基于向量評(píng)估遺傳算法的智能電網(wǎng)大數(shù)據(jù)交易模型研究

王偉，蔣菱，王崢，宋杰，田娜，蔣瑋

（1.國(guó)家電網(wǎng)公司，北京 100031；2.國(guó)網(wǎng)天津市電力公司，天津 300010；3.國(guó)電南瑞科技股份有限公司，江蘇南京 210061；4.東南大學(xué)，江蘇南京 210096）

基于向量評(píng)估遺傳算法的智能電網(wǎng)大數(shù)據(jù)交易模型研究

王偉1，蔣菱2，王崢2，宋杰3，田娜2，蔣瑋4

（1.國(guó)家電網(wǎng)公司，北京 100031；2.國(guó)網(wǎng)天津市電力公司，天津 300010；3.國(guó)電南瑞科技股份有限公司，江蘇南京 210061；4.東南大學(xué)，江蘇南京 210096）

以中新天津生態(tài)城智能電網(wǎng)建設(shè)為背景，研究了電力系統(tǒng)與其他行業(yè)之間進(jìn)行大數(shù)據(jù)交易的模型。通過(guò)分析中新天津生態(tài)城中多元能源大數(shù)據(jù)的來(lái)源與特征，提出將大數(shù)據(jù)交易問(wèn)題建模成為多屬性協(xié)商問(wèn)題，并給出了體現(xiàn)不同屬性之間關(guān)聯(lián)度的多屬性協(xié)商效用函數(shù)。研究了電力系統(tǒng)與其他行業(yè)之間進(jìn)行大數(shù)據(jù)交易的模型。通過(guò)分析中新天津生態(tài)城中多元能源大數(shù)據(jù)的來(lái)源與特征，提出將大數(shù)據(jù)交易問(wèn)題建模成為多屬性協(xié)商問(wèn)題，并給出了體現(xiàn)不同屬性之間關(guān)聯(lián)度的多屬性協(xié)商效用函數(shù)。用Matlab實(shí)現(xiàn)了基于VEGA的多目標(biāo)優(yōu)化算法設(shè)計(jì)，并進(jìn)行了多組算例分析。實(shí)驗(yàn)結(jié)果表明，利用交易雙方效用函數(shù)以及多目標(biāo)優(yōu)化算法，可以獲得使買(mǎi)賣(mài)雙方雙贏的大數(shù)據(jù)屬性值，從而讓雙方能夠確認(rèn)數(shù)據(jù)交易的價(jià)格。

大數(shù)據(jù)；交易模型；向量評(píng)估遺傳算法；協(xié)商議價(jià)

智能電網(wǎng)創(chuàng)新示范區(qū)總體目標(biāo)是實(shí)現(xiàn)能源互聯(lián)和信息互聯(lián)的融合，提升城市綜合能源利用效率，創(chuàng)新電網(wǎng)運(yùn)營(yíng)服務(wù)模式，支撐智慧城市建設(shè)，建成具備國(guó)際影響力的智能電網(wǎng)創(chuàng)新工程的示范基地、體驗(yàn)基地、創(chuàng)新基地[1-2]。國(guó)網(wǎng)天津市電力公司于2010年1月啟動(dòng)智能電網(wǎng)綜合示范工程“中新天津生態(tài)城智能電網(wǎng)創(chuàng)新示范區(qū)”建設(shè)。工程于2011年9月建成投運(yùn)，建設(shè)內(nèi)容包括分布式發(fā)電、微電網(wǎng)、配電自動(dòng)化等12個(gè)子項(xiàng)，集中示范智能配電、智能發(fā)電、智能用電和信息通信領(lǐng)域的先進(jìn)技術(shù)。在發(fā)電側(cè)、電網(wǎng)側(cè)、用戶側(cè)的信息通信方面、技術(shù)儲(chǔ)備方面以及政策支持方面均已取得顯著進(jìn)展[3-5]。但在社會(huì)參與度、建設(shè)模式、用戶感知等方面還有待提升，因此2014年國(guó)網(wǎng)公司決定在中新天津生態(tài)城和北京延慶地區(qū)建設(shè)智能電網(wǎng)創(chuàng)新示范工程，以探索智能電網(wǎng)創(chuàng)新示范區(qū)建設(shè)模式，引導(dǎo)社會(huì)力量和技術(shù)聯(lián)盟共同投資、建設(shè)和運(yùn)行創(chuàng)新示范區(qū)，提升示范區(qū)管理模式創(chuàng)新水平，提升智能電網(wǎng)建設(shè)的價(jià)值成為模式創(chuàng)新的重要內(nèi)容。

目前，生態(tài)城內(nèi)已建成面向能源互聯(lián)網(wǎng)的多元能源項(xiàng)目，包括40 MW光伏發(fā)電系統(tǒng)，10 MW生物質(zhì)能發(fā)電系統(tǒng)，125 MW風(fēng)能發(fā)電系統(tǒng)，1.489 MW燃?xì)馊?lián)供發(fā)電系統(tǒng)。這些新能源發(fā)電系統(tǒng)的運(yùn)行數(shù)據(jù)及負(fù)荷監(jiān)測(cè)數(shù)據(jù)通過(guò)測(cè)控終端接入微網(wǎng)運(yùn)行控制與分析系統(tǒng)；終端用戶的用電數(shù)據(jù)通過(guò)雙向互動(dòng)電表接入用電信息采集系統(tǒng)；電網(wǎng)設(shè)備在線監(jiān)控、電能質(zhì)量監(jiān)測(cè)和控制、生產(chǎn)管理等數(shù)據(jù)通過(guò)傳感設(shè)備、無(wú)線網(wǎng)絡(luò)技術(shù)等接入監(jiān)控系統(tǒng)[6-9]；電動(dòng)汽車(chē)充電數(shù)據(jù)通過(guò)充電樁和車(chē)域網(wǎng)接入電動(dòng)汽車(chē)監(jiān)控系統(tǒng)。這些業(yè)務(wù)系統(tǒng)內(nèi)部數(shù)據(jù)庫(kù)中日積月累形成了海量數(shù)據(jù)。

通過(guò)傳感器、智能化設(shè)備、視頻監(jiān)控設(shè)備、音頻通信設(shè)備和移動(dòng)終端等各種數(shù)據(jù)采集渠道收集到的結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化的海量業(yè)務(wù)數(shù)據(jù)的集合構(gòu)成電力大數(shù)據(jù)[10-12]。電力大數(shù)據(jù)擁有大數(shù)據(jù)的所有特征，即數(shù)量龐大、數(shù)據(jù)類(lèi)型眾多、處理速度快、數(shù)據(jù)準(zhǔn)確性高、數(shù)據(jù)價(jià)值高的特點(diǎn)[13]。電力大數(shù)據(jù)與市政、交通、氣象、經(jīng)濟(jì)等其他行業(yè)大數(shù)據(jù)一起，應(yīng)用數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、并行計(jì)算、流計(jì)算等“大數(shù)據(jù)”技術(shù)，可以在體量巨大、類(lèi)型繁多、低價(jià)值密度的數(shù)據(jù)中挖掘出高附加值的信息，為電力資源優(yōu)化配置、能源效率水平提升、優(yōu)質(zhì)服務(wù)和輔助社會(huì)管理提供堅(jiān)實(shí)的數(shù)據(jù)基礎(chǔ)和提升空間[14-16]。

對(duì)于海量并且瞬息萬(wàn)變的大數(shù)據(jù)來(lái)說(shuō)，存儲(chǔ)已不是最終目標(biāo)，如何從數(shù)據(jù)中獲得包括商業(yè)價(jià)值在內(nèi)的紅利，才是其真正的意義所在。全球各個(gè)行業(yè)的數(shù)據(jù)存儲(chǔ)量，每年都在以50%多的速度暴增。由于缺乏規(guī)范的數(shù)據(jù)共享和交易渠道，不同行業(yè)間很難形成數(shù)據(jù)互利共享，數(shù)據(jù)交易平臺(tái)乃至交易所也就成為了迫切需求。目前，國(guó)內(nèi)外對(duì)于大數(shù)據(jù)交易機(jī)制的研究還處于起步階段，文獻(xiàn)[17]從新制度經(jīng)濟(jì)學(xué)視角研究了大數(shù)據(jù)交易機(jī)制，提出了影響數(shù)據(jù)交易費(fèi)用的幾個(gè)因素，但并未就數(shù)據(jù)交易的博弈過(guò)程開(kāi)展研究。文獻(xiàn)[18-20]研究了云計(jì)算服務(wù)市場(chǎng)的雙邊交易特性和定價(jià)機(jī)制，但由于參與交易的資源類(lèi)型和實(shí)時(shí)性與大數(shù)據(jù)交易存在較大差異，因此并不能直接適用于大數(shù)據(jù)交易過(guò)程。文獻(xiàn)[21]提出了大數(shù)據(jù)計(jì)算服務(wù)中刺激買(mǎi)方和賣(mài)方揭示其真實(shí)數(shù)據(jù)信息的交易機(jī)制，但是未實(shí)現(xiàn)交易過(guò)程的“雙贏”結(jié)果。

本文以中新天津生態(tài)城智能電網(wǎng)創(chuàng)新示范區(qū)為背景，系統(tǒng)闡述了中新生態(tài)城內(nèi)大數(shù)據(jù)的來(lái)源與特征，進(jìn)而挖掘高附加值信息的大數(shù)據(jù)應(yīng)用場(chǎng)景。并針對(duì)數(shù)據(jù)買(mǎi)方和賣(mài)方實(shí)施數(shù)據(jù)交易的過(guò)程，提出了大數(shù)據(jù)交易市場(chǎng)以及交易模型，以達(dá)到買(mǎi)方和賣(mài)方在數(shù)據(jù)交易中的“雙贏”為目標(biāo)，利用多屬性效用函數(shù)和向量評(píng)估遺傳多目標(biāo)優(yōu)化算法進(jìn)行了數(shù)據(jù)交易過(guò)程的優(yōu)化設(shè)計(jì)。

1 多元能源大數(shù)據(jù)來(lái)源、特征與應(yīng)用場(chǎng)景

中新生態(tài)城電力大數(shù)據(jù)應(yīng)用具備豐富的數(shù)據(jù)源，其下屬12個(gè)子項(xiàng)為分布式電源接入、儲(chǔ)能系統(tǒng)、智能電網(wǎng)設(shè)備綜合狀態(tài)監(jiān)測(cè)系統(tǒng)、智能變電站、配電自動(dòng)化、電能質(zhì)量監(jiān)測(cè)和控制、用電信息采集系統(tǒng)、智能用電小區(qū)/樓宇、電動(dòng)汽車(chē)充電設(shè)施、通信信息網(wǎng)絡(luò)、電網(wǎng)智能運(yùn)行可視化平臺(tái)和智能供電營(yíng)業(yè)廳，相關(guān)業(yè)務(wù)場(chǎng)景數(shù)據(jù)通過(guò)信息交互總線接入配電自動(dòng)化系統(tǒng)、智能電網(wǎng)設(shè)備綜合狀態(tài)監(jiān)測(cè)系統(tǒng)、電能質(zhì)量監(jiān)測(cè)系統(tǒng)、用電信息采集系統(tǒng)、用戶用能服務(wù)系統(tǒng)和電網(wǎng)智能運(yùn)行可視化系統(tǒng)。

同時(shí)，由于分布式電源接入和電動(dòng)汽車(chē)等業(yè)務(wù)的建設(shè)、運(yùn)營(yíng)需要，電力系統(tǒng)還通過(guò)數(shù)據(jù)交易以及政府、企業(yè)數(shù)據(jù)公開(kāi)服務(wù)，獲取市政、交通、氣象、經(jīng)濟(jì)等行業(yè)的大數(shù)據(jù)，這些數(shù)據(jù)來(lái)源和特征如表1所示。這些數(shù)據(jù)源覆蓋了調(diào)度、運(yùn)檢、營(yíng)銷(xiāo)等多個(gè)管理業(yè)務(wù)和電網(wǎng)運(yùn)行監(jiān)測(cè)信息，以及中心生態(tài)城中具有標(biāo)桿性、且與電力系統(tǒng)生產(chǎn)運(yùn)行相關(guān)的行業(yè)信息。數(shù)據(jù)包括結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化等不同類(lèi)型，數(shù)據(jù)的更新頻率從以秒為單位更新到以月為單位不等。

對(duì)這些數(shù)據(jù)進(jìn)行不同時(shí)間尺度上的數(shù)據(jù)融合后，可以在并行計(jì)算、流計(jì)算或混合計(jì)算等計(jì)算框架內(nèi)，利用數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)和聚類(lèi)分析等算法，獲得生態(tài)城多元能源大數(shù)據(jù)應(yīng)用場(chǎng)景[22-23]。例如，充電設(shè)施的布局及車(chē)主的駕駛和充電行為會(huì)影響交通網(wǎng)絡(luò)流量；反之，交通網(wǎng)絡(luò)流量也會(huì)影響車(chē)主的駕駛和充電行為，進(jìn)而影響電力系統(tǒng)運(yùn)行。通過(guò)將電動(dòng)汽車(chē)充電數(shù)據(jù)與交通流量、壓力數(shù)據(jù)相結(jié)合，可以獲得電動(dòng)汽車(chē)充電設(shè)施優(yōu)化設(shè)計(jì)方案，并進(jìn)行交通流量和機(jī)動(dòng)車(chē)保有量預(yù)測(cè)[24]。再例如，天然氣網(wǎng)絡(luò)的運(yùn)行將直接影響電力系統(tǒng)的經(jīng)濟(jì)運(yùn)行及可靠性，將燃?xì)馊?lián)供系統(tǒng)的運(yùn)行數(shù)據(jù)結(jié)合天然氣管網(wǎng)壓力、流量、供氣可靠性和價(jià)格數(shù)據(jù)，可以分析出三聯(lián)供系統(tǒng)的最優(yōu)化運(yùn)行策略。進(jìn)一步集成供熱網(wǎng)絡(luò)等其他二次能源網(wǎng)絡(luò)，以熱電聯(lián)產(chǎn)系統(tǒng)為紐帶，可以將電力網(wǎng)絡(luò)和供熱網(wǎng)絡(luò)相互集成和協(xié)調(diào)，通過(guò)利用燃?xì)鈾C(jī)組排出的余熱，大大提高系統(tǒng)的整體能效[25]。此外，利用電力負(fù)荷數(shù)據(jù)還可以預(yù)測(cè)、評(píng)價(jià)國(guó)民經(jīng)濟(jì)發(fā)展情況，反之國(guó)民經(jīng)濟(jì)和機(jī)動(dòng)車(chē)保有量增長(zhǎng)等數(shù)據(jù)也可以作為電力系統(tǒng)網(wǎng)絡(luò)和運(yùn)營(yíng)模型規(guī)劃的依據(jù)[26]。中新生態(tài)城中典型的多元能源大數(shù)據(jù)應(yīng)用場(chǎng)景如圖1所示。

表1 中新生態(tài)城多元能源數(shù)據(jù)來(lái)源與特征Tab.1 Multi energy sources and characteristics of the Sino-Singapore Tianjin Eco-City

2 大數(shù)據(jù)交易概念模型

由于大數(shù)據(jù)應(yīng)用所能夠帶來(lái)的巨大價(jià)值，通過(guò)數(shù)據(jù)交易獲得其他行業(yè)的海量數(shù)據(jù)，為本行業(yè)數(shù)據(jù)融合挖掘信息來(lái)源，這種應(yīng)用方式奠定了數(shù)據(jù)交易的基礎(chǔ)。大數(shù)據(jù)交易，具體而言指的是對(duì)數(shù)據(jù)所有權(quán)和使用權(quán)的交易，由于數(shù)據(jù)的價(jià)值難以衡量、其可用性需要在應(yīng)用中評(píng)估以及對(duì)數(shù)據(jù)使用無(wú)法絕對(duì)排他等的特點(diǎn)，決定了大數(shù)據(jù)交易的復(fù)雜性，以及數(shù)據(jù)買(mǎi)賣(mài)雙方在發(fā)現(xiàn)數(shù)據(jù)、制定價(jià)格和應(yīng)用效果評(píng)價(jià)等方面需要付出高額成本。傳統(tǒng)的商品交易及電子商務(wù)交易所使用的交易方式如定價(jià)交易、拍賣(mài)等市場(chǎng)機(jī)制并不能滿足大數(shù)據(jù)交易的需要[27]。因此，如何形成大數(shù)據(jù)交易市場(chǎng)，并建立有效的模型和交易機(jī)制來(lái)支撐數(shù)據(jù)資源的買(mǎi)方和賣(mài)方之間進(jìn)行交易過(guò)程，成為多元能源大數(shù)據(jù)應(yīng)用模式中的一個(gè)重要問(wèn)題。

本文定義了基于大數(shù)據(jù)交易市場(chǎng)的大數(shù)據(jù)交易模型，如圖2所示。

圖1 中新生態(tài)城典型多元能源大數(shù)據(jù)應(yīng)用場(chǎng)景Fig.1 Typical multi energy data application scenarios of Sino-Singapore Tianjin Eco-City

1）數(shù)據(jù)描述。買(mǎi)賣(mài)雙方將所需求數(shù)據(jù)和數(shù)據(jù)資源的關(guān)鍵屬性進(jìn)行抽象，確定屬性類(lèi)型和范圍，并用結(jié)構(gòu)化語(yǔ)言進(jìn)行描述，成為數(shù)據(jù)交易的對(duì)象。

圖2 大數(shù)據(jù)交易模型Fig.2 Transaction model of big data

2）確定交易方。賣(mài)方向數(shù)據(jù)市場(chǎng)進(jìn)行數(shù)據(jù)資源注冊(cè)，并形成數(shù)據(jù)目錄，買(mǎi)方在目錄中查詢，以確定交易目標(biāo)和交易候選對(duì)象，可能存在一個(gè)買(mǎi)方和多個(gè)潛在的買(mǎi)方。

3）協(xié)商議價(jià)。買(mǎi)賣(mài)雙方基于自身對(duì)數(shù)據(jù)交易進(jìn)行提議，即不同屬性值的大數(shù)據(jù)交易對(duì)象，根據(jù)各自的效用函數(shù)計(jì)算提議效用值，作為評(píng)價(jià)數(shù)據(jù)價(jià)值的標(biāo)準(zhǔn)，議價(jià)過(guò)程中可以使用多目標(biāo)優(yōu)化算法，獲得使買(mǎi)賣(mài)雙方“雙贏”的數(shù)據(jù)交易提議。

4）數(shù)據(jù)交付。即數(shù)據(jù)交付執(zhí)行階段，這個(gè)階段除了按照服務(wù)合約在規(guī)定時(shí)間來(lái)交付數(shù)據(jù)，還包括數(shù)據(jù)服務(wù)提供者按照服務(wù)合約來(lái)配置將要交付的數(shù)據(jù)服務(wù)，數(shù)據(jù)使用者按照服務(wù)合約完成支付操作。

5）后續(xù)處理。此階段完成數(shù)據(jù)交付的后續(xù)處理任務(wù)，包括數(shù)據(jù)使用者與數(shù)據(jù)提供者互相評(píng)價(jià)及數(shù)據(jù)交付后服務(wù)等。

由圖2可知，協(xié)商議價(jià)是大數(shù)據(jù)交易的主要環(huán)節(jié)，也是本文研究的重點(diǎn)。協(xié)商是指雙方或多方就某些共同感興趣的議題進(jìn)行交流、達(dá)成一致的過(guò)程，在大數(shù)據(jù)交易過(guò)程中，協(xié)商議價(jià)是在網(wǎng)絡(luò)交易環(huán)境中，在互不相識(shí)的協(xié)商對(duì)手，即數(shù)據(jù)的買(mǎi)方和賣(mài)方中進(jìn)行的，根據(jù)數(shù)據(jù)的質(zhì)量確定價(jià)格的過(guò)程，要讓這個(gè)過(guò)程適合全天候自動(dòng)化的交易，這就需要大幅提高多元能源大數(shù)據(jù)協(xié)商議價(jià)的智能化水平。

作為大數(shù)據(jù)交易的主體，對(duì)于數(shù)據(jù)的質(zhì)量進(jìn)行描述是買(mǎi)賣(mài)雙方確定交易意向和協(xié)商議價(jià)的基礎(chǔ)。數(shù)據(jù)的質(zhì)量可以抽象為數(shù)據(jù)的屬性，在交易過(guò)程中，數(shù)據(jù)的屬性包括其內(nèi)生的獨(dú)立屬性（如精度、采樣頻率和時(shí)間跨度等），也包括屬性之間的關(guān)聯(lián)度（如同樣精度的輻照量數(shù)據(jù)，若采樣覆蓋范圍越廣，則其價(jià)值越高）。對(duì)于以上的數(shù)據(jù)屬性特征，大數(shù)據(jù)交易的對(duì)象可以抽象為：

式中：Di為一輪數(shù)據(jù)協(xié)商議價(jià)的對(duì)象，一次大數(shù)據(jù)議價(jià)過(guò)程包含k輪協(xié)商，雙方進(jìn)行協(xié)商的對(duì)象的n個(gè)屬性表示為向量（A1，…，An），并且（a1，…，an）為一輪協(xié)商中的屬性向量。n維向量（A1，…，An）的每一個(gè)元素Ai均有取值范圍[Ai·min，Ai·max]。大數(shù)據(jù)的買(mǎi)賣(mài)雙方每一輪的協(xié)商過(guò)程，就是雙方在各自能夠接受的取值范圍內(nèi)改變數(shù)據(jù)屬性形成多屬性協(xié)商議題，從而改變買(mǎi)賣(mài)雙方對(duì)數(shù)據(jù)價(jià)值的“滿意程度”的過(guò)程。經(jīng)過(guò)k輪協(xié)商，買(mǎi)賣(mài)雙方最終對(duì)數(shù)據(jù)價(jià)值達(dá)成一致，從而達(dá)成交易。在協(xié)商過(guò)程中，可以度量交易雙方對(duì)包含多屬性數(shù)據(jù)“滿意程度”的稱為效用值，效用值由將數(shù)據(jù)屬性作為參數(shù)的效用函數(shù)計(jì)算獲得。在效用函數(shù)中，一個(gè)屬性可以為正屬性或負(fù)屬性2類(lèi)。正屬性的值越大，交易方越滿意，負(fù)屬性的值越小，交易方越滿意。在買(mǎi)賣(mài)雙方對(duì)于參與交易的大數(shù)據(jù)屬性的雙邊協(xié)商中，買(mǎi)方和賣(mài)方對(duì)于同一個(gè)屬性類(lèi)型的判斷正好相反。例如，對(duì)于買(mǎi)方而言，輻照量的精度越高越好，因此輻照量精度對(duì)買(mǎi)方而言是正屬性；但是，對(duì)于賣(mài)方而言，數(shù)據(jù)精度越高意味著在采集數(shù)據(jù)過(guò)程中所需要付出的設(shè)備、人力、計(jì)算成本的增加，這就希望提供給買(mǎi)方的數(shù)據(jù)精度在能夠接受的范圍內(nèi)越低越好，因此，輻照量精度對(duì)于賣(mài)方而言就是負(fù)屬性。

多屬性效用函數(shù)由多屬性變量構(gòu)造而成，用于評(píng)估計(jì)算用戶在各個(gè)提議上的效用值的函數(shù)[16]。為了刻畫(huà)大數(shù)據(jù)交易多屬性協(xié)商過(guò)程中每個(gè)議題的單獨(dú)效用和多個(gè)屬性的綜合效用，提出了一種體現(xiàn)屬性關(guān)聯(lián)性的效用函數(shù)：

式中：vi為第i輪協(xié)商中買(mǎi)方或賣(mài)方對(duì)多屬性議題計(jì)算出的效用值；uj為買(mǎi)方或賣(mài)方對(duì)n維屬性中第j個(gè)屬性歸一化后的取值；wj為買(mǎi)方或賣(mài)方對(duì)第j個(gè)屬性的權(quán)重評(píng)價(jià)；εj，k為第j個(gè)屬性與第k個(gè)屬性的關(guān)聯(lián)度；uk為第k個(gè)屬性的歸一化后的取值。對(duì)uj和uk的歸一化：

對(duì)于同一個(gè)屬性j，由于其對(duì)于買(mǎi)方和賣(mài)方的屬性類(lèi)型不同，買(mǎi)方能夠接受的取值范圍和賣(mài)方能夠提供的取值范圍不同，以及買(mǎi)賣(mài)雙方對(duì)其評(píng)價(jià)權(quán)重不同，因此對(duì)于效用值的最終影響不同。正因?yàn)橘I(mǎi)賣(mài)雙方對(duì)于數(shù)據(jù)效用值評(píng)價(jià)差異，才需要使用優(yōu)化算法自動(dòng)化地通過(guò)多屬性協(xié)商實(shí)現(xiàn)交易。

3 基于向量評(píng)估遺傳算法的公平協(xié)商議價(jià)

在針對(duì)大數(shù)據(jù)多屬性協(xié)商交易中，存在數(shù)據(jù)交易雙方“雙贏”的情況，即協(xié)商的結(jié)果是一個(gè)Pareto最優(yōu)解，在這種情況下，雙方均不能做到在不使對(duì)方利益受損的前提下提高自身的收益。多目標(biāo)遺傳算法（multi-objective genetic algorithm，MOGA）是近年來(lái)發(fā)展起來(lái)的利用遺傳算法處理多目標(biāo)優(yōu)化問(wèn)題的算法[28-29]。傳統(tǒng)的方法很難處理大規(guī)模問(wèn)題，MOGA不但能處理大規(guī)模問(wèn)題，而且不受問(wèn)題性質(zhì)（線性、連續(xù)性、可微性、多峰性等）的限制，能夠搜索出問(wèn)題的全局最優(yōu)解。與常規(guī)優(yōu)化方法相比，還與Pareto最優(yōu)前沿的形態(tài)無(wú)關(guān)。向量評(píng)估遺傳算法（vector evaluate genetic algorithm，VEGA）是由Schaffer于1984年提出的一個(gè)用于尋找一組非劣解的多目標(biāo)進(jìn)化算法。VEGA具有結(jié)構(gòu)簡(jiǎn)單、易于實(shí)現(xiàn)，只須對(duì)簡(jiǎn)單遺傳算法作一個(gè)較小的改變就能將它轉(zhuǎn)換成多目標(biāo)進(jìn)化算法并且不會(huì)產(chǎn)生任何附加的計(jì)算復(fù)雜性的優(yōu)點(diǎn)，適合用于求解本文所提出的大數(shù)據(jù)交易中的雙邊多屬性優(yōu)化問(wèn)題[30-32]。

VEGA采用成比例選擇機(jī)制，針對(duì)每個(gè)子目標(biāo)函數(shù)產(chǎn)生對(duì)應(yīng)的一個(gè)子種群，如果多目標(biāo)問(wèn)題的子目標(biāo)數(shù)量為k，則需要產(chǎn)生k個(gè)子種群，每個(gè)子群體的規(guī)模為N/k，其中N為整個(gè)種群的大小。各子目標(biāo)函數(shù)在其相應(yīng)的子種群中獨(dú)立完成選擇操作，選擇的結(jié)果進(jìn)入交叉池之后進(jìn)行交叉和變異操作，最終求出問(wèn)題的非劣解。在大數(shù)據(jù)多屬性協(xié)商交易中，子種群即為參與協(xié)商的買(mǎi)方和賣(mài)方，即種群數(shù)量為2，每一個(gè)多屬性協(xié)商議題都由將屬性編碼形成的一條染色體表示，每條染色體上的基因表示數(shù)據(jù)的一個(gè)屬性。VEGA算法進(jìn)化過(guò)程中所涉及的遺傳操作，如選擇、交叉和變異，都作用在這些基因上面。每一代種群都是由N條這樣的染色體組成的。通過(guò)若干代的遺傳操作，最終獲得的屬性染色體將趨向于Pareto最優(yōu)解，即對(duì)于買(mǎi)賣(mài)雙方而言，均不能通過(guò)不降低對(duì)方效用值的情況下，將議題中數(shù)據(jù)的屬性修改為讓自己更滿意的值。由此可以達(dá)到公平協(xié)商議價(jià)的結(jié)果?；赩EGA的公平協(xié)商議價(jià)流程如圖3所示。

圖3 基于VEGA的大數(shù)據(jù)交易公平協(xié)商議價(jià)算法Fig.3 A fair bargaining Algorithm of big data transaction based on VEGA

根據(jù)所構(gòu)造的效用函數(shù)，VEGA的優(yōu)化目標(biāo)是：

式中：vb和vs分別為買(mǎi)方和賣(mài)方的效用值；x→b和x→s分別是每次協(xié)商議價(jià)過(guò)程中買(mǎi)方和賣(mài)方對(duì)數(shù)據(jù)屬性值的提議。利用VEGA算法對(duì)式（4）進(jìn)行多目標(biāo)優(yōu)化，獲得的將是一組Pareto最優(yōu)解集，買(mǎi)方和賣(mài)方在這一解集基礎(chǔ)上確定所交易數(shù)據(jù)的價(jià)格，將可以達(dá)到雙方“雙贏”的目標(biāo)。

4 算例分析

為了驗(yàn)證本文所提出交易模型和公平協(xié)商議價(jià)算法的有效性，利用Matlab模擬了生態(tài)城數(shù)據(jù)交易市場(chǎng)中買(mǎi)方和賣(mài)方針對(duì)光伏發(fā)電數(shù)據(jù)進(jìn)行交易所獲得的雙贏提議集合的結(jié)果。在這一交易過(guò)程中，數(shù)據(jù)的買(mǎi)方可能為需要利用生態(tài)城中某一時(shí)間跨度光伏發(fā)電數(shù)據(jù)進(jìn)行新能源產(chǎn)業(yè)發(fā)展預(yù)測(cè)的咨詢公司或售電公司，數(shù)據(jù)的賣(mài)方為擁有生態(tài)城內(nèi)光伏發(fā)電調(diào)度數(shù)據(jù)的國(guó)家電網(wǎng)公司?？晒﹨f(xié)商的屬性包括交流模擬量采樣數(shù)據(jù)的精度、發(fā)電數(shù)據(jù)的時(shí)間跨度和光伏發(fā)電設(shè)施數(shù)量，其中精度與時(shí)間跨度這兩項(xiàng)屬性與設(shè)施數(shù)量具有相關(guān)性。實(shí)驗(yàn)共進(jìn)行3組，各項(xiàng)數(shù)據(jù)的取值范圍、買(mǎi)賣(mài)雙方權(quán)重評(píng)價(jià)和關(guān)聯(lián)度如表2所示。

作為基于遺傳算法的多目標(biāo)優(yōu)化算法，VEGA算法被用來(lái)尋找Pareto最優(yōu)解集的性能會(huì)受到相關(guān)參數(shù)的影響，實(shí)驗(yàn)中使用的VEGA算法參數(shù)如表3所示。

表2 實(shí)驗(yàn)中買(mǎi)賣(mài)雙方的屬性參數(shù)Tab.2 Properties of the two parties in the experiment parameters

表3 實(shí)驗(yàn)中使用的VEGA算法參數(shù)Tab.3 Parameters of the VEGA algorithm used in the experiment

在Matlab中編寫(xiě)程序完成了，仿真實(shí)驗(yàn)，每次實(shí)驗(yàn)獲得了一個(gè)Pareto最優(yōu)解，實(shí)驗(yàn)結(jié)果表4所示。

表4 仿真結(jié)果Tab.4 Simulation result

由表4可知，使用VEGA算法可以對(duì)大數(shù)據(jù)交易中買(mǎi)賣(mài)雙方的效用函數(shù)進(jìn)行多目標(biāo)優(yōu)化，并獲得Pareto最優(yōu)解，同時(shí)，在數(shù)據(jù)屬性取值范圍縮小的情況下，可以獲得更為精確的最優(yōu)屬性，并且買(mǎi)賣(mài)雙方的效用值也可以得到相應(yīng)的提升。

5 結(jié)語(yǔ)

本文針對(duì)中新天津生態(tài)城中多元能源大數(shù)據(jù)的應(yīng)用需求，結(jié)合大量文獻(xiàn)資料與工程經(jīng)驗(yàn)，提出了大數(shù)據(jù)交易市場(chǎng)的應(yīng)用場(chǎng)景、概念模型和公平協(xié)商議價(jià)最優(yōu)化算法設(shè)計(jì)。利用Matlab實(shí)現(xiàn)了基于VEGA的多目標(biāo)優(yōu)化算法設(shè)計(jì)，并進(jìn)行了多組算例分析，實(shí)驗(yàn)結(jié)果表明，利用本文提出的交易雙方效用函數(shù)以及多目標(biāo)優(yōu)化算法，可以獲得使買(mǎi)賣(mài)雙方雙贏的大數(shù)據(jù)屬性值，從而讓雙方能夠確認(rèn)數(shù)據(jù)交易的價(jià)格。

作為一種基于互聯(lián)網(wǎng)思維的智能電網(wǎng)增值服務(wù)模式，不同粒度和質(zhì)量的電力大數(shù)據(jù)交易將為電網(wǎng)公司帶來(lái)新的業(yè)務(wù)和盈利點(diǎn)，而多元能源大數(shù)據(jù)的融合分析也將為中新天津生態(tài)城智慧能源應(yīng)用帶來(lái)更多的應(yīng)用場(chǎng)景，有利于國(guó)內(nèi)智能電網(wǎng)的建設(shè)發(fā)展，從而最終推動(dòng)能源利用水平提高和區(qū)域經(jīng)濟(jì)發(fā)展。

[1]曹軍威，萬(wàn)宇鑫，涂國(guó)煜，等．智能電網(wǎng)信息系統(tǒng)體系結(jié)構(gòu)研究[J]．計(jì)算機(jī)學(xué)報(bào)，2013（1）：144-167．CAO Junwei，WAN Yuxi，TU Guoyu，et al.Information system architecture for smart grids[J].Chinese Journal of Computers，2013（1）：144-167（in Chinese）．

[2]胡學(xué)浩．智能電網(wǎng)——未來(lái)電網(wǎng)的發(fā)展態(tài)勢(shì)[J]．電網(wǎng)技術(shù)，2009（14）：1-5．HU Xuhao.Smart-grid—A development trend of future power grid[J].Power System Technology，2009（14）：1-5（in Chinese）．

[3]尹倩．中新天津生態(tài)城運(yùn)作模式研究[D]．天津：天津理工大學(xué)，2009．

[4]謝開(kāi)，劉明志，于建成．中新天津生態(tài)城智能電網(wǎng)綜合示范工程[J]．電力科學(xué)與技術(shù)學(xué)報(bào)，2011（1）：43-47．XIE Kai，LIU Mingzhi，YU Jiancheng.Summary on smart grid integrated demonstration project of sino-singapore Tianjin eco-city[J].Journal of Electric Power Science and Technology，2011（1）：43-47（in Chinese）．

[5]李曉詮．智能電力設(shè)備在中新生態(tài)城電網(wǎng)中的應(yīng)用[D]．保定：華北電力大學(xué)，2013．

[6]時(shí)珊珊，董瑞安.智能社區(qū)（微網(wǎng)）電能質(zhì)量信息集成系統(tǒng)研究[J].高壓電器，2014，50（2）：12-17．SHI Shanshan，DONG Ruian.Study on power quality information integrated system in smart community（microgrid）[J].High Voltage Apparatus，2014，50（2）：12-17（in Chinese）．

[7]鐘文，彭龑?zhuān)Z齊陽(yáng)，等.基于ZigBee無(wú)線網(wǎng)絡(luò)技術(shù)的避雷器在線監(jiān)測(cè)設(shè)計(jì)[J].電瓷避雷器，2014，137（1）：68-74.ZHONG Wen，PENG Yan，YAN Qiyang，et al．Meteroxide arresters monitoring system based on ZigBee[J].Insulators and Surge Arresters，2012，137（1）：68-74（inChinese）．

[8]張余，李東艷，吳宇，等.中國(guó)聯(lián)通3 G服務(wù)智能電網(wǎng)的應(yīng)用研究[J].電網(wǎng)與清潔能源，2010，26（8）：4-10.ZHANG Yu，LI Dongyan，WU Yu，et al.Study on application of China unicom 3 G technology in smart grid[J].Power System and Clean Energy，2010，26（8）：4-10（in Chinese）．

[9]張建軍，孫紅華.高壓并聯(lián)電容器在線監(jiān)測(cè)系統(tǒng)的研究[J].電力電容器與無(wú)功補(bǔ)償，2013，34（2）：22-27.ZHANG Jianjun，SUN Honghua.Research of on-line monitoring system for high voltage shunt capacitors[J].Power Capacitor&Reactive Power Compensation，2013，34（2）：22-27（in Chinese）．

[10]王德文，宋亞奇，朱永利．基于云計(jì)算的智能電網(wǎng)信息平臺(tái)[J]．電力系統(tǒng)自動(dòng)化，2010，34（22）：7-12．WANG Dewen，SONG Yaqi，ZHU Yongli.Information platform of smart grid based on cloud computing[J].Automation of Electric Power Systems，2010，34（22）：7-12（in Chinese）．

[11]宋亞奇，周?chē)?guó)亮，朱永利．智能電網(wǎng)大數(shù)據(jù)處理技術(shù)現(xiàn)狀與挑戰(zhàn)[J]．電網(wǎng)技術(shù)，2013，37（4）：927-935．SONG Yaqi，ZHOU Guoliang，ZHU Yongli.Present status and challenges of big data processing in smart grid[J].Power System Technology，2013，37（4）：927-935（in Chinese）．

[12]RUSITSCHKA S，EGER K，GERDES C．Smart grid data cloud：a model for utilizing cloud computing in the smart grid domain[C].Smart Grid Communications（Smart Grid Comm），MD：2010 First IEEE International Conference，2010．

[13]劉成，牛銳，范賀明，等.基于Spark環(huán)境變壓器故障并行診斷[J].電力科學(xué)與工程，2016，32（6）：32-37.LIU Cheng，NIU Rui，F(xiàn)AN Heming，et al.Transformer fault diagnosis in parallel based on the spark platform[J].Enectric Power Science and Engineering，2016，32（6）：32-37（in Chinese）．

[14]劉科研，盛萬(wàn)興，張東霞，等．智能配電網(wǎng)大數(shù)據(jù)應(yīng)用需求和場(chǎng)景分析研究[J]．中國(guó)電機(jī)工程學(xué)報(bào)，2015，35（2）：287-293．LIU Keyan，SHENG Wanxing，ZHANG Dongxia，et al.Big data application requirements and scenario analysis in smart distribution network[J]．Proceedings of the CSEE，2015，35（2）：287-293（in Chinese）．

[15]HAN Jiawei，MICHELINE K，JIAN P．Data mining:Concepts and technique[M]．3rd ed．New York：Elsevier，2011．

[16]張弦，方正偉.基于海量實(shí)時(shí)數(shù)據(jù)中心的電能量全生命周期管理[J].電力與能源，2014，35（3）：279-286．ZHANG Xian，F(xiàn)ANG Zhengwei.Electrical energy whole life-cycle management based on massive eeal-time data center[J].Power and Energy，2014，35（3）：279-286（in Chinese）．

[17]吳江．?dāng)?shù)據(jù)交易機(jī)制初探——新制度經(jīng)濟(jì)學(xué)的視角[J]．天津商業(yè)大學(xué)學(xué)報(bào)，2015（3）：3-8．WU Jiang.A preliminary study of the mechanism of data transaction[J].Journal of Tianjin University of Commerce，2015（3）：3-8（in Chinese）．

[18]章瑞．云計(jì)算服務(wù)的定價(jià)策略研究[D]．上海：東華大學(xué)，2014．

[19]盧淑彩．基于解約協(xié)商的云資源交易協(xié)商機(jī)制研究[D]．杭州：浙江工商大學(xué)，2012．

[20]李敏．云服務(wù)平臺(tái)中的服務(wù)協(xié)商算法及交易過(guò)程管理研究[D]．濟(jì)南：山東大學(xué)，2014．

[21]Lena Mashayekhy，Mahyar Movahed Nejad，Daniel Grosu．A two-sided market mechanism for trading big data computing commodities[C].MD：2014 IEEE International Conference on Big Data，2014．

[22]楊進(jìn).電網(wǎng)企業(yè)大數(shù)據(jù)在財(cái)務(wù)決策中的應(yīng)用研究[J].華北電力大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2016（2）：33-39.YANG Jin.Research on application of big data on financial decision-making of power grid enterprises[J].Journal of North China Electric Power University（Social Sciences），2016（2）：33-39（in Chinese）．

[23]許海清，黃敏.淺談電力大數(shù)據(jù)對(duì)信息運(yùn)行的影響[J].江蘇電機(jī)工程，2015，34（2）：62-64.XU Haiqing，HUANG Min.A discussion on the influence of power big data on information operation[J].Jiangsu Electrical Engineering，2015，34（2）：62-64（in Chinese）．

[24]楊茜，鄧建慎，李洪峰，等.電動(dòng)汽車(chē)公共服務(wù)與互動(dòng)平臺(tái)設(shè)計(jì)研究[J].電力系統(tǒng)保護(hù)與控制，2016，44（10）：137-144.YANG Xi，DENG Jianshen，LI Hongfeng，et al.Design and research on public service and interactive platform in electric vehicle[J].Power System Protection and Control，2016，44（10）：137-144（in Chinese）．

[25]閆湖，狄方春，袁榮昌，等.電網(wǎng)智能調(diào)度中的大數(shù)據(jù)及應(yīng)用場(chǎng)景研究[J].電力信息與通信技術(shù)，2014，12（10）：7-12.YAN Hu，DI Fangchun，YUAN Rongchang，et al.Research of on big data and its application scenarios in grid intelligent dispatching field[J].Electric Power Information and Communication Technology，2014，12（10）：7-12（in Chinese）．

[26]高志遠(yuǎn)，嚴(yán)春華，郭昆亞，等.智能電網(wǎng)與智慧城市業(yè)務(wù)互動(dòng)研究[J].電力系統(tǒng)保護(hù)與控制，2016，44（2）：65-73.GAO Zhiyuan，YAN Chunhua，GUO Kunya，et al.Research on interactive operation between smart grid and smart city[J].Power System Protection and Control，2016，44（2）：65-73（in Chinese）．

[27]劉廣一，朱文東，陳金祥，等．智能電網(wǎng)大數(shù)據(jù)的特點(diǎn)、應(yīng)用場(chǎng)景與分析平臺(tái)[J].南方電網(wǎng)技術(shù)，2016，10（5）：102-110．LIU Guangyi，ZHU Wendong，CHEN Jinxiang，et al.Cha-racteristics，application scenarios and analysis platform of smart grid big data[J].Southern Power System Technology，2016，10（5）：102-110（in Chinese）．

[28]張春陽(yáng)，陳卓，吳慶濤．基于多屬性效用函數(shù)組件優(yōu)化組合的研究[J]．通信技術(shù)，2010（6）：238-240．ZHANG Chunyang，CHEN Zhuo，WU Qingtao.Study on optimum component combination based on multi-attribute utility function[J].Communications Technolog，2010（6）：238-240（in Chinese）．

[29]徐磊．基于遺傳算法的多目標(biāo)優(yōu)化問(wèn)題的研究與應(yīng)用[D]．長(zhǎng)沙：中南大學(xué)，2007．

[30]李麗榮．求解Pareto Front多目標(biāo)遺傳算法的研究[D]．湘潭：湘潭大學(xué)，2003．

[31]周建淞，陳益，張曉麗，等．基于向量評(píng)估遺傳算法的多目標(biāo)優(yōu)化效果評(píng)價(jià)及程序測(cè)試[J]．中國(guó)衛(wèi)生統(tǒng)計(jì)，2012（2）：181-186．ZHOU Jiansong，CHEN Yi，ZHANG Xiaoli，et al.Effect evaluation and program test based on the vector evaluated genetic algorithm[J].Chinese Journal of Health Statistics，2012（2）：181-186（in Chinese）．

[32]李婷.大數(shù)據(jù)資源優(yōu)化在電網(wǎng)客戶關(guān)系系統(tǒng)中的應(yīng)用[J].電網(wǎng)與清潔能源，2015，31（9）:16-20.LI Ting.Application of large data resource optimization in power grid customer relationship system[J].Power System and Clean Energy，2015，31（9）:16-20（in Chinese）.

（編輯 董小兵）

Trade Model of Smart Grid Big Data Based on Vector Evaluated Genetic Algorithm

WANG Wei1，JIANG Ling2，WANG Zheng2，SONG Jie3，TIAN Na2，JIANG Wei4
（1.State Grid Corporation of China，Beijing 100031，China；2.State Grid Tianjin Electric Power Supply Company，Tianjin 300010，China；3.NARI Technology Co.，Ltd.，Nanjing 210061，Jiangsu，China；4.Southeast University，Nanjing 210096，Jiangsu，China）

Based on the construction of Sino-Singapore Tianjin eco-city，this paper focuses on the trade model of big data between power system and other systems.Through the analysis of the source and characteristics of big data in Sino-Singapore Tianjin eco-city，the problem of big data transaction is modeled as multi-attributes negotiation problem，and multiattributes negotiation utility function is proposed to the correlation degree among different attributes.Finally，the vector evaluated genetic algorithm is employed in the big data trade procedure to optimize the trade result.Thus，a win-win result could be achieved between data owners and data users.

big data；transaction model；vector evaluated genetic algorithm；negotiation and bargaining

國(guó)家自然科學(xué)基金資助（51407025）；國(guó)家電網(wǎng)公司科技項(xiàng)目資助（基于互聯(lián)網(wǎng)思維的智能電網(wǎng)創(chuàng)新示范區(qū)建設(shè)模式研究項(xiàng)目號(hào)SGTJDK00DWJS1500101）。

Project Supported by the National Natural Science Foundation of China（51407025）；Science and Technology Project of SGCC（SGTJD K00DWJS1500101）.

1674-3814（2016）10-0001-08

TM92

A

2015-03-26。

王 偉（1980—），男，博士，高級(jí)工程師，從事電力系統(tǒng)自動(dòng)化、智能電網(wǎng)和能源互聯(lián)網(wǎng)方面的研究與實(shí)踐工作。