CN113394880B - 基于区块链使能的智能电网电力故障检测与安全传输方法 - Google Patents

Abstract

本发明公开了一种基于区块链使能的智能电网电力故障检测与安全传输方法。本发明使用无人机对电力设备进行自动检测，将城市划分为规模相等的域，并制定了一个多目标优化问题来最大化传输效益和安全性。将公式化问题分解为两个子问题，即：安全协同传输优化和上传子信道分配。对于安全协同传输问题，采用基于深度强化学习的改进的近端策略优化训练算法和基于A*算法的双目标多目的地路径优化算法获取数据的域内传输路径和跨域传输路径，对于子信道分配问题，采用改进的市场匹配算法，通过考虑有限的频谱资源和时间敏感的电力故障来优化子信道分配。本发明为设计安全、高效、可行的智能电网电力故障检测系统提供了一种新的解决方案。

Description

基于区块链使能的智能电网电力故障检测与安全传输方法

技术领域

本发明涉及电网领域中进行电力故障检测与数据安全传输的技术，通过无人机检测来代替成本高且危险的人工检测，尤其涉及到区块链技术和数据传输技术相结合进行电力故障的安全传输。

背景技术

随着电网的覆盖范围正在迅速扩大，电气故障的检测与维护一直是亟待解决的难题。考虑到输电线和输电塔长期暴露在野外，气候变化、人为破坏、雷击、鸟害等原因使输电线和输电塔成为智能电网中容易发生故障的主要设备。而目前主要采取的检修方法仍是人工检修。然而，复杂的地理环境、危险的高空作业和昂贵的人工费用是阻碍人工检修准确性和及时性的巨大障碍。因此，准确地发现、记录、上报电力故障并维护的自动化检测范式迫在眉睫。在5G通信技术支持下，无人机(Unmanned Aerial Vehicle，下文简称无人机)信号传输技术为实现电力故障的自动检测提供了机遇。不同于人工检修，装备有高清摄像头和图像识别技术的无人机能够不受时间和地理环境的限制做到自动检测，将识别出的电力故障用高清摄像头记录成视频数据。但截至目前，根据中国工业和信息化部发布的统计数据，陆地上网络覆盖占比仅约20％，地球表面覆盖占比仅约6％，对于没有网络覆盖的偏远地区，电力故障视频需要传输到供电站(Power Supply Station，下文简称PSS)覆盖的区域内上传以人工核验和派遣维护人员检修。Zhang等人^[1]研究了无人机的两种通信模式下的多无人机通信，但并不适用于偏远地区的长距离数据传输问题，长距离数据传输过程带来的巨大时延，这大大增加了电力故障所带来的影响，而在这个过程中，无人机设备随时有可能遭遇攻击从而造成电力窃取、机密泄露等损失，如乌克兰电网攻击事件、委内瑞拉大范围电网攻击停电事件。Zhou等人^[2]提出了一种安全的无人机移动边缘计算系统，采用低复杂度的迭代算法最大化最小保密容量，但该方法牺牲了大量传输性能来确保安全性，不适用于延迟敏感的电力故障传输场景； Kudumakis等人^[3]研究了基于区块链技术来保证安全性，虽然区块链技术的成熟给工业领域的安全性带来了机遇，但如何量化区块链验证的安全性并与性能做出权衡是一个迫在眉睫的挑战。因此，如何在保证数据安全性的基础上提高传输效率从而实现可靠的长距离电力故障数据传输是本发明的关注重点。

发明内容

本发明主要针对难以及时检测电力故障并传输故障数据的偏远地区。在地理环境复杂的偏远山区，使用无人机检测输电线和输电塔，并使用联盟区块链保证安全性的前提下进行高效传输。

针对这个问题构建了一个基于城市电网的电力故障检测与安全传输系统，并制定了一个多目标优化问题来最大化传输效益和安全性。将公式化问题分解为两个子问题，即：安全协同传输优化和上传子信道分配。对于第一个子问题，提出一个基于区块链的安全传输方案，并分解区块链验证优化和协同传输路径优化两个步骤，为了解决这两个问题，相应提出了改进的近端策略优化训练算法和一种基于A*算法的双目标多目的地路径优化算法来分别处理这两个步骤；针对第二个子问题，考虑到有限的频谱资源和电力故障的时延敏感性，提出了一种改进的市场匹配算法来优化故障信号的上传时延，最终实现电力故障的安全高效传输。

因此，本发明采用的技术方案是：

一种基于区块链使能的智能电网电力故障检测与安全传输方法，步骤如下：

1)对城市拓扑进行域的划分，构建城市拓扑，并以此构建传输模型，将供电站(PSS)覆盖域作为城市拓扑的传输终点；

2)无人机检测到产生的电力故障，使用无人机进行电力故障数据传输，基于步骤1)中构建的传输模型，确定多目标优化函数；将问题分解成两个待解决的子问题；

3)若电力故障所产生的域不在PSS可覆盖范围域，则基于步骤2)中确定的优化函数使用无人机进行域内传输；

4)为了保证数据传输的安全性和传输性能，对区块链传输的安全性和传输性能进行权衡，确定深度强化学习的状态空间、动作空间和奖励函数，使用改进的近端策略优化训练算法优化共识节点数量和区块大小；

5)基于步骤4)中优化后的区块链参数进行区块链认证，若认证未通过，则记录错误信息，返回错误数据，若认证通过，则使用基于A*算法的双目标多目的地路径优化算法优化路径，基于优化后的路径进行故障数据传输；

6)重复域内传输步骤3)～5)直至传输到PSS覆盖域，使用改进的市场匹配算法选择合适的信号上传子信道优化上传时延；

7)数据上传后进行电力故障的人工检测，并根据故障数据回传奖励。

本发明构建模型时考虑了输电塔遍布住宅区、工业区、商业区、办公楼区、机场区、各类发电厂及偏远地区等多个区域，无人机对输电塔和输电线进行实时监控，每个域内包含一个无人机管理站对无人机进行统一管理和充电操作。

本发明购进的延时模型传输请求封装为交易上传给无人机管理站，经验证后将其投入交易池中，由无人机管理站将交易封装成区块发起共识，并将共识结果返回给发起设备，通过区块链认证后，该信息开始进行域内数据传输和域间数据传输，为了保证传输安全性，域内的无人机管理站要对请求传输的每个信息进行验证，直至选择子信道上传给供电站。

一般的延迟贪婪策略没有固定的趋势，该策略目的仅为在满足安全性的基础上最小化延迟。一旦区块链验证参数满足最小安全阈值，设备将停止搜索安全性更好的策略，而本发明中提出的改进的近端策略优化算法最接近安全贪婪策略所获得的最优安全性，说明本发明中提出的改进的近端策略优化算法的安全性高。同时改进的近端策略优化算法在保持稍逊于延迟贪婪策略的延迟性能的前提下有着远高于延迟贪婪策略的安全性。

本发明中改进的近端策略优化算法在安全性能和延迟性能之间进行权衡后牺牲了部分可接受延迟达到更高的安全性，具有最低成本指标。

由于基于A*的路径优化算法能够在传输时延和传输成本之间进行权衡，性能上能够做到同时接近最优性能。

本发明提出的改进的市场匹配策略在每次迭代中不断维护和更新请求者和子信道的偏好列表，得到的结果接近最优策略；能够控制最差情况(即最大总时延)恶化，并得到接近最优(贪婪策略)的结果。

附图说明

图1为基于无人机的智能电网的说明性场景图；

图2为具体的电力故障检测-传输-维护流程示意图；

图3为区块链验证共识过程示意图；

图4为在节点共识异常概率不同的情况下，区块链验证成功概率变化；

图5为在不同的最低网络吞吐量限制的情况下，区块链验证时延性能在不同策略情况下的变化；

图6为在不同的最低网络吞吐量限制的情况下，区块链验证成本指标性能在不同策略情况下的变化；

图7为在随机分布下，不同无人机数量的情况下，故障数据传输路径的时延性能在不同策略情况下的变化；

图8为在随机分布下，不同无人机数量的情况下，故障数据传输路径的成本性能在不同策略情况下的变化；

图9为在标准分布下，不同无人机数量的情况下，故障数据传输路径的时延性能在不同策略情况下的变化；

图10为在标准分布下，不同无人机数量的情况下，故障数据传输路径的成本性能在不同策略情况下的变化；

图11为在不同的PSS子信道数量的情况下，无人机子信道匹配模型的总时延期望性能的变化；

图12为在不同的PSS子信道数量的情况下，无人机子信道匹配模型的最大总时延性能的变化；

图13为在提出请求的无人机数量不同的情况下，无人机子信道匹配模型的总时延期望性能的变化；

图14为在提出请求的无人机数量不同的情况下，无人机子信道匹配模型的最大总时延性能的变化。

具体实施方式

为了更加清楚详实地展现本发明的优点，下面将结合图片进一步描述本发明的实施方式。

本发明提供了一种基于区块链使能的智能电网电力故障检测与安全传输方法，旨在设计一种高效安全的电力故障自动检测系统，这个过程使用无人机对偏远地区高危且易受损害的输电线和输电塔进行故障检测，而后使用无人机传输记录下的故障信号，考虑到无蜂窝网络覆盖的偏远地区，该故障数据需要传输到在PSS通信范围内的域内，并上传给PSS进行人工检测，传输过程中设备随时可能遭受攻击，为此，本发明使用联盟区块链技术来保证传输过程的安全性，进而实现安全高效的电力故障检测和故障数据传输。

图1为基于无人机的智能电网的说明性场景图，基于城市的规划，将大规模城市中的不同区域划分为同等大小的域以便于对无人机进行管理。在城市中遍布着输电线、输电塔和不同的电力节点，每个域中的工作无人机以固定高度h 和固定速度v飞行以监测输电线和输电塔，根据不同的功能，无人机可以被分为监测无人机和中继无人机，其中，监测无人机配备了高清摄像头和图像识别功能，一旦无人机监测到故障图像，就会立刻对所监测到的电力故障进行多角度录像并打包成故障数据包，而后该故障数据将经过多个域传输给PSS进行人工核验。

图2为具体的故障数据传输过程，可以总结为以下几个步骤：①监测无人机检测到电力节点或输电线的电力故障，将其记录下来并打包成故障信号；②监测无人机将传输请求打包为一个交易，包含交易头和故障项，该交易被发送给无人机管理站进行区块链验证以保证数据包的安全性。无人机管理站对椭圆曲线数字签名算法生成的签名进行核验，以验证接收到的故障信号的安全性和完整性，完成核验后，无人机管理站在交易上签名并将验证后的交易加入交易池；③一个包含多个交易的区块由无人机管理站生成并广播给其他共识节点进行区块链验证；④若该区块通过验证，该区块将被存储在区块链中。无人机可以查找到相应故障信息以核验安全性；⑤如果传输请求通过验证，无人机管理站将选择中继无人机和域内目的地来传输故障信号，否则，无人机管理站将返回错误消息并拒绝传输；⑥当故障信号被发送到下一个域时，负载故障信号的无人机需要首先进行传输请求的验证，验证后，重复步骤②～⑤，直到故障信号被发送到PSS覆盖范围内的域；⑦在PSS覆盖范围域内，中继无人机基于信道状态选择子信道将故障信号上传到PSS；⑧PSS收到故障信号后，通过人工核验故障信号，经核验后派遣维护人员前往故障地点进行维护。同时，PSS将奖励信息发送参与传输域的无人机管理站，由管理站对参与传输的无人机进行奖励。

步骤1)：对城市拓扑进行域的划分，构建城市拓扑，并以此构建传输模型，将供电站(PSS)覆盖域作为城市拓扑的传输终点。具体分析如下：

考虑到城市规模给无人机调度带来的困难，首先将城市划分为多个规模相等的域，并将城市表示为图

其中

表示城市内域的集合，ε表示域间的邻接关系。

表示域的集合且D表示域的总数，各域间的邻接关系集合则表示为ε＝{e<d,d′>|d,d′∈D∧d≠d′}，如果域d和域d′是邻接的， e<d,d′>＝1，e<d,d′>表示域d和域d′之间的邻接关系。而对于域d而言，域d内包含D^d个无人机，无人机的集合表示为

其设备间连接关系的集合表示为

其中e<i,j>表示无人机i和无人机j之间的邻接关系即是否可通信。无人机根据不同的工作模式划分为检测无人机和中继无人机。设定所有工作无人机的飞行高度和飞行时间固定，分别为h和v。为了能够对域内的无人机进行高效管理，每个域包含一个无人机管理站对无人机进行及时调度和充电，域d的无人机管理站表示为C^d。PSS负责管理所有的无人机管理站，PSS表示为

将在PSS覆盖范围内的域的集合表示为

其中

表示PSS覆盖范围内的域的集合，

表示PSS覆盖范围内域的个数。在城市任一域中检测到的电力故障都要传输到

集合中的一个域以便上传给PSS进行人工核验。

1.1)安全模型的详细说明如下：

本发明利用联盟区块链技术来保证数据传输过程的安全性。在区块链结构中，PSS担任注册机构的角色对联盟中的所有节点赋权，为了保证区块链验证过程的稳定性，具有固定供能模式的无人机管理站被赋予共识权限，工作无人机被赋予了读取权限，以便核验请求的安全性。生成新的区块之前，区块需要通过共识协议验证，此处使用实用拜占庭容错共识协议。该协议的共识过程如图3所示，可分为五个阶段：①无人机将传输请求打包成交易，并将包含数字签名和哈希值的交易发送给所在范围内的无人机管理站；②接收到交易后，一个包含多个交易的区块需要计算哈希值来构造默克尔树，生成区块的无人机管理站被视为验证该区块过程的领导者广播区块给其他共识节点进行验证，由其他共识节点验证是否接受通过各交易；③共识节点收到区块后，首先对区块的完整性和合法性进行验证和审计。每个节点将审计结果集成到接收到的交易的数字签名中，并广播给其他节点。在这个过程中，共识节点被认为是半可信的，将验证失败的概率设为P，完成共识后，节点之间广播共识结果进行核验，当每个共识节点收到来自2q个不同节点的共识成功结果，其中q表示可以容忍的异常节点的数量(如图3中的共识节点3)；④核验结果会广播给其他节点进行比较，一旦接收到超过(2q+1)的比较结果，则认为共识成功；⑤最后，每个共识节点将自己的比较结果单播给领导节点，而后领导节点将核验结果返回给相应的请求者。

共识机制作为保证传输安全的主要操作，是对区块链的安全性进行评估的主要操作。假设共识节点的数量为D^*，考虑到共识节点可能被攻击为异常节点，共识节点的数量需要满足D^*≥3q+1。因此，共识协议验证成功的概率可以表示为：

用以反映传输的安全性。

1.2)通信模型的详细说明如下：

本发明中，5G使能的无人机通信包括三种模式：无人机与管理站通信(UAV-to-Management station，下文简称U2M)、无人机与无人机通信(UAV-to-UAV，下文简称U2U)、无人机与PSS通信(UAV-to-PSS，下文简称 U2S)，具体规定如下：

a.U2M通信模型

每架工作无人机都配备有视距(Line-of-Sight，下文简称LoS)和非视距(Non-Line-of-Sight，下文简称NLoS)通信组件。自由空间中的路径损耗由λ_i计算，可以由公式

计算，其中f^c和v^c分别表示信道频率和光速,π为圆周率。则无人机i到无人机管理站C^d的LoS的路径损耗可以由公式

计算得到，无人机i到无人机管理站C^d的NLoS的路径损耗可以由公式

计算得到。在这两个公式中，η^los和η^nlos分别表示LoS和NLoS的平均额外路径损耗，L_i,d表示无人机i到无人机管理站C^d的距离，可以由

计算得到，其中x_i和y_i分别表示无人机i的横纵坐标，x_d和y_d分别表示无人机管理站C^d的横纵坐标，h为无人机固定飞行高度，因此平均路径损耗可以计算为：

基于无人机和管理站的位置，

表示LoS通信的概率，

表示NLoS 通信的概率。其中，

其中a和b是信道系数，用来评估通信模式的概率。其中θ_i,d表示无人机i和域内的无人机管理站位置的夹角。所占用信道的平均接收功率可由

其中p_i是无人机i的传输概率。在U2M通信模式中，利用正交频分多址技术来保证通信质量，因此，信噪比Γ_i,d可以由p_i,d/σ²计算，其中σ²表示高斯白噪声。因此，U2M通信速率可以计算为

其中B_m表示U2M通信的子信道带宽。

b.U2S通信模型

所有的故障信号最终都需要上传到PSS中，这对有限的频谱资源造成了很大压力。因此，在U2S通信中使用非正交多址访问技术来通过子信道复用提升故障信号的上传效率。PSS的带宽记为B_s，PSS的信道分为K个子信道，PSS的子信道可以表示为集合

表示PSS子信道集合。子信道k的干扰可以由

计算得到。其中ξ_ι,s,k表示设备ι占用了子信道k的标识，p_ι,s,k表示平均接收功率，由

计算得到，其中

表示无人机i和PSS通信的平均路径损耗，同时占用子信道k的无人机集合记为

因此，U2S通信的信干噪比Γ_i,s,k可以由

计算，相应地，在固定PSS信道带宽为B_s的情况下，U2S占用子信道k的通信速率

在可以计算为：

c.U2U通信模型

利用自由空间信道模型对U2U通信进行建模。从无人机i到j的接收功率可由

计算得到。其中g表示基于功率放大器和天线的恒定功率增益因子，参数

表示路径损耗，且

为了保证通信质量，每个时隙只能构建一个U2U信道。因此，在无人机信道带宽固定的情况下，U2U信号传输的通信速率为

1.3)时延模型的详细说明如下：

信号传输的时延影响电网故障维护的效率。在故障上传系统中，时延可以简化为四个部分，即：记录时延、验证时延、传输时延和上传时延。故障x的时效性可以由

表示，其中

表示记录时延，

表示域内传输时延(包括区块链验证和故障域内传输两部分时延)，

表示上传时延。

a.记录时延模型

监测无人机i记录的故障信息x的数据大小用s_x表示。在此，设记录和处理一段故障视频所需的CPU周期分别为l^v和l^p。因此，故障信息x的记录时延可以表示为

其中f_i表示无人机i的计算处理能力，即CPU频率。

b.验证时延模型

如图3所示，区块链验证过程主要包括块生成和区块链验证两个步骤。因此，区块链验证时延

可以由块生成时延

和块验证时延

之和计算得到，即

这里，区块生成的详细过程如下：①将打包为交易的传输请求发送给无人机管理站，并添加到无人机管理站的交易池中生成区块。从无人机i到无人机管理站C^d的传输时延可以表示为

sⁱⁿ表示单个交易的大小；②无人机管理站从交易池中选择ω个交易来验证签名并计算哈希值来构建默克尔树，默克尔树构建时延可以表示为

其中l^g和l^h分别为签名验证和哈希值计算所需要的CPU周期数，此处

表示默克尔树的节点个数，F为无人机管理站的计算能力。因此，故障信号x的区块生成时延可以表示为：

生成区块后，区块生成器需要基于共识协议对新生成的区块进行验证。验证过程可以总结如下：①生成区块的无人机管理站获取共识节点的数量，并广播生成的区块，广播和比较时延的预定义参数定义为ψ，共识节点之间的广播时延可以通过ψD^*ωsⁱⁿ计算得到，其中sⁱⁿ表示交易输入的大小，ωsⁱⁿ和D^*分别表示为区块的大小和参与验证的共识节点个数。在保证安全的同时，共识节点的数量会影响时延，共识时延可以表示为

②获得共识后，生成区块的无人机管理站广播给其他共识节点进行核验，与步骤①相似，广播时延可以表示为ψD^*s^outω，结果的比较时延可以通过s^outωl^c/F，其中s^out表示交易输出的大小，l^c表示比较一个交易的共识结果所需的CPU周期；③共识的结果要单播回块生成器，并添加到现有的区块链中，这个过程的相应时延可以表示为

其中

表示传输速率，

表示区块写入过程。综合上述步骤，可以计算域d中故障数据x的验证时延可以表示为：

c.传输时延模型

故障信号验证后，无人机管理站根据观测到的状态确定信号传输路径，包括中继无人机的选择决策β_x,d,i,j和可达目的地的选择决策α_x,d。无人机i和无人机j 之间的飞行时延

和U2U通信时延

可以分别表示为

和

当某一时刻，故障数据传输没有可用无人机时，可将故障信号传输至无人机管理站暂存。因此，在域d中的传输时延可以计算为

综合上述模型，总传输时延可以表示为：

d.上传时延模型

故障信号传输至PSS覆盖范围内的域后，该故障信号将被上传到PSS进行人工验证，上传时延可以由公式

其中γ_x,j′,k表示无人机j′选择信道k与PSS通信，

表示无人机j′的U2S的传输速度，K表示子信道个数。

1.4)效益模型的详细说明如下：

系统效益可以通过传输奖励与成本的差值计算得到。当PSS接收到故障信息后，故障信号x的奖励将反馈给相应的无人机管理站。

a.奖励模型

故障信息每比特的基础单位奖励表示为φ^b，故障信号传输的基本奖励则表示为φ^bs_x。为了激励无人机协同传输信号同时减少电力故障产生的影响，本发明使用sigmoid函数来定义基于故障时效性的额外奖励，因此，电力故障的奖励可以定义为：

该式中，

为设定的价格因子。

b.成本模型

该系统中，无人机具有飞行、悬停、计算和传输四种工作模式，其成本分别表示为Cf、C^h、C^c和C^t。在这里，悬停和飞行成本定义为能耗与能耗单价的乘积。悬停模式所需的功率可以表示为

在这个公式中W和w分别表示为无人机的总重量和总宽度，参数ρ和

分别表示空气密度和风速。对于飞行模式，飞行模式的功率可以表示为

其中κ和O分别表示空气阻力系数和着力面积。参数v⁺表示通过空气的相对速度，可以由

其中v为无人机速度，

表示风速。当无人机执行传输或计算操作时，无人机悬停于原地，即计算和传输两种模式的成本包含操作成本和悬停成本。计算操作成本可由s_x(l^v+l^p)φ^c计算得到，传输操作成本可由s_xφ^t计算得到。因此，故障 x传输的总成本可以表示为：

综上，故障x的传输效益

可以表示为：

其中，Φ(A_x,s_x)表示奖励函数其定义如1.4)a.奖励模型所示，A_x表示信息的时效性，s_x表示信息的大小。

步骤2)：无人机检测到产生的电力故障，使用无人机进行电力故障数据传输，基于步骤1)中构建的传输模型，确定多目标优化函数；将问题分解成两个待解决的子问题。

基于步骤1)中所明确的模型，本发明的优化问题建模为最大化传输效益

和最大化传输安全性H_x的多目标优化问题，优化问题可以表示为：

C5:γ_x,j′,kΓ_x,j,k≥Γ^min，

C6:D^*≤D，

C7:0≤ω≤Y，

其中，约束C1限制了对安全性的最低要求，其中，D^*表示共识节点个数决策，P表示共识节点异常概率，H^min表示最低安全性阈值；约束C2和C3分别限制了选择传输域和域内中继无人机的决策变量，其中α_x,d表示信息x在域d中传输的决策，

表示域的集合；β_x,d,i,j表示信息x在域d中由无人机i传输给无人机j的决策，

表示域d中传输设备的集合；约束C4限制了U2S子通道的选择，其中γ_x,j′,k表示负载信息x的无人机j′选择子信道k的决策，K是子信道个数；约束C5限制了U2S通信需满足的最小信噪比，其中Γ_x,j′,k表示负载信息x的无人机j′选择子信道k通信的信噪比，Γ^min表示信噪比应满足的最低阈值；约束C6限制了共识节点的上限，其中D^*表示共识节点个数决策，D表示共识节点总数；交易决策约束 C7保证了交易的数量ω不应超过交易池容量Y；C8限制了区块链验证时通信需要满足的最小吞吐量

T_x表示传输时延。

由于传输效益被定义为奖励与成本的差值，由奖励的定义可知，当故障数据大小已确定，传输时延越低，奖励越大。为了解决这个问题，多目标联合优化问题P可以分为两个子问题P1和P2。子问题P1可以表示为：

s.t.C1,C2,C3,C6-C8。

即最大化安全性H_x，最小化故障传输延迟

和传输成本

P1旨在保证传输安全的同时优化跨域信号传输性能。但区块链认证过程和数据传输过程相互独立且在时间量级上存在差距，则将P1转化成区块链优化 P1⁽¹⁾和传输路径优化P1⁽²⁾两个优化步骤，对于区块链优化过程而言，传输成本仅与传输时延有关，因此优化目标可以转化为：

s.t.C1,C6-C8。

即最大化安全性H_x，最小化区块链验证时延

而对于传输路径的优化过程P1⁽²⁾，优化目标为：

s.t.C2,C3。

即最小化域内传输时延

和传输成本

P2旨在选择子通道来优化故障信号上传时延

即：

s.t.C4,C5。

在解决P1后，故障信号将传输到PSS所覆盖的域而后上传到PSS。考虑到位于城市中央的PSS与多个域相邻，同一时间可能有不止一个无人机请求U2S 通信信道来上传故障信号。因此，问题P2转换为最小化所有U2S通信最大上传时延来分配子信道，即：

s.t.C4,C5。

其中

表示无人机u上传时延，

表示同时向PSS提出上传请求的无人机集合，决策变量γ_u,k表示无人机u占用子信道k。

步骤3)：当电力故障产生并被监测到后，首先判断电力故障的所在域是否在PSS的通信覆盖范围内，若是，则电力故障可以直接上传，若不是则要传输到PSS通信覆盖域中，具体操作如下：

Step1：基于步骤1)中的城市拓扑宏观上通过迪杰斯特拉算法获取当前域到PSS通信覆盖域的最短可达路径，考虑到城市的拓扑是规整的，简单地从跳数和距离上获取最短路径可能存在不止一条，将所有可能的路径集合所指向的下一跳域的集合作为当前域的可能目的地集合Υ_d；

Step2:观测当前域可用无人机状态，构建当前域的拓扑为全连接图，即：

其中

在这里，s表示故障数据的传输起点，即设备提出传输申请的位置，

为可用无人机的集合，C^d为无人机管理站，Υ_d为可能达到的目的地的集合；

Step3：将全连接图

中以s为终点的边和以集合Υ_d中的点为起点的边删去，提取出图

Step4：根据无人机的剩余电量情况，将不可达的路径删除，提取出图

Step5：使用深度优先搜索算法获取图

中的环路，对于每一条环路，提取出度最大的点，删除一条以该点为出度的边，或者提取入度最大的点，删除一条以该点为入度的边，每一步操作后判断一次该环路是否破除，直到不存在环路，提取出图

以待传输路径优化操作。

步骤4)：为了保证数据传输的安全性和传输性能，对区块链传输的安全性和传输性能进行权衡，确定深度强化学习的状态空间、动作空间和奖励函数，使用改进的近端策略优化训练算法优化共识节点数量和区块大小。负载有故障数据的无人机在传输前首先将传输请求打包为一个交易，发送给无人机管理站，无人机管理站验证该交易后将该交易放入交易池中，并使用近端策略优化算法对区块链参数进行优化。

4.1)系统状态

状态空间包括无人机管理站所采集到的环境状态，和初始动作状态，即状态空间

可以表示为：

此处s_t表示时隙t时的状态，包括无人机管理站可用计算资源状态F_t，管理站之间通信速率状态

生成区块的等待时延

(

T为可能的等待时间集合)，时隙t时的共识节点个数决策

时隙t时的交易数量决策ω_t，时隙 t属于

为训练总时长。

4.2)系统动作

考虑到同时优化两个策略，组合策略的直接作为动作进行优化会给动作空间维度带来灾难。为了简化，如4.1)中，本发明将提组合策略作为状态，将对策略的调整作为动作，即+1、-1和0(不变)3种动作，该方案将动作空间由D×Y(D为共识节点数量，Y为交易池中待选交易数量)缩减至3×3，极大降低了动作空间维度负担。系统动作可以表示为：

其中

为共识节点数量调整策略，

为区块交易数量调整策略，且

4.3)奖励函数

为了同时对安全性和性能进行评估，设定Z_x,d作为成本指标，由区块链认证失败概率和时延相乘得到，即：

其中

和

是区块生成时延和区块链验证时延。则奖励函数为：

从初始时隙开始，无人机管理站按照策略π(a_t,s_t)。因此，累积的奖励为：

其中η为折扣因子。

4.4)优化步骤

改进的近端策略优化算法来训练策略的过程如下：

Step1：首先，迭代从一个状态开始，包含一个初始的组合策略和一个初始的调整策略。初始化组合策略参数θ，和调整策略

其中初始的θ_old＝θ；

Step2：运行初始策略π_θ，并收集状态，与非同步评价器演算法类似，需要计算优势值在方差和偏差之间做出妥协，即：

在这个公式中，η为奖励函数折扣因子，设经历了t′个时隙，函数v(s_t+t′+1)表示在状态s_t+t′+1的期望累积奖励，即：

这里的期望

表示在采样和优化之间交替的算法中，有限批次样本经验的平均值，R可以由4.3)中累积奖励公式获得，r_t+t′表示策略的变化概率，可以由公式

计算得到。

Step3：在迭代过程中，每K步要更新训练策略，训练策略的更新依赖于损失函数的计算，损失函数可以表示为：

其中

表示估计奖励值和真实奖励值之间的差值，μ为损失函数权重，即：

其中，

表示t时刻的差值期望，

表示未知的真实值函数，但可以通过基于值的强化学习方法估计得到，即：

用来限制替代策略的更新范围，被定义为：

其中r_t(θ)和

分别表示策略变化概率和策略优势评估，可由Step2中的公式计算得到，截断函数

表示了将r_t(θ)移出区间[1-∈,1+∈] 来修正更新策略。其中，∈用来表示一个极小的精确范围，用来约束精确值来评估收敛性，获取到更新的参数后，对策略进行更新，直到损失函数收敛，即区块链参数训练完成。

步骤5)：基于步骤4)中优化后的区块链参数进行区块链认证，若认证未通过，则记录错误信息，返回错误数据，若认证通过，则使用基于A*算法的双目标多目的地路径优化算法优化路径，基于优化后的路径进行故障数据传输。

基于步骤4)中优化后的区块链参数对传输请求进行验证，验证步骤见1.1)安全模型，若请求未通过区块链验证，则记录错误信息，并向请求设备返回错误数据，若请求通过了区块链验证，则优化数据在域内的传输路径。基于步骤3)中提取到的拓扑，无人机管理站基于A*算法获取帕累托可行最优路径集，通过选择中继无人机和可达目的地确定数据传输路径。在本系统中，域内设备旨在找到同时优化传输和时延的帕累托路径，设

表示路径从源点x₀(即前文模型中所提到的起点s)到点x_m的集合，即{x₀,x₁,…,x_m}。为了便于表示两点之间的路径，定义向量e_i,j＝(T_i,j,C_i,j)来表示从设备i到设备j的路径标签，其中T_i,j表示数据从设备i传输到设备j的时延，C_i,j表示数据从设备i到设备j的成本。在这里定义一个字典顺序来表示路径之间的关系，对于向量e₁＝(T₁,C₁)和向量e₂＝(T₂,C₂)，若T₁<T₂，或者T₁＝T₂∧C₁<C₂，则定义两个向量之间满足关系e₁<e₂，即e₁在字典顺序上小于e₂。为了获得帕累托解，定义了一个占优策略，设定如果T₁≤T₂∨ C₁≤C₂，则认为e₁优于e₂，求帕累托路径就是获得能够不被其他路径占优的解，即

从起点s到目的地υ的最优路径对应的点集可以表示为

根据两种优化目标，本发明假定根据时延获得的从位置i到位置j的最短路径可以表示为

在这里

表示数据从位置i传输到位置j所需最短时延，

表示最短时延路径下所需要的最大成本；相应地，根据成本获得的从位置i传输到位置j的最短路径可以表示为

与上式向量相反，

表示最小成本路径所需要的最大时延，

表示数据从位置i传输到位置j所需最小成本。获得到帕累托最优路径集后，按所定义的字典序排序最优路径集。基于上述定义，定义了一个最小时延路径指标

最大额外时延可以表示为

来表示成本和时延分别作为指标得到的最优路径的时延差异，在搜索过程中，根据降序的额外时延(即

)选择子路径。当找到到每个目标节点的帕累托最优路径(即所有子路径的最小路径指标大于

)，算法停止。

算法具体步骤如下：

Step1：初始化路径标签e_s＝(0,0)，暂存列表

开放列表

存放所有可行路径和封闭空列表

添加初始化路径标签e_s加入路径标签e_s,v(υ∈Υ_d)和暂存列表

Step2：使用迪杰斯特拉算法计算起点到其他任意点之间的

反向使用迪杰斯特拉算法得到每一个目的地到其他点的

并计算每条路径的指标

Step3：进行路径搜索，当路径满足

对于υ∈Υ_d，挑选开放列表中满足

的路径e；

Step4：对于每一个

e_s,j＝(e_s,i(T_s,i)+T_i,j,e_s,i(C_s,i)+C_i,j)，如果路径e_s,j不被其他路径占优，则β_x,d,i,j＝1，并将e_s,j加入标签e中；

Step5：如果路径e_s,j占优于暂存列表

的路径e，则将e移除暂存列表

和路径 e_s,j，并将e添加到封闭列表

β_x,d,i,j＝0，直至没有路径满足搜索条件

搜索停止；

Step6：得到每一个υ∈Υ_d的最优路径集，和相应的{β_x,d,i,j}，依据占优策略筛选最优路径集，得到最优路径集中字典序最小路径作为数据传输路径，设该传输路径的终点对应的域为d′，则α_x,d′＝1。

步骤6)：重复步骤3)～5)，直到故障数据传输至PSS覆盖域。负载故障数据的无人机向PSS提出通信请求，进行子信道匹配。在该问题中，子信道分配问题涉及无人机和子信道两种实体，两种实体的集合可以分别表示为

和

每个无人机维护一个根据子信道状态排序的偏好列表，即占用子信道的用户数量，定义最差状态的实体被认为是最差匹配情况。每架无人机的匹配容量为1，即步骤2)中的C4。故障数据的传输时延用来评估无人机请求的紧迫程度，即已产生时延越高，上传请求越紧迫。相应的，各子信道维护的偏好列表按无人机的优先级排序。步骤2)中的C5定义了子信道匹配的最差情况。获取稳定的匹配结果需要匹配列表中不存在匹配冲突的情况。

本发明中改进的市场匹配步骤如下：

Step1：生成无序列表

将所有实体无序列表，即：

初始化空列表

作为暂存列表，初始化所有实体的偏好列表，初始化两种实体的优先级列表；

Step2：若暂存列表

非空，则取出暂存列表中的第一个实体，按照其偏好列表依次向对手实体提出匹配请求，直至将暂存列表中所有实体取出；

Step3：若无序列表非空，则交替取出一个优先级最高的用户实体或优先级最高的子信道实体(即若本次取出实体为优先级最高的用户实体，则下次取出优先级最高的子信道实体)，按照取出实体的偏好列表向其对手实体提出匹配请求；

Step4：如果此时暂存列表

和无序实体列表

非空，则重复Step2和Step3，直至

和

中所有实体均完成匹配，不存在匹配冲突的情况，输出匹配结果。

在上述匹配过程中，Step2和Step3涉及到匹配请求过程，实体M_i请求M_j的匹配过程如下：

Step1：初始化临时存储队列，初始队列为空；

Step2：如果实体M_i不在实体M_j的偏好列表中，或者实体M_j不在实体M_i的偏好列表中，则结束此轮匹配；

Step3：如果实体M_i劣于实体M_j的最差匹配情况，或实体M_j劣于实体M_i的最差匹配情况，则结束此轮匹配；

Step4：如果实体M_i的匹配容量已满，则暂时解除M_i的最差匹配情况的匹配状态，若M_i至少提出过一次匹配请求，且M_i不在临时队列中，则将M_i存入临时队列；

Step5：如果实体M_j的匹配容量已满，则暂时解除M_j的最差匹配情况的匹配状态，若M_j至少提出过一次匹配请求，且M_j不在临时队列中，则将M_j存入临时队列；

Step6：对临时队列中的实体根据优先级降序排序，并依序插入至暂存列表

中。

Step7：暂时匹配实体M_i和实体M_j，即将实体M_i暂时加入到实体M_j的匹配列表中，并将实体M_j暂时加入到实体M_j的匹配列表中。返回匹配结果和暂存列表

步骤7)：PSS完成故障信号接收后，查询区块链核验安全性，通过区块链核验后，人工核验电力故障，派遣维护人员前往故障地点进行检修。同时，根据上传电力故障大小和时延计算奖励，并将奖励信息回传给传输过程中途径域的无人机管理站。

通过以上步骤，实现本发明所提出的远距离电力故障检测与安全传输。图4给出了在固定最小安全性为0.96的情况下，在不同的共识节点异常概率下，通过区块链验证的概率。需要注意的是延迟贪婪策略没有固定的趋势，该策略目的仅为在满足安全性的基础上最小化延迟。一旦区块链验证参数满足最小安全阈值，设备将停止搜索安全性更好的策略，而本发明中提出的改进的近端策略优化算法最接近安全贪婪策略所获得的最优安全性。可以看出，即便随着共识节点异常概率逐渐上升，本发明提出的算法也能够维持较高的安全性且安全性趋于1。

图5和图6分别评估了在限制不同的最小网络吞吐量的情况下本发明所提出算法的时延性能和成本指标(定义于步骤4.3)中)，从图5和图6中可以观察到，所提出的算法因为具有较高的安全性，图5可以观察到四种策略的延迟随着吞吐量限制的增加而增加。所提出的改进的近端策略优化算法的延迟性能仅次于延迟贪婪策略，但结合图4，改进的近端策略优化算法算法在保持稍逊于延迟贪婪策略的延迟性能的前提下有着远高于延迟贪婪策略的安全性。图6中成本指标的定义见步骤4.3)。改进的近端策略优化算法在安全性能和延迟性能之间进行权衡后牺牲了部分可接受延迟达到更高的安全性，具有最好的综合性能(即最低的成本指标)，而时延性能则仅次于时延最优的情况，换言之，本发明提出的算法牺牲了小部分时延性能得到了较高的安全性。

图7和图8评估了在随机分布的情况下不同无人机数量下所提出算法的时延和成本性能。图7可以观察到，当无人机数量为10架时，这四种策略的延迟高于无人机大于等于20架的情况。当无人机数量多于20架时，除随机策略，其他三种策略时延下降，变化逐渐趋于平缓。这是因为无人机的增加为信号传输过程中减少了中继无人机选择的延迟提供了更好的位置。然而，无人机之间的信息传输带来了额外的延迟和成本。因此，随着无人机数量的增加，总传输性能逐渐稳定在一个范围内，基于A*的路径优化算法能够在基于时延和成本间进行权衡，并得到低于时延最优弗洛伊德策略的时延性能且高于能耗最优的弗洛伊德策略的时延性能。图8中由于基于A*的路径优化算法能够在传输时延和传输成本之间进行权衡，基于A*的路径优化算法在成本上的性能介于时延最优弗洛伊德策略和成本最优弗洛伊德策略之间，结合图7，基于A*路径的优化算法能够在权衡时延和成本性能后能够同时在时延和成本上得到较优的性能。

图9和图10则评估了在标准分布情况下不同无人机数量下所提出算法的时延和成本性能。可以看到本发明所提出的算法可以在成本和能耗之间进行有效的权衡获得折中效果，从而在时延和成本上的性能分别仅次于时延最优策略和成本最优策略的。与随机分布的无人机性能不同，在标准分布下，每架无人机都有其固定的位置，这大大降低了与可用无人机间的距离对传输过程中性能的影响。在给定固定的无人机拓扑结构，传输性能仅与无人机的功率状态和统一部署距离有关。需要注意的是，在随机分布时，有更多的无人机提供可用的传输路径选择。图9中可以观测到在标准分布下，基于A*的路径优化算法时延性能仅次于时延最优的弗洛伊德算法，且高于随机策略和成本最优的弗洛伊德策略。从图10可以得到基于A*的路径优化算法在标准分布下的信息传输成本略高于成本最优弗洛伊德策略，但远远优于随机策略和时延最优的弗洛伊德策略，结合图9可以得出结论，基于A*的路径优化算法能够在时延和成本之间权衡，且性能上能够做到同时接近最优性能。

图11和图12对比了本发明提出的算法在非正交多址信道为3且PSS子信道数量不同的情况下，所提出算法的总时延期望性能和最大总时延性能，可以看到随着PSS子信道数量的增加，本发明所提出的算法能够对子信道的状态动态评估，总能得到仅次于最优贪婪策略的性能。图11中随着可用子信道数量的增加，总时延期望呈下降趋势。因为随着可用频谱资源数量的增加，子信道复用带来的干扰影响可以得到显着改善。改进的市场匹配策略通过维护偏好列表，使算法的性能最接近最优的贪婪策略。从图12可以得到改进的市场匹配策略在每次迭代时能够更新偏好列表和匹配列表中的最坏情况。随着子信道数量的增加，改进的市场匹配策略的性能趋于最佳；

图13和图14则对比了本发明提出的算法在不同请求者数量的情况下，所提出算法的总时延期望性能和最大总时延性能，可以看到随着请求者数量的增加，本发明所提出的算法能够自适应地匹配信道，使时延随着用户数量增加能够平稳增长，且接近最优时延。观察图13当请求用户数量超过30时，双边匹配算法的性能变差，这是因为过时的偏好列表导致匹配冲突。而所提出的改进的市场匹配策略在每次迭代中不断维护和更新请求者和子信道的偏好列表，得到的结果接近最优策略。图14可以观察到随着请求通信用户数量增加，改进的市场匹配策略能够控制最差情况(即最大总时延)恶化，并得到接近最优(贪婪策略)的结果。

以上方案内容仅表述本发明的技术方案，并非最完美精确的解决方案。随着技术的革新与时代的变迁，方案可能产生更合理更高效的变化。选择示例性实施方式并进行描述是为了解释本发明的原理和应用，为了便于研究人员与技术人员的参考、理解与实践本发明的具体细节。若在本发明构想的基础上所作的改变，其所产生的功能作用仍未超出说明书及附图所涵盖的内容时，仍应属本发明的保护范围。

参考文献

[1]Zhang S,Zhang H,Di B,et al.Cellular UAV-to-X Communications:Designand Optimization for Multi-UAV Networks[J].IEEE Transactions on WirelessCommunications,2019,18(2):1346-1359.

[2]Zhou Y,Pan C,Yeoh P L,et al.Secure Communications for UAV-EnabledMobile Edge Computing Systems[J].IEEE Transactions on Communications,2020, 68(1):376-388.

[3]Kudumakis P,Wilmering T,Sandler M B,et al.The Challenge:From MPEGIntellectual Property Rights Ontologies to Smart Contracts and Blockchains[Standards in a Nutshell][J].IEEE Signal Processing Magazine,2020,37(2):89-95。

Claims (9)

1.基于区块链使能的智能电网电力故障检测与安全传输方法，其特征在于，包括以下步骤：

1)对城市拓扑进行域的划分，构建城市拓扑，并以此构建传输模型，将供电站PSS覆盖域作为城市拓扑的传输终点；

2)无人机检测到产生的电力故障，使用无人机进行电力故障数据传输，基于步骤1)中构建的传输模型，确定多目标优化函数；

3)若电力故障所产生的域不在PSS可覆盖范围域，则基于步骤2)中确定的优化函数使用无人机进行域内传输；

4)为了保证数据传输的安全性和传输性能，对区块链传输的安全性和传输性能进行权衡，确定深度强化学习的状态空间、动作空间和奖励函数，使用改进的近端策略优化训练算法优化共识节点数量和区块大小；

5)基于步骤4)中优化后的区块链参数进行区块链认证，若认证未通过，则记录错误信息，返回错误数据，若认证通过，则使用基于A*算法的双目标多目的地路径优化算法优化路径，基于优化后的路径进行故障数据传输；

6)重复域内传输步骤3)～5)直至传输到PSS覆盖域，使用改进的市场匹配算法选择合适的信号上传子信道优化上传时延；

7)数据上传后进行电力故障的人工检测，并根据故障数据回传奖励。

2.根据权利要求1所述基于区块链使能的智能电网电力故障检测与安全传输方法，其特征在于：步骤1)所述构建城市拓扑包括：将城市划分为多个规模相等的域，对于域d而言，域d内包含D^d个无人机，无人机根据不同的工作模式划分为检测无人机和中继无人机，所有工作无人机的飞行高度和飞行时间固定，每个域包含一个无人机管理站对无人机进行及时调度和充电，PSS负责管理所有的无人机管理站。

3.根据权利要求1或2所述基于区块链使能的智能电网电力故障检测与安全传输方法，其特征在于：所述构建的传输模型包括以下步骤：

(1)构建通信模型包括：U2M通信模型、U2S通信模型和U2U通信模型，U2M表示无人机与管理站通信，U2U表示无人机与无人机通信，U2S表示无人机与PSS通信；

(2)构建时延模型：故障x的时效性A_x表示为其中表示记录时延，表示传输时延，表示上传时延；

(3)构建效益模型：通过传输奖励与成本的差值计算得到。

4.根据权利要求3所述基于区块链使能的智能电网电力故障检测与安全传输方法，其特征在于：所述U2M通信模型中U2M通信速率表示为

其中B_m表示U2M通信的子信道带宽，Γ_i,d表示信噪比，由p_i,d/σ²计算得到，p_i,d表示占用信道的平均接收功率，σ²表示高斯白噪声；

在所述U2S通信模型中使用非正交多址访问，通过子信道复用提升故障信号的上传效率；在固定PSS信道带宽为B_s子信道个数为K的情况下，U2S占用子信道k的通信速率为：

Γ_i,s,k表示U2S通信的信干噪比，且其中σ²表示高斯白噪声，p_i,s,k表示平均接收功率，I_i,s,k表示子信道k的干扰；

所述U2U通信模型中利用自由空间信道模型对U2U通信进行建模，在无人机信道带宽B_u固定的情况下，U2U信号传输的通信速率表示为：

p_i,j表示从无人机i到j的接收功率。

5.根据权利要求3所述基于区块链使能的智能电网电力故障检测与安全传输方法，其特征在于：所述记录时延表示为

l^v和l^p分别表示记录和处理一段故障视频所需的CPU周期，s_x表示无人机i记录的故障信息x的数据大小，f_i表示无人机i的计算处理速度；

所述传输时延为

在这里，D表示城市内所划分的域的数量，D^d表示域内无人机的数量，α_x,d表示可达目的地的选择决策变量，β_x,d,i,j表示中继无人机的选择决策变量，表示区块链验证时延，表示无人机i和无人机j之间的飞行时延，表示U2U通信时延；所述区块链验证时延由块生成时延和块验证时延之和计算得到；

所述上传时延为在这里K为子信道个数，其中γ_x,j′,k表示信息x在无人机j′选择子信道k上传信息的决策，即γ_x,j′,k∈{0,1}，表示无人机j′的U2S通信速率。

6.根据权利要求5所述基于区块链使能的智能电网电力故障检测与安全传输方法，其特征在于：所述传输奖励为

表示价格因子，φ^b表示故障信息每比特的基础单位奖励，A_x为故障信息x的时效性，s_x表示无人机i记录的故障信息x的数据大小；

所述成本表示为

p^h表示无人机悬停模式所需的功率，p^f表示无人机飞行模式的功率，其中φ^e表示单位能耗成本；φ^c表示处理单位数据所需成本，α_x,d为信息x选择域d传输的决策，φ^t表示上传数据的单位成本；β_d,i,j表示在域d内，信息由无人机i传输给无人机j的决策。

7.根据权利要求4-6任一项所述基于区块链使能的智能电网电力故障检测与安全传输方法，其特征在于：步骤2)构建以最大化传输效益和最大化传输安全性H_x为目标的优化问题，表示为：

P:

C5:γ_x,j′,kΓ_x,j′,k≥Γ^min，

C6:D^*≤D，

C7:0≤ω≤Y，

其中，约束C1限制了对安全性的最低要求，其中，D^*表示共识节点个数决策，P表示共识节点异常概率，H^min表示最低安全性阈值；约束C2和C3分别限制了选择传输域和域内中继无人机的决策变量，其中α_x,d表示信息x在域d中传输的决策，表示域的集合；β_x,d,i,j表示信息x在域d中由无人机i传输给无人机j的决策，表示域d中传输设备的集合；约束C4限制了U2S子通道的选择，其中γ_x,j′,k表示负载信息x的无人机j′选择子信道k的决策，K是子信道个数；约束C5限制了U2S通信需满足的最小信噪比，其中Γ_x,j′,k表示负载信息x的无人机j′选择子信道k通信的信噪比，Γ^min表示信噪比应满足的最低阈值；约束C6限制了共识节点的上限，其中D^*表示共识节点个数决策，D表示共识节点总数；交易决策约束C7保证了交易的数量ω不应超过交易池容量Y；C8限制了区块链验证时通信需要满足的最小吞吐量T_x表示通信时延。

8.根据权利要求7所述基于区块链使能的智能电网电力故障检测与安全传输方法，其特征在于：将所述优化问题分解成两个待解决的子问题，子问题P1表示为：

P1

s.t.C1，C2，C3，C6-C8，

即最大化安全性H_x，最小化故障传输延迟和传输成本P1旨在保证传输安全的同时优化跨域信号传输性能，进一步将P1转化成区块链优化P1⁽¹⁾和传输路径优化P1⁽²⁾两个优化步骤，

P1⁽¹⁾：

s.t.C1,C6-C8

P1⁽²⁾:

s.t.C2,C3，

P1⁽¹⁾旨在最大化安全性H_x的同时最小化区块链验证时延，P1⁽²⁾旨在最小化域内传输时延和传输成本子问题P2旨在选择子通道来优化故障信号上传时延即：

P2:

s.t.C4,C5。

9.根据权利要求1或8所述基于区块链使能的智能电网电力故障检测与安全传输方法，其特征在于：步骤4)所述状态空间包括无人机管理站所采集到的环境状态和初始动作状态，即状态空间表示为：

s_t表示时隙t时的状态，F_t表示无人机管理站可用计算资源状态，表示管理站之间通信速率状态，表示生成区块的等待时延，表示时隙t时的共识节点个数决策，ω_t表示时隙t时的交易数量决策，时隙t属于 为训练总时长；

所述动作空间表示为：

在这里a_t为时隙t的动作，其中为共识节点数量调整策略，为区块交易数量调整策略，且

所述奖励函数为：

Z_x,d表示成本指标，s_t表示时隙t时的状态，同理，s_t+1表示时隙t+1时的状态。

Images