云环境下电力交易的数据服务研究与实现

凌志扬　闫红漫　张弘

摘 要：在新一轮电力改革的背景下，越来越多的分布式可再生能源接入到配电网中，给电力市场的电力交易平台带来了新的挑战。本文针对云环境下电力交易的数据服务问题，对电力交易平台交易信息模型的构建、分布式电力交易数据一致性等问题进行研究，并设计分布式可再生能源交易系统数据服务架构，以示范工程现场数据为例进行验证。

关键词：分布式可再生能源； 数据服务； 云环境

Abstract： Under the background of the new round of electricity market reform， more and more distributed renewable energy is accessed to the distribution network， which brings new challenges to the electricity market trading platform. This paper focuses on the data service of power trading in cloud environment， studies the construction of trading information model of power trading platform， the research of data consistency of distributed energy trading system， and the design of interactive trading mode and architecture of trading system of distributed renewable energy. The system is verified with the operation data of demonstration project.

Key words： distributed renewable energy； data service； cloud environment

引言

随着社会的进步和发展，全球对绿色、清洁、高效的电能需求日益增长，智能电网的概念应运而生[1]。2015年3月，国务院发布《关于进一步深化电力体制改革的若干意见》，明确指出要全面放开用户侧分布式电源市场[2]。2015年7月国务院发布《关于积极推进“互联网+”行动的指导意见》，2016年，国家发改委、国家能源局、工业和信息化部联合下发《关于推进“互联网+”智慧能源发展的指导意见》，明确指出实施能源领域的国家大数据战略，逐步覆盖电力等能源领域，实现大数据集成融合[4]。

传统的电力市场交易平台主要支撑中长期电力交易业务[5]，随着电力实时交易的不断推进，已无法满足电力交易市场的需要。本文提出分布式可再生能源交易系统的交易信息模型，解决了电力交易系统内的多源异构数据融合和信息交互的问题。对分布式系统数据一致性问题的研究，解决了分布式系统数据不一致的问题。设计实现区域分布式新能源电力交易系统，探索分布式可再生能源的交易流程和数据服务的信息交互过程，将“互联网+”和电力交易结合，进行了一次有益的创新。

1 电力交易信息模型

公共信息模型（Common Information Model， CIM）[6]描述了电力企业和业务领域中的主要对象类、类属性和类之间的关联关系。其釆用面向对象的建模方法和统一建模语言描述方式，以类图的形式进行直观的展现，代表了电力企业所有主要对象的抽象模型。CIM模型扩展基本流程如图1所示。

由于CIM是国际的通用标准，不可能完全满足中国电力系统的所有特性，且伴随着CIM模型的版本更新，CIM模型对电力系统内部的抽象描述变得越来越细致，CIM模型已经变为一个庞大的综合信息模型[7]。而对于分布式可再生能源的交易系统，不需使用全部的CIM模型，只需对IEC 61968和IEC 62325标准CIM模型的部分进行抽取，结合自身交易系统的实际，对现有的CIM模型进行扩展，构成一个满足交易系统需求的数据模型。

本文以IEC 62325标准市场通用包（MarketCommonPackage）中的市场参与者类（MarketParticipant）和市场角色类（MarketRole）为基础，对分布式能源用户进行建模。将机构角色类下的消费者类进行扩展，抽象出分布式可再生能源消费者类（RenewableEnergyCustomer），新能源用户CIM类如图2所示，其中包含新能源用户总认购光伏消费电量（PVSubscriptionConsumption）、总消费电量（totalConsumption）和總支付金额（totalPayment）等属性，与市场参与者类（MarketParticipant）的子类

[LL]市场角色类（MarketRole）具有关联关系。扩展后的新能源用户类的各属性可满足分布式可再生能源的交易流程中各交易环节的需求。

市场运营CIM类如图3所示。对市场申报类进行扩展，满足电力用户提交认购比例（CustomerBid）的需求；对产品申报类进行扩展，满足发电商报价的模型需求；扩展出发电商报价类（PublisherBid），此类包含机组类型（energyType）、用于描述机组出力和价格之间关系的价格申报曲线（hourlyPowerPrice）和订单时间（orderTime）等属性。对小时产品计划类（BidHourlySchedule）进行扩展，满足市场运营方在市场平衡后中标电量公示的需求。

市场出清类CIM如图4所示。日后结清环节需要对新能源用户和分布式发电商的交易进行结算，在IEC 62325标准中，关于市场清算的类图主要为MarketFactors。其中定义各种类型的市场结清类，对通用结清类（GeneralClearing）进行扩展，满足发电商和电力用户在结清环节的建模需求。

2 电力交易数据一致性研究

随着智能电网的快速发展，电网每日新采集和存储的数据便有TB级的数据量，当前的数据仓库和数据中心已经难以满足大量数据的存储分析需要。由于云计算环境分布式存储系统在电网中的逐步应用，如何保障分布式系统各节点之间的数据一致性成为亟待研究的课题。

一致性算法使服务器集群像1个整体一样进行工作，即使集群中的几台服务器宕机也不会影响集群工作。因此，一致性算法在分布式系统中扮演着至关重要的角色。由Lamport提出的Paxos算法一直处于统治地位[8]。很多新的一致性算法均是以经典Paxos算法为基础进行改进的，尽管很多学者做了大量工作希望降低Paxos算法的复杂性，但是其仍然十分复杂且很难直接应用于实际的系统中，Raft算法就是在此背景下被提出的[9]。Raft算法采用一些特别的优化方式使其便于理解。将算法分为选举、日志复制和安全3个部分来降低算法的复杂程度。

在简化的电力交易流程中，以日前申报环节为例：电力用户在固定时刻提交第二日可再生能源认购比例；分布式可再生能源发电商在固定时刻进行第二日各时段发电量竞价申报；运营商统一进行市场平衡，然后公布发电商的中标电量。由此可见，服务器集群会在固定时段前后达到数据读取高峰，发电商和电力用户并发访问服务器集群，需要保证用户在读取中标电量公示信息时，各服务器节点之间数据是一致的。为了提高系统性能，采取在电力交易各个环节固定时刻到来前，开始一致性算法中选举过程，选举产生新的leader。leader负责协调各服务器之间的工作，客户端与集群之间的交互和集群内部各服务器的交互均围绕leader进行。当各申报截止后，市场平衡完毕，启动数据一致化的过程，使各服务器节点状态一致，保证系统可靠性。

1个Raft集群包含多个服务器节点，若5个服务器节点组成1个集群，则系统最多可以忍受2台服务器节点宕机。1台服务器节点在任意时间总属于以下3种状态：leader、follower和candidate。通常情况下，1个集群只能有1个leader，其余节点均为follower。follower是被动的角色，不能够主动提出请求，只是响应leader和candidate的请求。leader负责处理客户端的所有请求，若客户端连接到1个follower节点，该节点需要将请求重定向至leader节点，candidate用于选举leader节点。3种状态之间的状态转换如图5所示。

3 电力交易数据服务架构设计

在新一轮电力改革中售电侧放开的背景下，需要研究适应市场变化的电力交易数据服务的关键架构[10]。针对电力交易信息模型的构建、数据一致性和交易安全等问题，设计出分布式可再生能源、交易系统数据服务架构。架构由基础设施层、平台服务层和系统应用层组成。架构形式如图6所示。

3.1 基础设施层

基础设施层包括服务器、数据存储、网络和操作系统等部分，在网络和数据存储设计上，将内网和外网服务器的数据分开存储，内网服务器主要存储交易类、合同类、结算类数据以及电网运行的覆盖电力交易核心业务相关数据。外网服务器上存储可以公开的政策信息、结算信息和中标公示等信息，故外网服务器需要访问内网服务器上的信息。同时出于系统安全的考虑，在内外网之间安装网络安全隔离设备。除了传统的计算机防火墙策略，还可从系统的硬件设备角度，增强系统的安全防护能力。安全隔离设备作为代理，当内外网之间发生数据交换时，从数据包中抽取数据然后通过装置内的数据缓冲进行转发，完成数据的中转过程。

利用现有的物理服务器资源和云服务商购买的公共云服务器资源和网络路由器等所组成“私有+公有”物理集群，为分布式可再生能源交易系统提供虚拟化的执行环境，同时可减少部分服务器维护开销。

3.2 平台服务层

平台服务层主要由消息服务、计算服务、数据一致性服务等服务组成。该层各应用通过调用相关服务接口为上层系统服务提供数据，继而为用户提供数据服务；通过对调用基础设施层相关接口实现相关的数据存储等功能。针对电力交易系统中分布式数据备份容易造成不一致的问题，电力交易在日中交易的环节每5 min便采集一次数据特点，将长时间累积的大量电力用户的实时负荷、分布式可再生能源发电商的实时出力信息、区域内能源结构、碳排放情况等指标和所有公布的实时信息，调用分布式一致性服务，在部分记录落后的服务器节点中，将大量实时信息日志按顺序更新以达到最新状态，解决部分服务器节点更新缓慢的问题。

3.3 系统应用层

系统应用层是分布式可再生能源发电供应商、配网运营商和新能源电力用户实体接入数据服务结构的入口。在电力交易场景下，系统需要的实时数据由其它外部應用提供，故电力交易系统与电力系统中其它应用如地理信息系统GIS、监控与采集系统SCADA、生产管理系统PMS、配电自动化系统、营销系统、电能质量监测系统、用电信息采集系统等营配相关业务系统存在着大量的数据交互，系统应用层同时也是这些应用的入口，负责与其它系统进行数据交互，并在这一层对数据进行处理。用户可通过PC端应用和移动终端设备进行访问。

4 验证

本文依托国家863课题“集成可再生能源的主动配电网研究及示范”，利用贵州红枫地区示范工程现场数据进行验证。

以水培线2017年2月某日实际负荷与分布式电源数据为例，验证电力交易的数据服务。图7为光伏发电商24 h预测出力，图8为光伏发电商中标电量展示，图9为系统实时反馈展示。

5 结束语

在全面放开用户侧分布式电源市场和进一步完善跨省跨区电力交易机制政策的推动下，本文对交易信息模型和数据一致性的研究可以为其它交易系统提供参考。对区域内分布式可再生能源的交易流程的研究和设计实现的区域分布式新能源电力交易系统，是云计算技术与电力交易结合的有益尝试。[JP3]伴随着电力改革的进一步深化，仍可以进行更深入的研究。

[LL]

参考文献

[1] 刘振亚. 智能电网技术[M]. 北京： 中国电力出版社， 2016.

[2] 中共中央办公厅. 关于进一步深化电力体制改革的若干意见[Z].北京：中共中央国务院， 2015.

[3] 刘晓慧. 关于积极推进“互联网+”行动的指导意见[EB/OL].[2015-07-07] .http：//www.mlr.gov.cn/xwdt/jrxw/201507/t20150707_1357955.htm.

[4] 国家发展和改革委员会，国家能源局，工业和信息化部. 关于推进“互联网+”智慧能源发展的指导意见[EB/OL].[2016-02-24].http：//www.ndrc.gov.cn/zcfb/zcfbtz/201602/t20160229_790900.html.

[5] 杨争林， 曹帅， 郑亚先， 等.电力市场全景实验平台设计[J]. 电力系统自动化， 2016，40（10）：97-102.

[6] IEC/TR61968-11. Application integration at electric utilities-system interfaces for distribution management- Part 11： common information model （CIM） extensions for distribution[S]. 2010.

[7] LU Yiming， LIU Dong. Key technologies of information exchange in electric utility based on IEC 61968[J]. Przeglad Elektrotechniczny， 2012，88（11）：276-282.

[8] LAMPORT L. Paxos made simple[J]. ACM SIGACT News， 2001， 32（4）：51-58.

[9] ONGARO D， OUSTERHOUT J. In search of an understandable consensus algorithm[C]// 2014 USENIX Annual Technical Conference （USENIX ATC 14）. Philadelphia，PA：USENIX，2014： 305-319.

[10]彭小圣， 鄧迪元， 程时杰， 等. 面向智能电网应用的电力大数据关键技术[J]. 中国电机工程学报， 2015，35（3）：503-511.

[11]马子明， 钟海旺， 李竹， 等. 美国电力市场信息披露体系及其对中国的启示[J]. 电力系统自动化， 2017，41（24）：49-57.

[12]冯登国， 张敏， 张妍， 等. 云计算安全研究[J]. 软件学报， 2011，22（1）：71-83.