基于最优匹配机制的微电网P2P交易策略研究

彭振华，孙志鹏，邓芳明

（1.国网南昌供电公司，江西 南昌 330095；2.华东交通大学，江西 南昌 330013）

0 引言

随着化石能源消耗不断增大，未来2050 年全球电力消费会增加到目前电力消费水平的225%[1]。传统发电方法以化石燃料为基础集中发电，但随着世界能源危机越来越严重，因此大力发展可再生能源对于缓解能源危机非常有必要[2-5]。微电网是一种分布式电网，由各种分布式可再生能源发电机组成，因可再生能源的发电特性，传统电网的管理方式无法适配微电网的分布式结构[6-8]。在微电网中，不同场景、分布位置、发电时段等因素较为复杂，导致不同用户的产电和用电严重不平衡，用户参与积极性不高，不利于微电网的推广使用[9]。

文献[10]提出一种点对点微电网能量交易方法，将微电网中的分布式用户整合到一个交易系统中，通过让用户参与到售电过程，从而灵活消纳电力，但在实际应用环境中没有考虑到用户信息安全问题，会造成用户的财产损失。文献[11]提出一种基于区块链的点对点微电网能量交易方法，在为每个新交易生成钱包地址的过程中，会对脚本进行哈希处理，以保护住宅隐私。区块链技术固然可以加密P2P（peer to peer）的交易过程，但没有针对具体的供需关系进行进一步优化，没有充分考虑到实际的应用环境。文献[12]提出一种基于动态激励定价的能源交易体系，根据不同用户各个时段的能量缺口制定对整体社区收益最大的动态定价系统，从而促进用户的积极参与度。文献[13]提出一种基于储能系统的P2P 交易方法，通过分析用户在不同时段的总能量消耗及每个时段的总收益，给出最优电能分配策略，合理存储电能，从而有效提高售电收益，同时可以有效减少碳排放。在微电网场景中，用户体验是一项非常重要的因素。在微电网系统中，需要考虑的因素较多，文献[10-13]虽然都从各个角度对能量交易系统进行分析，但均未提出一种明确的用户激励模型和参考流程，也未对微电网交易的框架进行说明整理。

利用激励模型提高同伴参与的研究非常有限，此外，让用户认识到所有能源管理方法都是以生产用户为中心也是一项具有挑战性的任务。在文献[14]中使用了一种基于博弈论的方法来进行用户间的能源交易，通过提高用户经济收益，提高用户的参与度。本文提出了更高效的动机模型，通过使用规范行为理论来控制用户的行为，同时文章引入了最优联盟匹配机制和用户P2P 交易策略形成交易系统以进一步提高用户的经济和环境收益。

根据规范理论的概念分析社会运动，通过分析用户行为组成成分，以此为根据提出一种心理动机模型。在心理动机模型基础上提出基于最优匹配机制P2P 交易策略。首先根据用户分布区域、用电和发电特性、动态电价等因素，提出一种最优联盟匹配机制，以经济和环境收益为目标，将收益最高的用户匹配到同一个联盟进行P2P 能量交易。在最优集群中对用户与用户之间的交易过程进行优化，提高用户交易收益，降低碳排放，使心理动机模型的激励点对用户参与度形成正反馈。

1 考虑用户参与度的P2P 能源交易策略

通过对微电网内用户与用户之间交换能源的过程进行建模，验证最优匹配模型与交易策略的高效性。由于光伏发电的特殊性，用户存在供需平衡、供大于需、需大于供3 种状态[15]。在非日照时无法产生电能，此时用户需要从电网购买电能使用[16]。在日照时，当光照强度高时，某一时段的用户产电能超过其负荷所需，此时，超出负荷所需部分电能根据能源利用率最大化原则依次可分为：出售给其他用户、出售给电网。当用户负荷需求超过此时的光伏产电时，根据能源利用率最大化原则依次可分为：购买其他用户电能、购买电网能源。从P2P 网络购买其他用户的电能，既可以购买到低于电网价格的电能，也可以为其他用户带来收益。根据用电特性及位置信息，对用户群进行匹配，获取交易匹配度最高的用户群。根据用户产电和用电状态对用户的交易优先级进行排序，根据不同的优先级，对能源进行及时处理。能源交易框架如图1 所示。

本文采用心理动机模型作为微电网内P2P 交易的激励模型，参考用户的心理动机获取对联盟整体收益最高的交易方式。根据最优联盟匹配机制，获取交易匹配度最高的联盟，制定定价策略，以确保用户交易的合理性。本文考虑了产电大于需求和产电小于需求两种情况，计算在P2P 交易系统内买卖能源的最优价格。采用用户优先级策略，对不同状态的用户进行优先级评级，以此为标准进行用户之间的交易，实现了碳排放和成本降低的目的。与心理动机模型相契合，进一步提高用户参与度，从而形成正反馈，基于最优匹配机制的微电网P2P交易策略整体架构如图2 所示。

2 微电网P2P交易策略相关技术

本文提出了微电网交易策略，其中包括心理动机模型、最优联盟匹配机制和P2P 交易策略。

2.1 心理动机模型

心理动机根据人对某行为的看法、信念和观点来调节人的行为，是建立人类行为原因的心理认知过程[17]。例如，根据文献[18]，用户界面的设计可以显著影响人的心理，进而影响网络商店中的商品交易。动机心理学在教育系统[19]、公共服务[20]、经济学[21]、医学[22]、工程学[23]中都有应用。

2.1.1 规范行为理论

电网希望用户积极参与P2P 能源交易，但用户的行为模式不会突然改变。相反，用户需要经历一系列多个行为阶段。在第1 阶段，用户不熟悉参与P2P 能源交易的潜在好处，不愿意参与P2P 能源交易。在第2 阶段，用户意识到参与P2P 能源交易的好处，并承认不参与可能带来的潜在缺点，用户开始有兴趣了解更多关于P2P 能源交易及其潜在的经济和环境收益。尽管如此，却仍然没有参与P2P能源交易。在第3 阶段用户确信P2P 能源交易可以带来潜在的环境、社会和经济利益，并准备参与P2P 能源交易，并计划采取必要的行动。在第4 阶段，用户首次开始参与P2P 能源交易，从而成为可持续能源实践的一部分。最后，当用户达到第5 阶段时，会继续维持他的行为模式。这些不同动机阶段的概述如图3 所示。

2.1.2 心理动机模型

本文详细介绍了各种基于P2P 交易系统的动机模型，这些模型包括公平分配、经济模型、信息模型和正强化模型。

1）公平分配模式:能源消费者普遍存在利益冲突。为了成本、收益分配，很难公平地处理所有这些问题。通过获得客户的信任和提高同行的参与，P2P 交易系统定义公平可靠的P2P 交易价格[24]是一个很有前景的利益分配解决方案。

2）经济模型：将一种可以为用户提高收益和减少能源费用的模型划分为经济模型。P2P 交易系统确保用户可以通过与附近的用户或电网共享剩余的电力来提高收入，并可以通过以合理的价格从附近的活跃用户获得能源来减少他们的费用[25]。

3）信息模型:信息模型用于提高用户的参与意识，因为人们在获得关于任何问题的副作用及其结果的信息后会有不同的行为。

4）正强化模型:在该模型中。在相同的条件下，奖励性刺激通常会伴随着某种特定的行为。使用P2P 交易系统带来的经济收益是一种奖励性的刺激，在此条件下，用户会继续参与交易。

2.2 最优联盟匹配机制

微电网需要根据其内部能源状况向电网购买/出售能源。每个微电网用户都需要能量来为其内部负载提供服务。Di表示微电网能源产出，Si表示微电网用户能源需求，能量差为Ei=（Si-Di）。Ei亦即可出售能量，当Ei为负值时表示需要从电网购买能量。

经典的最优联盟形成方法需要对所有可能的组合进行穷尽搜索，计算复杂度极高。基于层次优先级的最优联盟匹配方案是一种基于优先列表的启发式方法，其根据微电网用户的相关信息，按能源需求量降序排列缺电用户群，按能源供应量降序排列可供电用户群，并根据距离与供需优先级进行联盟聚类，获取P2P 的交易联盟；从最大化传输、交易效率角度进行优化，为交易策略中的匹配和定价方案进行数据的初始准备。基于层次优先级的最优联盟匹配方案相较于其他优化方法在性能上有了显著改进。

2.3 P2P交易策略的设置

为提高微电网用户间的交易效率，降低成本，提出一种交易策略。在进行P2P 交易时，一般会出现3 种情况：（1）总生产电量等于总需求电量；（2）总生产电量大于总需求电量；（3）总生产电量小于总需求电量。根据这3 种情况对电价定价策略进行阐述，并提出一种市场清算的拍卖策略。

2.3.1 P2P交易价格定价

情景1：总生产电量等于总需求电量。在此场景中，参与P2P 交易的用户不需要与电网进行交易，只需进行用户之间的交易。因此，P2P 交易系统的买卖价格根据市场费率计算，其表达式为:

式中：CBuy和CSell分别为在P2P 交易系统中买、卖价格；分别为在电网中的买、卖价格。

CBuy和CSell均为电网买卖价格之和的平均数。本文介绍了一种住宅小区P2P 交易系统的定价方法。为简化问题，购电价设定为0.6 元/kWh，出售电价设定为0.4 元/kWh。

情景2：总生产电量大于总需求电量。在该场景下，用户产生的电量通过P2P 交易为自身产生收益，还可以将生产的电力出售给电网。在P2P 交易系统中，CBuy和情景1 相同，基于心理动机模型原理，需要对CSell进行调整，因此销售价格需要进行优化，计算式如下：

式中：Nb和Ns分别为P2P 交易系统内买、卖双方的集合；TES为总剩余电量（总生产电量减去总需求电量），分别为每个用户的电力过剩量和电力需求量；n为用户。

电力需求的电力价值除电力需求量，即可得到P2P 用户售电价格。

情景3:总生产电量小于总需求量。此情况下用户需要从电网购买电力，但电力有盈余的用户向其他用户售卖电价同情景1。购买其他用户电力价格为：

式中：TEB为电力缺口。

2.3.2 市场清算拍卖方法

为解决场景2 和场景3 中P2P 交易系统内的交易优先级问题，文章提出了基于拍卖的P2P 市场清算模型。在P2P 市场清算交易系统中实现了一种拍卖方法。如式（4）所示:

考虑到线性规划模型的计算可操作性，将P2P交易过程转化为线性规划模型。以最大化生产用户收益和最小化成本为目标，最大限度地提高电力系统效率。

由于目标函数的最小化，优先级指数的值越小将导致事务的优先级越高。因此，归一化后，购买优先级从1.0 减去。简言之，根据市场规则给予以较高买入出价和较低售价出价的购买者更高的优先级。另一方面，从电网购买和出售的优先级设置为1.0，以鼓励购买者在P2P 交易中进行交易。

目标函数式（4）受能量交易平衡约束式（7）、净负载平衡约束式（8）和能量剩余平衡约束式（9）的限制。式（7）是为了确保P2P 交易系统中的买卖金额相等。为简单起见，假设传输功率损耗可以忽略不计。式（8）和式（9）用以确保来自用户的过剩能源在电力市场上得到消耗。即：

式中：TNLn,t和TSEn,t分别为t时刻的总净负荷和总剩余能量。

拍卖的具体规则为：首先，在P2P 交易市场启动之前，用户必须确定每小时买卖的竞价价格。定价是前24 h 内的市场价格交易定价的±20%。文中最终价格由平均交易价格决定，如式（10）和式（11）所示。在制定者设置交易价格后，定价将归一化为在0.0～1.0 的范围作为优先指标。用户希望以较低的价格购买能源，因此用户将更优先购买P2P 系统的电力。另一方面，卖家希望以更高的价格出售，因此，愿意以较低价格出售的用户将拥有最高的优先权。每日电力结算成本可用式（12）计算。

3 仿真分析

3.1 基础数据分析

本文采用了某地区100 所房屋从早上6:00 到下午6:00 的位置、能源需求和光伏板产能信息。因用户存在不同的用电需求，每一个用户的用电高峰不同，如图3、图4 所示。图3 中6：00—13:00 属于产电大于需求，14：00—16：00 属于用电高峰；图4中也存在一些用户在上午时段进行高强度用电。

图3 上午高峰用户用电状态Fig.3 Power consumption status of users during morning peak hours

图4 下午高峰用户用电状态Fig.4 Power consumption status of users during afternoon peak hours

使用某地区100 个用户的24 h 数据集对各种场景进行了测试。测试过程中在12 h 内每5 min为需求用户创建联盟。联盟的形成计及邻近用户的距离和能量需求。

本文提出的基于层次优先级的微网最优联盟匹配策略，通过达到均衡状态形成最优联盟，且由于其固有的二次计算复杂度，在微电网用户数量上具有很高的可扩展性；同时给出了微电网电量的供需情况。通过最优联盟匹配机制形成联盟的平均能源生产量与需求的关系如图5 所示。

图5 最优联盟匹配机制形成联盟的平均能源生产量与需求的关系Fig.5 Relationship between average energy production and demand of alliance formed by optimal alliance matching mechanism

在经过联盟匹配后，针对后续的交易策略进行设定以提高微电网的电力利用率。文章基于3 种不同定价方式案例，对交易策略进行分析。首先在供需平衡情况下，只需要根据2.3 节的价格进行微量的电网交易，不再赘述。其次考虑工作日（场景1）与周末（场景2）两种定价策略场景进行分析如图6、图7 所示，根据实时负荷需求进行电价制定。

图6 工作日定价方案Fig.6 Scheme for weekday pricing

图7 周末定价方案Fig.7 Scheme for weekend pricing

3.2 案例分析

1）在场景1 中非日照时段，用户只能从电网购电；在日照时段，由于用户产电，当总电力产量超过用电总量，由于电力供应过剩，为了避免以更低的价格将多余的能源出售给电网，所以将向电网售电的价格调低，购电价格调高，鼓励消费者在P2P 交易系统中以较低的价格买卖。

由表1 交易情况中的P2P 买卖优先级可知，当总产电量大于总缺电量时，因为盈余电力用户卖给P2P 交易系统的电量足以满足所有用户的用电需求，所以没有优先购买权。销售优先权前2 位的用户4 和15 将其剩余电量全部以更高的价格通过P2P 系统出售，而排在第3 位的用户14 只通过P2P系统出售了一小部分电力，其余部分以较低的价格卖给电网。

表1 工作日第14 h的交易情况Table 1 Transaction amount at the 14th hour of weekday

2）在场景2 中，总缺电量大于总电力产量，生产用户可交易的总电量不足以满足他们所有的电力需求。因此，由于电力供应不足，用户愿意从P2P交易系统购买价格更高的电力，以避免从电网购买价格更高的电力。从而使得P2P 交易系统中的用户更高效地消纳多余电力。

表2 给出了场景2 在周日第7 h 的交易情况。当总需求电量大于总产电量时，用户需要在P2P 交易系统中竞争优先购电，以降低自己的电费成本。对于电量盈余用户来说，其所有盈余电量都保证被需求电量的用户买走；由于剩余电量不足，优先级第二的用户只能从P2P 交易系统购买一小部分电量；剩余用户的负荷需求需要以更高的价格从电网购买。

表2 周末第7 h交易情况Table 3 Transaction amount at the 7th hour of weekend day

净能量计量方法是一种鼓励用户使用光伏发电的措施，每个生产用户通过光伏板产出的能量对自身能量缺口进行补足，盈余能量由电网回收。

表3 给出了不同交易策略的费用。

表3 不同交易策略的费用Table 3 Costs of different trading strategies

由表3 可知，使用P2P 交易系统可有效降低用电成本。P2P 交易系统的用户可通过出售剩余的电力获得一些收入，因为用户10 是向P2P 交易系统售电的第一优先用户，所以受益最大。虽然用户1—3 的购买价格非常高，他们依然能够降低60%的电力成本，并且可以将剩余电力出售给其他用户。

由于用户从电网购买电力总量变少，同时采用可再生能源发电方式，使得CO2排放量大大减少。在净能量计量方法中，剩余电力也可由电网回收，因此用户通常不会安装容量巨大、覆盖用户所有需求的光伏发电设备，不能通过出售电力来消纳剩余电力。由表4 中不同交易策略的节约百分比可看出，实行P2P 交易相比净能量计量方法减少了更多的CO2排放。

表4 不同交易策略碳排放Table 4 Carbon emissions of different trading strategies

在表3 中，P2P 交易在降低每个用户的平均能源成本方面，与净能量计量方法相比，用户都得到了收益，降低了用电成本。因此，本文提出的P2P交易策略满足合理的经济模型。通过向用户提供有关环境效益和经济效益信息，激励用户参与P2P交易，从而提高阶段1 和阶段2 的用户数量，催化更高阶的用户出现。由表4 可知，本文提出的P2P交易策略可有效降低用户的电力成本和CO2排放，满足正强化模型，并刺激用户参与P2P 交易。

综上所述，考虑用户参与度的基于最优匹配机制的P2P 交易策略通过策略改良，并将心理动机模型与策略有机结合，提高用户与环境的整体效益，从而达到提高用户参与度的目的。

4 结语

本文进行了考虑用户参与度的基于最优匹配机制的微电网P2P 交易策略研究，用以提高用户参与度。以心理动机模型为标准，制定了最优联盟匹配机制，对用户进行交易匹配，针对组建的联盟用户制定P2P 电价定价策略，并对用户的交易优先级进行标准策略的制定。通过仿真分析验证了所提P2P 交易策略的有效性。

未来，在心理动机模型基础上，利用手机作为移动数据接收端，以手机APP 为载体，用户可实时获取通过该系统获取的经济收益和减少的碳排放量，促进用户的使用积极性。从而推动微电网P2P 交易用户的普及，进一步推进我国实现“碳中和”的发展进程。