“雙碳”背景下微網分布式電能交易績效評價指標與方法

王文彬， 鄭蜀江， 范瑞祥， 陳 文， 周世陽

(國網江西省電力有限公司電力科學研究院，南昌 330096)

能源需求的快速增長與環境保護的迫切需求是當前阻礙社會發展的重要矛盾，氣候變化也成為了人類社會所共同面臨的重大挑戰之一.2020年，國家主席習近平在第七十五屆聯合國大會上鄭重宣布了中國“碳達峰、碳中和”的時間節點及戰略目標，各行業的綠色低碳轉型成為趨勢[1-3].

分布式可再生能源[4]靠近用戶側，具有裝機容量小、接入電壓等級低、布局分散、建設周期短、清潔高效等特點，是實現電力系統低碳轉型的重要手段.然而，分布式能源發電具有隨機性與間歇性，易對電網安全穩定運行造成影響，同時消納率也較低[5].微電網被認為是整合分布式能源進行電能管理的有效方式，在微電網內建立分布式電能交易市場，通過用戶間端對端(Peer-to-Peer，P2P)電能交易[6-7]，可顯著提升分布式能源的消納率，并降低分布式能源并網后對電網運行的影響[8]，是推進“雙碳目標”實現的重要途徑.

目前針對微網分布式交易市場研究已進行較多研究，文獻[9]研究了微網用戶分布式電能交易的報價機制，提出了賬單共享、中間市場及競價拍賣的市場交易形勢.文獻[10]建立了基于區塊鏈技術的分布式交易平臺，并考慮了分布式能源參與輔助服務效果.文獻[11]提出了針對互聯運行微電網的控制策略，使其可以在不同電壓水平下運行，并且可支撐分布式交易市場中的信息傳輸.文獻[12]研究了分布式交易市場參與主體的競爭關系，基于合作博弈與聯盟博弈構建市場運行機制.文獻[13]針對分布式能源的協調管理問題，提出通過制定分布式電能交易市場的相應法規，實現對于用戶的激勵，提升參與市場交易的積極性.上述研究大多集中于分布式電能交易市場機制設計、交易平臺、信息通信技術、政策要求等方面，而市場績效評價指標與評價方法仍鮮有研究.由于分布式交易市場內用戶間的端對端電能交易是多邊交易，購電用戶往往會面對多個售電用戶，需要篩選出優質的售電商，從而降低交易風險與購電成本，故引入市場評價機制，針對市場交易績效進行評估，可促使用戶考慮市場評價機制對其交易策略的影響，推動分布式發電市場化交易的良性發展[14].

在分布式交易市場中，擁有光伏等分布式電源的普通用戶轉變為產消者，售電主體的組成更加復雜，用戶面對的售電差異化極為明顯[15]，采用指標評價方法可有效反映市場運行水平與系統技術方法[16].為建立覆蓋更為全面的分布式交易市場績效評價指標體系，首先分析典型分布式電能市場交易場景.參與分布式交易市場的產消用戶在平臺上進行競價與報價，達成交易協議并經安全校驗確認后，下發交易控制信號，用戶根據市場出清結果，進行電能的傳輸與交易.由于分布式供應電能不能直接在用戶側使用，故需要安裝相關設備進行電能裝換.電能路由器是一種基于電力電子技術與信息技術的電能變換與能量管控裝置，能控制不同電氣參數電能之間的靈活變換、傳遞和路由，近年來已逐步在主動配電網中進行應用，因此，本文所考慮分布式電能市場交易場景中以電能路由器作為用戶側的電能轉換裝置.

分布式交易平臺與電能路由器是支撐分布式交易實現的重要軟硬件.其中分布式交易平臺的主要功能是為微網內交易雙方提供交易場所，為不同主體間的交易建立起了一個可信任、穩定安全的環境；而電能路由器可支持用戶進行配電網購電或利用分布式能源供電，在輸入側可連接配電網交流電與分布式電源直流電，輸出側則轉化為用戶正常使用的交流電，支撐用戶的電能交易，保證負荷的正常使用.因此，為建立覆蓋范圍較為全面的績效評價指標體系，一方面可針對市場參與主體，即微網內購、售電用戶進行評價，對交易過程中的供電可靠性、交易誠信度等方面進行考察[17-18]，從而對市場中購、售電雙方進行約束，也可使評價較高的交易主體處于競爭中的優勢，促進市場發展；另一方面也可針對交易平臺、電能路由器等軟硬件的用戶隱私維護、電能控制等[19-20]反映其交易支撐能力的方面進行評價，從而促進市場交易軟硬件的更新換代，保證交易的穩定高效進行.

本文針對微網中的分布式電能交易市場，從購、售電雙方交易水平與交易軟硬件市場支撐能力等方面提出多維度的績效評價指標，并對目前國內外分布式交易市場評價方法的研究現狀進行了總結與歸納，最后對分布式電能交易績效評價關鍵技術進行分析討論，并對未來研究方向做出展望.

1 分布式交易市場績效評價指標體系

1.1 基本框架

本文以圖1所示的典型分布式電能交易場景為背景進行研究.在建立分布式電能交易市場績效評價指標體系時，需要考慮多維度影響因素，例如各個指標間的相關性與協調性，所提指標的全面性，指標計算的實用簡潔性等，從而提出定性與定量相結合，具有充分可行性的評價指標體系.分布式電能交易市場中，用戶既是電能消費者又是電能供應者，因此適用于微網內P2P交易市場的績效評價體系，對整個市場進行交易數據的及時跟蹤與計算不再是研究重點，而應針對市場內各交易主體的行為與支撐交易進行的能力進行評價.同時，交易市場的順利進行還需要交易平臺與電能路由器等軟硬件為購、售電用戶提供可信任、分布式的智能平臺以及對各用戶間的電能傳輸進行控制，對其運行狀態與服務水平進行評價也可保證交易的順利進行.

圖1 分布式交易市場交易場景示意圖Fig.1 Schematic of trading scenarios in distributed trading market

本文針對市場交易主體與交易支撐軟硬件，構建了適用于分布式電能交易市場的績效評價體系， 通過對指標的層層分解，探究分布式交易市場中各參與主體的運行情況.通過進行市場調查與歷史數據收集引入服務性指標，從電能供應能力、售電誠信度及歷史售電評價的維度考察市場中各個售電方整體的供電能力.對于購電側，則主要從購電誠信度與歷史用電評價兩個方面評估用電方的市場參與度.對于分布式電能交易平臺，提出以用戶滿意度、平臺功能性及平臺安全性方面為基礎分析其對市場交易的支撐作用.對于電能路由器，則以供應電能質量、電能轉化效率及設備安全性作為評價指標.所建立績效評價指標體系如圖2所示，其評價周期為參與分布式交易市場至進行評價時刻.

圖2 面向微網用戶的分布式交易績效評價指標體系Fig.2 Performance evaluation index system of distributed trading for micro-grid users

在評價結束后，對于評價較高的售電用戶，其在交易報價過程中將占有優先地位，是購電用戶優先選擇的交易對象，在較高電能報價時也有較大概率競拍成功，進而獲得更大的利益.對于評價較高的購電用戶，也更有可能以較低的價格交易成功，節約更多的用電成本.因此，引入評價機制后，分布式交易市場的資源將逐漸向評價較高的用戶傾斜，這一方面促進了交易的順利進行，另一方面也規范了評分較低用戶的自身交易行為.對于交易平臺與電能路由器，評價結果也將指導研發團隊進行針對性的改進與升級，從而更好地為微網內用戶的分布式交易服務.

1.2 針對售電用戶的績效評價指標

1.2.1電能供應能力

(1) 最大可供電量.

對于售電用戶來說，最大可供電量代表了其在交易市場中可提供的最大電量，是衡量其可滿足多少購電用戶需求，體現其電能供應能力的重要指標，其計算方法如下：

S1=max (Gt-Ct)，t∈T

(1)

式中：S1為售電用戶最大可供電量；Gt為t時刻用戶側生產電能；Ct為t時刻售電用戶自身用電量；T為分布式交易市場運行以來各個交易時刻集合.

(2) 供電持續時間比率.

分布式電能交易市場中，購電用戶具有電能需求的時間并不固定，這對售電用戶的供電持續時間提出了較高要求，供電持續時間越長，代表其越能夠穩定地為購電用戶提供服務.其計算方法如下：

(2)

式中：S2為售電用戶供電持續時間比率；Tn為分布式交易市場運行以來售電用戶的供電持續時間.

(3) 日供應電量.

日供應電量綜合考量了售電用戶的可供電量與供應時間，以每個交易日為評價周期，代表了售電用戶在此周期內的市場服務能力，其計算方法如下：

(3)

式中：S3為售電用戶日供應電量平均值；Td為售電用戶在第d天的供電持續時間；(Gt-Ct)d為第d天的可供電量；D為售電用戶參與分布式交易市場的總天數.

1.2.2售電誠信度

(1) 違規售電率.

在分布式交易市場的運行過程中，各個售電用戶需要將自身可供應電量與電能報價提供在交易平臺上，由購電用戶根據自身需求進行選擇.在此過程中，為促進市場交易的順利進行，保證市場的公平性，需要對諸如惡意抬升或壓低電價、虛報可供應電量導致交易無法進行等擾亂市場交易的行為進行制約，因此提出違規售電率為逆向指標，代表售電用戶被交易平臺認定為違規售電的次數占總售電次數的比重，其計算方法如下：

(4)

式中：S4為售電用戶違規售電率；Fv為售電用戶違規售電次數；Fs為售電用戶總售電次數.

(2) 售電成功率.

售、購電雙方在交易平臺上完成報價與競拍后，售電方根據競拍結果為購電方提供相應的電能服務，保證購電用戶的正常負荷使用，則視為售電成功，因個人原因無法完成交易的，視為售電失敗，將對購電用戶造成較為嚴重的影響.其計算方法如下：

(5)

式中：S5為售電用戶的售電成功率；Fl為售電失敗次數.

(3) 交易偏差電量.

售電用戶能否完全遵照交易平臺的競拍結果提供相應電能服務是評判其售電誠信度的重要指標，用戶實際接收的電能與競拍電能的差值即為交易偏差電量，其計算方法如下：

(6)

式中：S6為交易偏差電量；Qct為t時刻交易競拍電量；L為傳輸損耗電量.

1.2.3歷史售電評價

(1) 合作基礎.

對于購電用戶來說，與售電用戶的合作基礎建立在彼此的歷史交易次數上，交易次數越多、越頻繁的售電方就越有可能是供電可靠程度更高的，為了將相關屬性量化為具體數值，對用戶間的合作基礎采用歷史交易次數進行定性分級[21]，見表1.

(2) 用戶滿意度.

用戶滿意度可反映售電用戶所提供的電能服務在購電用戶內心的真實水平，一般通過問卷調查的方式向與該售電用戶進行交易的所有購電用戶收集獲得，滿意度總分為10分，分數越高代表對該用戶提供電能服務越滿意.其計算方法如下：

式中：S8為用戶滿意度；Gm為與該售電用戶進行交易的第m名購電用戶滿意度評分；M為與該售電用戶進行交易的用戶總人數.

(3) 歷史成交價格水平.

根據歷史交易數據對售電用戶的歷史成交價格進行評價，平均成交價格越低，對于購電用戶來說購電成本越低.其計算方法如下：

(8)

式中：S9為歷史成交價格水平；Wi為第i次成功交易的電能價格.

(4) 分布式售電電量占發電量比率.

對于分布式產消用戶，其生產的電能一部分滿足自身電能需求，多余的電能在分布式交易市場中售賣.分布式售電電量占發電量的比率在一定程度上可反映該售電用戶的專業程度，其比率越高，意味著該用戶在分布式交易市場中投入越多.其計算方法如下：

(9)

式中：S10為售電用戶分布式交易電量占發電量比率.

1.3 針對購電用戶的績效評價指標

1.3.1歷史購電評價

(1) 合作基礎.

分布式電能市場交易是一個雙向過程，消費者選擇供電服務水平較高的供應者時，供應者也可選擇出價較高、較為可靠的消費者.依照交易歷史數據，相互交易次數越多的購電用戶可靠程度也往往越高，因此，以歷史交易次數作為兩者的合作基礎P1進行定性分析，其評價細則如表1所示.

(2) 歷史購電價格水平.

同樣地，購電用戶的歷史成交價格水平也是售電方考察的重點，其平均成交價格越高，對于售電方來說獲利也越高.其計算方法如下：

(10)

式中：P2為購電用戶歷史購電價格水平；Ek為第k次購電交易成交價格；Fp為總購電次數.

(3) 分布式購電電量占用電量比率.

微網中的用戶電能需求主要由3部分供給滿足，分別是自身分布式電源供電、分布式交易市場購電與電網購電，分析購電用戶的分布式購電電能占其用電量的比率可以看出其參與分布式交易市場的積極程度.其計算方法如下：

(11)

式中：P3為購電用戶分布式購電電能占用電量比率；Qt為購電用戶t時刻在分布式電能交易市場中購買電量；Tp為購電用戶在分布式交易市場購電時刻集合；Q為購電用戶所用電量.

1.3.2購電誠信度

(1) 違規購電率.

與售電用戶相同，購電用戶也可能在交易平臺中存在違規購電行為，包括竊電、拖延電費等行為，擾亂了市場公平與發展，考察購電用戶的違規購電率以對其行為進行約束.其計算方法如下：

(12)

式中：P4為購電用戶違規購電率；Bv為購電用戶違規購電次數；Bs為購電用戶在分布式交易市場購電總次數.

(2) 購電終止率.

類似地，購電、售電雙方達成交易協議后，購電方因個人原因終止交易的，視為購電失敗，以購電終止率為逆向指標評價其交易誠信程度.其計算方法如下：

(13)

式中：P5為購電用戶購電終止率；Bf為購電用戶購電終止次數.

1.4 針對分布式交易平臺的績效評價指標

1.4.1用戶滿意度

(1) 購電、售電用戶滿意度.

分布式交易平臺主要為購電、售電雙方提供交易場所，雙方可在交易平臺上上傳交易信息與報價、競拍等，促進交易的順利進行.因此，通過向參與分布式交易市場的購電、售電用戶發放調查問卷，收集其對交易平臺服務水平的滿意程度，是對交易平臺績效評價的重要指標.滿意度分數滿分為10分，分數越高代表用戶對交易平臺越滿意，其計算方法如下：

(14)

式中：T1為購電、售電用戶對交易平臺的滿意度；Gr為分布式交易市場中第r位用戶的滿意度評分；R為分布式交易市場的全體用戶人數.

(2) 社會滿意度.

分布式交易平臺促進了分布式電能市場的發展，支撐了微網內P2P交易的順利進行，提升了用戶側可再生能源就地消納率，對于推動“雙碳”目標實現具有重要作用，具有很強的社會效益.因此，利用微網內可再生能源消納率體現其社會滿意度，其計算方法如下：

(15)

式中：T2為交易平臺社會滿意度；Gzt為t時刻微網內分布式能源實際供電量；Gl為分布式能源理論供電量.

(3) 電網公司滿意度.

對于電網公司而言，分布式電能交易市場所傳輸電能需要向電網公司上交過網費，具體數額與微網電壓等級、傳輸電量等因素有關.因此，以收取過網費數額反映電網公司滿意度T3，其計算方法可參考文獻[22].

1.4.2平臺功能性

(1) 交易成功率.

分布式交易平臺的首要功能即保證交易的順利進行，交易成功率反映了交易平臺促進分布式交易進行、提升用戶參與度及制約用戶違規行為的能力，其計算方法如下：

(16)

式中：T4為交易平臺交易成功率；(Fs-Fl)r為第r位用戶的成功售電次數；Fur為第r位用戶報價次數.

(2) 交易操作復雜性.

產消用戶是分布式交易市場的核心參與主體，交易平臺操作的難易程度直接影響了其參與分布式交易市場的積極性.因此向微網內全體用戶分發調查問卷，收集用戶對于平臺操作復雜性的評分，滿分為10分，分數越高代表平臺操作越簡潔.其計算方法如下：

(17)

式中：T5為交易平臺操作復雜性；Cr為第r位用戶對平臺操作難易程度的評分.

(3) 參與交易規模.

分布式交易市場中參與用戶越多，購電、售電雙方都擁有更廣泛的交易人群，能源的交易方式也更靈活.同時，更大的交易電量也對與交易平臺的管理運行控制提出了更高的要求.因此，分布式交易平臺中能夠承載的交易規模代表了其能夠提供的電能管理服務水平.其計算方法如下：

(18)

(4) 用戶收益.

通過售電獲取收益與通過購電節約成本是產消用戶參與分布式市場交易的首要目的，因此用戶收益水平是反映分布式交易平臺功能的重要指標.其計算方法如下：

(19)

1.4.3平臺安全性

(1) 應用服務安全性.

分布式交易平臺運行時儲存有大量分布式能源的運行信息，交易過程中也會產生大量的市場出清信息與結算信息，這些重要信息的記錄與防篡改將會直接影響到交易市場的數據安全及用戶利益.因此，對于系統攻擊與信息竊取的防御程度十分重要.通過分布式交易平臺可防御攻擊程度反映其應用服務安全性T8，并且對其進行定性分級，具體評價細則見表2.

表2 應用服務安全性T8評價細則Tab.2 Evaluation rules for application service security T8

(2) 系統設計安全性.

系統平臺運行過程中，常常會因設計時的缺陷

造成運行時的漏洞，導致交易無法完成，或是交易信息的錯誤導致系統崩潰等情況.系統設計安全性可通過分布式交易平臺由于系統漏洞而造成交易無法順利完成的時間來反映，其計算方法如下：

(20)

式中：T9為分布式交易平臺系統設計安全性；Te為因系統漏洞而停止運行的時間；Ty為系統總運行時間.

1.5 針對電能路由器的績效評價指標

1.5.1供應電能質量

(1) 電壓波動率.

電能路由器作為保障用戶間傳輸電能穩定變換的裝置，對其運行績效評價首先應從電能質量角度來考察.電壓波動大會引起用戶側敏感負荷的非正常運行，從而影響用戶的使用體驗.其計算方法如下[23-24]：

(21)

(22)

式中：Fu為電壓波功率；Umax為最大電壓有效值；Umin為最小電壓有效值；UN為額定電壓有效值；R1為電能路由器轉換的電壓波動率平均值；下標s表示為第s次電能轉換；S為總電能轉換次數.

(2) 頻率穩定性.

頻率穩定同樣是衡量電能質量的重要因素，也會影響到用戶側負荷的正常使用.其計算方法如下：

(23)

(24)

式中：fN為額定頻率；Δf為頻率偏差量；R2為電能路由器的頻率穩定性平均值；Sf為頻率穩定性.

(3) 電壓諧波畸變率.

微網中含有大量的分布式能源及電力電子設備，因此波形畸變是影響電能質量的重要指標，電壓諧波畸變過大將影響用戶側負荷運行，甚至造成故障.其計算方法如下[25]：

(25)

(26)

式中：Eu為電壓諧波畸變率；Ui(i=2,3,…,n)為第i次諧波電壓有效值；U1為基波電壓有效值；R3為電壓諧波畸變率平均值.

1.5.2電能轉化效率

功率轉化效率.電能轉化是電能路由器最主要的功能，可將分布式能源生產的電能轉化為用戶可直接使用或是進行交易的形式，因此其功率轉化效率越高，代表電能在轉化過程中的損耗越小，用戶在使用或是交易時所獲得的收益也就越大.其計算方法如下：

(27)

(28)

式中：Pa為電能轉化效率；Po為輸出功率；Pi為輸入功率；R4為電能路由器功率轉化效率平均值.

1.5.3設備安全性

(1) 穩定運行程度.

硬件設備在運行過程中存在著損耗，作為支撐分布式交易實現、保證負荷供電的重要裝置，電能路由器的非故障運行時間反映了其穩定性與可靠性.其計算方法如下：

(29)

式中：R5為電能路由器穩定運行程度；Tr為其穩定運行時間；Tu為其故障時間.

(2) 工作溫度范圍.

電能路由器在進行能量轉化時，通過的大量電流可能會引起設備的長時間發熱.同時，安裝在用戶側的電能路由器也需要面臨環境溫度的不斷變化.因此，具有較寬的工作溫度范圍對于電能路由器的安全運行十分重要.其計算方法如下：

R6=Tmax-Tmin

(30)

式中：R6為電能路由器工作溫度范圍；Tmax為其最高允許工作溫度；Tmin為其最低允許工作溫度.

(3) 維護成本.

電能路由器的設備維護成本需要從兩方面考慮，一方面是每個周期內的常規設備檢修，另一方面是出現故障之后需要進行的特殊設備檢修.其計算方法如下：

R7=Cm+KCs

(31)

式中：R7為電能路由器維修成本；Cm為常規設備檢修成本；K為設備故障次數；Cs為故障后設備檢修成本.

2 分布式電能交易績效評價方法

分布式電能交易績效評價是通過設置體現分布式電能交易效果的多層次、多維度評價指標，再利用一定的評價方法綜合考慮所提的系列分布式電能交易指標，最終得出定量評價結論的過程.評價方法的選擇與應用則是系列指標設置之外分布式電能交易績效評價的第二部分核心內容，是對已設置的系列指標進行綜合考量，將系列指標值轉化為定性或定量評價結論的過程.

傳統的評價方法主要分為兩類，分別是主觀評價法與客觀評價.常用的主觀評價法一般通過某種方法主觀確定指標權重，然后進行計算分析得出評價，主要包括層次分析法、專家咨詢法等.文獻[26]通過構造判斷矩陣、層次排序及一致性檢驗等步驟，利用層次分析法對所提包含4層32個指標的配電網指標體系進行分析計算得到最終綜合分值，詳細全面地反映了配電網能效水平.文獻[27]提出基于直覺模糊層次分析法，通過構建反映屬性間重要性的直覺判斷矩陣，然后利用直覺模糊數運算獲取指標權重，通過得分函數對綜合評價進行打分得到最終電網運行狀態評價結果.文獻[28]通過9位標度法構造指標判斷矩陣，進行指標判斷矩陣的層次單排序及一致性判斷，最后由專家根據經驗直接干預權重設置，得到電力用戶典型供電模式評價結果.文獻[29]針對用戶側分布式電源參與電力市場情況，設置3層指標體系，采用主觀評價的方式獲取最終評價結果.

客觀評價法則是通過一定的數學理論計算獲取系列指標的權重，進一步計算分析給出評價結果，主要包括熵權法、主成分分析法等.文獻[30]針對熵權法在熵值都接近1時熵權變化劇烈導致的信息傳遞錯誤問題，提出一種改進熵權法計算指標的綜合權重，并通過神經網絡學習快速計算獲取電能質量評估結果.文獻[31]針對主成分分析法在評估過程中面對高維指標的局限性問題，保留指標數據間離散程度差異，提取對評價起主要影響作用的成分，降低指標體系維數，實現對火電機組綜合評價.文獻[32]將云模型、物元可拓理論、理想點法和熵優化算法相結合，對電力市場運行健康評價指標體系的五大類16個指標進行綜合評價.文獻[33]針對電力交易市場的自由化后市場參與者關注的相關成本分配問題，采用熵權法對不同的成本分配方案進行綜合評價.

但是傳統的主觀評價法與客觀評價法均具有不可回避的弊端，主觀評價法通過人為設置權重對指標綜合計算后得出評價結論，其評價結果體現的是個人或群體的主觀意愿，客觀公平性較差；而客觀評價法則一般過度依賴理論，得出的結論大概率忽略了隱性評價目的，而且多數客觀評價法的理論正確性得不到有效證明.而分布式電能交易績效評價需要考慮系統側、用戶側、技術支持方等多個層面，經濟性、可靠性、安全性等多個角度，需要考慮的指標因素更復雜，多樣，應用單一傳統評價方法的弊端更加凸顯.因此，傳統的主觀評價法與客觀評價法已經不再適合作為新興分布式電能交易績效評價的評價方法.

為了能夠得出更加合理的評價結果，近年來一些評價方面的研究不再直接使用主觀評價法或客觀評價法，而是將主觀評價法與客觀評價法相結合，避免單獨使用某種方法時的弊端，使評價方法既不會忽略隱性評價目的，還具有一定的客觀公正性，這對分布式電能交易績效評價方法的設計具有參考意義.文獻[34]分別采用了層次分析法確定基礎權重、采用相關系數法確定相關性權重、用熵權法確定熵權重，最后利用矩陣計算方法合成指標最終權重，該綜合評價模型綜合利用多種評價方法，實現對廣東電力市場的客觀、全面評估.文獻[35]通過乘積方根法對準則層的指標賦權，通過均方差賦權法對方案層的指標賦權，并且利用灰色關聯度法和模糊綜合評價法結合的方式進行橫向與縱向綜合評價，實現了對我國電力市場交易的綜合評價，并通過云南電力市場實際數據驗證所提評價方法的有效性.文獻[36]考慮了定性指標與定量指標、主觀賦權與客觀賦權，融合利用層次分析法、相關系數法、熵權法、證據推理等方法分別求解了指標權重并最終合成，提出了一種全新的電力市場綜合評價方法.文獻[37]采用了層次分析法、灰色關聯分析、多目標優化比率分析和逼近理想解排序法技術結合的方法，對13家公司的數據進行分析，得出最終投資評價結果.文獻[38]在中國電力體制改革的背景下，將層次分析法和熵權法相結合，對電力市場監管的評價指標體系進行處理得到最終評價結論.作為一項新興技術，分布式電能交易相較于傳統電力市場交易呈現一種去中心化的特點，這同時也為分布式電能交易績效評價帶來了利益主體眾多導致的評價結果難以被普遍接受的問題.因此，在借鑒現有電力市場交易評價方法的同時，分布式電能交易績效評價方法既要避免客觀公正性不足，也要充分考慮各項指標，盡量避免客觀評價理論指標數據降維處理過程中的信息丟失問題.

3 分布式電能交易績效評價關鍵技術展望

基于對相關學術論文、研究項目和工程實踐的綜合分析，以及對目前分布式能源交易市場的評價指標和評價方法進行梳理，目前針對分布式能源交易的評價體系吸引了越來越多的研究和探討.但是，大多數研究主要針對能源交易市場機制設計、交易平臺兩大方面進行研究.要進一步實現分布式能源交易市場的穩定運行，必須要充分考慮到售電方、購電方、配電網、市場協調者之間的互動銜接，以及各方內部不確定性因素的影響，形成相互制約、優勝劣汰、公平透明的市場交易機制[39].為此，可以從以下幾個方面構建起市場評價機制.

(1) 分布式能源交易綜合評價指標體系.在評價指標體系構建時，應突破傳統電力市場單向運行、自然壟斷和規模效應的特點，充分考慮分布式能源的雙向運行以及可再生能源間歇性、隨機性和靈活性的特點.評價指標體系需要涵蓋分布式能源供用能的用能質量、可靠性、配電網損耗、互動性、經濟性(如財務評價指標、系統經濟性、能源經濟性、成本效率)、公平性(弱勢用戶的利益保障)、安全性、用戶滿意度以及社會效益(如低碳環保、用戶舒適)等多個方面[40-43].指標定義將體現可測度、可分析和可比較的要求.例如，供電可靠性指標將體現于分布式電能交易市場平臺、售電方的設備運行可靠程度與系統持續供電的能力，可以分為設備軟硬件可靠性和系統可靠性評估兩個層面，包括平均故障停電時間、平均停電頻率、系統電力不足期望值等基礎性指標[44].互動性指標(需求側互動性指標)則用于反映分布式電能交易中用戶側與微網系統、售電側與微網系統、用戶側與售電側的互動水平，可體現為“用電方-交易平臺”“售電方-交易平臺”“用電方-售電方”之間的互動程度及其對能效提升、清潔能源占比提高等的貢獻程度.包括削峰填谷、頻率響應、電壓支撐、分布式電源即插即用能力(分布式能源接入能力)、智能電表普及度等.用戶滿意度指標由對一定范圍內用戶的投票經折算后得到，用來反映購電方在用電過程中對售電方提供電能的質量和穩定性，提供服務的滿意度，以及用戶對端對端能源交易中，針對集中式市場和分散式/分布式市場提供服務水平、用戶隱私維護、用戶自治性等方面的滿意度[45].

(2) 績效評價指標計算方法.在指標計算時，存在如運行成本、投資回報率一類的可量化指標，如用戶滿意度、舒適度一類的難以量化指標，以及如環保、公平一類的不可量化指標.針對這3類指標的不同性質，應采用主客觀綜合評價的思路協調考慮，對難以量化和不可量化的指標進行模糊分析、區間計算等處理方法，可解決此類不確定性問題.

(3) 基于數據驅動的評價方法.在現實中，分布式能源交易是一個非常復雜的行為過程，包括可再生能源存在很大的隨機性和間歇性、用戶行為決策具有很強的不確定性以及市場機制的不穩定性等，因此，很難建立能夠準確表征系統狀態的機理模型.得益于能源互聯網中分布式能源的大量接入，用戶與用戶、用戶與配電網之間的數據觸點不斷豐富，各方融合趨勢不斷加強，同時，考慮到分布式能源系統中存在一部分難以量化和不可量化的指標，可將基于大數據的數據驅動應用在分布式能源網絡中[46-47].相比于傳統的流程驅動，將來源于生產過程中大量的客觀歷史、實時數據作為新型生產要素(或生產資料)，利用數據驅動實現分布式能源各方數據的融合，建立起更加全面的評估體系，不斷優化低效問題環節，能夠克服主觀評價帶來的局限性和片面性，有效解決建模仿真中的精確度問題.

4 結論

分布式能源交易作為有望同時實現能源安全、能源平等、能源可持續3個目標的重要突破口，該領域已在全球學術界、工業界引起了廣泛的關注和討論.綜合評價作為衡量分布式能源交易技術先進性、決策合理性、經驗可推廣性的主要手段，能夠在分布式能源交易市場中起到優勝劣汰、提質增效的重要作用.

針對微網內分布式電能交易市場績效評價進行研究，首先針對分布式交易市場評價指標短缺，覆蓋面較小的現狀，提出了面向市場參與主體及交易支撐軟硬件的績效評價指標體系，從電能供應能力、購電誠信度、平臺安全性、電能轉化效率等方面進行多維度的綜合績效評價，并且以主、客觀方法為重點總結梳理了電能交易市場評價方法的研究現狀.之后從績效指標體系、指標計算方法及綜合評價方法3個方面對分布式電能交易市場關鍵技術進行了分析討論.經過對績效評價指標體系的建立與對國內外分布式交易市場評價方法的研究現狀進行總結歸納，目前分布式能源交易市場綜合評價體系研究存在以下可改進之處.

(1) 分布式能源交易市場評價方法受到評價主觀性以及外部不確定性影響顯著，現有改進方法雖在一定程度上緩解了這種影響，但方法的適用性仍受到改進效果、指標復雜度、樣本數量等因素的制約.

(2) 分布式能源交易市場中，在建立經濟性指標、社會性評價指標過程中較多關注單一的某側，未考慮分布式能源市場“售電方-配電網-購電方”多環節協同帶來的整體效益，無法充分體現分布式能源交易市場的特點.

(7)

表1 合作基礎S7評價細則
Tab.1 Evaluation rules of cooperation basisS7

歷史交易次數評價0～30最低31～50很低51～100一般101～200很高>200最高

SHANG Liqun, WANG Shoupeng. Application of improved principal component analysis in comprehensive assessment on thermal power generation units[J].PowerSystemTechnology, 2014, 38(7): 1928-1933.

[32] DONG J, WANG D X, LIU D R,etal. Operation health assessment of power market based on improved matter-element extension cloud model[J].Sustainability, 2019, 11(19): 5470.

[33] SHENG J M, CHEN T Y, JIN W,etal. Selection of cost allocation methods for power grid enterprises based on entropy weight method[J].JournalofPhysics:ConferenceSeries, 2021, 1881(2): 022063.

[34] 施建華, 荊朝霞, 陳達鵬. 廣東電力市場評價指標與方法模型研究[J].廣東電力, 2020, 33(8): 111-119.

SHI Jianhua, JING Zhaoxia, CHEN Dapeng. Research on evaluation indexs and method model of Guangdong power market[J].GuangdongElectricPower, 2020, 33(8): 111-119.

[35] 李濤, 王盛煜. 基于灰色關聯度和模糊綜合評價法的我國電力市場交易評價體系研究[J].工業技術經濟, 2018, 37(9): 130-137.

LI Tao, WANG Shengyu. Research on evaluation system of electricity market transaction in China based on gray relational grade analysis and fuzzy analytic hierarchy process[J].JournalofIndustrialTechnologicalEconomics, 2018, 37(9): 130-137.

[36] 施建華. 廣東電力市場評價指標與方法模型研究[D]. 廣州: 華南理工大學, 2020.

SHI Jianhua. Research on evaluation indexes and methods of Guangdong power market[D]. Guangzhou: South China University of Technology, 2020.

[37] NGUYEN P H, TSAI J F, VENKATA AJAY KUMAR G,etal. Stock investment of agriculture companies in the Vietnam stock exchange market: An AHP integrated with GRA-TOPSIS-MOORA approaches[J].TheJournalofAsianFinance,EconomicsandBusiness, 2020, 7(7): 113-121.

[38] HE J, ZHAO W, HUANG H Z,etal. The evaluation system of power market monitoring based on AHP and the entropy method[J].IOPConferenceSeries:EarthandEnvironmentalScience, 2021, 831(1): 012027.

[39] 何濤. 適用于分布式能源交易場景的區塊鏈關鍵算法與技術研究[D]. 成都: 電子科技大學, 2020.

HE Tao. Research on key algorithms and technologies of blockchain for distributed energy trading scenarios[D]. Chengdu: University of Electronic Science and Technology of China, 2020.

[40] SHALUKHO A V, LIPUZHIN I A, VOROSHILOV A A. Power quality in microgrids with distributed generation[C]∥2019InternationalUralConferenceonElectricalPowerEngineering. Chelyabinsk, Russia: IEEE, 2019: 54-58.

[41] ABDULGALIL M A, KHALID M, ALSHEHRI J. Microgrid reliability evaluation using distributed energy storage systems[C]∥2019IEEEInnovativeSmartGridTechnologies-Asia. Chengdu, China: IEEE, 2019: 2837-2841.

[42] RAVADA B R, TUMMURU N R, ANDE B N L. Photovoltaic-wind and hybrid energy storage integrated multisource converter configuration-based grid-interactive microgrid[J].IEEETransactionsonIndustrialElectronics, 2021, 68(5): 4004-4013.

[43] SHENG H Z, WANG C F, LI B W,etal. Multi-timescale active distribution network scheduling considering demand response and user comprehensive satisfaction[J].IEEETransactionsonIndustryApplications, 2021, 57(3): 1995-2005.

[44] 陳瑋. 新能源背景下的主動配電網故障恢復關鍵技術研究[D]. 杭州: 浙江大學, 2020.

CHEN Wei. Research on service restoration of active distribution networks under the background of renewable energy[D]. Hangzhou: Zhejiang University, 2020.

[45] MARTORANA F, BONOMOLO M, LEONE G,etal. Solar-assisted heat pumps systems for domestic hot water production in small energy communities[J].SolarEnergy, 2021, 217: 113-133.

[46] ZHAO H, ZHAO J H, QIU J,etal. Data-driven risk preference analysis in day-ahead electricity market[J].IEEETransactionsonSmartGrid, 2021, 12(3): 2508-2517.

[47] STRINGER N, HAGHDADI N, BRUCE A,etal. Fair consumer outcomes in the balance: Data driven analysis of distributed PV curtailment[J].RenewableEnergy, 2021, 173: 972-986.