基于灰狼算法的電力能源區(qū)塊鏈分塊優(yōu)化仿真

劉 戩，樊小朝，史瑞靜，3，王維慶

(1.新疆大學(xué)電氣工程學(xué)院，新疆 烏魯木齊 830047；2.新疆大學(xué)可再生能源發(fā)電與并網(wǎng)技術(shù)教育部工程研究中心，新疆 烏魯木齊 830047；3.新疆工程學(xué)院電氣工程學(xué)院，新疆 烏魯木齊 830000)

1 引言

2020年在區(qū)塊鏈技術(shù)的基礎(chǔ)上國家電網(wǎng)建立了公共服務(wù)平臺，在此背景下，人們開始關(guān)注區(qū)塊鏈技術(shù)。2016年我國發(fā)布了《能源技術(shù)革命創(chuàng)新行動(dòng)計(jì)劃》，計(jì)劃在2020年完成能源互聯(lián)網(wǎng)技術(shù)創(chuàng)新體系的構(gòu)建。中小企業(yè)在分布式可再生能源飛速發(fā)展的背景下在發(fā)電行列中引入了可再生能源[1]，人們對電網(wǎng)提出了更高的要求，例如合理消納可再生能源。區(qū)塊鏈技術(shù)存在開放性、去中心化和不可篡改等優(yōu)點(diǎn)，可以對電力能源進(jìn)行優(yōu)化[2]。電力能源具有易追蹤、傳輸快的優(yōu)點(diǎn)，因此對電力能源區(qū)塊鏈進(jìn)行優(yōu)化具有重要意義。

國玉剛[3]等人建立了電網(wǎng)數(shù)學(xué)模型，對元件參數(shù)漂移產(chǎn)生的影響和元器件應(yīng)力約束進(jìn)行分析，從輸出功率、工作模式分布、傳輸效率和元件應(yīng)力等方面建立電力能源優(yōu)化模型，并采用遺傳算法對模型求解，完成電力能源區(qū)塊鏈的優(yōu)化，該方法優(yōu)化后的系統(tǒng)配置容量較低，優(yōu)化效果差。趙冬梅[4]等人在負(fù)荷模型的基礎(chǔ)上對負(fù)荷曲線進(jìn)行修正，計(jì)算電儲能壽命，將新能源接納率和供電可靠性作為目標(biāo)，建立優(yōu)化雙層模型，通過Gurobi求解器獲取模型最優(yōu)解，完成電力能源區(qū)塊鏈優(yōu)化，該方法存在收益率低的問題。何森[5]等人將分布式儲能和低壓配電網(wǎng)安全運(yùn)行作為約束條件，將上級電網(wǎng)負(fù)荷率最大和低壓配電網(wǎng)有功損耗最小作為目標(biāo)，構(gòu)建優(yōu)化模型，完成電力能源區(qū)塊鏈優(yōu)化，應(yīng)用該方法后區(qū)塊鏈出塊速度較慢，導(dǎo)致系統(tǒng)優(yōu)化后的配置容量無法得到有效提升。

為了解決上述方法中存在的問題，提出基于跨鏈技術(shù)的電力能源區(qū)塊鏈優(yōu)化方法。

2 基于區(qū)塊鏈技術(shù)的電力能源區(qū)塊鏈優(yōu)化模型

2.1 Cosmos平臺

2.1.1 Cosmos平臺結(jié)構(gòu)

各個(gè)區(qū)塊鏈在沒有跨鏈技術(shù)的支持下無法進(jìn)行資產(chǎn)轉(zhuǎn)移和通信，Cosmos平臺屬于區(qū)塊鏈的去中心化網(wǎng)絡(luò)[6，7]。通過特殊方式各個(gè)區(qū)塊鏈在Cosmos平臺中可傳遞信息、交換資產(chǎn)。Cosmos平臺屬于異構(gòu)網(wǎng)絡(luò)，支持跨鏈技術(shù)，Cosmos平臺由平行的Hub鏈和Zone區(qū)塊鏈構(gòu)成，其結(jié)構(gòu)如圖1所示。

圖1 Cosmos平臺結(jié)構(gòu)

所有Hub鏈和Zone區(qū)塊鏈中都存在開發(fā)框架Cosmos-SDK、應(yīng)用程序結(jié)構(gòu)和區(qū)塊鏈共識引擎三個(gè)技術(shù)組件。共識引擎的主要作用是保證以相同的順序采用相同機(jī)器對同一筆交易進(jìn)行記錄，也被稱為Tendermint Core，共識層和網(wǎng)絡(luò)層的封裝可通過共識引擎完成，區(qū)塊鏈開發(fā)者可以使用封裝后的信息，在上述背景下只對應(yīng)用層進(jìn)行考慮即可完成鏈的開發(fā)，降低應(yīng)用開發(fā)所用的時(shí)間。

2.1.2 共識層

各個(gè)節(jié)點(diǎn)中存在的數(shù)據(jù)在區(qū)塊鏈中可通過共識機(jī)制達(dá)成共識。每個(gè)Zone在采用Tendermint改進(jìn)的BFT算法中存在兩種角色：

1)驗(yàn)證者：節(jié)點(diǎn)在區(qū)塊鏈中可以完成區(qū)塊的投票，不同節(jié)點(diǎn)在區(qū)塊鏈中都存在不同的投票權(quán)利；

2)提議者：按照相關(guān)規(guī)定產(chǎn)生驗(yàn)證者。提議者按照順序提議交易的區(qū)塊，驗(yàn)證者的主要作用是對提議者提議的區(qū)塊進(jìn)行投票。

2.1.3 跨鏈技術(shù)

采用IBC協(xié)議連接Hub和Zone，Zone連接到Hub后，Hub可隨意連接Zone，通過上述分析可知，Zone之間在區(qū)塊鏈中不用建立連接，只與Hub連接即可。

利用基于Cosmos平臺的電力能源區(qū)塊鏈跨鏈方案，劃分區(qū)塊鏈，獲得多個(gè)少節(jié)點(diǎn)的區(qū)塊鏈，提高區(qū)塊鏈的出塊速度。

2.2 電力能源區(qū)塊鏈優(yōu)化模型

對區(qū)塊鏈中的節(jié)點(diǎn)進(jìn)行劃分，獲得不同類型的節(jié)點(diǎn)，對系統(tǒng)碳排放成本和運(yùn)行成本進(jìn)行考慮，在上述跨鏈技術(shù)的基礎(chǔ)上建立電力能源區(qū)塊鏈優(yōu)化模型。

2.2.1 目標(biāo)函數(shù)

對電力能源系統(tǒng)總成本進(jìn)行考慮[8，9]，將最小儲能成本和碳排放成本作為優(yōu)化目標(biāo)，建立目標(biāo)函數(shù)f，其表達(dá)式如下

(1)

用二次函數(shù)表示碳排放成本函數(shù)

(2)

式中，χ代表的是碳排放社會成本系數(shù)；α代表的是碳排放系數(shù)。

2.2.2 約束條件

1)通過下式描述分布式電源在優(yōu)化過程中的約束條件

(3)

2)在優(yōu)化過程中通過下式描述可控負(fù)荷約束

(4)

3)儲能約束條件可通過下式進(jìn)行表示

(5)

4)電壓電流在區(qū)塊鏈優(yōu)化過程中的約束如下

(6)

5)功率平衡約束如下

(7)

式中，Pij，t代表的是支路ij在t時(shí)刻對應(yīng)的有功功率；Qij，t代表的是支路ij在t時(shí)刻對應(yīng)的無功功率。

3 模型求解

對灰狼算法進(jìn)行改進(jìn)，利用改進(jìn)后的灰狼算法對電力能源區(qū)塊鏈優(yōu)化模型進(jìn)行求解，完成電力能源區(qū)塊鏈的優(yōu)化。

3.1 基本灰狼算法

用α表示種群在灰狼算法中的最優(yōu)個(gè)體，其次個(gè)體分別用β、δ表示，用ω表示種群中剩余的個(gè)體，基本灰狼算法的全局最優(yōu)解即為獵物的最終位置[10，11]。

獵物與個(gè)體在狼群包圍獵物時(shí)的距離D可通過下式計(jì)算得到

D=|CXp(t)-X(t)|

(8)

式中，Xp(t)代表的是迭代過程中獵物對應(yīng)的位置；X(t)描述的是灰狼個(gè)體在迭代過程中對應(yīng)的位置；C為常數(shù)變量，可通過下式計(jì)算得到：

C=2r2

(9)

式中，r2為隨機(jī)數(shù)，在區(qū)間[0，1]內(nèi)取值。

根據(jù)距離D通過下式更新灰狼的位置

X(t+1)=Xp(t)-AD

(10)

A=2ar1-a

(11)

式中，a代表的是收斂因子；r1為隨機(jī)數(shù)，同在區(qū)間[0，1]內(nèi)取值。

對常數(shù)變量A、C進(jìn)行調(diào)整，可獲得灰狼最佳位置，對隨機(jī)數(shù)r1、r2進(jìn)行調(diào)整，可在區(qū)域內(nèi)使灰狼到達(dá)任意位置。

利用α、β、δ對實(shí)際獵物的方位進(jìn)行判斷[12，13]，假定在目標(biāo)位置判定過程中α、β、δ中存在有效信息，在迭代過程中通過α、β、δ可獲得三個(gè)最優(yōu)解，利用最優(yōu)解對目標(biāo)位置進(jìn)行更新

(12)

式中，Dα、Dβ、Dδ分別代表的是通過α、β、δ獲得的距離；Xα、Xβ、Xδ均代表的是灰狼位置；A1、A2、A3為常數(shù)變量；X(t+1)代表的是目標(biāo)更新位置。

通過上述過程對獵物的移動(dòng)方向進(jìn)行判斷，并在灰狼群體協(xié)調(diào)配合的基礎(chǔ)上對獵物進(jìn)行捕獵，跳出局部最優(yōu)后，通過多次迭代獲得全局最優(yōu)解。

3.2 算法改進(jìn)

基于跨鏈技術(shù)的電力能源區(qū)塊鏈優(yōu)化方法從參數(shù)控制和種群初始化兩個(gè)方面對灰狼算法進(jìn)行改進(jìn)。

1)Tent映射

基于跨鏈技術(shù)的電力能源區(qū)塊鏈優(yōu)化方法通過Tent映射方法[14]，結(jié)合灰狼算法和混沌算子對初始種群進(jìn)行賦值，提高其多樣性，通過下式表示Tent映射操作

考慮程序圖 M=(S，{Ra}，V)和狀態(tài)集S，類似于二元轉(zhuǎn)換關(guān)系Ra表示基本的行動(dòng)(有時(shí)記為→a)，并且值V可解釋為命題字母p用以表示局部的狀態(tài)。在該模型中，可將語言解釋為加標(biāo)的模態(tài)詞，基于“行動(dòng)-可及狀態(tài)”(action-accessible states)上有：

(13)

經(jīng)過貝努力移位變換后Tent映射可轉(zhuǎn)化為下式

xt+1=2(xt)mod 1

(14)

2)非線性收縮因子

收縮因子a通常情況下使用線性遞減策略[15]

(15)

式中，amax、amin分別代表的是收縮因子的上限值和下限值。

采用灰狼算法對電力能源區(qū)塊鏈優(yōu)化模型求解的過程如圖2所示。

4 實(shí)驗(yàn)與分析

為了驗(yàn)證基于跨鏈技術(shù)的電力能源區(qū)塊鏈優(yōu)化方法的整體有效性，需要對其進(jìn)行測試。

將某多能源電網(wǎng)系統(tǒng)作為實(shí)驗(yàn)對象，根據(jù)系統(tǒng)的實(shí)際運(yùn)行數(shù)據(jù)對基于跨鏈技術(shù)的電力能源區(qū)塊鏈優(yōu)化方法、文獻(xiàn)[3]方法和文獻(xiàn)[4]方法進(jìn)行測試。該多能源電網(wǎng)系統(tǒng)的負(fù)荷曲線和系統(tǒng)參數(shù)分別如圖3和表1所示。

表1 系統(tǒng)參數(shù)

圖2 模型求解流程

采用基于跨鏈技術(shù)的電力能源區(qū)塊鏈優(yōu)化方法、文獻(xiàn)[3]方法和文獻(xiàn)[4]方法進(jìn)行優(yōu)化前后可再生能源配置容量的對比測試，測試結(jié)果如圖4所示。

圖4 不同方法的配置容量測試結(jié)果

分析圖4可知，在風(fēng)電機(jī)組配置容量測試過程中，與優(yōu)化前相比，所提方法優(yōu)化后的配置容量最多，其次是文獻(xiàn)[4]方法，最次是文獻(xiàn)[3]方法。在光伏機(jī)組配置容量測試過程中，仍是所提方法的優(yōu)化結(jié)果最佳，文獻(xiàn)[3]方法的優(yōu)化結(jié)果優(yōu)于文獻(xiàn)[4]方法的優(yōu)化結(jié)果。結(jié)合上述測試結(jié)果可知，所提方法對電力能源區(qū)塊鏈進(jìn)行優(yōu)化之后，可再生能源配置容量得到了提升，因?yàn)樗岱椒ㄔ贑osmos平臺中設(shè)計(jì)了跨鏈技術(shù)，提高了區(qū)塊鏈的出塊速度，進(jìn)而提高了優(yōu)化結(jié)果，增加了可再生能源的配置容量。

將收益率作為指標(biāo)，進(jìn)一步對所提方法、文獻(xiàn)[3]方法和文獻(xiàn)[4]方法的優(yōu)化效果進(jìn)行測試，系統(tǒng)的收益率越高，電力能源區(qū)塊鏈優(yōu)化效果越好，反之，系統(tǒng)的收益率越低，電力能源區(qū)塊鏈優(yōu)化效果越差，不同方法的測試結(jié)果如圖5所示。

由圖5中的數(shù)據(jù)可知，隨著天數(shù)的增加，不同方法優(yōu)化后系統(tǒng)的收益率均有所增加，但與文獻(xiàn)[3]方法和文獻(xiàn)[4]方法相比，所提方法的收益率最高，表明所提方法優(yōu)化后的電力能源區(qū)塊鏈具有較好的性能。

5 結(jié)束語

電力系統(tǒng)在運(yùn)行過程中的高效性、穩(wěn)定性和安全性直接受電力能源調(diào)度的影響，為了提高電力能源系統(tǒng)的性能，需要對電力能源區(qū)塊鏈優(yōu)化方法進(jìn)行分析和研究。目前電力能源區(qū)塊鏈優(yōu)化方法的能源配置容量低、收益率低。提出基于跨鏈技術(shù)的電力能源區(qū)塊鏈優(yōu)化方法，在Cosmos平臺中設(shè)計(jì)跨鏈技術(shù)，在此基礎(chǔ)上，構(gòu)建電力能源區(qū)塊鏈優(yōu)化模型，并用改進(jìn)后的灰狼算法對模型求解，完成電力能源區(qū)塊鏈的優(yōu)化。提高了電力能源系統(tǒng)的配置容量和收益率，為電力系統(tǒng)的發(fā)展提供了保障。

圖5 不同方法的收益率