CN115841354B - 一种基于区块链的电动汽车充电桩维修评价方法与系统 - Google Patents

Abstract

本申请公开了一种基于区块链的电动汽车充电桩维修评价方法与系统，方法包括：S1、采集充电桩运行历史数据，基于所述历史数据，构建维修评价指标体系；S2、基于所述维修评价指标体系，计算维修队节点的综合排序；S3、基于维修队节点的所述综合排序，建立激励机制；S4、基于共识机制，基于所述综合排序，构建区块上链。本申请重视用户评价，提高用户的服务体验，鼓励维修队节点积极参与共识，主从链结构减轻了共识时的压力，提高了共识效率。

Description

一种基于区块链的电动汽车充电桩维修评价方法与系统

技术领域

本申请属于充电桩维修技术领域，具体涉及一种基于区块链的电动汽车充电桩维修评价方法与系统。

背景技术

面对全球能源短缺、环境污染日趋严峻、节能减排要求不断提高的背景下,电动汽车被大量发展，近几年来，我国电动汽车的数量在不断的增加，电动汽车的增多对充电桩等相关配套设施提出了新的更高的要求。而充电桩故障发生不确定，对于充电桩中故障的预测是一个难题，线路重载和设备老化都可导致充电桩故障，它们发生的地点、时间、类型都不确定，维修队人员在其发生后尽力维修；而且充电桩的故障种类也很复杂，涉及的线路和设备种类庞杂，加之线路所处环境情况复杂场景多变，使得在充电桩中发生故障的频率和复杂程度上升，对维修队人员的业务能力要求很高，而电动汽车的充电桩有故障发生时，不能及时维修，有坏桩没人提醒，影响用户的使用，且维修队人员服务差，传统的供电服务指挥系统当充电桩有故障发生时对维修队人员的调度主要依赖人工，对用户的评价反馈不重视。

发明内容

本申请提出了一种基于区块链的电动汽车充电桩维修评价方法与系统，当电动汽车充电桩发生故障时提出对维修队人员的评价体系，根据维修队的评价数据，兼顾用户的感受，以合理的维修方案高效率的完成维修任务，同时利用区块链技术，实现维修队节点评价数据安全防篡改可追溯，利用区块链中的共识机制和激励机制，有效地调动维修队节点的活跃度，对节点的正向行为达到激励的作用。

为实现上述目的，本申请提供了如下方案：

一种基于区块链的电动汽车充电桩维修评价方法，包括：

S1、采集充电桩运行历史数据，基于所述历史数据，构建维修评价指标体系；

S2、基于所述维修评价指标体系，计算维修队节点的综合排序；

S3、基于维修队节点的所述综合排序，建立激励机制；

S4、基于共识机制，基于所述综合排序，构建区块上链。

优选地，所述维修评价指标体系包括：一级评价指标和二级评价指标。

优选地，所述一级评价指标包括：充电桩故障信息指标、用户评价信息指标和维修队调度信息指标。

优选地，所述二级评价指标包括：故障时间数据指标、故障类型数据指标、故障率指标、服务面貌评价指标、用户满意度评价指标、作业规范度评价指标、维修响应时长指数指标、维修队到达时长指数指标、维修诊断时长指数指标和维修时长指数指标。

优选地，计算维修队节点的所述综合排序的方法包括：

基于所述维修评价指标体系，构建评价指标矩阵；

对所述评价指标矩阵进行处理，得到归一化矩阵；

基于所述归一化矩阵，计算加权秩和比；

基于所述加权秩和比，计算维修队节点的所述综合排序。

优选地，基于维修队节点的信誉值建立所述激励机制。

优选地，所述维修队节点的信誉值包括：维修队节点的历史贡献度和维修队节点的活跃度。

优选地，所述历史贡献度计算方法包括：

式中，n表示维修队节点的个数，u_i表示维修队节点的综合排序序列值。

本申请还提供一种基于区块链的电动汽车充电桩维修评价系统，包括：

指标构建单元、计算单元、机制构建单元和第二构建单元；

所述指标构建单元用于采集充电桩运行历史数据，基于所述历史数据，构建维修评价指标体系；

所述计算单元用于基于所述维修评价指标体系，计算维修队节点的综合排序；

所述机制构建单元用于基于维修队节点的所述综合排序，建立激励机制；

所述第二构建单元用于基于共识机制，基于所述综合排序，构建区块上链。

本申请的有益效果为：

(1)本申请提出了一种充电桩维修服务评价体系，重视用户评价，提高用户的服务体验，鼓励维修队节点积极参与共识，主从链结构减轻了共识时的压力，提高了共识效率。

(2)本申请将区块链技术应用在电动汽车充电桩的维修评价下，解决了充电桩维修队业务实施方与管理方之间的多方互信，保证了充电桩的维修调度工单的防篡改和可追溯的能力。

(3)本申请设计了一种激励机制促进维修队节点积极参与充电桩维修服务活动，提高维修队节点的评价指标，使电动汽车充电桩维修服务体系更加完善。

附图说明

为了更清楚地说明本申请的技术方案，下面对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例一基于区块链的电动汽车充电桩维修评价方法流程示意图；

图2为本申请实施例一充电桩故障维修评价共识流程示意图；

图3为本申请实施例二基于区块链的电动汽车充电桩维修评价系统结构示意图；

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。

本申请提出一种基于区块链的电动汽车充电桩维修评价方法与系统，区块链去中心化、防篡改等特点为充电桩维修服务提供了安全架构，充电桩服务指挥节点、用户节点、维修队节点和物资仓库节点都相当于一个区块链节点，当区块链系统中有充电桩的维修任务信息时，会借助区块链系统公钥加密算法包含公钥和私钥，来确保信息安全传输。区块链系统采用主从多链结构实现数据交互，主链存储从链信息摘要，充电桩服务指挥节点和维修队节点为主链节点，采集维修队任务数据并根据评价方法计算评价结果，可以读取主从链所有节点的数据，用户节点和物资仓库节点为从链节点，从链节点只可以上传和读取自身节点数据，减轻了共识时的压力，效率更高，数据更准确。区块链的共识机制为维修队节点之间提供了可信保障，区块链的激励机制对维修队节点产生了正向激励作用，有效地调动了维修队节点的活跃度。

实施例一

如图1所示，为本申请一种基于区块链的电动汽车充电桩维修评价方法流程示意图，包括以下步骤：

S1、采集充电桩运行历史数据，基于历史数据，构建维修评价指标体系；

本实施例中，维修评价指标体系包括：一级评价指标和二级评价指标。其中一级评价指标包括：充电桩故障信息指标、用户评价信息指标和维修队调度信息指标。

充电桩故障信息指标包括：故障时间数据指标、故障类型数据指标、故障率指标。

故障时间数据指标为维修队维修结束后1个月内是否再次报修。计算方法包括：

故障类型数据指标包括：主回路接触器故障、内部关联接触器故障、外部关联接触器故障、sim卡故障、通讯线故障、绝缘检测超时故障、绝缘模块故障、控制板故障、连接异常故障和仪器损坏故障。

故障率指标为自维修队维修结束3个月内充电桩再次维修的次数，计算方法包括：

式中，t_last表示充电桩上一次故障时间到这次故障的时间间隔，t_average表示充电桩平均故障一次的时间间隔。

用户评价信息指标包括：服务面貌评价指标、用户满意度评价指标、作业规范度评价指标。用户评价信息指标均为用户的自身评价，采用用户打分，1-100。

维修队调度信息指标包括：维修响应时长指数指标、维修队到达时长指数指标、维修诊断时长指数指标和维修时长指数指标

维修响应时长指数指标指充电桩报修时间到维修队响应时间的时间间隔，计算公式包括：

式中，w_xinterval表示充电桩报修时间到维修队响应时间的时间间隔，w_xbest表示系统设置的维修队到达时长最佳响应时间间隔。

维修队到达时长指数指标为维修队响应报修时间到维修队到达故障充电桩现场时间的时间间隔，计算公式包括：

式中，w_dinterval表示维修队响应报修时间到维修队到达故障充电桩现场时间的时间间隔，w_dbest表示系统设置的维修最佳响应时间间隔。

维修诊断时长指数指标指维修队到达故障充电桩现场时间到诊断出故障类型时间的时间间隔，计算公式如下：

式中，w_zinterval表示维修队到达故障充电桩现场时间到诊断出故障类型时间的时间间隔，w_zbest表示系统根据故障类型的不同设置的维修最佳响应时间间隔。

S2、基于维修评价指标体系，计算维修队节点的综合排序；

计算维修队节点的综合排序的方法包括：

(1)基于维修评价指标体系，构建评价指标矩阵；

首先，根据上述二级评价指标，构建评价指标矩阵X_(n×10)，n表示维修队节点的个数。

式中，x_ij表示第i个节点第j个指标的数据值(i＝1,2,…n j＝1,2,…10)。

(2)对评价指标矩阵进行处理，得到归一化矩阵；

本实施例中，故障时间数据指标、服务面貌评价指标、用户满意度评价指标、作业规范度评价指标值越大越好，为高优指标；故障类型数据指标、故障率指标、维修响应时长指数指标、维修队到达时长指数指标、维修诊断时长指数指标和维修时长指数指标值越小越好，为低优指标。

因此，首先将指标同趋势化，将低优指标转化为高优指标，得到同趋势化矩阵Z_(n×10)；转化方法包括：

式中，x_ij表示第i个节点第j个指标的数据值(i＝1,2,…n j＝1,2,…10)。

然后，对指标进行归一化处理；

由于充电桩维修评价不同的指标量纲不同，为了消除因量纲不同对评价结果造成的影响，对各个指标值进行归一化处理，保证均值为0，方差为1，各指标的最大值和最小值不一样，建立归一化矩阵Y，转化函数为：

式中，z_ij表示同趋势化后第i个节点第j个指标的数据值。

(3)基于归一化矩阵，计算加权秩和比；

1.确定最优方案和最劣方案

首先，对充电桩的维修评价指标进行归一化处理后的数据可以得到最优方案Y⁺和最劣方案Y^-，最优方案是正理想解，最劣方案是负理想解，正理想解是指维修队节点在第j个指标上的最大值，负理想解/>是指维修队节点在第j个指标上的最小值，其中(i＝1,2,…n j＝1,2,…10)。

2.计算各个维修队节点评价指标到正理想解和负理想解的距离和/>

计算方法如下：

3.计算相对接近程度值

计算各个维修队节点与正负理想解的相对接近程度C_i值，C_i的取值位于0-1之间(0≤C_i≤1)，C_i的值越接近于1，评价的维修队节点越接近正理想解，C_i的值越接近于0，评价的维修队节点越接近负理想解，C_i值越大，表示此维修队节点综合越好。

4.计算秩值

根据C_i值对维修队节点进行从小到大排序，同时进行编秩，如果有同一评价指标的数据相同，则取平均值，最终得到维修队节点的秩次R_ij，用秩次R_ij代替充电桩维修评价的各个指标值，根据编秩结果建立各指标的秩次数据矩阵R(矩阵R是n行m列的，n代表n个维修队节点，m代表充电桩维修的评价指标，本实施例中共有10个指标m＝10)。

式中，R_ij表示第i个维修队节点第j个评价指标的秩值，(i＝1,2,…n j＝1,2,…10)。

5.计算各个充电桩维修指标的权重

充电桩维修评价指标间的相对重要程度采用AHP1～9标度法表示，采用三角模糊数a_jj'＝(b_jj',c_jj',d_jj')表示维修评价指标之间重要性比较结果，a_jj'表示充电桩维修评价指标j相对于j'的重要程度，b_jj'表示充电桩维修评价指标中重要程度的最低情况，d_jj'表示充电桩维修评价指标中重要程度的最高情况，c_jj'表示充电桩维修评价指标中重要程度的中值，其中a_j'j＝(1/d_jj',1/c_jj',1/b_jj')进行如下步骤：

l个专家对充电桩维修评价指标间m个影响因素之间进行重要性评判，得到评判结果a_jj'＝(b_jj',c_jj',d_jj')；

n个维修队节点根据评判结果构建模糊中值矩阵C＝(c_jj')_n×n，并进行一致性校验；

构建模糊判断因子矩阵F：

式中，e_jj'表示专家对充电桩维修评价指标的标准离差率，e_jj'越大，代表专家评价的模糊程度越大，可信度越小；e_jj'越小，代表专家评价的模糊程度越小，可信度越高。

根据模糊判断因子矩阵F生成调整判断矩阵Z：

Z＝C×F

并把Z转换为对角线为1的判断矩阵Z'；

计算充电桩维修评价指标因素j的权重：

式中，δ_jj'为判断矩阵Z'中的元素，将归一化处理得到每个专家对充电桩维修评价指标权重γ_j，根据各个专家得到充电桩维修评价指标权重计算结果加权计算得到最终的充电桩维修评价指标权重_wj(j'＝1,2,…n j＝1,2,…10)。

6.根据秩次数据矩阵R和充电桩维修评价指标权重w_j，计算加权秩和比

计算方法如下：

式中，i＝1,2,…n，m＝10，j＝1,2,…10。

(4)基于加权秩和比，计算维修队节点的综合排序。

首先，根据加权秩和比计算概率单位；

从小到大对WRSR_i排序得到各个维修队节点充电桩维修评价指标的频数f_i、计算各个维修队节点充电桩维修评价指标F_i，为各组WRSR_i编秩R'_i，当有R'_i相等时计算平均值，向下累计频率p_i的计算公式如下：

根据正态分布的概率单位对照表，将向下累计频率p_i的百分率换算为概率单位Probit_i。

然后，计算回归方程；

以向下累计频率所对应的概率单位值Probit_i为自变量，以WRSR_i值为因变量，回归方程的计算公式如下：

WRSR_i＝a+b×Probit_i(i＝1,2,…n)

式中，a和b为通过最小二乘法拟合出来的参数值。

最后，形成维修队节点的综合排序序列；

将Probit_i代入回归方程，计算出校正WRSR_i值，根据校正的WRSR_i值重新对维修队节点进行排序，形成维修队节点的综合排序序列U＝{u₁，u₂，u₃…u_n}。

S3、基于维修队节点的综合排序，建立激励机制；

为了促进维修队节点积极参与充电桩维修服务活动，提高维修队节点的评价指标，本实施例提出一种基于信誉值的激励机制；其中，维修队节点的信誉值是区块链中的维修队节点实时拥有的、用于评估该节点的历史表现进而对该节点的当前状态进行激励的一种通证。维修队节点的信誉值评价主要包括：维修队节点的历史贡献度和维修队节点的活跃度。

本实施例中，维修队节点的历史贡献度主要取决于维修队节点在评价体系中的排序值：

式中，n表示维修队节点的个数，u_i表示维修队节点的综合排序序列值。

维修队节点的活跃度，由当有充电桩故障产生时维修队节点的参与度来进行评估。拥有更多活跃点的维修队节点被认为更有活力。活跃度计算方法为：

P_i(t)＝P_i(t-1)exp(-αΔt)

式中，P_i(t)表示维修队节点i在上次信誉值计算到时间t之间的活跃度，α为可自定义参数。

本实施例中，激励机制分为两种，具体如下：

1.当充电桩节点为电力公司所属时，激励机制对维修队节点的绩效按信誉值进行分配，维修队节点根据信誉值从高到低按30％，40％，30％分档，而绩效的总收入按2:2:1对维修队节点根据分档的信誉值进行分配，信誉值越高，维修队节点的绩效越高；

2.当充电桩节点为第三方所属时，在激励机制中，有新的充电桩维修任务时，对维修队人员进行调度时，优先选择信誉值高的维修队节点。

具体的，调度方法包括：当有充电桩维修任务时，先确定此次充电桩的故障类型，筛选出处理过类似任务信誉值最高的维修队节点，对维修度进行维修调度。

基于上述激励机制，当有维修任务时，根据实际情况，对维修队进行维修调度。

S4、基于共识机制，基于综合排序，构建区块上链。

如图2所示，在本实施例中，当有充电桩发生故障时，主链节点采集各个维修队节点的信息，对维修队节点上次对充电桩维修结果进行评价计算充电桩服务指挥节点和维修队节点都参与对充电桩维修评价计算，采用哈希算法对充电桩的评价结果进行存储，数据通过哈希计算加密，生成不可逆转的哈希值，数据存储采用非对称加密和数字签名技术对评价结果进行处理，主链节点将时间戳、哈希值等广播到其他参与计算的主链节点进行检验和审核，其他的主链节点检验接收到的数据，确认是否正确，将比较结果和自己的签名一起相互广播。

具体包括：当某个主链节点在收到其他主链节点的评价计算结果后，将自己的评价计算结果和其他主链节点计算结果进行比较，并将最终的确认结果发送给最快算出结果的主链节点，最终确认内容包括本节点的计算结果、比较结果、签名和收到的其他主链节点的检验和审核结果记录；计算最快的主链节点分析收到的所有其他主链节点的确认内容，本实施例中区块链节点达成共识的要求是大于三分之二的主链节点都同意充电桩评价的计算结果，就将包括计算得到的数据和相应签名的记录作为区块体信息生成新区块上链，存储在充电桩维修评价系统的联盟链中；若大于三分之一的主链节点不同意充电桩评价的计算结果，则系统重新开始新一轮计算和共识过程争夺记账权。系统将充电桩维修评价计算结果完成共识过程后，将计算得到的结果和对维修队的评价排序结果一同作为区块体中的交易信息构建新区块上链。

本实施例中，将激励机制置于智能合约之中，对维修队节点按信誉值进行排序，按照两种激励机制对维修队人员进行绩效分配或者调度，基于区块链智能合约通过代码自动执行，无需人工干预，在执行智能合约过程中，如果有违规行为，就会进入惩罚机制，使激励机制更安全可靠。

实施例二

如图3所示，本申请还提供一种基于区块链的电动汽车充电桩维修评价系统，包括：指标构建单元、计算单元、机制构建单元和第二构建单元；

指标构建单元用于采集充电桩运行历史数据，基于历史数据，构建维修评价指标体系；

本实施例中，指标构建单元构建的维修评价指标体系包括：一级评价指标和二级评价指标。其中一级评价指标包括：充电桩故障信息指标、用户评价信息指标和维修队调度信息指标。

充电桩故障信息指标包括：故障时间数据指标、故障类型数据指标、故障率指标。

故障时间数据指标为维修队维修结束后1个月内是否再次报修。计算方法包括：

故障类型数据指标包括：主回路接触器故障、内部关联接触器故障、外部关联接触器故障、sim卡故障、通讯线故障、绝缘检测超时故障、绝缘模块故障、控制板故障、连接异常故障和仪器损坏故障。

故障率指标为自维修队维修结束3个月内充电桩再次维修的次数，计算方法包括：

式中，t_last表示充电桩上一次故障时间到这次故障的时间间隔，t_average表示充电桩平均故障一次的时间间隔。

用户评价信息指标包括：服务面貌评价指标、用户满意度评价指标、作业规范度评价指标。用户评价信息指标均为用户的自身评价，采用用户打分，1-100。

维修队调度信息指标包括：维修响应时长指数指标、维修队到达时长指数指标、维修诊断时长指数指标和维修时长指数指标

维修响应时长指数指标指充电桩报修时间到维修队响应时间的时间间隔，计算公式包括：

式中，w_xinterval表示充电桩报修时间到维修队响应时间的时间间隔，w_xbest表示系统设置的维修队到达时长最佳响应时间间隔。

维修队到达时长指数指标为维修队响应报修时间到维修队到达故障充电桩现场时间的时间间隔，计算公式包括：

式中，w_dinterval表示维修队响应报修时间到维修队到达故障充电桩现场时间的时间间隔，w_dbest表示系统设置的维修最佳响应时间间隔。

维修诊断时长指数指标指维修队到达故障充电桩现场时间到诊断出故障类型时间的时间间隔，计算公式如下：

式中，w_zinterval表示维修队到达故障充电桩现场时间到诊断出故障类型时间的时间间隔，w_zbest表示系统根据故障类型的不同设置的维修最佳响应时间间隔。

计算单元用于基于维修评价指标体系，计算维修队节点的综合排序；

计算单元计算维修队节点的综合排序的方法包括：

(1)基于维修评价指标体系，构建评价指标矩阵；

首先，根据上述二级评价指标，构建评价指标矩阵X_(n×10)，n表示维修队节点的个数。

式中，x_ij表示第i个节点第j个指标的数据值(i＝1,2,…n j＝1,2,…10)。

(2)对评价指标矩阵进行处理，得到归一化矩阵；

本实施例中，故障时间数据指标、服务面貌评价指标、用户满意度评价指标、作业规范度评价指标值越大越好，为高优指标；故障类型数据指标、故障率指标、维修响应时长指数指标、维修队到达时长指数指标、维修诊断时长指数指标和维修时长指数指标值越小越好，为低优指标。

因此，首先将指标同趋势化，将低优指标转化为高优指标，得到同趋势化矩阵Z_(n×10)；转化方法包括：

式中，x_ij表示第i个节点第j个指标的数据值(i＝1,2,...n j＝1,2,…10)。

然后，对指标进行归一化处理；

由于充电桩维修评价不同的指标量纲不同，为了消除因量纲不同对评价结果造成的影响，对各个指标值进行归一化处理，保证均值为0，方差为1，各指标的最大值和最小值不一样，建立归一化矩阵Y，转化函数为：

式中，z_ij表示同趋势化后第i个节点第j个指标的数据值。

(3)基于归一化矩阵，计算加权秩和比；

1.确定最优方案和最劣方案

首先，对充电桩的维修评价指标进行归一化处理后的数据可以得到最优方案Y⁺和最劣方案Y^-，最优方案是正理想解，最劣方案是负理想解，正理想解是指维修队节点在第j个指标上的最大值，负理想解/>是指维修队节点在第j个指标上的最小值，其中(i＝1,2,…n j＝1,2,…10)。

2.计算各个维修队节点评价指标到正理想解和负理想解的距离和/>

计算方法如下：

3.计算相对接近程度值

计算各个维修队节点与正负理想解的相对接近程度C_i值，C_i的取值位于0-1之间(0≤C_i≤1)，C_i的值越接近于1，评价的维修队节点越接近正理想解，C_i的值越接近于0，评价的维修队节点越接近负理想解，C_i值越大，表示此维修队节点综合越好。

4.计算秩值

根据C_i值对维修队节点进行从小到大排序，同时进行编秩，如果有同一评价指标的数据相同，则取平均值，最终得到维修队节点的秩次R_ij，用秩次R_ij代替充电桩维修评价的各个指标值，根据编秩结果建立各指标的秩次数据矩阵R(矩阵R是n行m列的，n代表n个维修队节点，m代表充电桩维修的评价指标，本实施例中共有10个指标m＝10)。

式中，R_ij表示第i个维修队节点第j个评价指标的秩值，(i＝1,2,…n j＝1,2,…10)。

5.计算各个充电桩维修指标的权重

充电桩维修评价指标间的相对重要程度采用AHP1～9标度法表示，采用三角模糊数a_jj'＝(b_jj',c_jj',d_jj')表示维修评价指标之间重要性比较结果，a_jj'表示充电桩维修评价指标j相对于j'的重要程度，b_jj'表示充电桩维修评价指标中重要程度的最低情况，d_jj'表示充电桩维修评价指标中重要程度的最高情况，c_jj'表示充电桩维修评价指标中重要程度的中值，其中a_j'j＝(1/d_jj',1/c_jj',1/b_jj')进行如下步骤：

l个专家对充电桩维修评价指标间m个影响因素之间进行重要性评判，得到评判结果a_jj'＝(b_jj',c_jj',d_jj')；

n个维修队节点根据评判结果构建模糊中值矩阵C＝(c_jj')_n×n，并进行一致性校验；

构建模糊判断因子矩阵F：

式中，e_jj'表示专家对充电桩维修评价指标的标准离差率，e_jj'越大，代表专家评价的模糊程度越大，可信度越小；e_jj'越小，代表专家评价的模糊程度越小，可信度越高。

根据模糊判断因子矩阵F生成调整判断矩阵Z：

Z＝C×F

并把Z转换为对角线为1的判断矩阵Z'；

计算充电桩维修评价指标因素j的权重：

式中，δ_jj'为判断矩阵Z'中的元素，将归一化处理得到每个专家对充电桩维修评价指标权重γ_j，根据各个专家得到充电桩维修评价指标权重计算结果加权计算得到最终的充电桩维修评价指标权重w_j(j'＝1,2,…n j＝1,2,…10)。

6.根据秩次数据矩阵R和充电桩维修评价指标权重w_j，计算加权秩和比

计算方法如下：

式中，i＝1,2,…n，m＝10，j＝1,2,…10。

(4)基于加权秩和比，计算维修队节点的综合排序。

首先，根据加权秩和比计算概率单位；

从小到大对WRSR_i排序得到各个维修队节点充电桩维修评价指标的频数f_i、计算各个维修队节点充电桩维修评价指标F_i，为各组WRSR_i编秩R'_i，当有R'_i相等时计算平均值，向下累计频率p_i的计算公式如下：

根据正态分布的概率单位对照表，将向下累计频率p_i的百分率换算为概率单位Probit_i。

然后，计算回归方程；

以向下累计频率所对应的概率单位值Probit_i为自变量，以WRSR_i值为因变量，回归方程的计算公式如下：

WRSR_i＝a+b×Probit_i(i＝1,2,…n)

式中，a和b为通过最小二乘法拟合出来的参数值。

最后，形成维修队节点的综合排序序列；

将Probit_i代入回归方程，计算出校正WRSR_i值，根据校正的WRSR_i值重新对维修队节点进行排序，形成维修队节点的综合排序序列U＝{u₁，u₂，u₃…u_n}。

机制构建单元用于基于维修队节点的综合排序，建立激励机制；

机制构建单元的具体工作内容包括：

为了促进维修队节点积极参与充电桩维修服务活动，提高维修队节点的评价指标，本实施例提出一种基于信誉值的激励机制；其中，维修队节点的信誉值是区块链中的维修队节点实时拥有的、用于评估该节点的历史表现进而对该节点的当前状态进行激励的一种通证。维修队节点的信誉值评价主要包括：维修队节点的历史贡献度和维修队节点的活跃度。

本实施例中，维修队节点的历史贡献度主要取决于维修队节点在评价体系中的排序值：

式中，n表示维修队节点的个数，u_i表示维修队节点的综合排序序列值。

维修队节点的活跃度，由当有充电桩故障产生时维修队节点的参与度来进行评估。拥有更多活跃点的维修队节点被认为更有活力。活跃度计算方法为：

P_i(t)＝P_i(t-1)exp(-αΔt)

式中，P_i(t)表示维修队节点i在上次信誉值计算到时间t之间的活跃度，α为可自定义参数。

本实施例中，激励机制分为两种，具体如下：

1.当充电桩节点为电力公司所属时，激励机制对维修队节点的绩效按信誉值进行分配，维修队节点根据信誉值从高到低按30％，40％，30％分档，而绩效的总收入按2:2:1对维修队节点根据分档的信誉值进行分配，信誉值越高，维修队节点的绩效越高；

2.当充电桩节点为第三方所属时，在激励机制中，有新的充电桩维修任务时，对维修队人员进行调度时，优先选择信誉值高的维修队节点。

具体的，调度方法包括：当有充电桩维修任务时，先确定此次充电桩的故障类型，筛选出处理过类似任务信誉值最高的维修队节点，对维修度进行维修调度。

基于上述激励机制，当有维修任务时，根据实际情况，对维修队进行维修调度。

第二构建单元用于基于共识机制，基于综合排序，构建区块上链。

如图2所示，在本实施例中，当有充电桩发生故障时，主链节点采集各个维修队节点的信息，对维修队节点上次对充电桩维修结果进行评价计算充电桩服务指挥节点和维修队节点都参与对充电桩维修评价计算，采用哈希算法对充电桩的评价结果进行存储，数据通过哈希计算加密，生成不可逆转的哈希值，数据存储采用非对称加密和数字签名技术对评价结果进行处理，主链节点将时间戳、哈希值等广播到其他参与计算的主链节点进行检验和审核，其他的主链节点检验接收到的数据，确认是否正确，将比较结果和自己的签名一起相互广播。

具体包括：当某个主链节点在收到其他主链节点的评价计算结果后，将自己的评价计算结果和其他主链节点计算结果进行比较，并将最终的确认结果发送给最快算出结果的主链节点，最终确认内容包括本节点的计算结果、比较结果、签名和收到的其他主链节点的检验和审核结果记录；计算最快的主链节点分析收到的所有其他主链节点的确认内容，本实施例中区块链节点达成共识的要求是大于三分之二的主链节点都同意充电桩评价的计算结果，就将包括计算得到的数据和相应签名的记录作为区块体信息生成新区块上链，存储在充电桩维修评价系统的联盟链中；若大于三分之一的主链节点不同意充电桩评价的计算结果，则系统重新开始新一轮计算和共识过程争夺记账权。系统将充电桩维修评价计算结果完成共识过程后，将计算得到的结果和对维修队的评价排序结果一同作为区块体中的交易信息构建新区块上链。

本实施例中，将激励机制置于智能合约之中，对维修队节点按信誉值进行排序，按照两种激励机制对维修队人员进行绩效分配或者调度，基于区块链智能合约通过代码自动执行，无需人工干预，在执行智能合约过程中，如果有违规行为，就会进入惩罚机制，使激励机制更安全可靠。

以上所述的实施例仅是对本申请优选方式进行的描述，并非对本申请的范围进行限定，在不脱离本申请设计精神的前提下，本领域普通技术人员对本申请的技术方案做出的各种变形和改进，均应落入本申请权利要求书确定的保护范围内。

Claims (4)

1.一种基于区块链的电动汽车充电桩维修评价方法，其特征在于，包括：

S1、采集充电桩运行历史数据，基于所述历史数据，构建维修评价指标体系；

S2、基于所述维修评价指标体系，计算维修队节点的综合排序；

S3、基于维修队节点的所述综合排序，建立激励机制；

S4、基于共识机制，基于所述综合排序，构建区块上链；

所述维修评价指标体系包括：一级评价指标和二级评价指标；

所述一级评价指标包括：充电桩故障信息指标、用户评价信息指标和维修队调度信息指标；

所述二级评价指标包括：故障时间数据指标、故障类型数据指标、故障率指标、服务面貌评价指标、用户满意度评价指标、作业规范度评价指标、维修响应时长指数指标、维修队到达时长指数指标、维修诊断时长指数指标和维修时长指数指标；

故障时间数据指标计算方法包括：

；

故障率指标计算方法包括：

式中，/>表示充电桩上一次故障时间到这次故障的时间间隔，/>表示充电桩平均故障一次的时间间隔；

维修响应时长指数指标计算公式包括：

式中，/>表示充电桩报修时间到维修队响应时间的时间间隔，/>表示系统设置的维修队到达时长最佳响应时间间隔；

维修队到达时长指数指标计算公式包括：

式中，/>表示维修队响应报修时间到维修队到达故障充电桩现场时间的时间间隔，/>表示系统设置的维修最佳响应时间间隔；

维修诊断时长指数指标计算公式包括：

式中，/>表示维修队到达故障充电桩现场时间到诊断出故障类型时间的时间间隔，/>表示系统根据故障类型的不同设置的维修最佳响应时间间隔；

计算维修队节点的所述综合排序的方法包括：

基于所述维修评价指标体系，构建评价指标矩阵；

评价指标矩阵为：

式中，n表示维修队节点的个数，/>表示第/>个节点第/>个指标的数据值/>；

对所述评价指标矩阵进行处理，得到归一化矩阵；

首先，将指标同趋势化，得到同趋势化矩阵；转化方法包括：

；

然后，对指标进行归一化处理：

对指标进行归一化处理，建立归一化矩阵Y，转化函数为：

式中，/>表示同趋势化后第/>个节点第/>个指标的数据值；

基于所述归一化矩阵，计算加权秩和比；

包括：确定和最劣方案/>；

式中，/>为正理想解，/>为负理想解；

计算各个维修队节点评价指标到正理想解和负理想解的距离和/>；

计算相对接近程度值：

；

计算秩值：

式中，/>表示第/>个维修队节点第/>个评价指标的秩值，/>；

计算各个充电桩维修指标的权重：

式中，/>为判断矩阵/>中的元素，将/>归一化处理得到每个专家对充电桩维修评价指标权重/>，根据各个专家得到充电桩维修评价指标权重计算结果加权计算得到最终的充电桩维修评价指标权重/>（/>）；

根据秩次数据矩阵和充电桩维修评价指标权重/>，计算加权秩和比，计算方法如下：

式中，/>；

基于所述加权秩和比，计算维修队节点的所述综合排序；

首先，根据加权秩和比计算概率单位；

从小到大对排序得到各个维修队节点充电桩维修评价指标的频数 />、计算各个维修队节点充电桩维修评价指标 />，为各组/>编秩 />，当有/>相等时计算平均值，向下累计频率 />的计算公式如下：

根据正态分布的概率单位对照表，将向下累计频率/>的百分率换算为概率单位/>；

然后，计算回归方程；

以向下累计频率所对应的概率单位值为自变量，以/>值为因变量，回归方程的计算公式如下：

式中，a和b为通过最小二乘法拟合出来的参数值；

最后，形成维修队节点的综合排序序列；

将代入回归方程，计算出校正 />值，根据校正的 />值重新对维修队节点进行排序，形成维修队节点的综合排序序列；

基于维修队节点的信誉值建立所述激励机制；

激励机制分为两种：

当充电桩节点为电力公司所属时，激励机制对维修队节点的绩效按信誉值进行分配，维修队节点根据信誉值从高到低按30%，40%，30%分档，而绩效的总收入按2:2:1对维修队节点根据分档的信誉值进行分配，信誉值越高，维修队节点的绩效越高；

当充电桩节点为第三方所属时，在激励机制中，有新的充电桩维修任务时，对维修队人员进行调度时，优先选择信誉值高的维修队节点。

2.根据权利要求1所述基于区块链的电动汽车充电桩维修评价方法，其特征在于，所述维修队节点的信誉值包括：维修队节点的历史贡献度和维修队节点的活跃度。

3.根据权利要求2所述基于区块链的电动汽车充电桩维修评价方法，其特征在于，所述历史贡献度计算方法包括：

式中，n表示维修队节点的个数，/>表示维修队节点的综合排序序列值。

4.一种基于区块链的电动汽车充电桩维修评价系统，其特征在于，包括：

指标构建单元、计算单元、机制构建单元和第二构建单元；

所述指标构建单元用于采集充电桩运行历史数据，基于所述历史数据，构建维修评价指标体系；

维修评价指标体系包括：一级评价指标和二级评价指标；

一级评价指标包括：充电桩故障信息指标、用户评价信息指标和维修队调度信息指标；

二级评价指标包括：故障时间数据指标、故障类型数据指标、故障率指标、服务面貌评价指标、用户满意度评价指标、作业规范度评价指标、维修响应时长指数指标、维修队到达时长指数指标、维修诊断时长指数指标和维修时长指数指标；

故障时间数据指标计算方法包括：

；

故障率指标计算方法包括：

式中，/>表示充电桩上一次故障时间到这次故障的时间间隔，/>表示充电桩平均故障一次的时间间隔；

维修响应时长指数指标计算公式包括：

式中，/>表示充电桩报修时间到维修队响应时间的时间间隔，/>表示系统设置的维修队到达时长最佳响应时间间隔；

维修队到达时长指数指标计算公式包括：

式中，/>表示维修队响应报修时间到维修队到达故障充电桩现场时间的时间间隔，/>表示系统设置的维修最佳响应时间间隔；

维修诊断时长指数指标计算公式包括：

式中，/>表示维修队到达故障充电桩现场时间到诊断出故障类型时间的时间间隔，/>表示系统根据故障类型的不同设置的维修最佳响应时间间隔；

所述计算单元用于基于所述维修评价指标体系，计算维修队节点的综合排序；

计算维修队节点的综合排序的方法包括：

基于维修评价指标体系，构建评价指标矩阵；

评价指标矩阵为：

式中，n表示维修队节点的个数，/>表示第/>个节点第/>个指标的数据值/>；

对评价指标矩阵进行处理，得到归一化矩阵；

首先，将指标同趋势化，得到同趋势化矩阵；转化方法包括：

；

然后，对指标进行归一化处理：

对指标进行归一化处理，建立归一化矩阵Y，转化函数为：

式中，/>表示同趋势化后第/>个节点第/>个指标的数据值；

基于归一化矩阵，计算加权秩和比；

包括：确定和最劣方案/>；

式中，/>为正理想解，/>为负理想解；

计算各个维修队节点评价指标到正理想解和负理想解的距离和/>；

计算相对接近程度值：

；

计算秩值：

式中，/>表示第/>个维修队节点第/>个评价指标的秩值，/>；

计算各个充电桩维修指标的权重：

式中，/>为判断矩阵/>中的元素，将/>归一化处理得到每个专家对充电桩维修评价指标权重/>，根据各个专家得到充电桩维修评价指标权重计算结果加权计算得到最终的充电桩维修评价指标权重/>（/>）；

根据秩次数据矩阵和充电桩维修评价指标权重/>，计算加权秩和比，计算方法如下：

式中，/>；

基于加权秩和比，计算维修队节点的综合排序；

首先，根据加权秩和比计算概率单位；

从小到大对排序得到各个维修队节点充电桩维修评价指标的频数 />、计算各个维修队节点充电桩维修评价指标/>，为各组/>编秩 />，当有/>相等时计算平均值，向下累计频率 />的计算公式如下：

根据正态分布的概率单位对照表，将向下累计频率/>的百分率换算为概率单位/>；

然后，计算回归方程；

以向下累计频率所对应的概率单位值为自变量，以/>值为因变量，回归方程的计算公式如下：

式中，a和b为通过最小二乘法拟合出来的参数值；

最后，形成维修队节点的综合排序序列；

将代入回归方程，计算出校正 />值，根据校正的 />值重新对维修队节点进行排序，形成维修队节点的综合排序序列/>；

所述机制构建单元用于基于维修队节点的所述综合排序，建立激励机制；

基于维修队节点的信誉值建立激励机制；

激励机制分为两种：

当充电桩节点为电力公司所属时，激励机制对维修队节点的绩效按信誉值进行分配，维修队节点根据信誉值从高到低按30%，40%，30%分档，而绩效的总收入按2:2:1对维修队节点根据分档的信誉值进行分配，信誉值越高，维修队节点的绩效越高；

当充电桩节点为第三方所属时，在激励机制中，有新的充电桩维修任务时，对维修队人员进行调度时，优先选择信誉值高的维修队节点；

所述第二构建单元用于基于共识机制，基于所述综合排序，构建区块上链。