CN109102120A

CN109102120A - 复杂场景下基于区块链的能源系统优化方法

Info

Publication number: CN109102120A
Application number: CN201810920368.8A
Authority: CN
Inventors: 平健; 陈思捷; 严正; 唐亮; 孙辰军; 王卓然
Original assignee: State Grid Hebei Electric Power Co Ltd; Shanghai Jiao Tong University
Current assignee: State Grid Hebei Electric Power Co Ltd; Shanghai Jiao Tong University
Priority date: 2018-08-14
Filing date: 2018-08-14
Publication date: 2018-12-28
Anticipated expiration: 2038-08-14
Also published as: CN109102120B; US20200057417A1

Abstract

一种复杂场景下基于区块链的能源系统优化方法，经初始化后通过全网节点进行优化问题的求解，最快求解的节点获得区块记账权并向全网广播，其他节点收到的区块进行正确性验证，通过验证的区块即为电力系统凸优化模型的全局最优解，并得以确认和向全网广播，本发明提出的能源区块链模型可以满足电力系统复杂优化场景对安全性、开放性、吞吐量等性能的要求，具备落地及应用能力。

Description

复杂场景下基于区块链的能源系统优化方法

技术领域

本发明涉及的是一种智能电网控制领域的技术，具体是一种复杂场景下基于区块链的能源系统优化方法。

背景技术

区块链作为一种去中心化、去信任化、公开透明的信息技术，为解决电力系统不同主体之间的信任问题，提升系统的公平性与效率性，提供了一个全新的解决方案。但现有研究或未深入探讨应用方案在区块链上的具体实现方法；或基于已有的区块链平台进行开发，未考虑其在运行效率、可扩展性上的弊端；或只考虑了电力系统中模型简单的场景。此外，电力系统除价值流动外，还涉及大量物理约束，其复杂程度远高于大部分已出现区块链应用的传统行业。目前广泛使用的区块链底层技术，如以太坊(Ethereum)、超级账本(hyperledger)、比特币等，而现有的区块链技术并不擅长求解电力系统的大规模复杂的优化问题，另外在安全性和可扩展性上也不适用于电力系统等节点数量过大的系统。

发明内容

本发明针对现有技术存在的上述不足，提出一种复杂场景下基于区块链的能源系统优化方法，通过凸优化证明(PoO，Proof-of-Optimization)共识机制促使各节点收集全网节点发布的数据，建立优化模型，并利用自身算力竞争求解。最先完成求解的节点获得该区块的记账权，将求得的解打包进区块，并向全网广播区块，获得一定的经济激励。本发明解决了现有区块链模型应用于电力系统复杂优化场景时效率低、可扩展性差甚至不可解的问题，提出安全、开放、高吞吐量、可扩展、契合电力系统需求的能源区块链模型。

本发明是通过以下技术方案实现的：

本发明涉及一种基于区块链的能源系统优化方法，经初始化后通过全网节点进行优化问题的求解，最快求解的节点获得区块记账权并向全网广播，其他节点收到的区块进行正确性验证，通过验证的区块即为电力系统凸优化模型的全局最优解，并得以确认和向全网广播。

所述的初始化是指：将电力系统固有场景信息记录在创世区块中，该创世区块用于定义该场景的固有信息：S₀＝<T_b,X,f₀(X₀),g₀(X₀),h₀(X₀),c_i(X),d_i(X)>,i∈[0,n]，其中：T_b为约定的出块时间。

所述的区块，包括区块头和区块体，其中：区块头存储模型中变量、目标函数、约束及拉格朗日乘子MPT树的根节点哈希值；区块体以MPT树状格式存储变量、目标函数、约束及拉格朗日乘子，优选进一步包括：变量树(VT,variable tree)、目标树(OT,objectivetree)、约束树(CT,constraint tree)、λ乘子树(λT,λ-multiplier tree)以及μ乘子树(μT,μ-multiplier tree)。

所述的通过全网节点进行优化问题的求解，即各节点向全网广播电力系统凸优化模型及约束条件，并收集并在区块中打包该时段全部合法广播。

所述的电力系统凸优化模型是指：

s.t.g_i(X_i)＝0,i∈[0,N]，

h_i(X_i)≤0,i∈[0,N]，

c_i(X)＝0,i∈[0,N]，

d_i(X)≤0,i∈[0,N]，其中：N+1为决策变量数量，第i组决策变量X_i对应相对独立的目标函数f_i(X_i)、简单约束集g_i(X_i)和h_i(X_i)，X为全部决策变量的集合，约束集c_i(X)和d_i(X)为耦合了各组决策变量的复杂约束。

所述的电力系统凸优化问题的拉格朗日函数为其中：L为所述问题的拉格朗日函数，λ_i、μ_i、α_i、β_i分别为凸优化模型各约束的拉格朗日乘子。

所述的区块记账权是指：最快求解的节点将优化问题的求解结果打包区块并向全网广播，具体为：最快求解的节点i将向全网广播其个人公开信息S_i＝<X_i,f_i(X_i),g_i(X_i),h_i(X_i)>，网络中的其他节点首先将收集到的公开信息分别添加至目标树和约束树，待收集完全部公开信息后，求解优化模型，根据求解结果更新变量树、λ乘子树和μ乘子树，生产新区块并向全网广播。

所述的正确性验证是指：其他节点验证收到的区块中的KKT条件(Karush-Kuhn-Tucher，凸优化问题最优解的充要条件)，具体为：节点收到新区块后，根据凸优化模型的拉格朗日函数下各约束条件判定验证区块包含的解的最优性，包括：其中：X^*为新区块中全部决策变量的最优解集合，为新区块中决策变量X_i的最优解；分别为新区块中的拉格朗日乘子；当所述新区块满足上述判定，说明该区块中的解为该问题的全局最优解，则节点确认该区块，并向全网广播，开始竞争下一区块。

技术效果

与现有技术相比，本发明将PoO共识机制引入区块链模型，取代传统的区块链共识机制，解决传统机制成本高、不能求解优化模型的缺陷；提出基于KKT条件的PoO快速验证方法，实现PoO机制下的分布式网络共识；设计适合存储电力系统状态量的区块结构。本发明设计的共识机制使得区块链可以应用于电力系统复杂场景，且具备高安全性、高开放度、高吞吐量的优点。

附图说明

图1为本发明提出的能源区块链的运行流程图；

图2为本发明提出的能源区块链区块结构示意图；

图3为本发明一个实施例中采用的24小时不可可控负荷曲线；

图4为本发明一个实施例中PoO求解时间与可控单元数量的关系。

具体实施方式

如图1所示，为本实施例涉及的一种基于区块链的能源系统优化方法，包括如下步骤：

步骤1、将电力系统固有场景信息记录在创世区块；

步骤2、区块链网络各节点，即矿工向全网广播其目标函数及约束条件；

步骤3、节点收集并在区块中打包该时段全部合法广播；

步骤4、节点求解该时段的优化模型，并将结果打包至区块；

步骤5、节点将其已打包的区块添加至本地区块链并向全网广播；

步骤6、其余节点收到区块后，验证收到区块的KKT条件。若验证有误，则抛弃该区块；若验证正确，则进入步骤7；

步骤7、节点将该区块添加至本地区块链，并向全网广播，完成该时段区块的产生流程。

如图2所示为本实施例中的能源区块链区块结构示意图。

所述的区块头包括父区块哈希、时间戳、以及变量树、目标树、约束树、λ乘子树和μ乘子树的根节点哈希值；

所述的区块体以MPT树状格式存储模型的变量、目标函数、约束条件、λ乘子和μ乘子。

本实施例将配网参与主体分为四类：可控分布式电源(CDG，controllabledistributed generation)、不可控分布式电源(UDG，uncontrollable distributedgeneration)、可调度负荷(IL，intelligent load)、不可控负荷(CL，conventional load)。

在时间尺度上，取15分钟为一个时段，每个时段下UDG和CL分别向配网提交未来若干个时段的预测出力/负荷曲线；CDG提交成本函数及个人约束；IL提交个人约束。系统根据主体提交的数据安排未来发用电计划。

本实施例的目标函数是使系统的总运行成本最小：其中：T为考虑的时段数，S_bus为配网全部节点的集合，为t时刻节点i CDG的成本函数，为t时刻系统根节点的电价，为t时刻系统根节点注入功率，也即系统总负荷。

本实施例将可控DG的成本函数视为二次函数形式，即：其中：a_i、b_i、c_i为节点i CDG的成本函数系数。

本实施例的约束条件包括：

1)基尔霍夫电流定律：

[1,T]，其中：和分别为t时刻节点i IL、CL以及UDG的有功功率。和分别为t时刻节点i的IL、CDG与UDG无功功率。为节点i的CL的功率因数。δ_i和η_i分别为节点i下游/上游节点集合。P_ij,t、Q_ij,t和分别为t时刻支路ij的有功/无功功率以及支路电流的平方。r_ki和x_ki分别为支路ki的电阻和电抗。

同时，当i为根节点时，应有：

2)基尔霍夫电压定律

其中：为t时刻节点i电压的平方，S_brn为配网全部线路的集合。

3)电压、电流约束：

其中：V^min和V^max分别为节点电压上、下限，为支路ij电流上限。

4)可控分布式电源个人约束，包括可控分布式电源最大出力约束和爬坡约束：

其中，为节点i CDG的视在功率上限。和分别为节点i向下/向上爬坡率上限。

5)不可控分布式电源个人约束：其中：为节点i UDG的视在功率上限。

6)可调度负荷个人约束：

其中：和分别为节点i IL的最早开始/最晚结束时段、总电量需求以及功率因数，ΔT为时段时长。为节点i IL的充电功率上限。

在本实施例中，采用改进的119节点辐射状配电系统结构。该系统中，UDG出力预测曲线根据光伏24小时典型有功出力曲线得到；CL负荷预测曲线根据某典型日24小时负荷曲线得到，如图3所示。系统根节点电价采用上海地区35kV夏季工商业及其他用电两部制电价的电度电价部分，即：峰时段(8-11时、13-15时，18-21时)电价为1.227元/kW·h，平时段(6-8时、11-13时、15-18时，21-22时)电价为0.757元/kW·h，谷时段(22时-次日6时)电价为0.293元/kW·h。

基于本实例的电力系统场景，根据本发明所设计的方法搭建能源区块链，测试本发明设计的区块链模型的性能。本实施例依托的电脑配置环境如下：

软/硬件	版本/型号
		操作系统	Windows 8.1
内存	8GB RAM
		CPU	Intel Core i5-4590 3.1GHz
Matlab	R2014a

求解复杂，验证简单是使网络中全部节点维持共识的关键。本实例中，PoO机制下共识算法的求解时间与验证时间的结果如下表所示：

	平均耗时/s	最长耗时/s	最短耗时/s
				求解模型	309.22	479.41	153.76
验证结果	0.66	0.86	0.63

根据上表可知，PoO的求解时间远大于验证时间。因此，在PoO机制下，节点需要完成的工作具有一定的工作量，且验证者可以迅速地验证工作是否正确，保障了去中心化网络的共识性。

出块时间是区块链模型的重要性能指标，出块时间越短，则交易耗费的延时越小，降低参与者的等待时间。出块时间可由下式定义：

T_block＝T_Consensus+T_broadcast，其中：T_block为出块时间，T_Consensus为共识算法求解时间，T_broadcast为区块广播所需时间。由于在一个节点规模确定的系统中，T_broadcast所需时间基本确定。因此，本实施例重点探讨共识T_Consensus与相关影响因素的关系。

本实施例使求解时段数固定为48时段，参与者的目标函数及约束随机生成，得到求解时间与可控单元(DG及IL)数量的关系如图4所示。

如图4所示，本方法的显著进步在于：

1)本实施例中的能源区块链具有开放性。可控单元可以随意加入和退出能源区块链，不影响区块链网络的稳定性。

2)本实施例中的能源区块链的吞吐量可满足当前配网可再生电源交易的需求。在当前的主流配置的电脑环境下，不同可控单元数量下的T_Consensus均远小于单时段时长(15分钟)，可保证配网可再生能源的有序、持续运行。

3)本实施例中的T_Consensus与可控单元数量近似成正比。部分点存在一定偏差，推测与可控单元的边界条件相关。由此可见，可控单元的广播信息将在一定程度上影响求解时间。

上述具体实施可由本领域技术人员在不背离本发明原理和宗旨的前提下以不同的方式对其进行局部调整，本发明的保护范围以权利要求书为准且不由上述具体实施所限，在其范围内的各个实现方案均受本发明之约束。

Claims

1.一种复杂场景下基于区块链的能源系统优化方法，其特征在于，经初始化后通过全网节点进行优化问题的求解，最快求解的节点获得区块记账权并向全网广播，其他节点收到的区块进行正确性验证，通过验证的区块即为电力系统凸优化模型的全局最优解，并得以确认和向全网广播；

所述的区块，包括区块头和区块体，其中：区块头存储模型中变量、目标函数、约束及拉格朗日乘子MPT树的根节点哈希值；区块体以MPT树状格式存储变量、目标函数、约束及拉格朗日乘子。

2.根据权利要求1所述的方法，其特征是，所述的初始化是指：将电力系统固有场景信息记录在创世区块中，该创世区块用于定义该场景的固有信息：S₀＝<T_b,X,f₀(X₀),g₀(X₀),h₀(X₀),c_i(X),d_i(X)>,i∈[0,n]，其中：T_b为约定的出块时间。

3.根据权利要求1所述的方法，其特征是，所述的区块体中进一步包括：变量树(VT,variable tree)、目标树(OT,objective tree)、约束树(CT,constraint tree)、λ乘子树(λT,λ-multiplier tree)以及μ乘子树(μT,μ-multiplier tree)。

4.根据权利要求1所述的方法，其特征是，所述的通过全网节点进行优化问题的求解，即各节点向全网广播电力系统凸优化模型及约束条件，并收集并在区块中打包该时段全部合法广播。

5.根据权利要求1或4所述的方法，其特征是，所述的电力系统凸优化模型是指：

s.t.g_i(X_i)＝0,i∈[0,n]，h_i(X_i)≤0,i∈[0,n]，c_i(X)＝0,i∈[0,n]，d_i(X)≤0,i∈[0,n]，其中：决策变量被分为n+1组，第i组决策变量X_i对应相对独立的目标函数f_i(X_i)、简单约束集g_i(X_i)和h_i(X_i)，X为全部决策变量的集合，约束集c_i(X)和d_i(X)为耦合了各组决策变量的复杂约束。

6.根据权利要求4所述的方法，其特征是，所述的约束条件基于配网参与主体，即可控分布式电源、不可控分布式电源、可调度负荷和不可控负荷，具体包括：基尔霍夫电流/电压定律、电压、电流约束、可控分布式电源个人约束、不可控分布式电源个人约束、可调度负荷个人约束。

7.根据权利要求1所述的方法，其特征是，所述的区块记账权是指：最快求解的节点将优化问题的求解结果打包区块并向全网广播，具体为：最快求解的节点i将向全网广播其个人公开信息S_i＝<X_i,f_i(X_i),g_i(X_i),h_i(X_i)>，网络中的其他节点首先将收集到的公开信息分别添加至目标树和约束树，待收集完全部公开信息后，求解优化模型，根据求解结果更新变量树、λ乘子树和μ乘子树，生产新区块并向全网广播。

8.根据权利要求1所述的方法，其特征是，所述的正确性验证是指：其他节点验证收到的区块中的KKT条件。

9.根据权利要求1或8所述的方法，其特征是，所述的正确性验证，具体为：节点收到新区块后，根据凸优化模型的拉格朗日函数下各约束条件判定验证区块包含的解的最优性，包括：其中：X^*为新区块中的最优解，分别为新区块中的拉格朗日乘子；当所述新区块满足上述判定，说明该区块中的解为该问题的全局最优解，则节点确认该区块，并向全网广播，开始竞争下一区块。