1.引言

1.1摘要

????????本地電力市場是在分配層面促進可再生能源的效率和使用的一種有前景的理念。然而，作為一個新概念，如何設計和將這些本地市場整合到現有市場結構中，并從中獲得最大利潤仍然不清楚。在本文中，我們提出了一個本地市場機制，其中最終用戶（消費者、小型生產者和能源生產者）之間進行能源交易。由于本地市場可能存在流動性不足的情況，該機制假設最終用戶通過與具有批發市場接入權限的聚合器/零售商的雙邊合同來滿足其能源需求。本地市場中允許的競標和報價受到電價補貼和聚合器收費的限制，以確保最終用戶最多能夠以預期成本獲得能源，而不考慮本地市場的情況。該問題被建模為一個多主單隨從的雙層優化問題，其中上層定義了代理商利潤的最大化，而下層則最大化了本地市場中的能源交易。由于問題的復雜性和最終用戶信息的不完全，我們倡導使用進化計算，這是人工智能的一個分支，已成功應用于各種優化問題。通過考慮具有不同特征的最終用戶的三個不同案例研究，我們評估了四種不同算法的性能，并評估了本地市場對市場參與者帶來的益處。結果顯示，所提出的市場機制相對于不考慮本地市場的基線，可以為市場參與者提供約30-40％的總體成本改善。然而，轉向本地市場的能源采購可能會影響傳統零售商/聚合器的角色。因此，必須制定創新的業務模型，以成功實施未來的本地市場。

1.2引言

????????近期對分配層面可再生能源發電的投資正在促進分散化、脫碳化和新市場模式的推動[1,2]。在這種情況下，本地電力市場（LEM）將為參與者提供一個新的框架，用于交易能源（通常為可再生能源），從而有助于減少碳排放。為了充分發揮LEM的潛力，需要采用先進的技術，特別是智能電網通信和智能電表數據[3,4]。通過這樣做，最終用戶可以獲得能源社區中的重要角色，并促進向可持續能源系統的過渡[1]。預計，由LEM推動的智能電網代理商（或參與者）之間的競爭將使當地的小型發電者和能源生產者能夠參與并獲得比目前政策允許的更高的利潤，通常采用電價補貼的方式。本地消費也將有助于推遲電網投資和減少電網損耗，提高整體運營效率[5]。

????????基于當前的文獻，我們開發了一種通過易于實施的計算智能技術將LEM和中央批發市場（WSM）整合的方法。我們考慮一個分布式電網，其中不同類型的代理商（即消費者、生產者和能源生產者）可以在LEM中交易能源。假設代理商可以利用智能電網技術來完成能源交易。一個市場運營商（例如，服務提供商或分配系統操作者）被委派來協調市場參與者之間的本地交易，并避免違規情況的發生。同時，還考慮了一個具有WSM接入權限的聚合器/零售商，用于在LEM清算后交易代理商的過剩/不足能源。

????????該問題被構建為一個雙層優化模型，尋求獨立代理商利潤的最大化（即非合作模型）。然而，使用傳統的確定性方法解決由我們的市場機制產生的數學形式可能存在兩個主要缺點：i）在LEM中，并不公開獲取代理商的完整信息，因此該解決方案方法的實際實施僅在此假設下可行；ii）在處理大規模問題的計算負擔和執行時間方面，可能存在限制因素（即可擴展性限制）。這兩個缺點是使用基于進化計算（EC）的近似方法的主要原因。在本文中，我們評估了四種不同的最新進化算法在考慮具有不同特征的代理商的三個案例研究中的性能。

????????本文的主要貢獻包括：i）用于最大化參與LEM的代理商利潤的優化和模擬框架；ii）一個通過聚合器角色協調LEM和WSM之間互操作性的機制；iii）實施和使用進化計算來解決優化問題；iv）基于實際數據分析參與LEM的影響。

2.基本原理

2.1.市場機制設計

????????在本文中，我們考慮了一個LEM，在這個LEM中，不同類型的代理商（即消費者、能源生產者和小型生產者）在一個能源社區內提交競標和報價，以最大化他們的利潤（即消費者的成本最小化，生產者的收入最大化）。LEM框架假設代理商通過與聚合器/零售商的雙邊合同來獲取主電網的能源。而聚合器則可以通過訪問WSM來獲取社區所需的能源。這樣，聚合器可以利用對市場價格的準確預測來為其客戶設置費率。在這些考慮下，類似于[29,30]，代理商可以在LEM中交易能源，考慮到在電價補貼（下限cFt）和聚合器/零售商電價（上限cagg）范圍內的價格。假設cFt<cagg，因此與聚合器/零售商交易能源對代理商來說比在LEM中交易能源的利益要小。

????????圖1展示了本文中考慮的LEM。分析是基于日前市場進行的，假設先進的計量基礎設施可用于這項任務。只要適當的基礎設施到位，該框架可以輕松應用于考慮其他時間范圍（如內部市場或實時市場）的情況，只需修改可用的輸入數據。

????????LEM機制基于以下假設進行開發：
?????????模型依賴于負荷預測的高精度。假設能源社區中的生產者消費者的家庭能源管理系統（HEMS）能夠通過實施[31,32]中開發的模型來準確預測光伏發電曲線。聚合器也具有類似的工具，可以預測市場價格并為其客戶確定公平的費率。
?????????能源社區的代理商配備有適當的基礎設施（例如[33]中的HEMS）來通過市場促進者提供的信息確定最佳競標策略。
?????????作為LEM促進者的聚合器在配電系統運營商（DSO）設定的電力限制下運營，后者能夠主動控制電網、監測其狀況并保證電網的最佳運行。這個假設還用來忽略電網約束，盡管這些約束可以在未來的工作中考慮進來。
?????????聚合器能夠在WSM中交易能源。這可以代表其他外部實體或本研究的擴展中的聚合器。

????????關于將局部能源市場（LEM）融入現有的電力系統/零售市場的協調機制，我們考慮了如圖2所示的順序圖。由于局部地區很可能無法自主滿足能源需求，并且為了避免局部優化過度而對整體系統最優解造成傷害，局部用戶必須能夠從外部采購能源。因此，為了維持一個高效的系統并考慮網絡損耗和限制條件，能源應該從最低成本的地方采購。可以假設從系統最優解的角度來看，優先選擇分層級聯市場是有利的，其中初始交易在本地進行，進一步的資源可以轉移到更大的電力系統/零售市場。不同的網絡費率可能適用于本地和外部市場的接入。此外，社會因素（例如社區交易）和考慮本地網絡擁塞的能力也可能是有益的因素。級聯方法可以通過價值鏈的方式充分利用本地資源。因此，在局部能源市場確定后，剩余的資源可以通過聚合器等方式匯集到外部市場，讓多個聚合器扮演傳統零售商的角色進行電力系統/零售市場交易。聚合器（或零售商）可以將這些本地資源的競標與其針對全國電力系統/零售市場的現有競標進行匯總。此外，還可以設想進一步的類似級聯的即期市場，用于補償因預測誤差導致的偏差，或者在運營當天進行靈活交易。這些即期交易的平衡責任可以在整個系統范圍內進行實施，其中局部終端用戶的不平衡費用（例如由預測誤差引起）基于全國不平衡費用。或者，可以在現有模型的基礎上構建一個獨立的局部平衡責任模型。

2.2. LEM雙層優化

????????將局部能源市場（LEM）交易優化建模為雙層優化問題[34]。上層問題對應于參與LEM的代理商利潤的最大化（或成本的最小化）。下層問題對應于市場響應機制，其目標是根據代理商的競標與出價來最大化交易的能源量。代理商的利潤/成本（上層問題）取決于市場清算價格（下層問題）。解決這個雙層問題并非易事，因為在這種情況下代理商之間的戰略競爭很難實現。此外，如果考慮到分布式代理商和信息不完全的問題，可用信息受限可能會帶來困難。在這種情況下，機器學習或計算智能可以在更現實的假設下（例如考慮到代理商的私有信息）提供接近最優解的方法。

????????每個消費者代理商的優化問題（成本最小化）可以表達為：

?????????另一方面，生產者代理商考慮到其邊際生產成本，試圖使其利潤最大化如下：

????????供給等于需求時的價格被稱為均衡價格：

2.3. 進化計算方法

????????在完全競爭和完全信息的假設下，可以使用對角化方法[34]來最優地解決第3.2節中的雙層優化問題。然而，這樣的最優解僅代表了非合作模型中利潤的上限（等同于穩定的納什均衡解）。換句話說，這樣一個市場的最優解表示了在具有完全信息的情況下，代理商可以獲得的最高利潤，包括需求、發電和邊際成本的完全信息。然而，在本文中，這些信息在能源市場中是不可獲得的，只能通過過去的決策和數據觀察進行估計。
????????此外，預計能源市場管理除了增加代理商的利潤之外，還將被設計為賦予客戶權力，并給予他們選擇與同行交易能源的選項（在某些情況下，甚至不追求純粹的貨幣利益）。
????????使用確定性方法解決數學模型可能存在兩個主要缺點：i）與可伸縮性相關的問題，因為解決這樣的模型可能面臨處理大規模問題時的計算負擔和執行時間問題；ii）完全競爭和對所有用戶（例如，需求、發電和邊際成本）的完全信息訪問的假設在考慮的模型中并不現實。因此，我們借助基于進化計算（EC）的近似方法。EC是計算智能（CI）中最成功的分支之一，它包括了一系列受生物和進化過程啟發的全局優化算法[4]。通常，進化算法（EA）是基于群體的求解器，通過迭代更新初始的候選解集合（即一群個體），并通過適應度函數評估解的性能。在每一次迭代/生成過程中，性能較差的解將被隨機刪除，而新的解（通過特定操作生成）將被引入到群體中。預計通過自然/人工選擇的原則，群體將逐漸演化到最優適應值[4]。