基于增强型Benders分解的电动汽车本地能源社区隐私保护能源管理策略

本文针对本地能源社区（LEC）中多主体信息交换引发的隐私泄露问题，提出了一种基于Benders分解的隐私保护能源管理策略。研究人员通过仅交换对偶变量而非原始功率调度信息，在保护用户隐私的同时，有效集成了网络约束。研究结果表明，该方法在保证解的精度的前提下，显著提升了隐私保护水平，为LEC的分布式优化提供了新的解决方案。

　　

随着能源系统向可持续方向转型，交通和供热等领域的电气化程度不断提高，导致电力需求显著增长，这对本地配电网的电压调节和拥堵管理带来了严峻挑战。特别是电动汽车（EV）和热泵等新型负荷的接入，几乎使家庭年用电量翻倍。为了应对这些挑战，配电系统运营商（DSO）需要采用优化策略来管理分布式能源资源（DER）。本地能源社区（LEC）作为由产消者（prosumer）组成的集体，通过协作实现降低能源采购成本和提供辅助服务等共同目标，正成为解决这些问题的有效途径。然而，在这种多主体框架中，大规模信息交换的需求阻碍了此类模型的广泛采用。产消者与社区管理者之间的数据隐私问题可能抑制参与积极性。

为了解决隐私保护、网络约束集成和计算负担等挑战，本文提出了一种基于Benders分解的新型LEC能源管理策略。该方法仅与社区管理者共享对偶变量，而所有原始变量（如功率调度）保持私有，从而有效保护了用户隐私。通过开发Benders-bundle算法加速求解过程，并轻松集成网络约束，确保结果在无拥堵或电压问题的网络中实施。研究在连接至15总线径向低压配电网的14个产消者社区案例中进行了测试，结果表明新方法的性能与集中式方法相当，并在解决方案准确性和隐私保护之间实现了良好平衡。

研究人员采用的主要关键技术方法包括：基于Benders分解的分布式优化框架，将原问题分解为主问题和子问题；利用LinDistFlow方法进行径向配电网建模，集成电压和线路热约束；采用内多边形近似法将二阶锥约束线性化；通过两阶段求解（MILP+LP）处理二元变量问题，确保有效对偶灵敏度；开发Benders-bundle算法加速收敛，改进传统Benders的收敛性能。

2.2.1. 目标函数

社区管理者以最小成本满足本地需求，目标函数包括与配电网交换能源的成本和未服务能源的惩罚项，通过动态分时电价（TOU）和固定上网电价机制实现经济优化。

2.2.2. 社区级约束

包括配电网交换功率的物理或合同限制、无功功率交换约束，以及采用LinDistFlow方法的网络潮流建模。通过线性化热限约束和电压安全约束，确保网络运行的安全性和可靠性。

2.2.3. 产消者级约束

每个产消者的功率平衡考虑屋顶光伏、P2P交换和V2G功能的EV，包括本地需求、未服务功率和恒定功率因数约束。EV充电调度通过二元变量避免同时充放电，并满足出发前充满电的需求。

3.3.1. 子问题

每个产消者独立求解其能源管理问题，最小化未服务能源，满足自身运行约束，并通过固定二元变量后的LP问题获得有效的对偶灵敏度。

3.3.2. 主问题

社区管理者协调问题，通过逐步添加Benders割线逼近下层目标函数，集成网络相关约束，仅利用对偶信息实现隐私保护。

3.3.3. 提出的Benders-bundle模型

通过引入正则化项加速收敛，避免初始迭代中的振荡行为，提升算法收敛性能。

3.3.4. 整体求解算法

通过迭代更新灵敏度、目标值和协调信号，直至满足收敛条件，实现隐私保护下的优化求解。

4.2. 与集中式模型的基本比较

在社区净功率交换方面，所提出的隐私保护策略与集中式模型结果相近，总日成本分别为17.17欧元和16.80欧元，隐私成本仅0.37欧元。结果表明，在保护隐私的同时，经济性得以保持。

4.3. 产消者级分析

个体产消者的净功率分布显示，夜间和中午时段存在差异，但总能耗消耗总体一致。EV调度在隐私保护策略下更倾向于慢速和分布式充电，V2G功能激活更频繁。

4.4. 评估EV数量的影响

随着社区中EV数量的增加，隐私保护策略的结果与集中式模型出现偏差，但仍在可接受范围内，证明了该方法在灵活性增强的情况下的鲁棒性和可扩展性。

4.5. 评估所提出的Benders-bundle方法的性能

与传统Benders相比，Benders-bundle方法表现出更有效的收敛行为，在合理迭代次数内达到解，避免了局部最优陷阱。

4.6. 与其他求解方法的比较

与ADMM和现有算法相比，所提出的策略在解精度和隐私保护之间实现了最佳平衡，隐私成本为0.37欧元，且保持了网络可行性。

研究结论表明，基于Benders分解的隐私保护策略为LEC提供了一种安全、高效的分布式能源管理方法。该方法仅通过对偶变量交换实现隐私保护，同时集成网络约束，确保解的可行性。通过Benders-bundle加速收敛，解决了传统方法收敛慢的问题。与集中式方法相比，经济性结果相近，隐私成本可忽略不计。未来研究将聚焦于提升计算性能，以支持实时能源管理应用。

该研究由西班牙哈恩大学电气工程系的Marcos Tostado-Véliz、Alberto Borghetti、Pierluigi Siano和Francisco Jurado合作完成，发表于《Sustainable Cities and Society》，为LEC的隐私保护能源管理提供了重要理论和实践指导。