基于聯(lián)盟區(qū)塊鏈的新能源企業(yè)智能電動(dòng)汽車充電系統(tǒng)

王浩柱 ，謝秦，鄧方明，楊陽

（1.國網(wǎng)天津城南供電公司，天津 300201；2.國網(wǎng)天津市電力公司，天津 300143；3.國網(wǎng)電子商務(wù)有限公司，天津 300143）

隨著可持續(xù)發(fā)展意識(shí)的深入人心，電動(dòng)汽車（electric vehicle，EV）行業(yè)也逐漸受到了各地政府的重視[1-2]。不同地區(qū)的政府通過發(fā)布不同的政策促進(jìn)電動(dòng)汽車（簡稱電車）的發(fā)展，使得電車的需求量日益增長[3-5]。而電車需求增長的同時(shí)也進(jìn)一步提升了電車充電的需求，這便要求有限的充電設(shè)施在城市環(huán)境內(nèi)得到高效利用和同步部署。

然而，現(xiàn)有的市場中，不同運(yùn)營公司之間不同的需求度導(dǎo)致了電車充電設(shè)施與電車需求之間不平衡[6-7]。目前，電車充電所面臨的問題可綜合為以下兩個(gè)方面[8-9]：1）不同空間分布的充電設(shè)施與電車服務(wù)用戶數(shù)量的不平衡直接影響企業(yè)的收益，導(dǎo)致不同新能源公司（new energy companies，NECs）之間的利益難以協(xié)調(diào)；2）由于缺乏公平的分配機(jī)制，導(dǎo)致企業(yè)之間難以完全相互信任，進(jìn)而充電設(shè)施的實(shí)時(shí)信息和客戶信息難以共享，甚至出現(xiàn)某些公司為提升自身利益而為其他公司提供虛假信息的情形[10]。因此，迫切需要一種能解決當(dāng)前問題的切實(shí)方案。

文獻(xiàn)[11]在2008年時(shí)提出了區(qū)塊鏈技術(shù)，其作為一種新興且具有前景的技術(shù)，最初是應(yīng)用于比特幣加密的基礎(chǔ)技術(shù)，具備安全和抗篡改等優(yōu)勢。通過在點(diǎn)對(duì)點(diǎn)網(wǎng)絡(luò)中建立信任鏈接[12-14]，使網(wǎng)絡(luò)中的所有節(jié)點(diǎn)達(dá)到互相信任的基礎(chǔ)，從而進(jìn)一步提升業(yè)務(wù)流程的推進(jìn)。然而，盡管區(qū)塊鏈技術(shù)解決了企業(yè)之間的信任問題，但NECs之間的利益分配也是不容忽視的問題。因此，文中設(shè)計(jì)了一種合作機(jī)制來協(xié)調(diào)不同公司之間的利益分配。

基于此，本文提出了一種新的基于聯(lián)盟區(qū)塊鏈的電動(dòng)汽車充電系統(tǒng)，該系統(tǒng)通過區(qū)塊鏈技術(shù)防止企業(yè)之間的信息篡改，使系統(tǒng)具有多中心化等特點(diǎn)。而后設(shè)計(jì)了一種新的智能合約來平衡聯(lián)盟中各公司的利潤，通過生物目標(biāo)混合整數(shù)規(guī)劃模型（BOMILP）來平衡企業(yè)及電車用戶之間的利益。同時(shí)，提出了一種有限領(lǐng)域記憶搜索算法（LNSM）進(jìn)一步支持智能合約運(yùn)行，提升合約運(yùn)行速度及系統(tǒng)性能。最后，在天津地區(qū)電車充電數(shù)據(jù)的基礎(chǔ)上對(duì)所提系統(tǒng)進(jìn)行了驗(yàn)證，結(jié)果表明：該系統(tǒng)具備切實(shí)可行性，LNSM可進(jìn)一步降低計(jì)算復(fù)雜度，提升系統(tǒng)使用性能。

1 系統(tǒng)框架

區(qū)塊鏈技術(shù)的引用可提高電車充電信息透明度及可靠性，基于區(qū)塊鏈技術(shù)，本節(jié)提出了電動(dòng)汽車充電框架。

1.1 系統(tǒng)概述

圖1為傳統(tǒng)電車充電系統(tǒng)與基于區(qū)塊鏈充電系統(tǒng)的兩種充電方法的比較。

圖1 電動(dòng)汽車充電方法比較Fig.1 Comparison of EV charging methods

如圖1所示，傳統(tǒng)的電車充電時(shí)，電車充電站獨(dú)立運(yùn)行，實(shí)時(shí)數(shù)據(jù)由該充電樁所屬公司保存，這種信息隔離導(dǎo)致了電車充電信息的不共享。而區(qū)塊鏈技術(shù)的協(xié)同操作系統(tǒng)通過數(shù)據(jù)集中并記錄在區(qū)塊鏈上，共享信息，最大程度提高了電車充電樁的使用率，進(jìn)而提升電車用戶的充電體驗(yàn)?；趨^(qū)塊鏈充電系統(tǒng)工作流程如圖2所示。

圖2 系統(tǒng)工作流程Fig.2 System implementation flowchart

工作程序歸納為3個(gè)步驟：

1）系統(tǒng)獲取電動(dòng)車用戶的充電需求，包括位置、時(shí)間及電量；

2）根據(jù)區(qū)塊鏈上的實(shí)時(shí)充電信息觸發(fā)智能合約，在特定條件下，系統(tǒng)生成可接受的充電方案；

3）將所有交易信息統(tǒng)一并添加入?yún)^(qū)塊鏈信息網(wǎng)絡(luò)體系中，使得全部信息數(shù)據(jù)對(duì)該區(qū)域內(nèi)所有公司成員透明且具有可信度。

1.2 系統(tǒng)中的組件

圖3為所設(shè)計(jì)電車充電系統(tǒng)框架。該框架共包含新能源公司、電動(dòng)汽車用戶、政府和區(qū)塊鏈系統(tǒng)4個(gè)主要組成部分。

區(qū)塊鏈用于公司、政府及EV用戶側(cè)的聯(lián)動(dòng)交互，每側(cè)均有詳細(xì)的組件。三方通過聯(lián)動(dòng)，在區(qū)塊鏈技術(shù)的支持下共同完成電車充電系統(tǒng)的運(yùn)行。公司滿足用戶的充電需求，政府統(tǒng)一收費(fèi)價(jià)格，用戶根據(jù)共享信息選取充電區(qū)域及充電時(shí)間，而區(qū)塊鏈作為中間運(yùn)行的支持技術(shù)來保證計(jì)費(fèi)系統(tǒng)的可靠性。

圖3 電動(dòng)汽車充電系統(tǒng)架構(gòu)Fig.3 Framework of EV charging system

2 智能合約的設(shè)計(jì)及實(shí)現(xiàn)

智能合約的本質(zhì)是區(qū)塊鏈基于觸發(fā)事件所引起的價(jià)值和信息流的擴(kuò)展應(yīng)用程序，其具備完全數(shù)字化、可編程及自動(dòng)執(zhí)行等優(yōu)勢。通過建立數(shù)學(xué)模型，設(shè)計(jì)智能合約，著重強(qiáng)調(diào)最優(yōu)目標(biāo)和最優(yōu)約束，而后通過已有模型進(jìn)行程序編碼。為解決充電設(shè)施的動(dòng)態(tài)分布問題，本文建立了一個(gè)生物目標(biāo)混合整數(shù)規(guī)劃模型（BOMILP）。

為了使模型更易理解，進(jìn)行了合理的假設(shè)。文中公式采用的假設(shè)和特征如下：

1）一旦電動(dòng)汽車完成充電操作，用戶立即開車離開充電站。

2）充電期間，電動(dòng)汽車的所有設(shè)備均處于關(guān)機(jī)狀態(tài)，包括空調(diào)、音樂系統(tǒng)等。

3）電動(dòng)汽車充電站收取的電費(fèi)是其利潤的一部分。

2.1 約束

約束條件確定了優(yōu)化模型中可行解的范圍。這些約束可以分為4個(gè)部分，分別為充電特性約束、充電設(shè)施資源約束、用戶收費(fèi)距離約束以及非負(fù)性約束。

1）充電特性約束如下式：

約束式（3）表示每個(gè)充電樁在一個(gè)時(shí)間段內(nèi)最多只能服務(wù)1個(gè)EV；約束式（4）保證所有需要充電服務(wù)的電動(dòng)汽車用戶都被分配到充電站；約束式（5）確保充電電量不能超過電動(dòng)汽車電池最大容量。

2）充電設(shè)施資源限制如下：

約束式（6）保證了電動(dòng)汽車用戶在任意時(shí)間段的快、慢充電需求都得到滿足。

3）剩余電量及與充電樁距離約束如下：

式中：e100為電動(dòng)汽車百公里耗電量；為t時(shí)刻電動(dòng)汽車i到充電站p的充電距離；dmax為電動(dòng)汽車最大容忍距離。

約束式（7）保證電動(dòng)汽車剩余電量能夠支持車輛駛往充電站；約束式（8）確保電動(dòng)汽車用戶不會(huì)在超過最大容忍距離內(nèi)選擇充電站。

4）非負(fù)性約束如下：

2.2 智能合約的實(shí)現(xiàn)

為了解決上述問題并將其轉(zhuǎn)化為可執(zhí)行的智能合約，這要求更為合適的算法從而獲取可行解。與傳統(tǒng)的優(yōu)化方法不同，區(qū)塊鏈中嵌入的智能合約需要更快、更輕的算法以滿足節(jié)點(diǎn)的需求。鄰域搜索算法（neighborhood search algorithm，NSA）[15]是一種求解組合問題的近似算法。考慮到電車充電調(diào)度是動(dòng)態(tài)情形，因此，本文提出了有限鄰域記憶搜索（LNSM）算法來解決BOMILP問題，使區(qū)塊鏈的智能合約能夠更高效、更智能地工作。LNSM中有兩個(gè)關(guān)鍵策略：1）限制候選解集，提高搜索效率；2）基于已有決策動(dòng)態(tài)改變解決方案。

LNSM的具體步驟如下：

步驟1：限制候選充電點(diǎn)，主要關(guān)鍵在于選擇滿足條件的點(diǎn)作為可行點(diǎn)，如圖4所示。首先，依據(jù)電動(dòng)汽車用戶的充電需求，可計(jì)算得出電動(dòng)汽車位置和充電站位置之間的距離，充電距離低于最大距離，也要低于電動(dòng)汽車考慮SOC容量的剩余范圍，如下式所示：

圖4 有限鄰域搜索策略Fig.4 Limited strategy of neighborhood search

步驟2：排序運(yùn)算并生成解。對(duì)步驟1中候選點(diǎn)集，根據(jù)距離從小到大進(jìn)行排序，如圖5所示。排序完成后，可從集合中選取候選點(diǎn)，使其滿足目標(biāo)函數(shù)式（2）。解決方案的生成順序是從頂行到結(jié)束行，如，當(dāng)選取線1作為新生成的解（P1，P6，P11），此解總距離最??；若解不滿足，可在領(lǐng)域中重新生成新的解，如（P2，P6，P11），（P1，P7，P11）等。

圖5 算法的搜索機(jī)制Fig.5 Search mechanism of algorithm

步驟3：計(jì)算每個(gè)解決方案的均衡度。引入均衡度來描述各解的不平衡利潤，并使其等于解矩陣的方差。因此，可以根據(jù)之前的最優(yōu)解（內(nèi)存池）計(jì)算每個(gè)解的實(shí)時(shí)累積利潤，并得到方差的值。如果不滿意，返回步驟2，重新生成解決方案。因此，我們總能在每次迭代中得到一個(gè)非劣解。

步驟4：選取最優(yōu)解決方案并更新內(nèi)存池。依據(jù)步驟3所得最優(yōu)解決方案，并將其添加至內(nèi)存池內(nèi)?；诖藘?nèi)存池可整合不同時(shí)間段的整個(gè)解。

3 案例研究及結(jié)論

本節(jié)討論基于區(qū)塊鏈方法的電動(dòng)汽車充電問題。通過對(duì)中國最大城市之一，即天津的真實(shí)數(shù)據(jù)進(jìn)行分析，可以驗(yàn)證電動(dòng)汽車分配系統(tǒng)的有效性，同時(shí)對(duì)智能合約的性能進(jìn)行了研究。

3.1 案例介紹和數(shù)據(jù)預(yù)處理

基于天津市實(shí)際電動(dòng)汽車充電數(shù)據(jù)進(jìn)行了案例研究。為提升不同公司的信息系統(tǒng)間的透明性，系統(tǒng)采用了區(qū)塊鏈聯(lián)盟。

依據(jù)全國電動(dòng)汽車數(shù)據(jù)聯(lián)盟發(fā)布的電動(dòng)汽車充電數(shù)據(jù)（包括電車充電數(shù)據(jù)及60 d內(nèi)的出行信息），電車出行數(shù)據(jù)集有兩億多條，充電數(shù)據(jù)集有5 000多條。電動(dòng)汽車的位置數(shù)據(jù)由GPS設(shè)備記錄，采集間隔為10 s。電動(dòng)汽車一天充電需求的分布如圖6所示，充電時(shí)間統(tǒng)計(jì)如表1所示，電動(dòng)汽車充電參數(shù)如圖7所示。

表1 充電時(shí)間統(tǒng)計(jì)Tab.1 Charging time statistics

圖6 電動(dòng)汽車充電需求的分布Fig.6 Distribution of EV charging needs

圖7 電動(dòng)汽車充電參數(shù)Fig.7 Parameter of EV charging

依據(jù)上述數(shù)據(jù)可以獲得表2，根據(jù)下式計(jì)算電池容量：

表2 數(shù)據(jù)描述Tab.2 Data description

再由下式推導(dǎo)出功耗：

電動(dòng)汽車充電速率的計(jì)算公式為

式中：ΔElectricity為電池變化電量；ΔSOC為電池荷電狀態(tài)變化量；ΔMileage為里程變化量。

考慮到隨機(jī)誤差，對(duì)所獲值進(jìn)行平均化處理。

而后，設(shè)置實(shí)驗(yàn)充電樁信息。假設(shè)每個(gè)充電站有一個(gè)快速充電樁和兩個(gè)慢速充電樁，從天津地區(qū)充電樁所屬公司：中國國家電網(wǎng)公司（SGCC）、BAIC的Teld、普天新能源有限公司（Potevio）、StarCharge收集數(shù)據(jù)，進(jìn)而獲得天津地區(qū)電動(dòng)汽車充電具體數(shù)據(jù)及空間分布，如圖8所示。

圖8 充電樁的數(shù)量與空間分布Fig.8 Charging pile compassion and spatial distribution

最后，依據(jù)天津市發(fā)展改革辦公室政府網(wǎng)站（2015年發(fā)布）收集收費(fèi)價(jià)格數(shù)據(jù)。天津市分時(shí)電價(jià)情況如圖9所示，充電樁服務(wù)收費(fèi)為0.8元/（kW·h）。另外，快、慢充電樁的建設(shè)價(jià)格分別為5元/d和0.5元/d。根據(jù)快/慢充電樁銷售價(jià)格（5萬元/5 000元），政府補(bǔ)貼率為每個(gè)充電樁80%，充電樁生命周期為3 a（約1 000 d）。

圖9 天津的定期電價(jià)Fig.9 Periodic electricity price of Tianjin

3.2 區(qū)塊鏈系統(tǒng)的實(shí)現(xiàn)

充電系統(tǒng)正常工作需要經(jīng)過兩個(gè)程序。首先是關(guān)鍵數(shù)據(jù)收集，包括電動(dòng)汽車用戶的充電需求、閑置電樁位置等，之后系統(tǒng)生成一個(gè)賬戶節(jié)點(diǎn)并將數(shù)據(jù)記錄于聯(lián)盟區(qū)塊鏈上；而后觸發(fā)智能合約實(shí)現(xiàn)充電樁的動(dòng)態(tài)配置，通過間隔的觸發(fā)智能觸點(diǎn)建立電動(dòng)汽車與充電樁之間的連接。

用戶：當(dāng)用戶產(chǎn)生充電需求后，可通過應(yīng)用程序?qū)で蠛线m充電樁，登錄系統(tǒng)后，系統(tǒng)對(duì)用戶所在位置進(jìn)行定位，而后依據(jù)定位推薦周圍充電樁，由用戶選取心儀充電樁位置。文中充分考慮到用戶使用的體驗(yàn)，在用戶選取位點(diǎn)后程序?qū)橛脩籼峁┳罴训那巴潆姌堵肪€。

公司：構(gòu)建聯(lián)盟區(qū)塊鏈系統(tǒng)，記錄交易信息。交易信息由聯(lián)盟中的所有公司維護(hù)，使數(shù)據(jù)在任何時(shí)候均可被信任。首先，系統(tǒng)收集交易信息并將其打包成一個(gè)數(shù)據(jù)塊，通過哈希函數(shù)（如MD5，SHA-1，SHA-256等）生成塊哈希值和Merkle樹。而后將在聯(lián)盟中生成一個(gè)貢獻(xiàn)者（核算節(jié)點(diǎn)），將數(shù)據(jù)塊放入?yún)^(qū)塊鏈。在這個(gè)系統(tǒng)中，生成機(jī)制是輪流的，如前一個(gè)塊由SGCC記錄，下一個(gè)塊由StarCharge記錄。通過這種方式，區(qū)塊鏈將有序延伸，聯(lián)盟區(qū)塊鏈也將得到良好的維護(hù)。

3.3 系統(tǒng)的性能

為了評(píng)估所提系統(tǒng)的性能，本節(jié)進(jìn)行了兩組驗(yàn)證實(shí)驗(yàn)：實(shí)驗(yàn)1驗(yàn)證LNSM算法中內(nèi)存操作的效果，對(duì)LNSM算法和NSA算法進(jìn)行了比較，驗(yàn)證了不同的系統(tǒng)利潤均衡結(jié)果；實(shí)驗(yàn)2對(duì)算法進(jìn)行參數(shù)敏感性分析，通過改變限制杠桿、鄰域搜索時(shí)間來查看結(jié)果的差異。

實(shí)驗(yàn)1：將候選站點(diǎn)固定為5個(gè)站點(diǎn)，EV號(hào)為3個(gè)，然后分別采用LNSM和NSA算法作為智能合約的核心機(jī)制進(jìn)行實(shí)驗(yàn)。各公司的累積利潤如圖10所示。在60 d內(nèi)，LNSM比非記憶法NSA表現(xiàn)出更好的公司聯(lián)盟均衡。另外，公司的利潤方差如圖11所示，可看出LNSM算法中公司的方差是相當(dāng)穩(wěn)定且低的，而NSA算法的方差要比LNSM算法高。

圖10 LNSM和NSA的利潤比較Fig.10 Profit comparison between LNSM and NSA

圖11 LNSM和NSA的利潤方差比較Fig.11 Profit variance comparison between LNSM and NSA

實(shí)驗(yàn)2：對(duì)智能合約采用LNSM算法，為用戶改變備選電動(dòng)汽車充電站。用戶更改充電站時(shí)，新能源公司的利潤方差如圖12所示。隨著候選限制的放寬，智能合約可使新能源企業(yè)的利潤更加均衡。因此，備選充電站數(shù)量的變化對(duì)新能源企業(yè)利潤均衡有很大影響。此外，從實(shí)驗(yàn)結(jié)果可以看出，候選站存在一個(gè)閾值，當(dāng)候選站點(diǎn)數(shù)量從8個(gè)增加到9個(gè)時(shí)，利潤方差仍有較大變化，然而，當(dāng)候選站點(diǎn)數(shù)量從9個(gè)增加到10個(gè)時(shí)，利潤方差幾乎無變化。

圖12 電動(dòng)汽車用戶不同備選站的利潤方差Fig.12 Profit variance of electric vehicle users at different alternative stations

實(shí)驗(yàn)結(jié)果表明，采用記憶法對(duì)新能源企業(yè)聯(lián)盟的均衡非常有用，在電動(dòng)汽車充電站為用戶推薦系統(tǒng)時(shí)應(yīng)采用記憶法。

3.4 結(jié)論

針對(duì)新能源電車充電需求的日益提升以及運(yùn)營公司之間不同利益需求導(dǎo)致的充電樁不合理分配等問題，文中提出了一種基于聯(lián)盟區(qū)塊鏈的新型智能電動(dòng)汽車充電系統(tǒng)。在該系統(tǒng)中，企業(yè)通過觸發(fā)智能合約與客戶建立聯(lián)系，維護(hù)客戶分配的公平性，平衡公司聯(lián)盟的利潤。公司之間通過區(qū)塊鏈聯(lián)盟的支持相互信任，區(qū)塊鏈具備防篡改和透明性等特點(diǎn)。同時(shí)，為企業(yè)構(gòu)建了切實(shí)可行的業(yè)務(wù)框架，為電動(dòng)汽車用戶設(shè)計(jì)了簡潔的應(yīng)用方法。而后，文中提出了一種新的算法LNSM來提高分配智能合約的性能。通過實(shí)驗(yàn)證明，LNSM可以降低計(jì)算復(fù)雜度。并且LNSM算法的性能優(yōu)于非記憶NSA算法。