基于區塊鏈的多主體梯級水電市場交易模型

葛曉琳，薛鈺，侯昊宇

(上海電力大學 電氣工程學院, 上海 200090)

0 引 言

隨著電力市場化改革的推進，同一流域中的梯級上、下游水電站分屬于不同的發電企業參與電力市場交易[1]已經成為一種趨勢。水電在消納條件較好地區將安排優先發電計劃，國家鼓勵通過競爭方式確定水電價格，探索通過招標等競爭方式確定水電項目業主和上網電價[2]。水電企業在參與市場交易的同時還要應對流域梯級上下游水力-電力耦合、電能時空分配、綜合用水需求、流域多利益主體協調等復雜問題[3]。因此，為實現水電資源的優化配置，設計有效的多主體梯級水電市場交易模型已成為亟待解決的問題。

2019年5月10日，國家發改委、能源局發布《關于建立健全可再生能源電力消納保障機制的通知》[4]，明確提出規范市場報價和市場披露機制，強調了完善電力市場信息披露的重要性。因此，建立安全、高效、透明的梯級水電市場交易模式對于水電企業至關重要[5]。區塊鏈技術的引入能夠保證資產交易記錄的透明和快速查閱[6]。作為信息領域的前沿性技術，區塊鏈技術在電力領域也受到廣泛關注[7]。文獻[8]提出了一種能源區塊鏈網絡模型，并將其引入虛擬電廠的運行調度過程，提高了虛擬電廠整體運行效率。文獻[9]提出一種基于區塊鏈技術的需求側響應資源點對點交易框架并分析了基于區塊鏈技術的分散需求側響應資源交易中的關鍵問題。文獻[10-11]分別提出了基于區塊鏈的多能互補系統關鍵問題和交易體系。雖然區塊鏈技術在電力系統領域中的研究已有初步成果，但尚未有直接應用到梯級水電市場交易領域的先例。梯級水電站眾多并且隸屬于多投資主體，傳統的梯級水電市場交易由獨立的系統中心完成最終出清過程使得梯級水電市場交易具有不透明性。現有的加密模式相對單一，易被攻破，而梯級水電由于其隸屬于不同市場主體的特點導致其在市場交易過程對信息的安全保密機制要求高[12]。因此，如何基于區塊鏈技術建立多主體梯級水電市場交易模式仍需進一步研究。

此外，目前我國梯級水電市場交易規模在不斷擴大，各水電運營商主體在市場環境下的利益博弈給傳統梯級水電的經濟優化調度帶來巨大挑戰[13]。目前針對梯級水電市場交易模型，大多是從流域整體效益最大化或是多主體競價角度開展研究。其中，文獻[14]以社會效益最大化進行市場出清，探索了下游電站利用有限出力制定自調度投標策略；文獻[15]構建了市場競價環境下梯級水電站整體優化調度模型。文獻[16]則以市場內不同利益主體水電站均以實現自身利益最大化為決策目的進行分析從而開展水電競價交易研究。然而上述文獻均從單一角度進行分析，若在梯級水電市場交易中僅考慮以社會效益最大化為目標，則忽略了梯級水電多主體發電運營商的精確性建模；若僅考慮以發電商個體利益最大化為目標，則不利于流域梯級電站的統一調度。面對開放和競爭的電力市場，梯級水電站群如何實現多主體在個體和整體的統一協調優化值得進一步研究。

在上述背景下，文章提出了一種基于區塊鏈網絡的多主體梯級水電日前市場交易模型并引入目標級聯分析方法進行求解。首先建立了基于區塊鏈技術的梯級水電市場交易模式并且對傳統區塊鏈加密算法進行改進。然后對梯級水電隸屬于多主體發電商進行了精細化建模，并建立各電站之間的關聯性約束反映梯級水電上下游之間的耦合關系。最后，引入目標級聯分析方法，將多主體發電商與整個梯級水電流域作為不同利益主體建立兩級遞階優化調度模型，分別以發電商收益最大化和整個流域購電成本最小化為目標通過發電功率進行聯絡求解，并實現梯級流域整體效益與各發電商個體效益的協調優化。基于長江干流某三庫梯級水電站系統的算例表明，所提區塊鏈和目標級聯分析法應用于多主體梯級水電日前交易的可行性和有效性。

1 基于區塊鏈技術的梯級水電市場交易模式

1.1 區塊鏈基本原理及應用于梯級水電市場交易的適用性分析

所謂區塊鏈，也被稱為一種去中心化的分布式賬本數據庫，特點是去中心化、公開透明，讓每個人均可參與數據庫記錄[17]。區塊鏈技術為資源交易平臺提供了一個無中心定價機構，低準入門檻，能夠保證交易信息透明公開，保證用戶信息隱私的交易平臺[18]。在互不信任的多主體并重、各方相對均衡的情況下，由于區塊鏈的共治和共識思想[19]為梯級水電的電力市場交易參與主體提供了交易透明化的可能性。市場主體每一方都有機會主導和決策，但執行結果受到各方的監督，必須得到各方認可方可生效，實現了各主體之間的相互制衡，避免一家獨大。隨著我國電力體制改革的推進，電力交易機構將由過去的單一中心機構主導變為多主體共同主導，為梯級水電站上下游梯級水電站發電企業策略型競價提供了新的指導，也為區塊鏈技術在梯級水電市場交易中的應用提供了可能。基于區塊鏈的梯級水電市場交易模式如圖1所示。

1.2 基于Keccak算法的區塊鏈加密模式改進分析

區塊鏈技術的核心是通過散列加密算法對數據進行加密實現數據的可靠性，傳統加密算法通常為MD5，然而已有文獻已經給出MD5算法的破解的方法[20]。為了克服這一問題，文中采用Keccak算法對梯級水電市場交易數據進行加密，具體加密過程如圖2所示。

圖1 基于區塊鏈的梯級水電市場交易結構圖

圖2 Keccack算法加密過程流程圖

首先，以一串自定義的隨機字符串表征梯級水電運營商的交易數據，形成散列值。接著，為了進一步提高算法的安全性，防止報價封裝過程被碰撞破解，在加密的基礎上再引入一個不可重復的隨機變量作為每個交易數據的密鑰進行混淆。該隨機變量采用雪花算法生成。依據雪花算法依次生成機器ID，計數到的最后毫秒數作為當前的時間戳，新的ID序號作為隨機變量加入到新的散列值中。通過以上過程保證了系統中密鑰的唯一性。最終，投標者在密封數據階段提交經過加密得到的一串不可篡改、難以攻破的交易數據散列值，為市場交易環節中智能合約驗證報價信息的一致性提供先行條件。

1.3 基于區塊鏈技術的梯級水電站多運營商主體市場交易流程分析

將基于區塊鏈技術的梯級水電站多運營商主體市場報價流程分為四階段:(1)發布交易：梯級水電發電商根據徑流預測情況以及自身電量需求生成并提交報價策略;(2)密封報價：在報價階段梯級水電發電商利用不可逆向求解、易于校驗的哈希函數，將自己的真實報價以一串自定義的隨機字符串表示，再進行keccak加密作為密封報價，在密封報價階段提交。智能合約將驗證是否與密封報價階段提交的信息一致，若不一致，則認為該報價無效;(3)優化決策:在優化決策階段，按照所建立的市場交易模型對報價和競標電量進行優化，并提交給智能合約，智能合約對調整后的報價再一次進行加密處理。中標電量與成交價格一旦經智能合約確認，便無法篡改。優化決策階段將在第2節部分進行介紹;(4)交易結算:在規定的電能交易結算時間內，梯級水電市場交易的全部主體上傳該時段的電能使用情況至智能電表。智能電能表[21]將向智能合約反饋實際發用電情況，智能合約根據反饋的數據進行交易結算。梯級水電市場交易流程圖如圖3所示。

圖3 基于區塊鏈的梯級水電市場交易流程圖

2 多主體梯級水電交易模型及其求解

2.1 多主體梯級水電日前市場交易模型

2.1.1 目標函數

根據目前梯級水電站的市場競價規則，電站單獨競價將可能導致水電電量不匹配，如在競價階段，各電站單獨競價時，由于不明確上游運行方式，無法確定日前現貨市場競價的量價申報方案，尤其是電量方案；在競價出清后運行階段，由于上下游中標電量不匹配，則存在上游電站蓄水不發電，下游電站雖有中標電量卻無水發電等問題。因此為了在多主體梯級水電發電商市場出清模型中考慮到整個梯級流域上下游的水量電量匹配問題，將目標級聯分析法[22]應用到梯級水電日前市場中，在個體層面以各梯級水電發電商主體收益最大為目標,在整體層面以梯級流域社會福利最大為目標。

(1)各運營商發電效益最大。

目前中國同一流域梯級水電站數目眾多且屬于不同發電主體，在綜合考慮常規的水力和電力調度約束條件，以梯級水電站調度期內各發電商發電效益最大為個體優化目標。

(1)

式中Bm表示第m個發電商在交易周期內的總發電效益；t表示時段序號，T表示時段數目；πtclear為t時刻的出清電價；am,n為矩陣Am,n中第m行第n列元素，矩陣Am,n為發電商與梯級水電的關聯矩陣；若水電站n隸屬于發電商m，am,n相應取值為1，否則為0；Pm,n,t為第m個發電商所屬的第n個電站在第t時段的競標電量。

(2)整個流域購電成本最小化。

電力市場中社會福利一般是指總負荷效用函數減去總購電成本函數[23]。由于文中暫不考慮用戶側效用函數，所以社會福利最大化，等價為購電總成本最小化，具體表達式如下：

(2)

2.1.2 約束條件

(1)水量平衡約束。

(3)

式中Vn,t為水電站n在時段t的庫容；In,t為水電站n在時段t的來水預測值；Sn,t為水電站n在時段t的棄水流量，ni為水電站n的第i個直接上游水電站；Ωn為水電站n的直接上游水電站集合；τi為第i個直接上游水電站的水流滯時，Qni,t-τi和Sni,t-τi分別為水電站n的第i個直接上游水電站在時段t-τi的發電流量和棄水流量。

(2)水電站出力約束。

Pm,n,t=am,nηnQn,tHn,t

(4)

(5)

(3)水庫庫容上下限約束。

(6)

(4)發電流量約束。

(7)

(5)棄水約束。

(8)

(6)水庫始末庫容約束。

(9)

(10)

(7)功率平衡約束。

(11)

式中PD,t為時段t的總負荷。

(8)中標電量上下限約束。

(12)

(9)報價上下限約束。

(13)

2.2 目標級聯分析法應用于多主體梯級水電參與日前市場交易模型的求解

考慮到單一主體的傳統集中式優化方法在多主體梯級水電市場交易中難以為繼，亟需提出一種協調多主體自主決策與整體協調優化的方法來解決。由于多主體梯級水電市場交易從個體角度需實現各發電商主體收益最大化，從整體角度需實現流域梯級電站總購電成本最小化。因此，引入目標級聯分析法通過整體與局部之間的交互迭代實現多級系統的協調優化。目標級聯分析法的基本思想是針對梯級水電隸屬于不同發電商主體進行市場交易，建立梯級水電群的兩級遞階優化模型，分別以發電商收益最大化和購電成本最小化為目標通過發電功率進行聯絡求解。通過這種交互迭代漸進收斂的方式進而體現多個主體在市場競爭的同時在局部優化目標和整體優化目標的博弈。

(14)

式中vm,n,t與wm,n,t為拉格朗日乘子，k為迭代次數。

(15)

因此，基于目標級聯分析法的梯級水電日前市場迭代交易模型中(見圖4)，發電商報價模型由式(14)和式(3)～式(11)構成，整個梯級流域的市場出清模型由式(15)和式(11)～式(13)構成。各優化模型并行獨立求解，交疊進行直到滿足收斂條件。

圖4 基于目標級聯法的梯級水電市場交易圖

基于目標級聯分析法的多主體梯級水電市場交易迭代優化的收斂判據如下：

(16)

式中ε為收斂精度。

式(16)表示作為耦合變量的競標量和中標量，在最后一次迭代過程中其差值應滿足精度要求；若收斂判據不能同時滿足，拉格朗日函數的一次項、二次項乘子vm,n,t和wm,n,t的更新原則如下所示：

(18)

式中γ的取值一般為1～3，vm,n,t與wm,n,t的初值一般取為較小的常數。

2.3 基于目標級聯分析法的計算流程

根據以上描述，采用目標級聯分析法求解，具體流程如下：

步驟1：輸入梯級水電站初始參數和拉格朗日乘子初值，令中標電量初值等于競標電量，令迭代次數k=1；

步驟5：重復步驟2～步驟4，直到滿足收斂條件。

3 實驗結果與分析

為了驗證所構建模型的有效性，以某三庫[25](分別記為A、B、C)梯級水電站系統進行算例測試。多主體運營商將梯級水電日前市場交易智能合約發布至以太坊私有鏈，作為市場交易平臺，模擬多主體梯級水電進行仿真測試。圖5為水電站位置關系，表1為各水電站水庫調度的主要參數，天然來水數據參考文獻[26]。假設三庫隸屬于不同的發電集團運營管理。測試計算采用MATLAB與GAMS仿真平臺聯合求解。其中，拉格朗日罰函數乘子初值都設為1.5，收斂精度均設為0.01。

圖5 水電站位置關系圖

表1 某長江干流梯級各電站主要參數

在仿真測試中，梯級水電運營商根據自身實際需求與當前電價預測情況發起一次交易請求。投標者提交的密封報價、密封報量及自定義隨機字符串(以A庫運營商12個時段的報價數據為例)如表2所示。由于哈希函數的不可逆向求解性，一旦投標者的投標數據經過哈希加密便不可更改。此外，若這些投標者能夠及時的獲取交易信息，便可以調整自身下一階段的報價，能夠提高自身的交易競爭力。且A庫運營商每一個時段的密封報價均可體現時間戳，保證了加密結果的唯一性。

為研究梯級水電站隸屬于不同發電商主體對優化結果的影響，比較了水電站A、B、C四種不同的隸屬關系，具體設置如下：

表2 A庫運營商加密的交易數據

(1)情景1：水電站A、B、C分別為三家不同的集團公司運營，三個發電商分別獨立參與競價投標;

(2)情景2：水電站A、B歸屬于同一發電運營商，水電站C單獨一家發電運營商;

(3)情景3：水電站A、C歸屬于同一發電運營商，水電站B單獨一家發電運營商;

(4)情景4：水電站A、B、C為發電運營商，共1個發電商參與競價投標。

各情景下梯級水電站日前調度的發電效益優化結果如圖6所示。從圖6中可以看出當相鄰的兩個梯級水電站隸屬于同一發電商時，發電商以梯級水電站群收益最大為目標進行投標，相較于情景1的三個發電商獨立參與競價投標，電站A、B所屬發電商的收益提高了，9.6%整個流域的收益也提高了5.7% ，這是由于當電站A、B屬于同一運營商時，可以進行協調優化，兩電站之間為了共同利益可以獲得更高的總的發電功率以獲得更大的發電利潤。當不相鄰的兩個梯級水電站隸屬于同一發電商時，下游電站中標趨勢與上游電站相近，且相比較于情景1，C電站與A電站有共同利益進行投標，使得下游電站中標曲線相較于情景一上移，整個流域收益提高了2.3%，此時情景3下C電站個體效益相較于情景1提高了7.2%，這是由于電站A、C為同一發電商進行投標，使得位處下游的電站C獲得更多的投標空間，可在一定程度上提高收益。由此可以看出，通過對各水電站的經濟隸屬關系進行詳細建模，可以更為充分地協調發電資源，實現發電商經濟效益的提升。

圖6 不同情景下A、B、C發電效益

為驗證算法的性能，分別采用集中式優化求解方法與所提的基于目標級聯分析法的分散自治調度方法對該算例進行求解。其中，集中式優化求解方法以梯級流域購電成本最小為目標建模求解。兩種方法的對比結果如表3所示。不同情景下個體收益對比結果如圖7所示。

表3 目標級聯法算法與集中式算法比較分析

圖7 不同情景下個體收益對比

由圖7可知，在情景1下當三個電站分別隸屬于三個不同的發電商時，目標級聯法求得的購電成本相較于集中式算法高2%，然而電站A的個體效益提高了6.4%，電站B的個體效益提高了7.6%，電站C的個體效益提高了4.05%，這是由于A、B、C三電站各自參與投標相互競爭提升各自的投標空間。而在情景2下當相鄰的兩個梯級水電站隸屬于同一發電商時，目標級聯法求得的購電成本相較于集中式算法高1.1%，電站A的個體效益提高了5.6%，電站B的個體效益提高了6.5%，電站C的個體效益提高了4.4%，這是由于A、B電站屬于同一運營商時給位處下游的C電站為了爭取自投標利益提供了更多的投標空間。在情景3下當不相鄰的兩個梯級水電站隸屬于同一發電商時，目標級聯法求得的購電成本相較于集中式算法高0.8%，電站A的個體效益提高了3.3%，電站B的個體效益提高了8.2%，電站C的個體效益提高了1.8%，這是由于A、C電站屬于同一運營商時給B電站爭取自投標利益提供了更多的投標空間。在情景4下當三個電站隸屬于同一發電商時，目標級聯法相較于集中式算法得出的結果高0.74%，這是由于只有一個發電商進行交易，使用目標級聯法求解既需考慮社會福利最大化還需滿足總發電量最大，兩目標之間進行協調優化，而集中式算法僅需考慮購電成本最小化。由此可見，目標級聯算法能夠在考慮整個梯級水電全局利益的同時協同梯級水電站之間的個體利益，有利于激發個體發電商投標的積極性，并使得整個流域收益得到顯著提高。

此外，由表3可知集中式算法有較快的求解速度，分布式計算過程求解時間緩慢,這是由于本文求解規模小無法全面體現不同算法對模型求解效率的影響。為進一步分析系統規模對模型求解效率的影響，將原來的三庫水電站擴展成12庫水電站(如圖8所示)，其中12水庫中前4個水庫參數按照電站A的參數進行設置，中間4個水庫參數按照電站B的參數進行設置，末尾4個水庫參數按照電站C的參數進行設置。各水電站隸屬關系按照情景1設置，即各水電站隸屬于不同的發電商，進而分別結合集中式建模算法和目標級聯分析法進行求解。

圖8 梯級水電站擴展圖

由圖9可以看出，當梯級水電主體數量較少時，集中式求解規模小而有較快的求解速度，耗時不超過20 s，這是由于計算過程中信息的傳遞使得目標級聯分析法的求解時間增加。隨著多主體數量增加，集中式求解方法的計算耗時呈指數級增長，而分布式的增長幅度則相對緩慢，當電站數量為12個時，集中式算法計算時長高達70 s，而目標級聯算法計算時長只有36 s，整整節約了一半的時間。由此可見，在規模大的算例中，當主體數量較多時，由于系統規模的急劇增大，使集中式求解效率降低；基于目標級聯法的協同優化方法將優化問題解耦，每個子問題的規模較小并且可在并行環境下求解，從而減小了單個問題的整型變量數目，將更加突出目標級聯分析法優越的求解性能。

圖9 集中式算法與目標級聯法計算耗時對比

4 結束語

文中提出了一種基于區塊鏈技術的多主體梯級水電日前市場交易模型，并對梯級水電隸屬于多主體發電商進行了精細化建模。引入目標級聯分析方法，將多主體發電商與整個梯級水電流域作為不同利益主體，分別以發電商收益最大化和社會福利最大化為目標通過發電功率進行聯絡求解，并實現兩個優化模型的并行求解，所得結論如下：

(1)所提方法利用區塊鏈自身的密碼學特點使梯級水電市場交易獲得了更大程度的信息安全保障，對Keccak算法的性能和安全性進行了對比分析驗證了此算法的優越性;

(2)通過對梯級水電站與發電商的隸屬關系進行精確性建模，能夠更好的協調流域梯級水電地理分布與經濟所屬的關系，進而實現流域梯級聯合調度效益最大化;

(3)目標級聯分析法細化了多主體梯級水電站之間的利益博弈，與傳統集中式算法相比，所提方法提高了模型的計算效率和收斂性，并實現了整體效益和個體效益的統一優化。