[发明专利]基于区块链分布式数据存储多微网日前鲁棒电能交易方法

权利要求书

1.一种基于区块链分布式数据存储多微网日前鲁棒电能交易方法，其特征在于，包括以下步骤：

S1、建立单微网运行双层模型，对微网双层模型进行优化调度；微网运用可调鲁棒优化算法计算出在最恶劣可再生能源出力场景下的微网经济最优运行调度方案；

S2、建立自适应报价模型，为单微网提供自适应报价策略；各微网所优化出的运行调度方案上传到多微网交易服务器中，由多微网交易服务器判定当前交易市场模式后把各微网信息传输到其余微网，各微网依据收到的其余各微网信息进行自适应报价；

S3、构建区块链分布式交易平台，微网在此平台上实现集群分布式交易；各微网得出其购电报价或售电报价后发送给相应的微网，收到交易请求的微网依据分布式交易过程的规则进行交易匹配并完成交易；

在步骤S1中，需要对微网进行多微网建模，多微网模型包括配电网运营商、连接在配网中的微网和微网运营商以及多微网交易服务器；

在构建区块链分布式交易平台中，各主体通过区块链网络传递数据；在区块链网络中，配电网运营商节点负责协助平衡多微网交易市场中参与者的电负荷；多微网交易服务器是一个特殊节点，负责协助完成多微网市场确定交易模式和交易计划；微网运营商节点是最小的能量管理模块，负责通过制定运行调度策略以在成本最低的前提下满足微网内的能量平衡；

多微网模型涉及的微网分为4种不同类型：含有风力发电和光伏发电的热电联供型微网、含有风力发电的热电联供型微网、含有光伏发电的传统微电网和含有光伏发电的热电联供型微网；

微网i在t时段参与多微网交易市场制定调度计划的策略为：

1)微网优先利用可再生能源的出力来平衡电负荷；当可再生能源机组出力无法平衡电负荷时，由微网内部的燃气轮机、燃料电池机组出力平衡；若当微网以上设备出力大于负荷需求时，则根据蓄电池的荷电状态，确定蓄电池充电功率的大小，无法消纳的部分则售向多微网市场；若当微网以上设备出力不能满足负荷需求，缺额的部分优先由蓄电池提供，当蓄电池无法提供输出功率时，则向多微网市场发出交易请求以满足电平衡约束；若经多微网市场交易仍无法满足电功率平衡约束，则向配电网购买；若微网在多微网市场无法售出所有电量，则所剩余得电量低价售给配电网；

2)热负荷由燃气轮机和燃气锅炉平衡；燃气锅炉燃烧燃气产生电能，同时排出的废热被余热回收装置回收后供给热负荷；储热罐根据燃气轮机的余热量灵活储放热以平衡热负荷；燃气锅炉在热平衡无法由燃气轮机余热、储热罐储放热平衡的情况下制热补足；

单微网在运行以上策略的基础上，以自身在最恶劣分布式电源出力下的经济运行为目标，采用鲁棒优化刻画可再生能源的不确定参数，并运用双层优化交互迭代求解，求得的解即为微网在最恶劣可再生能源出力场景下的机组运行方案；具体数学模型如下：

考虑可再生能源不确定性的微网日前经济调度内外层鲁棒模型可描述为

式中：优化变量σ为日前调度方案；内层优化变量κ为日前调度方案σ的执行调控方案；为提高微网对可再生能源的消纳能力，内层引入弃可再生能源的惩罚项，该项包含不确定参数为微网内分布式电源机组的出力；Φ为可调鲁棒参数；E_D(σ)为微网日前运行成本；为微网日前调度方案σ的执行调控成本；B_D(σ)＝0和U_D(σ)≤0包括微网的能量平衡约束、微网各运行单元自身的相关约束；和包括微网调控层的能量平衡约束、微网各可控运行单元的调控约束；B_Mic＝0、U_Mic＜0为多微网交易中的约束；

E_D(σ)为微网日前运行成本，包括微型燃气轮机的运行成本、燃料电池的运行成本、与配电网交易的成本和在多微网市场中交易的成本；具体表达式为

E_D(σ)＝E_MT+E_F+E_G+E_Mic

式中：E_MT为微型燃气轮机的运行成本，包括成本参数α_MT、β_MT和t时刻微型燃气轮机的出力P_MT(t)；E_F为燃料电池的运行成本，包括成本参数α_F、β_F和t时刻微型燃气轮机的出力P_F(t)；E_G为微网在t时刻与配电网交易的成本，包括t时刻的购电功率与售电功率以及t时刻的购电电价和售电电价E_Mic为微网在t时刻在多微网市场的交易成本，包括t时刻的购电功率与售电功率以及t时刻的购电电价和售电电价

B_D(σ)＝0、U_D(σ)≤0分别为微网日前运行下的能量平衡约束和机组自身约束，具体表达式如下；

能量平衡约束：

式中：表示蓄电池i在t时刻的充放电量；为可再生能源的预测出力，其中可再生能源包括风力发电机组和光伏发电机组；P_Bo(t)为t时刻电锅炉消耗的电量；P_Load(t)为t时刻的电负荷量；

机组自身约束包括可控机组运行约束和储能运行约束，具体表达为

式中：分别为可控机组i的出力上下限；为可控机组i在时间t的运行状态，为0-1变量；为可控机组i的上下爬坡极限功率；

式中：分别为蓄电池i在t时刻的充放电状态；分别为蓄电池i的充放电功率上下限；为蓄电池i在t时刻的容量；分别为蓄电池的自损耗率和充放电效率；分别为储能容量上下限；T为固定运行周期；

可再生能源发电机组出力具有不确定性；风力发电机组和光伏发电机组的不确定性出力可以描述为下式

式中：分别为t时刻风机、光伏出力；分别为风机出力上下限；分别为光伏出力上下限；

为避免优化结果的鲁棒性较强，引入可调参数Γ约束可再生能源在各时段的出力取值；故可再生能源机组出力还需满足以下约束式

式中：分别为t时刻预测风电、光伏出力；分别为t时刻风电、光伏出力；分别表示风机和光伏在t时刻出力的上下波动范围；是0-1变量，表示风机在t时刻出力与风机预测出力的关系，若风机出力大于预测出力则反之，表示光伏出力的状态；

考虑可再生能源不确定性的微网日前经济调度内外层鲁棒模型的自变量σ和因变量κ相互影响，这决定了模型无法一次求解，因此采用列约束生成算法把模型分解为主问题和子问题；分解后子问题的max-min结构难以直接解出，因此采用线性优化强对偶理论将max-min结构转化为max结构，再采用大M法对此结构进行线性化处理，最终表达式如下

式中：θ为子问题的理想最优解；a、b、c为目标函数中的系数矩阵；A、C、D、d、f为等式约束的系数矩阵；B、E、F、G、e、i为不等式约束的系数矩阵；

式中：分别为风电出力不确定区间上下限；ξ⁺、ξ^-分别代表ξ的正负取值；为新引入的0-1辅助变量；α、β、ψ为对偶变量；ξ为辅助变量；

综上所述，模型分解后的求解步骤具体可表述为

步骤1：设定初始可再生能源出力恶劣场景和收敛间隙ε≈0，置迭代次数k＝1；初始化此优化问题的上下限为无穷大；

步骤2：将恶劣场景集代入主问题进行求解，其中i＝1，2，3，…，k，求解得场景i下的最优解(σ_k,κ_i)，此最优解可更新优化问题的下界；

步骤3：σ_k为已知条件，那么子问题便可求解出场景i下的最优解取下一个最恶劣场景为并更新此优化问题的上界为子问题的目标函数值与主问题所得之和；

步骤4：判断上下界的间隙是否满足条件ε≈0，若是则返回最优解；否则，增加最恶劣分布式能源出力场景并返回步骤2。