“双碳”背景下微网分布式电能交易绩效评价指标与方法

王文彬， 郑蜀江， 范瑞祥， 陈 文， 周世阳

(国网江西省电力有限公司电力科学研究院，南昌 330096)

能源需求的快速增长与环境保护的迫切需求是当前阻碍社会发展的重要矛盾，气候变化也成为了人类社会所共同面临的重大挑战之一.2020年，国家主席习近平在第七十五届联合国大会上郑重宣布了中国“碳达峰、碳中和”的时间节点及战略目标，各行业的绿色低碳转型成为趋势[1-3].

分布式可再生能源[4]靠近用户侧，具有装机容量小、接入电压等级低、布局分散、建设周期短、清洁高效等特点，是实现电力系统低碳转型的重要手段.然而，分布式能源发电具有随机性与间歇性，易对电网安全稳定运行造成影响，同时消纳率也较低[5].微电网被认为是整合分布式能源进行电能管理的有效方式，在微电网内建立分布式电能交易市场，通过用户间端对端(Peer-to-Peer，P2P)电能交易[6-7]，可显著提升分布式能源的消纳率，并降低分布式能源并网后对电网运行的影响[8]，是推进“双碳目标”实现的重要途径.

目前针对微网分布式交易市场研究已进行较多研究，文献[9]研究了微网用户分布式电能交易的报价机制，提出了账单共享、中间市场及竞价拍卖的市场交易形势.文献[10]建立了基于区块链技术的分布式交易平台，并考虑了分布式能源参与辅助服务效果.文献[11]提出了针对互联运行微电网的控制策略，使其可以在不同电压水平下运行，并且可支撑分布式交易市场中的信息传输.文献[12]研究了分布式交易市场参与主体的竞争关系，基于合作博弈与联盟博弈构建市场运行机制.文献[13]针对分布式能源的协调管理问题，提出通过制定分布式电能交易市场的相应法规，实现对于用户的激励，提升参与市场交易的积极性.上述研究大多集中于分布式电能交易市场机制设计、交易平台、信息通信技术、政策要求等方面，而市场绩效评价指标与评价方法仍鲜有研究.由于分布式交易市场内用户间的端对端电能交易是多边交易，购电用户往往会面对多个售电用户，需要筛选出优质的售电商，从而降低交易风险与购电成本，故引入市场评价机制，针对市场交易绩效进行评估，可促使用户考虑市场评价机制对其交易策略的影响，推动分布式发电市场化交易的良性发展[14].

在分布式交易市场中，拥有光伏等分布式电源的普通用户转变为产消者，售电主体的组成更加复杂，用户面对的售电差异化极为明显[15]，采用指标评价方法可有效反映市场运行水平与系统技术方法[16].为建立覆盖更为全面的分布式交易市场绩效评价指标体系，首先分析典型分布式电能市场交易场景.参与分布式交易市场的产消用户在平台上进行竞价与报价，达成交易协议并经安全校验确认后，下发交易控制信号，用户根据市场出清结果，进行电能的传输与交易.由于分布式供应电能不能直接在用户侧使用，故需要安装相关设备进行电能装换.电能路由器是一种基于电力电子技术与信息技术的电能变换与能量管控装置，能控制不同电气参数电能之间的灵活变换、传递和路由，近年来已逐步在主动配电网中进行应用，因此，本文所考虑分布式电能市场交易场景中以电能路由器作为用户侧的电能转换装置.

分布式交易平台与电能路由器是支撑分布式交易实现的重要软硬件.其中分布式交易平台的主要功能是为微网内交易双方提供交易场所，为不同主体间的交易建立起了一个可信任、稳定安全的环境；而电能路由器可支持用户进行配电网购电或利用分布式能源供电，在输入侧可连接配电网交流电与分布式电源直流电，输出侧则转化为用户正常使用的交流电，支撑用户的电能交易，保证负荷的正常使用.因此，为建立覆盖范围较为全面的绩效评价指标体系，一方面可针对市场参与主体，即微网内购、售电用户进行评价，对交易过程中的供电可靠性、交易诚信度等方面进行考察[17-18]，从而对市场中购、售电双方进行约束，也可使评价较高的交易主体处于竞争中的优势，促进市场发展；另一方面也可针对交易平台、电能路由器等软硬件的用户隐私维护、电能控制等[19-20]反映其交易支撑能力的方面进行评价，从而促进市场交易软硬件的更新换代，保证交易的稳定高效进行.

本文针对微网中的分布式电能交易市场，从购、售电双方交易水平与交易软硬件市场支撑能力等方面提出多维度的绩效评价指标，并对目前国内外分布式交易市场评价方法的研究现状进行了总结与归纳，最后对分布式电能交易绩效评价关键技术进行分析讨论，并对未来研究方向做出展望.

1 分布式交易市场绩效评价指标体系

1.1 基本框架

本文以图1所示的典型分布式电能交易场景为背景进行研究.在建立分布式电能交易市场绩效评价指标体系时，需要考虑多维度影响因素，例如各个指标间的相关性与协调性，所提指标的全面性，指标计算的实用简洁性等，从而提出定性与定量相结合，具有充分可行性的评价指标体系.分布式电能交易市场中，用户既是电能消费者又是电能供应者，因此适用于微网内P2P交易市场的绩效评价体系，对整个市场进行交易数据的及时跟踪与计算不再是研究重点，而应针对市场内各交易主体的行为与支撑交易进行的能力进行评价.同时，交易市场的顺利进行还需要交易平台与电能路由器等软硬件为购、售电用户提供可信任、分布式的智能平台以及对各用户间的电能传输进行控制，对其运行状态与服务水平进行评价也可保证交易的顺利进行.

图1 分布式交易市场交易场景示意图Fig.1 Schematic of trading scenarios in distributed trading market

本文针对市场交易主体与交易支撑软硬件，构建了适用于分布式电能交易市场的绩效评价体系， 通过对指标的层层分解，探究分布式交易市场中各参与主体的运行情况.通过进行市场调查与历史数据收集引入服务性指标，从电能供应能力、售电诚信度及历史售电评价的维度考察市场中各个售电方整体的供电能力.对于购电侧，则主要从购电诚信度与历史用电评价两个方面评估用电方的市场参与度.对于分布式电能交易平台，提出以用户满意度、平台功能性及平台安全性方面为基础分析其对市场交易的支撑作用.对于电能路由器，则以供应电能质量、电能转化效率及设备安全性作为评价指标.所建立绩效评价指标体系如图2所示，其评价周期为参与分布式交易市场至进行评价时刻.

图2 面向微网用户的分布式交易绩效评价指标体系Fig.2 Performance evaluation index system of distributed trading for micro-grid users

在评价结束后，对于评价较高的售电用户，其在交易报价过程中将占有优先地位，是购电用户优先选择的交易对象，在较高电能报价时也有较大概率竞拍成功，进而获得更大的利益.对于评价较高的购电用户，也更有可能以较低的价格交易成功，节约更多的用电成本.因此，引入评价机制后，分布式交易市场的资源将逐渐向评价较高的用户倾斜，这一方面促进了交易的顺利进行，另一方面也规范了评分较低用户的自身交易行为.对于交易平台与电能路由器，评价结果也将指导研发团队进行针对性的改进与升级，从而更好地为微网内用户的分布式交易服务.

1.2 针对售电用户的绩效评价指标

1.2.1电能供应能力

(1) 最大可供电量.

对于售电用户来说，最大可供电量代表了其在交易市场中可提供的最大电量，是衡量其可满足多少购电用户需求，体现其电能供应能力的重要指标，其计算方法如下：

S1=max (Gt-Ct)，t∈T

(1)

式中：S1为售电用户最大可供电量；Gt为t时刻用户侧生产电能；Ct为t时刻售电用户自身用电量；T为分布式交易市场运行以来各个交易时刻集合.

(2) 供电持续时间比率.

分布式电能交易市场中，购电用户具有电能需求的时间并不固定，这对售电用户的供电持续时间提出了较高要求，供电持续时间越长，代表其越能够稳定地为购电用户提供服务.其计算方法如下：

(2)

式中：S2为售电用户供电持续时间比率；Tn为分布式交易市场运行以来售电用户的供电持续时间.

(3) 日供应电量.

日供应电量综合考量了售电用户的可供电量与供应时间，以每个交易日为评价周期，代表了售电用户在此周期内的市场服务能力，其计算方法如下：

(3)

式中：S3为售电用户日供应电量平均值；Td为售电用户在第d天的供电持续时间；(Gt-Ct)d为第d天的可供电量；D为售电用户参与分布式交易市场的总天数.

1.2.2售电诚信度

(1) 违规售电率.

在分布式交易市场的运行过程中，各个售电用户需要将自身可供应电量与电能报价提供在交易平台上，由购电用户根据自身需求进行选择.在此过程中，为促进市场交易的顺利进行，保证市场的公平性，需要对诸如恶意抬升或压低电价、虚报可供应电量导致交易无法进行等扰乱市场交易的行为进行制约，因此提出违规售电率为逆向指标，代表售电用户被交易平台认定为违规售电的次数占总售电次数的比重，其计算方法如下：

(4)

式中：S4为售电用户违规售电率；Fv为售电用户违规售电次数；Fs为售电用户总售电次数.

(2) 售电成功率.

售、购电双方在交易平台上完成报价与竞拍后，售电方根据竞拍结果为购电方提供相应的电能服务，保证购电用户的正常负荷使用，则视为售电成功，因个人原因无法完成交易的，视为售电失败，将对购电用户造成较为严重的影响.其计算方法如下：

(5)

式中：S5为售电用户的售电成功率；Fl为售电失败次数.

(3) 交易偏差电量.

售电用户能否完全遵照交易平台的竞拍结果提供相应电能服务是评判其售电诚信度的重要指标，用户实际接收的电能与竞拍电能的差值即为交易偏差电量，其计算方法如下：

(6)

式中：S6为交易偏差电量；Qct为t时刻交易竞拍电量；L为传输损耗电量.

1.2.3历史售电评价

(1) 合作基础.

对于购电用户来说，与售电用户的合作基础建立在彼此的历史交易次数上，交易次数越多、越频繁的售电方就越有可能是供电可靠程度更高的，为了将相关属性量化为具体数值，对用户间的合作基础采用历史交易次数进行定性分级[21]，见表1.

(2) 用户满意度.

用户满意度可反映售电用户所提供的电能服务在购电用户内心的真实水平，一般通过问卷调查的方式向与该售电用户进行交易的所有购电用户收集获得，满意度总分为10分，分数越高代表对该用户提供电能服务越满意.其计算方法如下：

式中：S8为用户满意度；Gm为与该售电用户进行交易的第m名购电用户满意度评分；M为与该售电用户进行交易的用户总人数.

(3) 历史成交价格水平.

根据历史交易数据对售电用户的历史成交价格进行评价，平均成交价格越低，对于购电用户来说购电成本越低.其计算方法如下：

(8)

式中：S9为历史成交价格水平；Wi为第i次成功交易的电能价格.

(4) 分布式售电电量占发电量比率.

对于分布式产消用户，其生产的电能一部分满足自身电能需求，多余的电能在分布式交易市场中售卖.分布式售电电量占发电量的比率在一定程度上可反映该售电用户的专业程度，其比率越高，意味着该用户在分布式交易市场中投入越多.其计算方法如下：

(9)

式中：S10为售电用户分布式交易电量占发电量比率.

1.3 针对购电用户的绩效评价指标

1.3.1历史购电评价

(1) 合作基础.

分布式电能市场交易是一个双向过程，消费者选择供电服务水平较高的供应者时，供应者也可选择出价较高、较为可靠的消费者.依照交易历史数据，相互交易次数越多的购电用户可靠程度也往往越高，因此，以历史交易次数作为两者的合作基础P1进行定性分析，其评价细则如表1所示.

(2) 历史购电价格水平.

同样地，购电用户的历史成交价格水平也是售电方考察的重点，其平均成交价格越高，对于售电方来说获利也越高.其计算方法如下：

(10)

式中：P2为购电用户历史购电价格水平；Ek为第k次购电交易成交价格；Fp为总购电次数.

(3) 分布式购电电量占用电量比率.

微网中的用户电能需求主要由3部分供给满足，分别是自身分布式电源供电、分布式交易市场购电与电网购电，分析购电用户的分布式购电电能占其用电量的比率可以看出其参与分布式交易市场的积极程度.其计算方法如下：

(11)

式中：P3为购电用户分布式购电电能占用电量比率；Qt为购电用户t时刻在分布式电能交易市场中购买电量；Tp为购电用户在分布式交易市场购电时刻集合；Q为购电用户所用电量.

1.3.2购电诚信度

(1) 违规购电率.

与售电用户相同，购电用户也可能在交易平台中存在违规购电行为，包括窃电、拖延电费等行为，扰乱了市场公平与发展，考察购电用户的违规购电率以对其行为进行约束.其计算方法如下：

(12)

式中：P4为购电用户违规购电率；Bv为购电用户违规购电次数；Bs为购电用户在分布式交易市场购电总次数.

(2) 购电终止率.

类似地，购电、售电双方达成交易协议后，购电方因个人原因终止交易的，视为购电失败，以购电终止率为逆向指标评价其交易诚信程度.其计算方法如下：

(13)

式中：P5为购电用户购电终止率；Bf为购电用户购电终止次数.

1.4 针对分布式交易平台的绩效评价指标

1.4.1用户满意度

(1) 购电、售电用户满意度.

分布式交易平台主要为购电、售电双方提供交易场所，双方可在交易平台上上传交易信息与报价、竞拍等，促进交易的顺利进行.因此，通过向参与分布式交易市场的购电、售电用户发放调查问卷，收集其对交易平台服务水平的满意程度，是对交易平台绩效评价的重要指标.满意度分数满分为10分，分数越高代表用户对交易平台越满意，其计算方法如下：

(14)

式中：T1为购电、售电用户对交易平台的满意度；Gr为分布式交易市场中第r位用户的满意度评分；R为分布式交易市场的全体用户人数.

(2) 社会满意度.

分布式交易平台促进了分布式电能市场的发展，支撑了微网内P2P交易的顺利进行，提升了用户侧可再生能源就地消纳率，对于推动“双碳”目标实现具有重要作用，具有很强的社会效益.因此，利用微网内可再生能源消纳率体现其社会满意度，其计算方法如下：

(15)

式中：T2为交易平台社会满意度；Gzt为t时刻微网内分布式能源实际供电量；Gl为分布式能源理论供电量.

(3) 电网公司满意度.

对于电网公司而言，分布式电能交易市场所传输电能需要向电网公司上交过网费，具体数额与微网电压等级、传输电量等因素有关.因此，以收取过网费数额反映电网公司满意度T3，其计算方法可参考文献[22].

1.4.2平台功能性

(1) 交易成功率.

分布式交易平台的首要功能即保证交易的顺利进行，交易成功率反映了交易平台促进分布式交易进行、提升用户参与度及制约用户违规行为的能力，其计算方法如下：

(16)

式中：T4为交易平台交易成功率；(Fs-Fl)r为第r位用户的成功售电次数；Fur为第r位用户报价次数.

(2) 交易操作复杂性.

产消用户是分布式交易市场的核心参与主体，交易平台操作的难易程度直接影响了其参与分布式交易市场的积极性.因此向微网内全体用户分发调查问卷，收集用户对于平台操作复杂性的评分，满分为10分，分数越高代表平台操作越简洁.其计算方法如下：

(17)

式中：T5为交易平台操作复杂性；Cr为第r位用户对平台操作难易程度的评分.

(3) 参与交易规模.

分布式交易市场中参与用户越多，购电、售电双方都拥有更广泛的交易人群，能源的交易方式也更灵活.同时，更大的交易电量也对与交易平台的管理运行控制提出了更高的要求.因此，分布式交易平台中能够承载的交易规模代表了其能够提供的电能管理服务水平.其计算方法如下：

(18)

(4) 用户收益.

通过售电获取收益与通过购电节约成本是产消用户参与分布式市场交易的首要目的，因此用户收益水平是反映分布式交易平台功能的重要指标.其计算方法如下：

(19)

1.4.3平台安全性

(1) 应用服务安全性.

分布式交易平台运行时储存有大量分布式能源的运行信息，交易过程中也会产生大量的市场出清信息与结算信息，这些重要信息的记录与防篡改将会直接影响到交易市场的数据安全及用户利益.因此，对于系统攻击与信息窃取的防御程度十分重要.通过分布式交易平台可防御攻击程度反映其应用服务安全性T8，并且对其进行定性分级，具体评价细则见表2.

表2 应用服务安全性T8评价细则Tab.2 Evaluation rules for application service security T8

(2) 系统设计安全性.

系统平台运行过程中，常常会因设计时的缺陷

造成运行时的漏洞，导致交易无法完成，或是交易信息的错误导致系统崩溃等情况.系统设计安全性可通过分布式交易平台由于系统漏洞而造成交易无法顺利完成的时间来反映，其计算方法如下：

(20)

式中：T9为分布式交易平台系统设计安全性；Te为因系统漏洞而停止运行的时间；Ty为系统总运行时间.

1.5 针对电能路由器的绩效评价指标

1.5.1供应电能质量

(1) 电压波动率.

电能路由器作为保障用户间传输电能稳定变换的装置，对其运行绩效评价首先应从电能质量角度来考察.电压波动大会引起用户侧敏感负荷的非正常运行，从而影响用户的使用体验.其计算方法如下[23-24]：

(21)

(22)

式中：Fu为电压波功率；Umax为最大电压有效值；Umin为最小电压有效值；UN为额定电压有效值；R1为电能路由器转换的电压波动率平均值；下标s表示为第s次电能转换；S为总电能转换次数.

(2) 频率稳定性.

频率稳定同样是衡量电能质量的重要因素，也会影响到用户侧负荷的正常使用.其计算方法如下：

(23)

(24)

式中：fN为额定频率；Δf为频率偏差量；R2为电能路由器的频率稳定性平均值；Sf为频率稳定性.

(3) 电压谐波畸变率.

微网中含有大量的分布式能源及电力电子设备，因此波形畸变是影响电能质量的重要指标，电压谐波畸变过大将影响用户侧负荷运行，甚至造成故障.其计算方法如下[25]：

(25)

(26)

式中：Eu为电压谐波畸变率；Ui(i=2,3,…,n)为第i次谐波电压有效值；U1为基波电压有效值；R3为电压谐波畸变率平均值.

1.5.2电能转化效率

功率转化效率.电能转化是电能路由器最主要的功能，可将分布式能源生产的电能转化为用户可直接使用或是进行交易的形式，因此其功率转化效率越高，代表电能在转化过程中的损耗越小，用户在使用或是交易时所获得的收益也就越大.其计算方法如下：

(27)

(28)

式中：Pa为电能转化效率；Po为输出功率；Pi为输入功率；R4为电能路由器功率转化效率平均值.

1.5.3设备安全性

(1) 稳定运行程度.

硬件设备在运行过程中存在着损耗，作为支撑分布式交易实现、保证负荷供电的重要装置，电能路由器的非故障运行时间反映了其稳定性与可靠性.其计算方法如下：

(29)

式中：R5为电能路由器稳定运行程度；Tr为其稳定运行时间；Tu为其故障时间.

(2) 工作温度范围.

电能路由器在进行能量转化时，通过的大量电流可能会引起设备的长时间发热.同时，安装在用户侧的电能路由器也需要面临环境温度的不断变化.因此，具有较宽的工作温度范围对于电能路由器的安全运行十分重要.其计算方法如下：

R6=Tmax-Tmin

(30)

式中：R6为电能路由器工作温度范围；Tmax为其最高允许工作温度；Tmin为其最低允许工作温度.

(3) 维护成本.

电能路由器的设备维护成本需要从两方面考虑，一方面是每个周期内的常规设备检修，另一方面是出现故障之后需要进行的特殊设备检修.其计算方法如下：

R7=Cm+KCs

(31)

式中：R7为电能路由器维修成本；Cm为常规设备检修成本；K为设备故障次数；Cs为故障后设备检修成本.

2 分布式电能交易绩效评价方法

分布式电能交易绩效评价是通过设置体现分布式电能交易效果的多层次、多维度评价指标，再利用一定的评价方法综合考虑所提的系列分布式电能交易指标，最终得出定量评价结论的过程.评价方法的选择与应用则是系列指标设置之外分布式电能交易绩效评价的第二部分核心内容，是对已设置的系列指标进行综合考量，将系列指标值转化为定性或定量评价结论的过程.

传统的评价方法主要分为两类，分别是主观评价法与客观评价.常用的主观评价法一般通过某种方法主观确定指标权重，然后进行计算分析得出评价，主要包括层次分析法、专家咨询法等.文献[26]通过构造判断矩阵、层次排序及一致性检验等步骤，利用层次分析法对所提包含4层32个指标的配电网指标体系进行分析计算得到最终综合分值，详细全面地反映了配电网能效水平.文献[27]提出基于直觉模糊层次分析法，通过构建反映属性间重要性的直觉判断矩阵，然后利用直觉模糊数运算获取指标权重，通过得分函数对综合评价进行打分得到最终电网运行状态评价结果.文献[28]通过9位标度法构造指标判断矩阵，进行指标判断矩阵的层次单排序及一致性判断，最后由专家根据经验直接干预权重设置，得到电力用户典型供电模式评价结果.文献[29]针对用户侧分布式电源参与电力市场情况，设置3层指标体系，采用主观评价的方式获取最终评价结果.

客观评价法则是通过一定的数学理论计算获取系列指标的权重，进一步计算分析给出评价结果，主要包括熵权法、主成分分析法等.文献[30]针对熵权法在熵值都接近1时熵权变化剧烈导致的信息传递错误问题，提出一种改进熵权法计算指标的综合权重，并通过神经网络学习快速计算获取电能质量评估结果.文献[31]针对主成分分析法在评估过程中面对高维指标的局限性问题，保留指标数据间离散程度差异，提取对评价起主要影响作用的成分，降低指标体系维数，实现对火电机组综合评价.文献[32]将云模型、物元可拓理论、理想点法和熵优化算法相结合，对电力市场运行健康评价指标体系的五大类16个指标进行综合评价.文献[33]针对电力交易市场的自由化后市场参与者关注的相关成本分配问题，采用熵权法对不同的成本分配方案进行综合评价.

但是传统的主观评价法与客观评价法均具有不可回避的弊端，主观评价法通过人为设置权重对指标综合计算后得出评价结论，其评价结果体现的是个人或群体的主观意愿，客观公平性较差；而客观评价法则一般过度依赖理论，得出的结论大概率忽略了隐性评价目的，而且多数客观评价法的理论正确性得不到有效证明.而分布式电能交易绩效评价需要考虑系统侧、用户侧、技术支持方等多个层面，经济性、可靠性、安全性等多个角度，需要考虑的指标因素更复杂，多样，应用单一传统评价方法的弊端更加凸显.因此，传统的主观评价法与客观评价法已经不再适合作为新兴分布式电能交易绩效评价的评价方法.

为了能够得出更加合理的评价结果，近年来一些评价方面的研究不再直接使用主观评价法或客观评价法，而是将主观评价法与客观评价法相结合，避免单独使用某种方法时的弊端，使评价方法既不会忽略隐性评价目的，还具有一定的客观公正性，这对分布式电能交易绩效评价方法的设计具有参考意义.文献[34]分别采用了层次分析法确定基础权重、采用相关系数法确定相关性权重、用熵权法确定熵权重，最后利用矩阵计算方法合成指标最终权重，该综合评价模型综合利用多种评价方法，实现对广东电力市场的客观、全面评估.文献[35]通过乘积方根法对准则层的指标赋权，通过均方差赋权法对方案层的指标赋权，并且利用灰色关联度法和模糊综合评价法结合的方式进行横向与纵向综合评价，实现了对我国电力市场交易的综合评价，并通过云南电力市场实际数据验证所提评价方法的有效性.文献[36]考虑了定性指标与定量指标、主观赋权与客观赋权，融合利用层次分析法、相关系数法、熵权法、证据推理等方法分别求解了指标权重并最终合成，提出了一种全新的电力市场综合评价方法.文献[37]采用了层次分析法、灰色关联分析、多目标优化比率分析和逼近理想解排序法技术结合的方法，对13家公司的数据进行分析，得出最终投资评价结果.文献[38]在中国电力体制改革的背景下，将层次分析法和熵权法相结合，对电力市场监管的评价指标体系进行处理得到最终评价结论.作为一项新兴技术，分布式电能交易相较于传统电力市场交易呈现一种去中心化的特点，这同时也为分布式电能交易绩效评价带来了利益主体众多导致的评价结果难以被普遍接受的问题.因此，在借鉴现有电力市场交易评价方法的同时，分布式电能交易绩效评价方法既要避免客观公正性不足，也要充分考虑各项指标，尽量避免客观评价理论指标数据降维处理过程中的信息丢失问题.

3 分布式电能交易绩效评价关键技术展望

基于对相关学术论文、研究项目和工程实践的综合分析，以及对目前分布式能源交易市场的评价指标和评价方法进行梳理，目前针对分布式能源交易的评价体系吸引了越来越多的研究和探讨.但是，大多数研究主要针对能源交易市场机制设计、交易平台两大方面进行研究.要进一步实现分布式能源交易市场的稳定运行，必须要充分考虑到售电方、购电方、配电网、市场协调者之间的互动衔接，以及各方内部不确定性因素的影响，形成相互制约、优胜劣汰、公平透明的市场交易机制[39].为此，可以从以下几个方面构建起市场评价机制.

(1) 分布式能源交易综合评价指标体系.在评价指标体系构建时，应突破传统电力市场单向运行、自然垄断和规模效应的特点，充分考虑分布式能源的双向运行以及可再生能源间歇性、随机性和灵活性的特点.评价指标体系需要涵盖分布式能源供用能的用能质量、可靠性、配电网损耗、互动性、经济性(如财务评价指标、系统经济性、能源经济性、成本效率)、公平性(弱势用户的利益保障)、安全性、用户满意度以及社会效益(如低碳环保、用户舒适)等多个方面[40-43].指标定义将体现可测度、可分析和可比较的要求.例如，供电可靠性指标将体现于分布式电能交易市场平台、售电方的设备运行可靠程度与系统持续供电的能力，可以分为设备软硬件可靠性和系统可靠性评估两个层面，包括平均故障停电时间、平均停电频率、系统电力不足期望值等基础性指标[44].互动性指标(需求侧互动性指标)则用于反映分布式电能交易中用户侧与微网系统、售电侧与微网系统、用户侧与售电侧的互动水平，可体现为“用电方-交易平台”“售电方-交易平台”“用电方-售电方”之间的互动程度及其对能效提升、清洁能源占比提高等的贡献程度.包括削峰填谷、频率响应、电压支撑、分布式电源即插即用能力(分布式能源接入能力)、智能电表普及度等.用户满意度指标由对一定范围内用户的投票经折算后得到，用来反映购电方在用电过程中对售电方提供电能的质量和稳定性，提供服务的满意度，以及用户对端对端能源交易中，针对集中式市场和分散式/分布式市场提供服务水平、用户隐私维护、用户自治性等方面的满意度[45].

(2) 绩效评价指标计算方法.在指标计算时，存在如运行成本、投资回报率一类的可量化指标，如用户满意度、舒适度一类的难以量化指标，以及如环保、公平一类的不可量化指标.针对这3类指标的不同性质，应采用主客观综合评价的思路协调考虑，对难以量化和不可量化的指标进行模糊分析、区间计算等处理方法，可解决此类不确定性问题.

(3) 基于数据驱动的评价方法.在现实中，分布式能源交易是一个非常复杂的行为过程，包括可再生能源存在很大的随机性和间歇性、用户行为决策具有很强的不确定性以及市场机制的不稳定性等，因此，很难建立能够准确表征系统状态的机理模型.得益于能源互联网中分布式能源的大量接入，用户与用户、用户与配电网之间的数据触点不断丰富，各方融合趋势不断加强，同时，考虑到分布式能源系统中存在一部分难以量化和不可量化的指标，可将基于大数据的数据驱动应用在分布式能源网络中[46-47].相比于传统的流程驱动，将来源于生产过程中大量的客观历史、实时数据作为新型生产要素(或生产资料)，利用数据驱动实现分布式能源各方数据的融合，建立起更加全面的评估体系，不断优化低效问题环节，能够克服主观评价带来的局限性和片面性，有效解决建模仿真中的精确度问题.

4 结论

分布式能源交易作为有望同时实现能源安全、能源平等、能源可持续3个目标的重要突破口，该领域已在全球学术界、工业界引起了广泛的关注和讨论.综合评价作为衡量分布式能源交易技术先进性、决策合理性、经验可推广性的主要手段，能够在分布式能源交易市场中起到优胜劣汰、提质增效的重要作用.

针对微网内分布式电能交易市场绩效评价进行研究，首先针对分布式交易市场评价指标短缺，覆盖面较小的现状，提出了面向市场参与主体及交易支撑软硬件的绩效评价指标体系，从电能供应能力、购电诚信度、平台安全性、电能转化效率等方面进行多维度的综合绩效评价，并且以主、客观方法为重点总结梳理了电能交易市场评价方法的研究现状.之后从绩效指标体系、指标计算方法及综合评价方法3个方面对分布式电能交易市场关键技术进行了分析讨论.经过对绩效评价指标体系的建立与对国内外分布式交易市场评价方法的研究现状进行总结归纳，目前分布式能源交易市场综合评价体系研究存在以下可改进之处.

(1) 分布式能源交易市场评价方法受到评价主观性以及外部不确定性影响显著，现有改进方法虽在一定程度上缓解了这种影响，但方法的适用性仍受到改进效果、指标复杂度、样本数量等因素的制约.

(2) 分布式能源交易市场中，在建立经济性指标、社会性评价指标过程中较多关注单一的某侧，未考虑分布式能源市场“售电方-配电网-购电方”多环节协同带来的整体效益，无法充分体现分布式能源交易市场的特点.

(7)

表1 合作基础S7评价细则
Tab.1 Evaluation rules of cooperation basisS7

历史交易次数评价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] 施建华, 荆朝霞, 陈达鹏. 广东电力市场评价指标与方法模型研究[J].广东电力, 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] 李涛, 王盛煜. 基于灰色关联度和模糊综合评价法的我国电力市场交易评价体系研究[J].工业技术经济, 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] 施建华. 广东电力市场评价指标与方法模型研究[D]. 广州: 华南理工大学, 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] 何涛. 适用于分布式能源交易场景的区块链关键算法与技术研究[D]. 成都: 电子科技大学, 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] 陈玮. 新能源背景下的主动配电网故障恢复关键技术研究[D]. 杭州: 浙江大学, 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.