考慮智能建筑特性的多微網端對端能量交易方法

葛少云，李吉峰，劉 洪，何星瑭，申凱月

（智能電網教育部重點實驗室（天津大學），天津市300072）

0 引言

近幾年，隨著分布式能源技術的不斷發展，越來越多的分布式能源選擇從用戶側接入電力系統，為確保能源安全低碳、緩解能源危機提供了新的途徑。然而，現有電力系統的發電和供電模式大多仍以集中方式設計，分布式能源所需的電網公共服務和電力市場交易機制尚不完善，未能充分發揮分布式能源在電能利用方面的經濟性、安全性等優勢，導致分布式能源項目收益較差、市場化程度偏低，仍需要相關扶持及政策傾斜［1］。為此，近幾年，在深化電力體制改革背景下，世界各國均出臺了新型電力交易的相關政策。例如，中國于2019 年8 月發布了《關于深化電力現貨市場建設試點工作的意見》［2］，提出了進一步發揮市場決定價格的作用、加快放開發用電計劃、激發市場主體活力等目標。在此背景下，端對端（peer-to-peer，P2P）交易［3］模式的構想應運而生，P2P 交易是基于計算機覆蓋層網絡概念［4］提出的新型交易模式，因其有助于降低電能交易門檻和用戶使用能源的費用，被大量研究用于幫助用戶實現自由的電能交易，目前在英國［5］、德國［6］、美國［7］等國家已有相關的示范應用。然而，分布式能源交易市場會面臨實時價格波動、用電計劃動態調整和頻繁電費結算等問題，亟需一個平等、高效的交易機制來處理交易過程中信息和能源價格的快速變化。

目前，P2P 市場主要采用2 種交易機制［8］:①具有集中定價出清機制的“聯盟式”P2P 市場，通過分布式交易實現“聯盟”內部的供需平衡；②市場參與主體可以結合實際環境調整交易價格的P2P 市場。對于第1 種交易機制，文獻［9］全面總結了P2P 交易模式的概念與評價方法，提出并對比了供需比、中間市場率以及賬單分享3 種典型交易價格清算機制。文獻［10］研究了含光伏產銷者的P2P 交易模式，并采用供需比方法進行交易價格清算。文獻［11］建立了一種綜合能源管理系統，通過聚合商管理含多微網配電系統的內部交易，并且通過對不同類型負荷的分類考慮了需求響應問題。文獻［12］提出了一種考慮建筑熱平衡特性的電能日前優化共享方法，并采用Shapley 算法對獲取的效益進行分配。上述文獻中，多個市場參與主體由聚合商統一組織交易，并基于各主體的運行情況統一進行交易電價的優化與出清。除此之外，目前已有研究將博弈論引入P2P 交易以提升交易用戶的自主靈活性，保證剩余利潤在參與交易的微網之間公平分配，進一步挖掘交易用戶的經濟效益［13］，即采取上文中所述的第2 種交易機制。文獻［14］采用非合作博弈理論分析不同微網通過調整儲能設備以追求運行經濟性最優的自私策略，以及為使微網集群整體經濟性最優所采取的合作策略。文獻［15］分別通過非合作博弈理論以及進化博弈理論分析了P2P 交易過程中存在的賣方價格競爭以及買方選擇競爭問題。文獻［16］以不同能源集線器的運行經濟性最優為目標，通過求解Pareto 最優作為合作博弈的均衡可行解，分析了多能源集線器協調運行所帶來的經濟效益。文獻［17］以微網與配電系統之間雙向直接交易的最優成本作為定價依據，提出了一種配電側多微網電能交易Nash 議價方法。

上文對P2P 交易機制方法的研究現狀進行了全面的回顧，而除去交易定價清算機制以及交易主體自治運行策略會對交易結果產生影響之外，終端用戶的用能行為也會對分布式交易結果產生一定的影響，已有研究表明，通過需求側管理，可以將自身清潔能源消納提高2%～15%［18］。目前，雖然已有部分文獻在對P2P 交易模式的研究中考慮了用戶需求響應因素的影響［10-11］，但是未結合具體負荷載體分析調控策略對用能及交易的影響。文獻［19］在研究多微網協調運行的過程中考慮了負荷需求響應因素，但只是結合負荷曲線考慮了可平移負荷的影響，且并未考慮分布式交易因素。文獻［20］提出了一種包含儲能設備及電動汽車的需求側管理方法，然而該文更多是站在單一微網的角度，未細致考慮用能設備控制策略以及需求側管理對分布式交易的影響。文獻［21］研究了智能家庭用戶之間的P2P 交易模式，通過以區域內每一個家庭用戶的運行經濟性最優為目標，實現對交易電價的整體優化清算，并考慮了用電負荷的需求響應因素。

上述成果為本文課題的研究奠定了一定的理論及模型基礎，然而，現有的研究存在以下問題:

1）雖然已有部分研究考慮了負荷需求響應因素，然而未能進一步挖掘可控負荷調控策略對微網交易的影響，目前已有研究表明，通過對智能建筑的合理化調控，可以有效提升微網的運行效益［22］，而微網內存在的多種功能的智能建筑以及由此產生的多樣化負荷需求往往可以挖掘出更大的可調度空間。

2）針對目前采取的聯盟式統一定價方式，不同微網的內部設備及負荷構成不同，其成本與收益的構成也存在差異，定價方式可能存在通過損害某些微網的利益以換取聯盟利益的最大化，并且可能會損害各微網的隱私。

3）雖然目前對于博弈論在P2P 交易中的應用已有一定的研究，但是多微網分布式P2P 交易中所涉及的博弈關系十分復雜，單純的合作博弈或非合作博弈理論難以全面反映交易各個環節參與者的關系。

4）目前對多微網交易方面的研究大多只是從經濟性的角度衡量了交易行為，而未考慮微網之間的分布式交易對所在配電系統運行產生的影響。

針對上述問題，本文提出了一種考慮智能建筑特性的多微網P2P 能量交易方法，從終端用能特性、單微網自治調度、多微網間交易以及配電系統影響分析等方面對P2P 交易模式的效益進行了全面分析。首先，以智能建筑作為終端負荷單元，構建了一種新的建筑熱阻-熱容（R-C）熱平衡模型，通過對建筑熱平衡以及虛擬儲能特性進行模擬，分析終端負荷調控策略對微網運行及P2P 交易產生的影響；其次，分別構建非合作博弈及主從博弈模型，分析賣方之間以及賣方與買方微網之間的博弈關系，在保證各微網利益的同時也從“賣”與“買”的環節完善博弈模型；最后，通過實際算例仿真并結合具體指標，量化分析了P2P 分布式交易模式為微網以及配電系統運營帶來的技術與經濟效益。

1 系統整體交易框架

本文所研究的考慮智能建筑特性的多微網系統整體框架如圖1 所示，微網（MG1，MG2，…，MGN）作為主要的市場參與主體，由不同功能的智能建筑群、分布式風機、光伏組成，考慮到儲能設備的經濟性成本，本文所構建的系統中并不是所有微網都配置了儲能設備，智能建筑的用能負荷包括柔性可控負荷以及其他剛性用電負荷。每一個微網擁有智能量測裝置以及微網能源服務商（microgrid energy service prosumer，MEP），智能量測裝置負責對微網的能源生產、負荷需求以及與其他微網或外部電網的交易情況進行計量，并將信息發送給MEP 處理；MEP 通過合理化的交易、儲電設備及柔性負荷調度，以實現微網內的供需平衡，并實現微網整體運營經濟性的最優。

圖1 含多微網主動配電系統整體交易框架Fig.1 Transaction architecture of active distribution system with multiple microgrids

假定存在分布式交易運營商（distributed transaction operator，DTO），負責協助微網之間的P2P 交易?？紤]到P2P 交易可以緩解配電系統阻塞、提高分布式電源的消納率，因此，本文沒有考慮DTO 的服務費問題；同時，考慮到P2P 分布式交易在地理上屬于微網間的就近交易，因此，本文忽略了P2P 交易過程中的傳輸成本。

2 微網市場主體模型

2.1 終端柔性負荷模型

根據世界及中國相關建筑能源報告中的統計數據，建筑用能在總能耗中的份額達到了近40%［23-24］，其中約一半用于滿足溫控負荷以及暖通空調（heating，ventilation and air-conditioning，HVAC）系統的用能需求［25］，因此，本文選擇智能建筑作為微網內的終端負荷單元，選擇純電力HVAC 系統作為典型柔性負荷，充分利用人體對外界溫度的舒適敏感區間，挖掘微網內部的可調度用能潛力，從而分析終端用能及需求響應對微網運行交易產生的影響。在實際的供冷或供暖場景中，智能建筑內部通常被模擬為單一等溫的空調區域［26］，通常采用R-C 網絡模型對建筑內單一制熱/制冷區域進行建模［27］，建筑的R-C 網絡模型由熱阻與熱容構成，它們分別具有傳輸熱與儲蓄熱的能力?；趯ㄖ炔繂我坏葴氐募僭O，本文在文獻［28］所介紹模型的基礎上進一步改進與擴展，所構建建筑R-C 網絡模型如圖2所示。圖2 中:Q1為墻體內表面與空氣對流換熱；Q2為窗體的產熱/散熱量，Q(1)2為窗體滲透耗熱量，Q(2)2為窗外光照輻射熱量；Q3為冷風侵入/通風耗熱量；Q5為室內熱源與室內空氣熱交換功率；Q6為采暖設備與室內空氣熱交換功率；T1和T2分別為房間1 與2 的室內溫度；C1和C2分別為房間1 與2 的熱容；R1和R2分別為房間1 與2 的熱阻；Cwa為墻體的熱容；Rwa為墻體不同內/外表面的熱阻，在這里考慮墻體內/外表面的材質相同；Rwin為窗戶熱阻。

圖2 建筑R-C 網絡模型Fig.2 R-C network model of building

綜合考慮建筑內產熱與散熱熱源的關系，建立基于建筑R-C 網絡模型的室內熱平衡方程，具體如式（1）和式（2）所示。

式中:Q4為單位時間內建筑空氣顯熱量增值；Croom2為 區 域2 熱 容；Sroom為 房 間 面 積；mHVAC為HVAC 系統 空 氣 流 量；Cp，air為 空 氣 比 熱 容；THVAC為HVAC 系統送風溫度；T∞為環境溫度；π1，2為墻體標識系數，其中有窗為1，無窗為0；τwin1，2為窗體滲透率；Awin1，2為窗體體積；Qrad1，2為窗體光照強度；Twa1，2為房間（區域）1 和2 之間墻體的表面溫度；Rwa1，2為房間（區域）1 和2 之間墻體的熱阻；ρw為空氣密度；L 為室外空氣滲透量；V（t）為t 時刻通風量，可采用換氣次數法近似計算。

HVAC 系統消耗的電能主要來源于2 個方面［29］:①風扇進行新風空氣循環消耗的電能PHVAC，f(t)；②HVAC 系統制冷/制熱所消耗的 電能PHVAC，h(t)，具體計算方法參見附錄A 第A1.1 節。故在單位調度時間段內，HVAC 系統消耗的電功率為:

則建筑的總用電功率為PB(t)=PHVAC(t)+PO(t)，其中，PO（t）為t 時刻其他用電負荷的功率。

2.2 微網自治調度模型

MEP 以經濟性最優作為自治運行優化目標，成本構成因素包括從外部電網的購能成本、設備機組的運行成本、影響用戶溫度舒適度的罰函數項［30］以及向外部電網出售電能的收益。MEPi自治調度運行的目標函數為:

在進行自治調度的過程中考慮以下約束條件。

1）功率平衡約束

在考慮儲能作用的情況下，保障微網內的電力供需達到平衡，即

式中:PPVi(t)為t 時刻MEPi的光伏出力；PWTi(t)為t時 刻MEPi的 風 機 出 力；P(t)為t 時 刻MEPi的 儲能放電功率；PHVACi(t)為t 時刻MEPi的HVAC 系統用電需求；POi(t)為t 時刻MEPi內其他負荷的用電需 求；P(t) 為t 時 刻MEPi的 儲 能 充 電 功 率；PHVAC，fi(t)為t 時刻MEPi的HVAC 系統內部新風風扇 的 用 電 需 求；PHVAC，hi(t)為t 時 刻MEPi的HVAC系統運行的用電需求。

2）儲能設備約束

儲能設備在運行的過程中需要滿足設備的充放電功率以及容量約束，即

除此之外，為滿足下一個調度周期起始時刻MEP 對儲能設備的蓄能和放能要求，儲能設備在調度周期起始和結束時刻的儲能量需保持一致［31］，即

3）柔性負荷約束

①建筑室內熱平衡約束。MEP 對終端柔性負荷的調度滿足式（2）所示的室內柔性負荷約束。

②建筑室內溫度舒適度約束。本文所采用的室內熱舒適性參照GB/T 18049—2017《熱環境的人類工效學 通過計算PMV 和PPD 指數與局部熱舒適準則對熱舒適進行分析測定與解釋》［32］，采用預計的平均熱感覺指數（predicted mean vote，PMV）和預計不滿意者的百分數（predicted percentage of dissatisfied people，PPD）［33］評價熱舒適度等級，劃分結果如表1 所示。

表1 室內熱舒適度等級劃分Table 1 Classification of indoor thermal comfort level

③HVAC 系統調節約束。在對微網終端柔性負荷進行調度的過程中需要滿足HVAC 系統的送風質量流量與送風溫度約束:

式中:mHVAC，max為HVAC 系統送風質量流量的最大值；THVAC，max和THVAC，min分別為HVAC 系統送風溫度的最大值與最小值。

綜上所述，在不考慮P2P 交易的情況下，MEP以式（4）所示的效益函數為目標函數，以外部購電策略、儲能設備運行策略、柔性負荷供給策略（HVAC系統送風空氣質量流量mHVAC以及HVAC 系統送風溫度THVAC）為決策變量，對微網進行統一調度與管理。MEP 的具體調度框架如附錄B 圖B1 所示，圖中紅色外框代表MEP 可調度部分。目前上述模型已有較為成熟的求解算法，可以采用CPLEX/GUROBI/LINGO 等求解器求解。 本文在MATLAB 環境中基于YALMIP 平臺，調用成熟的商業求解器CPLEX 進行求解［34］。

3 微網間市場博弈模型

3.1 P2P 交易模式下MEP 市場角色及效用函數

在正常運行情況下，由于分布式電源出力以及終端負荷需求的波動性，MEP 在進行自治調度與管理的過程中會面臨電能不足或過剩的情況，在不同時刻MEP 都有可能充當買方或賣方的不同角色。在考慮P2P 分布式交易的情況下，MEPi的效用函數將會在式（4）的基礎上進一步考慮與其他MEP 交易的影響，即

式 中:pS，i（t）和P(t)分 別 為t 時 刻MEPi向 其 他MEP 的售電價格及售電量；pB，i（t）和P(t)分別為t時刻MEPi從其他MEP 購電的價格及購電量；si（t）和bi（t）分別為產銷者標識符，若MEPi為買方，則bi(t)=1，si(t)=0。

約束條件方面，除去需要滿足2.2 節所述的自治運行約束條件外，參與P2P 交易的MEP 還需要滿足配電系統的潮流約束。本文配電系統潮流計算模型采用DisFlow 算法［35］，方法基于輻射型配電系統鏈式結構特點，采用線性化Newton 法方程求解技巧，求解效率較高。

3.2 賣方間博弈關系模型

在MEP 之間進行分布式P2P 交易的過程中，考慮到每個賣方MEP 都試圖通過向買方MEP 出售電能來提升自己的效益，且賣方MEP 之間相互獨立，不具有合作關系，并假定賣方MEP 在交易過程中的行為是理性的，因此，本文采用非合作博弈模型來描述賣方MEP 之間的競爭關系。其中，博弈參與者為參與P2P 交易的賣方MEP；博弈策略為每個賣方MEP 制定的售電電價及售電量 PM，pM，基于MEP自身運營的成本效用函數，對MEP 最終可接受的報價區間進行n 等分，確定MEP 的可行報價；博弈效用為賣方MEP 各自的收益。

賣方MEP 之間的博弈過程是一個動態過程，直到博弈達到Nash 均衡狀態或最大迭代次數時結束迭代搜索，博弈最終達到的Nash 均衡狀態包括賣方MEP 制定的售電價格及售電量，其存在的條件為:①博弈參與者的總數S 有限，并令j 為參與者標識符；②每一個MEP 的報價區間是一定的，在經過n 等分后，能夠保證博弈策略是閉合有界的；③在博弈策略空間中，效用函數是連續的。本文設置的賣方MEP 之間的博弈環境是在常規非合作博弈環境的基礎上進一步考慮了終端用能特性以及配電網潮流約束的影響，不會改變博弈用戶決策空間的閉合性，也能夠滿足Nash 均衡狀態的存在且唯一條件［15］，具體采用改進的迭代搜索算法［36］求解上述Nash 博弈問題，博弈的具體迭代過程參見附錄A 第A2.1 節。

當第k 輪與第k+1 輪迭代的投標可交易電量及價格相等，表示沒有任何一個賣方MEP 可以通過改變投標電量及價格而獲得更高的效用值，此時的解可看作博弈的Nash 均衡解。

3.3 賣方與買方間博弈關系模型

賣方MEP 在定價時，不能只考慮自己的利益，也需要考慮買方MEP 的價格彈性行為，即賣方MEP 與買方MEP 之間也存在利益博弈關系。賣方MEP 作為管理方，有優先定價權，賣方MEP 與買方MEP 之間的博弈關系可描述為主從博弈（Stackelberg game）關系。在上層，賣方MEP 是制定交易電價的領導者；在下層，買方MEP 扮演追隨者的角色，響應交易電價價格信號并將用能需求發送給賣方MEP。主從博弈的參與者為參與P2P 交易的賣方MEP 與買方MEP；博弈策略為每個賣方MEP 制定的售電電價、售電量以及每個買方MEP對賣方MEP 的選擇；博弈效用為賣方MEP 與買方MEP 各自的收益/成本。同樣采用迭代搜索算法，博弈的迭代過程參見附錄A 第A2.2 節。

將買方MEP 對報價的響應z( )Pk*，pk*反饋至上層所有賣方MEP 后，賣方MEP 之間通過進行價格競爭得到Nash 均衡，均衡價格再次被告知給全部買方MEP，重復進行上述過程直至買賣雙方的動作策略保持穩定不變，則主從博弈達到均衡。

當實際工程對于最大迭代次數的取值偏小或者MEP 預設的出價區間不合理時，博弈可能會達不到Nash 均衡或主從博弈均衡。因此，若在規定的最大迭代次數時仍未達到Nash 均衡，則迭代結束，各MEP 依然按照與DTO 進行雙向交易的傳統方式實現內部的電力平衡。

綜上分析，配電系統內的MEP 在P2P 交易市場內的博弈關系如圖3 所示，具體算法流程如附錄A圖A1 所示。

圖3 P2P 交易市場內的博弈關系Fig.3 Game relationship in P2P trading market

4 算例分析與對比

4.1 算例概況

本文采用改進的IEEE 33 節點配電系統作為主體系統結構，其中部分節點接有包含智能建筑、分布式電源及儲能設備的微網［22］，具體架構如圖4 所示。配電系統包括3 種型號的線路，各線路電流上限分別 為400、300、200 A［37］，配 電 系 統 的 電 壓 等 級 為12.66 kV，功率因數為0.8，則各型號線路所傳輸有功功率的上限分別為7 017、5 263、3 508 kW。不同微網內的建筑類型、建筑信息以及設備的配置情況如表2 所示。

圖4 算例系統架構Fig.4 Architecture of test system

微網內的建筑均為獨棟建筑，建筑參數如下:Rwa為0.06 K/W ；Rwin為0.02 K/W ；Cwa為7.9×105J/K；C1和C2均為2.5×105J/K；Awin為4 m2；τ為0.9 m2。HVAC 系統參數如下［38］:ρw為1.29 kg/m3；Cp，air為1 005 J/（kg·℃）；熱電能效比CCOP為3；靜壓 降Pstatic為135 Pa；mHVAC，max為0.5 kg/s；THVAC，max和THVAC，min分別為30 ℃和20 ℃。

表2 微網信息Table 2 Microgrid information

微網內儲能設備的相關參數如附錄B 表B1 所示，其中，初始容量選取為總容量的50%，最大充放電功率為設備容量的20%［39］。不同微網內分布式電源出力曲線及不考慮HVAC 系統的典型日負荷曲線分別如附錄B 圖B2 及圖B3 所示。本文選取中國北方冬季典型供暖場景，室外溫度及不同方位的太陽照射強度參考文獻［28］。地區的分時電價如附錄B 圖B4 所示。

4.2 調度及交易結果分析

基于算例設置，選取調度時間步長Δt=1 h。不同微網的自治調度結果如圖5 所示。本文具體對MG1與MG3這2 個具有儲能設備的微網自治運行調度結果進行分析，相比于不含儲能設備的微網，儲能設備能夠配合建筑的虛擬儲能特性進一步提高微網運行的靈活性。

對于MG1，在能量調度方面，光伏在11:00—14:00 的出力較大，在這一時段內，微網能夠做到自給自足，并且還有多余的電力可供交易，而在其他時刻，由于光伏出力不足，微網需要通過從外部購電來滿足自身的用電需求。儲能設備會在16:00—20:00 等電價較高的時段選擇放電以滿足部分用電負荷需求，同時降低外購電成本；會在光伏出力較高或外部電價較低的時刻選擇充電以保障后續的有效調度。在HVAC 系統運行方面，由于MG1內的建筑均為Ⅱ級建筑，因此HVAC 系統會以節約用電作為主要運行目標，在01:00—05:00 時段，用戶處于休息狀態，故HVAC 系統會選擇將溫度維持在一個較低的水平；在06:00—07:00 時段，由于臨近工作時間，且購電電價較低，HVAC 系統會選擇增加出力以提高室內溫度；在08:00—09:00 時段，由于購電成本升高，HVAC 系統會適當減小出力，然而，由于建筑的虛擬儲能特性，室內溫度仍能夠滿足溫度約束條件；在10:00—12:00 時段，隨著室外溫度的升高，陽光輻射的增強以及室內熱源的輔助作用，室內溫度達到一天內的最高溫度；在13:00—16:00 時段，隨著室外溫度的降低，室內溫度也會逐步降低，然而，由于建筑的虛擬儲能特性，室內的溫度仍能夠滿足約束條件，HVAC 系統可通過降低出力以節約電能；在17:00—24:00 時段，HVAC 系統會逐漸增加出力以保證室內的溫度滿足約束條件，然而，由于用戶逐漸進入休息狀態，從節能的角度考慮，HVAC 系統會將室內溫度維持在較低水平。

圖5 微網自治調度結果Fig.5 Autonomous scheduling results of microgrids

由于微網均是以經濟性最優作為自治調度的目標，因此MG3與MG1的調度策略類似，然而，由于MG3內的建筑均為Ⅰ級建筑，對室內溫度的要求相對較高，因此，HVAC 系統始終需要將室內溫度維持在較高的水平，故相比于MG1，HVAC 系統消耗的電能較多。本文對于HVAC 系統的調控采用的是溫度與空氣質量流量的綜合控制方法，相比于僅通過調節溫度（T-control）實現的HVAC 系統調控方法［25］，不同微網HVAC 系統一天消耗的電能如附錄B 表B2 所示。通過分析可知，相比于僅通過調節溫度的控制手段，MG1至MG4可分別節約22.7%、23.5%、16.8%、19.8%的電能消耗，其中，對溫度要求較低的用戶擁有更為靈活的調度空間，充分利用智能建筑的虛擬儲能特性在實現節能減排目標的同時也增加了可交易電能的空間，提高了微網的運營效益。另外，與以犧牲用戶舒適度為代價的傳統HVAC 系統恒溫調度方法相比，本文所提出的模型充分考慮了不同類型用戶對于溫度舒適度的需要，提高了潛在的社會效益。

在對各微網用戶室內溫度及自治運行調度進行分析的基礎上，進一步選擇典型時刻對各微網的P2P 交易情況進行分析，典型時刻各微網之間的P2P 交易結果如圖6 所示，其中:灰色條帶部分表示不同微網之間交易的能量流，條帶越寬代表所交易的電能越多；尖括號內數據為交易電量和價格。

圖6 P2P 分布式交易結果Fig.6 P2P distributed transaction results

具體對結果進行分析，在01:00 時刻，MG1與MG4分別存在127.7 kW 以及128.7 kW 的購電需求；而MG2與MG3在滿足負荷需求及建筑熱舒適度條件的情況下分別存在231.4 kW 及170.6 kW 的可交易電能。在考慮線路損耗的情況下，MG2與MG3擁有的可交易電能均無法同時滿足買方的全部交易需求，因此，該時段屬于多賣方多買方“供大于求”場景，交易電價的博弈收斂迭代過程如附錄B 圖B5（a）所 示。從 賣 方MEP 的 角 度，相 較 于MG3，MG2擁有的可交易電能較多，交易的主動性較強，因此，MG2在賣家博弈開始階段就會通過不斷降低價格以盡可能多地向其他微網售電，實現收益的最優；MG3擁有的可交易電能較少，在博弈初期階段也會不斷降低售電價格以吸引其他微網進行P2P 交易，然而，由于買方MEP 更傾向于同擁有更多可交易電能的MG2進行交易，且考慮到MG2擁有的可交易電能均只能夠滿足一個微網的全部交易需求，因此，在博弈后期，MG3會在保證能夠參與到P2P 交易市場的基礎上逐漸提高售電電價以保證獲取更大的收益。從買方MEP 的角度，經過賣方MEP 之間的非合作博弈，MG1與MG4都更傾向于同售電價格更低的MG2進行交易，然而，MG2擁有的可交易電量有限，故MG2會選擇同電能需求更大的MG4優先交易，而MG1會與MG2及MG3同時進行交易。進行P2P 交易后，MG3的剩余電量會同DTO 進行交易。

在03:00 時刻，MG1與MG4分別存在300.9 kW和427.8 kW 的購電需求；而MG2與MG3分別存在230.1 kW 和57.6 kW 的可交易電能。在考慮線路損耗的情況下，MG2與MG3各自擁有的可交易電能均不能夠滿足任何一個微網的全部交易需求，因此，該時段屬于多賣方多買方“供不應求”場景，交易電價的博弈收斂迭代過程如附錄B 圖B5（b）所示。對于交 易 結 果，相 較 于MG1與MG4交 易 需 求，MG2與MG3擁有的可交易電量較少，為保證自身的收益，MG2與MG3都會在可行的報價區間內盡可能地抬高售電價格，但是為了保證能夠參與P2P 市場，MG2與MG3仍會選擇略低于此時DTO 制定的實時售電電價。相較于配電系統公布的實時電價，由于MG2與MG3制定的售電價格相對較低，因此，MG1與MG4會優先選擇同MG2與MG3進行交易以滿足一部分自身用電需求，而剩余的需求會通過與DTO進行交易滿足。

在06:00 時刻，MG1與MG4分別存在483.86 kW和538 kW 的購電需求；而MG2存在27.5 kW 的可交易電能。在考慮線路損耗的情況下，MG2擁有的可交易電能無法滿足全部交易需求，因此，該時段屬于單賣方多買方“供不應求”場景，交易電價的博弈收斂迭代過程如附錄B 圖B5（c）所示。MG2會優先選擇同購電需求較大的MG4進行交易。需要注意的是，由于該時刻光伏的出力較小，且配電系統內的用電負荷處于逐步上升的狀態，較高的負荷需求使得配電系統內出現了網絡阻塞的情況，引起了阻塞電價的升高。MG4位于配電系統線路的末端節點，且在這一時刻的負荷需求較大，因此受到的影響也較大，出現了缺電的情況。

在12:00 時刻，MG2存在44.2 kW 的購電需求；而MG1、MG3、MG4分別存在267.1、21.1、14.1 kW 的可交易電能。在考慮線路網損的情況下，MG1、MG3、MG4擁有的可交易電能能夠滿足全部交易需求，因此，該時段屬于多賣方單買方“供大于求”場景，交易電價的博弈收斂迭代過程如附錄B 圖B5（d）所示。對于交易結果，相較于MG3與MG4擁有的可交易電量，MG1擁有的可交易電量較多，為保證參與交易的優先性，MG1會在博弈階段不斷降低交易價格，而由于MG1擁有的可交易電能已能夠滿足MG2的電能需求，因此，MG3與MG4只能同DTO 進行交易。

4.3 交易模式評價

在典型時刻詳細分析的基礎上，本節進一步對各微網的交易情況進行整體分析，并選取典型指標對P2P 交易模式進行量化評價。以MG1為例，MG1購買/售出電能的分布情況如圖7 所示，其他微網的情況如附錄B 圖B6 所示。通過計算分析可知，MG1至MG4通過P2P 分布式交易購買的電量分別占總購電量的7%、16%、10%、22%；而MG1至MG4通過P2P 分布式交易售出的電量分別占總售電量的31%、92%、60%、38%。

圖7 MG1交易電能分布Fig.7 Trading power quantity distribution in MG1

對于交易電能分布的情況，由于各微網同處于一個配電系統內，分布式電源出力的間歇特性類似，且微網配置分布式電源更多是考慮自發自用的問題，因此，造成微網通過P2P 分布式交易購買的電量占總購電量的比例不高；然而，從售電量的比例來看，微網通過P2P 分布式交易售出的電量占總售電量的比例較高，說明微網內多余的電能可以很好地在區域內進行流通，最大限度地促進分布式清潔能源本地消納，提升了微網的經濟性，同時也緩解了由于高比例可再生能源滲透，大量的倒送功率可能導致的配電系統網絡阻塞問題。

在從交易電量分布角度分析P2P 交易模式的基礎上，進一步通過經濟及技術指標［9］具體量化分析P2P 分布式交易模式的效果，本文選取價值挖掘指標（value tapping index，VTI）作為經濟評價指標，選取能量平衡指標（energy balance index，EBI）作為技術評價指標。指標的定義及具體計算方法參考文獻［9］。指標的計算結果如表3 所示。

表3 P2P 交易模式評價指標Table 3 Evaluation indices of P2P trading mode

通過計算，2 個評價指標的取值范圍均在［0，1］之間，說明P2P 交易模式為各微網帶來了一定的經濟及技術效益，其中VIT 指標取值越大表示通過P2P 交易獲得的經濟效益越高；EBI 指標取值越小表示該微網能夠盡可能地通過P2P 交易滿足內部電能需求，而不與外部電網產生過多的交互，從而促進了可再生能源的利用。具體對各微網進行分析，由于MG3風機、光伏、儲能的有效配合，系統運行靈活性較高；MG2雖然未配置儲能設備，但由于風機光伏多樣化，分布式電源可以在一天之內實現電能生產互補，因此，通過P2P 交易獲得的經濟技術效益較大。MG1雖然配置了儲能設備，但是由于光伏系統出力的間歇性造成儲能設備發揮的作用有限，加之儲能設備固有的成本較高，造成MG1所獲得的經濟技術效益不如其他微網明顯。

4.4 配電系統影響分析

可再生能源的高比例滲透和負荷的低碳替代需求可能會導致配電系統內存在2 種不同的潮流高峰，即功率倒送高峰和負荷需求高峰，并造成網絡阻塞［40］，對可再生能源的高比例接入及配電系統的可靠運行造成了威脅。以圖4 所示的配電系統為例，在不考慮P2P 交易的傳統交易模式下，配電系統在03:00、04:00、06:00、08:00、13:00、18:00 時刻均容易產生網絡阻塞問題，其中，03:00、04:00 時刻由于風機的出力較大，而系統的用電需求較小，大量的倒送功率造成阻塞；06:00、08:00、18:00 時刻由于光伏出力較小，而系統的用電需求較大，大量的外購電需求造成阻塞；13:00 時刻由于光伏出力較大，大量的倒送功率造成阻塞。

而在考慮P2P 分布式交易的情況下，03:00、04:00 時刻的網絡阻塞問題可以通過微網間的P2P交易得到緩解，本文在4.2 節以03:00 時刻的P2P 交易為例進行了分析。而由于分布式電源的出力特性類似，其余時刻的網絡阻塞很難通過P2P 交易得到緩解，還需要進一步結合相關的阻塞調度手段來緩解配電系統的網絡阻塞問題。

此外，在電力系統的電能損耗中，配電系統線損所占比例最高，研究配電系統的降損潛力可以提高系統的運營效率和企業的盈利水平。對不同交易模式下微網運行一天的網損進行計算，結果如表4所示。

表4 不同交易模式下的網損Table 4 Network loss in different transaction modes

通過計算，相比于與DTO 直接進行交易的傳統交易模式，考慮P2P 分布式交易模式使得MG1至MG4在運行過程中的網損分別降低了19.1%、30.6%、33.7%、8.6%。具體分析，MG1雖然靠近配電系統主變壓器側，然而由于內部光伏出力的間歇性，導致對外部電網仍有較高的購電依賴，造成網損相對較大；MG2與MG3通過風機、光伏的互補以及儲能設備的靈活調節，盡可能減少對外部購電的依賴，因此網損相對較小；MG4由于處在配電系統線路末端，電能輸送距離較長，造成網損較大。在考慮P2P 交易模式后，各微網的網損均有不同程度的降低，P2P 交易可以縮短電能交易距離，促進本地電能及現金流的流通，降低配電系統網損，從而提高MEP 及DTO 的 運 營 效 益。

5 結語

本文在世界各國不斷深化電力體制改革的背景下，針對目前分布式市場交易方法未充分考慮終端用戶用能特性，且市場主體之間的博弈關系仍需進一步挖掘等問題，提出了一種考慮智能建筑特性的多微網P2P 能量交易方法。通過理論及算例的論證，得出以下結論:

1）本文所提出的建筑R-C 模型可以有效地對建筑的熱平衡特性進行模擬，與單一的溫度調節方式相比，采用送風溫度與送風空氣質量流量的混合調節方式可降低HVAC 系統約20%的用電量，在節省用電成本的同時也提升了P2P 交易的可行空間。

2）與直接與DTO 進行雙向交易的傳統交易模式相比，P2P 交易可以有效提高市場參與主體的經濟及技術效益。

3）與直接與DTO 進行雙向交易的傳統交易模式相比，P2P 交易可以有效改善配電系統的網絡阻塞，并降低約22%的網損。

在后續的研究中，首先，將會進一步引入日間P2P 交易市場，以應對分布式電源及終端負荷存在的不確定性問題；其次，將會在市場主體的博弈模型中進一步分析交易習慣、偏好對交易結果的影響，在市場主體的博弈模型中進一步引入“信用”標注，以解決各市場主體由于信息不對稱可能產生的非理性報價行為；最后，將會進一步考慮電/氣/熱（冷）等不同能源之間的耦合互補特性，對多能耦合的綜合能源市場開展研究。

附錄見本刊網絡版（http：//www.aeps-info.com/aeps/ch/index.aspx），掃英文摘要后二維碼可以閱讀網絡全文。