馬天男，彭麗霖，杜 英，茍全峰，王 超，郭小帆

(1. 國網四川省電力公司經濟技術研究院，四川 成都 610041；2. 四川電力交易中心有限公司，四川 成都 610041；3. 四川電力設計咨詢有限責任公司，四川 成都 610041)

0 引言

當前，一次能源消耗加快、環(huán)境惡化嚴重、氣候變化加劇等是全球經濟發(fā)展共同面對的重要問題[1]。以新能源發(fā)電、低碳交通和信息技術高度融合的能源互聯(lián)網EI(Energy Internet)為各類能源的靈活接入和規(guī)模化生產利用提供了可能的解決方案[2]。由多個微電網組成的局域多微電網系統(tǒng)被認為是能源互聯(lián)網的一種典型子網，也是實現(xiàn)能源互聯(lián)網技術發(fā)展的重要前提和必經途徑[3]。隨著儲能技術的發(fā)展以及智能電網技術的推進，局域多微電網在電力市場中必將產生新的市場主體(如分布式聚合商DA(Distributed Aggregator))，這使得參與競爭的市場主體呈現(xiàn)了雙重性和多元化特征，每個主體既是生產者又是消費者[4]；市場主體類型不再固定不變，而是以更加靈活的形式顯現(xiàn)，電力市場中的競爭也將日趨復雜。新形勢下，如何充分保障各市場主體的利益均衡、提高可再生能源的利用比例，成為推動多微電網系統(tǒng)建設必須要解決的問題。因此，構建多微電網市場競爭博弈模型，對于分布式能源消納和能源互聯(lián)網技術的發(fā)展具有重要的理論和現(xiàn)實意義。

近年來，部分學者對多微電網系統(tǒng)博弈競爭問題的研究已形成一定的成果。文獻[5]基于微電網與配電網之間的交易影響，建立了非合作博弈的多微電網交易模型及求解流程，求解得出了微電網之間發(fā)生交易的形成條件及影響因素；文獻[6]首先建立了基于價格差異與時間貫序權重的多微智能配電網兩階段快速決策模型，并在此基礎上構建了基于最大投標風險承受比例電量和最小用電成本的電價投標決策模型，通過多代理仿真平臺仿真驗證了模型的有效性；文獻[7]建立了多微電網運營商MO(Microgrid Operator)在日前電力市場博弈競爭模型和市場運營商最優(yōu)經濟調度模型的雙層優(yōu)化模型，并基于完全信息下的動態(tài)博弈方法和雙層優(yōu)化求解模型計算了配電網側電力市場的納什均衡點；文獻[8]建立了孤島運行方式下含儲能單元的微電網多代理動態(tài)博弈模型，解決了孤島運行方式下微電網系統(tǒng)各分布式能源之間的競爭博弈問題；文獻[9]從經濟性角度提出了一種基于博弈論的多級微電網優(yōu)化配置模型，分析了不同投資主體的利益關系，為微電網的設計與建設提供了參考；文獻[10]提出了多個微電網間聯(lián)盟控制博弈模型，分析了聯(lián)盟協(xié)作形成過程及算法；文獻[11]針對多微電網配電側需求響應問題，分別建立了微網內部功率優(yōu)化模型和基于博弈的多微網競價博弈模型，并通過仿真驗證了模型的有效性和可行性。

上述研究取得了較好的成果，但大部分研究僅局限于發(fā)電側或需求側之間的博弈競爭，尚未涉及對多微電網系統(tǒng)中多元主體之間博弈競爭的研究。此外，隨著未來市場多元化進程的不斷加深，規(guī)模龐大、結構復雜以及高度實時性的多能源系統(tǒng)數(shù)據將會不斷涌現(xiàn)[12]，市場主體對市場行為的把握不再靠直覺判斷，而基于大規(guī)模數(shù)據分析的快速分析決策將會成為市場主體參與博弈競爭的主要發(fā)展方向。區(qū)塊鏈技術作為一種分布式記賬系統(tǒng)，所具備的數(shù)據透明性和可靠性使其能夠很好地適用于分散化系統(tǒng)結構的數(shù)據分析和決策[13]，基于區(qū)塊鏈技術的市場經濟生態(tài)環(huán)境，可極大地減少不同市場主體間重塑或信任維護的成本，可有效地防止市場中的尋租行為。因此，將區(qū)塊鏈技術應用于分散化的多微電網系統(tǒng)電力市場建設中，可實現(xiàn)物理信息流的高度融合和快速運轉，有助于市場主體從海量數(shù)據中進行快速分析決策，幫助提高局域電力市場的運行效率，并保證市場能夠健康有序發(fā)展。

本文首先對區(qū)塊鏈技術的相關概念進行了簡要介紹，并對區(qū)塊鏈技術與多微電網市場競爭博弈之間的契合度進行了分析；其次，從局域多微電網市場結構出發(fā)，建立了基于微電網運營商主體、大用戶主體以及分布式聚合商主體等多方非合作博弈模型；然后，鑒于蟻群算法(ACO)與區(qū)塊鏈技術共同存在的去中心化特征，采用改進蟻群算法IACO(Improved Ant Colony Optimization algorithm)對上述多主體博弈模型進行求解；最后，通過算例對博弈模型進行仿真分析，驗證所構建模型及求解算法的可行性和有效性。

1 區(qū)塊鏈技術與多微電網市場競爭博弈契合度分析

1.1 區(qū)塊鏈技術

區(qū)塊鏈技術是互聯(lián)網時代的新興信息產業(yè)技術，通過去中心化和去信任的方式實現(xiàn)網絡數(shù)據的維護，并采用密碼學技術讓區(qū)塊之間的數(shù)據記錄相互關聯(lián)，交易信息由網絡其他用戶監(jiān)督和審定，交易記錄不可偽造、不可修改[14]。實質上，區(qū)塊鏈是由密碼學算法產生帶有時間戳數(shù)據區(qū)塊(block)組成的鏈條，每個數(shù)據塊主要包含區(qū)塊頭和區(qū)塊數(shù)據兩部分[15]，區(qū)塊頭的內容包括版本號、Harsh值、Mercle樹等用于鏈接下一數(shù)據區(qū)塊的外部信息；區(qū)塊數(shù)據主要包括時間段內的全部交易信息數(shù)據，用于數(shù)據分析和處理，為節(jié)點用戶提供決策方案。數(shù)據區(qū)塊主體圖如圖1所示，各行區(qū)塊代表主體在時間維度上形成的區(qū)塊鏈，而行間鏈接代表區(qū)塊主體間的互絡聯(lián)通，在時間維度上形成的區(qū)塊網絡增強了信息的可追溯性和安全可信性。

圖1 數(shù)據區(qū)塊主體圖Fig.1 Main body diagram of data block

區(qū)塊鏈技術作為分布式數(shù)據存儲、記錄和呈現(xiàn)的新型方式，在未來數(shù)據庫的架構與拓展中具有極大的潛力，主要具備以下5個方面的特點[16]。

a. 去中心化。采用分布式存儲和核算方式，區(qū)塊鏈技術不存在中心化的硬件或管理結構，任意網絡節(jié)點均有相等的權利和義務，網絡中的數(shù)據模塊由整個系統(tǒng)具備維護特性的節(jié)點來共同維護；而節(jié)點間的數(shù)據交換和傳遞只需要通過數(shù)字簽名進行驗證，不需要相互信任或依賴，只需按照規(guī)則實現(xiàn)交易即可。

b. 信息開放透明。區(qū)塊鏈網絡的開放性特征以及數(shù)據的透明性是節(jié)點用戶之間贏取信任的基礎。系統(tǒng)中除了被加密的私密信息，其他數(shù)據都會被其他節(jié)點用戶查詢和監(jiān)督，任何用戶都可以通過Hash值獲取區(qū)塊數(shù)據，整個系統(tǒng)的信息高度透明開放。另外，各節(jié)點用戶均基于同一共識機制，通過相互競爭計算實現(xiàn)整個區(qū)塊網絡數(shù)據的安全可靠性，部分節(jié)點運行停滯，其他節(jié)點仍能正常工作，并不會對整個系統(tǒng)造成大的沖擊。

c. 數(shù)據安全可信。區(qū)塊鏈技術采用非對稱密碼學原理對數(shù)據進行加密，利用網絡用戶公式算法形成強大的護盾抵御外部攻擊，從而保證了區(qū)塊鏈數(shù)據的不可篡改和不可偽造，網絡數(shù)據具有高度的安全性和可靠性。基于協(xié)商一致的數(shù)學規(guī)范和協(xié)議，任何人都不具備數(shù)據讀寫權，都不能對系統(tǒng)數(shù)據進行修改或刪除，使系統(tǒng)能夠在環(huán)境自由安全條件下交換數(shù)據，人為干預不會起任何實質性影響。

d. 區(qū)塊信息可追溯。區(qū)塊鏈是由帶有時間順序的區(qū)塊相互鏈接而成，信息可通過區(qū)塊特定標志進行查找，交易的完整傳遞路徑能夠被清晰地記錄和追溯，可清晰掌握整個鏈條信息的傳遞過程，便于其他用戶的監(jiān)督和管理。

e. 交易雙方匿名。由于節(jié)點之間的信息交換遵循特定的數(shù)學算法，數(shù)據交互無需任何信任，因此交換雙方無需公開身份讓對方產生信任。

1.2 契合度分析

伴隨智能微電網技術和電力市場的發(fā)展，區(qū)塊鏈技術的引入可有效地推動能源互聯(lián)網產業(yè)的升級和完善，研究區(qū)塊鏈技術下的多微電網市場博弈競爭將會對我國能源市場化改革帶來積極的影響。區(qū)塊鏈技術與多微電網市場競爭博弈的契合度主要體現(xiàn)在以下5個方面。

a. 區(qū)塊鏈技術可以促進多微電網市場競爭博弈信息公開透明化。區(qū)塊鏈信息的自由特性體現(xiàn)了市場的公平競爭，隨著時間推進，市場會逐漸達到平衡，系統(tǒng)資源也會得到有效的配置，系統(tǒng)整體會達到Pareto最優(yōu)。另外，信息的完全公開和可追溯性大幅減少了市場尋租行為，驅使市場主體在市場規(guī)則下演繹市場行為。區(qū)塊的時間特性造就了各市場主體在完全信息條件下進行博弈競爭，可實現(xiàn)完全信息的動態(tài)博弈。

b. 區(qū)塊鏈技術可促進多微電網市場競爭博弈去中心化。在市場競爭中，每個市場主體都會產生大量的交易信息，如負荷信息、發(fā)電量等，在傳統(tǒng)的博弈競爭中，這些信息都需要反饋給電網交易中心后統(tǒng)一發(fā)布市場信息，進而再組織市場主體競價，競價成功后由調度中心統(tǒng)一實現(xiàn)經濟調度，這種方式無疑增加了信息流通環(huán)節(jié)，降低了信息的時效性?；趨^(qū)塊鏈技術的市場主體競爭支撐市場主體點對點的直接交易，信息的公開透明和可追溯特征使得市場競爭能夠形成無中心依賴的可信任分布式系統(tǒng)，能夠快速響應市場信息做出最優(yōu)決策，從而節(jié)省了大量的時間成本，提高了信息流通效率，這無疑為市場的公平競爭增添了砝碼。

c. 區(qū)塊鏈技術可促進多微電網市場信息的動態(tài)化?；趨^(qū)塊鏈的市場博弈競爭中，博弈主體的市場信息是隨時間的動態(tài)變化而變化的，每個節(jié)點每隔Δt的時間就會更新市場信息，并將其重新封存于新的帶有時間戳的數(shù)據區(qū)塊中，隨著時間的增加，各區(qū)塊先后連接形成具有動態(tài)結構的區(qū)塊鏈DBC(Dynamic Block Chain)，各節(jié)點的市場主體可通過查看和分析其他節(jié)點的DBC來決策市場行為。數(shù)據區(qū)塊的動態(tài)性使得市場競爭博弈更加靈活和方便，當交易發(fā)生后可以實現(xiàn)系統(tǒng)的自調度和生態(tài)化運行，基于動態(tài)數(shù)據模塊鏈的分散決策為市場主體的博弈競爭決策問題提供了解決方案，通過多模協(xié)同運行實現(xiàn)區(qū)域自治。區(qū)塊鏈信息的動態(tài)特性使得局域多微電網系統(tǒng)具備強大的持續(xù)性和旺盛的生命力，各主體會根據各個階段的數(shù)據信息動態(tài)演化其他市場主體的動態(tài)行為，從而根據演繹結果做出相應的博弈策略，也就是說市場主體的博弈策略并不是固定不變，而是隨著市場信息動態(tài)變動，確保了市場主體的最大化效益。

d. 區(qū)塊鏈技術可促進多微電網市場交易信息的安全性。區(qū)塊鏈技術是基于非對稱加密算法解決用戶的信任問題，包含了2個秘鑰：公開密鑰(public key)和私有秘鑰(private key)。這種算法加密使得節(jié)點數(shù)據為全網所有節(jié)點共同認證和鑒定，保障了數(shù)據的安全性和有效性。區(qū)塊鏈中的每個主題都擁有專屬的公鑰和私鑰，用戶用私鑰對數(shù)據加密，其他用戶則用公鑰揭秘信息，采用私鑰在數(shù)據尾部進行數(shù)字簽名，其他用戶則通過公鑰解密認證數(shù)據的真實性。這種數(shù)據加密方式和認證形式保證了市場主體在博弈過程中數(shù)據的真實有效性，一旦某個節(jié)點數(shù)據發(fā)生危險，其他節(jié)點就能夠迅速做出反應，解決了用戶間信息不對稱的問題，最大限度地減少了市場主體的尋租行為，保證了市場的競爭博弈朝有序方向發(fā)展，自動保障交易及利益分配的公平和高效配置。

e. 區(qū)塊鏈技術可完善多微電網市場競爭博弈的獎懲機制?；趨^(qū)塊鏈的多微電網市場主體競爭博弈，加入了實質性的激勵機制和懲罰機制。基于智能合約或“可編程貨幣”實現(xiàn)的激勵機制能夠促進市場主體積極交易，加深市場化程度，鼓勵提高清潔能源利用率，有效地降低對外部環(huán)境的碳排放。另外，智能化的懲罰機制加強了交易主體的自律性和信用等級，防止虛假交易和記錄篡改，在解決市場主體公信力問題的同時，使得市場競爭具備更加市場化、扁平化和自治化的特征，避免多種能源的重復建設，減少能源供給浪費，并能夠有效地提升可再生能源的消納利用，解決環(huán)境污染等問題。

2 局域多微電網市場博弈模型構建

2.1 局域多微電網市場結構

本文所研究的局域多微電網市場結構如圖2所示。局域多微電網市場結構中，市場主體主要包括微電網運營商、電力大用戶BC(Big Consumer)和分布式聚合商三方，各主體都是理性的，均希望通過積極運作保障自己的最大利益。由圖2可知，各市場模塊由能量流和信息流連接互通；能量流在物理層面實現(xiàn)能量的傳導和輸送，信息流則以區(qū)塊鏈形式實現(xiàn)各節(jié)點的信息傳遞；信息流與能量流的高度融合，加強了各主體之間能量傳遞的可靠性，并保障了市場交易的實時性。圖2中微電網運營商的主要功能為生產和售賣電量，當系統(tǒng)發(fā)生缺電時也需要向分布式聚合商或其他微電網運營商購取電量；分布式聚合商的主要功能是收集和儲存全部分布式用戶的分散電能，通過購銷差價賺取利潤；電力大用戶則只需考慮以最低成本獲取自身所需電量即可，本文假設大用戶不進行售電行為。

圖2 局域多微電網市場競爭博弈框架圖Fig.2 Marketing competition game framework of local multi-microgrids

由圖2可知，每個市場主體均配套相應的區(qū)塊，各主體區(qū)塊在同時段下會相互連接形成能源區(qū)塊網絡(blocks)，而每個區(qū)塊在不同時間段又會形成區(qū)塊鏈條(chains)，因此，能源區(qū)塊網絡會隨著時間的推移形成能源區(qū)塊鏈網絡EBN(Energy Blockchain Network)。在EBN中，各主體模塊會主動提交自身的相關信息，如身份ID、賬戶、能源形式、地理位置、裝機容量等基礎信息，用于區(qū)塊網絡認證和身份標識，并作為電能傳輸數(shù)據和市場交易數(shù)據的核心基礎。在市場交易中，微電網運營商、大用戶以及分布式聚合商三方之間存在的競爭關系使得三方的利益目標存在嚴重沖突，而通過EBN信息的分析和挖掘可能實現(xiàn)市場博弈均衡，達成三方共贏。在競爭博弈過程中，微電網運營商i作為市場中的電能主要生產者，需要首先將各時段可參與競價的售電電價PMO(t)和售電電量QMO(t)向EBN持續(xù)廣播信息數(shù)據，并附上發(fā)送者的身份ID。所有其他市場主體通過獨立監(jiān)聽和記錄微電網運營商發(fā)布的EBN全網數(shù)據，經過一定時間間隔Δt后，將自身的電價、電量等信息也發(fā)布到EBN中，并由其他用戶共同監(jiān)聽和記錄。全部市場主體的區(qū)塊信息均在EBN中記錄生成，各主體只需在規(guī)定的時間內對數(shù)據進行分析，并向EBN中的目標市場主體發(fā)布購售需求信息，當兩兩節(jié)點之間達成共識后，即可生成智能合約并完成交易。

2.2 市場主體數(shù)學模型

區(qū)塊鏈技術所具備的透明性和去中心化特征，使市場主體能夠更好地適應市場結構。各節(jié)點區(qū)塊均擁有自身條件下的智能合約信息，如電網信息、用戶信息、動態(tài)合約等[17]，通過查詢和追溯不同用戶節(jié)點之間的交易信息，市場主體會對電力市場需求、市場行為以及市場潛力進行深入分析和評估，進而優(yōu)化運行策略，為用戶自身提供優(yōu)化和交易邊界，并制定同時期在電力市場中的購售電策略，以追求自身利益最大化。在多微電網系統(tǒng)中，為了追求自身利益最大化，參與市場博弈的微電網運營商、大用戶以及分布式聚合商三方主體會通過制定不同階段的不同購售電策略來影響市場變化。因此，如何在區(qū)塊鏈技術支撐下的市場條件中通過競爭博弈獲取超額利潤，是各博弈方最關心的問題。

2.2.1 微電網運營商需求

(1)

(2)

c. 激勵效益和懲罰成本。

(3)

(4)

d. 分布式電源出力補貼收益。

(5)

2.2.2 大用戶主體需求

a. 向微電網運營商購電。

(6)

b. 向分布式聚合商購電。

(7)

2.2.3 分布式聚合商需求

a. 向外購電成本。

向小型用戶收集電能的成本：

(8)

向微電網運營商購電的成本：

(9)

向其他分布式聚合商的購電成本：

(10)

b. 儲能運行成本。

(11)

c. 售電收益。

向微電網運營商售電的收益：

(12)

向大用戶售電的收益：

(13)

向其他分布式聚合商售電的收益：

(14)

2.2.4 非合作博弈模型

(1) 博弈主體Γ。

本文研究的多微電網市場競爭博弈模型的博弈主體主要為時段t內有購售電需求的NM個微電網運營商主體、NU個大用戶主體以及NA個分布式能源聚合商主體，表示為：

Γ={M1,M2,…,MNM,U1,U2,…,UNU,A1,A2,…,ANA}

(15)

(2) 策略空間P(t)。

(3) 目標函數(shù)F。

微電網運營商、大用戶以及分布式聚合商三方主體的競爭博弈目標是使自身利益最大化，即以最小成本獲取最大效益，各主體的目標函數(shù)具體描述如下。

a. 微電網運營商的目標函數(shù)為：

(ire-ire0)Rbonus(t)-cextra(t)(Hco2(t)-Hco2(t0))+

(16)

b. 大用戶的目標函數(shù)為：

(17)

c. 分布式聚合商的目標函數(shù)為：

(18)

(4) 約束條件。

a. 微電網運營商的約束條件。

分布式發(fā)電機組出力約束：

(19)

(20)

(21)

售電量約束：

(22)

售電電價約束：

(23)

b. 大用戶主體的約束條件。

購電量約束：

(24)

購電電價約束：

(25)

c. 分布式聚合商的約束條件。

儲能電池功率約束：

(26)

售電電量約束：

(27)

售電電價約束：

(28)

d. 系統(tǒng)功率平衡。

(29)

3 區(qū)塊鏈技術下多微電網市場競爭博弈模型求解

3.1 IACO

ACO是對自然界螞蟻搜尋食物過程的一種仿生，螞蟻通過不斷的交流合作，最終找出巢穴和食物間的最優(yōu)路徑；螞蟻在尋找路徑的過程中，會在當前路徑上釋放一定的信息素，如果路徑越長，則釋放的信息素就越低；當碰到障礙物時，螞蟻會以一定的概率隨機地選擇一條道路，概率的大小是由該道路上的信息濃度決定的；信息素具有揮發(fā)性，隨著時間的推移，信息素在最優(yōu)路徑上的濃度會越來越高，而其他路徑的濃度會隨著時間的推移揮發(fā)，最終整個螞蟻群體找到最優(yōu)路徑。

ACO與區(qū)塊鏈都存在去中心化特征，ACO通過個體間的溝通協(xié)作可實現(xiàn)整體尋優(yōu)，而區(qū)塊鏈通過區(qū)塊間的互相監(jiān)督和共同維護保證了信息傳遞的安全可靠和透明性。ACO在求解多目標Pareto最優(yōu)化問題時有著優(yōu)異的表現(xiàn)，區(qū)塊鏈網絡與旅行商問題也具備相似性，因此，采用ACO求解基于區(qū)塊鏈技術的多微電網市場競爭博弈模型具有可行性。為了更好地實現(xiàn)模型的求解，得到Pareto最優(yōu)結果，本文在基本ACO的基礎上從轉移概率和信息素揮發(fā)因子兩方面對其進行改進，具體改進方法如下。

a. 自適應調整信息素揮發(fā)因子。

ACO中揮發(fā)因子ρ的大小直接影響到ACO的全局搜索能力及其收斂速度，當要處理的問題規(guī)模比較大時，這種影響更為突出，基于此，本文引入了自適應調整信息素揮發(fā)因子，旨在通過自適應地改變信息素揮發(fā)因子ρ來提高算法的全局搜索能力。

設ρ的初始值ρ(t0)=1，當ACO求得的最優(yōu)值在N次循環(huán)后沒有得到明顯的改進時，ρ按照以下公式進行調整[19]：

(30)

其中，ρmin為ρ的最小值，可以防止ρ過小而降低收斂速度，一般設ρmin=0.1。

b. 轉移概率的改進。

在模型求解中，如果參數(shù)a、b選取不當?shù)脑挄苯佑绊懩Ｐ颓蠼獾乃俣群颓蠼獾男Ч?，為了提高ACO的計算效率，可將參數(shù)a、b定義為[20]：

a=1+e-0.1Nmax

(31)

(32)

其中，Nmax為最大迭代次數(shù)，可以通過控制其中一個參數(shù)來控制2個參數(shù)，增加了參數(shù)間的聯(lián)動性。

3.2 基于IACO模型的各方主體競爭博弈流程

采用IACO求解區(qū)塊鏈技術下多微電網市場各主體競爭博弈流程如下。

a. 設置各博弈主體參與競爭博弈的初始策略集合。針對市場主體k，在其報價范圍內隨機生成na個螞蟻個體，每個個體代表一種報價策略，主體k在時段t的價格策略集合可表示為：

ηk(t)={Pk1(t),Pk2(t),…,Pkna(t)}

(33)

(34)

d. 根據博弈策略更新目標函數(shù)值。若主體l接受主體k的購/售策略，雙方達成協(xié)議，生成智能合約：

(35)

e. 利用式(30)更新信息素的濃度，令迭代次數(shù)N=N+1；若N≤Nmax，則轉向步驟b；否則，輸出最優(yōu)結果。

4 算例仿真

為了驗證所構建博弈模型的相關特點，本文利用Python3.6軟件構建了區(qū)域多微電網市場競爭博弈仿真系統(tǒng)；系統(tǒng)選取3組微電網運營商Mi、2組分布式聚合商Aj以及3組大用戶Um作為市場博弈競爭主體，各主體之間根據自身的目標相互競爭，并規(guī)定各博弈主體的購電價格由對應的售電價格替代。設定各類型市場主體的競價策略空間一致，則各類型主體的競價策略區(qū)間描述為：微電網運營商主體的競價策略區(qū)間為0.5～1.1元/(kW·h)；分布式聚合商主體的競價策略區(qū)間為0.5～0.95元/(kW·h)；大用戶的競價策略區(qū)間為0.5～1.05元/(kW·h)。此外，為了減少模型的計算維度和復雜性，本文設定分布式聚合商Aj在各時段收集的分布式能源的成本相對固定，規(guī)定大用戶主體Um只購不售。各主體間的購售簡易結構如圖3所示。通過預測得到各主體24 h的電能需求如圖4所示。微電網運營商和分布式聚合商的售電能力如圖5所示。

圖3 各市場主體博弈簡易結構Fig.3 Simplified structure of market game players

圖4 各主體不同時段電力需求預測Fig.4 Power demand forecast of each player in different time periods

圖5 各主體不同時段售電能力Fig.5 Electricity selling ability of each player in different time periods

為了提高仿真計算效率，本文所搭建測試平臺環(huán)境包括8臺Intel(R)Core(TM)2Duo系列CPU，并配置Windows7專業(yè)版系統(tǒng)和8 GB的RAM，每臺計算機代表各博弈主體的區(qū)塊，以IP地址作為網絡標識符實現(xiàn)競價信息的交換和反饋。設置算法最大迭代次數(shù)為Nmax=200；各主體依據競價策略區(qū)間隨機生成螞蟻個體數(shù)量為na=35，由式(31)、(32)得到參數(shù)a=1.0001、b=1.2501；設定最小揮發(fā)系數(shù)ρmin=0.1。運行仿真系統(tǒng)，得到各主體在不同時段的競價策略結果如圖6所示(圖中，PM→M為微電網運營商向微電網運營商的平均競價策略；PM→A為微電網運營商向聚合商的平均競價策略；PM→U為微電網運營商向大用戶主體的平均競價策略；其他依此類推)，其中微電網運營商1各時段的競價策略如圖7所示(圖中，PM1→A1為微電網運營商1向聚合商1制定的競價策略；其他依此類推)。

圖6 各主體在不同時段的競價策略Fig.6 Bidding strategies of each player in different time periods

圖7 微電網運營商1在不同時段的競價策略Fig.7 Bidding strategies of M1 in different time periods

圖6為各類主體針對其他市場主體的平均競價策略，以11∶00為例，通過博弈得出此時段的最優(yōu)電價策略組合為：PM→M=1.05元/(kW·h)；PM→A=0.96元/(kW·h)；PM→U=1.04元/(kW·h)；PA→U=1.04元/(kW·h)；PA→A=0.82元/(kW·h)；PA→M=0.94元/(kW·h)；cU←M=1.04元/(kW·h)；cU←A=1.04元/(kW·h)。

從以上數(shù)據可以看出，該時段的電力需求量在上午時段達到頂峰，各市場主體均以較高價格出售電量以獲取最大利潤。在向用戶定制競價策略時，微電網運營商的售電電價定為1.04元/(kW·h)，而分布式聚合商此時向用戶的定價應當不得高于1.04元/(kW·h)，如果分布式聚合商的競價策略過低，將不會獲取高額利潤，因此分布式聚合商的定價策略也為1.04元/(kW·h)，這種策略下的用戶購電成本最小，與此同時微電網運營商和分布式聚合商也達到了最佳收益。

另外，由于系統(tǒng)需求量較大，部分微電網運營商會出現(xiàn)缺電情況，需向其他主體購取電量。雖然此時段微電網運營商的需求量不大，但是分布式聚合商和其他微電網運營商為了追求最大化的利潤而會參與競價。多電微電網運營商向缺電微電網運營商的平均競價策略為1.05元/(kW·h)，而分布式聚合商向缺電微電網運營商的平均競價策略為0.94元/(kW·h)。盡管分布式聚合商的競價策略低于多電微電網運營商，但其供應能力有限，所以多電微電網運營商制定了較高電價以獲取高額利潤。圖7為微電網運營商1在不同時段的最優(yōu)競價策略，其售電策略制定過程與圖6類似，在此不再贅述。

微電網運營商和分布式聚合商在各時段向其他市場主體的售電電量結果分別如圖8和圖9所示(圖中，QM→M為微電網運營商向微電網運營商的全部售電電量；QM→A為微電網運營商向分布式聚合商的全部售電電量；QA→M為分布式聚合商向微電網運營商的全部售電電量；其他依此類推)。其中，大用戶主體購電電量為分布式聚合商和微電網運營商向大用戶主體售電量的總和。

圖8 微電網運營商售電電量Fig.8 Electricity sales of microgrid operators

圖9 分布式聚合商售電電量Fig.9 Electricity sales of distributed aggregators

為了說明具體市場主體的售電能力，圖10和圖11分別展示了微電網運營商1和分布式聚合商1在各個時段的售電情況(圖中，QM1→M2為微電網運營商1向微電網運營商2的售電電量；QM1→A1為微電網運營商1向聚合商1的售電電量；QA1→M1為分布式聚合商1向微電網運營商1的售電電量；QA1→U1為分布式聚合商1向大用戶1的售電電量；其他依此類推)。以16∶00時向大用戶1售電為例，微電網運營商1的售電電量為1064kW·h，分布式聚合商1的售電電量為881kW·h，而此時二者向大用戶的競價策略分別為0.95元/(kW·h)和0.96元/(kW·h)，說明微電網運營商以較低售電電價使其售電電量和收益均有所增大，獲得較高于分布式聚合商1的售電電量和收益。

圖10 微電網運營商1的售電情況Fig.10 Electricity sales of M1

圖11 分布式聚合商1的售電情況Fig.11 Electricity sales of A1

圖12為IACO每次迭代后產生的Pareto最優(yōu)值散點圖，說明IACO能夠找到滿足條件的解，算法全局優(yōu)化能力較強。另外，從圖12中可以看出，在微電網運營商高效益、大用戶低成本和分布式聚合商高效益區(qū)域并不存在Pareto最優(yōu)點，說明三者的目標函數(shù)之間存在矛盾性，各方之間形成競爭博弈之勢，使得三方在高收入、低成本區(qū)域并不存在滿足條件的解。比如微電網運營商獲取較高收益的同時，會擠壓分布式聚合商的效益，而大用戶成本也會隨之增加；然而市場競爭博弈使得市場主體之間相互制約，有效地杜絕了低成本、高收入這種情況的發(fā)生，從而提高了市場運營效率。

圖12 各主體Pareto最優(yōu)散點圖Fig.12 Pareto optimal scatter plot of each player

圖13 各市場主體不同時段Pareto最優(yōu)前沿Fig.13 Optimal Pareto frontier of each player in different time periods

為了驗證IACO的性能，本文分別采用ACO、遺傳算法(GA)和粒子群優(yōu)化(PSO)算法對目標函數(shù)完成200次優(yōu)化求解。不同算法計算得到的最佳迭代次數(shù)、微電網運營商利潤最大值(ΠMO)、分布式聚合商利潤最大值(ΠA)以及大用戶成本最小值(CU)如表1所示(其中平均收斂次數(shù)為各博弈主體目標函數(shù)收斂次數(shù)的平均值)。

表1 各算法多目標優(yōu)化結果對比Table 1 Comparison of multi-objective optimization results among four algorithms

從表1可以看出，IACO和ACO的平均收斂次數(shù)小于GA和PSO算法，說明ACO的全局收斂能力優(yōu)于GA和PSO算法，ACO模型與區(qū)塊鏈去中心化特征的相似性，加強了ACO在求解問題時的收斂能力。此外，IACO和ACO的ΠMO、ΠA和CU均優(yōu)于GA和PSO算法，說明ACO的全局搜索能力要優(yōu)于GA和PSO算法，再次證明了ACO在區(qū)塊鏈網絡中求解最優(yōu)化問題時體現(xiàn)的強大搜索能力和效率性。IACO的平均收斂次數(shù)少于ACO，且IACO的ΠMO、ΠA和CU也要優(yōu)于ACO，說明對揮發(fā)因子ρ和控制參數(shù)a、b的改進提高了普通ACO的全局搜索能力和收斂性能，提高了運算效率，可以得到更優(yōu)的結果。

此外，本文亦對IACO、ACO、GA和PSO算法在求解區(qū)塊鏈技術下多微電網各主體競爭博弈模型時的求解效率進行了對比。圖14對比了4種算法在不同網絡節(jié)點下的求解效率。由圖14可以看出，當網絡節(jié)點數(shù)為8時，IACO稍優(yōu)于其他算法，但各種算法的計算效率相差不大；但隨著網絡節(jié)點數(shù)的增加，模型復雜程度越來越大，ACO的求解效率也越來越高，同等規(guī)模下的計算時間要遠遠小于GA、PSO算法，說明ACO的去中心化特征加強了區(qū)塊鏈主體間的溝通效率，使得模型的求解效率更高、速度更快。另外，隨著節(jié)點規(guī)模的增加，IACO的求解效率高于ACO，說明通過算法的改進加強了ACO的全局搜索能力和快速收斂能力，從而提高了IACO的求解效率。

圖14 各優(yōu)化算法求解效率對比Fig.14 Comparison of computation efficiency among four optimization algorithms

5 結論

a. 本文研究了局域多微電網系統(tǒng)中市場競爭博弈問題，通過分析微電網運營商、大用戶以及分布式聚合商等多個市場主體的需求，基于區(qū)塊鏈技術建立了局域多微電網市場競爭博弈模型，并充分考慮了多方主體之間的競爭關系和各自的目標。

b. 本文基于區(qū)塊鏈網絡和ACO共有的去中心化特征，提出了基于IACO求解局域多微電網市場競爭博弈的一般方法和流程。與ACO、GA和PSO算法相比，IACO在求解區(qū)塊鏈技術下多目標問題時的全局搜索能力和收斂能力更強、求解效率更高。

c. 本文采用IACO對多微電網市場競爭博弈模型進行算例仿真分析，通過求解Pareto最優(yōu)解結果表明：在微電網運營商高效益、大用戶低成本和分布式聚合商高效益區(qū)域并不存在Pareto最優(yōu)點，說明三者的目標函數(shù)之間存在矛盾性，多微電網系統(tǒng)電力市場各方主體之間形成明顯的競爭關系，使得各方主體在高收入、低成本區(qū)域并不存在滿足條件的解。

參考文獻：

[1] 曾鳴，楊雍琦，李源非,等. 能源互聯(lián)網背景下新能源電力系統(tǒng)運營模式及關鍵技術初探[J]. 中國電機工程學報，2016，36(3)：681-691.

ZENG Ming，YANG Yongqi，LI Yuanfei,et al. The preliminary research for key operation mode and technologies of electrical power system with renewable energy sources under energy internet[J]. Proceedings of the CESS,2016,36(3)：681-691.

[2] ZKOU K，YANG S，SHAO Z. Energy internet：the business perspective[J]. Applied Energy，2016，178：212-222.

[3] ZHAO M，YU Q. Research of voltage control strategy for power ma-nagement system in DC microgrid[C]∥IEEE International Confe-rence on Energy Internet. Beijing，China：IEEE，2017：338-343.

[4] 劉敦楠，曾鳴，黃仁樂,等. 能源互聯(lián)網的商業(yè)模式與市場機制(二)[J]. 電網技術，2015，39(11)：3050-3056.

LIU Dunnan，ZENG Ming，HUANG Renle，et al. Business models and market mechanisms of E-Net(2)[J]. Power System Technology，2015，39(11)：3050-3056.

[5] 趙敏，沈沉，劉鋒,等. 基于博弈論的多微電網系統(tǒng)交易模式研究[J]. 中國電機工程學報，2015，35(4)：848-857.

ZHAO Min，SHEN Chen，LIU Feng,et al. A game-theoretic approach to analyzing power trading possibilities in multi-microgrids[J]. Proceedings of the CSEE，2015，35(4)：848-857.

[6] 江潤洲，邱曉燕，李丹. 基于多代理的多微網智能配電網動態(tài)博弈模型[J]. 電網技術，2014，38(12)：3321-3327.

JIANG Runzhou，QIU Xiaoyan，LI Dan. Multi-agent system based dynamic game model of smart distribution network containing multi-microgrid[J]. Power System Technology，2014，38(12)：3321-3327.

[7] 劉一欣,郭力,王成山. 多微電網參與下的配電側電力市場競價博弈方法[J]. 電網技術，2017,41(8)：2469-2476.

LIU Yixin，GUO Li，WANG Chengshan. Optimal bidding strategy for microgrids in electricity distribution market[J]. Power System Technology，2017，41(8)：2469-2476.

[8] 劉延博，邱曉燕，邱高,等. 孤島運行下含儲能系統(tǒng)的微電網多代理博弈模型[J]. 高壓電器，2016(7)：75-81.

LIU Yanbo，QIU Xiaoyan，QIU Gao，et al. Multi-agent game model of microgrid containing energy storage system in islanding operation[J]. High Voltage Apparatus，2016(7)：75-81.

[9] 陳健，劉玉田，張文,等. 基于博弈論的配電網中多級微電網優(yōu)化配置分析[J]. 電力系統(tǒng)自動化，2016，40(1)：45-52.

CHEN Jian，LIU Yutian，ZHANG Wen,et al. Optimal sizing analysis of multilevel microgrids in distribution network based on game theory[J]. Automation of Electric Power Systems，2016，40(1)：45-52.

[10] 李會利，劉傳清. 微電網聯(lián)盟博弈模型與控制算法研究[J]. 智能電網，2016，4(3)：291-296.

LI Huili，LIU Chuanqing. A study on the model and control algorithm for coalitional game of microgrid[J]. Smart Grid，2016，4(3)：291-296.

[11] 黃順杰，方華亮，許沛東. 基于博弈的多微網需求響應[J]. 南方電網技術，2017，11(2)：34-40.

HUANG Shunjie，F(xiàn)ANG Hualiang，XU Peidong. Demand response of multi-microgrid based on game theory[J]. Southern Power System Technology，2017，11(2)：34-40.

[12] 馬天男,牛東曉,黃雅莉,等. 基于Spark平臺和多變量L2-Boosting回歸模型的分布式能源系統(tǒng)短期負荷預測[J]. 電網技術，2016，40(6)：1642-1649.

MA Tiannan，NIU Dongxiao，HUANG Yali,et al. Short-term load forecasting for distributed energy system based on Spark platform and multi-variable L2-Boosting regression model[J]. Power System Technology，2016，40(6)：1642-1649.

[13] 武賡，曾博，李冉,等. 區(qū)塊鏈技術在綜合需求側響應資源交易中的應用模式研究[J]. 中國電機工程學報，2017，37(13)：3717-3728.

WU Geng，ZENG Bo，LI Ran,et al. Research on the application of block chain in the integrated demand response resource transaction[J]. Proceedings of the CSEE，2017，37(13)：3717-3728.

[14] 歐陽旭，朱向前，葉倫,等. 區(qū)塊鏈技術在大用戶直購電中的應用初探[J]. 中國電機工程學報，2017，37(13)：3737-3745.

OUYANG Xu，ZHU Xiangqian，YE Lun,et al. Preliminary applications of block chain technique in large consumers direct power trading[J]. Proceedings of the CSEE，2017，37(13)：3737-3745.

[15] 張寧，王毅，康重慶,等. 能源互聯(lián)網中的區(qū)塊鏈技術：研究框架與典型應用初探[J]. 中國電機工程學報，2016，36(15)：4011-4022.

ZHANG Ning，WANG Yi，KANG Chongqing，et al. Blockchain technique in the energy internet：preliminary research framework and typical application[J]. Proceedings of the CSEE，2016，36(15)：4011-4022.

[16] 顏擁，趙俊華，文福拴,等. 能源系統(tǒng)中的區(qū)塊鏈：概念、應用與展望[J]. 電力建設，2017，38(2)：12-20.

YAN Yong，ZHAO Junhua，WEN Fushuan,et al. Blockchain in energy systems：concept，application and prospect[J]. Electric Power Construction，2017，38(2)：12-20.

[17] 楊德昌，趙肖余，徐梓瀟,等. 區(qū)塊鏈在能源互聯(lián)網中應用現(xiàn)狀分析和前景展望[J]. 中國電機工程學報，2017，37(13)：3664-3671.

YANG Dechang，ZHAO Xiaoyu，XU Zixiao，et al. Developing status and prospect analysis of blockchain in energy internet[J]. Procee-dings of the CSEE，2017，37(13)：3664-3671.

[18] 朱茳，王海潮，趙振宇,等. 大規(guī)模分布式能源博弈競爭模型及其求解算法[J]. 電力建設，2017，38(4)：135-143.

ZHU Jiang，WANG Haichao，ZHAO Zhenyu,et al. Game competition model of large-scale distributed energy system and its solution algorithm[J]. Electric Power Construction，2017，38(4)：135-143.

[19] 袁亞博，劉羿，吳斌. 改進蟻群算法求解最短路徑問題[J]. 計算機工程與應用，2016，52(6)：8-12.

YUAN Yabo，LIU Yi，WU Bin. Solving shortest path problem with modified ant colony algorithm[J]. Computer Engineering and Applications，2016，52(6)：8-12.

[20] 劉立，王建興，秦書碩，等. 一種改進蟻群算法在配電網優(yōu)化規(guī)劃中的應用[J]. 科學技術與工程，2011，11(24)：5801-5803.

LIU Li，WANG Jianxing，QIN Shushuo,et al. A kind of application of improve ant colonv algorithm in power distribution network optimization planning[J]. Science Technology and Engineering，2011，11(24)：5801-5803.