CN116050725A - 一种综合能源系统运行调度的区块链共识机制构建方法 - Google Patents

一种综合能源系统运行调度的区块链共识机制构建方法 Download PDF

Info

Publication number
CN116050725A
CN116050725A CN202211389664.2A CN202211389664A CN116050725A CN 116050725 A CN116050725 A CN 116050725A CN 202211389664 A CN202211389664 A CN 202211389664A CN 116050725 A CN116050725 A CN 116050725A
Authority
CN
China
Prior art keywords
node
operation scheduling
value
nodes
comprehensive
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202211389664.2A
Other languages
English (en)
Inventor
杨佳轩
龚钢军
强仁
张英丽
武昕
陆俊
苏畅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
North China Electric Power University
Original Assignee
North China Electric Power University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by North China Electric Power University filed Critical North China Electric Power University
Priority to CN202211389664.2A priority Critical patent/CN116050725A/zh
Publication of CN116050725A publication Critical patent/CN116050725A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/23—Updating
    • G06F16/2379—Updates performed during online database operations; commit processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Operations Research (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种综合能源系统运行调度的区块链共识机制构建方法，包括以下步骤：基于综合能源系统中各节点的评价指标，对综合能源系统进行综合评价，获得各节点的综合评价值；通过对Transformer模型进行训练，获得综合评价初始预测值模型和综合评价误差预测模型，并将得到的综合评价初始预测值与误差预测值线性相加，获得各节点的目标综合评价值并进行排序，获得共识机制的求解节点和验证节点，基于求解节点，获得综合能源系统的运行调度方案，基于验证节点对比接收到各求解节点提供的运行调度方案是否一致。本发明解决了各主体地位相对平等无法选取主体进行集中式调度的问题，为综合能源系统各主体提供信任基础。

Description

一种综合能源系统运行调度的区块链共识机制构建方法
技术领域
本发明属于区块链领域，特别是涉及一种综合能源系统运行调度的区块链共识机制构建方法。
背景技术
在“碳达峰”和“碳中和”战略背景下，能源结构调整迫在眉睫，需努力兼顾快速发展与绿色转型同步进行，大力发展可再生能源，构建以新能源为主的新型电力系统，同时提供能源利用效率成为重中之重，建设多元互补的综合能源系统势在必行，综合能源系统利用冷热电三联供、燃气锅炉、电转气等能源转换设备实现电、热、气等多种能源之间的转化，完成多种异质能源子系统的互联互通，有利于多能源互补和协同优化从而在满足日益增长的能源需求同时灵活提升能效。
综合能源系统实现多种能源主体互联融合，但不同能源系统间运行调度相互独立，带来了如何高效实现多主体协同优化的难题。目前电、热、气等能源系统都是独立开展运行调度，且均采用集中式运行调度方式，各能源子系统在综合能源系统中地位平等，如何选取合适主体进行集中式运行调度，给综合能源系统的协同优化带来了巨大挑战。与此同时，因综合能源系统中缺少权威主体，集中运行优化得到的方案无法保证最优性。
区块链分布式、可信任等特性适配于综合能源系统运行调度场景，其中共识机制更是解决信任问题的关键，但是，现有的主流区块链共识机制包含POW、POS、DPOS、PBFT等，其中POW通过计算求解复杂哈希谜题，先解出答案获得记账权利，需要消耗大量电能且效率较低；POS则是通过衡量拥有代币多少来确定记账权，造成中心化；DPOS是基于投票选举也会造成中心化；PBFT则存在通信复杂度过高，可拓展性比较低等问题。因此，针对现有共识机制的不足，亟需提出一种适合综合能源系统运行调度场景的共识机制。
发明内容
本发明的目的是提供一种综合能源系统运行调度的区块链共识机制构建方法，本发明针对现有共识机制不足和综合能源系统运行调度需求，对节点开展综合评价选出共识节点，并利用求解节点求解运行调度问题，其余候选节点进行验证结果参与共识，提出了一种适用于综合能源运行调度场景的共识机制。该机制既对综合能源系统运行调度问题进行求解，又解决了综合能源系统中缺乏权威节点无法保证运行调度方案的最优性问题，保证了综合能源系统安全高效运行，以解决上述现有技术存在的问题。
为实现上述目的，本发明提供了一种综合能源系统运行调度的区块链共识机制构建方法，包括以下步骤：
基于综合能源系统中各节点的共识参与度指标、共识准确度指标、碳排放强度指标和信用度指标，对所述综合能源系统进行综合评价，获得各节点的综合评价值；
基于各节点的综合评价值和历史节点数据对Transformer模型进行训练，获得综合评价初始预测值模型和综合评价误差预测模型，并将得到的综合评价初始预测值与误差预测值线性相加，获得各节点的目标综合评价值并进行排序；
基于排序结果，获得共识机制的求解节点和验证节点，并基于所述求解节点，获得综合能源系统的运行调度方案，基于所述验证节点对比接收到各求解节点提供的运行调度方案是否一致，若一致，则所述运行调度方案为最优运行调度方法。
可选的，各个节点的评价指标的获得过程包括：基于各个节点的求解次数、验证次数、求解所用时长和验证所用时长，获得共识参与度指标；基于求解准确率和验证准确率，获得共识准确度指标；基于能源设备产能过程中的输出功率及对应的碳排放指数，获得碳排放强度指数；基于各节点的最优出力值和实际出力值，获得信用度指标。
可选的，对所述综合能源系统进行综合评价的过程包括：对各个节点的评价指标进行归一化处理，获得目标评价指标，并获取所述目标评价指标的客观权重和主观权重及其分别对应的权重比值；基于所述主观权重和客观权重及其分别对应的权重比值，获得各个节点的组合权重；基于所述组合权重，利用不同的评价方法对各个节点进行综合评价。
可选的，获得节点综合评价值的过程包括：获取不同评价方法对各个节点评价结果的隶属度，基于所述隶属度获得节点的模糊频数，基于所述模糊频数获得节点的模糊频率；获取各个节点在排序位置上的分值；基于所述模糊频率和分值，获得节点综合评价值。
可选的，获得综合评价初始预测值模型和综合评价误差预测模型的过程包括：对历史节点综合评价值和历史原始数据进行预处理，获得初始训练集、误差训练集；基于Transformer模型对所述初始训练集进行特征学习训练，获得综合评价初始预测值模型；
将初始训练集中的历史原始数据输入到所述综合评价初始预测值模型中，获得综合评价初始预测值，将真实的历史节点综合评价值与所述综合评价初始预测值对比获得误差值；基于Transformer模型对所述误差值和误差训练集中的历史原始数据进行误差训练，获得综合评价误差预测模型；
其中，所述历史原始数据包括但不限于求解次数和求解时长。
可选的，获得共识机制的求解节点和验证节点的过程包括：对各个节点的目标综合评价值进行排序，获得目标综合评价值的第一高值和第二高值，所述第一高值即为求解节点，所述第二高值即为验证节点。
可选的，获得综合能源系统的运行调度方案的过程包括：获取节点的碳排放量最低值、产能成本最低值，以所述碳排放量最低值、产能成本最低值为目标，基于功率平衡约束、节点出力约束、设备爬坡约束，获得各节点日内每时刻最优出力，进而获得运行调度方案。
可选的，基于验证节点对运行调度方案进行验证的过程包括：所述验证节点对比接收到各求解节点提供的运行调度方案是否一致，如运行调度方案完全一致或超过2/3的求解节点一致，则将所述运行调度方案广播给综合能源系统中的各节点；如运行调度方案不一致，且每个求解节点提供的运行调度方案都不同，则重新选取求解节点和验证节点，直到运行调度方案达到验证要求。
本发明的技术效果为：
针对综合能源系统运行调度场景中集中式调度主体选取困难、分布式运行调度各主体均需求解效率较低等问题，本发明将综合能源系统节点等效为区块链节点，将运行调度方案求解问题与共识机制相结合，在保证方案最优的同时降低求解复杂性，为保证公平性根据产出能源类型选取求解节点和验证节点，使隶属于不同能源系统的节点参与到调度运行中。
本发明考虑综合能源系统中节点在共识过程中的参与度、碳排放强度以及运行调度方案执行情况，基于组合权重综合多种评价方法得到节点的综合评价值，并利用深度学习模型学习节点原始数据与综合评价值内在联系得到综合评价预测模型部署在区块链中的智能合约，在保证节点隐私安全的前提下完成节点综合评价，便于共识过程中求解节点和验证节点的选出。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本发明实施例中的区块链共识机制构建方法流程图；
图2为本发明实施例中的区块链结构示意图；
图3为本发明实施例中的智能合约示意图。
具体实施方式
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
实施例一
如图1-3所示，本实施例提供了一种综合能源系统运行调度的区块链共识机制构建方法，具体流程如下：
Step1：赋予综合能源系统中节点编号ID，每一个编号映射一个集合{ad，Et，Eq}，其中包含节点重要信息：节点地址ad、节点涉及能源类型Et、节点所用设备类型Eq。
因出于绿色低碳能源转型以及积极参与综合能源系统运行和共识的需求，对于综合能源系统中各节点的评价从共识参与度、碳排放强度、信用度等多角度开展，具体的评价指标体系如下：
共识参与度：主要是从节点参与求解次数
Figure BDA0003931448080000061
验证次数
Figure BDA0003931448080000062
求解所用时长
Figure BDA0003931448080000063
验证所用时长
Figure BDA0003931448080000064
等方面来衡量节点的共识参与度，其中参与求解次数和验证次数直接反映节点参与共识的积极性，求解所用时长和验证所用时长则间接反映参与共识的积极性。共识参与度主要是鼓励节点积极参与共识并保证求解的正确性。
共识准确度：因运行调度场景下的共识机制中涉及优化问题求解，因此选取求解准确率、验证准确率等指标反映节点参与共识求解问题的准确性，其中求解准确率是指节点在参与运行调度方案求解时与其它求解节点结果一致的次数在总求解次数的占比，验证准确率指的是节点参与验证时正确判断结果一致性的次数在总验证次数的占比。
Figure BDA0003931448080000065
Figure BDA0003931448080000066
式中
Figure BDA0003931448080000071
表示节点i的求解准确率，
Figure BDA0003931448080000072
表示节点i求解正确的次数，
Figure BDA0003931448080000073
表示参与求解的总次数，
Figure BDA0003931448080000074
表示节点i的验证准确率，
Figure BDA0003931448080000075
表示节点i验证正确的次数，
Figure BDA0003931448080000076
表示参与验证的总次数。
碳排放强度：在当前双碳战略的大背景下，碳排放量是考核综合能源系统的重要指标，主要是通过获取能源设备产能过程中的输出功率，根据对应碳排放指数计算得到排放二氧化碳的量，从而确定碳排放强度。
Figure BDA0003931448080000077
式中Ci表示节点i的碳排放强度，αn表示设备n的碳排放指数，为固定常数，
Figure BDA0003931448080000078
表示节点i的s种类能源的实际出力值。
信用度：反映的是节点对于运行调度方案的执行情况，通过对比运行调度方案中各节点的最优出力值和实际出力值衡量信用度，具体的指标量化公式如下：
Figure BDA0003931448080000079
式中Xi表示节点i的信用度，
Figure BDA00039314480800000710
维持表示节点i的s种类能源的实际出力值，
Figure BDA00039314480800000711
表示节点i的s种类能源运行调度方案中的最优出力值。
结合所提的指标体系开展节点评价，但现有确定各指标权重的方法都存在一些不足，比如主观赋权法存在较大的主观随意性，人为因素过多，客观赋权法则存在过于依赖样本与实际情况不符等情况，这两种方式都会导致信息缺失，采用组合赋权法可以最大程度上降低信息缺失，但如何分别确定主观和客观权重的分配又成为新的问题。因此在本实施例中选取多种评价方法进行评价，并综合考虑多种评价结果得到对综合能源系统的综合评价。具体评价过程如下：
对指标进行归一化处理
由于定量指标的量纲一般不同，为了便于综合评价，对指标值进行归一化处理，对原始数据的线性变换，使结果映射到[0，1]区间。转化函数为包含两种，指标越大越好采用正向转化函数，反之指标越小越好则采用负向转化函数，具体转化函数如下：
Figure BDA0003931448080000081
Figure BDA0003931448080000082
其中xij表示第i个节点第j个指标的数据值，yij为归一后的标准值。对于求解所用时长
Figure BDA0003931448080000083
验证所用时长
Figure BDA0003931448080000084
碳排放强度Ci用负向转化函数进行归一化，其余指标采用正向转化函数。
确定各项指标的权重
考虑评价方法的差异性，为更全面对节点开展评价，选取变异系数法和熵值法确定评价指标的客观权重αj，其中熵值法是通过计算信息熵、信息效用值得到权重，变异系数法是通过计算平均值、标准差以及相关系数得到权重，取两种方法得到的权重平均值作为客观权重；选取序关系分析法确定评价指标的主观权重βj，根据专家打分对指标重要度进行排序，计算相邻指标重要度比值确定权重；基于距离关系得到更合理的组合权重Wj。
Wj＝pαj+qβj
其中αj、βj分别为客观权重与主观权重，p和q分别为权重比重并且p+q＝1。
利用欧式距离确定主客观权重关系：
Figure BDA0003931448080000091
建立主客观权重比重p和q的关系：
(p-q)2＝f2(αj,βj)
将上式联立求解得到p和q，从而得到组合权重Wj。
利用多种评价方法对节点进行综合评价
本实施例选取逼近理想解法、灰色关联度分析法、VIKOR法3种单一评价方法对节点进行评价，其中的指标权重取上一步得到的组合权重。
结合多种评价方法结果得到节点综合评价值
通过对比不同评价方法的各节点综合评价排序结果，引入隶属度函数与模糊Borda数综合不同评价方法带来的得分与排序上的差异，最终得到更为合理的组合评价值。具体过程包括：
计算不同评价方法对节点评价结果的隶属度
Figure BDA0003931448080000092
式中Nih为节点i在第h个评价方法的综合评价值，nih为第i个节点在第h个评价方法的隶属度。
计算节点的模糊频数
Figure BDA0003931448080000093
Figure BDA0003931448080000094
其中Tki表示节点i在k排序位置的模糊频数，m为使用的综合评价方法数。
计算节点的模糊频率
Figure BDA0003931448080000101
其中Fki为节点i在k排序位置的模糊频率，反映出不同综合评价方法的评价值额度差异性。
将排位次序转化为分数
Figure BDA0003931448080000102
其中Sk为各节点在k排序位置的得分，n为节点总数。
计算模糊Borda数
VBi＝∑FkiSk
其中VBi表示节点i的模糊Borda得分即最终的综合评价值，得分越高表明该节点综合评价越高。
Step2：因现有节点评价机制需要利用各节点信息，并且需要将所有信息集中后进行节点综合评价，存在节点信息泄露和被篡改的安全问题，本实施例利用深度学习模型学习节点指标和综合评价值之间的内在关联，为了提高预测精度加入误差补偿，构建节点综合评价预测模型部署在区块链的智能合约中，实现节点的本地综合评价。预测模型构建流程如下：
本实施例将历史节点综合评价值以及求解次数、求解时长等历史原始数据作为多维度输入，并对输入数据进行预处理，将原始数据集划分为初始训练集、误差训练集和测试集；
利用Transformer模型对初始训练集进行特征学习训练得到综合评价初始预测模型，模型输入为原始数据，输出为综合评价初始预测值；
将误差训练集中的历史原始数据代入初始预测模型中得到综合评价初始预测值，将真实历史综合评价值与综合评价初始预测值对比得到误差值，和误差训练集中的原始数据一起作为误差训练输入数据，利用Transformer模型进行训练得到综合评价误差预测模型，模型输入为原始数据，输出为综合评价误差预测值；
最后将测试集中的原始数据带入综合评价初始预测模型和综合评价误差预测模型，得到的综合评价初始预测值与误差预测值线性相加得到最终预测评价值。
其中针对节点综合评价值预测场景对Transformer模型进行了相应改进，因节点综合评价预测无需考虑数据的位置信息，位置编码层作用不大，同时去除了输出层的指数归一化。选取绝对误差和相对误差来衡量模型训练效果，预测准确度达到要求后将训练好的预测模型嵌套在智能合约中，保证节点隐私的前提下提高节点综合评价效率，便于选取求解节点和验证节点。
Step3：各节点在利用预测模型得到综合评价值之后，为保证公平性按照产出能源的种类选取其中综合评价值最高的节点为共识机制中的求解节点，分别根据负荷需求、运行调度目标函数和各节点对应的约束条件求解得到综合能源系统运行调度方案。综合评价次之的节点为验证节点，检查求解节点得出的运行调度方案是否相同，完成综合能源系统运行调度的求解方案一致性验证。可根据综合能源系统运行调度周期，每次运行调度方案求解前重新进行节点评价选取求解节点和验证节点。
Step4：选出求解节点后，求解节点根据收到的负荷需求，以成本最低、碳排放量最低为目标，考虑功率平衡约束、节点出力约束、设备爬坡约束，求解各节点日内每时刻最优出力，得到运行调度方案。其中的目标函数如下：
Figure BDA0003931448080000121
目标函数中Ci表示节点i的排放量，Hi表示节点i的产能成本，其中Hi＝Bgi+Bvi-Ii，Bgi表示节点i的购能成本，Bvi表示节点i的维护成本，Ii表示节点i的售能收益。因成本函数与碳排放函数量纲不同，无法直接相加转化为单目标函数便于求解，因此进行模糊化处理，具体步骤如下：
以碳排放量最小为目标函数单独求解，得到最小碳排放量CM，将求解结果带入成本函数同时计算出产能成本HM；
以产能成本最小为目标函数单独求解，得到最小产能成本Hm，将求解结果带入成本函数同时计算出碳排放量CM；
在得到目标函数最优策略后，利用隶属度函数实现单目标值到隶属的映射，完成对目标函数的模糊化，具体的隶属度函数如下：
Figure BDA0003931448080000122
Figure BDA0003931448080000131
将模糊化后的目标函数相加，得到最终目标函数：
maxF＝max{εμ(C)+(1-ε)μ(H)}
约束条件如下：
Figure BDA0003931448080000132
其中L为负荷需求，
Figure BDA0003931448080000133
表示节点i的s种类能源的实际出力值，
Figure BDA0003931448080000134
分别节点i出力的最大值与最小值，
Figure BDA0003931448080000135
表示节点i的每一时间间隔最大功率变化。
Step5：在各求解节点经过求解得到运行调度方案后，将运行调度方案发送给所有验证节点，验证节点对比接收到各求解节点提供的运行调度方案是否一致，如方案完全一致则将运行调度方案广播给综合能源系统中的各节点，为防止验证节点为恶意节点，其它节点收到超过验证节点总数2/3的验证节点发送的方案，且方案一致便认为该方案为最优方案并将运行调度方案、验证节点、求解节点等信息写入区块中；如方案不一致，超过2/3的求解节点提供的方案一致则认定该方案为运行调度方案，并将求解错误的节点信息广播，若每个节点提供的求解方案都不同，则将当前所有验证节点转化为求解节点，按照产出能源种类继续选取验证节点，直到求解方案达到验证要求。
对于参与过求解和验证的节点若求解准确率和验证正确率低于50％则取消其在综合能源系统中运行的资格，对于长期不参与求解和验证的节点也限制其在综合能源系统中运行。
本实施例在区块链分布式、可信任特性支撑下，为保证综合能源系统低碳安全运行，提出适合综合能源系统运行调度场景的共识机制，既可以保证综合能源系统中各能源主体平等地位，又解决了综合能源系统运行调度问题求解后如何验证最优性的难题。本实施例综合考虑综合能源系统的成本和碳排放量求解运行调度问题，针对能源种类划分节点，由多个节点参与求解，多个节点参与验证，保证运行调度方案的最优性，解决了集中式运行调度带来的信任问题，同时也保障系统中各主体的地位平等以及参与决策的权力，克服了现有共识机制算力资源浪费、去中心化程度低等困难。
本实施例中将综合能源系统中的能源设备等效为区块链节点，构建综合能源系统联盟链。假设各种能源负荷预测结果准确，针对综合能源系统运行调度需求，选取多方面指标，并综合多种评价方法对节点进行评价，利用评价数据训练深度学习模型，将训练好的模型嵌套在智能合约中便于后续评价选取节点。为保证公平性，根据综合能源系统中涉及能源种类对节点进行划分，因综合能源系统中的能源设备可能涉及多种能源类型，本实施例中以产出能源类型进行节点分类。选取每一能源类型中评价最高的节点为求解节点，对综合能源系统运行调度问题分别进行求解，并将结果交由其它能源种类的候选节点检验，如检验求解结果一致则为最优方案，将运行调度方案进行广播，如检验求解结果不一致，则并非最优方案，需要进行判断再将最优运行调度方案广播。
本实施例利用区块链分布式、可信任特性针对综合能源系统运行调度场景，解决各主体地位相对平等无法选取主体进行集中式调度的问题，为综合能源系统各主体提供信任基础。
本实施例针对集中式运行调度方案只由部分主体知情其它主体无法验证最优性，同时分布式运行调度需要所有主体都要求解运行调度问题效率较低等问题，本发明构建的共识机制根据节点产出能源种类选取求解节点和验证节点，分别求解和验证运行调度方案，保证公平的同时提高效率。
本实施例从节点参与共识、碳排放、执行运行调度方案的信用等角度，提出了节点综合评价体系，并结合多种评价方法对综合能源系统中节点进行综合评价，既为选出求解节点和验证节点提供参考，又鼓励节点积极参与运行调度方案的求解验证。
本实施例根据节点的历史综合评价值和历史原始数据利用深度学习模型通过学习，结合误差补偿机制得到节点原始数据与综合评价值之间的内在联系构建节点综合评价预测模型，将综合评价预测模型部署在智能合约中在本地完成综合评价，避免因传统综合评价需将所有节点信息集中评价造成隐私泄露等安全问题。
以上所述，仅为本申请较佳的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。

Claims (8)

1.一种综合能源系统运行调度的区块链共识机制构建方法，其特征在于，包括以下步骤：
基于综合能源系统中各节点的共识参与度指标、共识准确度指标、碳排放强度指标和信用度指标，对所述综合能源系统进行综合评价，获得各节点的综合评价值；
基于各节点的综合评价值和历史节点数据对Transformer模型进行训练，获得综合评价初始预测值模型和综合评价误差预测模型，并将得到的综合评价初始预测值与误差预测值线性相加，获得各节点的目标综合评价值并进行排序；
基于排序结果，获得共识机制的求解节点和验证节点，并基于所述求解节点，获得综合能源系统的运行调度方案，基于所述验证节点对比接收到各求解节点提供的运行调度方案是否一致，若一致，则所述运行调度方案为最优运行调度方法。
2.根据权利要求1所述的综合能源系统运行调度的区块链共识机制构建方法，其特征在于，
各个节点的评价指标的获得过程包括：基于各个节点的求解次数、验证次数、求解所用时长和验证所用时长，获得共识参与度指标；基于求解准确率和验证准确率，获得共识准确度指标；基于能源设备产能过程中的输出功率及对应的碳排放指数，获得碳排放强度指数；基于各节点的最优出力值和实际出力值，获得信用度指标。
3.根据权利要求1所述的综合能源系统运行调度的区块链共识机制构建方法，其特征在于，
对所述综合能源系统进行综合评价的过程包括：对各个节点的评价指标进行归一化处理，获得目标评价指标，并获取所述目标评价指标的客观权重和主观权重及其分别对应的权重比值；基于所述主观权重和客观权重及其分别对应的权重比值，获得各个节点的组合权重；基于所述组合权重，利用不同的评价方法对各个节点进行综合评价。
4.根据权利要求1所述的综合能源系统运行调度的区块链共识机制构建方法，其特征在于，
获得节点综合评价值的过程包括：获取不同评价方法对各个节点评价结果的隶属度，基于所述隶属度获得节点的模糊频数，基于所述模糊频数获得节点的模糊频率；获取各个节点在排序位置上的分值；基于所述模糊频率和分值，获得节点综合评价值。
5.根据权利要求1所述的综合能源系统运行调度的区块链共识机制构建方法，其特征在于，
获得综合评价初始预测值模型和综合评价误差预测模型的过程包括：对历史节点综合评价值和历史原始数据进行预处理，获得初始训练集、误差训练集；基于Transformer模型对所述初始训练集进行特征学习训练，获得综合评价初始预测值模型；
将初始训练集中的历史原始数据输入到所述综合评价初始预测值模型中，获得综合评价初始预测值，将真实的历史节点综合评价值与所述综合评价初始预测值对比获得误差值；基于Transformer模型对所述误差值和误差训练集中的历史原始数据进行误差训练，获得综合评价误差预测模型；
其中，所述历史原始数据包括但不限于求解次数和求解时长。
6.根据权利要求1所述的综合能源系统运行调度的区块链共识机制构建方法，其特征在于，
获得共识机制的求解节点和验证节点的过程包括：对各个节点的目标综合评价值进行排序，获得目标综合评价值的第一高值和第二高值，所述第一高值即为求解节点，所述第二高值即为验证节点。
7.根据权利要求6所述的综合能源系统运行调度的区块链共识机制构建方法，其特征在于，
基于求解节点，获得综合能源系统的运行调度方案的过程包括：获取节点的碳排放量最低值、产能成本最低值，以所述碳排放量最低值、产能成本最低值为目标，基于功率平衡约束、节点出力约束、设备爬坡约束，获得各节点日内每时刻最优出力，进而获得运行调度方案。
8.根据权利要求6所述的综合能源系统运行调度的区块链共识机制构建方法，其特征在于，
基于验证节点对运行调度方案进行验证的过程包括：所述验证节点对比接收到各求解节点提供的运行调度方案是否一致，如运行调度方案完全一致或超过2/3的求解节点一致，则将所述运行调度方案广播给综合能源系统中的各节点；如运行调度方案不一致，且每个求解节点提供的运行调度方案都不同，则重新选取求解节点和验证节点，直到运行调度方案达到验证要求。
CN202211389664.2A 2022-11-08 2022-11-08 一种综合能源系统运行调度的区块链共识机制构建方法 Pending CN116050725A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211389664.2A CN116050725A (zh) 2022-11-08 2022-11-08 一种综合能源系统运行调度的区块链共识机制构建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211389664.2A CN116050725A (zh) 2022-11-08 2022-11-08 一种综合能源系统运行调度的区块链共识机制构建方法

Publications (1)

Publication Number Publication Date
CN116050725A true CN116050725A (zh) 2023-05-02

Family

ID=86126270

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211389664.2A Pending CN116050725A (zh) 2022-11-08 2022-11-08 一种综合能源系统运行调度的区块链共识机制构建方法

Country Status (1)

Country Link
CN (1) CN116050725A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115841354A (zh) * 2022-12-27 2023-03-24 华北电力大学 一种基于区块链的电动汽车充电桩维修评价方法与系统
CN118313507A (zh) * 2024-04-03 2024-07-09 山东泽悦信息技术有限公司 一种基于能源区块链的自动用能优化方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108805743A (zh) * 2018-05-25 2018-11-13 华北电力大学 一种电网企业售电公司运营效益评价方法
CN110909953A (zh) * 2019-12-03 2020-03-24 浙江科技学院 一种基于ann-lstm的泊位预测方法
CN112149879A (zh) * 2020-09-02 2020-12-29 上海电力大学 一种计及宏观波动性分类的新能源中长期电量预测方法
CN112532581A (zh) * 2020-10-26 2021-03-19 南京辰阔网络科技有限公司 一种基于共识参与度和交易活跃度的改进pbft共识方法
WO2021077646A1 (zh) * 2019-10-22 2021-04-29 中国科学院广州能源研究所 用于电功率预测模型的多精度指标综合评价方法及系统
CN112990568A (zh) * 2021-03-11 2021-06-18 华北电力大学 一种综合能源智能交易场景下的区块链共识机制构建方法
CN113887816A (zh) * 2021-10-19 2022-01-04 江南大学 一种家用电器社会保有量的智能预测方法、装置及设备

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108805743A (zh) * 2018-05-25 2018-11-13 华北电力大学 一种电网企业售电公司运营效益评价方法
WO2021077646A1 (zh) * 2019-10-22 2021-04-29 中国科学院广州能源研究所 用于电功率预测模型的多精度指标综合评价方法及系统
CN110909953A (zh) * 2019-12-03 2020-03-24 浙江科技学院 一种基于ann-lstm的泊位预测方法
CN112149879A (zh) * 2020-09-02 2020-12-29 上海电力大学 一种计及宏观波动性分类的新能源中长期电量预测方法
CN112532581A (zh) * 2020-10-26 2021-03-19 南京辰阔网络科技有限公司 一种基于共识参与度和交易活跃度的改进pbft共识方法
CN112990568A (zh) * 2021-03-11 2021-06-18 华北电力大学 一种综合能源智能交易场景下的区块链共识机制构建方法
CN113887816A (zh) * 2021-10-19 2022-01-04 江南大学 一种家用电器社会保有量的智能预测方法、装置及设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李海凌等: "基于多视角的PFI项目风险评估研究", 技术经济与管理研究, no. 02, pages 12 - 15 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115841354A (zh) * 2022-12-27 2023-03-24 华北电力大学 一种基于区块链的电动汽车充电桩维修评价方法与系统
CN118313507A (zh) * 2024-04-03 2024-07-09 山东泽悦信息技术有限公司 一种基于能源区块链的自动用能优化方法

Similar Documents

Publication Publication Date Title
CN116050725A (zh) 一种综合能源系统运行调度的区块链共识机制构建方法
Zhang et al. Multistep multiagent reinforcement learning for optimal energy schedule strategy of charging stations in smart grid
KR20220073617A (ko) 블록체인기반 소규모 탄소배출권 거래시스템
CN116544934B (zh) 根据电力负荷预测的电力调度方法及系统
CN111091239A (zh) 基于差分进化算法的能源服务商电价策略制定方法及装置
Cui et al. Blockchain enabled data transmission for energy imbalance market
CN109559033A (zh) 一种面向云设计制造模式的社交化团队成员优选方法
CN113608975A (zh) 电力现货市场下电能计量系统运行状态在线评估方法及系统
Gharibi et al. Deep learning framework for day-ahead optimal charging scheduling of electric vehicles in parking lot
CN114169916A (zh) 一种适应新型电力系统的市场成员报价策略制定方法
Liu et al. A task matching model of photovoltaic storage system under the energy blockchain environment-based on GA-CLOUD-GS algorithm
CN116862144A (zh) 一种基于双重博弈的多园区低碳调度方法及系统
Wang et al. Taming time-varying information asymmetry in fresh status acquisition
CN117934050A (zh) 融合风险与收益的虚拟电厂参与市场化交易的方法及系统
CN116468253A (zh) 结合智慧能源管理平台的多能源调度管控方法及系统
CN115271092A (zh) 一种面向室内定位联邦学习的群智众筹激励方法
CN116307437A (zh) 基于碳排放权兑换机制的虚拟电厂优化调度方法及系统
CN110097300A (zh) 一种增量配电网价值评估方法
Chen et al. A pricing strategy based on bi-level stochastic optimization for virtual power plant trading in multi-market: Energy, ancillary services and carbon trading market
CN101929684A (zh) 混烧低热值煤气机组煤耗计算方法
Yue et al. Tri‐layer low‐carbon distributed optimization of integrated energy systems based on hybrid games under stochastic scenarios
CN110458363A (zh) 一种分布式电源全生命周期博弈管理方法
CN116307606B (zh) 一种基于区块链的共享储能灵活性运行调度方法
Zou et al. Worker Selection towards High Service Quality in Mobile Crowd Sensing
Liu et al. Demand Based Bidding Strategies Under Interval Demand for Integrated Demand and Supply Management

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination