基于區塊鏈的多互聯微電網分布式協調優化調度

曹正斐，張忠輝，董治成，張文睿，丁晉晉

（國網張掖供電公司，張掖 734000）

在國家雙碳目標下，高效、清潔、低碳是當今世界能源發展的主流方向，以太陽能、風能、水能為代表的清潔能源發電將成為主導[1]，清潔能源需要電力設備轉化為電能，并依托大范圍互聯電力系統，才能實現高效開發利用[2]。傳統單一微電網已經難以滿足大范圍區域的源荷平衡需求，其集中式分層管理方法不再適用微電網群協調控制。我國新能源系統規模巨大且網絡結構復雜，伴隨著分布式多元電源大量接入，以及與柔性負荷的互動運行，都增加了系統運行的不確定性，使得多區域微電網互聯調度計劃制定和維持多區域微電網系統安全穩定運行變得更加復雜困難。如何有效解決微電網群內及多互聯微電網群間的能量管控、實現各個微電網的經濟運行、保證微電網群整體利益最大化等問題亟待解決[3]。

為有效促進新能源跨區域消納，提升多微電網群供電可靠性，國內外學者在多區域微電網群優化調度領域做出諸多研究。多區域微電網集群優化模式主要分為集中式優化和分布式優化兩類。對于集中式優化，文獻[4]考慮微電網中不同分布式電源存在互補性，利用全景理論的能量函數將多微網進行分組聚合；文獻[5]針對離網型鄰近海島多微電網互聯系統，通過結合蒙特卡羅的粒子群優化算法實現互聯系統聯合運行優化。然而集中式優化并不適用于大范圍多區域優化，集中式調度中心對于區域聯合優化模型求解困難，且難以揭示多主體間的交互行為，易受調度中心系統故障及各子區域微電網的影響，區域內各主體愈發注重隱私使得集中式協調優化變得更加困難。分布式優化有助于解決集中式優化所面臨的難題，文獻[6]采用交替方向乘子法對多微電網互聯系統進行分布式調度優化，該方法雖然存在集中調度中心但其不參與優化調度計算，將其稱為“偽分布式調度”；文獻[7]基于點對點通信，結合具有二階收斂速度的分布式牛頓法和基于一致算法進行信息傳遞，實現了微電網群運行成本的全分布式運行優化。但是在實際多區域微電網互聯中，多區域內部單元分布較分散，對通信能力及可靠性要求高。同時，現有的調度控制方式具有絕對的權限，不能有效接受外界監督，容易出現事故問題等。區塊鏈技術的分布式分類賬、數據共享、智能決策、去中心化、可追溯等特性[8-10]為解決該問題提供了新思路。同時，區塊鏈的網絡結構和多微電網互聯系統中分布式能源具有相似的分布式拓撲結構，為實際設備之間數據交互和信息安全傳輸提供了有利條件[11]。

基于以上問題，本文引入區塊鏈技術，設計了基于區塊鏈的多微電網互聯結構3 級模式的分布式協調調度架構，將集中式調度轉換為全新的部分去中心化、區域電網間信息交互的分布式調度模式。然后，構建了兩階段優化調度模型，日前預調度階段旨在形成預調度計劃，并通過廣播區塊進行廣播；在日內實時調控階段，各節點接收并驗證預調度廣播后，對預調度功率偏差進行實時調控，構建以微電網區域內運行成本最優為目標的實時調控模型。其次，通過列約束生成C&CG（column constraint generation）算法將構建的日前-日內雙層調度模型分解成主、子問題進行交互迭代求解。最后，通過算例分析驗證了本文所提方法的可行性，有效地提高了區域微電網互聯系統的新能源消納能力和區域整體的經濟性。

1 基于區塊鏈的多互聯微電網協調調度架構

1.1 多微電網互聯系統調度架構

如圖1 所示，本文基于區塊鏈技術設計了多微電網互聯系統多層協調調度決策框架。微電網內相互協作的各主體主要包括分布式發電DG（distributed generation）設備、負荷聚合商LA（load aggregator）和儲能設備ESS（energy-storage systems）。DG作為源側，通過分布式風電、微型燃氣輪機等設備為微電網內外提供穩定可靠的電力。LA包括固定負荷、可平移負荷、可削減負荷等，通過有償調節用能行為參與互動響應，充分調動可控負荷的積極性。ESS 是微電網內的能源存儲設備，通過對ESS充放電來補償DG 出力的波動性和不可控性，增強系統的DG接納能力和提高能源利用效率[12]。微電網內各設備作為統一主體對外參與互聯系統分布式調度和安全運行，對內聚合自身服務范圍內的靈活性資源，促進系統能量供需平衡。多微電網互聯系統分布式調度機制主要包括互聯系統日前預調度計劃和日內實時運行調控兩個階段。首先，在前一天由區塊鏈調度中心制定未來24 h內時隔15 min的調度計劃，然后通過各主節點向各區域微電網進行廣播；然后微電網根據接收到的經濟調度方案，在保證安全經濟約束的前提下進行區域內自治優化。多微電網預調度和實時調控兩階段存在順序銜接關系，并通過微電網間交互迭代，實現區域整體運行成本最優目標。

圖1 基于區塊鏈的多微電網互聯系統調度架構Fig.1 Scheduling framework for multi-microgrid interconnected system based on block chain

1.2 多微電網互聯系統的區塊鏈群交互運行機制

多區域微電網協調調度過程中，各微電網需要獲取其他微電網設備運行信息（例如DG、LA、ESS等），微電網間將出現頻繁的分布式雙向電力和數據通信。區塊鏈數據存儲管理技術能夠低成本、高效率存儲微電網間交互數據，并且區塊鏈通信鏈路技術的去中心化、加密傳輸可以實現個體之間高效、準確、全局的信息交互與共享，可為協調調度過程和區域電網安全運行提供數據支持和去中心化管理。

區塊鏈與多微電網互聯系統具有相似的拓撲形態，從兩者技術融合的角度出發，設計了如圖2所示的多微電網互聯系統的區塊鏈交互運行機制。在微電網區塊鏈感知層，通過在分散式節點布置不同類型的傳感器、智能電表等收集和預處理基礎數據，將感知層所獲得的數據通過固件層的加密技術與共識機制、合約層的智能合約與激勵機制、應用層的分布式計算等區塊鏈技術組合成資產鏈、技術鏈和調度鏈的區塊鏈群[13]。資產鏈可實現大規模分布式“無信任”資產管理，并將可調配資源容量、調配時間段、所處地域等信息進行能源認證后寫入區塊鏈，為區塊鏈群實現提供數據存儲和運算基礎；技術鏈主要通過運用分布式的估計方法對微電網各節點的狀態進行估計和分析，并形成發用電計劃；調度鏈則對技術鏈提供的互聯系統發用電計劃進行安全校核管理，實現微電網系統運行、決策和調度。

圖2 多微電網互聯系統的區塊鏈體系架構Fig.2 Block chain framework for multi-microgrid interconnected system

1.3 智能合約及激勵機制設計

區塊鏈技術中的智能合約預先編譯協定并存儲在區塊鏈的程序代碼中，實現實時調度決策響應效果[14]。在日前預調度階段，調度中心區塊鏈群通過各分散節點收集并聚合各微電網供用側需求，形成發用電計劃；在日內實時調控階段，將發用電計劃編譯成智能合約的形式并自動執行代碼進行微電網內獨立運行優化。

基于智能合約的多微電網兩階段聯合滾動優化流程如下。

步驟1數據上傳階段。各微電網上報未來24 h的源荷預測結果。

步驟2微電網兩階段決策階段。生成兩階段優化目標函數，多次迭代優化運算，輸出全局最優策略。

步驟3調度中心安全校核。調度中心根據各微電網節點上報的優化結果進行網絡安全驗證校核，得到調整后的校核方案。

步驟4激勵實時調控。為刺激互聯系統中各微電網積極參與日內實時運行調控，利用智能合約自動指導激勵分配，評估各微電網節點參與實時調控作出的貢獻度給予一定獎勵。該獎勵可以是虛擬貨幣或者安全校核、阻塞管理等操作的優先權。

2 多區域微電網互聯系統兩階段協調調度模型

2.1 日前預調度模型

考慮多區域微電網互聯系統的整體經濟性，各微電網間主要通過聯絡線進行功率交換。以區域整體運行成本最低為優化目標構建日前預調度模型，其目標函數的表達式為

式中：T為日前調度時間間隔，取T=96；M為微電網個數；n為微電網m中分布式電源數量；PDG,i,m,t為t時段微電網m中分布式電源i的出力；CDG()為互聯微電網整體運行成本函數。各成本的表達式為

式中：Cin為微電網初始投資成本；Cma為分布式設備維護成本；Co為微電網運行成本；Cen為環境成本；p為運行中的分布式電源設備數量；Ai為分布式電源i的運行設備所占比率，取值為[0，1]；Cin,i為單種設備投資成本；r為銀行利率；α為設備使用年限；CDG,i為分布式電源i的維護成本；PDG,i為分布式電源i的出力；TDG,i為分布式電源i的運行周期；為分布式電源i的最大出力；β為設備運行年限；Ct,i為t時段分布式電源i的運行成本；δDG,i為分布式電源i的燃料消耗速率；Cs,i為分布式電源i的燃料消耗速率；Cz,i分別為分布式電源i的第z種污染氣體的排放成本；lz為第z種污染氣體排放對應輸出功率參數；Dz,i、Bz,i為分布式電源i對應第z種污染氣體的一、二次項系數；w為排放污染氣體種類數量。

日前預調度階段約束主要是保證供用電之間的功率平衡、各DG出力不越限、各微電網內部線路安全約束及互聯微電網交換功率限制等，其約束條件的表達式為

2.2 日內實時調控模型

在微電網日前調度階段，由于風電和光伏等新能源出力的不確定因素，使得發電日前預測出力與實際出力之間存在較大偏差，對各微電網經濟性調控決策產生影響。本文通過區塊鏈向各節點廣播實時調控激勵方案，刺激互聯系統中各微電網積極參與日內實時運行調控，采用權威證明（proof of authority）共識機制，賦予不同節點一定的決策權、話語權參與實時調控，實現弱中心化的“共治”決策，保證微電網實時滾動優化運行。實時調控優化目標主要是以各微電網實時調控成本最優，其優化變量主要包括常規機組下調及上調成本ΔCG_down和ΔCG_up、儲能實時調控成本ΔCES、微電網間交互成本ΔCex、棄風棄光懲罰費用Closs、燃氣輪機實時出力不可控調控成本、與配電網交易調控成本ΔCM、微型燃氣輪機調控成本Cr。實時調控階段的目標函數及約束條件的表達式為

式中：NC為常規機組數量；分別為常規發電機組i在τ時間段的上調功率、上調單位功率的懲罰成本；分別為常規發電機組i在τ時間段的下調功率和下調單位功率的懲罰成本；Cch、Cdis分別為儲能設備充電、放電的單位功率成本；NW為新能源發電設備數量；分別為儲能設備充電、放電的調整功率；分別為微電網向主電網購電和售電的電量調整量；λM為調整電價；λloss為新能源發電設備棄風棄光懲罰單價；分別為新能源發電設備j在τ時間段的出力和調度出力；為松弛變量，表示為供氣調整量；Q為微型燃氣輪機數量；λr為供氣不可行懲罰費用。

3 問題轉化與求解過程

本文將構建日前-日內兩階段調度模型轉換為自適應性魯棒兩階段優化模型[15-16]進行求解，使兩階段決策過程能根據互聯系統源荷等隨機變量的實際變化來進行自適應性調整。轉換后的自適應兩階段魯棒調度優化模型的目標函數為

式中：x為第日前預調度階段決策變量，表示發用電計劃；g為日前預調度階段目標函數；ζ為隨機變量，表示新能源出力及負荷功率的不確定性；y為日內實時調控階段的調控變量；f(y)為日內實時調控的目標函數；Ω(x,ζ)為y的可調控變量集合；U為隨機變量ζ的不確定性集合。

本文利用C&CG 算法對轉換后的目標函數進行求解，并將其寫成緊湊矩陣形式，即

式中：Ω為可調控變量集合；cTx為日前預調度階段目標函數；dT為調控目標函數系數矩陣；u為不確定性向量；Θ(x,u)為實時調控函數約束條件緊湊形式。Θ可表示為

式中：y|為實時調控階段目標函數；H、E、F、G、L為相應的系數矩陣；b為系數向量。

進一步將模型解耦成主問題和子問題進行迭代求解。主問題的目標函數和約束條件的表達式為

式中：m為迭代次數；為最壞情況發生概率；K為迭代計算總次數；ym為第m次迭代調控目標函數；H1(x)為主問題不等式約束；G1(x)為主問題等式約束；η為實時調控階段最壞情況下調控成本。

子問題的目標函數和約束條件的表達式為

式中：H2(xm,y)為子問題不等式約束條件；G2(xm,y)為子問題等式約束條件。

在主-子問題交互迭代求解及潮流計算過程中，由于涉及到主-子-主的遞階關系，并且多微電網互聯系統的供電網絡拓撲結構復雜，采用集中式方法將占用較大計算資源，影響了求解效率。因此，本文將C&CG 算法與區塊鏈節點的邊緣計算方法[17-20]進行結合，使得各微電網節點進行分布式并行計算，以提高求解效率。通過上述計算可以更高效地得出互聯系統經濟最優策略。算法求解流程如圖3 所示，其中UB、LB 分別為目標函數上限初值、下限初值；分別為目標函數上限最大值、下限最小值。

圖3 CC&G 算法求解主-子問題的流程Fig.3 Flow chart for solving main-subproblem by CC&G algorithm

4 算例分析

4.1 算例設計及基礎數據

本文啟動4 個Docker 容器作為虛擬機運行基礎環境，利用Docker容器作為Hyperledger Fabric 的運行環境，其中有3 個節點作為微電網主節點，節點23作為調度中心節點，采用fabric-chaincode-java編寫智能合約。將IEEE64 節點系統分解為3 個微電網區域，其中微電網1 包括1～22 節點，節點2 為主節點；區域2包含23～47節點，節點26為主節點；區域3包括48～64節點，節點57為主節點。兩區域微電網間聯絡線傳輸極限為10 MW。三區域微電網各分布式設備容量配置及節點位置如表1 所示。風電維護成本為0.029 4￥/kW，光伏維護成本為0.009 4￥/kW，燃氣輪機維護成本為0.074 5￥/kW，儲能設備維護成本為0.082 7 ￥/kW。儲能設備相關參數如表2所示。

表1 分布式設備容量配置及節點位置Tab.1 Distributed equipment capacity configuration and node location

表2 儲能設備相關參數Tab.2 Related parameters of energy-storage equipment

為了驗證本文方法的有效性，設計了一個三區域微電網組成的系統進行算例分析，互聯微電網典型日負荷預測情況如圖4所示。

圖4 互聯微電網典型日負荷預測情況Fig.4 Typical daily load forecasting of interconnected microgrids

4.2 算例結果分析

4.2.1 日前預調度階段

多微電網互聯系統采用3 層兩階段調控策略。首層為區塊鏈調度中心層，主要考慮輸配電網調度計劃與多微電網互聯系統響應間的能量交互，并下發日前預調度計劃至中間層主節點；下層微電網根據主節點預調度計劃實現各個微電網優化運行，同時考慮微電網之間的能量交互，實現相鄰微電網單元之間的電能交換。根據日前預調度階段計劃，各個微電網優化運行及與配電網電量交互情況如圖5所示。

圖5 多微電網互聯系統日前預調度功率情況Fig.5 Day-ahead pre-scheduling power of multimicrogrid interconnected system

如圖5 所示，各個微電網的DG 出力與負荷情況不同，其與外部電網進行能量交互情況也存在差異，其中，負值為向外賣電來獲取經濟效益，正值為從外界電網購電來滿足自身需求。在日前預調度階段，微電網1 大部分時間都在向外界輸送電量，主要是因為風電和光伏機組出力能較好地滿足本區域微電網的負荷需求，過剩的電量向外界輸送獲取經濟收益；微電網2、3則更多地需要依靠從外界購電來滿足各自區域內的負荷需求。對于多微電網互聯系統，在大部分時間內各個微電網都是在互補支撐運行，體現了區塊鏈智能調度中心在日前預調度階段對互聯系統進行分布式協同調度的優勢。

4.2.2 日內實時調控階段

在日內實時調控階段，各個微電網根據上層調度計劃進行獨立運行優化，由于負荷預測和DG 出力的不確定性，導致互聯系統產生不平衡功率。為保證各個微電網供需平衡，需要根據日內調度需求對日前調度誤差進行實時滾動調控。

如圖6 所示，通過對日內實時調控修正日前預調度偏差，除了在t=8 h時段日前實時調控出力與實際出力出現較大偏差，其余時刻均實現了高準確度實時調控，滿足了多微電網互聯系統日內功率調控能夠跟隨電網實際調度需求，有效降低了日前預調度功率偏差。

圖6 多微電網互聯系統實時調控功率輸出Fig.6 Power output from multi-microgrid interconnected system under real-time control

如圖7 所示，在t=1～7 h 時段，整個多微電網互聯系統出力低，上層區塊鏈調度中心做出調度決策，從配電網購電來保證互聯區域負荷工作，同時給微電網儲能設備充電。在t=15～16 h時段，多微電網互聯系統DG 出力充足，同時該時段分時電價較高，因此在該時段內向配電網售電來獲取收益。

圖7 互聯系統日內儲能功率調控及功率交換特性Fig.7 Characteristics of energy-storage power scheduling and power exchange in interconnected system

表3 給出了傳統調度方法與本文方法運行成本對比。在日前預調度階段，傳統調度方法運行成本低于本文方法，其主要原因是傳統調度方法未充分考慮風電和光伏等新能源發電及負荷預測不確定性的影響，致使傳統調度方法在實時調控階段調控運行成本和棄風棄光損失較高。故綜合考慮兩階段總運行成本，本文方法要低于傳統調度方法。

表3 本文所提調度方法與傳統調度方法運行成本對比Tab.3 Comparison of operation cost between the proposed and traditional scheduling methods

在計算效率方面，本文所提的各微電網節點進行分布式并行計算時間為83.4 s，其中潮流計算時間52.2 s，而傳統集中式調度算法計算時間431.3 s，其中潮流計算時間為327.1 s，本文方法的調度決策時間更短，采用區塊鏈技術下的分布式并行計算提高了計算效率。

5 結語

本文基于區塊鏈拓撲結構與多微電網互聯系統網絡結構高度的相似性，以及可實現集中式調度難以達到的可擴展性和兼容性，首先構建了基于區塊鏈的多微電網互聯結構三層兩階段調度模式的分布式協調調度架構，并設計了多微電網互聯系統的區塊鏈群交互運行機制；然后，將多微電網互聯系統聯合優化問題，分解為日前預調度階段和日內實時調度階段兩階段模型；其次，通過CC&G 算法將兩階段模型轉換成主-子問題進行交互迭代求解，并結合區塊鏈邊緣計算方法進行分布式并行求解；最后，通過三區域微電網互聯系統進行算例分析，表明本文方法能有效地降低微電網運行成本，增加互聯系統新能源消納率和經濟收益，提高調度決策效率。