考虑电力市场的微电网网络弹性新方法

《International Transactions on Electrical Energy Systems》：New Method for Cyber Resilience in Microgrids by Considering Electricity Market

　　

研究人员为微电网开发了一个网络物理弹性模型，以促进与上游电力网络的能量交换以及参与批发市场，这对于能源管理系统至关重要。管理多个微电网之间的能量对运营商构成了重大挑战。为了解决这一问题，研究人员提出了一种新方法，用于对微电网的网络物理弹性进行建模，使其能够在批发市场内进行能量买卖。该模型由三个不同的功能组成。首先，使用两阶段博弈论（two-stage game theory）方法预测批发市场价格。随后，第二个功能采用两阶段博弈论技术确定微电网的本地交换请求。接着，中介实体在第三个功能中代表虚拟微电网确定必要的交换量。中介机构为批发市场设定价格限制，作为竞争性定价的基础。该模型使用MATLAB和通用代数建模系统（GAMS）软件进行数值实现和求解。结果突出了上游电力网络与下游微电网之间的最优技术和经济连接。

**论文解读：考虑电力市场的微电网网络弹性新方法**

**研究背景与问题**

微电网（Microgrids, MGs）作为本地化发电、储能和配电系统，在提升电网弹性方面具有巨大潜力。然而，随着微电网与上游电力网络以及批发市场的能量交换日益频繁，网络物理系统（Cyber-Physical Systems, CPS）面临严峻的网络安全威胁，如虚假数据注入（False Data Injection, FDI）、拒绝服务攻击（Denial-of-Service, DoS）以及分布式能源（Distributed Energy Resources, DERs）设定点篡改。现有研究多聚焦于微电网的能量管理（Energy Management, EM）优化，但缺乏一个整合网络物理弹性与电力市场参与的综合性框架。传统集中式能量管理系统（Energy Management System, EMS）不涉及市场动态，而博弈论模型往往将市场参与者视为孤立实体，未考虑网络攻击对市场性能的影响。因此，为微电网建立一种既能保障能量交换安全，又能有效参与批发市场的网络物理弹性模型，成为亟需解决的关键问题。

**研究内容与意义**

本文发表在《International Transactions on Electrical Energy Systems》上，提出了一种新的网络物理弹性模型，用于微电网参与批发市场。该模型由三个功能模块组成：（1）基于两阶段博弈论（two-stage game theory）的批发市场价格预测；（2）利用两阶段博弈论技术确定微电网的本地交换请求；（3）由中介实体（Intermediary Entity）代表虚拟微电网（Virtual Microgrids）确定最终投标属性，包括功率量和基准价格。中介实体通过设定价格上限和下限，为竞争性定价提供基础。模型在MATLAB和通用代数建模系统（GAMS）中数值实现，以优化上游电力网络与下游微电网之间的技术和经济连接。研究意义在于：首次提出了一个集成网络物理弹性、市场参与和中介协调的框架，显著提升了微电网在遭遇网络攻击时的经济稳定性和系统弹性，填补了既有研究在微观与宏观层面整合的空白。

**主要关键技术方法**

1. **两阶段博弈论（Two-stage Game Theory）**：用于批发市场价格预测以及微电网本地交换请求的确定，通过迭代最佳响应（Best-response iterations）求解纳什均衡（Nash Equilibrium），收敛公差设为10^-4或最多200次迭代。
2. **蒙特卡洛场景生成（Monte Carlo Scenario Generation）**：基于历史数据拟合高斯分布，生成1000个市场电价不确定性场景，作为两阶段博弈的输入。
3. **经济调度优化（Economic Dispatch Optimization）**：在GAMS中利用PATH求解器求解混合互补问题（Mixed Complementarity Problem），以最小化微电网运行成本，包括常规分布式发电机、储能系统、需求响应以及与上游网络的能量交换。
4. **网络攻击模拟（Cyberattack Simulation）**：明确模拟FDI、DoS和DER设定点篡改三种攻击类型，并采用能量不平衡（Energy Imbalance, EI）、成本偏差（Cost Deviation, CD）和可靠性损失（Reliability Loss, RL）作为弹性量化指标。

**研究结果**

**4.1 网络弹性评估（Cyber-Resilience Assessment Under Attack Scenarios）**
通过模拟三种攻击场景，评估了所提框架的弹性。在FDI攻击下，能量不平衡（EI）限制为2.021 MWh，可靠性损失（RL）为6.90%；在DoS攻击下，成本偏差（CD）为15,702.67美元，但能量平衡得以维持，RL为0%；在DER设定点篡改下，RL被限制在15.00%。结果表明，基于中介的框架有效缓解了网络威胁的影响。

**4.2 预测性能比较（Comparative Benchmarking and Forecasting Performance）**
与朴素持久性模型和ARIMA基线模型相比，所提两阶段博弈论预测方法在均方根误差（RMSE）上分别降低33.3%和约33.3%，达到5.25 $/MWh，平均绝对百分比误差（MAPE）为7.30%。预测精度的提升直接改善了微电网的投标决策。

**4.3 经济性能与稳定性（Economic Performance and Stability）**
所提方法实现日净收益103,446.88美元，相比集中式EMS（88,446.88美元）提升16.96%，相比ARIMA基线（95,446.88美元）提升8.38%。在DoS攻击下，最大成本偏差仅为15,702.67美元，证明该框架在经济稳定性方面具有显著优势。

**4.4 博弈论验证与计算性能（Game-Theoretic Validation and Computational Performance）**
对于3个微电网的基例，算法在18次迭代内收敛至纳什均衡，计算时间仅0.45秒。当微电网数量扩展至5个和10个时，收敛迭代次数分别为26次和41次，计算时间分别为1.24秒和4.85秒，表明算法具有良好的可扩展性。

**讨论与结论**

**讨论部分总结**：研究通过中介实体的价格信号和投标策略，实现了微电网与批发市场之间的最优能量交换。能量存储系统（ESS）在低价时段充电、高价时段放电，展现了价格套利（Price Arbitrage）能力，进一步提升了系统经济性。中介实体设定的价格上下限（如图11、12所示）为竞争性定价提供了基础，但仍需在后续研究中探索更精细的定价机制。此外，模型假设系统参数（如市场价格和负荷预测）完全已知，且攻击场景仅限于常见类型，未来需扩展至更复杂的网络威胁，并加入实时自适应控制机制。

**研究结论部分翻译**：本文提出了一种新方法，用于对网络物理弹性进行建模，以代表多个微电网参与批发能源市场。上游网络在优化连接下游微电网的同时，需要适当的价格信号来确保实现盈利的适当反应。此外，数值分析经过100次迭代后，在均方根误差（RMSE）和损失指标上表现出显著改进，证实了其正确性和预测性。这通过中介实体的战略行为（在低需求时出售多余能量，在高需求时购买能量）提高了盈利能力，同时也有助于电网稳定。微电网中储能系统的荷电状态（State of Charge, SOC）进一步体现了价格套利，从而最大化经济效益并减轻电网压力。此外，中介实体确定的价格上下限作为批发市场竞争性报价的基础。未来工作旨在通过引入更多场景进一步优化模型，以提高盈利能力和系统稳定性。