一种基于P2P网络与边缘计算的电能分配方法及系统与流程

一种基于p2p网络与边缘计算的电能分配方法及系统
技术领域
1.本发明涉及智能电网技术领域，尤其涉及一种基于p2p网络与边缘计算的电能分配方法及系统。


背景技术：

2.智能电网是新一代配电网络，在高动态系统中具有较高的适应性、可扩展性、安全性、经济性、自愈性、鲁棒性和保护能力，在智能互联社区中发挥着重要作用；过去在智能电网的基础上通过引入边缘计算模型，在网络的边缘进行计算，可以提高智能电网的实时性、安全性和私密性。边缘计算转移云计算应用程序、数据和服务从集中式网络的边缘节点,可以执行计算的加载、数据存储、缓存和处理,通过精心设计的优势以及分发请求网络,满足要求。边缘计算可以通过处理网络边缘的数据来有效解决大数据量的问题。边缘计算模式可以从单个能源社区灵活扩展到多个社区，甚至是大规模社区。其次，边缘计算主张计算应该发生在尽可能靠近数据源的地方，它可以节省数据传输时间，并允许低延迟。最后，在边缘计算中，数据可以根据地理位置进行收集和处理，而无需传输到能够感知地理位置的隐私网格云。
3.尽管边缘计算智能电网模型在数据处理、提高效率、降低成本、减少延迟、可靠和安全的服务、提高灵活性和更高的存储容量方面相较于最初的智能电网系统有了很大的提升，但边缘计算智能电网模型依然存在一些挑战必须解决。首先，如何实现统一控制分布式设备协调不同地理位置的分布式能源发电机组、分布式能源存储系统和不断变化的用户。其次，面对一些不可预见的突发事件，比如电力设施进出的动态性，这就要求智能电网为能源配电网提供实时信息传输，及时响应和控制突发事件，最后，随着接入智能电网的电力设备数量的增加，设备产生的数据量越来越大，设备之间的逻辑通信拓扑变得复杂，特别是在状态变化时，传统边缘计算智能电网难以协调和分配电力资源。


技术实现要素：

4.为了解决上述技术问题，本发明的目的是提供一种基于p2p网络与边缘计算的电能分配方法及系统，能够在复杂的通信拓扑结构网络中减少边缘计算层的传输延迟和提高通信效率的同时实现最优的电力资源调度与分配。
5.本发明所采用的第一技术方案是：一种基于p2p网络与边缘计算的电能分配方法，包括以下步骤：
6.定义电能交易的约束条件，构建电能协调函数；
7.定义电能交易的成本函数，构建总经济成本目标函数；
8.根据电能协调函数，通过扩展admm算法对总经济成本目标函数进行求解，得到电能分配最优方案。
9.进一步，所述定义电能交易的约束条件，构建电能协调函数这一步骤，其具体包括：
10.电能交易的约束条件包括社区与社区之间的电能交易约束条件、社区与电力公司之间的电能交易约束条件、分布式能源发电系统储能能力与能耗率关系的约束条件和边缘计算节点电力交易约束条件；
11.整合上述约束条件，构建电能协调函数。
12.进一步，所述电能协调函数具体如下所示：
[0013][0014]
上式中，i、j表示两个不同的社区，τ表示时间槽，表示可以与社区进行交易的其他社区的集合，表示社区i和社区j在τ时间槽内的交换电量，表示社区与电力公司交易的电力能量，表示可再生能源在τ时间槽内产生的能量的功率，表示任意社区i所有用户的可再生能源收集量，p表示所有社区代表的一个集合，π表示时间间隔的集合。
[0015]
进一步，所述定义电能交易的成本函数，构建总经济成本目标函数这一步骤，其具体包括：
[0016]
电能交易的成本函数包括分布式能源发电系统的成本函数与边缘计算节点的交易成本函数；
[0017]
整合上述电能交易的成本函数构建总经济成本目标函数。
[0018]
进一步，所述分布式能源发电系统的成本函数的表达式如下所示：
[0019][0020]
上式中，表示可再生能源的发电速率，s
αi
、s
βi
和s
γi
表示发电、维护和安装成本的权重，表示分布式能源发电系统的成本函数。
[0021]
进一步，所述总经济成本目标函数具体如下所示：
[0022][0023]
上式中，f
τ
(x
τ
)表示总经济成本目标函数，表示发电交易的经济成本，表示分布式能量存储系统的代价，表示边缘计算节点的接收电力交易成本，s
bi
、s
gi
、s
ri
和s
ni
表示各个成本对应的权重。
[0024]
进一步，所述根据电能协调函数，通过扩展admm算法对总经济成本目标函数进行求解，得到电能分配最优方案这一步骤，其具体包括：
[0025]
根据电能协调函数，通过扩展admm算法对总经济成本目标函数进行增广处理，得到总经济成本目标函数的拉格朗日函数关系式；
[0026]
根据预设更新步骤，对总经济成本目标函数的拉格朗日函数关系式进行迭代更新；
[0027]
直至判断到迭代更新结果达到收敛最优解，终止迭代更新步骤，输出电能分配最优方案。
[0028]
进一步，所述总经济成本目标函数的拉格朗日函数关系式具体表示如下：
[0029]
[0030][0031]
上式中，f
τ
(x
τ
)表示总经济成本目标函数，表示发电交易的经济成本，表示分布式能量存储系统的代价，表示边缘计算节点的接收电力交易成本，s
bi
、s
gi
、s
ri
和s
ni
表示各个成本对应的权重。
[0032]
进一步，所述预设更新步骤具体如下所示：
[0033][0034][0035][0036]
上式中，表示第k+1次迭代时第i个用户的待分配电能变量，表示第k+1次迭代时拉格朗日子函数变量，表示第k+1次迭代时拉格朗日系数，f
τ
(
·
)表示总经济成本函数，g
τ
(
·
)表示拉格朗日子函数，β表示迭代参数，ai表示拉格朗日固定系数，表示待分配的电能变量，表示拉格朗日子函数变量，表示第k次迭代时拉格朗日系数。
[0037]
本发明所采用的第二技术方案是：一种基于p2p网络与边缘计算的电能分配系统，包括：
[0038]
协调模块，用于定义电能交易的约束条件，构建电能协调函数；
[0039]
目标模块，用于定义电能交易的成本函数，构建总经济成本目标函数；
[0040]
优化模块，用于根据电能协调函数，通过扩展admm算法对总经济成本目标函数进行求解，得到电能分配最优方案。
[0041]
本发明方法及系统的有益效果是：本发明通过构建电能协调函数和总经济成本目标函数，并应用于动态分布式智能电网系统，进一步通过扩展admm算法对总经济成本目标函数进行迭代优化求解，以一种可支持的、经济的方式平衡电能资源，实现不同地理位置的社区对协调电力资源的统一控制，并促进了可扩展性、可靠性、鲁棒性、可控性、可用性和改善边缘计算节点之间的连接，通过减少边缘计算层的传输延迟和提高通信效率，有利于实现有效的电力平衡和可靠的能量传输，在现阶段复杂的通信拓扑结构网络中实现最优的电力资源调度与分配。
附图说明
[0042]
图1是本发明一种基于p2p网络与边缘计算的电能分配方法的步骤流程图；
[0043]
图2是本发明一种基于p2p网络与边缘计算的电能分配系统的结构框图；
[0044]
图3是本发明基于p2p网络的边缘计算智能电网模型的示意图。
具体实施方式
[0045]
下面结合附图和具体实施例对本发明做进一步的详细说明。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各
步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
[0046]
在本方案中，所有团体的集合可以用一个整数p表示，n＝p表示团体的数量，每个智能社区i∈p都配备了分布式发电机和分布式储能设备，在边缘计算节点的控制下，社区使用一些本地分布式发电机，从可再生能源生产能源，这些能源可以供自己使用，也可以出售给电力公司或其他社区，将可以与社区进行交易的其他社区的集合记为其中i代表一个特定的社区，i∈p，p2p网络基于边缘计算层节点的相关性建立专用的移动通信网络，在社区与社区或社区与电力公司之间就电能交易提供可靠的通信；
[0047]
参照图3，当附近的社区足够满足社区i的交易请求时，则由附近的智能社区响应该交易请求，交易发生在社区与邻域之间，当社区之间的电力交易不能满足社区i的需求时，社区i的电力需求则将由电力公司响应进行电力交易，若社区之间的电力交易后存在剩余能源时，同样可以与当地电力公司进行电力交易，在边缘节点进行判断是否进行交易，如果因为某些原因不需要进行交易，则边缘节点的交易请求会保持不变，继续判断该节点是否有别的交易请求，如果没有则释放该边缘节点，确认进行交易后，根据目标函数和约束条件使用扩展的admm算法进行求解，得到最优解，即电能分配最优方案。
[0048]
参照图1，本发明提供了一种基于p2p网络与边缘计算的电能分配方法，该方法包括以下步骤：
[0049]
s1、定义电能交易的约束条件，构建电能协调函数；
[0050]
s11、定义社区与社区之间的电能交易约束条件；
[0051]
具体地，当社区i产生的能源不满足能源消耗要求或与其他社区进行交易更经济时，该社区通过p2p网络向邻近社区发出电力交易请求，公布的电力交易价格为si，如果交易发生在社区与邻域之间，表示社区i和社区j在τ时间槽内的交换电量，此外，对于取值为正值表示社区i向社区j购买能源，取值为负值表示社区i向社区j出售能源。如果没有电力交易，取值为0，由于产生的能量和消耗的能量是动态变化的，实际容量有限，因此社区与社区之间的电能交易约束条件如下所示：
[0052][0053]
其中，假设社区i向社区j提供电能，即社区i输出电能交换至社区j，则表示社区j需要的最少电能，最少电能即为恰好可以使得社区j进行正常活动所需电能，表示社区j向社区i提出的电能交易量，表示社区i能够提供给社区j的最大电能，若存在小于社区j向社区i提出的电能交易量，则社区j需要通过其他途径例如向电力公司请求电力能源，下面的约束条件同理。
[0054]
s12、定义社区与电力公司之间的电能交易约束条件；
[0055]
具体地，当社区之间的电力交易不能满足消费者的需求或社区之间的电力交易后存在剩余能源时，社区i可以与当地电力公司进行电力交易，则表示社区i需要的最少电能，最少电能即为恰好可以使得社区i进行正常活动所需电能，表示社区i向电力公司提出的电能交易量，表示电力公司能够提供给社区i的最大电能，如果表明社
区i向电力公司购买能源，如果表示社区i向电力单位出售能源，因此社区与电力公司之间的电能交易约束条件如下所示：
[0056][0057]
s13、定义分布式能源发电系统储能能力与能耗率关系的约束条件；
[0058]
具体地，表示电池最大容量限制，表示电源能源在时间段τ产生的可再生能源，或电源用户的能源消耗，s
i,max
通常代表充电率的上限，-c
i.min
代表了功耗的下界。因此，储能能力和能耗率需要在合适的范围内，其约束条件如下所示：
[0059][0060][0061]
其中，电池的容量表示为：
[0062][0063]
s14、定义边缘计算节点电力交易约束条件；
[0064]
具体地，在本方案中，p2p网络建立边缘计算节点之间的通信网络拓扑，当边缘计算节点接收到交易时，它们必须为每笔交易付费，因此收到的交易应该在一个合适的范围内，即所述边缘计算节点电力交易约束条件如下所示：
[0065][0066]
s15、构建电能协调函数；
[0067]
具体地，假设当前社区优先使用可再生能源，满足当前需求后的剩余能源将存储在分布式储能系统中，在任意时刻τ∈π，能量协调应满足以下方程：
[0068][0069]
上式中，i、j表示两个不同的社区，τ表示时间槽，表示可以与社区进行交易的其他社区的集合，表示社区i和社区j在τ时间槽内的交换电量，表示社区与电力公司交易的电力能量，表示可再生能源在τ时间槽内产生的能量的功率，表示任意社区i所有用户的可再生能源收集量，p表示所有社区代表的一个集合，π表示时间间隔的集合。
[0070]
s2、定义电能交易的成本函数，构建总经济成本目标函数；
[0071]
s21、定义分布式能源发电系统的成本函数；
[0072]
具体地，定义分布式能源发电系统的成本函数，其中所述成本具体还包括安装、运行和维护成本，其成本函数如下所示：
[0073][0074]
上式中，表示可再生能源的发电速率，s
βi
和s
γi
表示维护和安装成本的权重，表示分布式能源发电系统的成本函数。
[0075]
s22、定义边缘计算节点的交易成本函数；
[0076]
具体地，假设边缘计算节点接收事务的成本受传输损耗和通信成本的影响，因此，边缘计算节点接收交易的成本如下所示：
[0077][0078]
上式中，表示边缘计算节点的交易成本函数，ρ
ij
表示社区i和社区j之间交易的单位成本，ρ
ui
表示社区i和电力公司u之间交易的单位成本；
[0079]
s23、构建总经济成本目标函数。
[0080]
具体地，综上根据电力的流动和社区与社区之间或社区与电力公司之间的交易，经济总成本包括社区之间的交易和社区与电力公司之间的交易以及储能电池的动态能量，提出本方案的经济成本目标函数如下所示：
[0081][0082]
上式中，f
τ
(x
τ
)表示总经济成本目标函数，表示发电交易的经济成本，表示分布式能量存储系统的代价，表示边缘计算节点的接收电力交易成本，s
bi
、s
gi
、s
ri
和s
ni
表示各个成本对应的权重。
[0083]
s3、根据电能协调函数，通过扩展admm算法对总经济成本目标函数进行求解，得到电能分配最优方案。
[0084]
具体地，本方案的优化目标即是实现基于每一天的整体经济成本最小化，其方程式表示如下：
[0085][0086]
进一步的上述方程式受限于电能协调函数和总经济成本目标函数；
[0087]
由于目标函数是凸二次规划问题，根据扩展admm算法将上式改写成总经济成本目标函数的拉格朗日函数关系式，其表达式如下所示：
[0088][0089][0090]
上式中，表示总经济成本目标函数，g
τ
(y
τ
)表示拉格朗日子函数，a表示拉格朗日固定系数，表示待分配的电能变量，y
τ
表示拉格朗日子函数变量；
[0091]
admm算法的核心是原始对偶算法的增广拉格朗日法(alm)，拉格朗日函数是解决了多个约束条件下的优化问题，这种方法可以求解一个有n个变量与k个约束条件的优化问题，其算法流程是通过不断重复预设的迭代更新步骤，直至其结果为收敛状态，所述收敛为，admm算法在每次迭代不同数量社区的收敛过程中，当节能效力值随着社区数量增加而增加并且无限趋近于某个节能值时，则表示收敛，且每一步只更新一个变量而固定另外两个变量，进一步的所述预设的更新步骤如下所示：
[0092]
[0093][0094][0095]
上式中，表示第k+1次迭代时第i个用户的待分配电能变量，表示第k+1次迭代时拉格朗日子函数变量，表示第k+1次迭代时拉格朗日系数，f
τ
(
·
)表示总经济成本函数，g
τ
(
·
)表示拉格朗日子函数，β表示迭代参数，ai表示拉格朗日固定系数，表示待分配的电能变量，表示拉格朗日子函数变量，表示第k次迭代时拉格朗日系数；
[0096]
进一步的与经典的admm算法相比，扩展的admm算法相比经典的admm算法使用的迭代步骤和时间更少，使系统计算得出最优解所需时间最少。扩展的admm的差异可以表示为：
[0097][0098][0099][0100]
其中，γ∈(0,2)，本模型系统定义γ＝1.5，的表达式如下所示：
[0101][0102]
参照图2，一种基于p2p网络与边缘计算的电能分配系统，包括：
[0103]
协调模块，用于定义电能交易的约束条件，构建电能协调函数；
[0104]
目标模块，用于定义电能交易的成本函数，构建总经济成本目标函数；
[0105]
优化模块，用于根据电能协调函数，通过扩展admm算法对总经济成本目标函数进行求解，得到电能分配最优方案。
[0106]
上述方法实施例中的内容均适用于本系统实施例中，本系统实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
[0107]
以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本技术权利要求所限定的范围内。