基于區(qū)塊鏈和梯度修正法的分布式經(jīng)濟調(diào)度策略研究

邸 劍，臧齊齊，王桂蘭，楊璟正，周國亮

基于區(qū)塊鏈和梯度修正法的分布式經(jīng)濟調(diào)度策略研究

邸 劍1,2，臧齊齊1,2，王桂蘭1,2，楊璟正1,2，周國亮3

(1.華北電力大學(xué)控制與計算機工程學(xué)院，河北 保定 071003；2.復(fù)雜能源系統(tǒng)智能計算教育部工程研究中心，河北 保定 071003；3.國網(wǎng)冀北電力有限公司技能培訓(xùn)中心，河北 保定 071051)

分布式經(jīng)濟調(diào)度計算負(fù)載均衡、可擴展性強，適用于電源分散分布的場景。區(qū)塊鏈作為分布式對等網(wǎng)絡(luò)，具有去中心化、安全性高和數(shù)據(jù)高度共享等特征，與分布式經(jīng)濟調(diào)度的需求相契合。針對分布式經(jīng)濟調(diào)度中全局信息共享難、存在個體欺騙以及安全性不足的問題，提出了基于區(qū)塊鏈和梯度修正法的分布式經(jīng)濟調(diào)度策略。該策略考慮配電網(wǎng)的多種約束，采用統(tǒng)一微增變量的梯度修正法迭代計算各電源功率，實現(xiàn)電網(wǎng)最小經(jīng)濟成本下的最優(yōu)功率分配。對以太坊技術(shù)進(jìn)行了調(diào)整和改進(jìn)，大幅降低其算力消耗和部署成本。并將調(diào)度算法合約化，結(jié)合區(qū)塊鏈的存儲、共識和加密機制優(yōu)化節(jié)點間的信息共享，防止個體欺騙行為，提高系統(tǒng)的安全性。仿真實驗和分析表明，基于區(qū)塊鏈和梯度修正法的分布式經(jīng)濟調(diào)度策略收斂速度快，具有良好的魯棒性、安全性及可擴展性。

分布式經(jīng)濟調(diào)度；區(qū)塊鏈；以太坊；梯度修正法；個體欺騙

0 引言

經(jīng)濟調(diào)度對維護(hù)電力系統(tǒng)穩(wěn)定運行、節(jié)約發(fā)電成本、減小燃料耗量和降低碳排放具有重要意義，是電力系統(tǒng)中的基本問題之一[1-2]。經(jīng)濟調(diào)度問題是在滿足電力系統(tǒng)一定約束的前提下，將總負(fù)荷分配到各發(fā)電機組出力，使總發(fā)電成本最小的優(yōu)化問題[3-4]。傳統(tǒng)經(jīng)濟調(diào)度一般采用集中式的調(diào)度方法，即調(diào)度中心首先獲取所有發(fā)電單元的信息，然后通過經(jīng)濟調(diào)度算法進(jìn)行功率分配，最后向各個發(fā)電單元發(fā)出調(diào)度命令。在此過程中，任何通信問題(如丟包、延遲等)都會使調(diào)度中心無法獲得準(zhǔn)確完整的信息，導(dǎo)致經(jīng)濟調(diào)度不能收斂到最優(yōu)解。同時，隨著電網(wǎng)系統(tǒng)規(guī)模不斷擴大，調(diào)度中心面臨嚴(yán)峻的通信和計算壓力，一旦調(diào)度中心崩潰，則全局經(jīng)濟調(diào)度失效，系統(tǒng)的穩(wěn)定性和經(jīng)濟性都將受到嚴(yán)重影響。

近年來，隨著電網(wǎng)結(jié)構(gòu)從集中式向分布式轉(zhuǎn)變，分布式的經(jīng)濟調(diào)度策略獲得了更多關(guān)注。分布式經(jīng)濟調(diào)度將各分布式電源視為獨立的智能體，各智能體具有一定的決策能力，與相鄰節(jié)點交換信息后進(jìn)行自主決策調(diào)整出力，可有效降低中心節(jié)點的通信和計算壓力，具有良好的魯棒性與可拓展性[5-7]。然而調(diào)度權(quán)的高度分散使系統(tǒng)易于遭受外部惡意攻擊，并且攻擊更加難以識別和防御[8-10]。同時，高效的分布式經(jīng)濟調(diào)度既要求各智能體間交換的信息少，又要求交換信息的正確性。某些個體為了提高自身經(jīng)濟利益，可能與相鄰節(jié)點交換假消息，導(dǎo)致經(jīng)濟調(diào)度無法達(dá)到實際全局最優(yōu)。因此，提高分布式經(jīng)濟調(diào)度安全性，避免個體欺騙行為，是保障經(jīng)濟調(diào)度穩(wěn)定運行的前提條件。

為了實現(xiàn)安全高效的分布式經(jīng)濟調(diào)度，相關(guān)學(xué)者開展了研究探索工作。文獻(xiàn)[11]采用了基于虛擬電廠的分布式經(jīng)濟調(diào)度策略，通過虛擬電廠參與調(diào)度，聚合發(fā)電側(cè)的分布式能源以提高可再生能源消納程度。文獻(xiàn)[12]采用粒子群算法對建立的光熱-風(fēng)電聯(lián)合調(diào)度模型進(jìn)行求解，實現(xiàn)經(jīng)濟調(diào)度的優(yōu)化。文獻(xiàn)[13]提出了考慮聯(lián)絡(luò)線功率穩(wěn)定的微電網(wǎng)魯棒經(jīng)濟調(diào)度模型，采用列生成算法對模型求解，降低可再生能源不確定性帶來的風(fēng)險，保證微電網(wǎng)與主網(wǎng)間聯(lián)絡(luò)線功率的穩(wěn)定性。文獻(xiàn)[14]設(shè)計了一種基于交替方向乘子法的分布式經(jīng)濟調(diào)度算法，通過二分法和有限時間分布算法求解子問題，得到各電源節(jié)點的最優(yōu)功率分配。但在發(fā)電節(jié)點頻繁加入/退出時，該策略的調(diào)度穩(wěn)定性會受到較大影響。

在防止個體欺騙方面，文獻(xiàn)[15-16]針對基于一致性協(xié)議的分布式控制系統(tǒng)，分別設(shè)計了一階和二階防欺騙分布式控制策略。其基本原理是，在系統(tǒng)中任一節(jié)點收到相鄰節(jié)點的消息后，首先檢查該消息與節(jié)點當(dāng)前狀態(tài)的偏差情況，如果偏差過大則認(rèn)為是欺騙信息并直接丟棄，以避免個體欺騙行為，但一致性變量的最終收斂狀態(tài)不是全局最優(yōu)，而是接近全局最優(yōu)。文獻(xiàn)[17]將微增成本作為一致性變量，詳細(xì)分析了個體欺騙在傳播具有恒定偏差的微增成本時對經(jīng)濟調(diào)度功率分配的影響，并證明系統(tǒng)頻率不會受到個體欺騙行為的影響。文獻(xiàn)[18]提出了基于虛擬發(fā)電機的分布式經(jīng)濟調(diào)度策略，以微增成本為一致性變量進(jìn)行迭代計算，得到經(jīng)濟調(diào)度數(shù)據(jù)，并利用偏差修正方法抵消個體欺騙造成的影響。此方法可以較好地保證經(jīng)濟調(diào)度的精確性，但算法較復(fù)雜，且安全性有待進(jìn)一步提高。

高效的分布式經(jīng)濟調(diào)度需要較高的安全性、準(zhǔn)確的信息共享、良好的魯棒性以及可擴展性。區(qū)塊鏈?zhǔn)腔诜植际綌?shù)據(jù)庫識別、傳播和記載信息的智能化對等網(wǎng)絡(luò)[19-21]，其具有安全性高、易于拓展、數(shù)據(jù)高度共享且不可篡改的特點，與分布式經(jīng)濟調(diào)度內(nèi)在需求相契合。因此，探索基于區(qū)塊鏈技術(shù)的分布式經(jīng)濟調(diào)度策略是有價值的嘗試。

本文基于以太坊平臺構(gòu)建分布式電源的區(qū)塊鏈網(wǎng)絡(luò)，利用統(tǒng)一變量的梯度修正法和改進(jìn)的以太坊技術(shù)迭代計算微增成本，實現(xiàn)分布式經(jīng)濟調(diào)度。仿真實驗和分析表明，基于區(qū)塊鏈和梯度修正法的分布式經(jīng)濟調(diào)度算法收斂速度快、安全性高，可有效避免個體欺騙，在系統(tǒng)負(fù)荷波動、節(jié)點變動和網(wǎng)損波動等場景下均有很好的表現(xiàn)。

1 區(qū)塊鏈與以太坊技術(shù)

1.1 區(qū)塊鏈

區(qū)塊鏈起源于比特幣，其核心技術(shù)主要包括分布式存儲、共識機制、智能合約以及非對稱加密算法等，具有去中心化、點對點傳輸、可追蹤、不可篡改以及數(shù)據(jù)安全等特點[22]。

區(qū)塊鏈采用分布式數(shù)據(jù)存儲方式，即區(qū)塊鏈上的數(shù)據(jù)在每個節(jié)點均有一份完整的數(shù)據(jù)拷貝，由鏈上節(jié)點共同維護(hù)，無法被篡改。區(qū)塊鏈的共識機制使分布式架構(gòu)下的多個節(jié)點之間達(dá)成數(shù)據(jù)一致，是區(qū)塊鏈?zhǔn)澜绲姆伞Ｖ悄芎霞s利用計算機語言描述傳統(tǒng)的紙質(zhì)合約，通過程序算法仲裁和執(zhí)行合同。智能合約條件的觸發(fā)和執(zhí)行屬于一次原子操作，合約流程去中心化、自動化執(zhí)行，一旦部署到鏈上即與外部環(huán)境隔離，其執(zhí)行不受干擾，可靠性高，執(zhí)行過程透明且可跟蹤[23]。區(qū)塊鏈的非對稱加密算法通過成對的私鑰和公鑰加密、解密消息，保障了區(qū)塊鏈節(jié)點之間消息傳遞的安全性。

1.2 以太坊和工作量證明機制

以太坊是開源具有智能合約功能的公共區(qū)塊鏈平臺，其底層開放了RPC接口，供節(jié)點調(diào)用合約，并利用以太坊虛擬機(ethereum virtual machine, EVM)處理智能合約。

工作量證明機制是經(jīng)典的共識機制之一，它可以保證各節(jié)點的數(shù)據(jù)一致，有效應(yīng)對多種服務(wù)濫用問題[24]。工作量證明機制要求鏈上節(jié)點執(zhí)行一定量的運算，即消耗計算機一定的時間來證明節(jié)點的工作量，確定記賬權(quán)。其共識過程如下：1) 區(qū)塊鏈節(jié)點調(diào)用智能合約改變鏈上數(shù)據(jù)，產(chǎn)生交易；2) 向全網(wǎng)廣播交易并送入交易池；3) 各記賬節(jié)點周期性地將交易池的交易打包上鏈，同時計算一個有效的隨機數(shù)；4) 率先完成打包的節(jié)點通過非對稱加密算法向其他節(jié)點廣播打包好的新區(qū)塊；5) 其他節(jié)點驗證收到的新區(qū)塊，驗證無誤后達(dá)成共識，將新區(qū)塊同步到本地存儲，完成數(shù)據(jù)上鏈。

2 統(tǒng)一微增變量的梯度修正調(diào)度算法

分布式經(jīng)濟調(diào)度的目標(biāo)為：在滿足功率約束的情況下，調(diào)整各分布式電源的出力，使各電源微增成本達(dá)到一致，實現(xiàn)功率的最優(yōu)分配和總發(fā)電成本最小。本文使用統(tǒng)一微增變量的梯度修正法來進(jìn)行經(jīng)濟調(diào)度計算，將統(tǒng)一的全局微增成本作為一致性變量，在實現(xiàn)快速收斂的同時，減少區(qū)塊鏈上存儲的數(shù)據(jù)量，減輕各節(jié)點存儲負(fù)擔(dān)。

圖1 有源配電網(wǎng)模型

經(jīng)濟調(diào)度的目標(biāo)函數(shù)[25]為

各電源發(fā)電成本的計算公式[26]為

分布式經(jīng)濟調(diào)度的不等式約束為

分布式經(jīng)濟調(diào)度的等式約束[27]為

機組負(fù)荷調(diào)整速率約束為

系統(tǒng)旋轉(zhuǎn)備用約束為

整理得

式(8)可以寫成：

整理得

改寫為

由于機組的負(fù)荷調(diào)整速率約束限制了各電源輸出功率的變化速度，輸出功率無法與微增成本維持相同的變化率。即微增成本的調(diào)整速度高于輸出功率的調(diào)整速度，導(dǎo)致輸出功率與微增成本會先超過最優(yōu)值，然后再回調(diào)至最優(yōu)值，甚至在最優(yōu)值附近產(chǎn)生多次擺動。為了抑制這一現(xiàn)象，加快收斂，引入抑制策略限制微增變量的調(diào)整速率，如式(16)所示。

3 基于區(qū)塊鏈和梯度修正法的經(jīng)濟調(diào)度

3.1 基于區(qū)塊鏈的分布式經(jīng)濟調(diào)度框架設(shè)計

基于區(qū)塊鏈的分布式經(jīng)濟調(diào)度框架圖如圖2所示?？蚣艿讓佑蓞^(qū)塊鏈智能體和通信線路組成的區(qū)塊鏈網(wǎng)絡(luò)，實現(xiàn)信息采集、指令下發(fā)和節(jié)點通信功能；第二層為以太坊平臺層，主要用于執(zhí)行經(jīng)濟調(diào)度計算，通過levelDB數(shù)據(jù)庫存儲經(jīng)濟調(diào)度信息，基于智能合約和共識機制實現(xiàn)經(jīng)濟調(diào)度的不可干擾性，利用非對稱加密算法保證節(jié)點通信的安全性；第三層為管理層，依托以太坊平臺實現(xiàn)數(shù)據(jù)管理、權(quán)限控制、節(jié)點管理和賬戶管理等功能；最頂層結(jié)合geth客戶端和Vue前端實現(xiàn)調(diào)度信息展示與調(diào)度啟?？刂啤?/p>

3.2 基于區(qū)塊鏈和梯度修正法的經(jīng)濟調(diào)度算法

將每個分布式電源映射為一個以太坊私有區(qū)塊鏈節(jié)點，通過geth客戶端搭建以太坊私有鏈，結(jié)合梯度修正法實現(xiàn)分布式經(jīng)濟調(diào)度。

圖2 基于區(qū)塊鏈的分布式經(jīng)濟調(diào)度框架圖

與以太坊公有鏈不同，以太坊私有鏈具有交易速度快、實時性好、部署成本低以及靈活方便等優(yōu)勢，適用于分布式經(jīng)濟調(diào)度。以太坊私有鏈的寫入權(quán)限僅掌握在經(jīng)濟調(diào)度參與者手中，數(shù)據(jù)的訪問和記錄等操作有嚴(yán)格的權(quán)限要求。各節(jié)點在調(diào)度計算發(fā)起時直接從本地數(shù)據(jù)庫獲取上一輪達(dá)成共識的信息，無需再臨時與相鄰節(jié)點進(jìn)行信息交換，有效避免個體欺騙行為。同時，智能合約部署在以太坊私有鏈上，與外部環(huán)境隔離，執(zhí)行過程更加安全。每輪的調(diào)度結(jié)果通過PoW共識機制同步更新到所有節(jié)點上，維持各節(jié)點調(diào)度數(shù)據(jù)一致。

基于區(qū)塊鏈和梯度修正法的分布式經(jīng)濟調(diào)度算法具體流程如下：

4) 各記賬節(jié)點將得到的結(jié)果數(shù)據(jù)通過PoW共識機制打包上鏈，供下一輪迭代使用；

基于區(qū)塊鏈和梯度修正法的經(jīng)濟調(diào)度算法流程如圖3所示。

3.3 分布式經(jīng)濟調(diào)度智能合約開發(fā)

本文基于以太坊平臺，通過solidity語言以及remix集成開發(fā)環(huán)境將梯度修正的分布式經(jīng)濟調(diào)度算法編寫為智能合約，部署到區(qū)塊鏈上。部署上鏈的智能合約運行在以太坊虛擬機上，與外部環(huán)境完全隔離，無法訪問網(wǎng)絡(luò)和文件系統(tǒng)等進(jìn)程，僅開放底層的RPC端口。鏈上節(jié)點通過web3.js庫調(diào)用智能合約執(zhí)行經(jīng)濟調(diào)度算法。智能合約啟動后，原子性執(zhí)行，不受外界干擾，安全性高。

圖3 基于區(qū)塊鏈的梯度修正法的經(jīng)濟調(diào)度算法流程圖

3.4 以太坊私有鏈的調(diào)整及改進(jìn)

為了適應(yīng)調(diào)度計算流程，減小算力消耗和硬件需求，本文在創(chuàng)建以太坊私有鏈時，進(jìn)行了以下改進(jìn)和調(diào)整。

1) 大幅降低PoW共識機制計算隨機數(shù)的難度值

在PoW共識機制中，每隔一定的時間，共識節(jié)點會同時打包交易池中的交易，在此過程中需要進(jìn)行大量的哈希計算，耗費較長的時間和大量的算力，獲得一個符合條件的隨機數(shù)。率先得到該隨機數(shù)的節(jié)點可成功打包區(qū)塊，獲取本次共識的記賬權(quán)，即該節(jié)點可以廣播自己打包成功的區(qū)塊，其余節(jié)點驗證該區(qū)塊的正確性，驗證無誤則共識成功，數(shù)據(jù)上鏈。本策略在經(jīng)濟調(diào)度過程中需要先獲取上一輪次的計算結(jié)果，因此要求每輪的調(diào)度數(shù)據(jù)快速上鏈。大幅降低PoW共識機制的難度值，可以在保證共識結(jié)果正確的情況下，加快計算隨機數(shù)的速度，進(jìn)而提高調(diào)度數(shù)據(jù)的上鏈速度，保障了調(diào)度過程的時效性；同時，降低計算難度以及私有鏈對節(jié)點硬件配置的要求，減少了部署成本。

2) 將gas limit提升至允許上限

以太坊智能合約每一步的執(zhí)行都需要消耗一定量的gas，如果在合約執(zhí)行結(jié)束之前gas耗盡，則合約執(zhí)行失敗，數(shù)據(jù)回滾，提升gas limit可以有效避免這種情況。

3.5 個體欺騙控制機制

在基于多智能體通信網(wǎng)絡(luò)的分布式經(jīng)濟調(diào)度中，各節(jié)點需要與相鄰節(jié)點交換信息，并根據(jù)該信息執(zhí)行經(jīng)濟調(diào)度算法，所以交換數(shù)據(jù)的準(zhǔn)確性直接影響分布式經(jīng)濟調(diào)度的效果。在實際調(diào)度場景下，某些節(jié)點可能會為了提高自身利益，向相鄰節(jié)點發(fā)送錯誤的信息。比如，在真實的微增成本或自身輸出功率上加上一定的偏差，影響調(diào)度結(jié)果，減小自身輸出功率。此時其余節(jié)點會提高自身輸出功率使系統(tǒng)達(dá)到供需平衡，整個網(wǎng)絡(luò)無法達(dá)到最優(yōu)功率分配，總發(fā)電成本不能達(dá)到最小。

本策略中對于個體欺騙行為的控制方式如下：

1) 本文采用的經(jīng)濟調(diào)度算法使用全局統(tǒng)一的微增成本來調(diào)整各節(jié)點輸出功率，微增成本的變化對各節(jié)點產(chǎn)生相同的影響。假設(shè)欺騙節(jié)點為提高自身利益，篡改本地數(shù)據(jù)庫，增大微增成本，根據(jù)式(2)可知，所有節(jié)點輸出功率均增大，欺騙節(jié)點無法從中獲利。

2) 在節(jié)點迭代計算過程中，每一輪的經(jīng)濟調(diào)度結(jié)果通過共識機制同步到所有節(jié)點；在進(jìn)行新一輪計算時，各節(jié)點從本地數(shù)據(jù)庫獲取上一輪的功率分布、微增成本等參數(shù)，即可迭代計算。該過程中各節(jié)點不需要再臨時與相鄰節(jié)點交換信息，使電源節(jié)點無法進(jìn)行欺騙行為。這種機制既遵循了調(diào)度過程中交換信息盡量少的原則，又避免了個體欺騙問題，保證了經(jīng)濟調(diào)度的準(zhǔn)確性。

4 算例分析

4.1 仿真環(huán)境

本文實驗中的配電網(wǎng)包含6個分布式電源，各電源的基本參數(shù)如表1所示。用VMWare虛擬機模擬配電網(wǎng)中的6個分布式電源節(jié)點智能體，構(gòu)建以太坊私有鏈網(wǎng)絡(luò)。其中，每個區(qū)塊鏈節(jié)點的硬件環(huán)境為2 GB內(nèi)存，10 GB外存空間，CPU為Intel(R) Core(TM) i5-10400F CPU @ 2.90 GHz，操作系統(tǒng)為Linux。

表1 各分布式電源參數(shù)表

4.2 實驗場景

1) 負(fù)荷波動情況下的經(jīng)濟調(diào)度有效性驗證

令系統(tǒng)的初始總負(fù)荷為2000 MW，網(wǎng)損為總負(fù)荷的5%，各分布式電源的初始輸出功率為其下限，微增成本初始值根據(jù)經(jīng)驗取9.0，微增成本的調(diào)整閾值取0.21，調(diào)整系數(shù)取4和6。在0～49輪迭代中系統(tǒng)負(fù)荷保持在2000 MW，第50輪時突變?yōu)?500 MW，并保持至第99輪；第100輪時系統(tǒng)負(fù)荷再次突變?yōu)?500 MW，并保持到第150輪迭代。在上述實驗條件下驗證負(fù)荷波動時微增成本的收斂速度、收斂效果以及各電源節(jié)點的功率分配情況。

2) 電源節(jié)點變動情況下經(jīng)濟調(diào)度有效性驗證

系統(tǒng)初始總負(fù)荷仍為2000 MW，網(wǎng)損為總負(fù)荷的5%，各分布式電源的初始輸出功率為其下限，微增成本初始值取9.0。第50輪時，6號電源節(jié)點故障停機，剩余5個節(jié)點繼續(xù)進(jìn)行經(jīng)濟調(diào)度，各自調(diào)整輸出功率以滿足系統(tǒng)負(fù)荷需求；第100輪時，6號電源節(jié)點恢復(fù)正常，再次參與經(jīng)濟調(diào)度。在上述條件下驗證節(jié)點退出/加入時對微增成本和功率分配的影響。

3) 網(wǎng)損波動情況下經(jīng)濟調(diào)度有效性驗證

令系統(tǒng)初始總負(fù)荷為2000 MW，初始狀態(tài)時網(wǎng)損為系統(tǒng)負(fù)荷的5%，各分布式電源的初始輸出功率為其下限，微增成本初始值取9.0。在第50輪時，網(wǎng)損變?yōu)橄到y(tǒng)負(fù)荷的10%；第100輪時，網(wǎng)損變?yōu)橄到y(tǒng)負(fù)荷的15%。在以上條件下進(jìn)行試驗，驗證網(wǎng)損變化對微增成本和功率分配的影響。

4.3 實驗結(jié)果與分析

1) 負(fù)荷波動情況下的調(diào)度有效性實驗結(jié)果與分析

負(fù)荷波動情況下得到的微增成本以及節(jié)點輸出功率變化曲線如圖4和圖5所示。

由圖4和圖5可見，迭代計算執(zhí)行到第22輪時，微增成本上升至11.18美元/MWh，之后下降，第32輪時，微增成本收斂至11.17美元/MWh，此時各節(jié)點輸出功率達(dá)到最優(yōu)分配，6個電源的輸出功率分別為[263.55, 599.11, 393.69, 204.76, 339.87,300.00] MW，總輸出功率為2100.98 MW，與系統(tǒng)負(fù)荷、網(wǎng)損達(dá)到平衡。當(dāng)?shù)M(jìn)行到第50輪時，系統(tǒng)負(fù)荷突升為2500 MW，又經(jīng)過29輪迭代，即第79輪時，微增成本收斂至11.89美元/MWh，此時各電源的輸出功率分別為[374.98, 746.77, 461.31, 282.24, 425.11, 334.43] MW，系統(tǒng)輸出功率為2624.84 MW；第100輪時系統(tǒng)總負(fù)荷上升為3500 MW，收斂狀態(tài)再次被打破，微增成本經(jīng)過43輪迭代計算最終收斂至3.86美元/MWh，各電源節(jié)點的輸出功率穩(wěn)定在[500.00, 800.00, 644.40, 492.05, 655.92, 580.81] MW，系統(tǒng)輸出功率為3673.18 MW，達(dá)到最優(yōu)分配和供需平衡。

圖4 負(fù)荷波動情況下微增變量的收斂曲線

圖5 負(fù)荷波動情況下各電源輸出功率變化曲線

2) 電源節(jié)點變動情況下經(jīng)濟調(diào)度有效性實驗結(jié)果與分析

電源節(jié)點變動情況下的實驗結(jié)果如圖6和圖7所示。由圖可知，從初始狀態(tài)開始，微增成本迭代32輪后收斂至11.17美元/MWh，各節(jié)點輸出功率為[263.35, 598.86, 393.57, 204.62, 339.72, 300.00] MW，達(dá)到功率最優(yōu)分配和供需平衡。第50輪時6號節(jié)點停機，輸出功率歸0，其余5個節(jié)點立刻提升自身輸出功率，以彌補6號節(jié)點退出產(chǎn)生的功率缺額。經(jīng)過25輪迭代，微增成本收斂至11.61美元/MWh，系統(tǒng)重新達(dá)到穩(wěn)定，此時各節(jié)點輸出功率分別為[331.58, 689.27, 434.97, 252.07, 391.91, 0.00] MW，總輸出功率為2099.80 MW，達(dá)到供需平衡。第100輪時，6號節(jié)點恢復(fù)出力，再次加入經(jīng)濟調(diào)度，經(jīng)過33輪迭代后，微增成本再次收斂至11.17美元/MWh，此時各節(jié)點輸出功率為[263.35, 98.86, 393.57, 204.62, 339.72, 300.00] MW，總輸出功率為2100.12 MW美元/MWh，即恢復(fù)到了6號節(jié)點停機之前的系統(tǒng)收斂狀態(tài)。上述結(jié)果表明，基于區(qū)塊鏈和梯度修正法的分布式經(jīng)濟調(diào)度系統(tǒng)在節(jié)點脫離和加入時均可以快速響應(yīng)，彌補功率差額，收斂到最優(yōu)狀態(tài)，具有“即插即用”的能力和良好的魯棒性。

圖6 節(jié)點變動情況下微增變量收斂曲線

圖7 節(jié)點變動情況下各電源輸出功率變化曲線

3) 網(wǎng)損波動情況下分布式經(jīng)濟調(diào)度有效性實驗結(jié)果

在網(wǎng)損波動情況下進(jìn)行實驗，得到微增成本和節(jié)點輸出功率變化曲線如圖8和圖9所示。

從圖8和圖9可知，在初始狀態(tài)網(wǎng)損為負(fù)荷的5%時，微增成本迭代32輪后收斂至11.17美元/MWh，總輸出功率與系統(tǒng)負(fù)荷及網(wǎng)損達(dá)到平衡。第50輪時網(wǎng)損變?yōu)樨?fù)荷的10%，平衡狀態(tài)被打破，經(jīng)過27輪迭代后，微增成本再次收斂至11.32美元/MWh，系統(tǒng)重新達(dá)到穩(wěn)定，此時各節(jié)點輸出功率分別為[286.06, 628.94, 407.34, 220.41, 357.08, 300.00] MW，總輸出功率為2199.83 MW，達(dá)到供需平衡。第100輪時，網(wǎng)損變?yōu)樨?fù)荷的15%，經(jīng)過30輪迭代后微增成本收斂至11.46美元/MWh，此時各節(jié)點輸出功率為[308.84, 659.13, 421.17, 236.25, 374.52, 300.00] MW，系統(tǒng)輸出功率為2299.91 MW，等于系統(tǒng)負(fù)荷與網(wǎng)損之和。上述結(jié)果表明，基于區(qū)塊鏈和梯度修正法的分布式經(jīng)濟調(diào)度策略在網(wǎng)損波動時可以穩(wěn)定工作，快速實現(xiàn)微增成本收斂、系統(tǒng)供需平衡以及最優(yōu)功率分配。

圖8 網(wǎng)損波動情況下微增成本曲線圖

圖9 網(wǎng)損波動情況下各電源輸出功率變化曲線

5 結(jié)論

本文提出了基于區(qū)塊鏈和梯度修正法的分布式經(jīng)濟調(diào)度策略，并對該策略的準(zhǔn)確性、有效性、可拓展性、魯棒性以及對個體欺騙行為的應(yīng)對能力進(jìn)行了研究，綜合理論分析和仿真實驗結(jié)果得出以下結(jié)論：

1) 本策略應(yīng)用改進(jìn)的區(qū)塊鏈技術(shù)，在迭代過程中直接從本地節(jié)點獲取所需信息，極大程度上減少了與相鄰節(jié)點的信息交互，避免了個體欺騙行為。同時，智能合約與非對稱加密算法等機制保障了經(jīng)濟調(diào)度的安全性。

2) 本策略的微增成本在迭代30輪左右即可達(dá)到全局最優(yōu)功率分配，文獻(xiàn)[18]中的調(diào)度方案則需要迭代50輪次左右，可見本策略可以快速高效地實現(xiàn)經(jīng)濟調(diào)度目標(biāo)。

3) 本策略可以較好地應(yīng)對配電網(wǎng)負(fù)荷大幅度波動、網(wǎng)損突變以及節(jié)點突然加入/退出的情況，具有良好的魯棒性、穩(wěn)定性以及可擴展性。

[1] 何惠清, 錢赟, 何炳源, 等. 基于機會約束的主動配電網(wǎng)動態(tài)經(jīng)濟調(diào)度方法[J]. 電力建設(shè), 2021, 42(4): 1-8.

HE Huiqing, QIAN Yun, HE Bingyuan, et al. Chance- constrained dynamic economic dispatch method for active distribution networks[J]. Electric Power Construction, 2021, 42(4): 1-8.

[2] 朱云杰, 秦文萍, 于浩, 等. 基于神經(jīng)網(wǎng)絡(luò)的微電網(wǎng)參與上層電網(wǎng)實時優(yōu)化調(diào)度策略[J]. 電力建設(shè), 2020, 41(10): 9-19.

ZHU Yunjie, QIN Wenping, YU Hao, et al. Strategy based on neural network for microgrid participating in real-time optimal scheduling of upper grid[J]. Electric Power Construction, 2020, 41(10): 9-19.

[3] 陳厚合, 王子璇, 張儒峰, 等. 含虛擬電廠的風(fēng)電并網(wǎng)系統(tǒng)分布式優(yōu)化調(diào)度建模[J]. 中國電機工程學(xué)報, 2019, 39(9): 2615-2625.

CHEN Houhe, WANG Zixuan, ZHANG Rufeng, et al. Decentralized optimal dispatching modeling for wind power integrated power system with virtual power plant[J]. Proceedings of the CSEE, 2019, 39(9): 2615-2625.

[4] 陳哲, 王櫓裕, 郭創(chuàng)新, 等. 基于風(fēng)險的多區(qū)互聯(lián)電力系統(tǒng)分布式魯棒動態(tài)經(jīng)濟調(diào)度[J]. 電力系統(tǒng)自動化, 2021, 45(23): 113-122.

CHEN Zhe, WANG Luyu, GUO Chuangxin, et al. Risk-based distributed robust dynamic economic dispatch for interconnected multi-regional power systems[J]. Automation of Electric Power Systems, 2021, 45(23): 113-122.

[5] 張瑩, 孟潤泉, 王子昂, 等. 一種基于一致性算法的改進(jìn)下垂控制策略[J]. 電力系統(tǒng)保護(hù)與控制, 2021, 49(14): 104-111.

ZHANG Ying, MENG Runquan, WANG Zi’ang, et al. An improved droop control strategy based on consistency algorithm[J]. Power System Protection and Control, 2021, 49 (14): 104-111.

[6] 張津源, 蒲天驕, 李燁, 等. 基于多智能體深度強化學(xué)習(xí)的分布式電源優(yōu)化調(diào)度策略[J/OL]. 電網(wǎng)技術(shù): 1-10 [2021-11-06]. DOI:10.13335/j.1000-3673.pst.2021.1737.

ZHANG Jinyuan, PU Tianjiao, LI Ye, et al. Distributed generation optimal scheduling strategy based on multi-agent deep reinforcement learning[J/OL]. Power System Technology: 1-10[2021-11-06]. DOI:10.13335/j.1000- 3673.pst.2021.1737.

[7] 周曉倩, 艾芊. 配電網(wǎng)與多微網(wǎng)聯(lián)合分布式魯棒經(jīng)濟調(diào)度[J]. 電力系統(tǒng)自動化, 2020, 44(7): 23-30.

ZHOU Xiaoqian, AI Qian. Combined distributed robust economic dispatch of distribution network and multiple microgrids[J]. Automation of Electric Power Systems, 2020, 44(7): 23-30.

[8] 伍益明. 惡意攻擊下的多智能體系統(tǒng)安全一致性問題研究[D]. 杭州: 浙江工業(yè)大學(xué), 2016.

WU Yiming. Research on security consistency of multi- agent system under malicious attack[D]. Hangzhou: Zhejiang University of Technology, 2016.

[9] YANG Feisheng, LIANG Xuhui, GUAN Xiaohong. Resilient distributed economic dispatch of a cyber-power system under DoS attack[J]. Frontiers of Information Technology & Electronic Engineering, 2021, 22(1): 40-50.

[10]LU Linyu, LIU Haojan, ZHU Hao. Distributed secondary control for isolated microgrids under malicious attacks[C] // 2016 North American Power Symposium (NAPS), September 18-20, 2016, Denver, CO, USA: 1-6.

[11]張立輝, 戴谷禹, 聶青云, 等. 碳交易機制下計及用電行為的虛擬電廠經(jīng)濟調(diào)度模型[J]. 電力系統(tǒng)保護(hù)與控制, 2020, 48(24): 154-163.

ZHANG Lihui, DAI Guyu, NIE Qingyun, et al. Economic dispatching model of virtual power plant considering power consumption behavior under carbon trading mechanism[J]. Power System Protection and Control, 2020, 48(24): 154-163.

[12]宋汶秦, 呂金歷, 趙玲霞, 等. 光熱-風(fēng)電聯(lián)合運行的電力系統(tǒng)經(jīng)濟調(diào)度策略研究[J]. 電力系統(tǒng)保護(hù)與控制, 2020, 48(5): 95-102.

SONG Wenqin, Lü Jinli, ZHAO Lingxia, et al. Research on economic dispatching strategy of power system with combined operation of light, heat and wind power[J]. Power System Protection and Control, 2020, 48(5): 95-102.

[13]康慨, 鄧少平, 張超, 等. 考慮聯(lián)絡(luò)線功率穩(wěn)定的微電網(wǎng)魯棒經(jīng)濟調(diào)度模型[J]. 中國電力, 2019, 52(6): 60-67.

KANG Kai, DENG Shaoping, ZHANG Chao, et al. Robust economic dispatch model of microgrid considering tie line power stability[J]. Electric Power, 2019, 52(6): 60-67.

[14] DUAN Yuzhu, HE Xing, ZHAO You. Distributed algorithm based on consensus control strategy for dynamic economic dispatch problem[J]. International Journal of Electrical Power and Energy Systems, 2021, 129(1).

[15] LEBLANC H J, ZHANG Haotian, KOUTSOUKOS X, et al. Resilient asymptotic consensus in robust networks[J]. IEEE Journal on Selected Areas in Communications, 2013, 31(4): 766-781.

[16] DIBAJI S M, ISHII H. Consensus of second-order multi-agent systems in the presence of locally bounded faults[J]. Systems & Control Letters, 2015, 79: 23-29.

[17] MONSHIZADEH N. The cost of dishonesty on optimal distributed frequency control of power networks[C] // 2016 IEEE 55th Conference on Decision and Control (CDC), December 12-14, 2016, Las Vegas, NV, USA: 1-6.

[18] 樂健, 周謙, 趙聯(lián)港, 等. 考慮個體欺騙的有源配電網(wǎng)完全分布式經(jīng)濟調(diào)度策略[J]. 中國電機工程學(xué)報, 2020, 40(17): 5445-5454.

LE Jian, ZHOU Qian, ZHAO Liangang, et al. Fully distributed economic dispatch of active distribution network considering individual cheating[J]. Proceedings of the CSEE, 2020, 40(17): 5445-5454.

[19] 姜鑫, 王飛. 區(qū)塊鏈技術(shù)與應(yīng)用綜述[J]. 電腦與電信, 2021(5): 25-29.

JIANG Xin, WANG Fei. Overview of blockchain technology and application[J]. Computer and Telecommunications, 2021(5): 25-29.

[20] 翟冉, 陳學(xué)斌. 區(qū)塊鏈的共識機制研究[J]. 數(shù)據(jù)與計算發(fā)展前沿, 2021, 3(3): 86-94.

ZHAI Ran, CHEN Xuebin. Research on consensus mechanism of blockchain[J]. Frontier of Data and Computing Development, 2021, 3(3): 86-94.

[21] 朱瑾, 許智穎. 區(qū)塊鏈技術(shù)的應(yīng)用與展望[J]. 山東師范大學(xué)學(xué)報(自然科學(xué)版), 2021, 36(3): 267-274.

ZHU Jin, XU Zhiying. Application and prospect of blockchain technology[J]. Journal of Shandong Normal University (Natural Science Edition), 2021, 36(3): 267-274.

[22]劉玉成, 段煉, 班曉萌, 等. 基于區(qū)塊鏈技術(shù)的園區(qū)級綜合能源系統(tǒng)能量交互[J]. 電力建設(shè), 2021, 42(12): 30-38.

LIU Yucheng, DUAN Lian, BAN Xiaomeng, et al. Blockchain technology for distributed energy scheduling method of district-level integrated energy system[J]. Electric Power Construction, 2021, 42(12): 30-38.

[23] ANNA V, ANDREA D S, CORRADO A V, et al. A systematic literature review of blockchain and smart contract development: techniques, tools, and open challenges[J]. Journal of Systems and Software, 2020, 174: 1-19.

[24] XU Yuntao, YANG Xingyu, ZHANG Jiale, et al. Proof of engagement: a flexible blockchain consensus mechanism[J]. Wireless Communications & Mobile Computing, 2021, 21: 1-10.

[25] HUG G, KAR S, WU Chenye. Consensus + innovations approach for distributed multiagent coordination in a microgrid[J]. IEEE Transactions on Smart Grid, 2015, 6(4): 1893-1903.

[26] 楊洪朝, 楊迪, 孟科. 高比例可再生能源滲透下多虛擬電廠多時間尺度協(xié)調(diào)優(yōu)化調(diào)度[J]. 智慧電力, 2021, 49(2): 60-68.

YANG Hongchao, YANG Di, MENG Ke. Multi time scale coordinated optimal dispatch of multi virtual power plants under the penetration of high proportion of renewable energy[J]. Smart Power, 2021, 49(2): 60-68.

[27] SAADAT H. Power system analysis[M]. Second Edition. Beijing: China Electric Power Press, 2008.

[28] 陳怡, 蔣平. 電力系統(tǒng)分析[M]. 2版. 北京: 中國電力出版社, 2018.

A distributed economic scheduling strategy based on blockchain and gradient correction method

DI Jian1, 2, ZANG Qiqi1, 2, WANG Guilan1, 2, YANG Jingzheng1, 2, ZHOU Guoliang3

(1. School of Control and Computer Engineering, North China Electric Power University, Baoding 071003, China;2. Engineering Research Center of Intelligent Computing for Complex Energy Systems, Ministry of Education, Baoding 071003, China; 3. Skill Training Center of State Grid Jibei Electric Power Co., Ltd., Baoding 071051, China)

Distributed economic scheduling has strong load balancing and scalability, and is suitable for scenarios where power sources are distributed. As a distributed peer-to-peer network, blockchain has the characteristics of decentralization, high security and high data sharing. This meets the needs of distributed economic scheduling. To solve the problems of difficult global information sharing, individual deception and insufficient security, this paper proposes a strategy based on a blockchain and gradient correction method. The strategy considers various constraints, and adopts the gradient correction method of unified slightly increasing variables to iteratively calculate the power of each power source, and achieve the optimal power allocation under the minimum economic cost to the power grid. The Ethereum technology is adjusted and improved to reduce its computing power consumption and deployment cost, and the scheduling algorithm is contracted to optimize the information sharing between nodes, prevent individual deception and improve the security of the system in combination with the blockchain storage, consensus and encryption mechanisms. Simulation experiments and analysis show that the distributed economic scheduling strategy based on blockchain and gradient modification method has fast convergence speed, good robustness, security and scalability.

distributed economic scheduling; blockchain; Ethereum; gradient correction method; individual deception

10.19783/j.cnki.pspc.220087

國家自然科學(xué)基金項目資助(62171185)

This work is supported by the National Natural Science Foundation of China (No. 62171185).

2022-01-19；

2022-07-11

邸 劍(1968—)，男，碩士，高級工程師，研究方向為物聯(lián)網(wǎng)技術(shù)及應(yīng)用；E-mail: dijian6880@163.com

臧齊齊(1995—)，男，碩士研究生，研究方向為區(qū)塊鏈技術(shù)及應(yīng)用；E-mail: 2575644077@qq.com

王桂蘭(1979—)，女，通信作者，博士，講師，研究方向為區(qū)塊鏈技術(shù)與應(yīng)用、大數(shù)據(jù)分析。E-mail: wang.guilan@ 163.com

(編輯 姜新麗)