绿色电力交易结算流程安全监测模型研究

郑 瑛,司福利,喻 芸,任龙霞

(南方电网数字电网集团有限公司,广东 广州 510663)

0 引言

为了有效落实双碳目标,国家提出“在2030年前实现碳达峰,在2060年前全面落实碳中和”的战略部署。国务院与党中央针对绿色能源市场,提出建立并完善市场体系的决策。在此背景下,我国制定了还原绿电和绿色产品属性的《绿色电力交易试点工作方案》。该方案可以促进多机制之间的融合衔接,激活绿色电力的消费侧和生产侧[1]。绿色电力交易是我国带动绿色能源相关产业发展必不可缺的一部分[2]。但在绿色电力交易结算过程中存在一些安全隐患,威胁着国家和个人的财产安全。因此,亟需一种有效的绿色电力交易结算流程安全监测方法。

王赛娥等[3]划分了网络交易过程中存在的风险,对不同风险所对应的攻击行为展开分析,并以分析结果为依据构建交易攻击树模型。其在模糊矩阵建立过程中引入模糊层次分析法,获取叶节点在攻击树中对应的风险概率,并以此为依据实现安全监测。但其在实践过程中存在数据处理效果差、监测精度低的问题。李群等[4]结合特征提取方法和滤波方法获取数据特征,并建立安全监测器,将数据特征输入安全监测器中以确定风险等级和位置。但其监测覆盖程度较小,无法监测整个流程。

为了解决上述方法中存在的问题,本文提出基于多时间尺度耦合的绿色电力交易结算流程安全监测模型。该模型基于时间光滑正则化的序列数据融合方法,构建绿色电力交易数据融合模型,以提高数据监测精度。本文在所构建的模型中建立组Lasso正则化罚函数,以优化数据融合模型的融合效果。本文在数据融合的基础上结合蒙特卡洛模拟法,构建绿色电力交易结算模型,为结算流程的安全监测提供依据。本文基于马尔科夫随机场知识,结合绿色电力交易计算流程,建立安全监测模型,以有效监测结算环境。该模型提高了监测覆盖度,保障了绿色电力交易的安全性。

1 安全监测模型的构建

1.1 多时间电力交易数据尺度耦合

基于多时间尺度耦合的绿色电力交易结算流程安全监测模型采用基于时间光滑正则化的序列数据融合方法,对电力时间数据展开融合处理。绿色电力交易结算流程安全检测模型通过回归分析法建立数据融合模型。训练模型时,建立时间光滑正则化罚函数,分析电力交易数据源之间的时间关联性,并在时间光滑正则化的基础上建立电力交易数据融合模型。

本文将绿色电力交易数据表示为n个阶段的序列数据x1,x2,…,xn。xt为第t阶段绿色电力交易数据的特征,为m维。y为第(n+1)阶段电力交易数据的融合结果。所提模型在回归模型的基础上建立数据融合模型[5-6],用X=[x1,x2,…,xn]T表示第n阶段绿色电力交易数据的特征矩阵。第(n+1)阶段电力交易数据融合结果的预测模型g(X)为:

(1)

式中:v为截距;et为数据特征xt为对应的权重;T为转置符号。

通过逻辑损失函数拟合电力交易数据融合结果的预测模型参数,所获得的模型解为:

(2)

为了在不同阶段描述电力交易数据融合特征的时间关联性,所提模型通过结构化稀疏的方法进行参数拟合。所提模型优化建立时间光滑正则化罚函数[7-8],以提高数据融合的一致性和连续性。本文建立绿色电力交易数据融合模型。该模型表达式如下。

(3)

(4)

利用绿色电力交易数据融合模型完成绿色电力交易数据的融合,可以为绿色电力交易模型的建立提供数据支持。

1.2 绿色电力交易结算模型

本文根据数据融合结果,建立绿色电力交易结算模型,为结算流程的安全监测提供依据。

本文在绿色电力交易过程中,通过购买绿色电力证书完成绿色电力的消费。

绿色电力交易结算流程如下。

①发布认购公告。购买者在发布绿色电力交易之前发布包含优惠价格vL、认购价格vH、认购数量H以及其他相关信息的绿色电力证书认购公告[9-10]。为了提高绿色电力售卖企业参与交易的积极性,所提模型将市场最高限制价格默认为认购价格。优惠比例β可通过式(5)计算得到:

(5)

为了节省绿色电力购买者的购买费用,同时提高市场竞争力,本文等量划分绿色电力认购数量H。本文将H划分为y′份,每份中存在h个售卖数量。根据电力市场中的认购公告确定y′的值,则h为:

(6)

②售卖与成交。交易时间通常是有限制的。卖方在有限的时间内决定是否进行绿色电力的交易。当证书在交易过程中的数量超过m′时,按照提前约定的时间和交易价格完成绿色电力的交易结算。如果没有达到m′,则交易失败,返回步骤①。

③接收与结算。购买方和出售方根据成交记录分别向对方交付费用和绿色电力证书。

本文设Rpv为最终交易绿色电力证书的价格。基于多时间尺度耦合的绿色电力交易结算流程安全监测模型采用蒙特卡洛模拟法建立:

(7)

式中:lβ′为第β′种成交组合在绿色电力交易市场中出现的次数[11-13];aβ′为绿色电力交易证书在第β′种成交组合中的成交价格;l为绿色电力交易的模拟次数。

1.3 绿色电力交易结算安全监测模型

所提模型在马尔科夫随机场知识的基础上结合绿色电力交易计算流程,建立安全监测模型。

本文以变量集合C=(c1,c2,…,cn)对应的联合分布模型表示绿色电力交易的马尔科夫随机场。在马尔科夫随机场中,交易数据的建模通常分为观测点和隐藏点。所有观测点在模型中都存在一个与之对应的隐藏点。隐藏点中存在的信息即节点在该观测点下对应的状态。本文用Ui表示节点i在模型中的观测量;用相容性函数φ(xi,yi)表示隐藏状态Ci与Ui之间存在的相关性。针对Ci的概率分布,由马尔科夫随机场定义可知,Ci在模型中与邻域节点之间存在关联。每条边在无向图G中为连接变量Ui、Uj之间的相关性,可用相容性函数γ(xi,yi)描述。因此,所有变量在马尔科夫随机场中的联合概率分布A(x,y)可描述为:

(8)

式中:X为常量。

本文采用点阵描述场景和图像;采用i(i=1,2,…,N)表示点阵中存在的节点;采用ci表示待定的隐含场景值;采用ui′表示第i′个节点对应的观测值。

本文初始化处理相容函数γ(xi,yi)和边缘相容函数φ(xi,yi),用传播矩阵|D|×|D|表示边缘相容函数γ(xi,yi)。此时,φ(xi,yi)为:

(9)

函数γ(xi,yi)、φ(xi,yi)建立的基础条件如下。

①与合作者进行绿色电力交易的多为欺诈者。欺诈者之间的合作较少。

②合谋者在绿色电力交易过程中基本不与其他合作者展开交易,与诚实者之间的交易次数高于与欺诈者的交易次数。

为了准确地完成绿色电力交易结算流程安全监测,基于多时间尺度耦合的绿色电力交易结算流程安全监测模型采用二维矩阵|D|×|E′|。其中:E′为观测值。观测矩阵如表1所示。

表1 观测矩阵

表1中,φ0为用户级因素中存在的不确定观测值。

计算节点在马尔科夫随机场模型中的置信度ni(ζ)时,节点i将信息传递给邻节点j的过程用消息函数qij(ζ)表示。总体监测流程如图1所示。

图1 监测流程图

在绿色电力交易结算流程安全监测过程中,首先计算节点自身观测点和隐含点传递的消息值以及节点从邻节点获取的信息,并以此为依据获取节点对应的置信度ni(ζ)。根据ni(ζ)判断节点状态,设ei为节点i对应的观测值、描述隐含点在马尔科夫随机场模型中的状态为ζ。其相邻隐含点在模型中的状态为ζ′的概率。此时,置信度ni(ζ)和消息函数qij(ζ)的表达式如下。

(10)

式(10)即绿色电力交易结算流程安全监测模型。通过更新节点置信度ni(ζ),可以获得用户在绿色电力交易结算流程中的行为状态,从而实现安全监测。

基于多时间尺度耦合的绿色电力交易结算流程安全监测模型的具体监测流程如下。

①采用基于时间光滑正则化的序列数据融合方法,对多时间尺度的绿色电力交易数据展开融合处理。

②分析绿色电力交易结算的具体流程,并通过蒙特卡洛模拟方法,根据数据融合结果建立绿色电力交易模型。

③根据马尔科夫随机场模型和绿色电力交易结算流程的特点,建立安全监测模型,以完成绿色电力交易计算流程的监测。

2 试验与分析

为了验证基于多时间尺度耦合的绿色电力交易结算流程安全监测模型的整体有效性,需要对其展开测试。

绿色电力交易数据的监测精度直接影响安全监测精度。为了动态分析多尺度耦合下的数据相对稳定性,试验取稳定裕度作为指标。试验采用所提模型、文献[3]模型和文献[4]模型监测绿色电力交易数据的稳定裕度,并将监测结果与真实值作对比。

不同模型的数据稳定裕度检测结果如图2所示。

图2 不同模型的数据稳定裕度检测结果

由图2可知:所提模型对绿色电力交易数据的稳定裕度监测时,获得的监测值均匀地覆盖在真实曲线上;文献[3]模型和文献[4]模型的监测值与真实曲线之间存在一定的差距。通过上述测试可知,所提模型具有较高的数据监测精度。因为所提模型基于时间光滑正则化的序列数据融合方法对绿色电力交易数据展开融合处理,可保留数据的特征信息,进而提高了数据的监测精度。

本文使用5×5的矩形表示绿色电力交易环境,并采用所提模型、文献[3]模型和文献[4]模型监测绿色电力交易结算流程。

不同模型的覆盖程度检测结果如图3所示。

图3 不同模型的覆盖程度监测结果

图3中,点越多,表明方法覆盖的交易环境越大。由图3可知:所提模型基本覆盖了整个电力交易流程;文献[3]模型和文献[4]模型的点分布不均匀且数量较少,表明以上两种模型无法完全覆盖整个绿色电力交易流程。所提模型对绿色电力交易结算流程监测前,根据融合的绿色电力交易数据分析了交易的整个流程,并通过蒙特卡洛模拟法建立了绿色电力交易模型;在模型的基础上监测其结算环境,提高了监测的覆盖程度。

本文设置条件如下:三个卖家为卖家1、卖家2、卖家3;三个买家为买家1、买家2、买家3;三种绿色电力产品为产品1、产品2、产品3。

三种交易方式如下。

①卖家1→产品1→买家2。

②卖家3→产品2→买家1。

③卖家2→产品3→买家3。

本文分别采用所提模型、文献[3]模型和文献[4]模型监测本文设置的交易方式在24 h内的安全态势值。所提模型的安全监测结果如表2所示。

表2 所提模型的安全监测结果

文献[3]模型的安全监测结果如表3所示。

表3 文献[3]模型的安全监测结果

文献[4]模型的安全监测结果如表4所示。

表4 文献[4]模型的安全监测结果

由图4～图6可知,针对三种交易24 h的安全态势,与文献[3]模型和文献[4]模型相比,所提模型具有较高的监测精度。这表明所提模型适用于多种绿色电力交易结算流程的安全监测,并且具有较高的监测精度。

3 结论

针对目前绿色电力交易结算流程安全监测方法存在的数据监测精度低、监测覆盖度低的问题,本文提出基于多时间尺度耦合的绿色电力交易结算流程安全监测模型。该模型融合了绿色电力交易数据,并对交易流程展开分析。本文在此基础上建立安全监测模型,以实现绿色电力交易结算流程的安全监测。该模型在绿色电力交易结算流程安全监测过程中表现出良好的性能,保障了交易的安全性。