基于区块链的多主体梯级水电市场交易模型

葛晓琳，薛钰，侯昊宇

(上海电力大学 电气工程学院, 上海 200090)

0 引 言

随着电力市场化改革的推进，同一流域中的梯级上、下游水电站分属于不同的发电企业参与电力市场交易[1]已经成为一种趋势。水电在消纳条件较好地区将安排优先发电计划，国家鼓励通过竞争方式确定水电价格，探索通过招标等竞争方式确定水电项目业主和上网电价[2]。水电企业在参与市场交易的同时还要应对流域梯级上下游水力-电力耦合、电能时空分配、综合用水需求、流域多利益主体协调等复杂问题[3]。因此，为实现水电资源的优化配置，设计有效的多主体梯级水电市场交易模型已成为亟待解决的问题。

2019年5月10日，国家发改委、能源局发布《关于建立健全可再生能源电力消纳保障机制的通知》[4]，明确提出规范市场报价和市场披露机制，强调了完善电力市场信息披露的重要性。因此，建立安全、高效、透明的梯级水电市场交易模式对于水电企业至关重要[5]。区块链技术的引入能够保证资产交易记录的透明和快速查阅[6]。作为信息领域的前沿性技术，区块链技术在电力领域也受到广泛关注[7]。文献[8]提出了一种能源区块链网络模型，并将其引入虚拟电厂的运行调度过程，提高了虚拟电厂整体运行效率。文献[9]提出一种基于区块链技术的需求侧响应资源点对点交易框架并分析了基于区块链技术的分散需求侧响应资源交易中的关键问题。文献[10-11]分别提出了基于区块链的多能互补系统关键问题和交易体系。虽然区块链技术在电力系统领域中的研究已有初步成果，但尚未有直接应用到梯级水电市场交易领域的先例。梯级水电站众多并且隶属于多投资主体，传统的梯级水电市场交易由独立的系统中心完成最终出清过程使得梯级水电市场交易具有不透明性。现有的加密模式相对单一，易被攻破，而梯级水电由于其隶属于不同市场主体的特点导致其在市场交易过程对信息的安全保密机制要求高[12]。因此，如何基于区块链技术建立多主体梯级水电市场交易模式仍需进一步研究。

此外，目前我国梯级水电市场交易规模在不断扩大，各水电运营商主体在市场环境下的利益博弈给传统梯级水电的经济优化调度带来巨大挑战[13]。目前针对梯级水电市场交易模型，大多是从流域整体效益最大化或是多主体竞价角度开展研究。其中，文献[14]以社会效益最大化进行市场出清，探索了下游电站利用有限出力制定自调度投标策略；文献[15]构建了市场竞价环境下梯级水电站整体优化调度模型。文献[16]则以市场内不同利益主体水电站均以实现自身利益最大化为决策目的进行分析从而开展水电竞价交易研究。然而上述文献均从单一角度进行分析，若在梯级水电市场交易中仅考虑以社会效益最大化为目标，则忽略了梯级水电多主体发电运营商的精确性建模；若仅考虑以发电商个体利益最大化为目标，则不利于流域梯级电站的统一调度。面对开放和竞争的电力市场，梯级水电站群如何实现多主体在个体和整体的统一协调优化值得进一步研究。

在上述背景下，文章提出了一种基于区块链网络的多主体梯级水电日前市场交易模型并引入目标级联分析方法进行求解。首先建立了基于区块链技术的梯级水电市场交易模式并且对传统区块链加密算法进行改进。然后对梯级水电隶属于多主体发电商进行了精细化建模，并建立各电站之间的关联性约束反映梯级水电上下游之间的耦合关系。最后，引入目标级联分析方法，将多主体发电商与整个梯级水电流域作为不同利益主体建立两级递阶优化调度模型，分别以发电商收益最大化和整个流域购电成本最小化为目标通过发电功率进行联络求解，并实现梯级流域整体效益与各发电商个体效益的协调优化。基于长江干流某三库梯级水电站系统的算例表明，所提区块链和目标级联分析法应用于多主体梯级水电日前交易的可行性和有效性。

1 基于区块链技术的梯级水电市场交易模式

1.1 区块链基本原理及应用于梯级水电市场交易的适用性分析

所谓区块链，也被称为一种去中心化的分布式账本数据库，特点是去中心化、公开透明，让每个人均可参与数据库记录[17]。区块链技术为资源交易平台提供了一个无中心定价机构，低准入门槛，能够保证交易信息透明公开，保证用户信息隐私的交易平台[18]。在互不信任的多主体并重、各方相对均衡的情况下，由于区块链的共治和共识思想[19]为梯级水电的电力市场交易参与主体提供了交易透明化的可能性。市场主体每一方都有机会主导和决策，但执行结果受到各方的监督，必须得到各方认可方可生效，实现了各主体之间的相互制衡，避免一家独大。随着我国电力体制改革的推进，电力交易机构将由过去的单一中心机构主导变为多主体共同主导，为梯级水电站上下游梯级水电站发电企业策略型竞价提供了新的指导，也为区块链技术在梯级水电市场交易中的应用提供了可能。基于区块链的梯级水电市场交易模式如图1所示。

1.2 基于Keccak算法的区块链加密模式改进分析

区块链技术的核心是通过散列加密算法对数据进行加密实现数据的可靠性，传统加密算法通常为MD5，然而已有文献已经给出MD5算法的破解的方法[20]。为了克服这一问题，文中采用Keccak算法对梯级水电市场交易数据进行加密，具体加密过程如图2所示。

图1 基于区块链的梯级水电市场交易结构图

图2 Keccack算法加密过程流程图

首先，以一串自定义的随机字符串表征梯级水电运营商的交易数据，形成散列值。接着，为了进一步提高算法的安全性，防止报价封装过程被碰撞破解，在加密的基础上再引入一个不可重复的随机变量作为每个交易数据的密钥进行混淆。该随机变量采用雪花算法生成。依据雪花算法依次生成机器ID，计数到的最后毫秒数作为当前的时间戳，新的ID序号作为随机变量加入到新的散列值中。通过以上过程保证了系统中密钥的唯一性。最终，投标者在密封数据阶段提交经过加密得到的一串不可篡改、难以攻破的交易数据散列值，为市场交易环节中智能合约验证报价信息的一致性提供先行条件。

1.3 基于区块链技术的梯级水电站多运营商主体市场交易流程分析

将基于区块链技术的梯级水电站多运营商主体市场报价流程分为四阶段:(1)发布交易：梯级水电发电商根据径流预测情况以及自身电量需求生成并提交报价策略;(2)密封报价：在报价阶段梯级水电发电商利用不可逆向求解、易于校验的哈希函数，将自己的真实报价以一串自定义的随机字符串表示，再进行keccak加密作为密封报价，在密封报价阶段提交。智能合约将验证是否与密封报价阶段提交的信息一致，若不一致，则认为该报价无效;(3)优化决策:在优化决策阶段，按照所建立的市场交易模型对报价和竞标电量进行优化，并提交给智能合约，智能合约对调整后的报价再一次进行加密处理。中标电量与成交价格一旦经智能合约确认，便无法篡改。优化决策阶段将在第2节部分进行介绍;(4)交易结算:在规定的电能交易结算时间内，梯级水电市场交易的全部主体上传该时段的电能使用情况至智能电表。智能电能表[21]将向智能合约反馈实际发用电情况，智能合约根据反馈的数据进行交易结算。梯级水电市场交易流程图如图3所示。

图3 基于区块链的梯级水电市场交易流程图

2 多主体梯级水电交易模型及其求解

2.1 多主体梯级水电日前市场交易模型

2.1.1 目标函数

根据目前梯级水电站的市场竞价规则，电站单独竞价将可能导致水电电量不匹配，如在竞价阶段，各电站单独竞价时，由于不明确上游运行方式，无法确定日前现货市场竞价的量价申报方案，尤其是电量方案；在竞价出清后运行阶段，由于上下游中标电量不匹配，则存在上游电站蓄水不发电，下游电站虽有中标电量却无水发电等问题。因此为了在多主体梯级水电发电商市场出清模型中考虑到整个梯级流域上下游的水量电量匹配问题，将目标级联分析法[22]应用到梯级水电日前市场中，在个体层面以各梯级水电发电商主体收益最大为目标,在整体层面以梯级流域社会福利最大为目标。

(1)各运营商发电效益最大。

目前中国同一流域梯级水电站数目众多且属于不同发电主体，在综合考虑常规的水力和电力调度约束条件，以梯级水电站调度期内各发电商发电效益最大为个体优化目标。

(1)

式中Bm表示第m个发电商在交易周期内的总发电效益；t表示时段序号，T表示时段数目；πtclear为t时刻的出清电价；am,n为矩阵Am,n中第m行第n列元素，矩阵Am,n为发电商与梯级水电的关联矩阵；若水电站n隶属于发电商m，am,n相应取值为1，否则为0；Pm,n,t为第m个发电商所属的第n个电站在第t时段的竞标电量。

(2)整个流域购电成本最小化。

电力市场中社会福利一般是指总负荷效用函数减去总购电成本函数[23]。由于文中暂不考虑用户侧效用函数，所以社会福利最大化，等价为购电总成本最小化，具体表达式如下：

(2)

2.1.2 约束条件

(1)水量平衡约束。

(3)

式中Vn,t为水电站n在时段t的库容；In,t为水电站n在时段t的来水预测值；Sn,t为水电站n在时段t的弃水流量，ni为水电站n的第i个直接上游水电站；Ωn为水电站n的直接上游水电站集合；τi为第i个直接上游水电站的水流滞时，Qni,t-τi和Sni,t-τi分别为水电站n的第i个直接上游水电站在时段t-τi的发电流量和弃水流量。

(2)水电站出力约束。

Pm,n,t=am,nηnQn,tHn,t

(4)

(5)

(3)水库库容上下限约束。

(6)

(4)发电流量约束。

(7)

(5)弃水约束。

(8)

(6)水库始末库容约束。

(9)

(10)

(7)功率平衡约束。

(11)

式中PD,t为时段t的总负荷。

(8)中标电量上下限约束。

(12)

(9)报价上下限约束。

(13)

2.2 目标级联分析法应用于多主体梯级水电参与日前市场交易模型的求解

考虑到单一主体的传统集中式优化方法在多主体梯级水电市场交易中难以为继，亟需提出一种协调多主体自主决策与整体协调优化的方法来解决。由于多主体梯级水电市场交易从个体角度需实现各发电商主体收益最大化，从整体角度需实现流域梯级电站总购电成本最小化。因此，引入目标级联分析法通过整体与局部之间的交互迭代实现多级系统的协调优化。目标级联分析法的基本思想是针对梯级水电隶属于不同发电商主体进行市场交易，建立梯级水电群的两级递阶优化模型，分别以发电商收益最大化和购电成本最小化为目标通过发电功率进行联络求解。通过这种交互迭代渐进收敛的方式进而体现多个主体在市场竞争的同时在局部优化目标和整体优化目标的博弈。

(14)

式中vm,n,t与wm,n,t为拉格朗日乘子，k为迭代次数。

(15)

因此，基于目标级联分析法的梯级水电日前市场迭代交易模型中(见图4)，发电商报价模型由式(14)和式(3)～式(11)构成，整个梯级流域的市场出清模型由式(15)和式(11)～式(13)构成。各优化模型并行独立求解，交叠进行直到满足收敛条件。

图4 基于目标级联法的梯级水电市场交易图

基于目标级联分析法的多主体梯级水电市场交易迭代优化的收敛判据如下：

(16)

式中ε为收敛精度。

式(16)表示作为耦合变量的竞标量和中标量，在最后一次迭代过程中其差值应满足精度要求；若收敛判据不能同时满足，拉格朗日函数的一次项、二次项乘子vm,n,t和wm,n,t的更新原则如下所示：

(18)

式中γ的取值一般为1～3，vm,n,t与wm,n,t的初值一般取为较小的常数。

2.3 基于目标级联分析法的计算流程

根据以上描述，采用目标级联分析法求解，具体流程如下：

步骤1：输入梯级水电站初始参数和拉格朗日乘子初值，令中标电量初值等于竞标电量，令迭代次数k=1；

步骤5：重复步骤2～步骤4，直到满足收敛条件。

3 实验结果与分析

为了验证所构建模型的有效性，以某三库[25](分别记为A、B、C)梯级水电站系统进行算例测试。多主体运营商将梯级水电日前市场交易智能合约发布至以太坊私有链，作为市场交易平台，模拟多主体梯级水电进行仿真测试。图5为水电站位置关系，表1为各水电站水库调度的主要参数，天然来水数据参考文献[26]。假设三库隶属于不同的发电集团运营管理。测试计算采用MATLAB与GAMS仿真平台联合求解。其中，拉格朗日罚函数乘子初值都设为1.5，收敛精度均设为0.01。

图5 水电站位置关系图

表1 某长江干流梯级各电站主要参数

在仿真测试中，梯级水电运营商根据自身实际需求与当前电价预测情况发起一次交易请求。投标者提交的密封报价、密封报量及自定义随机字符串(以A库运营商12个时段的报价数据为例)如表2所示。由于哈希函数的不可逆向求解性，一旦投标者的投标数据经过哈希加密便不可更改。此外，若这些投标者能够及时的获取交易信息，便可以调整自身下一阶段的报价，能够提高自身的交易竞争力。且A库运营商每一个时段的密封报价均可体现时间戳，保证了加密结果的唯一性。

为研究梯级水电站隶属于不同发电商主体对优化结果的影响，比较了水电站A、B、C四种不同的隶属关系，具体设置如下：

表2 A库运营商加密的交易数据

(1)情景1：水电站A、B、C分别为三家不同的集团公司运营，三个发电商分别独立参与竞价投标;

(2)情景2：水电站A、B归属于同一发电运营商，水电站C单独一家发电运营商;

(3)情景3：水电站A、C归属于同一发电运营商，水电站B单独一家发电运营商;

(4)情景4：水电站A、B、C为发电运营商，共1个发电商参与竞价投标。

各情景下梯级水电站日前调度的发电效益优化结果如图6所示。从图6中可以看出当相邻的两个梯级水电站隶属于同一发电商时，发电商以梯级水电站群收益最大为目标进行投标，相较于情景1的三个发电商独立参与竞价投标，电站A、B所属发电商的收益提高了，9.6%整个流域的收益也提高了5.7% ，这是由于当电站A、B属于同一运营商时，可以进行协调优化，两电站之间为了共同利益可以获得更高的总的发电功率以获得更大的发电利润。当不相邻的两个梯级水电站隶属于同一发电商时，下游电站中标趋势与上游电站相近，且相比较于情景1，C电站与A电站有共同利益进行投标，使得下游电站中标曲线相较于情景一上移，整个流域收益提高了2.3%，此时情景3下C电站个体效益相较于情景1提高了7.2%，这是由于电站A、C为同一发电商进行投标，使得位处下游的电站C获得更多的投标空间，可在一定程度上提高收益。由此可以看出，通过对各水电站的经济隶属关系进行详细建模，可以更为充分地协调发电资源，实现发电商经济效益的提升。

图6 不同情景下A、B、C发电效益

为验证算法的性能，分别采用集中式优化求解方法与所提的基于目标级联分析法的分散自治调度方法对该算例进行求解。其中，集中式优化求解方法以梯级流域购电成本最小为目标建模求解。两种方法的对比结果如表3所示。不同情景下个体收益对比结果如图7所示。

表3 目标级联法算法与集中式算法比较分析

图7 不同情景下个体收益对比

由图7可知，在情景1下当三个电站分别隶属于三个不同的发电商时，目标级联法求得的购电成本相较于集中式算法高2%，然而电站A的个体效益提高了6.4%，电站B的个体效益提高了7.6%，电站C的个体效益提高了4.05%，这是由于A、B、C三电站各自参与投标相互竞争提升各自的投标空间。而在情景2下当相邻的两个梯级水电站隶属于同一发电商时，目标级联法求得的购电成本相较于集中式算法高1.1%，电站A的个体效益提高了5.6%，电站B的个体效益提高了6.5%，电站C的个体效益提高了4.4%，这是由于A、B电站属于同一运营商时给位处下游的C电站为了争取自投标利益提供了更多的投标空间。在情景3下当不相邻的两个梯级水电站隶属于同一发电商时，目标级联法求得的购电成本相较于集中式算法高0.8%，电站A的个体效益提高了3.3%，电站B的个体效益提高了8.2%，电站C的个体效益提高了1.8%，这是由于A、C电站属于同一运营商时给B电站争取自投标利益提供了更多的投标空间。在情景4下当三个电站隶属于同一发电商时，目标级联法相较于集中式算法得出的结果高0.74%，这是由于只有一个发电商进行交易，使用目标级联法求解既需考虑社会福利最大化还需满足总发电量最大，两目标之间进行协调优化，而集中式算法仅需考虑购电成本最小化。由此可见，目标级联算法能够在考虑整个梯级水电全局利益的同时协同梯级水电站之间的个体利益，有利于激发个体发电商投标的积极性，并使得整个流域收益得到显著提高。

此外，由表3可知集中式算法有较快的求解速度，分布式计算过程求解时间缓慢,这是由于本文求解规模小无法全面体现不同算法对模型求解效率的影响。为进一步分析系统规模对模型求解效率的影响，将原来的三库水电站扩展成12库水电站(如图8所示)，其中12水库中前4个水库参数按照电站A的参数进行设置，中间4个水库参数按照电站B的参数进行设置，末尾4个水库参数按照电站C的参数进行设置。各水电站隶属关系按照情景1设置，即各水电站隶属于不同的发电商，进而分别结合集中式建模算法和目标级联分析法进行求解。

图8 梯级水电站扩展图

由图9可以看出，当梯级水电主体数量较少时，集中式求解规模小而有较快的求解速度，耗时不超过20 s，这是由于计算过程中信息的传递使得目标级联分析法的求解时间增加。随着多主体数量增加，集中式求解方法的计算耗时呈指数级增长，而分布式的增长幅度则相对缓慢，当电站数量为12个时，集中式算法计算时长高达70 s，而目标级联算法计算时长只有36 s，整整节约了一半的时间。由此可见，在规模大的算例中，当主体数量较多时，由于系统规模的急剧增大，使集中式求解效率降低；基于目标级联法的协同优化方法将优化问题解耦，每个子问题的规模较小并且可在并行环境下求解，从而减小了单个问题的整型变量数目，将更加突出目标级联分析法优越的求解性能。

图9 集中式算法与目标级联法计算耗时对比

4 结束语

文中提出了一种基于区块链技术的多主体梯级水电日前市场交易模型，并对梯级水电隶属于多主体发电商进行了精细化建模。引入目标级联分析方法，将多主体发电商与整个梯级水电流域作为不同利益主体，分别以发电商收益最大化和社会福利最大化为目标通过发电功率进行联络求解，并实现两个优化模型的并行求解，所得结论如下：

(1)所提方法利用区块链自身的密码学特点使梯级水电市场交易获得了更大程度的信息安全保障，对Keccak算法的性能和安全性进行了对比分析验证了此算法的优越性;

(2)通过对梯级水电站与发电商的隶属关系进行精确性建模，能够更好的协调流域梯级水电地理分布与经济所属的关系，进而实现流域梯级联合调度效益最大化;

(3)目标级联分析法细化了多主体梯级水电站之间的利益博弈，与传统集中式算法相比，所提方法提高了模型的计算效率和收敛性，并实现了整体效益和个体效益的统一优化。