基于区块链的市场环境下能源细胞-组织能量调度方法

1.本发明属于能源交易与调度模型领域，尤其涉及基于区块链的市场环境下能源细胞-组织能量调度方法。


背景技术：

2.当今情况下各种可再生能源以分布式电源(distributed generation，dg)的形式嵌入到电力系统中，并以此为基础建立能源互联网。能源互联网中多个微网(micro grid，mg)互通互联使得电力系统可以利用本地条件整合分布式能源。随着微网发展，在冷热电气和源网荷储的双重耦合下，需求侧与供应侧的界限不再明确，为能源市场交易中能量和信息的交互加大了难度。为了更好地解决这些问题，能源细胞-组织这一新型概念应运而生。能源细胞是集多种能源的生产、输送和使用为一体的区域能源系统。这些细胞集先进的通信和调度技术，通过物理和信息方式连接，实现信息互通、设施互联、优势互补的细胞群-组织。这一架构允许微网“即插即用”，在孤岛、并网、微网群等多种状态间灵活切换，同时以能源流和信息流耦合的互动渗透模式为个体自治、集群分布的区域能源网需求侧管理作出局部最优和全局最优的智能决策，为解决强不确定性和复杂能源耦合的互联自治系统间的协调问题提供了有效解决途径。
3.能源细胞-组织系统中日益增多的用户数据和交易信息会导致中央管理服务器容量不足、交易信息的透明度、成员间的信任危机和数据存储的保密性等问题。目前所建立的能源细胞优化调度模型，采用交替方向乘子法对能源细胞互联系统进行分布式调度优化。但这种传统的模型在用户隐私保护方面具有局限性，必须要建立起一套有效保护用户隐私的调度模型。
4.随着能源细胞的概念逐渐被人们接受，越来越多的示范性项目展开建设，多能源细胞间的联系成为研究热点。这个过程中，单个能源细胞将面临应该如何根据自身情况来管理能源交易；对于由多个能源细胞组成的能源组织，能源细胞之间能否进行能源调度以谋求更大的利益？因此，研究市场环境下能源细胞的能源交易模型及其调度优化模型具有重要意义。
5.另一方面，对于能源细胞的研究最主要的两个方面就是交易与调度，良好的调度模型是市场交易的前提，市场交易是调度的最终受益，目前缺少一套完整的模型对二者进行统一研究。


技术实现要素：

6.为克服上述现有技术的不足，本发明公开提供了基于区块链的市场环境下能源细胞-组织能量调度方法，提出了基于区块链技术的能源细胞-组织能源交易博弈框架，建立了能源细胞-组织能源交易市场模型。并利用智能合约实现两阶段的优化目标，同时利用kkt条件将双层非线性模型转化为单层线性模型，减少了了优化控制的计算量。
7.为实现上述目的，本发明的基于区块链的市场环境下能源细胞-组织能量调度方
法的具体技术方案如下：
8.首先研究了能源细胞-组织系统的能源交易问题，提出了基于区块链技术的能源细胞-组织能源交易博弈框架，建立了能源交易市场模型。其次研究系统能量管理的最优调度，所提出的方法使用两阶段双层结构在多个时间框架下建模。第一阶段考虑系统的日前调度，利用建立的能源交易市场模型优化能源细胞和能源组织之间的能源交易。第二阶段重点是短时间内管理可再生能源和电力需求的波动，最大限度地降低系统的不平衡成本。此外，考虑到用户的隐私安全问题，将区块链技术纳入能源交易市场模型中，以解决数据安全问题，从而使整体优化方案更加高效、灵活和可靠。
9.基于区块链的市场环境下能源细胞-组织能量调度方法，包括以下步骤，且以下步骤顺次进行：
10.步骤1：基于区块链技术和博弈论模型建立能源细胞-组织能源交易市场模型，研究能源细胞内部和多个能源细胞间的能源交易问题，确定零售市场电价，使得整体运行成本最小化；
11.为了克服传统模型在隐私保护方面具有局限性，本发明选择基于区块链技术设计能源细胞-组织能源交易市场模型来确定零售市场电价并管理能源交易，将能源细胞内的能源交易视为模型的下层，能源细胞间的能源交易视为模型的上层，并将能源组织和能源细胞的决策分别作为领导者和跟随者来进行优化设计。
12.为了保证交易的可靠性，区块链中使用了称为哈希树的默克尔树数据结构。如果交易账本中的任何数据被人为改变，都会导致哈希树的根数据发生改变，此机制可用于验证数据是否被篡改。区块链数据存储模块采用非对称加密机制哈希算法作为加密算法，它只有加密过程，不可能通过反转加密的二进制字符来获得原始文本。哈希算法的加密过程是随机的，这意味着如果加密前的信息稍有变化，加密后的结果就会有很大的不同。这种加密机制可以防止区块链中的信息被恶意节点窃取，并且哈希算法的随机性可以防止区块链中的信息被轻易破解。
13.所述步骤1具体包括以下内容：
14.步骤1-1：建立基于区块链的能源细胞-组织互联系统双层能源交易框架。能源细胞-组织系统包括物理层和虚拟层，所述物理层包括下层能源细胞层和上层能源组织层，所述虚拟层包括信息系统、调度系统和交易系统，并分别在能源细胞调度中心和能源组织调度中心部署智能合约用于后续调度优化；该框架保证了各个节点一天内可以自由进行交易来满足系统的电力平衡；
15.步骤1-2：建立能源细胞-组织电力市场中各种成本及收益表达式
16.(1)光伏发电系统的运行成本
[0017][0018]
式中：表示光伏发电系统的成本系数；p
tpv
表示t时刻光伏发电系统的输出功率；
[0019]
(2)风力发电机的运行成本
[0020]
[0021]
式中：表示风力发电机的成本系数；p
twt
表示t时刻风力发电机的输出功率；
[0022]
(3)可控分布式发电机的运行成本
[0023][0024][0025][0026][0027]
式中：表示t时刻的燃料成本；表示t时刻机组的维护成本；表示t时刻二氧化碳排放惩罚成本；a
cdg
表示可控分布式发电机的成本系数；p
tcdg
表示t时刻可控分布式发电机的输出功率；λ
em
表示机组的污染惩罚系数；表示t时刻机组的污染排放系数；表示可控分布式发电机的成本系数；
[0028]
(4)电池储能系统的运行成本
[0029][0030]
式中：ω
es
表示电池储能系统的成本系数；p
tes,chr
和p
tes,dis
表示电池储能系统的充/放电功率；η
l
表示电池储能系统的泄露损失系数；
[0031]
(5)可中断负荷的运行成本
[0032][0033]
式中：α
il
表示可中断负荷的成本系数；p
til
表示t时刻可中断负荷的输出功率；
[0034]
步骤1-3：建立系统的各种约束条件，包括可控分布式发电机运行的约束条件、电池储能系统运行的约束条件以及可中断负荷的约束条件，包括爬坡功率限制以及功率输出限制；
[0035]
(1)可控分布式发电机的约束条件
[0036][0037]
式中：p
cdg
、分别表示可控分布式发电机输出功率的下限和上限值；p
tcdg
表示t时刻可控分布式发电机的输出功率；
[0038]
(2)电池储能系统的约束条件
[0039][0040][0041][0042][0043]
[0044]
式中：分别表示t-1和t时刻电池储能系统储存的能量；η
es,dis
、η
es,chr
分别表示电池储能系统的放电/充电系数；η
l
表示电池储能系统的泄露损失系数；soc
t
表示t时刻电池储能系统的荷电状态；p
tes,dis
、p
tes,chr
分别表示t时刻电池储能系统的放电功率和充电功率；分别表示t时刻电池储能系统的放电指示值和充电指示值；分别表示电池储能系统的放电功率上限和充电功率上限；
[0045]
(3)可中断负荷的约束条件
[0046][0047]
式中：p
til
表示t时刻可中断负荷的输出功率；ζ表示可中断负荷占有得最大比率；
[0048]
步骤1-4：可再生能源、电力负荷和电价的不确定性建模
[0049]
采用随机方法对可再生能源、电力负荷和电价的不确定性进行建模；利用概率分布函数(weibull probability distribution function，weibull pdf)，基于历史数据对不确定参数的可能行为进行建模；
[0050]
使用weibull pdf对风速的不确定性进行建模：
[0051][0052]
式中：h表示weibull pdf的形状指数；c表示weibull pdf的规模指数；v表示风力机转速；δ表示风速的平均值；μ表示风速的标准差。
[0053]
电力负荷和电价的不确定性使用贝塔概率分布函数(beta probability distribution function，beta pdf)进行进行建模：
[0054][0055]
式中：δ表示负荷/电价的平均值；μ表示负荷/电价的标准差。
[0056]
步骤2：构建以系统整体运行成本最小化为目标的双层优化模型，形成各个能源细胞的发用电计划；
[0057]
在现如今的电力市场中，各个市场参与者整合自身资源参与市场竞争，必须充分考虑能源细胞内部用户之间以及各个能源细胞之间的竞争或合作关系，才更贴合实际，所以能源细胞-组织互联系统的优化调度研究由此展开。
[0058]
预调度阶段优化考虑能源细胞-组织系统的日前调度，形成能源细胞内部各用户以及各个能源细胞的能源计划。将上层能源组织作为领导者，优化目标是系统整体运行成本最小。下层能源细胞作为跟随者，各个能源细胞彼此并行最小化运行成本。
[0059]
所述步骤2具体包括以下内容：
[0060]
日前阶段能源细胞内部用户将各自预测得到的发用电计划通过区块链网络上传至能源细胞调度中心，能源细胞调度中心通过调用智能合约确定本区域的发用电计划。之后各能源细胞将各自的发用电计划上传到能源组织调度中心，能源组织调度中心调用智能合约确定整个系统的零售市场电价和能源计划，使得整体的收益最大化，具体为，日前预调度阶段要形成能源交易计划。使用步骤1中建立的零售市场模型，用于能源细胞和能源组织
之间以小时为单位的能源交易。在市场关闭之前，各个能源细胞将各自的用电需求计划以小时包的形式通过区块链发送给能源组织，通过智能合约制定零售电价进而确定每个能源细胞的能源交易计划。
[0061]
日前调度的目标是在保证系统收益最大化的同时形成各能源细胞的能源计划。能源组织作为优化调度的领导者，上层领导者能源组织运行成本最小决策模型表述如下：
[0062][0063]
式中，ρr表示场景r的概率系数，表示场景r下能源细胞i在t时刻的昨日交易价格，表示场景r下能源细胞i在t时刻的交易电量，表示场景r下能源细胞-组织与能源市场之间在t时刻的昨日交易价格，表示场景r下能源细胞-组织与能源市场之间在t时刻的交易电量。式(18)所述目标函数分为两个部分，第一部分表示各能源细胞之间购买/出售电力的成本，第二部分表示从/向整个能源市场购买/出售电力的成本；
[0064][0065][0066][0067]
式(19)-式(21)分别为能源细胞间交易价格的约束条件、能源组织与上层电网交易电量的约束条件、能源组织中功率平衡的约束条件；
[0068]
在确定能源组织的最优调度方案之后，各个能源细胞作为优化调度的跟随者彼此并行地最小化运行成本，各个能源细胞决定自己的能源交易量、可控分布式发电机的输出和甩负荷的小时数。下层跟随者能源细胞运行成本最小决策模型如下：
[0069][0070]
式中：ρr表示场景r的概率系数，表示场景r下能源细胞i在t时刻可控分布式发电机的运行成本；表示场景r下能源细胞i在t时刻电池储能系统的运行成本；表示场景r下能源细胞i在t时刻风力发电机的运行成本；表示场景r下能源细胞i在t时刻光伏发电系统的运行成本；表场景r下能源细胞i在t时刻可中断负荷甩负荷的运行成本；表示t时刻能源细胞i向能源组织购买/售卖的电量；表示t时刻能源细胞i向能源组织购买/售卖电能时的电价。
[0071][0072][0073]
式(23)-式(24)分别为能源细胞和能源组织间交易电量的约束条件、各个能源细胞的功率平衡约束条件。
[0074]
步骤3：使用滚动水平优化(rolling horizon optimization，rho)方法平抑可再生能源和电力需求的波动进而实现滚动优化控制；
[0075]
以更小的时间尺度(15分钟)平抑实时调度过程中可再生能源和电力需求的波动。通过区块链向各节点广播实时调控激励方案，刺激互联系统中各微电网积极参与日内实时运行调控，采用权威证明共识机制，赋予不同节点一定的决策权参与实时调控，实现弱中心化的“共治”决策，保证能源细胞-组织系统实时滚动优化运行。
[0076]
附图2为能源细胞-组织能源交易市场结构图，由图可知在日前调度阶段制定电价后，每个能源细胞的能源计划也随之确定。实时调度阶段由于每个能源细胞内部存在难以预测的可再生能源波动，因此各能源细胞和能源组织参与到实时市场中来管理可再生能源的波动并实现系统的能量平衡。
[0077]
日内实时调度阶段的重点是在较短时间内(本发明选择15分钟作为实时调度的时间尺度)管理可再生能源和电力需求的波动，在能源组织中形成实时市场。将日前预调度阶段确定的能源计划编译成智能合约的形式并自动执行代码进行系统的实时优化。
[0078]
述步骤3具体包括以下内容：
[0079]
(1)上层能源组织部分
[0080]
1)目标函数
[0081]
实时调度过程中，上层能源组织的目标是将不平衡成本最小化，其中包括：能源组织的不平衡成本、各个能源细胞的不平衡成本；上层能源组织不平衡成本最小决策模型表述如下：
[0082][0083][0084]
式中：表示实时调度阶段t时刻能源组织的不平衡成本；表示实时调度阶段能源细胞i在t时刻的不平衡成本；表示实时调度阶段能源组织和配电系统运营商在t时刻的交易电价；表示实时调度阶段能源组织在t时刻的电能不平衡值。
[0085]
下层跟随者能源细胞不平衡成本最小决策模型如下：
[0086][0087][0088][0089]
式中：表示实时调度阶段能源细胞i在t时刻的不平衡成本；表示实时调度阶段能源细胞i和配电系统运营商在t时刻的交易电价；表示实时调度阶段能源细胞i在t时刻的电能不平衡值；表示日前调度阶段能源细胞i在t时刻的交易电能；表示实时调度阶段能源细胞i在t时刻的交易电能。
[0090]
2)约束条件
[0091]
i、功率平衡约束
[0092]
上层能源组织优化过程中需要满足的约束条件主要有功率平衡约束和电池储能系统运行约束条件。在实时调度阶段能源组织层功率平衡与功率偏差的关系如下式：
[0093][0094][0095]
式中：表示实时调度阶段能源组织在t时刻的功率不平衡值；p
tcm
表示能源计划中能源组织和配电系统运营商在t时刻交易的电能；表示实时调度阶段能源组织和配电系统运营商在t时刻实际电能交易量；表示能源计划中能源细胞i在t时刻的交易电量；表示实时调度阶段t时刻各个能源细胞之间的电能不平衡值；
[0096]
ii、电池储能系统约束
[0097][0098][0099][0100][0101][0102]
式中：分别表示t-1和t时刻电池储能系统储存的能量；η
es,dis
、η
es,chr
分别表示电池储能系统的放电/充电系数；η
l
表示电池储能系统的泄露损失系数；soc
t
表示t时刻电池储能系统的荷电状态；p
tes,dis
、p
tes,chr
分别表示t时刻电池储能系统的放电功率和充电功率；分别表示t时刻电池储能系统的放电指示值和充电指示值；分别表示电池储能系统的放电功率上限和充电功率上限；
[0103]
(2)下层能源细胞部分
[0104]
1)目标函数
[0105]
与上层能源组织优化类似，能源细胞层的优化目标同样是将不平衡成本最小化，即将各个能源细胞的不平衡成本最小化。
[0106][0107][0108]
[0109]
式中：表示实时调度阶段能源细胞i在t时刻的不平衡成本；表示实时调度阶段能源细胞i在t时刻电能交易的电价；表示实时调度阶段能源细胞i在t时刻的实时功率不平衡值；表示能源计划中能源细胞i在t时刻的电能交易量；表示实时调度阶段能源细胞i在t时刻的实际电能交易量。
[0110]
2)约束条件
[0111]
下层能源细胞运行过程中需要满足各种约束条件，功率平衡约束，购售电量的约束条件，购电量和售电量都需在最大值、最小值之间波动，电池储能系统运行约束条件，常规机组运行约束条件，可中断负荷约束条件，包括爬坡功率限制以及功率输出限制等。实时调度阶段由于可再生能源和电力需求的波动，考虑可中断负荷和电池储能系统的功率约束，各个能源细胞功率平衡约束如下式：
[0112][0113]
式中：表示实时调度阶段能源细胞i中可控式发电机在t时刻的输出功率；表示实时调度阶段能源细胞i中光伏发电系统在t时刻的输出功率；表示实时调度阶段能源细胞i中风力发电机在t时刻的输出功率；表示实时调度阶段能源细胞i中负载在t时刻的输出功率；表示实时调度阶段能源细胞i中可中断负荷在t时刻的输出功率；分别表示实时调度阶段能源细胞i中电池储能系统在t时刻的放电/充电功率；
[0114]
交易电价约束条件
[0115][0116]
式中：分别表示实时调度阶段交易电价的最小值和最大值；表示实时调度阶段能源细胞i在t时刻的交易电价。
[0117]
可控分布式发电机输出功率约束条件和电池储能系统约束条件分别见式(9)和式(10)-(14)：
[0118]
可控分布式发电机输出功率约束条件
[0119][0120]
电池储能系统运行约束条件
[0121][0122][0123][0124][0125][0126]
步骤4：基于卡鲁什-库恩-塔克(karush-kuhn-tucker，kkt)条件和强对偶理论将
双层模型转化为等效的单层整数线性规划，具体包括以下内容：
[0127]
步骤2和步骤3中所述双层模型常规求解方法，一般是上层能源组织为领导者(leader)，下层各个能源细胞为跟随者(follower)的一主多从的主从博弈模型。由于本模型在目标函数和约束条件中存在双线性积，因此为双能级问题，同时也是一个大规模的非线性问题，为了用一个商业化软件cplex有效求解该模型，应该将这双层非线性模型转换为一个等价的单层混合整数线性规划(mixed integer linearprogramming，milp)模型。能源组织与各个能源细胞是需要配合的两个主体，且其中一个主体的决策变量就是另一个主体的约束条件边界。
[0128]
本文设计一种基于kkt条件以及强对偶理论将本文非线性双层模型解耦为单层线性模型，易于系统求解，首先，利用kkt条件(karush-kuhn-tucker conditions)将双层模型等价地重新表述为非线性单层模型。非线性项包括双线性积、互补松弛条件。线性规划的对偶定理表明，在最优解处原问题和对偶问题的目标函数值相等。运用强对偶理论，将原目标函数中的双线线性积改写为等价线性表达式。
[0129]
具体来说，先分别得到上层能源组织和下层能源细胞运行优化问题的对偶形式，再利用强对偶理论的数学方法得到等效的单层数学模型。考虑到在约束条件中同样存在非线性项，这里利用大m法(big-m method)代替拉格朗日乘子和约束条件所引入的互补松弛条件，通过引入若干0-1变量，将原非线性约束等价转化为混合整数线性约束，与传统方法一样，则在此不再赘述；
[0130]
日前调度等效的单层混合整数线性规划(milp)公式如下：
[0131][0132]
式中：ρr表示场景r出现的概率；表示场景r下能源细胞i在t时刻可控分布式发电机的运行成本；表示场景r下能源细胞i在t时刻电池储能系统的运行成本；表示场景r下能源细胞i在t时刻可中断负荷甩负荷的运行成本；pm、分别表示能源细胞交互能量的最小值和最大值；表示场景r下能源细胞i在t时刻用户的用电需求量；p
cdg
、分别表示可控分布式发电机输出功率的最小值和最大值；soc、分别表示电池储能系统荷电状态的最小值和最大值；分别表示电池储能系统放电以及充电功率的最大值；表示场景r下能源细胞i在t时刻风机的输出功率；表示场景r下能源细胞i在t时刻光伏发电系统的输出功率；表示场景r下能源组织在t时刻的交易电价；表示场景r下能源组织与配电系统运营商在t时刻的交易电量；表示能源细胞i在t时刻的能源细胞约束的对偶变量；表示能源细胞i在t时刻的能源细胞功率平衡的对偶变量。
[0133]
实时调度等效的单层混合整数线性规划(milp)公式如下：
[0134][0135]
式中：表示实时调度阶段能源细胞i在t时刻的不平衡成本；pm、分别表示
能源细胞交互能量的最小值和最大值；表示场景r下能源细胞i在t时刻用户的用电需求量；p
cdg
、分别表示可控分布式发电机输出功率的最小值和最大值；soc、分别表示电池储能系统荷电状态的最小值和最大值；分别表示电池储能系统放电以及充电功率的最大值；表示场景r下能源细胞i在t时刻风机的输出功率；表示场景r下能源细胞i在t时刻光伏发电系统的输出功率；表示实时调度阶段能源细胞i在t时刻的能源细胞约束的对偶变量；表示实时调度阶段能源细胞i在t时刻的能源细胞功率平衡的对偶变量。
[0136]
本发明的基于区块链的市场环境下能源细胞-组织能量调度方法具有以下优点：本发明提出了基于区块链的市场环境下能源细胞-组织能量调度方法。首先研究了能源细胞-组织系统的能源交易问题，提出了基于区块链技术的能源细胞-组织能源交易博弈框架，建立了能源细胞-组织能源交易市场模型。其次研究能源市场中能源细胞能量管理的最优调度，所提出的方法使用两阶段双层优化结构在多个时间框架下建模。第一阶段考虑能源细胞-组织系统的日前调度，利用建立的能源交易市场模型优化能源细胞和能源组织之间以小时为单位的交易能量交换。第二阶段重点是在较短时间内管理可再生能源和电力需求的波动，并在能源组织中形成实时市场。第二阶段实现的目的是对系统进行实时优化，最大限度地降低能源细胞和能源组织的不平衡成本。此外，考虑到用户的隐私安全问题，将区块链数据存储技术纳入能源交易市场模型中，以解决优化过程中的数据安全问题，从而使整体优化方案更加高效、灵活和可靠。
附图说明
[0137]
图1为本发明基于区块链的市场环境下能源细胞-组织能量调度方法的能源细胞-组织架构图。
[0138]
图2为本发明基于区块链的市场环境下能源细胞-组织能量调度方法的能源交易市场结构图。
[0139]
图3为本发明基于区块链的市场环境下能源细胞-组织能量调度方法的能源细胞-组织验证实例图。
具体实施方式
[0140]
为了更好地了解本发明的目的、结构及功能，下面结合附图，对本发明基于区块链的市场环境下能源细胞-组织能量调度方法做进一步详细的描述。
[0141]
本发明提供了基于区块链的市场环境下能源细胞-组织能量调度方法。一方面深入研究了能源细胞-组织系统中的能源交易问题，提出了基于区块链技术的能源细胞-组织能源交易市场模型，建立起市场交易机制与能源细胞-组织系统优化的联系，从而确定零售市场的电价并形成各个能源细胞的能源管理计划。另一方面，研究在较短时间范围内管理各个能源细胞的可再生能源和电力需求波动，使用rho优化方法来实现新能源消纳，使得整体运行成本最小，得到最优策略。利用kkt条件及强对偶理论等将双层非线性模型转化为单层线性模型，进而减少优化控制的计算量。
[0142]
为了验证本发明方法的有效性，以合作/非合作方式以及是否加入电池储能系统为控制变量，对四种不同案例分别研究证明，四种案例如图3所示。
[0143]
案例1、非合作无储能模式。该情形下，每个能源细胞内部都有独立的能源管理系统并在本地独立运行，不和相邻能源细胞通信，且不考虑储能系统的加入。
[0144]
案例2、非合作有储能模式。该情形和情形1类似，不同之处在于该情形在能源组织层加入了电池储能系统。
[0145]
案例3、合作无储能模式。该情形下，相邻的能源细胞间会协同运行以达成共同目标，此外，在能源组织层加入电池储能系统，因此储能系统的充放电方程不在kkt条件中。
[0146]
案例4、合作有储能模式。该情形和情形3类似，不同之处在于储能系统被放置在能源细胞层，因此储能系统的充放电方程在kkt条件中。
[0147]
试验输入参数如表1、表2、表3所示。可中断负荷的最大系数取15％。交易电量的上下限值取9000kw。
[0148]
表1燃料电池和微型涡轮机的输入参数
[0149][0150][0151]
表2电池储能系统(bess)的输入参数
[0152]
参数电池储能系统1电池储能系统2，3运行维护成本($)3000015000总生命周期(times)20002000额定容量(kwh)30001500充/放电功率上限(kw)750375荷电状态的上/下限(％)80，2080，20充/放电效率(％)9292
[0153]
表3可再生能源的输入参数
[0154][0155]
在日前调度阶段，各个能源细胞根据交易市场的零售电价来确定各自每小时的发电量。日前调度阶段4种不同案例的能源交易概况如表4所示。
[0156]
表4日前调度阶段能源交易概况
[0157][0158]
注：负数表示购买电量
[0159]
分析表4数据可以得出，与其他情况相比，案例2和案例4中能源细胞和能源组织之间的电能交易量有所减少，这充分说明了电池储能系统(battery energy storage systems，besss)在高峰时段满足消费者用电需求方面的优异表现，即besss的性能减少了负荷脱落，并提高了客户对电力供应连续性的满意度。随着将besss转移到能源组织层(案例1和案例3)，在没有能源消费者的情况下，客户对电力供应连续性的满意度随着负荷的增
加而下降。此外，与案例2(非合作)不同，通过在能源细胞之间创建合作空间，案例4能够为上游网络提供更多的能量，从而降低了系统运行成本。
[0160]
另一方面，通过观察表2中所示的购买和出售的电量，可以得到由besss的充放电和自放电造成了1252.46kw的功率损失。此外，由于荷电状态soc＝0.2，在日前调度结束时，besss中留下了1200kwh的能量。最终，在besss的运行上总共花费了2452.46千瓦。
[0161]
日前调度阶段能源细胞-组织互联系统的运行成本如表5所示。
[0162]
表5日前调度阶段系统运行成本概况
[0163][0164]
注：负数表示系统收益。
[0165]
从表5中的数据可知，在日前调度阶段，案例2比案例1能源细胞运行成本和降低了$347.1，甩负荷使用量降低了8.12％；案例4比案例3能源细胞运行成本和降低了$311.22，甩负荷使用量降低了11.7％。由此可以得出：在系统下层能源细胞层引入电池储能系统可以降低各个能源细胞的运行成本，而且besss的性能减少了甩负荷使用量，满足了用户在用电高峰期的用电需求。由此可得，各个能源细胞可以通过储存可再生能源以及在非高峰时段进行电能交易来降低各自系统的运行成本。综合4种案例，案例3中的互联系统的总运行成本最低，但值得注意的是，案例4中系统总运行成本虽然比案例3的总运行成本高出了18.46$，但是甩负荷的量减少了11.7％，平均电价降低了28.54％，因此案例4(合作博弈模式并在各个能源细胞中加入besss)是能源细胞-组织互联系统的最佳案例。
[0166]
在日内实时调度阶段，能源细胞-组织互联系统的运行成本如表6所示。
[0167]
表6日内实时调度阶段系统运行成本概况
[0168][0169]
注：负数表示系统收益
[0170]
从表6中得数据可知，在实时调度阶段，案例3比案例1的能源细胞不平衡成本降低了28.17％，能源组织不平衡成本降低了7.57％；案例4比案例2的能源细胞不平衡成本降低了29.78％，能源组织不平衡成本降低了3.96％。通过采用合作博弈的方式可以降低系统在实时调度阶段因可再生能源和电力需求的波动造成的不平衡成本。对比案例1和案例2以及案例3和案例4中的能源细胞和能源组织的不平衡成本，可以得出通过在各个能源细胞中引入besss可以有效降低实时调度阶段系统的不平衡成本。
[0171]
在各自的市场中，案例3和案例4比案例1和案例2交易了更多的电能。案例1、2、3、4中系统总运行成本分别为$682.62、$685.84、$621.36、$641.79。因此，案例4(合作博弈模式并在各个能源细胞中加入besss)是综合考虑系统运行成本、甩负荷使用量、co2排放量以及电价等因素的能源细胞-组织互联系统的最佳方案。
[0172]
实例结果表明：应用本发明技术方案，以典型能源细胞-组织互联系统数据为基础，完成面向市场交易的能源细胞-组织系统两阶段能量优化调度方法；引入区块链技术和合作博弈模型，通过智能合约制定能源计划并进行实时滚动优化，明显地提高了系统的经济性；与现有研究相比，将能源细胞-组织系统优化模型分为两层，并对其数据隐私保护加以考虑，从而能保证其的经济性、安全性、灵活性各指标，而且强对偶理论等双层解耦方法可以使模型求解高效，且精确。
[0173]
可以理解，本发明是通过一些实施例进行描述的，本领域技术人员知悉的，在不脱离本发明的精神和范围的情况下，可以对这些特征和实施例进行各种改变或等效替换。另外，在本发明的教导下，可以对这些特征和实施例进行修改以适应具体的情况及材料而不会脱离本发明的精神和范围。因此，本发明不受此处所公开的具体实施例的限制，所有落入本技术的权利要求范围内的实施例都属于本发明所保护的范围内。

技术特征：
1.基于区块链的市场环境下能源细胞-组织能量调度方法，其特征在于，包括以下步骤，且以下步骤顺次进行：步骤1：基于区块链技术和博弈论模型建立能源细胞-组织能源交易市场模型，研究能源细胞内部和多个能源细胞间的能源交易问题，确定零售市场电价，使得整体运行成本最小化；所述区块链中使用了哈希树的默克尔树数据结构，区块链数据存储模块采用非对称加密机制哈希算法作为加密算法；步骤2：构建以系统整体运行成本最小化为目标的双层优化模型，形成各个能源细胞的发用电计划；步骤3：使用滚动水平优化方法平抑可再生能源和电力需求的波动进而实现滚动优化控制；步骤4：基于卡鲁什-库恩-塔克条件和强对偶理论将双层模型转化为等效的单层整数线性规划。2.根据权利要求1所述的基于区块链的市场环境下能源细胞-组织能量调度方法，其特征在于，所述步骤1具体包括以下内容：步骤1-1：建立基于区块链的能源细胞-组织互联系统双层能源交易框架能源细胞-组织系统包括物理层和虚拟层，所述物理层包括下层能源细胞层和上层能源组织层，所述虚拟层包括信息系统、调度系统和交易系统，并分别在能源细胞调度中心和能源组织调度中心部署智能合约用于后续调度优化；步骤1-2：建立能源细胞-组织电力市场中各种成本及收益表达式光伏发电系统的运行成本式中：表示光伏发电系统的成本系数；p
tpv
表示t时刻光伏发电系统的输出功率；风力发电机的运行成本式中：表示风力发电机的成本系数；p
twt
表示t时刻风力发电机的输出功率；可控分布式发电机的运行成本可控分布式发电机的运行成本可控分布式发电机的运行成本可控分布式发电机的运行成本式中：表示t时刻的燃料成本；表示t时刻机组的维护成本；表示t时刻二氧化碳排放惩罚成本；a
cdg
表示可控分布式发电机的成本系数；p
tcdg
表示t时刻可控分布式发电机的输出功率；λ
em
表示机组的污染惩罚系数；表示t时刻机组的污染排放系数；表示可控分布式发电机的成本系数；
电池储能系统的运行成本式中：ω
es
表示电池储能系统的成本系数；p
tes,chr
和p
tes,dis
表示电池储能系统的充/放电功率；η
l
表示电池储能系统的泄露损失系数；可中断负荷的运行成本式中：α
il
表示可中断负荷的成本系数；p
til
表示t时刻可中断负荷的输出功率；步骤1-3：建立系统的各种约束条件，包括可控分布式发电机运行的约束条件、电池储能系统运行的约束条件以及可中断负荷的约束条件，包括爬坡功率限制以及功率输出限制；可控分布式发电机的约束条件式中：p
cdg
、分别表示可控分布式发电机输出功率的下限和上限值；p
tcdg
表示t时刻可控分布式发电机的输出功率；电池储能系统的约束条件电池储能系统的约束条件电池储能系统的约束条件电池储能系统的约束条件电池储能系统的约束条件式中：分别表示t-1和t时刻电池储能系统储存的能量；η
es,dis
、η
es,chr
分别表示电池储能系统的放电/充电系数；η
l
表示电池储能系统的泄露损失系数；soc
t
表示t时刻电池储能系统的荷电状态；p
tes,dis
、p
tes,chr
分别表示t时刻电池储能系统的放电功率和充电功率；分别表示t时刻电池储能系统的放电指示值和充电指示值；分别表示电池储能系统的放电功率上限和充电功率上限；可中断负荷的约束条件0≤p
til
≤ζp
tload
ꢀꢀꢀꢀꢀꢀ
(15)式中：p
til
表示t时刻可中断负荷的输出功率；ζ表示可中断负荷占有得最大比率；步骤1-4：可再生能源、电力负荷和电价的不确定性建模采用随机方法对可再生能源、电力负荷和电价的不确定性进行建模；利用概率分布函数，基于历史数据对不确定参数的可能行为进行建模；使用韦布尔概率分布函数对风速的不确定性进行建模：
式中：h表示韦布尔概率分布函数的形状指数；c表示韦布尔概率分布函数的规模指数；v表示风力机转速；δ表示风速的平均值；μ表示风速的标准差；电力负荷和电价的不确定性使用贝塔概率分布函数进行建模：式中：δ表示负荷/电价的平均值；μ表示负荷/电价的标准差。3.根据权利要求1所述的基于区块链的市场环境下能源细胞-组织能量调度方法，其特征在于，所述步骤2具体包括以下内容：日前阶段能源细胞内部用户将各自预测得到的发用电计划通过区块链网络上传至能源细胞调度中心，能源细胞调度中心通过调用智能合约确定本区域的发用电计划；之后各能源细胞将各自的发用电计划上传到能源组织调度中心，能源组织调度中心调用智能合约确定整个系统的零售市场电价和能源计划，使得整体的收益最大化；能源组织作为优化调度的领导者，其决策模型表述如下：式中，ρr表示场景r的概率系数，表示场景r下能源细胞i在t时刻的昨日交易价格，表示场景r下能源细胞i在t时刻的交易电量，表示场景r下能源细胞-组织与能源市场之间在t时刻的昨日交易价格，表示场景r下能源细胞-组织与能源市场之间在t时刻的交易电量；式(18)分为两个部分，第一部分表示各能源细胞之间购买/出售电力的成本，第二部分表示从/向整个能源市场购买/出售电力的成本；第二部分表示从/向整个能源市场购买/出售电力的成本；第二部分表示从/向整个能源市场购买/出售电力的成本；式(19)-式(21)分别为能源细胞间交易价格的约束条件、能源组织与上层电网交易电量的约束条件、能源组织中功率平衡的约束条件；在确定能源组织的最优调度方案之后，各个能源细胞作为优化调度的跟随者彼此并行地最小化运行成本，各个能源细胞决定自己的能源交易量、可控分布式发电机的输出和甩负荷的小时数，能源细胞的决策模型表述如下：式中：ρ
r
表示场景r的概率系数，表示场景r下能源细胞i在t时刻可控分布式发电机的运行成本；表示场景r下能源细胞i在t时刻电池储能系统的运行成本；表示场景r下能源细胞i在t时刻风力发电机的运行成本；表示场景r下能源细胞i在t时
刻光伏发电系统的运行成本；表场景r下能源细胞i在t时刻可中断负荷甩负荷的运行成本；表示t时刻能源细胞i向能源组织购买/售卖的电量；表示t时刻能源细胞i向能源组织购买/售卖电能时的电价；能源组织购买/售卖电能时的电价；式(23)-式(24)分别为能源细胞和能源组织间交易电量的约束条件、各个能源细胞的功率平衡约束条件。4.根据权利要求2所述的基于区块链的市场环境下能源细胞-组织能量调度方法，其特征在于，所述步骤3具体包括以下内容：步骤3-1、上层能源组织部分目标函数实时调度过程中，上层能源组织的目标是将不平衡成本最小化，其中包括：能源组织的不平衡成本、各个能源细胞的不平衡成本；上层能源组织不平衡成本最小决策模型表述如下：上层能源组织不平衡成本最小决策模型表述如下：式中：表示实时调度阶段t时刻能源组织的不平衡成本；表示实时调度阶段能源细胞i在t时刻的不平衡成本；表示实时调度阶段能源组织和配电系统运营商在t时刻的交易电价；表示实时调度阶段能源组织在t时刻的电能不平衡值；下层跟随者能源细胞不平衡成本最小决策模型如下：下层跟随者能源细胞不平衡成本最小决策模型如下：下层跟随者能源细胞不平衡成本最小决策模型如下：式中：表示实时调度阶段能源细胞i在t时刻的不平衡成本；表示实时调度阶段能源细胞i和配电系统运营商在t时刻的交易电价；表示实时调度阶段能源细胞i在t时刻的电能不平衡值；表示日前调度阶段能源细胞i在t时刻的交易电能；表示实时调度阶段能源细胞i在t时刻的交易电能；约束条件i、功率平衡约束
上层能源组织优化过程中需要满足的约束条件主要有功率平衡约束和电池储能系统运行约束条件，在实时调度阶段能源组织层功率平衡与功率偏差的关系如下式：运行约束条件，在实时调度阶段能源组织层功率平衡与功率偏差的关系如下式：式中：表示实时调度阶段能源组织在t时刻的功率不平衡值；p
tcm
表示能源计划中能源组织和配电系统运营商在t时刻交易的电能；表示实时调度阶段能源组织和配电系统运营商在t时刻实际电能交易量；表示能源计划中能源细胞i在t时刻的交易电量；表示实时调度阶段t时刻各个能源细胞之间的电能不平衡值；ii、电池储能系统约束电池储能系统约束见式(10)-(14)；步骤3-2、下层能源细胞部分目标函数与上层能源组织优化类似，能源细胞层的优化目标同样是将不平衡成本最小化，即将各个能源细胞的不平衡成本最小化；各个能源细胞的不平衡成本最小化；各个能源细胞的不平衡成本最小化；式中：表示实时调度阶段能源细胞i在t时刻的不平衡成本；表示实时调度阶段能源细胞i在t时刻电能交易的电价；表示实时调度阶段能源细胞i在t时刻的实时功率不平衡值；表示能源计划中能源细胞i在t时刻的电能交易量；表示实时调度阶段能源细胞i在t时刻的实际电能交易量；约束条件下层能源细胞运行过程中需要满足各种约束条件，功率平衡约束，购售电量的约束条件，购电量和售电量都需在最大值、最小值之间波动，电池储能系统运行约束条件，常规机组运行约束条件，可中断负荷约束条件，包括爬坡功率限制以及功率输出限制；实时调度阶段由于可再生能源和电力需求的波动，考虑可中断负荷和电池储能系统的功率约束，各个能源细胞功率平衡约束如下式：式中：表示实时调度阶段能源细胞i中可控式发电机在t时刻的输出功率；表示实时调度阶段能源细胞i中光伏发电系统在t时刻的输出功率；表示实时调度阶段能源细胞i中风力发电机在t时刻的输出功率；表示实时调度阶段能源细胞i中负载在t时刻的输
出功率；表示实时调度阶段能源细胞i中可中断负荷在t时刻的输出功率；分别表示实时调度阶段能源细胞i中电池储能系统在t时刻的放电/充电功率；交易电价约束条件式中：分别表示实时调度阶段交易电价的最小值和最大值；表示实时调度阶段能源细胞i在t时刻的交易电价。5.根据权利要求1所述的基于区块链的市场环境下能源细胞-组织能量调度方法，其特征在于，所述步骤4具体包括以下内容：利用卡鲁什-库恩-塔克条件将双层模型等价地重新表述为单层模型，非线性项包括双线性积、互补松弛条件；同时利用大m法代替拉格朗日乘子和约束条件所引入的互补松弛条件，通过引入若干0-1变量，将原非线性约束等价转化为混合整数线性约束；日前调度等效的单层混合整数线性规划公式如下：式中：ρ
r
表示场景r出现的概率；表示场景r下能源细胞i在t时刻可控分布式发电机的运行成本；表示场景r下能源细胞i在t时刻电池储能系统的运行成本；表示场景r下能源细胞i在t时刻可中断负荷甩负荷的运行成本；p
m
、分别表示能源细胞交互能量的下限和上限；表示场景r下能源细胞i在t时刻用户的用电需求量；p
cdg
、分别表示可控分布式发电机输出功率的下限和上限；soc、分别表示电池储能系统荷电状态的下限和上限；分别表示电池储能系统放电以及充电功率的上限；表示场景r下能源细胞i在t时刻风机的输出功率；表示场景r下能源细胞i在t时刻光伏发电系统的输出功率；表示场景r下能源组织在t时刻的交易电价；表示场景r下能源组织与配电系统运营商在t时刻的交易电量；表示能源细胞i在t时刻的能源细胞约束的对偶变量；表示能源细胞i在t时刻的能源细胞功率平衡的对偶变量；实时调度等效的单层混合整数线性规划公式如下：式中：表示实时调度阶段能源细胞i在t时刻的不平衡成本；p
m
、分别表示能源细胞交互能量的下限和上限；表示场景r下能源细胞i在t时刻用户的用电需求量；p
cdg
、分别表示可控分布式发电机输出功率的下限和上限；soc、分别表示电池储能系统荷电状态的下限和上限；荷电状态的下限和上限；分别表示电池储能系统放电以及充电功率的上限；
表示场景r下能源细胞i在t时刻风机的输出功率；表示场景r下能源细胞i在t时刻光伏发电系统的输出功率；表示实时调度阶段能源细胞i在t时刻的能源细胞约束的对偶变量；表示实时调度阶段能源细胞i在t时刻的能源细胞功率平衡的对偶变量。

技术总结
本发明基于区块链的市场环境下能源细胞-组织能量调度方法，属于能源交易与调度模型领域；首先研究了能源细胞-组织系统的能源交易问题，提出了基于区块链技术的能源细胞-组织能源交易博弈框架，建立了能源交易市场模型。其次研究系统能量管理的最优调度，所提出的方法使用两阶段双层结构在多个时间框架下建模。第一阶段考虑系统的日前调度，利用建立的能源交易市场模型优化能源细胞和能源组织之间的能源交易。第二阶段重点是短时间内管理可再生能源和电力需求的波动，最大限度地降低系统的不平衡成本。此外，考虑到用户的隐私安全问题，将区块链技术纳入能源交易市场模型中，以解决数据安全问题，从而使整体优化方案更加高效、灵活和可靠。灵活和可靠。灵活和可靠。


技术研发人员：李政平 杨超 王晓东 何海 尹良智 赵郁婷 郑乔 刘仁瀚 关麒 佐奉强 于浩 刘骏发 郭大川 尚婧雯 聂磊 关景林
受保护的技术使用者：东北大学 国家电网有限公司
技术研发日：2023.06.28
技术公布日：2023/8/31