動(dòng)力電池的SOC；ηch、ηdch分別為電動(dòng)汽車的充、放電效率；B為電動(dòng)汽車動(dòng)力電池的容量。

2.1.2 空調(diào)負(fù)荷用戶成本模型

式中：Tdesired為室內(nèi)最舒適溫度；δ為室內(nèi)溫度允許的波動(dòng)范圍。

2.1.3 可控負(fù)荷用戶的經(jīng)濟(jì)決策模型

對(duì)于用戶子群k，綜合考慮電動(dòng)汽車和空調(diào)負(fù)荷用戶的用電成本，計(jì)算可控負(fù)荷用戶的經(jīng)濟(jì)決策模型。由于本文考慮由第三方負(fù)荷代理商購售電的場景，用戶還需向負(fù)荷代理商繳納一定的代理費(fèi)用。則決策模型可表示為：

2.2 負(fù)荷代理商決策模型

區(qū)塊鏈節(jié)點(diǎn)有全節(jié)點(diǎn)和輕節(jié)點(diǎn)之分。輕節(jié)點(diǎn)不承擔(dān)區(qū)塊鏈的數(shù)據(jù)維護(hù)與記賬職責(zé)，僅記錄與自身相關(guān)的交易，對(duì)設(shè)備的算力要求較低，比較符合可控負(fù)荷用戶節(jié)點(diǎn)的選擇。負(fù)荷代理商的收益來自于區(qū)塊鏈分布式電力交易系統(tǒng)，其自然必須承擔(dān)全節(jié)點(diǎn)數(shù)據(jù)維護(hù)與記賬出塊的職責(zé)?？紤]負(fù)荷代理商節(jié)點(diǎn)決策模型時(shí)，不僅需要考慮其經(jīng)濟(jì)收益最優(yōu)，還需要維持整個(gè)系統(tǒng)平穩(wěn)運(yùn)行，為此可以根據(jù)上述2 個(gè)指標(biāo)，建立負(fù)荷代理商效能函數(shù)，并在后述共識(shí)算法的更新中加以利用。

2.2.1 負(fù)荷代理商的經(jīng)濟(jì)決策模型

用戶子群k負(fù)荷代理商的經(jīng)濟(jì)決策模型以代理商經(jīng)濟(jì)收益最優(yōu)為目標(biāo)。由于空調(diào)負(fù)荷不涉及向電網(wǎng)放電，本文中負(fù)荷代理商向電網(wǎng)售電的主要途徑為電動(dòng)汽車放電，故負(fù)荷代理商的售電收益EAgentsell(k)可表示為：

式中：EAgent(k)為用戶子群k負(fù)荷代理商的經(jīng)濟(jì)收益。

2.2.2 負(fù)荷代理商平穩(wěn)運(yùn)行模型

在可控負(fù)荷用戶-負(fù)荷代理商的去中心化系統(tǒng)中，承擔(dān)全節(jié)點(diǎn)職責(zé)的負(fù)荷代理商在均衡其經(jīng)濟(jì)收益與電力負(fù)荷曲線的基礎(chǔ)上實(shí)現(xiàn)電力資源的優(yōu)化配置，在保證自身經(jīng)濟(jì)收益的同時(shí)為電網(wǎng)負(fù)荷削峰填谷提供靈活可靠的解決策略。用戶子群k的負(fù)荷代理商以負(fù)荷方差最小為平穩(wěn)運(yùn)行模型的目標(biāo)函數(shù)，如式（13）所示。

式中：C0(k)、V0(k)分別為不考慮區(qū)塊鏈時(shí)用戶子群k可控負(fù)荷用戶的購電成本、負(fù)荷方差；λ1、λ2分別為經(jīng)濟(jì)決策模型、平穩(wěn)運(yùn)行模型的權(quán)重系數(shù)。

3 區(qū)塊鏈底層技術(shù)的設(shè)計(jì)與改進(jìn)

3.1 激勵(lì)機(jī)制與求解算法設(shè)計(jì)

3.1.1 基于利潤分紅的激勵(lì)機(jī)制設(shè)計(jì)

以比特幣、以太坊為代表的經(jīng)典區(qū)塊鏈技術(shù)采用數(shù)字貨幣作為激勵(lì)機(jī)制，在每一次挖礦成功并得到確認(rèn)后，生成新的區(qū)塊，公選勝出的記賬節(jié)點(diǎn)獲得數(shù)字貨幣。將一段程序以數(shù)字貨幣的形式獎(jiǎng)勵(lì)給記賬者暗合了現(xiàn)實(shí)社會(huì)的資產(chǎn)理念，促使區(qū)塊鏈技術(shù)得到迅速發(fā)展。然而，若在本文的可控負(fù)荷用戶-負(fù)荷代理商交易場景下考慮數(shù)字貨幣的記賬獎(jiǎng)勵(lì)激勵(lì)機(jī)制，則是將簡單問題復(fù)雜化，數(shù)字貨幣的價(jià)格波動(dòng)也會(huì)導(dǎo)致電力交易結(jié)算困難。為此，本文考慮將記賬獎(jiǎng)勵(lì)與各負(fù)荷代理商的經(jīng)濟(jì)收益相結(jié)合。根據(jù)前文所述，負(fù)荷代理商在區(qū)塊鏈鏈上主要承擔(dān)充當(dāng)全節(jié)點(diǎn)的職責(zé)，負(fù)責(zé)維護(hù)區(qū)塊鏈的穩(wěn)定和定時(shí)記賬，故可以考慮將各負(fù)荷代理商的部分收益用作激勵(lì)來源，如式（16）所示。

式中：Eblock(t)為t時(shí)段記賬節(jié)點(diǎn)所得激勵(lì)；EAgent(k，t)為t時(shí)段用戶子群k負(fù)荷代理商的經(jīng)濟(jì)收益；N為負(fù)荷代理商的數(shù)量；λ為負(fù)荷代理商給予記賬節(jié)點(diǎn)的利潤分紅比例，若EAgent(k，t)≤0，則λ=0。

3.1.2 智能合約的求解算法設(shè)計(jì)

求解上述可控負(fù)荷用戶-負(fù)荷代理商決策模型在本質(zhì)上屬于求解多目標(biāo)優(yōu)化問題。傳統(tǒng)求解優(yōu)化問題時(shí)主要憑借智能算法求解Pareto 前沿解集，計(jì)算復(fù)雜度較高，將其運(yùn)用在區(qū)塊鏈上求解會(huì)降低區(qū)塊鏈的運(yùn)行效率。本文考慮采用基于分解的多目標(biāo)進(jìn)化算法作為智能合約的求解算法，將多目標(biāo)問題分解為一系列單目標(biāo)優(yōu)化子問題。將該算法加入各區(qū)塊鏈節(jié)點(diǎn)的決策模型中，可以有效降低計(jì)算復(fù)雜度，避免浪費(fèi)算力。算法的計(jì)算流程見附錄A圖A1。

3.2 共識(shí)算法及區(qū)塊鏈運(yùn)營流程

3.2.1 基于負(fù)荷代理商效能函數(shù)的共識(shí)算法設(shè)計(jì)

在可控負(fù)荷用戶-負(fù)荷代理商交易場景中，可控負(fù)荷用戶作為輕節(jié)點(diǎn)在區(qū)塊鏈上運(yùn)行，不具備記賬能力。因此，本文僅需依據(jù)第2 節(jié)所述負(fù)荷代理商的效能函數(shù)R(k)，考慮負(fù)荷代理商節(jié)點(diǎn)之間的記賬權(quán)競爭情況。由于負(fù)荷代理商的效能函數(shù)主要體現(xiàn)了其經(jīng)濟(jì)收益，收益越高者，越容易獲得區(qū)塊鏈記賬權(quán)，故規(guī)定效能函數(shù)值高的負(fù)荷代理商獲得更高的記賬權(quán)概率。進(jìn)一步，鑒于目前區(qū)塊鏈共識(shí)算法存在的弊端，即節(jié)點(diǎn)中股權(quán)越多者越容易獲得記賬權(quán)，這容易導(dǎo)致網(wǎng)絡(luò)話語權(quán)被大型負(fù)荷代理商所掌握，長期運(yùn)營會(huì)使得去中心化區(qū)塊鏈系統(tǒng)演變?yōu)橹行幕W(wǎng)絡(luò)，不利于系統(tǒng)的長期健康發(fā)展［17］。

在本文優(yōu)化調(diào)度策略中，主要根據(jù)電動(dòng)汽車的入網(wǎng)SOC和空調(diào)的溫度設(shè)定值進(jìn)行可控負(fù)荷用戶分類，這些特征直接決定了這2 類負(fù)荷的可調(diào)度容量，這樣會(huì)導(dǎo)致代理可調(diào)度容量較小的負(fù)荷代理商所獲得的收益較小。綜上所述，考慮利用區(qū)塊鏈鏈上記賬收益來動(dòng)態(tài)平衡各負(fù)荷代理商之間的收益。故本文提出以式（17）所示效能函數(shù)變化率r(k)作為區(qū)塊鏈共識(shí)算法，節(jié)點(diǎn)能否獲得記賬權(quán)，主要依據(jù)其自身能否持續(xù)健康發(fā)展。

式中：R(k，t)、R(k，t-1)分別為t、t-1 時(shí)段用戶子群k負(fù)荷代理商的效能函數(shù)值。

傳統(tǒng)工作量證明PoW（Proof of Work）機(jī)制的主要特征是節(jié)點(diǎn)做一定難度的工作得出一個(gè)結(jié)果，驗(yàn)證方卻很容易通過結(jié)果來檢查該節(jié)點(diǎn)是否完成了相應(yīng)的工作，計(jì)算過程如式（18）所示。

式中：SHA256(?)為256位哈希加密算法；h為最新區(qū)塊的內(nèi)容；T為哈希加密的目標(biāo)難度值；n為隨機(jī)數(shù)。

PoW 機(jī)制的流程如下：尋找一個(gè)n，使其滿足哈希加密后的數(shù)值小于T，故T越小，挖礦難度越高。基于PoW 機(jī)制，本文結(jié)合上述負(fù)荷代理商的效能函數(shù)得到本文所設(shè)計(jì)的共識(shí)算法如式（19）所示。

式中：p為負(fù)荷代理商的入網(wǎng)時(shí)長；r為負(fù)荷代理商效能函數(shù)變化率。由式（19）可知，負(fù)荷代理商的入網(wǎng)時(shí)間越長、效能函數(shù)變化率越高，則其哈希計(jì)算難度越低，也越容易獲得區(qū)塊鏈記賬權(quán)。

考慮了效能函數(shù)變化率的共識(shí)算法保證了各區(qū)塊鏈節(jié)點(diǎn)的記賬權(quán)與其收益及對(duì)電網(wǎng)貢獻(xiàn)值動(dòng)態(tài)相關(guān)，促使各負(fù)荷代理商的決策行為向有益于電網(wǎng)運(yùn)行的方向運(yùn)作。

3.2.2 區(qū)塊鏈系統(tǒng)的運(yùn)營流程

由于本文所設(shè)置的可控負(fù)荷電力交易單位時(shí)段時(shí)長為1 h，可以設(shè)置每1 h 生成1 次區(qū)塊。區(qū)塊鏈的數(shù)據(jù)結(jié)構(gòu)如圖2所示。

圖2 區(qū)塊鏈的數(shù)據(jù)結(jié)構(gòu)Fig.2 Data structure of blockchain

當(dāng)執(zhí)行完成一次交易之后，由r（k）值最大的負(fù)荷代理商節(jié)點(diǎn)完成記賬，為區(qū)塊加蓋時(shí)間戳，證明所有交易有效，以保證所有交易在事后的可追溯性。區(qū)塊體主要包含本時(shí)段的調(diào)度結(jié)果以及下一時(shí)段可控負(fù)荷用戶的充放電計(jì)劃和負(fù)荷代理商的削峰填谷計(jì)劃，同時(shí)計(jì)算各負(fù)荷代理商效能函數(shù)為下一區(qū)塊共識(shí)算法的達(dá)成做準(zhǔn)備。上述所有數(shù)據(jù)經(jīng)哈希算法轉(zhuǎn)化為二進(jìn)制Merkle 根存入?yún)^(qū)塊頭中，保證了數(shù)據(jù)的隱私性［18］。綜合上述區(qū)塊鏈節(jié)點(diǎn)決策模型、激勵(lì)機(jī)制、智能合約求解算法、共識(shí)算法，可得本文區(qū)塊鏈節(jié)點(diǎn)24 h的運(yùn)營流程如附錄A圖A2所示。

4 算例分析

4.1 前提假設(shè)及算例數(shù)據(jù)

利用MATLAB 仿真求解本文所提可控負(fù)荷用戶和負(fù)荷代理商2 類智能合約決策模型，驗(yàn)證所提可控負(fù)荷入網(wǎng)優(yōu)化調(diào)度策略的可行性，并針對(duì)區(qū)塊鏈系統(tǒng)的運(yùn)營效率進(jìn)行相應(yīng)的仿真分析比較。

1）對(duì)某中心城區(qū)在夏季典型日的50 萬居民進(jìn)行仿真分析，其中電動(dòng)汽車滲透率為20%，空調(diào)滲透率為30%；根據(jù)2017年全美家庭出行調(diào)查［19］統(tǒng)計(jì)結(jié)果，設(shè)定電動(dòng)汽車用戶一天的出行開始時(shí)間、結(jié)束時(shí)間。

2）假設(shè)所有電動(dòng)汽車均通過負(fù)荷代理商參與區(qū)塊鏈調(diào)度，電動(dòng)汽車以上汽榮威ERX5 為例，具體參數(shù)如附錄A表A1所示。

3）關(guān)于空調(diào)負(fù)荷，設(shè)置Tdesired=27 ℃，空調(diào)負(fù)荷用戶參與調(diào)度的最高溫度服從［27.5，29.0］℃范圍內(nèi)的均勻分布，最低溫度服從［25.0，27.0］℃范圍內(nèi)的均勻分布，εT、η、A、δ依據(jù)文獻(xiàn)［20］設(shè)定。電網(wǎng)峰平谷電價(jià)如附錄A 表A2 所示。該地區(qū)不含電動(dòng)汽車和空調(diào)負(fù)荷的基礎(chǔ)負(fù)荷曲線見附錄A圖A3。

其他相關(guān)參數(shù)設(shè)置如下：負(fù)荷代理商向電網(wǎng)售電的電價(jià)為0.5 元／（kW·h），電動(dòng)汽車動(dòng)力電池的單位折損成本為0.14元／（kW·h），單個(gè)電動(dòng)汽車用戶的委托代理費(fèi)用為0.1 元／d；區(qū)塊鏈激勵(lì)機(jī)制中負(fù)荷代理商給予記賬節(jié)點(diǎn)的利潤分紅比例λ=0.1，負(fù)荷代理商經(jīng)濟(jì)決策模型、平穩(wěn)運(yùn)行模型的權(quán)重系數(shù)λ1=λ2=0.5。

4.2 調(diào)度結(jié)果分析

4.2.1 削峰填谷調(diào)度結(jié)果分析

用戶的入網(wǎng)和離網(wǎng)時(shí)間見附錄A表A3。利用K均值聚類算法對(duì)用戶入網(wǎng)和離網(wǎng)時(shí)間進(jìn)行第1 階段聚類，可得3個(gè)聚類聚類中心，聚類結(jié)果見表1。

表1 可控負(fù)荷用戶的聚類結(jié)果Table 1 Clustering results of controllable load users

對(duì)每個(gè)類別中的電動(dòng)汽車和空調(diào)負(fù)荷用戶再進(jìn)行細(xì)化分類，電動(dòng)汽車用戶以初始SOC 由高到低作為分類特征，空調(diào)負(fù)荷用戶根據(jù)溫度設(shè)定值進(jìn)行分類，最終得到9 組用戶子群，對(duì)于不同的子群，基于其出行特征、SOC 和溫度設(shè)定值計(jì)算其用戶決策模型。類別Ⅰ的3 組用戶子群的充放電功率如圖3 所示。由圖可以看出：用戶子群1 中電動(dòng)汽車用戶的剩余SOC最多，同時(shí)空調(diào)負(fù)荷的可調(diào)溫度范圍最大，所以其可以調(diào)度的電量最大，放電電量最多同時(shí)充電時(shí)刻主要集中在負(fù)荷低谷時(shí)段，峰時(shí)段主要向電網(wǎng)放電；而用戶子群3 的充放電情況正好與用戶子群1相反，用戶子群3中用戶入網(wǎng)的主要目的以滿足自身用電需求為主，故其可調(diào)度電量較??；整體調(diào)度時(shí)段基本符合上述負(fù)荷聚類的入網(wǎng)與離網(wǎng)時(shí)段。

圖3 類別Ⅰ的3組用戶子群的充放電功率Fig.3 Charging and discharging power of three subgroups in Cluster Ⅰ

整合9 組用戶子群的充放電功率，將其與電網(wǎng)基礎(chǔ)負(fù)荷進(jìn)行疊加，同時(shí)將其與考慮大規(guī)?？煽刎?fù)荷在無序用電策略下的負(fù)荷曲線進(jìn)行對(duì)比，如圖4所示。由圖可知：若可控負(fù)荷以無序狀態(tài)入網(wǎng)，即電動(dòng)汽車入網(wǎng)即開始充電且不考慮對(duì)電網(wǎng)放電，空調(diào)負(fù)荷時(shí)刻保持最舒適溫度，則會(huì)導(dǎo)致電網(wǎng)負(fù)荷“峰上加峰”，而在負(fù)荷低谷時(shí)段，由于室外溫度下降，同時(shí)電動(dòng)汽車基本完成充電，所以負(fù)荷曲線與基礎(chǔ)負(fù)荷基本重合；相較而言，本文所提基于區(qū)塊鏈的入網(wǎng)調(diào)度策略有效地控制空調(diào)設(shè)定溫度在合理范圍之內(nèi)，并將電動(dòng)汽車充電功率由負(fù)荷高峰時(shí)段轉(zhuǎn)移至負(fù)荷低谷時(shí)段，并在負(fù)荷高峰時(shí)段適度向電網(wǎng)放電，實(shí)現(xiàn)了電網(wǎng)負(fù)荷的削峰填谷。

圖4 考慮本文調(diào)度策略后的負(fù)荷曲線Fig.4 Load curve after considering proposed dispatch strategy

4.2.2 經(jīng)濟(jì)效益分析

不同調(diào)度策略的經(jīng)濟(jì)收益對(duì)比如表2 所示。由表可知：在無序用電策略下，電動(dòng)汽車和空調(diào)負(fù)荷用戶的購電成本均比本文調(diào)度策略下要高得多，這是由無序用電策略以盡可能滿足可控負(fù)荷用戶用電舒適度導(dǎo)致的，而本文調(diào)度策略考慮了電動(dòng)汽車放電，對(duì)電動(dòng)汽車動(dòng)力電池的損害較大，故電池?fù)p耗成本遠(yuǎn)大于無序用電策略；在本文調(diào)度策略下，可控負(fù)荷用戶依靠負(fù)荷代理商調(diào)整電動(dòng)汽車的充放電時(shí)段以及空調(diào)的設(shè)定溫度，并獲得了一定的放電補(bǔ)償，總用電成本顯著降低，而負(fù)荷代理商的收益主要來自用戶委托代理費(fèi)用和向電網(wǎng)放電獲得的收益，在無序用電策略下不存在該收益。

表2 不同調(diào)度策略的經(jīng)濟(jì)收益對(duì)比Table 2 Comparison of economic benefits between different dispatch strategies單位：萬元

4.3 區(qū)塊鏈運(yùn)營策略的有效性分析

本文考慮9 個(gè)負(fù)荷代理商作為區(qū)塊鏈全節(jié)點(diǎn)，其都有競爭記賬的權(quán)力，以20:00 時(shí)刻為例進(jìn)行分析，得到各負(fù)荷代理商獲得的記賬概率對(duì)比結(jié)果如圖5 所示。由圖可知，基于效能函數(shù)所得負(fù)荷代理商記賬概率分配嚴(yán)重不均，負(fù)荷代理商1、4、7 因所代理的用戶子群的可調(diào)度容量較大，獲利較多，所以所獲記賬概率相對(duì)比較大。抽取部分負(fù)荷代理商的利潤獎(jiǎng)勵(lì)記賬區(qū)塊可以有效抑制各負(fù)荷代理商利益分配不均等問題，說明本文所考慮的利潤分紅這一激勵(lì)機(jī)制是有意義的。本文選擇效能函數(shù)變化率作為區(qū)塊鏈共識(shí)算法，每個(gè)負(fù)荷代理商首先與自身上一時(shí)段調(diào)度效果進(jìn)行對(duì)比，再互相競爭區(qū)塊鏈記賬權(quán)。仿真結(jié)果表明，本文在節(jié)點(diǎn)理性的假設(shè)前提下，各負(fù)荷代理商的記賬概率在10%～15%之間，大型代理商不會(huì)壟斷記賬權(quán)，能有效保證區(qū)塊鏈長期可靠運(yùn)營。

圖5 負(fù)荷代理商獲得的記賬概率對(duì)比Fig.5 Comparison of load agents’billing probabilities

為了檢驗(yàn)智能合約的可行性，利用以太坊私有鏈對(duì)本文2 類決策模型智能合約的效果進(jìn)行檢驗(yàn)?；趨^(qū)塊鏈的電力交易去中心化應(yīng)用測試界面如附錄A 圖A4 所示。輸入負(fù)荷代理商A 的交易信息，并在20:00 時(shí)刻進(jìn)行查看。得到在負(fù)荷代理商A 的代理下電動(dòng)汽車用戶的用電成本和動(dòng)力電池?fù)p耗成本、空調(diào)負(fù)荷用戶的用電成本以及負(fù)荷代理商A 的收益如附錄A 圖A5 所示。由圖可知，20:00 時(shí)刻負(fù)荷代理商A 代理下的電動(dòng)汽車用戶以放電收益為主，但此時(shí)電動(dòng)汽車的動(dòng)力電池?fù)p耗成本較高。此外，在分時(shí)電價(jià)背景下，空調(diào)負(fù)荷用戶的用電成本有所降低，與上述MATLAB 的仿真結(jié)果進(jìn)行比較可知，本文所提智能合約是準(zhǔn)確且有效的。

5 結(jié)論

針對(duì)目前我國分布式電力交易蓬勃發(fā)展的現(xiàn)狀中所存在的第三方電力代理商憑借信息不對(duì)稱一家獨(dú)大的信任問題，本文利用區(qū)塊鏈技術(shù)構(gòu)建了可控負(fù)荷用戶-負(fù)荷代理商交易平臺(tái)，從上層應(yīng)用和底層技術(shù)著手，主要解決了以下2個(gè)問題：

1）在上層應(yīng)用方面，以收益最優(yōu)為基本原則建立了考慮運(yùn)維成本和運(yùn)維效能的可控負(fù)荷用戶-負(fù)荷代理商決策模型智能合約，整合大規(guī)?？煽刎?fù)荷用戶的用電資源，使2 類電力主體經(jīng)濟(jì)利益共贏的同時(shí)，實(shí)現(xiàn)了電網(wǎng)負(fù)荷削峰填谷；

2）在底層技術(shù)方面，針對(duì)可控負(fù)荷用戶-負(fù)荷代理商這一區(qū)塊鏈特殊應(yīng)用場景，提出了負(fù)荷代理商利潤分紅激勵(lì)機(jī)制、負(fù)荷代理商效能函數(shù)變化率共識(shí)算法，實(shí)現(xiàn)了區(qū)塊鏈優(yōu)勢(shì)與電力調(diào)度相融合。

后續(xù)將對(duì)區(qū)塊鏈底層技術(shù)進(jìn)行繼續(xù)優(yōu)化，使其更符合分布式電力交易機(jī)制的實(shí)際情況。

附錄見本刊網(wǎng)絡(luò)版（http：//www.epae.cn）。