计及信誉值和电气距离的分布式电能交易区块链模型

李振伟，刘洋，许立雄，朱廷虎，刘任

(四川大学电气工程学院, 成都市 610065)

0 引 言

随着能源互联网的发展和售电侧市场的放开，以微电网为市场主体的分布式能源交易将成为可再生能源就地消纳的重要手段[1-2]。同时，大量具有独立决策能力的微电网之间开展交易对于运行效率、数据公开透明性以及交易安全性提出更高要求[3]。相较于传统集中式交易，分布式端对端交易具有运行效率高和维护成本低等优势[4]，但其依然面临交易数据易被篡改和难追溯等问题[5]。区块链作为一种可信任的分布式数据库，其去中心化、信任成本低、安全透明的特性与分布式交易相契合[6]。因此，基于区块链技术的多微电网分布式交易模式受到重视。

分布式交易中存在市场准入门槛低、交易主体的个体趋利性强、新能源出力具有不确定性等问题[7]，同时电能交易合约通常在实际交割执行前进行签订[8]。上述情况将一定程度上增大各微电网主体发生违约行为的可能性，危害分布式电能交易的正常展开，进而影响配电网的安全运行[9]。因此，建立分布式电能交易模型的同时需对各交易主体进行信用管理以约束其违约行为。文献[10]提出了基于信誉值激励的光伏分布式交易区块链模型，但需要采用弱中心化形式进行公开账本的维护工作。文献[11]建立了基于信用证明共识机制的分布式交易信用评估方法，以经济激励方式遏制用户违约行为。文献[12]基于连续双向拍卖机制和信用机制，设计了以价格为主、信用为辅的微电网分层交易策略，结果表明所提方法能够有效抑制节点的恶意交易行为和规避违约风险。但上述文献均未考虑配电网网络架构、电能传输损耗和新能源就近消纳等对交易匹配结果的影响。

随着交易规模扩大，微电网间往往会发生较远距离的电能传输[13]。若仍将电能作为普通商品进行交易，忽略电能传输距离对交易匹配的影响，在实际应用中将严重影响各交易主体的经济利益[14]。因此，需激励各交易主体就近交易以提高其经济效益，进而促进新能源的就近消纳。文献[15]设计了基于电气传输距离评估指标的拍卖算法，并分析了该交易匹配机制的高效性和经济性。文献[16]提出考虑电气距离定价机制的分布式能源交易区块链模型，并引入一种匿名位置证明算法，以鼓励用户就近交易。文献[17]构建基于稳定匹配算法的端对端能源交易区块链模型，仿真验证由电气距离驱动的交易机制可缓解网络损耗和线路阻塞。因此，需对分布式交易的信用管理和节点间电气距离进行综合考虑。

综上所述，本文提出一种基于区块链技术的分布式电能交易模型，并设计计及信誉值排序和电气距离的匹配机制。首先，针对各交易主体的历史合约履行率建立信誉评估模型，并将信誉值引入到交易匹配中，构建结合信誉值和报价信息的调序策略。其次，为促使交易双方在信誉值允许范围内选择就近交易，建立基于戴维南阻抗距离的电气距离评估模型，并以购电方费用最低为目标函数设计交易匹配策略；再次，引入基于功率分布因子(power transfer distribution factors，PTDF)的动态网络安全校核和自适应报价更新策略对交易信息进行约束管理和实时更新。最后，利用以太坊Ganache客户端搭建分布式电能交易平台，并部署智能合约进行仿真验证，通过算例证明所提交易机制的有效性与合理性。

1 基于区块链的分布式电能交易架构

本文所研究的多微电网分布式电能交易模型由物理层和信息层两部分构成，整体架构如图1所示。在物理层中，各交易主体在签订电能交易合约后，通过配电网的网络架构进行电能交割。在信息层中，各交易主体通过智能电表在区块链平台上调用智能合约进行信息交互、合约匹配和交易结算，以实现安全可靠、公开透明和智能化执行的分布式电能交易。

图1 多微电网分布式电能交易框架Fig.1 Multi-microgrid distributed energy transaction framework

本架构中，交易主体主要由微电网和配电网运营商(distribution system operation，DSO)构成。其中，微电网包含风电机组、光伏系统、居民用户、分布式储能和电动汽车等。微电网在自身发电量大于负荷量时作为售电方，反之则作为购电方。DSO不作为第三方机构参与和监管分布式电能交易，而是为各微电网提供辅助服务。当微电网间无法达到电能交易平衡，DSO将以上网电价收购售电方未能交易的电量或以分时电价出售电能给仍有需求的购电方。因此，基于区块链技术的分布式电能交易流程可分为以下5个阶段：

1)交易信息更新阶段。在每轮交易匹配开始前，区块链平台对各主体上一轮的交易信息进行更新，并审核其信誉值是否达到分布式交易市场准入阈值，如未达到，则不允许其参与本轮交易。

2)交易信息申报阶段。首先，各微电网根据自身出力和负荷情况向区块链平台申报需求电量和报价信息等。其次，交易主体需根据自身信誉值存入一定的保证金，且购电方仍需存入一定的金额，以保证其能够支付购买电量的总费用。最后，当交易申报时间截止时，智能合约将自动进行Hash运算以确认运算结果是否与其报价一致，若不一致，则终止该主体继续参与交易。

3)交易调序阶段。智能合约获得所有交易主体的有效报价和需求电量后，为激励各参与主体积极履行合约和避免非理性报价，依据其信誉值和报价信息进行交易调序。其中，信誉值较高且报价合理的交易主体拥有较高的交易优先级。

4)交易撮合阶段。首先，根据调序结果确定各主体的参与顺序。其次，综合考虑交易双方间的电气距离和信誉值情况进行交易撮合，并实时对交易撮合结果进行动态网络安全校核。最后，撮合成功的双方则进行交易匹配，未能撮合成功的主体则更新报价并进入下一轮交易。

5)交易结算出清阶段。当所有交易主体均完成购售电需求时，或达到预设的交易轮数上限时，智能合约将自动终止本轮交易，并进入结算出清阶段。智能电表根据已签订的电能合约进行电能交割，交易平台则根据实际传输情况对各交易主体进行信誉值评估和扣除一定的保证金作为违约惩罚。最后，智能合约将交易信息上传至区块链平台进行保存，并完成资金结算和转账服务。

下文将从交易调序机制、交易撮合机制、网络安全校核等方面对分布式电能交易机制进行详细介绍。

2 基于信誉值的交易调序机制

微电网主体因存在新能源出力不确定性和个体趋利性强等问题，在实际电能传输阶段易发生违约行为，导致与其达成合约的交易主体产生一定的经济损失。其次，若微电网与配电网间进行频繁的电能交互将会影响配电网运行的安全性。因此，亟需信用管理机制来约束各交易主体在分布式交易中的违约行为。

2.1 信誉值评估机制

为确保各交易主体能够积极履行交易合约，本文通过建立基于合约履行度的信誉值指标来评价各主体在实际电能交割阶段的违约行为。同时，本文将信誉值与需缴纳的保证金和市场准入门槛相关联以抑制各主体的违约行为。信誉值评估具体过程如下：

1)设定各交易主体的初始信用值均为100，并在每轮交易结束时，区块链平台将自动根据其在本轮交易中的实际电能交割情况更新信誉值。

2)若交易主体的实际电能交割量低于合约规定电量，则需根据其合约完成度计算信誉值，具体计算方法如下。

(1)

(2)

3)各主体需在第t时段交易开始前向区块链平台缴纳一定的保证金，若其发生违约行为，则需扣除部分保证金作为违约惩罚[18]。因此，需缴纳的保证金计算方法如下：

(3)

由式(1)和式(3)可知，当交易主体实际交易的偏差电量越高时，其扣除的信誉值越多，需缴纳的保证金也越多。此外，若交易主体的信誉值低于市场预设的准入阈值时，将禁止其参与分布式电能交易市场。因此，各交易主体需积极履行合约以提高自身的信誉值，避免缴纳过多的保证金和获得交易市场的准入许可。

2.2 基于信誉值的交易调序机制

在分布式电能交易市场中参与主体较多时，为促进微电网间有限的电能交易到信誉值较高的交易主体中，本文通过结合报价信息和信誉值设计基于连续双向拍卖的交易调序机制，交易调序的具体过程如下。

1)各交易主体根据自身需求通过智能电表向区块链交易平台提交其初始报价[19]。

对于购电方，其初始报价制定策略为：

(4)

对于售电方，其初始报价制定策略为：

(5)

2)智能合约将根据买卖双方的报价信息和信誉值来计算其综合报价。

对于购电方来说，其综合报价为：

(6)

对于售电方来说，其综合报价为：

(7)

3)智能合约根据购电方综合报价从高到底，售电方综合报价从低到高的顺序对各交易主体进行排序。如图2所示，购电方3因信誉值良好经过调序后，其交易次序要优于购电方2；售电方1虽然报价最低，但由于上一轮交易信誉值较差，其交易次序需向后调整。

图2 交易调序机制示意图Fig.2 Schematic diagram of transaction ordering mechanism

3 计及电气距离的交易匹配机制

电能交易不同于普通商品交易，其在交易过程中需考虑配电网的网络架构和物理约束。若只考虑交易主体的信誉值和价格进行交易匹配，在实际应用中将影响其经济效益，危害配电网运行的安全性。因此，分布式电能交易匹配机制需综合考虑交易主体间的信誉值和电气距离等方面以促进新能源的就近消纳和保障配电网安全运行。

3.1 电气距离评估模型

目前，已有研究中通常采用电能传输距离和戴维南阻抗距离等方法来计算电力系统中不同节点间的电气距离[20]。然而相较于电能传输距离法，在配电网络中，考虑最短路径的戴维南等效阻抗法更适用于求解不同节点间的电气距离[17,21]。此外，在配电网网络架构和微电网所在位置确定的情况下，戴维南阻抗距离法所得的电气距离可视为常数，该特性与区块链平台的智能化执行特性相契合[22]。因此，本文采用戴维南阻抗距离法来计算各节点间的电气距离，并将节点间的电气距离以如式(8)所示的矩阵形式编入智能合约。

(8)

式中：D为节点间的电气距离矩阵；dmn为节点m和节点n间的电气距离；m为售电微网的数量；n为购电微网的数量。

各节点间的电气距离计算公式如式(9)所示，具体计算过程如表1所示。

表1 电气距离计算过程Table 1 The process of electrical distance calculation

(9)

3.2 计及电气距离的交易匹配策略

各交易主体选择与其距离较近的主体进行电能交易可减少经济损失、缓解阻塞问题和促进新能源就近消纳[17]。因此，本文通过引入基于电气距离的网络费用以激励买卖双方在交易匹配过程中选择就近交易[23]。该网络费用的计算方法如下。

(10)

在分布式电能交易市场中，连续双向拍卖机制能够简单高效地完成买卖双方的交易匹配。因此，本文将信誉值和电气距离引入双向拍卖机制中，提出一种综合考虑信誉值、价格及电气距离的交易匹配策略。具体的交易匹配过程详述于下。

1)交易撮合阶段：买卖双方根据综合报价的排序结果形成交易队列，并按照其对应的优先级进行匹配。由于购电方需支付因电气距离产生的网络费用，本文将以购电方为主体建立其期望购电费用最小的购电策略函数：

(11)

(12)

(13)

(14)

(15)

(16)

(17)

在交易匹配过程中，若购电方的报价高于售电方的报价则双方直接根据购电双方实际报价的平均值进行签约，如式(18)所示。若购电方报价低于售电方报价，则双方需进入报价调整阶段。

(18)

式中：λij(t)为购电方i和售电方j间的成交价格。

2)报价调整阶段：当购电方与售电方实际报价无法达成匹配时，交易双方进入报价调整阶段。因此，本文采用自适应报价更新策略以提高交易双方的匹配成功率。则详细报价更新策略如下。

当进入调整报价阶段，交易主体将根据市场交易进程和信誉值情况自适应调整自身的调价意愿。即当交易匹配阶段将要截止或自身信誉值较低时，各主体将会积极调整自身报价，以尽快达成交易[24]。为防止交易匹配无法终止，需对其交易匹配次数进行限制，本文设置最大交易匹配次数为30。交易主体调价意愿计算方法如下。

(19)

(20)

(21)

3)电量平衡阶段：当本轮交易时间截止或提前结束交易匹配时，对于未能完全匹配的主体将直接与配电网运营商进行交易。

3.3 动态网络安全校核

若各交易主体直接匹配出清可能会不符合配电网的实际物理约束，因此需对每一轮达成的交易订单进行安全校核。本文基于PTDF建立分布式电能交易的网络安全校核方法。PTDF矩阵反映了两节点间潮流变化时各支路潮流分布情况，因此其常作为衡量支路潮流越限的指标[22,25]。然而已有研究多采用在交易完成后进行安全校核，不满足网络约束则需解除撮合，往往会增加交易匹配的轮数[25]。因此，本文通过将安全校核引入到交易匹配过程中，对每轮交易的线路占用情况实时更新，同时判断是否存在线路阻塞情况，若存在，则需依据各支路容量上限对交易订单进行削减以满足网络安全要求。

首先根据已达成的交易订单实时更新得到各节点电能交易矩阵Ogsc，如式(22)所示。

(22)

式中：Δpij(i,j=1,2,…,k)为节点i向节点j出售的电量，且有Δpij=-Δpji；k为节点总数。

根据节点电能交易矩阵和PTDF矩阵可得支路潮流向量。

B=ΦPTDFOgscA

(23)

ΦPTDF=YbHY-1=YbH(HTYbH)-1

(24)

式中：B为反映各支路潮流变化的向量；A为单位列向量；ΦPTDF为PTDF矩阵；Yb为支路电纳对角矩阵；H为节点关联矩阵。

因此，各支路潮流按式(25)在交易撮合过程中进行实时校验。若存在潮流越限，则根据式(26)进行订单削减，具体校核过程如表2所示。

表2 动态网络安全校核过程Table 2 The process of dynamic network security check

(25)

(26)

4 区块链交易平台的搭建

本文选取以太坊网络作为搭建区块链的平台，以太坊具有成熟的智能合约交互架构和共识协议，能够安全可靠地智能化执行分布式交易。此外，其具有较高的可扩展性和抗51%攻击等特性，可实现分布式数据的安全存储和维护[18]。而在区块链类型选择方面，相较于公有链，私有链具有隐私性好、响应速度快和成本低等特性，且支持自定义挖矿难度，可避免资源消耗过大等问题[22]。此外，以太坊节点客户端为用户提供了运行区块链的便捷工具[26]，且已有研究通过以太坊节点客户端搭建私有链进行智能合约的仿真测试[1,18]。因此，本文利用以太坊节点客户端Ganache创建私有链对智能合约进行测试验证。

智能合约作为分布式电能交易区块链模型的关键技术，其事先以代码的形式部署在区块链上，当达到预置响应条件时，将智能化执行交易申报、匹配和结算等功能[27]。因此，本文基于第1节所叙述的分布式交易流程，编写了用户信息更新合约、交易信息申报合约、交易调序合约、交易匹配合约及交易结算出清合约以保证分布式电能交易安全有序展开，具体运作过程如图3所示。各交易主体可在区块链平台上调用相关合约进行匹配交易。

图3 智能合约的执行流程Fig.3 The operation process of smart contract

5 算例分析

本文在Windows10-64bit操作系统中进行仿真分析，利用Ganache以太坊客户端搭建一条私有链，使用Metamask钱包对交易信息进行记录，并通过IDE-Remix平台编译和部署智能合约，作为分布式电能交易区块链平台，智能合约部署界面见附录图A1。为了验证本文所提交易机制的有效性，算例设置了9个售电方(A—I)、8个购电方(J—Q)及DSO，配电网结构采用IEEE 33节点系统，节点部署情况如图4所示。其中，各主体交易信息见附录表A1，且该时段内上网电价为0.4元/(kW·h)，主体从配电网购电电价为1.35元/(kW·h)。IEEE 33系统各支路容量裕度为125 kW，配电网中单位距离传输单位功率费用为0.04元/(km·kW·h)。Matlab和Matpower仅用于计算戴维南等效阻抗和PTDF矩阵，所得结果以常数矩阵的形式编入智能合约。此外，本文假设以太币与人民币汇率约为1 ether=1元，该汇率由各节点用户共同协商决定。其中，以太币只负责记录交易信息，并不作为实际结算的货币，资金结算仍以人民币进行。

图A1 智能合约部署界面Fig.A1 Deployment interface of smart contracts

图4 IEEE 33节点结构图Fig.4 Structure diagram IEEE 33-node system

5.1 分布式电能交易结果分析

交易信息申报阶段结束后，分布式电能交易平台将自动调用智能合约执行交易合约匹配，最终匹配结果如图5所示，其中灰色阴影部分表示该轮交易订单因发生线路阻塞的削减电量，PB代表主体P从主体B处购买电能，其余以此类推。其次，各售电主体的交易信息结算如附录表A2所示。由表A2可知各售电主体需根据其信誉值缴纳相应的保证金，并在交易结算时扣除一定的违约金额以弥补购电主体因其发生违约行为而产生的相应损失。

表A2 售电主体交易结算信息Table A2 Settlement results of market entities in trading

在本时段内，售电主体E因信誉值未达到市场准入阈值禁止参与电能交易，因此其盈余电量将以上网电价出售给配电网运营商，其余购售电主体均可参与市场竞争。购电主体L因其信誉值和报价在所有购电主体中处于劣势地位将在最后阶段进行匹配交易，同时本时段电能交易市场呈现“供不应求”的形势，因此购电主体L将从配电网运营商处以较高的价格购入部分电能以满足自身功率平衡。在第8笔交易时，购电主体K首先与售电主体H签订了电能交易临时订单，但由于该订单将导致支路4发生潮流越限，因此对该笔订单根据线路容量进行削减以保障配电网运行的安全性。

结合图4中购售电主体间的相对位置和其信誉值及报价信息可知，购电主体在分布式电能交易匹配过程中更倾向与离其相对位置较近且综合报价良好的售电主体进行交易，此外综合报价良好的购售电主体在交易匹配中具有较高的优先级。以第3笔和第4笔交易为例，购电主体J首先与综合报价良好且离其相对位置最近的售电主体A达成81 kW·h的电能交易合约。此时J仍需购买24 kW·h的电能以满足自身的电量平衡，且与其距离较近的售电主体A和B均已无多余电能，因此J综合考虑因电气距离产生的网络费用和各售电主体的综合报价情况选择与其距离较近的售电主体H达成24 kW·h的交易合约以保障自身的经济效益。因此，本文所提的分布式电能交易模型能够保障信誉值良好且报价合理的购售电主体拥有较高的交易优先级以激励各主体积极提高其信誉情况。

5.2 电气距离对交易结果的影响分析

图6展示了购售电主体间未计及电气距离对交易匹配结果及阻塞管理的影响。与图5对比可知，电气距离对交易匹配结果有着较大的影响，这是因为在未计及电气距离的交易匹配过程中，各购电主体仅倾向与综合报价良好的售电主体进行匹配交易。具体而言，在第1笔交易中，购电主体P与售电主体I达成交易。其次，由于主体I的综合报价在售电市场中处于最优，在第2笔交易中，主体J也将与其签订订单。然而，以上两笔交易因购售电主体间相对位置较远将导致节点3至节点32间的支路占用情况达到75%以上。因此，该情况将导致后续第3笔和第10笔电能交易发生线路阻塞而需进行订单削减。综上所述，未计及电气距离的匹配机制将出现较多远距离电能交易情况，一定程度上增加了部分支路的占用情况。因此，考虑电气距离能够促进交易双方选择就近交易，进而缓解支路发生阻塞情况。

图6 未计及电气距离的交易匹配结果Fig.6 Transaction matching results without considering electrical distance

图7为是否计及电气距离时的交易费用情况，由图7可知，两种情况下的各购电方的购电费用相差不大，但未计及电气距离匹配的订单需因电能传输距离较远支付较多的费用。其中，购电主体L因交易次序最低，只能与分布式交易市场中仍有盈余的售电主体C和G进行交易，因此其需支付较多的网络费用。

图7 交易费用对比Fig.7 Comparison of transaction cost

5.3 交易主体调序机制分析

图8展示了传统双向拍卖和本文以综合报价为依据的交易调序过程。实线部分为交易主体按照传统双向拍卖“价格至上”机制的调序结果，售电主体交易次序为：B、I、G、D、A、F、C、N，购电主体交易次序为：J、P、Q、M、K、O、N、L。若严格按照该交易次序进行匹配交易将导致信誉值较高的购电主体P和售电主体D的交易优先级处于靠后的位置，而信誉值较低的购电主体L和售电主体C处于相对靠前的位置。上述结果将导致信誉良好且报价合理的交易主体担较高的违约风险。

图8 基于信誉值的调序结果Fig.8 Reordering results based on reputation value

针对上述情况，图8中虚线部分可依据交易主体的初始报价和信誉值进行交易次序调整，以保证综合报价良好的交易主体拥有较高的匹配优先级。对于购电方，主体N的信誉值要明显高于O和L，因此，其交易次序将进行上调以提高其优先级。对于售电方，主体C和F的报价要优于H，但二者的信誉值在售电主体队列中最低，与其交易将面临较大的违约风险，因此需降低交易次序以惩罚其严重的违约行为。综上，本文所提的交易调序机制能够有效根据交易主体的市场行为进行调整次序，以激励其合理报价和积极履约。

为进一步验证本文所提交易调序机制的有效性，将其与传统双向拍卖机制的各交易主体效益提升率进行对比分析，如图9所示。相较于传统双向拍卖机制，本文所提方法能够一定程度上提高信誉值良好主体的效益提升率，降低信誉值较差主体的效益提升率。因此，本文所提的基于信誉值和报价信息的交易调序机制能够有效保障信誉良好主体的经济效益，进而促进各交易主体积极履行合约和理性报价。

5.4 报价机制分析

为验证本文所提的报价策略的合理性，通过仿真该时段下交易主体50组不同报价下的成交情况，具体信息如图10所示。由图10可知，在本文报价更新机制的作用下，购售电主体的成交电价均处于该时段下的上网电价和配电网购电电价之间。因此，本文所提的报价更新策略能够使得购售电主体相较于传统集中上网模式获得更大的经济效益。

图10 交易主体成交价格Fig.10 Users' transaction price

通过将本文报价更新策略与固定意愿0.2、0.4、0.6、0.8和随机意愿进行对比分析以验证其有效性，其中随机意愿服从[0.2，0.8]的均匀分布。如图11所示，除固定意愿0.2和0.4以外，其余方法均能有效促进购售电主体间达成交易，这是由于此时交易双方调价态度较为消极，部分用户因达到交易轮次上限而无法成功匹配。此外，本文方法的调价次数略高于固定意愿0.8，明显低于其他方法。这是因为所提策略计及了交易主体的信誉情况和交易进程，能够在交易过程中灵活调整调价意愿，进而提高交易双方间的匹配效率。

图11 报价更新策略对比Fig.11 Comparison of quote update mechanism

5.5 线路占用情况分析

交易匹配过程中配网各支路的占用情况如图12所示。在整个交易过程中，仅有支路1、4、24、25因处于各支路的交汇处附近，其线路占有情况达到了80%以上。同时，由于后续交易中存在反向潮流，对配电网网络中的潮流分布具有改善作用，因此，支路2、3、5和21等的线路占用情况随着交易轮数的增加有所降低。综上所述，整个交易过程中各线路潮流量始终保持在安全约束范围内，证明了本文所设计的安全校核方法的有效性。

图12 支路潮流情况Fig.12 Occupancy ratios of branch flow

6 结 论

针对多微电网分布式电能交易模型，并考虑到交易主体易发生违约行为和远距离电能传输等问题，本文提出了计及信誉值和电气距离的分布式电能交易区块链模型，并设计了相应的智能合约，最后对所提方法进行仿真验证，算例结果表明：

1)本文设计的交易调序机制能够促进交易主体积极履行合约以获得参与匹配的优先权和保障自身经济效益。

2)本文所提的计及电气距离的交易匹配机制能够促进交易主体就近交易电能，降低购电成本，提高交易匹配成功率，缓解线路阻塞问题，进而保障配电网的安全运行。

不过，本文采用的以太坊平台虽然架构成熟，但其仍存在效率低和资源消耗大等问题，在后续工作中将选用效率较高的Hyperledger Fabric等平台进行测试。其次，在后续研究中考虑构建将虚拟代币转换为以奖励形式存在的交易架构，并结合共识机制改进等方面进一步完善分布式交易模型。