区块链环境下考虑信用的需求响应资源交易机制

王蓓蓓，王骐鑫，李雅超，赵盛楠，吴 敏

（1.东南大学电气工程学院,江苏省南京市210096；2.国家电网有限公司华东分部,上海市200120）

0 引言

随着智能电网的逐步完善以及售电侧的放开,大量负荷聚合商、服务供应商以及电力用户作为需求侧资源参与电网的互动环节［1］,交易数量、规模以及信息数据随之增加,集中决策的方法会提高交易中心的运行成本和处理时间［2］。另外,在大规模实施需求响应（demand response,DR）业务时,若仍然采用中心化的管控手段,将很难大规模参与用户的交互［3］。区块链技术作为一种去中心化的分布式记账系统［4］,无需第三方参与即可通过分布式方法构建不易篡改的信任数据库［5］,将区块链与DR资源交易相结合有着重要的意义。另一方面,随着智能电网建设的推进,未来需求侧资源参与市场的组合更多样,手段更复杂,所受到的影响因素也更多,有很大的不确定性［6］。而电力系统规模日益扩大,系统复杂性与地域分布广度也越来越大,系统运行极易受到外部因素的影响。如何设计一种长效的引导机制,使得广域分散的需求侧资源持续可靠地为电网调度提供支撑,且无需集中式平台支撑,则是一个值得关注的话题。

目前已有学者探讨了区块链技术应用于光伏交易［7］、DR资源交易［8］等方面的可行性,设计了基于区块链的分布式资源双边拍卖机制［9］、综合DR连续双边拍卖机制［10］以及电动汽车充放电交易的连续双边拍卖机制［11］。在需求侧资源交易方面,文献［12］设计了包含激励的去中心化交易机制以实现需求侧资源灵活有效参与市场。考虑到DR市场的特殊性,DR用户有较高的交易选择权,若其实际响应量与合约量存在偏差,会使电网需要购买更加昂贵的辅助服务资源以平衡电力系统运行。同时DR用户的违约行为会破坏交易主体的信任,降低双方交易的积极性。但现有研究多聚焦于精准调度或者交易,未考虑用户响应不确定性［13］或者违约守信行为给交易双方带来的风险影响,对DR资源的多物权属性考虑不足［14］,从而设计的交易机制中缺少对用户的正向激励以促进其积极履约,因此有必要对DR用户的响应情况进行评估。针对美国PJM电力市场中不同的DR类型,文献［15］建立了不同的响应评估体系,根据用户的响应情况可定量计算出响应效果,通过限制响应效果较差的用户参与之后DR资源交易的容量以减少用户响应的不确定性。而在美国纽约ISO电力市场中,参与DR用户的负荷削减量通过与预先制定的负荷基线作比较进行计算,若参与者没有按期削减负荷,则他们在规定的负荷削减时段的用电将被收取高于日前制定的实时电价的价格［16］。已有文献还探讨了借助区块链技术实现分布式能源交易市场［9］、碳排放权市场中的信用管理［17］,鼓励交易双方的守信行为,以提高交易可信度。本文在已有研究的基础上［15］,将DR市场中用户的信用纳入考虑,以解决响应事件发生时用户的不守信行为给电网带来的风险以及效益损失等问题,从而引导DR市场的长期稳定发展。

本文首先分析了区块链技术与DR资源交易的契合度以及在信用管理上的优势,然后设计了引入信用管理体系的DR资源交易机制及相应的智能合约,最后将智能合约部署在区块链平台上进行仿真验证,结果证明了所设计的考虑用户信用的交易模型可以激励用户守信,维持市场稳定发展。

1 基于区块链的DR资源信用评估及管理

1.1 区块链技术支撑下计及信用的DR交易过程

DR业务的实施涉及电网企业、DR聚合商（aggregator of DR,AODR）、电力用户等多方面［18］,其过程涵盖了大量信息流和资金流操作,需要存储、通信、计算等技术支撑。考虑到区块链技术的去中心化［19］、去信任化以及数据透明化的典型特性,在开展交易主体信用管理上具有先天优势,可以基于区块链平台,建立DR用户信用评价体系,以降低DR市场主体的交易风险。

考虑到DR供应方以及需求方之间的资源交易需要以区块链技术的点对点（peer-to-peer,P2P）网络为桥梁,实现交易双方之间的信息交互,本文设计了区块链支撑下考虑信用的DR资源交易架构,如图1所示。该架构分为物理层及信息层,物理层涉及电能输送以及智能电表的用电数据采集,信息层主要涵盖DR资源的交易过程,包括数据申报、买卖双方匹配、记录存储以及交易结算和价值转移。

图1 基于区块链的DR资源交易框架Fig.1 DR resource transaction framework based on blockchain

步骤1:发布交易和提交补偿金。DR供应方（需求方）提交某一时段的DR资源供应量（需求量）以及价格,订单信息连同DR供应方的信用值将被发送至智能合约。DR供应方授权智能合约从其账户中转移出一定量的补偿金,用于在交易结束之后扣除补偿金额。

步骤2:交易撮合出清。智能合约结合DR供应方信用值将买卖双方的订单进行撮合,达成交易共识后,确定各DR供应方的响应量以及价格。

步骤3:响应效果分析和信用值计算。响应事件结束后智能电表等智能表计自动将数据上传至区块链［20］,根据DR供应方的实际响应情况,对其进行打分,进而更新信用值,该信用值是DR供应方后续参与市场出清时的重要依据。

步骤4:资金转移。智能合约根据智能表计上传的DR供应方的实际响应数据,向其账户地址中转入相应量的以太币,完成资金转移。

1.2 区块链技术支撑下计及信用的DR交易优势

借助区块链技术,考虑用户信用的DR资源的交易机制有如下优点。

1）系统运营商获取真实数据的成本显著降低。DR供应方参与DR的历史信息及信用值在区块链系统中会自动加盖时间戳进行加密,作为分布式总账链条的一环。这些存储于区块链中的数据或信息一旦被篡改,编码就会发生变化［21］。因此,用户无法依靠自身的算力伪造信用值,只能通过积极响应的方式提升信用,避免了传统集中抄表形式下,电网公司为保证数据真实有效性而增加的运营维护成本。

2）系统运营商追溯历史响应数据的便利性。区块链可追溯的特征［22］,使得系统运营商无须花费过多的成本建立一个记录需求侧资源响应情况的数据库,就可以随时在区块链上获取相应的数据,并保证数据的真实可靠性。

3）增强结算数据的公信度。在DR资源交易过程中,众多的交易实体参与互动将带来复杂的交易和结算规则,而智能合约可以实现智能电表与区块链之间数据的无缝对接,通过智能电表上传的数据对用户的响应效果进行评估和结算可以精简交易各个环节的步骤,降低额外的费用。

4）增强高信用值用户参与的积极性。响应用户增加了信用值这一属性,对于高信用值用户而言,其参与市场交易过程中更容易与需求方达成交易；对于需求侧资源需求方而言,选择高信用值用户,更有利于获得稳定的响应量。

2 考虑信用的DR资源交易机制与模型

2.1 交易模型

基于第1章构建的交易框架中步骤1获取的市场主体历史交易记录和报价报量等信息,为了调动市场参与者的响应积极性,在交易的撮合过程中引入信用评级,即用户的信用值影响交易优先权,定义交易优先权值（priority value,PV）为［23］:

式中:PR为电力用户提交的价格；CR为电力用户的信用值。

根据DR需求方的不同,本文设计了2种交易模型,即集中交易（需求方为电网企业）和双边交易（需求方为AODR）。

在集中交易模式下,电网企业作为DR资源需求方,需要综合考虑DR供应方的价格和信用值的影响。电网企业希望在购买优质DR资源的同时,成本花费最低,即目标是最小化购买高信用值DR资源的成本。

式中:λi为第i个供应方的PV；Ωo为DR资源供应方集合；Qi为第i个供应方的报量。

需要满足以下约束条件。

1）DR量平衡约束:

式中:QA为电网企业的总需求量；Qi,o为第i个电力用户的响应量。

2）DR供应方可响应量的上下限约束:

式中:Qi,o,max和Qi,o,min分别为第i个DR供应方响应量的上、下限。

在满足约束（3）和（4）的基础上,求解式（2）即可得DR资源的购买策略。

在双边交易模式下,DR资源需求方发布需求量及报价,按照报价由高到低形成需求订单表。DR供应方的信用值决定其对该表的访问权限［17］:信用值为4的供应方权限为100%,即可以与所有需求方进行匹配；信用值为3的供应方对该表的访问权限为75%,即可以与订单表中报价最低的75%进行匹配；信用值为2的权限为50%；信用值为1的权限为0%。DR供应方希望出售的DR资源价格越高越好,以此获得更高的利益,因此会选择自身权限范围内所能接受的最高报价。在市场实施的初期阶段,本文的这种方式可以引导DR用户降低其响应的不确定度,在市场实施中后期,如果市场参与者响应信用程度较高,可以适当修改信用值的分级数量及对应的访问权限,从而实现交易结果的优化,达到社会总效益的最佳值。

2.2 信用值计算

DR供应方根据交易达成共识后的结果进行响应,智能电表采集DR供应方的实时响应数据并上传至区块链中。根据式（5）和式（6）,计算出用户本次响应之后的信用分数［15］,并根据表1更新用户地址对应的信用值［9,24-26］。

式中:αi,k为用户i第k次响应评估系数；T为DR事件的时长；Tdev,5%为用户响应容量偏差在约定容量5%以内的时长；Tdev,5%～10%为用户响应容量偏差在约定容量5%～10%的时长；Tdev,10%～20%为用户响应容量偏差在约定容量10%～20%的时长；gi,k为用户i在第k次DR结束后的信用分数,所有用户初始（第0次）信用分数为90；ci,k−1为用户i在第k−1次DR结束后的信用等级；S(⋅)为信用等级对应的基准分数,如表1所示。

表1 用户信用值等级Table 1 C redit rating of users

等待响应事件结束后,根据智能电表上传的用户响应数据进行结算。

2.3 交易流程

结合图1的交易框架及本章所提模型,可将交易按时间顺序划分为4个阶段,包括:发布交易、撮合出清、响应效果分析和交易结算,具体的计算流程如图2所示。

3 智能合约的设计

以太坊去中心化和图灵完备的特点,为搭建DR资源交易平台提供了良好的支撑［27］。本章根据图1提出的框架设计了可实现DR资源多边交易的智能合约。

图2 考虑信用的DR资源交易流程图Fig.2 Flow chart of DR resource transaction considering credits

DR资源多边交易的智能合约应符合3项原则,即:①任何DR需求方（供应方）均可自愿发布及参与拍卖；②根据交易双方提交的订单信息应自动撮合出清；③合约执行结果应自动结算。基于以上3项原则,分别设计了发布交易函数、撮合出清函数、响应效果分析函数、信用更新函数、交易结算函数及其他辅助函数。

1）发布交易函数:在发布交易阶段,DR供应方（需求方）在交易平台上提交DR资源出售（购买）请求,同时还需向该智能合约地址转入一定以太币作为补偿金,以防止出现虚假请求。2019年4月10日以太币与美元的汇率约为1以太币兑换169美元。智能合约将记录所有请求,并保存在区块链中。该函数对应第1章构建的基于区块链的DR资源交易框架的步骤1。

2）撮合出清函数:针对交易框架的步骤2,不同的交易模式下有不同的出清规则,因此该函数的实现也有所不同。

集中交易:在交易协商阶段,DR供应方需在交易协商截止时间前提交自己的报价与最大响应量,智能合约将根据用户的历史信用值计算出PV,由2.1节的集中交易模型确定出清队列。

双边交易:DR供应方在交易协商截止时间前提交自己的可响应量,智能合约根据用户的历史信用值由2.1节中双边交易的撮合规则,为用户匹配AODR的报价,成交价格一经智能合约确认,即无法篡改。

3）响应效果分析函数:在规定的DR事件发生时段,智能电表将用户的用电数据实时上传至智能合约中,智能合约自动计算出用户本次响应评估系数,作为判断用户响应效果的一个标准,并将计算结果作为输入量传递给信用更新函数。

4）信用更新函数:与响应效果分析函数进行交互,计算出用户本次信用分数,自动更新用户存储在智能合约中的信用值。该函数对应交易框架的步骤3。

5）交易结算函数:针对交易框架的步骤4,在规定的电能传输时间内,DR供应方调整用电计划完成电力交割后,买卖双方进行代币转移。若DR供应方实际响应电量偏离约定电量,电网企业需从辅助服务市场购买偏差电量,以维持供求平衡。因此,用户按约定电量及成交价格结算后,需从其补偿金中扣除一定的补偿金额。补偿金额为:

式中:F为补偿金额；Pa为约定电量；α为响应评估系数。

在结算完成后,返还DR供应方剩余的补偿金［28］。在本文所设计的交易机制中,当用户的实际响应量与合约量有较大偏差时,不仅可能导致其信用值的降低,使得收益下降,还会在其提交的补偿金中扣除相应的补偿金额弥补电网购买辅助服务资源的成本。

6）辅助函数:实现订单信息的查询功能等。

主要的信息交互过程如附录A图A1所示。

4 算例分析

4.1 考虑信用的DR资源集中交易

为验证本文提出的交易机制的有效性,本节在实验室环境下,将集中交易智能合约部署至以太坊私有链,作为DR资源交易平台。实验室中所有主体的操作系统均为Windows 10,内存为8 GB,CPU为Intel Core i5-3210M,智能合约的编写环境Remix的版本为v0.10.1。该场景包括电网企业（DR需求方）、6个电力用户（DR供应方）,在区块链网络中连接拓扑如图3所示。电网企业预测需要在次日的12:00—13:00购买25 MW的DR量,电力用户可通过降低自身用电功率的方式向电网出售电量。

图3 集中交易模式下区块链网络中主体间的连接拓扑Fig.3 Connection topology between entities in blockchain network in centralized transaction mode

4.1.1 集中交易模式下的交易发布及撮合出清

电网企业通过发布交易函数提供的接口向网络中提交订单信息,并向智能合约中转入一定量的补偿金,在Remix上模拟的结果如附录B图B1所示。附录B图B1为完整的返回信息表,表明了合约执行状态、合约地址、执行者的地址、执行该合约消耗的汽油（gas）费以及该合约的哈希值等信息。

电力用户节点在接收到电网企业向网络中广播的订单请求后,向智能合约提交供应订单（包括供应量以及价格）,如附录B图B2所示。由于Solidity语言中不支持小数型数值的存储,为了保证计算结果的准确性,对数据进行放大处理,图中用户的报价和PV为放大1 000倍之后的数据,真实报价和PV分别为0.062以太币/（MW·h）和0.015。在交易协商阶段,6位电力用户均提交了供应订单,表2列出了每位用户的订单信息、信用值和PV。

表2 DR用户提交的订单信息Table 2 Order information submitted by DR users

撮合出清函数将交易协商阶段用户提交的供应订单信息以及用户的PV存放在相应的数组中,交易协商结束之后根据出清规则确定中标的用户,并用事件记录:中标的用户地址、响应量和价格,如附录B图B3所示。

4.1.2 单次响应效果评估及结算

到达约定的响应时间,中标的用户根据出清结果进行响应,智能电表将用户的响应数据实时传递到智能合约中。智能合约通过响应效果分析函数及信用更新函数计算出用户的响应评估系数和信用得分,并更新用户的信用值。附录B图B4为查询函数输出4位电力用户的响应效果。

交易结算函数的输入量为用户的地址,根据约定响应量及成交价格向用户的账户地址中转入相应量的以太币。考虑到用户响应的不确定性,电网企业需要调用辅助服务资源以维持电网功率平衡,根据式（7）在用户的账户地址扣除一定以太币作为补偿,将结算结果记录在事件Settlement中,如附录B图B5所示。图中的数据均为放大1 000倍之后的结果,用户AX按报价结算的结果为0.372以太币,处罚金额为0.037以太币,最终的结算金额为0.335以太币。

4.1.3 多次响应效果分析

为了分析用户的守信行为对收益的影响,先后进行了10次测试,分别考虑如下4种场景。

场景1:用户初始信用值高,历次响应评估系数低,如电力用户AX。

场景2:用户初始信用值高,历次响应评估系数高,如电力用户CZ。

场景3:用户初始信用值低,历次响应评估系数低,如电力用户BY。

场景4:用户初始信用值低,历次响应评估系数高,如电力用户DW。

模拟出4位电力用户在10次测试中的响应过程,如图4所示。

图4 集中交易模式下用户多次响应评估系数及收益Fig.4 Evaluation coefficient and benefit of multiple user responses in centralized transaction mode

对比4种不同场景下用户的收益情况,可以得到以下结论。

1）严格根据约定量响应的用户,信用值一直维持在高水平（如CZ）或信用值可提高至高水平（如DW）,每次响应结束之后的实际收益接近最大收益。

2）不严格根据约定量响应的用户,实际收益与最大收益相差大,并且电力用户AX和BY因为信用值降低,分别在第8次和第6次响应之后无法参与之后的响应。

当用户实际响应量与约定量有偏差时,电网企业需要从辅助服务市场购置电量以消除功率差额。假设辅助服务市场的电价为0.355以太币/（MW·h）［29］,在MATLAB的环境下进行10次测试,比较考虑信用值和不考虑信用值的市场机制下,电网企业调用DR资源所花费的成本,如图5所示。不考虑信用时,电网企业购置了价格低的DR资源,支付给用户的成本较低,但用户的不守信行为使得电网企业需从辅助服务市场购置更多昂贵的电量资源。考虑信用时,电网企业因购置守信度高的DR资源,虽然支付给用户的成本较高,但减小了从辅助服务市场购买的电量。综合比较2种不同市场机制下的成本,考虑信用时电网企业花费的总成本不仅低,而且因为用户响应的不确定性降低,使得电网总成本的波动减小。

图5 多次响应事件中电网企业的成本Fig.5 Cost of power grid enterprises in multiple response events

上述算例证明,本文提出的考虑用户信用的DR资源交易机制,对于DR供应方而言,其收益与信用呈正相关关系,也即DR供应方的守信度越高,其实际收益越接近最大收益；对于电网企业而言,因购置了优质的DR资源,减少了购置辅助服务资源的成本,使得调用DR资源的总成本下降。

4.2 考虑信用的DR资源双边交易

4.2.1 双边交易模式下的交易发布及撮合出清

在双边交易的模式下,算例设置了10个DR需求方,2个DR供应方,在区块链网络中连接拓扑如图6所示。需求方AODR通过发布交易函数提供的接口向网络中提交订单信息,并向智能合约中转入一定量的补偿金。在交易协商阶段,将该时段内所有AODR提交的订单信息记录在智能合约中。

电力用户KQ（信用值为4,可响应量为6 MW）和LN（信用值为3,可响应量为7 MW）分别向网络中提交自己的供应订单。因用户KQ的信用值较高,对AODR订单信息的访问权限为100%,用户LN的信用较低,对AODR订单信息的访问权限为75%,即只能与AODR的订单中报价最低的75%进行匹配。向智能合约中输入电力用户地址即可查询到该用户对AODR订单信息的访问权限,用户KQ与LN可访匹配的AODR信息如附录B图B1所示。撮合出清函数根据撮合规则,对电力用户和AODR进行撮合匹配。最终高访问权限的用户KQ与高报价的AODR匹配,低访问权限的用户LN与较低报价的AODR进行匹配,成交价格分别为0.088以太币/（MW·h）和0.075以太币/（MW·h）。

4.2.2 多次响应效果评估及结果分析

在DR事件发生时,用户根据出清结果进行响应,智能电表采集用户的响应数据并实时传递到智能合约中,最终的结算方式同集中交易一样。分析10次响应事件后用户的守信行为对其收益的影响,如图7所示。

图7 双边交易模式下用户多次响应评估系数及收益Fig.7 Evaluation coefficient and benefit of multiple user responses in bilateral transaction mode

由图7可知,用户LN在历次响应事件中严格履行合约内容,在第2次响应事件结束后其信用值有所提升,且实际收益与最大收益接近；用户KQ响应效果差,导致其信用值不断降低,在第6次响应事件结束后无法继续进行交易,且实际收益远低于最大收益。综合比较可知,用户LN在初始信用值低于KQ信用值的情况下,通过历次的积极响应实现了信用值的提升,获得对需求订单表更高的访问权限,从而可以与高报价的AODR匹配,提高自己的最大收益。由此可见,在本机制下,守信的电力用户可以获得更高的收益,使得理性的电力用户具备遵守规则的动力,从而维持市场秩序。

5 结语

针对DR资源交易过程中DR供应方可能存在的失信行为,为了有效引导电力用户参与响应,降低电力用户的响应不确定性,本文提出了区块链技术支撑下计及信用的DR交易方法,将用户的信用值与报价挂钩,分别建立了集中交易与双边交易模式下DR资源的交易模型,并编写了相应的智能合约,在以太坊可编程的环境下对合约进行测试。算例表明,区块链提供了一个去中心化、公开透明和对等公平的方式,使得无需第三方参与即可实现DR双方的供需匹配。

在本文提出的DR集中交易模式中,相较于电网公司组织的方式,区块链的优势主要体现在:不存在中心化的设备和管理机构,节点间通过数字签名技术进行数据交换及验证；所有信息以及通过智能合约中的代码确定的交易规则是公开的,每一笔交易都对所有节点可见；在以太坊为代表的公有链中,每个节点的权利都是对等的,交易的撮合匹配和转账都已实现自动执行。同时基于信用值的DR集中交易模式将信用值与报价挂钩,高信用值的用户可以获得更多收益,通过激励的手段规范用户响应行为。同时电网企业可因为用户优质的响应效果,减少在辅助服务市场中的购电成本。在双边交易模式中,高信用值的电力用户对DR需求方的订单信息有更高的访问权限,可以匹配到更高的报价订单。同时DR供应方积极完成合约响应量,在提高个人信用值的同时,也可以获得更高的收益,这为DR供应方遵守规则提供了动力,达到维持市场秩序的目的。

考虑到双边交易模式中电力用户对DR需求方订单信息的访问权限会对交易结果优化产生影响,在后续的研究中可以从电力用户信用值的分级数量及对应的访问权限入手,通过减少信用值的分级数量,扩大对应信用等级的访问权限实现结果的优化。