基于区块链与预测的电力市场需求侧购电策略.pdf

物联网技术 2023年/第8期 智能处理与应用Intelligent Processing and Application720 引 言当前电力市场数据分享不足造成了电能调度不合理、消费者电力市场化参与度低、分布式可再生能源利用不足等问题。为保障消费者利益，提高能源利用效率，国家能源局在“十三五”期间就发布了关于电力市场改革方面的文件，基于区块链技术的电力交易研究成为学术热点1。区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式2，其防篡改、可追溯、多节点共享的技术特性天然适配于分布式电站并网，对如文献 3 所提出的区域能源互联网多能协同优化有重要推动作用；Ante 等4将区块链技术引入到功率匹配决策过程中实现基于能源区块链的调度优化；陈正等人5进行了区块链的分布式光伏就地消纳运行策略研究；Esmat 等人6开发了一个新的去中心化 P2P 能源交易平台。研究领域涉及电气、计算机、金融等，但一些研究的学科交叉融合程度不够，将区块链视为黑盒技术，只作为应用背景提及。同时这些研究鲜少有讨论需求侧在电力市场中如何才能保障自身利益，提出的电价交易策略、智能合约制定偏向于发电厂商，用户参与度不足，是价格的被动接受者；部分文献中交易机制的设计对技术发展的趋势考虑不足7，存在交易速度慢、用电策略适用面狭窄等问题。针对上述问题，本文具体的工作如下：首先，介绍采用区块链、预测技术的优势与缺点，并针对缺点提出改善方法；其次，提出电力市场架构模型并对电力市场进行建模；最后，基于上述两项工作进行仿真实验。算例分析结果表明：本文所提的需求侧购电策略可以降低用户平均购电价格，特别是当分布式新能源电站纳入微电网后，购电价格下降明显，维护了需求侧在电力市场中的权益。1 电力市场支撑技术1.1 区块链技术区块由一个包含元数据的区块头和紧跟其后的构成区块主体的一长串交易组成，每个区块的区块头都包含它的父区块的散列值，这样环环相扣可追随到第一个区块（创世区块）的散列值序列称为链条，其组合称为区块链。区块链技术具有开放、共识、去中心、去信任、交易透明、双方匿名、不可篡改、可追溯等特点8。通过交易平台实时发布发电信息及用电需求，基于区块链智能合约自动匹配需求制定电力调度计划，可实现电网自适应调度和运行，保障各参与主体的交易自动、高效、安全、透明地执行，提升运行效率，促进能源更合理地消纳9。参照目前已有的区块链交易平台，按准入机制可以将区块链分为 3 类：公有链、联盟链、私有链。根据电力市场交易面向对象的特性，区块联盟链更契合实际需求10。1.2 区间预测技术负荷预测是电力系统规划、调度等工作的基础，预测未来边际电价对选择购电时间段、提高经济效益等有重要意义。目前负荷预测多以点预测结果呈现，无法定量描述负荷预测结果的可信度。将区间预测技术引入电力市场交易中，能定量描述预测结果的置信度。需求侧可根据预测信息预判未来电价与电量，选择在相对低价的时段购买数量合适的电能，实现购电价格的“削峰填谷”。区间预测是在给定置信水平为 100(1-)%情况下，输出t 时刻的预测对象 ot未来可能处于的预测区间 L(xt)。基于区块链与预测的电力市场需求侧购电策略刘义艳，李瑞轩，居 琳（长安大学 能源与电气工程学院，陕西 西安 710064）摘 要：中国电力市场化改革已进入关键时期，为还原电力商品属性，打破企业垄断，引入企业竞争，实现提高能源利用效率、优化资源配置、降低用电成本的电改目标。文章利用区块链不可篡改、去中心化的技术特性，通过优化共识机制提高数据安全性及交易速率，采用 GRU 算法的组合预测模型对未来电价与负荷及电站发电量范围进行区间预测，并将预测结果应用于电力市场日前购电中，最终组合成一个电力市场交易的智能合约。基于IEEE30 节点的算例仿真结果表明，本文所提出的策略能大幅降低需求侧用户购电价格，为电力市场化改革提供参考。关键词：电力市场；区块链；共识机制；区间预测；需求侧；购电价格中图分类号：TM714 文献标识码：A 文章编号：2095-1302（2023）08-0072-04收稿日期：2022-09-28 修回日期：2022-10-26DOI：10.16667/j.issn.2095-1302.2023.08.0182023年/第8期 物联网技术智能处理与应用Intelligent Processing and Application73点预测与区间预测的评价指标如下。（1）平均绝对误差 MAE（Mean Absolute Error）：MAE=11nyyinii （1）（2）均方根误差 RMSE（Root Mean Square Error）：RMSE=()=112nyyinii （2）式中：yi为真实值，为预测值；n 为数据集大小。误差数值越小越好。（3）预测间隙覆盖率（PICP）：PICP,=1101nyL UyL Utnttttttt （3）式中，Lt和 Ut代表预测区间的上限和下限。PICP 的值越大，说明落在预测区间的负荷值越多。（4）平均预测区间宽度（MPIW）：MPIW=11NULtNtt （4）式中，N 代表预测区间的个数。在保证 PICP 尽可能大的前提下 MPIW 的值越小越好。（5）综合指标（CWC）：CWCMPIWePICP=+()1 （5）式中：=01,PICP,PICP,表示置信概率为 100(1-)%；为惩罚系数，通常取一个较大的值，以便于放大 PICP 与 的区别；为显著性水平，取值范围为 0 1。CWC 值越小说明区间预测效果越好。对比多种点预测算法，并基于不同点预测算法构建区间模型对用电结果进行预测，结果见表 1 所列。表 1 不同算法构造的区间模型对比算 法PICPMPIWCWCSVR0.604 25.873 81.899e+8RNN0.625 05.444 26.212e+7LSTM0.979 19.560 511.784 5GRU1.08.218 08.892 6由表 1 可以看出，GRU 的效果最好。因此本文选择GRU算法为基础预测模型，通过粒子群算法进行参数取优后，采用滑块 Bootstrap 法进行重采样构建预测区间，提出的区间预测流程如图 1 所示。图 1 预测流程2 综合交易模型2.1 电力市场构成参照新加坡电力市场，本文将市场组成划分为如图 2 所示的 5 类角色，分别为：消费者、能源监管部门、能源交易平台、电网运营商和发电参与者。图 2 电力市场构成消费者划分为可竞争消费者与不可竞争消费者，不可竞争消费者按固定价格从电网公司购电，可竞争消费者参与电力市场交易，电改的最终目标是实现所有消费者均可以从电力市场中购电。监管部门承担电力行业的监管和对市场框架的最终责任，确保消费者的利益得到保护。能源市场基于区块链技术搭建而成，角色责任包括计算价格、上报计划、合约生成和结算市场交易以及获取辅助服务。电网运营商负责为消费者提供可靠的电力供应及保障电力系统的安全运行，与监管部门相似，一般由官方来担任。电网运营商控制发电设施的调度、协调停电和电力系统应急计划，并指导高压输电系统的运行。2.2 电力市场建模（1）价格函数发电边际成本与报价函数分别为：GC,min,max=+a PbPPPigi tigi tgigi （6）GB(),min,max=+ka PbPPPgiigi tigi tgigi （7）其中：Pgi表示发电量；ai、bi值与发电设备配置相关；kgi为物联网技术 2023年/第8期 智能处理与应用Intelligent Processing and Application74根据发电成本动态调节的报价比率。输配电边际成本与报价：TC,min,max=+c PdPPPjtj tjtj ttjtj （8）TB(),min,max=+kc PdPPPtjjtj tjtj ttjtj （9）其中：Ptj表示输配电量；-cj、dj值与电网配置相关；ktj为根据输配电成本动态调节的报价比率。购电策略：USERGB TB Cem=+（10）USERGBTBUSERGB(GBGB)TB(TBbuypreprepreprePUPDpreP:+=+=kkU UPDTB)+（11）式（10）表示用户购电价格，其中 Gem表示临时调度花费；式（11）为购电策略，下标 PU、PD 表示预测区间的上下界，k 为浮动调节参数，GBpre、TBpre为最终预测价格。当发电厂商和输配电厂商报价小于用户预测价格时，用户采取购电 行为。（2）系统约束为了生成所有节点的节点边际电价及下一小时的相应供需电力计划，按如下约束解决拥塞管理问题。Max PijKc Pd PKgi tdj tjdj tidj tjNd,+=121g gi tigi tigi tiNa PbPg,+=121 （12）s.t.,min,PPPPPgi tiNrv tvNdj tjNlGz tzZggd+=11110P PPlPPPjPPDz tzZldj tdjdjgi tgi,max,min,max,m,=1i in,max,Pigi （13）式（12）表示电力市场追求最大利润；式（13）表示功率平衡约束，i 代表传统发电站数量，v 代表可再生能源电站数量，j 表示配电节点数量。3 仿真实验3.1 节点与状态设置分布式电源在 IEEE30 节点上的设置如图 3 所示，在节点 7 和 24 设置新能源发电站，节点 10 为供给稳定的传统发电站。将该微电网划分成区域 A、B、C 以贴合实际情形，同区域内的节点参数均相同，设 A 区负荷占总负荷的 20%。报价使用的负荷数据及新能源电站发电数据来自真实数据，电价数据来自新加坡电力市场数据。节点的参数设置参照文献 11。图 3 IEEE30 节点设置基于该微电网假设以下 3 种购电情景：（1）供电电网中不含分布式新能源发电站，负荷统一由市电供电，电价执行市电统一标准。2020 年四季度，新加坡居民电价约为 157.2$/MWh。故情景 1 电价取固定价格 157.2$/MWh。（2）供电电网中包含新能源电站 A，发电站 A 仅供电区域 A，其他区域由传统发电站 B 供电，电站 A 发电量不能满足用户需求的部分按能源市场发布的价格进行购买使用。（3）新能源电站 C 并网，假设此时电站 C 能满足电网内所有用户用电需求，但由于用户所属区域不同，节点间电价会有差异。在情景 2、3 的条件下对用户需求进行日前预测，生成购电的计划。当日前购电量低于实际需求时，临时购电价格为电力市场实时价格与额外调度费用之和，当购电高于实际需求时，多支付的电费不退。3.2 仿真结果图 4 是实际需求负荷与发电量的真实数据曲线及其电价对比，图中新能源发电站 A 的电价综合报价区间为 55 80$/MWh，与文献 11 中电价参考值 64.629 3$/MWh及 2020 我国发电企业平均上网电价 60$/MWh 相比，电价数据处合理区间，可以采信。图 4 需求负荷与发电量及其电价对比图 5 为新能源电站 A 的发电点预测及区间预测结果，预测结果会出现超过额定装机容量的情况，对于超出部分修正为额定值。图 6 为用户负荷的预测结果，用户用电行为是具2023年/第8期 物联网技术智能处理与应用Intelligent Processing and Application75有较强周期性规律的，预测结果相对于真实负荷误差较小。图 5 电站 A 发电预测区间图 6 实际负荷预测区间图 7 是价格的点预测与区间预测结果，误差评价见表 2所列。由于价格波动幅度较大，原始真实数据中出现了比平时价格高 3 倍到 4 倍的情形，故本文使用 3 准则对原始数据进行预处理后再对数据进行预测，最终获得了较好的结果。图 7 电价预测区间由图 7 和表 2 可以看出，本文所提的预测方法很好地适应了各种预测场景，预测曲线与实际曲线走向一致，预测精度高。即使是面对新能源电站发电量及未来电价这种数值波动较大的场景也能很好地适用。而区间预测对预测结果的定量描述以及区间波动具有的数据参考价值等，这些都是点预测所不具备的，未来的预测趋势也一定会以区间预测为主。表 2 不同对象预测误差对比预测对象MAE/%RMSE/%需求量点预测0.200.26需求量区间预测0.180.23发电量点预测0.460.56发电量区间预测0.440.54价格点预测0.801.00价格区间预测0.771.063 种场景下购电总价格见表 3 所列，分析表中数据可得，电力市场的引入可以大幅降低用户的购电花费，通过预测日前购电的行为，购电总花费比实时购电总花费低。基于区间预测的日前购电总价比基于点预测的购电总价低，验证了本文所提方法的有效性。表 3 不同情景购电价格情 景总负荷/MW实时负荷购电总价/$点预测负荷购电总价/$区间预测负荷 购电总价/$情景 12 876.70452 217.23情景 22 876.70211 144.94210 935.06201 165.43情景 32 876.70191 475.72188 503.02187 697.964 结 语本文针对电力市场交易中数据安全等问题，利用区块链作为电力市场背景技术，设计了一个安全性强、交易速度快、让需求侧用户主动参与的智能购电合约。通过算例仿真可以看出，基于 GRU 的区间预测组合算法比单一的点预测算法更适用于电力市场的各种预测情景，是预测技术未来的发展趋势。另外，无论需求侧还是发电侧，都可通过预测手段对未来销售、采购的计划进行评估，特别是需求侧用户，可以通过动态调节购电策略，判别合适的购电价格，从价格被动接受者变为主动参与者，实现购电价格“削峰填谷”，达到降低用电成本的目标。参考文献1 WANG Q，SU M.Integrating blockchain technology into the energy sector from theory of blockchain to research and application of energy blockchain J.Computer science review，2020，37：100275.2 郭上铜，王瑞锦，张凤荔.区块链技术原理与应用综述 J.计算机科学，2021，48（2）：271-281.3 方陈，张宇，廖望，等.区域能源互联网多能协同优化中的储能效益评估 J.电力建设，2021，42（5）：48-56.4 ANTE L，STEINMETZ F，FIEDLER I.Blockchain and energy：a bibliometric analysis and review J.Renewable and sustainable energy reviews，2021，137：110597.5 陈正，杨建华，靳开元，等.基于能源区块链的设施农业负荷时移与光伏就地消纳控制策略 J.电力自动化设备，2021，41（2）：47-55.6 ESMAT A，DE-VOS M，GHIASSI-FARROKHFAL Y，et al.A novel decentralized platform for peer-to-peer energy trading market with blockchain technology J.Applied energy，2021，282（A）：116-123.7 单俊嘉，董子明，胡俊杰，等.基于区块链技术的产消者 P2P 电能智能交易合约 J.电网技术，2021，45（10）：3830-3839.8 WEN S H，XIONG W J，TAN J M，et al.Blockchain enhanced price incentive demand response for building user energy network in sustainable society J.Sustainable cities and society，2021，68：102748.9 龚钢军，王慧娟，张桐，等.基于区块链的电力现货交易市场研究 J.中国电机工程学报，2018，38（23）：6955-6966.（下转第78页）物联网技术 2023年/第8期 智能处理与应用Intelligent Processing and Application78表 1 肘关节数据对比序 号关节尺/（）肘关节测量值/（）绝对误差/（）膝关节测量值/（）绝对误差/（）154.70.35.20.221010.20.29.70.332019.80.220.30.343030.10.130.30.354040.30.339.70.365049.80.250.40.475555.40.454.80.286060.20.260.30.396565.10.164.70.3107069.70.370.50.5118079.60.480.40.4129089.70.389.50.5表 2 生理参数序 号血氧/%绝对 误差/%心率/bpm误差/bpm测量手环测量手环1969519598329595096982396951971014495961102103159795210110436989531009827969519799289695110310039979611021042109596196993119795297981129695110510234 结 语物联网技术已经深入社会生活的方方面面，本文基于物联网技术设计与制作了一款简易肢体康护训练装置，便于医护人员或者监护人远程动态监测康复训练人员的肢体康复训练情况，同时可以采集康复训练人员的生命体征参数心率和血氧数据。通过无线通信和互联网技术将测量数据封包，按照 MQTT 协议发送给服务器，再由服务器推送到上位机微信小程序里显示，以实现远程实时监测。该装置便于携带、操作方便，使得被监护人能够拥有较多的自由活动空间，在获得较准确的测量指标的同时，免除人们在家庭与医院之间奔波的劳苦。当然，目前该装置还处于测试阶段，还存在很多改进空间。后续将就装置的功耗和体积等不足继续 改进。参考文献1 翟振武.新时代高质量发展的人口机遇和挑战第七次全国人口普查公报解读 N/OL.经济日报，（2021-05-12）.https：/ 钮靖，王秋红，张琪.基于物联网技术的远程智能医疗数据传输系统设计 J.电子世界，2020，42（22）：160-161.3 李强.慢病管理信息化与移动设备结合方案探究 J.产业与科技论坛，2019，18（4）：68-69.4 冯蕾.基于 Android 和 iOS 的家用呼吸机移动终端 APP 的设计与实现 D.青岛：山东大学，2018.5 周强.基于物联网的智能心音检测与分析系统的研究 D.兰州：兰州理工大学，2013.6 张林波.基于光电容积法的心率监护和多传感的跌倒检测系统设计 D.杭州：中国计量大学，2017.7 王翔.可穿戴式心率传感监测装置的研究 D.成都：电子科技大学，2019.8 丘源，经本钦，李精华.基于 ESP8266WiFi 模块和 MQTT 协议的物联网传感节点设计 J.物联网技术，2019，9（6）：24-26.9 杨裴裴，李胜岚，石恒瑞.基于 STM32 和 Onenet 的智能健康管家的设计与实现 J.电子产品世界，2019，26（8）：60-64.10 卢于辉，秦会斌.基于 MQTT 的智能家居系统的设计与实现 J.智能物联技术，2019，51（2）：41-47.作者简介：刘亚娟（1980），女，硕士，讲师，研究方向为无线通信技术。10 任建文，张青青.基于能源区块链的虚拟电厂两阶段鲁棒优化调度 J.电力自动化设备，2020，40（8）：23-33.11 ZHAO H R，WANG Y W，ZHAO M G，et al.Application of a gradient descent continuous actor-critic algorithm for double-side day-ahead electricity market modeling J.Algorithms，2016，9：725.作者简介：刘义艳（1981），女，博士，副教授，主要研究方向为信号处理、人工智能及其在电力系统中的应用、建筑电气与智能化。李瑞轩（1997），男，硕士研究生，主要研究方向为电力系统、无线电能传输。居 琳（1998），女，硕士研究生，主要研究方向为电力杆塔在线监测。（上接第75页）