邊緣計算使能的分布式微電網(wǎng)資源交易策略*

麥尚柯，劉 義

邊緣計算使能的分布式微電網(wǎng)資源交易策略*

麥尚柯，劉 義?

（廣東工業(yè)大學，廣州 510006）

針對分布式微電網(wǎng)節(jié)點中邊緣計算服務(wù)器的能源損耗問題，以及微電網(wǎng)的計算資源受限問題，提出一種邊緣計算使能的多微電網(wǎng)節(jié)點的資源交易策略。對搭載著邊緣計算服務(wù)器的多微電網(wǎng)模型中的能源交易、計算資源交易進行計算，使得多微電網(wǎng)社區(qū)運營成本的最小化（MIN）問題得到最優(yōu)策略。結(jié)果表明，改進的非支配排序遺傳算法（NSGA-II）中，適應(yīng)度評價函數(shù)呈逐漸收斂趨勢，得到帕累托前沿上的最優(yōu)解集為多微電網(wǎng)節(jié)點之間資源交易的最優(yōu)策略，相比單個微電網(wǎng)節(jié)點的運行成本更低。

微電網(wǎng)；邊緣計算；分布式；資源交易；遺傳算法

0 引 言

隨著清潔能源不斷被開發(fā)，具有可再生能源發(fā)電設(shè)備的微電網(wǎng)可以與其他微電網(wǎng)組成一個分布式的多微電網(wǎng)系統(tǒng)。在傳統(tǒng)的電力交易模式中，參與電力市場的主體一般是電網(wǎng)企業(yè)、大型能源生產(chǎn)商和電力消費者。家庭級別的消費者和生產(chǎn)者之間沒有積極參與電力市場的交易，僅是向電網(wǎng)企業(yè)購買電力。為了增強電力終端用戶的靈活性，能源系統(tǒng)[1]的不同利益相關(guān)者開辟了新的交易市場，能源消費正可以將其剩余能源賣回電網(wǎng)。新穎的分布式點對點（peer to peer, P2P）交易市場的設(shè)計為協(xié)調(diào)當?shù)厣a(chǎn)者或消費者提供了替代解決方案，生產(chǎn)者與消費者之間可以相互交易能源。

移動邊緣計算（mobile edge computing, MEC）是一項革命性的關(guān)鍵技術(shù)，在運營商網(wǎng)絡(luò)的邊緣帶來面向應(yīng)用的計算能力，其中MEC主機部署在邊緣、中央數(shù)據(jù)網(wǎng)絡(luò)，或在它們之間[2]。MEC的潛力包括低延遲、高帶寬和實時計算，以及對異構(gòu)物聯(lián)網(wǎng)應(yīng)用程序和服務(wù)的決策反饋[3]。

近年來，由于微電網(wǎng)用戶對計算資源需求的不斷增加，分布式微電網(wǎng)出現(xiàn)了大量的計算密集型任務(wù)。然而，分布式微電網(wǎng)可能并沒有部署具有高性能計算能力的設(shè)備，微電網(wǎng)內(nèi)部可能存在多種資源無法合理分配問題。于是，MEC服務(wù)器部署至微電網(wǎng)節(jié)點，為其帶來高性能的計算能力成為可能。同時，MEC面臨著低延遲調(diào)度、可擴展性和可持續(xù)性的挑戰(zhàn)，其中適當?shù)哪芰空{(diào)度可以解決由于能量故障[4-5]造成的MEC的可持續(xù)性。不少專家學者對微電網(wǎng)與邊緣計算技術(shù)相結(jié)合進行研究，如文獻[6]提出基于邊緣計算的家庭能源管理系統(tǒng)，文獻[7]提出基于邊緣計算的主動配電網(wǎng)信息物理系統(tǒng)，文獻[8]提出基于邊緣計算的分布式配電故障處理系統(tǒng)，文獻[9]描述邊緣計算技術(shù)應(yīng)用在電力物聯(lián)網(wǎng)的研究等，由此可見微電網(wǎng)與邊緣計算相結(jié)合的新領(lǐng)域的應(yīng)用范圍之廣泛，但上述文獻中均未考慮到MEC服務(wù)器的計算資源合理分配問題。同時，文獻[10]提出一種面向分布式發(fā)電微電網(wǎng)的邊緣計算架構(gòu)；文獻[11]提出使用強化學習方法對電網(wǎng)邊緣計算資源進行分配；文獻[12]提出了面向電網(wǎng)的邊緣算力優(yōu)化與分布式數(shù)據(jù)存儲處理模型研究；文獻[13]提出并制定一個統(tǒng)一的P2P市場模型，該方案既可以采用雙邊交易，也可以采用集中池市場。文獻[14]提出一個合并了聯(lián)合能源交易和不確定性交易的P2P市場。文獻[15]提出并制定一個用于參與者之間產(chǎn)品差異化的雙邊貿(mào)易機制，采用共識優(yōu)化方法對問題進行求解。但上述文獻中均未考慮到對MEC產(chǎn)生的計算資源加入多微電網(wǎng)系統(tǒng)P2P交易市場中，以得出資源交易最優(yōu)策略。

因此，針對搭載MEC服務(wù)器的微電網(wǎng)資源交易及分配問題，本文對微電網(wǎng)中的能源、計算資源的P2P市場交易問題進行分析，提出一種邊緣計算使能的多個微電網(wǎng)節(jié)點的交易策略。首先建立搭載邊緣計算服務(wù)器的多微電網(wǎng)分布式模型，得到微電網(wǎng)節(jié)點關(guān)于資源的約束條件、能源平衡關(guān)系式和計算資源約束式等，建立最小化運行成本的目標函數(shù)，通過改進的非支配排序遺傳算法（NSGA-II）對問題求解。

1 系統(tǒng)模型

首先建立一個帶有MEC服務(wù)器作為負載的微電網(wǎng)模型。每個微電網(wǎng)節(jié)點均配備了風力發(fā)電渦輪機（wind turbine, WT）和光伏（photovoltaic, PV）發(fā)電陣列兩種可再生能源發(fā)電組，電池儲能系統(tǒng)（battery energy storage system, BESS）作為能源的供給，搭載了一個MEC服務(wù)器作為負載以及可控負載與不可控負載。微電網(wǎng)節(jié)點的系統(tǒng)模型如圖1所示。

圖1 搭載邊緣計算服務(wù)器的微電網(wǎng)節(jié)點

圖2 分布式多微電網(wǎng)系統(tǒng)模型

1.1 本地的可再生能源

1.2 本地的能源儲備系統(tǒng)

1.3 本地負載的電能需求

微電網(wǎng)節(jié)點中支持各種類型的電力負載，其分為三類：必須性負載、彈性負載和邊緣計算服務(wù)器的運行負載。

1.3.1 必須性負載

1.3.2 彈性負載

1.3.3 邊緣計算服務(wù)器的運行負載

1.4 本地的計算資源與計算任務(wù)

1.5 多微電網(wǎng)之間的資源交易

研究了一種P2P資源交易市場模型，該模型的資源包括電能、計算資源。分布式的多個微電網(wǎng)節(jié)點進行資源的實時交易如圖3所示。每個微電網(wǎng)與主電網(wǎng)的電力傳輸主線相連，同時各個微電網(wǎng)相互之間連接電力傳輸線。某一個微電網(wǎng)可以與主電網(wǎng)或者其他的微電網(wǎng)進行電能的交易，同時每個微電網(wǎng)之間可以進行計算資源的交易。

圖3 分布式微電網(wǎng)的資源交易

1.5.1 微電網(wǎng)計算資源的供需約束關(guān)系式

當一個節(jié)點的計算任務(wù)過載，計算資源不足時，該節(jié)點可以從云數(shù)據(jù)中心或者在P2P市場中購買計算資源，假設(shè)微電網(wǎng)的邊緣計算系統(tǒng)不需要向云數(shù)據(jù)中心進行計算資源的出售，計算資源僅在微電網(wǎng)之間進行交易。

1.5.2 微電網(wǎng)電能的供需平衡關(guān)系式

當微電網(wǎng)節(jié)點的電力能耗大于可再生能源的發(fā)電量與本地儲能狀態(tài)之和時，微電網(wǎng)節(jié)點的電能可能需要從主網(wǎng)或P2P交易市場中購買，反之同理。因此，微電網(wǎng)節(jié)點運行時每個單位時隙的能量平衡公式必須滿足下式

1.5.3 微電網(wǎng)運行成本的目標問題

1.5.4 多微電網(wǎng)運行成本的目標問題

綜合考慮，整個多微電網(wǎng)系統(tǒng)在一天運行期間的代價函數(shù)作為待優(yōu)化的目標問題，可表示為

由于上述問題存在多個耦合的決策變量，將采用啟發(fā)式算法對該問題進行求解。

2 算法分析

NSGA-II是一種多目標優(yōu)化算法，具有快速收斂的全局尋優(yōu)能力，能有效避免陷入局部最優(yōu)狀態(tài)。在可行解域內(nèi)，該算法不僅不斷地細化解集的巨大數(shù)組變量，而且更新符合約束條件的決策變量。將每個節(jié)點的各自代價函數(shù)視為待解決的多目標問題。如每一個微電網(wǎng)的資源交易、計算需求和能源調(diào)度問題，涉及多個目標同時優(yōu)化。該算法的目標不僅是保持種群在最優(yōu)非支配解域中的多樣性，而且將搜索導向帕累托最優(yōu)前沿。

根據(jù)快速非支配排序和擁擠距離計算的迭代結(jié)果，對種群中的個體之間進行支配排序，并選擇出優(yōu)秀子代種群，其規(guī)模與父代種群的大小相等[16]，具體實施步驟如圖4所示。

圖4 NSGA-II的算法流程圖

在種群迭代過程中，每個微電網(wǎng)節(jié)點的多個約束條件作為種群進化的生存法則，可以看作是評價種群進化的適應(yīng)度變量，如能源供需平衡公式、計算資源供需約束關(guān)系式、決策變量的約束范圍等。因此，該算法根據(jù)生存環(huán)境中種群的適應(yīng)度，生成具有一定規(guī)則的多目標權(quán)值，引導種群的個體在可行解域中進行多方向搜索，不斷逼近帕累托最優(yōu)前沿，快速地確定多微電網(wǎng)運行方案的最優(yōu)解集。

3 實驗仿真

3.1 數(shù)據(jù)選擇與模型參數(shù)初始化

3.2 適應(yīng)度評價

由圖5可知，隨著種群的進化迭代，適應(yīng)度總體呈下降趨勢，一定迭代次數(shù)過后，產(chǎn)生了精英子代種群，適應(yīng)度評價函數(shù)逐漸收斂，表明種群進化結(jié)果逐漸變優(yōu)，最終達到了更充分合理利用微電網(wǎng)節(jié)點資源的目的，因此可得最優(yōu)的交易策略，驗證了該算法的可行性。

圖5 種群進化的適應(yīng)度評價函數(shù)

3.3 仿真交易策略

由圖6可知，24小時內(nèi)微電網(wǎng)產(chǎn)生可再生能源的變化，計算任務(wù)的需求變化以及能源消耗硬性需求表明節(jié)點中的資源產(chǎn)生、資源需求的結(jié)果，曲線的變化符合實際高峰時段的真實性。

圖6 微電網(wǎng)節(jié)點24小時的資源需求

該仿真實驗中，采用每個微電網(wǎng)節(jié)點的總成本來對不同運營模式進行評估，如圖7所示。實驗結(jié)果表明，合作模式（CO mode）下，每個微電網(wǎng)節(jié)點在P2P市場中參與交易，相比于獨立模式（SA mode）即不參與P2P市場交易的情況，每個微電網(wǎng)節(jié)點的運營成本更低，所得資源被進一步充分利用。經(jīng)過NSGA-II的種群進化評價出適應(yīng)度最大函數(shù)，可得最優(yōu)的交易策略。

圖7 不同運營模式下分布式微電網(wǎng)運行成本

4 結(jié) 論

介紹了微電網(wǎng)與邊緣計算的互補優(yōu)勢，微電網(wǎng)為MEC服務(wù)器提供的能源支持，MEC服務(wù)器為微電網(wǎng)提供的計算資源支持，以及微電網(wǎng)搭載MEC服務(wù)器的模型特點。提出了一種邊緣計算使能的多個微電網(wǎng)的資源交易策略，對微電網(wǎng)中的能源、計算資源參與P2P資源交易市場進行分析，并采用NSGA-II對該系統(tǒng)的P2P交易方案作出最優(yōu)決策以及合理的資源分配，以達到降低整體運營成本的目標。實驗仿真結(jié)果表明，種群進化后得出適應(yīng)度評價可以對微電網(wǎng)中的能源與計算資源作出合理的交易策略，降低了多微電網(wǎng)社區(qū)的運營成本，提高了微電網(wǎng)節(jié)點整體資源的有效利用。

[1] ALSHEHRI K, NDRIO M, BOSE S, et al. Quantifying market efficiency impacts of aggregated distributed energy resources[J]. IEEE transactions on power systems, 2020, 35(5): 4067-4077. DOI: 10.1109/tpwrs.2020.2979997.

[2] GIUST F,VERIN G, ANTEVSKI K, et al. MEC deployments in 4G and evolution towards 5G[R]. ETSI: White Paper, 2018.https://www.etsi.org/images/files/ETSIWhitePapers/etsi_wp24_MEC_deployment_in_4G_5G_FINAL.pdf.

[3] PORAMBAGE P, OKWUIBE J, LIYANAGE M, et al. Survey on multi-access edge computing for Internet of Things realization[J]. IEEE communications surveys & tutorials, 2018, 20(4): 2961-2991. DOI: 10.1109/COMST. 2018.2849509.

[4] SHAHZADI S, IQBAL M, DAGIUKLAS T, et al. Multi-access edge computing: open issues, challenges and future perspectives[J]. Journal of cloud computing, 2017, 6(1): 30. DOI: 10.1186/s13677-017-0097-9.

[5] LI W, YANG T, DELICATO F C, et al. On enabling sustainable edge computing with renewable energy resources[J]. IEEE communications magazine, 2018, 56(5): 94-101. DOI: 10.1109/MCOM.2018.1700888.

[6] 祁兵, 夏琰, 李彬, 等. 基于邊緣計算的家庭能源管理系統(tǒng): 架構(gòu)、關(guān)鍵技術(shù)及實現(xiàn)方式[J]. 電力建設(shè), 2018, 39(3): 33-41. DOI: 10.3969/j.issn.1000-7229.2018. 03.004.

[7] 龔鋼軍, 羅安琴, 陳志敏, 等. 基于邊緣計算的主動配電網(wǎng)信息物理系統(tǒng)[J]. 電網(wǎng)技術(shù), 2018, 42(10): 3128-3135. DOI: 10.13335/j.1000-3673.pst.2018.0119.

[8] 張衛(wèi)紅, 陳小龍, 萬順, 等. 基于邊緣計算的分布式配電故障處理系統(tǒng)[J]. 供用電, 2019, 36(9): 28-33, 58. DOI: 10.19421/j.cnki.1006-6357.2019.09.005.

[9] 王海慶, 楊永寧, 白姍. 基于K3s的邊緣計算在泛在電力物聯(lián)網(wǎng)的技術(shù)研究[J]. 科技資訊, 2019, 17(34): 11-13. DOI: 10.16661/j.cnki.1672-3791.2019.34.011.

[10] 徐楚軻, 吳昌宏, 舒杰, 等. 一種面向分布式發(fā)電微電網(wǎng)的邊緣計算架構(gòu)與應(yīng)用[J]. 新能源進展, 2020, 8(5): 383-390. DOI: 10.3969/j.issn.2095-560X.2020.05.006.

[11] 尚立, 蔡碩, 崔俊彬, 等. 基于軟件定義網(wǎng)絡(luò)的電網(wǎng)邊緣計算資源分配[J]. 電力系統(tǒng)保護與控制, 2021, 49(20): 136-143. DOI: 10.19783/j.cnki.pspc.201623.

[12] 李寶樹, 張鳳佳, 沈楊楊. 面向電網(wǎng)的邊緣算力優(yōu)化與分布式數(shù)據(jù)存儲處理模型研究[J]. 廣東電力, 2020, 33(9): 92-99. DOI: 10.3969/j.issn.1007-290X.2020.009.012.

[13] RASHIDIZADEH-KERMANI H, VAHEDIPOUR-DAHRAIE M, SHAFIE-KHAH M, et al. A stochastic short-term scheduling of virtual power plants with electric vehicles under competitive markets[J]. International journal of electrical power & energy systems, 2021, 124: 106343. DOI: 10.1016/j.ijepes.2020.106343.

[14] DABBAGH S R, SHEIKH-EL-ESLAMI M K. Risk assessment of virtual power plants offering in energy and reserve markets[J]. IEEE transactions on power systems, 2016, 31(5): 3572-3582. DOI: 10.1109/TPWRS.2015. 2493182.

[15] MASHHOUR E, MOGHADDAS-TAFRESHI S M. Bidding strategy of virtual power plant for participating in energy and spinning reserve markets—Part I: problem formulation[J]. IEEE transactions on power systems, 2011, 26(2): 949-956. DOI:10.1109/TPWRS.2010.2070884.

[16] KANNAN S, BASKAR S, MCCALLEY J D, et al. Application of NSGA-II algorithm to generation expansion planning[J]. IEEE transactions on power systems, 2009, 24(1): 454-461. DOI: 10.1109/TPWRS.2008.2004737.

Edge Computing Enabled Distributed Microgrids Resources Trading Strategy

MAI Shangke, LIU Yi?

(Guangdong University of Technology, Guangzhou 510006, China)

A resource trading strategy for edge computing enabled multi-microgrid nodes was proposed for the energy loss problem of edge computing servers in distributed microgrid nodes and the computing resources constraint problem of microgrids. Energy trading and computing resources trading in the microgrid model with edge computing server were computed so that the optimal strategy was obtained for the minimization (MIN) problem of multi-microgrid community operation cost. The results showed that the fitness evaluation function in the improved non-dominated sorting genetic algorithm (NSGA-II) showed a gradual convergence trend, and the optimal set of solutions on the Pareto front was obtained as the optimal strategy for resource trading among multi-microgrid nodes, which had a lower operating cost compared to a single microgrid node.

microgrid; edge computing; distributed; resources trading; genetic algorithm

2095-560X（2023）05-0484-07

TK02；TK89

A

10.3969/j.issn.2095-560X.2023.05.013

2022-12-30

2023-02-28

國家自然科學基金項目（61773126）

劉 義，E-mail：yi.liu@gdut.edu.cn

麥尚柯, 劉義. 邊緣計算使能的分布式微電網(wǎng)資源交易策略[J]. 新能源進展, 2023, 11(5): 484-490.

： MAI Shangke, LIU Yi. Edge computing enabled distributed microgrids resources trading strategy[J]. Advances in new and renewable energy, 2023, 11(5): 484-490.

麥尚柯（1997-），男，碩士研究生，主要從事智能微電網(wǎng)多種資源交易策略研究。

劉 義（1981-），男，博士，教授，主要從事分布式可再生能源及智能微電網(wǎng)技術(shù)研究。