區塊鏈下計及用戶價格響應的電力市場定價機制

朱天博，邢 勁，韋仲康，李守翔，鄒蘇酈

(1.冀北電力交易中心有限公司，北京 100053；2.北京理工大學自動化學院，北京 100081)

在早期的電力市場化改革中，電力市場交易通過發電側競爭形成，利用市場機制來確定電力調度計劃和電價，而需求側僅作為電能消耗端，接受發電商/賣電公司的零售電價[1]。隨著電力市場化改革的逐漸深入，引入需求側競爭是電力改革的重要部分，供需雙方共同影響電價[2]，且電力市場的參與者以不斷變化的市場電價作為參考進行電能交易和結算。電價的變化包含了電力市場的多種信息，并能較好地反映市場的內在演化，對電價的了解不夠或是反應不當，將會極大程度上影響發電商、用戶甚至整個電力市場的利益。因此，找到電價與用電量的相關性，不僅有助于揭示電價這一重要信號在電力市場中的變化規律，也對于參與者競價策略的制定具有重要意義。

為探索競爭性電力市場電價形成機制，一些研究成果在電力市場的運行機制、電價的制定策略和電價預測等方面提供很多參考模型。例如，文獻[2]基于深度學習的方法對呈現周期性特征的短期電力市場電價進行預測；文獻[3]著眼于電力市場上各交易主體在市場中的相互競爭關系，建立電力市場各交易主體最優決策模型,并利用逆向歸納法求出了各市場主體最優交易電量和交易價格；文獻[4]依托于國家電網公司科技項目“售電側放開模式下零售電價價格政策研究及應用”，在美國德州電力市場交易流程的基礎上，梳理了德州售電公司業務和零售電價套餐體系，并選取了各售電套餐的典型定價模式進行分析。大多電價預測方法本質上是通過數據、學習、辨識、統計等手段，主要從用電量這個影響因子入手，著重研究電價與其的相關性以及深層次的關聯，得到預測模型。這些研究為實現更好的定價決策提供參考。

現代的電力用戶更多地使用新型用電負荷，如新興的電動汽車和空調的普及，各種類型的智能設備，如智能電表，逐漸走向成熟。這些新型負荷的需求曲線大多呈現非線性并相互耦合，這使得傳統的電力市場定價方式，如市場出清定價(market clearing price，MCP)，難以得到準確反映市場變化規律的定價策略?？紤]用戶參與則為電力市場化帶來新的變革。近年來，很多研究工作集中在需求響應(demand response，DR)，誘導用戶根據電力市場電價的變化或不同時間給予的獎勵來調整他們的用電需求[5-7]，為考慮用戶的市場化機制提供參考。電力用戶參與DR服務，既沒有對現有的電器進行重大改動，綜合考慮用戶的用電支付和居住者的熱舒適水平，提供最優的用能策略，因此可以充分利用現有資源，節省能源成本，降低峰值需求，促進能量平衡?，F在引入需求側競爭的電力市場環境下，研究用戶參與下的電價與需求側響應的內在關系，并設計市場定價機制，得到最優電力交易策略。

各類用戶有其不同的用電規律，對某些負荷，如電動汽車、空調、洗衣機等，用戶可以合理地安排其用電時間和用電需求，屬于彈性負荷。其中，針對溫控負荷和電動汽車的需求響應機制獲得了廣泛的關注。文獻[8]在售電側開放的背景下，合理地對優質電力進行評價測度，充分考慮購電主體的實際需求，用戶特性以及售電公司提供定制服務的可能性，建立了優質電力評價測度體系方法。文獻[9]中采用二階微分方程描述熱力學參數模型，提出一種基于模型預測的城市園區分層分布式溫控負荷需求響應控制策略，輔助電力系統運行，平抑可再生能源波動，削弱非理想通信環境的影響。在文獻[10]中，提出了一個家用電器日前調度的家庭能源管理系統，用于實時管理恒溫空調負荷，以提高可再生能源的滲透性。在文獻[11]中，考慮到目前空調市場變頻空調占據著越來越多比重，建立變頻空調模型和價格響應機制，運用遺傳算法得到溫控負荷的管理策略。如文獻[12-13]所述，用戶的個體目標可以通過定義不舒適函數來表達，反映用戶的不適水平和能量需求之間的關系。文獻[14]構建了一種由電熱水器負荷組成的集群溫控負荷模型，提出了新型序列化控制策略，以電熱水器為調頻減載資源，為電力系統頻率恢復控制提供輔助服務。在文獻[15]中，基于博弈方法提出了電動汽車的需求響應機制，可以激勵用戶說真話，并得到滿足全局最優性質的納什均衡。從長遠來看，由于智能電網具有較高的效率收益，許多研究者將基于價格的需求響應機制應用于電動汽車的分布式協調和智能電網的柔性需求管理，如文獻[16-18]的研究。

上述研究取得了較好的成果，但并沒有細致的考慮具體實施過程中的交易安全問題。在引入需求響應的電力市場中，市場參與者均為自私的和理智的，僅考慮自身的利益最大化。用戶的利己性會促使用戶采取欺騙行為，無視市場規則，有意地篡改數據，造成定價機制和市場的崩潰。區塊鏈技術作為一種分布式記賬系統，所有數據均分布式的記錄在全網的各個節點上，數據難以被篡改，確保數據的真實可信。因此，區塊鏈技術具備數據透明性和可靠性，可以很好地適用于分散化系統結構的數據分析和決策[19-21]，基于區塊鏈技術的電力市場環境，可極大地減少不同市場主體間重塑或信任維護的成本。為此，采用區塊鏈技術保障市場規則的正常運行以及用戶的個人利益，進而保障安全交易。

傳統的局部控制方法如比例-積分-微分(proportion-integral-derivative，PID)控制，無法解決多目標、多變量的DR優化問題，如天氣狀況、入住率、動態電價等。為了彌補這一研究空白，需開發一個最優DR機制，考慮實時電力市場的動態電價，在不犧牲用戶舒適度的前提下，實現電力成本節約、峰值功率降低和可再生能源平衡。將需求響應技術與電力市場的實時電價機制結合起來，建立一個實時價格響應機制，用戶的用能與市場電價相互影響，直至達到動態平衡。在這種機制下，用戶可以得到最優的用能策略，既可以減少電費，又能保證用戶的舒適度，還給出了電價計算的機制，能夠有效地解決電價過高的問題。

1 問題描述

1.1 基于區塊鏈技術的電力市場交易

區塊鏈技術的核心功能為去中心化，可以避免中心數據庫的使用，本質上為一個不可篡改的分布式數據庫。該數據庫以密碼學為基礎，通過數據的加解密方法，產生按照時間排序的“區塊”。每個區塊由區塊頭和區塊主體組成，區塊頭包含區塊ID、版本號、時間戳、前一區塊Hash值、Merkle根、本區塊Hash值等信息。這里面時間戳記錄了當前區塊創建的時間，可作為區塊數據的存在性證明；Hash函數用于數據的存儲和驗證，區塊中的信息通過Merkle樹的Hash函數運算生成唯一的Merkle根，用于保證交易數據的存在性和完整性。區塊主體包含本區塊的主要數據信息，在電力市場環境下，主要有身份證明、電力交易、電價、電表計費和違約懲罰等。

現考慮一個局域小型電力市場，由一個售電公司為用戶進行供電。用戶從電力市場購買電量，按照電力市場發布的電價進行支付。首先，對電力市場的某一個參與者，應用區塊鏈對前端交易等實現分布式的記賬存儲，如將用戶的用電數據保存在服務結算區塊鏈中，建立在區塊鏈基礎上的智能電表直接把電量記錄在分布式賬本上,自動抄表、自動計量、自動計費。

隨著區塊鏈在市場中的接受程度的增加，電力市場的參與者均可滲透區塊鏈，以分布式點對點對等網的方式將電力市場的交易主體連接起來，形成電力市場交易區塊鏈，如圖1所示(圖1為文獻[20]電力市場聯盟鏈圖5)。用數字化編碼將清算結算規則寫入區塊鏈,交易雙方可在區塊鏈平臺的基礎上自定義智能合約;從達成合約協議開始,合約中約定的條件事項的發生將自動觸發合約的執行程序;點對點對等網上大部分都是輕量級節點,保存與合約相關的交易哈希以及簡要支付驗證所必須的時間戳鄰近的交易數據。電網全節點類似于一個中心化的數據庫,它保存從第一個區塊開始的所有結構化的合約基礎數據與交易數據,同時通過 hash 映射保護用戶隱私與交易的機密信息,保證了數據的不可篡改性。

圖1 基于區塊鏈的電力市場交易結構[20]Fig.1 Blockchain-based structure for energy trading in electricity markets[20]

1.2 電力用戶需求建模

假設有N≡{1,2，…,N}個用戶參與電力市場，在未來一段時間參與電力市場交易，用K≡{0,h,2h,…,K}表示，其中h表示每個時間段的單位時間長度，考慮的總時間段時長為K。

以家居中的可調負荷溫控負荷為例，對用戶需求進行建模，建立其與環境在時變內外部條件下的耦合動力行為預測模型。對每一個用戶n，用Pn表示其打開設備的額定功率，當給定用戶設備時，該功率是一個確定值。為方便起見，編號n統一表示用戶或用戶的用電負荷。用Qn(k)表示用戶n的冷輸出容量，k表示第k個時間段，則可以得到Qn(k)=Pnqn(k)。其中，qn(k)∈{0,1}表示負荷的開關狀態，是一個二值變量。

(1)

即，當室內溫度低于溫度死區的下界時，溫控負荷處于關閉狀態(制冷設備)，當室內溫度高于溫度死區的上界時，設備開啟。

單個用戶的等效熱參數模型可用混合狀態系統描述。用戶n在離散時間設置下的典型熱動力學如[11,23]所述：

(2)

接下來，就可根據溫度變化的動態方程推導f的表達式。由式(1)可知，若Tn(k)一直處于溫度死區內，qn(k)保持不變，且只有當Tn(k)到達死區的邊界時才會變化。由式(2)給出的溫度變化關系，當qn(k)第一次變化后，室內溫度的變化需要一定的時間才能達到死區的另一個邊界。根據經驗，這個時間一般不低于10～15 min。因此，本研究假設考慮的總時間長度K為15 min，則總時長內qn(k)只會變化一次。

(1)情況1：qn(0)=1。由式(2)，可得

再由于式(1)以及qn(k)只會變化一次的假設，可得：

則上兩式可推導出f的表達式為

(2)情況2：qn(0)=0。計算方法與情況1相似，由式(1)和式(2)可得：

綜上所述，每個用戶將室內溫度調整為其設定點溫度，需要消耗的能量函數為

基于此能量-溫度關系模型，下面建立電力市場實時電價的確立機制，以及此機制下用戶的響應策略。

2 實時電力市場需求響應機制與定價機制

本節分為兩個方面：一是電力市場實時電價的制定；二是該實時電價下用戶決定需求響應策略。實時市場電價與電力系統內的實時負荷需求總量有關，文獻中多假設為邊際發電成本，記做p，每個用戶面對同一個實時電價。為了反映本文所考慮的溫控負荷之外的負荷需求，引入零售電價，用pw表示，該電價可由本區域電力市場電價制定者提前從批發市場獲得。在此零售電價的基礎上，可以基于用戶的用電量來制定實時電價。電價制定者將確定好的實時電價發布給用戶后，每個用戶根據電價制定者發布的價格以及自身的利益和用戶的舒適度來調整其設定點溫度。

電價制定者通過優化問題的求解確定實時電價，在這種情況下，假設電價制定者為一個理性的決策者，首先以零售電價pw從批發市場買入一定的電能，然后以實時電價賣給用戶，獲得收益。電價制定者的目標即為最大化自身的收益。因此，為了保證正收益，實時電價不應低于零售電價，得到實時電價的約束條件：p≥pw。

除此之外，電價制定者還應考慮所有用戶的舒適度，否則對于電價制定者來說，將銷售價格定得很高，才可以獲得更多的利益，這可能會導致用戶減少甚至不用電，不符合期望。因此，電價制定者的效用函數可以表示為以下形式：

式中：u為所有用戶的能量需求變量；dn為用戶n的不滿意度；d為dn的集合；η為權衡賣電收益和用戶舒適度的權重系數。確定最優的實時電價p，電價制定者需要知道所有用戶的能量需求及其不舒適度的值，因此，從用戶流向電價制定者的通信信息為一個二維變量(un,dn)。則最優的實時電價為

(3)

(1)凸函數，即二階導大于0。

(2)當設定點溫度等于舒適溫度時，不舒適度函數值等于0。

(3)當設定點溫度高于舒適溫度時，不舒適度函數值大于0。

這里面沒有提到當設定點溫度低于舒適溫度時的情況，這是由于設定點溫度越低，為達到該設定點溫度需要的耗能越大，用戶需支付的電費越高，而當其等于舒適溫度時就可使不舒適度函數值降到0，因此，將設定點溫度設為舒適溫度之下是不經濟的做法，不會成為用戶的最優決策。

(4)

因此，第n個用戶的個體成本為Cn(un;p)=pun+θndn(un)，其中，第一項表示用戶n支付的電費，第二項表示該用戶的不舒適度成本，θn表示用戶支付電費與不舒適度的權重系數。給定實時電價p，每個用戶通過最小化自身的成本確定最優的能量需求，則最優的能量需求為

(5)

算法流程如下：

步驟1初始化，設置迭代次數k=1，以及初始的電力市場實時電價p0；給定算法結束誤差的容忍上限ε。

步驟2在每一步k，每個用戶基于pk和式(4)更新其能量需求，并得到該需求下的不舒適度。

步驟3電價制定者根據第二步計算的能量需求和不舒適度值以及式(3)更新實時電價，并發布。

步驟4判斷||pk-pk-1||＜ε?若成立則結束迭代，否則，令k=k+1,并返回步驟2。

步驟5每個用戶根據得到的能量需求計算出最優的設定點溫度并輸出。

基于上述算法迭代，即可得到實時電力市場的電價和參與用戶的需求響應策略。

3 算例分析

現通過仿真案例分析來驗證用戶的價格響應機制。仿真驗證在筆記本電腦、3 GHz core i5、8 GB DDR4、MATLAB 2018a中進行。在這部分的仿真案例中，假設有100個用戶參與電力市場。用戶的參數如表1所示。兩個權重系數，權衡賣電收益和用戶舒適度的η和表示用戶支付電費與不舒適度的θn分別設為0.4和0.2。

表1 用戶參數Table 1 parameters

本文研究考慮的總時長K為15 min，在這個時間段內室外的溫度和電力市場的零售電價保持不變。同樣，因為15 min的時間不長，假設該時間內每個用戶的舒適溫度保持不變。為了表現不同時間室外溫度、電力市場零售電價和用戶舒適溫度的變化對用戶需求響應策略的影響，在本章考慮一個較長的時間區間，中午12:00到晚上20:00，并將這個時間區間按15 min劃分為32個總時長。單個總時長內室外溫度、電力市場零售電價和用戶舒適溫度不變，但不同時間段它們是可以變化的。圖2～圖4給出12:00—20:00室外溫度、用戶設置的舒適溫度和電力市場零售電價的變化。

圖2 室外溫度變化Fig.2 Evolutions of the ambient temperature

圖3 用戶設置舒適溫度變化Fig.3 Evolutions of the comfortable temperature of users

圖4 電力市場零售電價變化Fig.4 Evolutions of the retail price in electricity markets

在12:00時間開始時，假設所有用戶的狀態為“開”，且室內的初始溫度為27 ℃。其他總時長的初始狀態(包括用戶初始狀態和室內初始溫度)由上一個總時長的策略計算可得。

基于圖3用戶設置的舒適溫度，可以根據式(4)計算得出舒適溫度參考耗能，這里面對用戶的設定點溫度考慮范圍較廣，設定點溫度的最小最大值為16、30 ℃，這符合目前市場上的空調的溫度設定范圍，本文算法對任意溫度范圍均適用。

采用算法進行MATLAB計算，首先以12:00—12:15為例，給出本文所提的迭代算法的收斂情況，如圖5所示。由圖5可以看出，算法在14步后收斂，14步后實時電價和用戶的能量需求保持不變。

對每一個考慮的15 min總時長進行算法計算，得到協調中心的電力市場實時電價的變化，如圖6所示。

圖5 算法收斂情況Fig.5 Convergence of the algorithm

圖6 電力市場實時電價變化Fig.6 Evolutions of the real-time price in electricity markets

圖7 用戶的最優能量需求軌跡Fig.7 Trajectory of the optimal energy demand of power users

4 結論

研究了基于實時電力市場價格下的用戶需求響應機制及協調策略。該機制包括兩方面：一是電力市場實時電價的確定機制，它與日前電力市場的零售電價和所有用戶的能量需求有關；二是用戶的價格響應機制，基于實時電價調整自身的用電需求。該機制和電力市場的交易由區塊鏈技術保障，借由電力市場聯盟鏈實現部分去中心化，并避免電力用戶惡意篡改數據、推翻決策。

基于需求響應的電力市場定價機制的實現依賴于個體用戶建模。首先，建立了用戶的能量消耗與狀態之間的關系；然后，定義用戶的不舒適度函數來反映用戶的不適程度，用戶通過最小化電費和不滿意成本來進行決策。實時電價由電力市場的電價制定者計算，考慮電力總效益和用戶不滿意成本的前提下，對實時電價進行優化。與文獻中的其他方法相比，提出了一種基于價格響應的迭代算法，求解用戶的需求響應策略。在達到收斂后，電力市場最大化其效用函數，得到當前環境下最優的定價策略。

作為未來的研究方向，應考慮不同類型的電力市場定價機制，以使公用事業效益最大化。此外，靈活多樣的用戶也是值得擴展的方向。更進一步，由于用戶的行為在市場中占據更加重要的作用，且新型電力市場鼓勵用戶參與電力交易，因此，后續對用戶行為參與電力市場產生的影響進行建模，基于實際數據模擬出多樣化的數學模型和滿意度函數。