1.引言

1.1摘要

本地电力市场是在分配层面促进可再生能源的效率和使用的一种有前景的理念。然而，作为一个新概念，如何设计和将这些本地市场整合到现有市场结构中，并从中获得最大利润仍然不清楚。在本文中，我们提出了一个本地市场机制，其中最终用户（消费者、小型生产者和能源生产者）之间进行能源交易。由于本地市场可能存在流动性不足的情况，该机制假设最终用户通过与具有批发市场接入权限的聚合器/零售商的双边合同来满足其能源需求。本地市场中允许的竞标和报价受到电价补贴和聚合器收费的限制，以确保最终用户最多能够以预期成本获得能源，而不考虑本地市场的情况。该问题被建模为一个多主单随从的双层优化问题，其中上层定义了代理商利润的最大化，而下层则最大化了本地市场中的能源交易。由于问题的复杂性和最终用户信息的不完全，我们倡导使用进化计算，这是人工智能的一个分支，已成功应用于各种优化问题。通过考虑具有不同特征的最终用户的三个不同案例研究，我们评估了四种不同算法的性能，并评估了本地市场对市场参与者带来的益处。结果显示，所提出的市场机制相对于不考虑本地市场的基线，可以为市场参与者提供约30-40％的总体成本改善。然而，转向本地市场的能源采购可能会影响传统零售商/聚合器的角色。因此，必须制定创新的业务模型，以成功实施未来的本地市场。

1.2引言

近期对分配层面可再生能源发电的投资正在促进分散化、脱碳化和新市场模式的推动[1,2]。在这种情况下，本地电力市场（LEM）将为参与者提供一个新的框架，用于交易能源（通常为可再生能源），从而有助于减少碳排放。为了充分发挥LEM的潜力，需要采用先进的技术，特别是智能电网通信和智能电表数据[3,4]。通过这样做，最终用户可以获得能源社区中的重要角色，并促进向可持续能源系统的过渡[1]。预计，由LEM推动的智能电网代理商（或参与者）之间的竞争将使当地的小型发电者和能源生产者能够参与并获得比目前政策允许的更高的利润，通常采用电价补贴的方式。本地消费也将有助于推迟电网投资和减少电网损耗，提高整体运营效率[5]。

基于当前的文献，我们开发了一种通过易于实施的计算智能技术将LEM和中央批发市场（WSM）整合的方法。我们考虑一个分布式电网，其中不同类型的代理商（即消费者、生产者和能源生产者）可以在LEM中交易能源。假设代理商可以利用智能电网技术来完成能源交易。一个市场运营商（例如，服务提供商或分配系统操作者）被委派来协调市场参与者之间的本地交易，并避免违规情况的发生。同时，还考虑了一个具有WSM接入权限的聚合器/零售商，用于在LEM清算后交易代理商的过剩/不足能源。

该问题被构建为一个双层优化模型，寻求独立代理商利润的最大化（即非合作模型）。然而，使用传统的确定性方法解决由我们的市场机制产生的数学形式可能存在两个主要缺点：i）在LEM中，并不公开获取代理商的完整信息，因此该解决方案方法的实际实施仅在此假设下可行；ii）在处理大规模问题的计算负担和执行时间方面，可能存在限制因素（即可扩展性限制）。这两个缺点是使用基于进化计算（EC）的近似方法的主要原因。在本文中，我们评估了四种不同的最新进化算法在考虑具有不同特征的代理商的三个案例研究中的性能。

本文的主要贡献包括：i）用于最大化参与LEM的代理商利润的优化和模拟框架；ii）一个通过聚合器角色协调LEM和WSM之间互操作性的机制；iii）实施和使用进化计算来解决优化问题；iv）基于实际数据分析参与LEM的影响。

2.基本原理

2.1.市场机制设计

在本文中，我们考虑了一个LEM，在这个LEM中，不同类型的代理商（即消费者、能源生产者和小型生产者）在一个能源社区内提交竞标和报价，以最大化他们的利润（即消费者的成本最小化，生产者的收入最大化）。LEM框架假设代理商通过与聚合器/零售商的双边合同来获取主电网的能源。而聚合器则可以通过访问WSM来获取社区所需的能源。这样，聚合器可以利用对市场价格的准确预测来为其客户设置费率。在这些考虑下，类似于[29,30]，代理商可以在LEM中交易能源，考虑到在电价补贴（下限cFt）和聚合器/零售商电价（上限cagg）范围内的价格。假设cFt<cagg，因此与聚合器/零售商交易能源对代理商来说比在LEM中交易能源的利益要小。

图1展示了本文中考虑的LEM。分析是基于日前市场进行的，假设先进的计量基础设施可用于这项任务。只要适当的基础设施到位，该框架可以轻松应用于考虑其他时间范围（如内部市场或实时市场）的情况，只需修改可用的输入数据。

        LEM机制基于以下假设进行开发：
        •模型依赖于负荷预测的高精度。假设能源社区中的生产者消费者的家庭能源管理系统（HEMS）能够通过实施[31,32]中开发的模型来准确预测光伏发电曲线。聚合器也具有类似的工具，可以预测市场价格并为其客户确定公平的费率。
        •能源社区的代理商配备有适当的基础设施（例如[33]中的HEMS）来通过市场促进者提供的信息确定最佳竞标策略。
        •作为LEM促进者的聚合器在配电系统运营商（DSO）设定的电力限制下运营，后者能够主动控制电网、监测其状况并保证电网的最佳运行。这个假设还用来忽略电网约束，尽管这些约束可以在未来的工作中考虑进来。
        •聚合器能够在WSM中交易能源。这可以代表其他外部实体或本研究的扩展中的聚合器。

关于将局部能源市场（LEM）融入现有的电力系统/零售市场的协调机制，我们考虑了如图2所示的顺序图。由于局部地区很可能无法自主满足能源需求，并且为了避免局部优化过度而对整体系统最优解造成伤害，局部用户必须能够从外部采购能源。因此，为了维持一个高效的系统并考虑网络损耗和限制条件，能源应该从最低成本的地方采购。可以假设从系统最优解的角度来看，优先选择分层级联市场是有利的，其中初始交易在本地进行，进一步的资源可以转移到更大的电力系统/零售市场。不同的网络费率可能适用于本地和外部市场的接入。此外，社会因素（例如社区交易）和考虑本地网络拥塞的能力也可能是有益的因素。级联方法可以通过价值链的方式充分利用本地资源。因此，在局部能源市场确定后，剩余的资源可以通过聚合器等方式汇集到外部市场，让多个聚合器扮演传统零售商的角色进行电力系统/零售市场交易。聚合器（或零售商）可以将这些本地资源的竞标与其针对全国电力系统/零售市场的现有竞标进行汇总。此外，还可以设想进一步的类似级联的即期市场，用于补偿因预测误差导致的偏差，或者在运营当天进行灵活交易。这些即期交易的平衡责任可以在整个系统范围内进行实施，其中局部终端用户的不平衡费用（例如由预测误差引起）基于全国不平衡费用。或者，可以在现有模型的基础上构建一个独立的局部平衡责任模型。

2.2. LEM双层优化

将局部能源市场（LEM）交易优化建模为双层优化问题[34]。上层问题对应于参与LEM的代理商利润的最大化（或成本的最小化）。下层问题对应于市场响应机制，其目标是根据代理商的竞标与出价来最大化交易的能源量。代理商的利润/成本（上层问题）取决于市场清算价格（下层问题）。解决这个双层问题并非易事，因为在这种情况下代理商之间的战略竞争很难实现。此外，如果考虑到分布式代理商和信息不完全的问题，可用信息受限可能会带来困难。在这种情况下，机器学习或计算智能可以在更现实的假设下（例如考虑到代理商的私有信息）提供接近最优解的方法。

每个消费者代理商的优化问题（成本最小化）可以表达为：

另一方面，生产者代理商考虑到其边际生产成本，试图使其利润最大化如下：

供给等于需求时的价格被称为均衡价格：

2.3. 进化计算方法

        在完全竞争和完全信息的假设下，可以使用对角化方法[34]来最优地解决第3.2节中的双层优化问题。然而，这样的最优解仅代表了非合作模型中利润的上限（等同于稳定的纳什均衡解）。换句话说，这样一个市场的最优解表示了在具有完全信息的情况下，代理商可以获得的最高利润，包括需求、发电和边际成本的完全信息。然而，在本文中，这些信息在能源市场中是不可获得的，只能通过过去的决策和数据观察进行估计。
        此外，预计能源市场管理除了增加代理商的利润之外，还将被设计为赋予客户权力，并给予他们选择与同行交易能源的选项（在某些情况下，甚至不追求纯粹的货币利益）。
        使用确定性方法解决数学模型可能存在两个主要缺点：i）与可伸缩性相关的问题，因为解决这样的模型可能面临处理大规模问题时的计算负担和执行时间问题；ii）完全竞争和对所有用户（例如，需求、发电和边际成本）的完全信息访问的假设在考虑的模型中并不现实。因此，我们借助基于进化计算（EC）的近似方法。EC是计算智能（CI）中最成功的分支之一，它包括了一系列受生物和进化过程启发的全局优化算法[4]。通常，进化算法（EA）是基于群体的求解器，通过迭代更新初始的候选解集合（即一群个体），并通过适应度函数评估解的性能。在每一次迭代/生成过程中，性能较差的解将被随机删除，而新的解（通过特定操作生成）将被引入到群体中。预计通过自然/人工选择的原则，群体将逐渐演化到最优适应值[4]。