基于区块链的私有充电桩共享平台交易策略

doi:10.12096/j.2096-4528.pgt.21134

基于区块链的私有充电桩共享平台交易策略

吴小汉¹, 张谦¹, 粟尧嘉², 黄耀宇¹, 吴佳琦¹

1.输配电装备及系统安全与新技术国家重点实验室(重庆大学)，重庆市沙坪坝区 400044

2.中国南方电网有限责任公司广东电网公司中山供电局，广东省中山市 528403

Sharing Platform Trading Strategy of Private Charging Pile Based on Blockchain

WU Xiaohan¹, ZHANG Qian¹, SU Yaojia², HUANG Yaoyu¹, WU Jiaqi¹

1.State Key Laboratory of Power Transmission Equipment & System Security and New Technology (Chongqing University), Shapingba District, Chongqing 400044, China

2.Guangdong Power Grid Company Zhongshan Power Supply Bureau, China Southern Power Grid Co. , Ltd. , Zhongshan 528403, Guangdong Province, China

收稿日期: 2022-01-14

基金资助:

国家自然科学基金项目. 52177073

Received: 2022-01-14

作者简介 About authors

吴小汉(1999)，男，硕士研究生，主要从事电动汽车与电网互动、区块链技术研究，wuxiaohan@cqu.edu.cn；

张谦(1980)，女，博士，副教授，主要从事电动汽车与电网互动、分布式能源入网方面的研究，本文通信作者，zhangqian@cqu.edu.cn；

粟尧嘉(1996)，男，硕士，主要从事电动汽车与电网互动技术研究，suyaojia@cqu.edu.cn；

黄耀宇(1996)，男，硕士研究生，主要从事电动汽车与电网互动技术研究，huangyaoyu@cqu.edu.cn；

吴佳琦(1998)，女，硕士研究生，主要从事电动汽车与电网互动技术研究，277981086@qq.com。

摘要

针对电动汽车充电困难与私有充电桩闲置率高的问题，以区域内的电动汽车和私有充电桩为研究对象，设计了基于区块链的私有充电桩共享机制。对电动汽车的出行路线、充电时刻及用户心理进行建模，计算电动汽车对充电桩的综合评价指标，以真实反映电动汽车对充电桩的偏好程度；建立了共享平台的充电交易机制，以求取计及区域内充电压力的动态电价。通过区块链技术和代理权益证明共识机制，保障交易的安全性。仿真结果表明：所提策略能为电动汽车用户提供额外的充电选择，缓解充电压力，同时可为私有充电桩所有者带来一定收益；所设计共识机制能对虚假信息进行有效防范。

关键词： 区块链 ; 电动汽车 ; 充电桩 ; 共享机制

Abstract

Aiming at the charging difficulty of electric vehicles and the high idle rate of private charging piles, this paper took electric vehicles and private charging piles as the research objects, and designed the sharing strategy mechanism of private charging piles based on blockchain. To truly reflect the preference degree of electric vehicles to charging piles, the travel route, charging time and user psychology of electric vehicles were modeled, and the comprehensive evaluation index of electric vehicles to charging piles was calculated. The charging trading mechanism of the sharing platform was established to obtain the dynamic electricity price that takes into account the charging pressure in the region. The blockchain and delegated proof of stake consensus mechanisms were used to ensure the security of transactions. The simulation results show that the proposed strategy can provide additional charging options for electric vehicle users to relieve charging pressure and bring certain benefits to the owners of private charging piles. The designed consensus mechanism can effectively prevent false information.

Keywords： blockchain ; electric vehicle ; charging pile ; sharing mechanism

PDF (3117KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

吴小汉, 张谦, 粟尧嘉, 黄耀宇, 吴佳琦. 基于区块链的私有充电桩共享平台交易策略. 发电技术[J], 2022, 43(3): 439-451 DOI:10.12096/j.2096-4528.pgt.21134

WU Xiaohan, ZHANG Qian, SU Yaojia, HUANG Yaoyu, WU Jiaqi. Sharing Platform Trading Strategy of Private Charging Pile Based on Blockchain. Power Generation Technology[J], 2022, 43(3): 439-451 DOI:10.12096/j.2096-4528.pgt.21134

0 引言

随着“碳达峰、碳中和”目标的推进，具有节能减排和环境保护优势的电动汽车(electric vehicle，EV)快速发展^[1-9]。作为电动汽车的基础保障，配网侧充电桩建设的速度越来越快，数量也越来越多。然而，现阶段充电桩的普及度、覆盖面仍然无法跟上电动汽车发展的速度。电动汽车充电站的合理规划将直接影响电动汽车网络下的电网经济性^[10]。

目前，对电动汽车充电设施规划研究主要集中在充电站的选址及优化配置。文献[11-12]兼顾充电站成本和电动汽车充电需求，建立充电站的选址定容模型，优化充电站的选址方案和充电容量配置。文献[13-14]综合考虑电动汽车充电需求和配电系统接纳容量约束，预测充电负荷的时空分布，建立充电站规划模型。文献[15]以含风光储的电动汽车充电站为研究对象，构建考虑充电站年综合投资成本和新能源出力占比的风光储容量优化配置模型，提出计及充电站经济运行的能量交换策略。上述研究着眼于通过对充电站的合理规划来满足电动汽车充电需求。

根据所属性质不同，充电桩分为公共充电桩和私有充电桩^[16]。私有充电桩仅为其所有者服务，闲置时间长，造成充电资源的浪费。因此，可通过研究私有充电桩的共享策略，既为电动汽车用户提供更多的充电选择，又可提高私有充电桩的利用率，为其所有者带来一定的收益。

目前对于私有充电桩共享策略的研究处于起步阶段。文献[17-18]提出了私有充电桩社会化运营的共享模式，研究分析了其运营机制。针对电动汽车和充电桩之间交易的安全性，文献[19]提出了基于智能合约的去中心化充电交易安全模型，对交易过程进行规范和约束。文献[20]运用区块链技术实现去中心化的分布式架构，提出一种基于区块链的共享充电桩平台方案。文献[21-22]将区块链、闪电网络和智能合约三者融合，构建了安全、可靠的充电桩共享交易环境，并提高了交易的效率。然而，上述研究仅从运营者的角度构建私有充电桩共享平台框架，未充分考虑电动汽车用户的意愿，未分析用户选择充电桩的影响因素，而电动汽车用户的参与意愿是影响共享机制有效性的关键。

基于此，针对电动汽车行驶途中充电困难与私有充电桩闲置率高的问题，本文充分考虑电动汽车用户的意愿，提出一种基于区块链的私有充电桩共享平台交易策略。通过剖析影响电动汽车选择充电桩的因素，计算电动汽车对充电桩的综合评价指标，以真实地反映电动汽车对充电桩的偏好程度；通过建立共享平台的充电交易机制，制定计及平台效益和区域充电压力的充电电价。最后，选取某典型城区交通系统进行仿真分析，验证所提策略的有效性。

1 私有充电桩共享平台模型

1.1 共享平台框架

私有充电桩共享平台依托于区域内私有充电桩的线上互联，其框架如图1所示，由用户层、平台层和区块层组成。

图 1

新窗口打开| 下载原图ZIP| 生成PPT

图 1 私有充电桩共享平台框架

Fig. 1 Framework of private charging pile sharing platform

用户层由区域内具有充电需求的电动汽车集合组成。当电动汽车遭遇里程危机时，其用户可向私有充电桩共享平台发送充电请求，该请求包含电动汽车位置、需求电量、目的地、最大充电等待时间等信息。电动汽车i的充电请求可表示为

Ω_{i} = {E_{m a x, i}, S_{O C i}, T_{c, i}, L_{s, i}, L_{e, i}, T_{p, i}}

(1)

式中： $E_{m a x, i}$ 为电动汽车i的电池容量； $S_{O C i}$ 为电动汽车i的当前电池荷电状态(state of charge，SOC)； $T_{c, i}$ 为电动汽车i预计的充电时间； $L_{s, i}$ 为电动汽车i的当前位置； $L_{e, i}$ 为电动汽车i的目的位置； $T_{p, i}$ 为电动汽车i的最大充电等待时间。

平台层由区域内私有充电桩互联构成。平台内的私有充电桩均为业主私人管理，可以为提出充电请求的电动汽车提供充电服务，并向其收取一定的充电服务费。私有充电桩参与充电服务时，会向共享平台提交充电桩型号、充电功率、充电桩位置、待充电量等信息。

区块层由按时间顺序将充电交易信息打包的块链接构成，在区块层中，所有的私有充电桩作为对等节点组成分布式网络。充电交易完成后，私有充电桩通过互联网将交易信息上传至平台，交易信息由网络其他节点监督和审定，交易记录不可伪造、修改。

在区块链系统中，为了避免信息泄露，利用非对称加密算法对消息进行加密。因此，电动汽车用户在向交易平台发送充电请求时，会先用自己的私钥对数据进行签名加密，再用交易平台的公钥对签名数据进行再加密，然后将加密后的数据发送。平台收到数据后，用电动汽车用户的公钥和自身的私钥进行解密，查看具体信息。

1.2 电动汽车出行特性模型

本文中电动汽车的出行特性主要考虑工作日家‒工作地‒家(H-W-H)出行链的出行和返程2种类型。H-W-H出行链在工作日初始出行时刻和返程时刻服从正态分布^[23]：

f (t, μ, σ) = e x p [- {(t - μ)}^{2} / (2 σ^{2})] / (\sqrt[]{2 π} σ)

(2)

式中： $μ$ 为期望值； $σ$ 为标准差。

电动汽车在行驶途中会因里程焦虑而产生充电需求，从而进入充电平台寻找充电桩充电。为了便于分析，本文假设电动汽车进入充电平台寻求充电桩的初始位置和目的位置在区域中均匀分布，每日只在出行或返程途中充一次电，只抽取一次充电需求信息。对于参与充电平台的EV用户i，充电后的SOC应满足行驶时的最低能量要求：

(E_{i} + R_{i}) / E_{m a x, i} \geq λ (D_{i})

(3)

式中： $E_{i}$ 为电动汽车i的当前电量； $R_{i}$ 为电动汽车i的充电需求； $D_{i}$ 为电动汽车i的行驶距离； $λ$ 表示电动汽车行驶距离与所需电量的关系，为关于 $D_{i}$ 的单调递增函数，并与电动汽车电池类型、行驶路况等不确定因素相关。

除了最低能量需求，为了防止遭遇突发情况，电动汽车理应购买额外的电量作为保险电量，因此，电动汽车i的充电需求如下：

R_{i} \geq λ (D_{i}) \times E_{m a x, i} - E_{i}

(4)

R_{i} = λ (D_{i}) \times E_{m a x, i} - E_{i} + E_{e x}

(5)

式中 $E_{e x}$ 为电动汽车额外购买保险电量。电动汽车的充电需求与下一段路程的行驶距离及电池容量成正比，与当前容量成反比。较大的电动汽车充电能力表示电动汽车有更大的充电容量，或者它将会在下一个时间节点经历一段长途行驶。

电动汽车的充电时长可基于荷电状态计算，由于充电功率不同，快充和慢充的充电时长也不同，电动汽车i在充电桩j的充电时长 $T_{j}^{i}$ 表示为

T_{j}^{i} = \{\begin{matrix} R_{i} / (p_{f} \times η) + Δ t_{j} + T_{t r}_{j}^{i}, s_{i z e j} = 1 \\ R_{i} / (p_{s} \times η) + Δ t_{j} + T_{t r}_{j}^{i}, s_{i z e j} = 0 \end{matrix}

(6)

式中： $p_{f}$ 为快充充电功率； $p_{s}$ 为慢充充电功率； $η$ 为充电效率； $Δ t_{j}$ 为充电排队等待时间； $T_{t r}_{j}^{i}$ 为电动汽车i行驶到充电桩j的时间； $s_{i z e j}$ 为充电桩j的型号，取值0表示慢充，取值1表示快充。

由于每辆电动汽车的用户行为特性各不相同，本文假设每辆电动汽车都有其充电最大等待时间 $T^{m w}$ ，若电动汽车i在充电桩j的充电时长 $T_{j}^{i}$ 大于其最大等待时间 $T_{i}^{m w}$ ，则电动汽车i不会在充电桩j充电。其中， $Δ t_{j}$ 与 $T_{t r}_{j}^{i}$ 可分别表示如下：

Δ t_{j} = Q_{j} / p_{j}

(7)

T_{t r}_{j}^{i} = D_{j}^{i} / V_{i}

(8)

式中： $Q_{j}$ 为充电桩j的待充电量； $p_{j}$ 为充电桩j的充电功率； $D_{j}^{i}$ 为电动汽车i到充电桩j的行驶路程； $V_{i}$ 为电动汽车i的平均行驶速度。

有研究^[24]表明，电动汽车在荷电状态较低时过度充电(即深度充电)，会导致其电池寿命折损。为了避免深度充电，本文假设当电动汽车的SOC下降到其充电阈值时，车主就会产生充电需求，并向私有充电桩共享平台发送充电请求。

1.3 电动汽车对充电桩的选择评估模型

用户选择充电桩通常考虑充电时长、距离、费用和车友评价，故选取上述因素为用户选择充电桩时的决定性因素。因此，本文设定充电时长、充电距离、充电费用和充电桩声誉4个影响因素来评估电动汽车用户对充电桩的偏好，智能做出充电决策。值得注意的是，该评估模型也同样适用于电动汽车用户对于公共充电桩的选择。

引入Min-Max标准化对影响因素进行趋同性处理和无量纲处理，以解决不同影响因素数据间的比较问题，表示如下：

X = (x - x^{m i n}) / (x^{m a x} - x^{m i n})

(9)

式中：x为标准化后的值；x^max和x^min分别为x的最大值和最小值。

评估指标标准化可表示为

U_{j}^{i, k} = (u_{j}^{i, k} - u^{i, k, m i n}) / (u^{i, k, m a x} - u^{i, k, m i n})

(10)

式中： $U_{j}^{i, k}$ 为标准化后的值； $u_{j}^{i, k}$ 为电动汽车i对充电桩j的关于影响因素k的评估指标，k=1, 2, 3, 4，分别表示充电时长 $T_{j}^{i}$ 、充电距离 $D_{j}^{i}$ 、充电费用 $f_{e e}_{j}^{i}$ 和充电桩声誉 $R_{e p j}$ 四个影响因素； $u^{i, k, m a x}$ 和 $u^{i, k, m i n}$ 分别为电动汽车i对所有充电桩关于影响因素k的评估指标的最大值和最小值。

电动汽车i对充电桩j的评估函数表示为

U_{j}^{i} = f (U_{j}^{i, 1}, U_{j}^{i, 2}, U_{j}^{i, 3}, U_{j}^{i, 4})

(11)

通常，电动汽车用户希望充电时长短、充电距离近、充电费用低、充电桩声誉高，故电动汽车用户会对上述影响因素进行分类。其中，充电桩声誉为利好因素，充电时长、充电距离和充电费用为不利因素。因此，电动汽车i对于充电桩j的评估函数可以转化为

U_{j}^{i} = ω^{a} ω^{4} U_{j}^{i, 4} - ω^{d} (\sum_{k = 1}^{3} ω^{k} U_{j}^{i, k})

(12)

式中： $ω^{a}$ 和 $ω^{d}$ 分别为利好因素和不利因素的影响因子； $ω^{k}$ 为指标k的影响因子。

电动汽车的充电费用可表示为

f_{e e}_{j}^{i} = R_{j}^{i} (P_{j} + P_{s e r})

(13)

式中： $R_{j}^{i}$ 为电动汽车i在充电桩j充电时的充电需求； $P_{j}$ 为充电桩j的充电价格； $P_{s e r}$ 为充电服务费，对于共享平台，该费用由充电桩设备成本费和区块链服务费组成。

2 私有充电桩共享平台交易机制设计

2.1 私有充电桩共享平台交易流程

电动汽车在私有充电桩共享平台中的充电交易流程可理解为，电动汽车在私有充电桩形成的高密度充电网络中的充电交易过程。整个充电交易过程受到充电桩主人和电动汽车用户2个方面的影响，例如私有充电桩的定价、电动汽车用户对各个私有充电桩以及公共充电桩的选择决策等。私有充电桩共享平台电力交易流程如图2所示。

图 2

新窗口打开| 下载原图ZIP| 生成PPT

图 2 私有充电桩共享平台电力交易流程

Fig. 2 Power trading process of private charging pile sharing platform

2.2 私有充电桩共享平台基准电价制定机制

私有充电桩共享平台在一天中的初始充电价格根据电网的基础电价和前一天统筹的充电需求信息而制定，电价制定目标为最大化共享平台的收益以及最小化电动汽车用户的不满意度。其中，快充和慢充均以经济性指标方法确定基准电价，即以电动汽车共享平台的利益最大化为优化目标：

F_{e} = m a x (\sum_{i = 1}^{n} C_{f} R_{i} P_{f} X_{i}^{U} + \sum_{i = 1}^{n} C_{s} R_{i} P_{s} X_{i}^{U})

(14)

式中： $C_{f}$ ( $C_{s}$ )表示电动汽车选择的充电桩是否为快(慢)充，取值1表示是，取值0表示否； $P_{f}$ 和 $P_{s}$ 分别为所求的基准快、慢充电价； $X_{i}^{U}$ 为电动汽车i在所选充电桩充电的概率，表示为

X_{i}^{U} = \{\begin{array}{l} P_{c h i}, U_{i}^{m a x} < 0 \\ 1, U_{i}^{m a x} \geq 0 \end{array}

(15)

式中： $P_{c h i}$ 为电动汽车用户对充电桩不满意时仍然选择充电的概率； $U_{i}^{m a x}$ 为电动汽车i通过充电桩选择评估模型对可选充电桩的最大评估值。若U_i^max>0，说明充电能对电动汽车用户带来利好；若U_i^ma^x <0，则说明电动汽车用户找不到令其满意的充电桩，可能会放弃充电。

电动汽车用户的不满意度是私有充电桩共享平台需考虑的评价指标，只有得到实际利好，用户才会选择在共享平台中充电，当用户满意度较低时，共享平台可能会陷入用户数量持续减少、平台收益持续降低的恶性循环，造成车‒商双输的局面，不利于私有充电桩共享平台的长期稳定运营。因此，在制定基准充电电价时，需将用户的不满意度考虑为另一优化目标：

F_{u n} = m i n N_{u n}

(16)

式中 $N_{u n}$ 为 $U_{i}^{m a x}$ <0时的用户数量比例，定义为用户的不满意度。

此外，求解基准电价时需考虑电动汽车SOC、电价取值范围等约束条件，约束形式如下：

S_{O C m i n} \leq S_{O C i} \leq S_{O C m a x}

(17)

S_{O C i}^{s c} \leq S_{O C m a x}^{s c}

(18)

R_{i} \leq E \cdot S_{O C m a x}

(19)

C_{f} C_{s} \neq 1

(20)

P_{s t} \geq P_{g} + P_{s e r}

(21)

P_{f} \geq P_{s}

(22)

式(17)表示电动汽车SOC的最大( $S_{O C m a x}$ )和最小( $S_{O C m i n}$ )约束；式(18)表示当电动汽车的SOC低于一定的充电阈值时才会产生充电需求，其中 $S_{O C i}^{s c}$ 为电动汽车i产生充电需求时的SOC， $S_{O C m a x}^{s c}$ 为电动汽车的最大充电阈值；式(19)表示电动汽车的充电需求不能超过电动汽车最大电池容量约束，其中E为电池容量；式(20)表示电动汽车不能同时选择快充和慢充充电桩；式(21)表示私有充电桩基准电价 $P_{s t}$ 应不小于电网基础电价 $P_{g}$ 和充电服务费 $P_{s e r}$ 之和，其中 $P_{s t}$ 包括快充电价 $P_{f}$ 和慢充电价 $P_{s}$ ；式(22)表示快充电价应不小于慢充电价。

在处理多目标优化问题时，通常将某一目标转化为约束条件对另一目标进行求解，即将多目标优化问题转化为单目标优化问题。本文将用户的不满意度优化转化为约束条件进行求解：

m a x N_{u n} \leq N_{m a x}

(23)

式中 $N_{m a x}$ 为私有充电桩共享平台所能接受的最大不满意用户比例，其值由共享平台根据实际情况制定。

关于基准电价的求解过程，本文采用具有搜索速度快、算法精度高等优点的粒子群优化算法(particle swarm optimization，PSO)进行求解。

2.3 私有充电桩共享平台区域动态电价制定机制

基准电价制定后，电动汽车会根据充电桩选择评估模型，对充电桩进行评估，并选择其最满意的充电桩进行交易。但是，若私有充电桩共享平台采用基准电价，在特定的高峰时刻，电动汽车用户可能会聚集在少数区域的充电桩上充电，导致区域内电力系统负荷急剧增加，影响电网的安全稳定运行，不利于共享平台的良性健康发展。因此，本文将共享平台所辖地区划分为Z个区域，为了避免单个区域充电次数过高，对区域造成更大的充电压力，拟通过制定区域动态电价来引导电动汽车用户分散式充电，快充充电桩区域电价的更新公式可表示为

P_{f, t z} = [1 + ρ (\frac{p_{f} T_{f, t z}}{M_{f, z}} - \frac{\sum_{z = 1}^{Z} p_{f} T_{f, t z}}{M_{f}})] P_{f}

(24)

式中： $ρ$ 为动态价格更新因子，其为可调变量，视区域实际充电压力情况而定，本文中取 $ρ$ =0.015； $T_{f, t z}$ 为t时段区域z中用户进行快充充电次数； $M_{f, z}$ 为区域z中的私有快充充电桩个数； $M_{f}$ 为私有充电桩共享平台所辖地区内的所有私有快充充电桩个数。

慢充充电桩区域电价更新公式同式(24)。区域内充电次数与私有充电桩个数之比表示区域内的充电压力，并以其为参考来更新区域动态充电电价，充电压力越大的区域，其动态电价越高，以引导电动汽车前往其他区域充电，缓解高负荷区域的充电压力。

2.4 私有充电桩共享平台的声誉管理机制

在每次充电交易结束后，电动汽车用户都会对充电桩的服务进行评价，该评价直接影响充电桩声誉，充电桩声誉值是决定电动汽车用户是否选择其充电的关键。此外，在区块链系统中，充电桩声誉值越高，参与共识过程并获得奖励的概率就越大。因此，共享平台中每个充电桩都有动力改善其对电动汽车的充电服务，以提高其声誉值。设E_va_jⁱ ∈[0, 1]为电动汽车i在充电交易完成后对充电桩j的评价值，其中：E_va_jⁱ =0表示电动汽车i对充电服务完全不满意；E_va_jⁱ =1表示电动汽车i对充电服务完全满意。

电动汽车与充电桩充电交易次数越多，对其产生的信任度就越大，对其评价可能产生偏差。本文定义了车桩信任度，其来源于电动汽车用户与充电桩的历史交易记录，与服务评级、充电次数以及每次交易的发生时间有关。为了降低计算复杂度，采用迭代法求解车桩信任度。电动汽车i在t时刻对充电桩j的车桩信任度表示为

\begin{matrix} L_{T}_{j}^{i} (t) = \frac{Φ_{j}^{i} (t)}{Π_{j}^{i} (t)} = \\ \frac{Φ_{j}^{i} (t_{m - 1}) e^{- λ (t - t_{m - 1})} + \frac{R_{j}^{i, m}}{E_{m a x, i}} E_{v a}_{j}^{i, m} e^{- λ (t - t_{m})}}{Π_{j}^{i} (t_{m - 1}) e^{- λ (t - t_{m - 1})} + e^{- λ (t - t_{m})}} \end{matrix}

(25)

式中： $Φ_{j}^{i}$ 和 $Π_{j}^{i}$ 分别为电动汽车i与充电桩j之间归一化前的车桩信任度和归一化因子；m为电动汽车i与充电桩j的交易次数； $R_{j}^{i, m}$ 为交易电量；t_m 为第m次交易的发生时间；e^(·)是随时间变化的指数衰减函数，表示最新的评价比之前的评价更重要，其中 $λ$ 是衰减率；本文设定，当m=0时，车桩信任度参数的初值为 $Φ_{j}^{i}$ ^{(t₀)=0.5， $Π_{j}^{i}$ (t₀)=1， $L_{T}_{j}^{i}$ ^{(t₀)=0.5，则 $L_{T}_{j}^{i} (t)$ ∈[0, 1]。}}

用户也可能会因自身原因而不能对充电服务做出真实的评价，例如，当电动汽车与充电桩交易多次后，出于对充电桩的信赖，用户总是会给予其较高的评价；此外，充电桩也能给予用户经济激励，要求其给予虚高的评价。因此，需要采用电动汽车可信度来衡量电动汽车用户评价的可靠性。本文将电动汽车可信度定义为电动汽车用户评价与综合评价的偏差，因此，电动汽车用户i在t时刻对充电桩j评价的可信度可表示如下：

C_{r e}_{j}^{i} (t) = 1 - |L_{T}_{j}^{i} (t) - \overset{— —}{L_{T j}} (t)|

(26)

\overset{— —}{L_{T j}} (t) = \frac{\sum_{i = 1}^{N_{j}} L_{T}_{j}^{i} (t)}{N_{j}}

(27)

式中： $\overset{— —}{L_{T j}} (t)$ 为充电桩j在t时刻的平均车桩信任度；N_j 为与充电桩j发生交易的电动汽车数量。

将所有电动汽车用户对充电桩j的车桩信任度进行聚合，计算得到t时刻充电桩j的声誉值：

{R_{e p}}_{j} (t) = \frac{\sum_{i = 1}^{N_{j}} C_{r e}_{j}^{i} (t) L_{T}_{j}^{i} (t)}{\sum_{i = 1}^{N_{j}} C_{r e}_{j}^{i} (t)}

(28)

本文设定，当N_j =0时，充电桩j声誉值的初值为 ${R_{e p}}_{j} (t) = 0.5$ 。由式(28)可以明显看出， ${R_{e p}}_{j} (t)$ ∈[0, 1]。

3 私有充电桩共享平台共识机制设计

3.1 代理权益证明共识机制的工作流程

传统的分布式优化方法以有限的信息交互实现全局最优，其基于系统中各参与主体遵守算法规则，不伪造、篡改信息的前提下实现。实际上，为了实现个体利益，部分可能在算法中传递虚假信息，使分布式优化算法的收敛结果偏离全局最优。而区块链的共识机制为解决上述分布式优化算法中的信任问题提供了思路。

私有充电桩共享平台管理涉及的参与主体包括电动汽车和私有充电桩，其中，私有充电桩作为算力节点，形成以代理权益证明(delegated proof of stake，DPOS)共识机制为基础的联盟区块链，为私有充电桩共享平台服务。DPOS共识机制的工作流程如图3所示。

图 3

新窗口打开| 下载原图ZIP| 生成PPT

图 3 DPOS共识机制的工作流程

Fig. 3 Workflow of DPOS consensus mechanism

3.2 DPOS共识机制中代表节点的选举机制

在本文提出的选举框架中，共有权益节点、选民节点、候选节点和代表节点4种节点类型。

权益节点是系统中占比最大的节点类型，共享平台中任何具有计算能力的私有充电桩都能成为权益节点，具有选举和被选举的权利；代表节点的选举框架如图4所示。

图 4

新窗口打开| 下载原图ZIP| 生成PPT

图 4 代表节点的选举框架

Fig. 4 Election framework of representative nodes

在投票选举前，会选取声誉值排名前2N(N是系统认为足够去中心化的代表节点数)的权益节点作为候选节点，并要求其他节点作为选民节点投票。选民节点池和候选节点池可分别表示如下：

θ_{1} = \{x_{1}, x_{2}, \dots, x_{N_{v}}\}

(29)

θ_{2} = \{y_{1}, y_{2}, \dots, y_{2 N}\}

(30)

式中N_v 为选民节点的数量。

选民节点将手中的权益作为票数通过赞成投票的方式给支持的节点投票，每个选民节点每次只能投一票。投票结束后，系统通过声誉值加权计算的得票数计算所有节点的最终得票结果。第n个候选节点获得的最终得票结果V_n 可表示如下：

V_{n} = \sum_{j = 1}^{N_{v}} v_{j}^{n} R_{e p j}

(31)

v_{j}^{n} = \{\begin{matrix} 1, 选 民 节 点 j 对 候 选 节 点 n 投 票 \\ 0, 选 民 节 点 j 未 对 候 选 节 点 n 投 票 \end{matrix}

(32)

\sum_{n = 1}^{2 N} v_{j}^{n} = 1

(33)

式中： $v_{j}^{n}$ 为选民节点j对候选节点n的投票情况；R_ep_j 为候选节点j的声誉值。式(33)表示每个选民节点每次只能投1票。

选择候选节点池中最终得票结果排名前N个作为当天的代表节点，得到最终的代表节点池：

θ_{3} = \{z_{1}, z_{2}, \dots, z_{N}\}

(34)

3.3 DPOS共识机制中的信息筛选过程

考虑到共享平台中的恶意节点传递虚假信息以使自身获利的行为，在选举出当天的代表节点后，对信息进行验证筛选。假设共享平台中共有N个代表节点，其在t时段收到的信息集合表示为

ψ_{t} = \{Θ_{t 1}, Θ_{t 2}, \dots, Θ_{t N}\}

(35)

恶意节点传递虚假信息的行为将会导致集合中的信息元素不完全相同，这时代表节点将对集合中的信息元素进行筛选，如果相同数目最多的信息元素 $Θ_{t}$ 的个数大于N/2，则代表该信息元素有效。

假设代表节点中诚实的代表节点数量占优，当t时刻共享平台收到的相同数量最多的信息元素 $Θ_{i}$ 的个数大于N/2时，表明发送该结果的代表节点数量过半，因此必然有诚实的代表节点发送了该信息，而因为所有诚实的代表节点都遵守算法规则来传递真实的信息元素，最终筛选得到的信息均为真实信息，恶意代表节点的虚假信息将被摒弃。

3.4 DPOS共识机制中的激励分配

在权益节点数量较多的私有充电桩共享平台，挖矿收益无法按权益份额分配到所有用户，普通权益节点因为没有直接参与生产区块，所以不会获得系统的奖励。然而，当代表节点成功产生正确的区块时，给该代表节点投票的选举节点理应获得部分经济激励，作为一次可靠投票的奖励。故本文提出了以下激励分配方案：

对于新区块提议者节点，所获激励表示为

{E_{I}}_{p} = s_{p} \times M

(36)

式中： $s_{p}$ 为提议者的激励份额；M为新区块生成过程中电动汽车联盟所获得的区块链服务费。

对于给该代表节点投票的选举节点池 $θ$ ，所获激励表示为

E_{θ} = s_{e} \times M

(37)

式中 $s_{e}$ 为选举节点的激励份额，则对于每个选举节点，所获激励表示为

{E_{I}}_{e} = (E_{θ} R_{e p e}) / \sum_{e \in θ} R_{e p e}

(38)

对于参与验证的代表节点，所获激励表示为

{E_{I}}_{v} = (1 - s_{p} - s_{e}) \times M \times R_{e p v} / \sum_{v \in V} R_{e p v}

(39)

式中V表示除了提议者节点以外的所有参与验证的代表节点。

4 算例仿真与结果分析

4.1 仿真参数设置

本文选取某典型城区交通系统进行仿真分析，并根据实际情况对其进行区域划分和区域类型分类，如图5所示。该城区被划分为15个区域，并将其分为商业区、工业企业和居民区3种区域类型。假设在每个区域内，私有充电桩和公有充电桩内均有一定数量的分布，充电桩分布情况如表1所示，共计520个充电桩。其中，私有充电桩在区域内的位置分散，而公有充电桩则是集中在每个区域内的充电站中，充电桩的参数如表2所示。电动汽车均匀分布在城区各个区域中，电动汽车的参数如表3所示。此外，城区内包含2个障碍区域(山地区域和学校区域)。交通仿真模型采用基于直角坐标道路模型的简化行驶仿真方法。

图 5

新窗口打开| 下载原图ZIP| 生成PPT

图 5 某城区区域划分图

Fig. 5 Zoning map of an urban area

表 1 充电桩分布情况

Tab. 1 Distribution of charging pile

项目	商业区	工业区	居民区
私有充电桩放置数量/个	50	30	20
私有充电桩快充充电桩占比/%	50	30	10
公共充电桩放置数量/个	10	10	10
公共充电桩快充充电桩占比/%	100	100	100

新窗口打开| 下载CSV

表 2 充电桩参数

Tab. 2 Charging pile parameters

参数	数值
快充充电功率p_f/kW	30
慢充充电功率p_s/kW	7
待充电量Q_j /(kW⋅h)	0~60
设备成本C_e/[元/(kW⋅h)]	0.04
公共充电桩充电电价P_c/[元/(kW⋅h)]	1.2

新窗口打开| 下载CSV

表 3 电动汽车参数

Tab. 3 EV parameters

参数	数值
电动汽车数量/辆	10 000
电动汽车电池容量E/kW	30
电动汽车SOC上限S_OCmax	0.8
电动汽车SOC下限S_OCmin	0.2
电动汽车i出行S_OC_i	0.2~0.8
电动汽车i每千米耗电量a_i /(kW⋅h)	0.2~0.3
电动汽车i平均车速V_i /(km/h)	30~50
电动汽车i充电阈值 $S_{O C i}^{s c}$	0.3~0.5
电动汽车最大充电等待时间T_i^mw/min	20~100
区块链服务费δ/[元/(kW⋅h)]	0.08

新窗口打开| 下载CSV

4.2 电动汽车起始出行时刻与充电时刻

以10 000辆电动汽车为例，基于电动汽车出行特性模型，得到一天内电动汽车出行时刻分布。通过蒙特卡罗方法进行模拟，在仿真中，每辆电动汽车出行时并不一定具有充电需求，只有在行驶过程中电动汽车的SOC达到其充电阈值后，才会产生充电需求，需寻找充电桩进行充电。

仿真结果表明，10 000辆出行的电动汽车中，有4 298辆车产生了充电需求。图6为各时段下出行电动汽车数量和有充电需求的电动汽车数量。可见，各时段下产生充电需求的电动汽车数量较多，其充电高峰时段与区域系统负荷高峰时段重合，若接入同一区域配电网，容易造成峰上加峰，因此，有必要利用私有充电桩分散充电压力。

图 6

新窗口打开| 下载原图ZIP| 生成PPT

图 6 电动私家车在网数量

Fig. 6 Number of private EVs connected to the grid

4.3 电动汽车充电桩选择

采用蒙特卡罗方法抽样电动汽车状态，模拟电动汽车用户对充电桩评估的过程，仿真获取电动汽车的充电桩选择。在共享平台制定基准电价前，将电动汽车充电电价设为固定电价，快充为1.2元/(kW⋅h)，慢充为0.6元/(kW⋅h)。其中，电动汽车的充电选择情况如表4所示，各充电桩吸引到的电动汽车数量如图7所示，电动汽车在城区内的充电区域分布如图8所示，城区的区域划分见图5，其中每个区域的快充充电桩编号在慢充充电桩之前。

表4 电动汽车充电选择情况

Tab. 4 Charging options for EVs

电动汽车选择	不充电	私有充电桩	公共充电桩
电动汽车数量/辆	11	2 328	1 959

新窗口打开| 下载CSV

图 7

新窗口打开| 下载原图ZIP| 生成PPT

图 7 充电桩吸引到的电动汽车数量

Fig. 7 Number of electric vehicles attracted by charging piles

图 8

新窗口打开| 下载原图ZIP| 生成PPT

图 8 电动汽车在城区内的充电区域分布

Fig. 8 Distribution of EV charging area in urban area

从表4可知，具有充电需求的4 298辆电动汽车中共有2 328辆选择了私有充电桩进行充电，私有充电桩共享平台为52%有充电需求的电动汽车提供充电选择以满足其充电需求。仿真结果表明：私有充电桩分散、闲置时间长的特点，可有效弥补公共充电桩数量较少、分布较集中的缺点。

由图7、8可以看出，电动汽车的充电选择具有很强的地域性和快充偏好。其中：商业区充电桩的吸引力最大，且充电行为最集中；居民区充电桩的吸引力最小，且充电行为较为分散。位于交通路线枢纽位置附近的充电桩能吸引较多的电动汽车充电。对于行驶中的电动汽车，充电等待时间是一个很重要的考虑因素，由于充电等待时间较短，快充充电桩能吸引更多的电动汽车前来充电。

此外，如图8所示，受限于地理位置，城区内的障碍地区所在的位置为充电行为真空区，相对地，障碍地区附近区域的充电行为就较为集中。

4.4 私有充电桩共享平台的电价制定

4.4.1 基准电价制定

考虑电网的基础电价、充电桩运维成本和区块链服务费等因素，以共享平台统筹的充电需求信息为基础，基准电价制定及其相关情况如表5所示。

表 5 共享平台基准电价制定及其相关情况

Ta. 5 Formulation of benchmark price of sharing platform and relevant information

项目	数值
快充电价/[元/(kW⋅h)]	1.572 9
慢充电价/[元/(kW⋅h)]	1.145 7
私有充电桩共享平台收益/元	24 473.4
用户不满意度/%	0.98
选择私有充电桩的电动汽车数量/辆	2 177
选择公共充电桩的电动汽车数量/辆	2 078
选择不进行充电的电动汽车数量/辆	43

新窗口打开| 下载CSV

4.4.2 区域动态电价制定

考虑区域内的充电负荷压力，在基准电价的基础上分时段、分区域地制定动态电价，得到15个区域内的动态快、慢充电价，结果如图9所示。

图 9

新窗口打开| 下载原图ZIP| 生成PPT

图 9 私有充电桩共享平台上15个区域的动态电价

Fig. 9 Dynamic electricity prices of 15 areas on private charging pile share platform

图9中不同颜色曲线代表不同区域中的分时动态电价。电价波动与区域内充电频率的变化快慢相关，区域电价波动越剧烈，该区域充电频率变化越快。由图9可知，电动汽车用户对快充服务更具有偏好性。根据动态电价，私有充电桩共享平台一天内的运行结果如表6所示。

表 6 基于动态电价的共享平台运行结果

Tab. 6 Operating results of shared platform based on dynamic electricity price

项目	数值
快充电价/[元/(kW⋅h)]	区域动态电价
慢充电价/[元/(kW⋅h)]	区域动态电价
私有充电桩共享平台收益/元	24 860.7
用户不满意度/%	2.23
选择私有充电桩的电动汽车数量/辆	2 129
选择公共充电桩的电动汽车数量/辆	2 018
选择不进行充电的电动汽车数量/辆	151

新窗口打开| 下载CSV

由表6可以看出，区域动态电价导致电动汽车用户不满意度提高。随着电价升高，用户将改变其初始选择，而选择一个距离更远、充电耗时更长的充电桩。此时，更多的电动汽车用户将选择不充电或价格固定的公共充电桩，集中充电行为进一步减少，从而缓解了该区域的充电压力。相对于固定基准电价，由于充电频率高的区域电价上升，在区域动态电价引导下，共享平台的售电收益略有上升。对电网而言，区域动态电价分散了电动汽车集中充电行为，降低了区域内的充电压力。

4.5 基于区块链的共享平台信息安全分析

在私有充电桩共享平台中，私有充电桩所有者可能会联合其区域内其他充电桩谎报区域充电次数，以提高其充电电价，损害电动汽车的用户利益。

为了验证本文提出的DPOS共识机制对虚假信息防范的有效性，算例设置了15个代表节点，并且考虑了以下4个场景：1）系统中不存在恶意代表节点；2）系统中存在1个恶意代表节点；3）系统中存在5个恶意代表节点；4）系统中存在8个恶意代表节点。以区域4中的动态快充电价为例，不同场景下考虑私有充电桩传递虚假信息时的动态电价如图10所示。其中，虚假信息情况为：区域4中各时段的充电次数均向上虚报了10次。

图 10

新窗口打开| 下载原图ZIP| 生成PPT

图 10 不同场景下考虑传递虚假信息时的动态电价

Fig. 10 Dynamic electricity price considering dissemination of false information in different scenarios

仿真结果表明，本文所提出的DPOS共识机制可以有效防范私有充电桩共享平台中虚假信息的申报。对于一个含有N个代表节点的区块链系统，当恶意代表节点的数目少于N/2时(如场景1、2、3)，该共识机制能及时摒弃虚假信息，保障私有充电桩共享平台信息的安全性和可靠性；而当恶意代表节点的数目多于N/2时(如场景4)，系统中的信息可以被篡改。因此，在诚实代表节点数量占优的前提下，恶意代表节点无法通过传递虚假信息为自身牟利，从而保障了共享平台的信息安全性和交易的公平、公正性。

5 结论

以区域内电动汽车用户和私有充电桩为研究对象，充分考虑电动汽车用户的意愿，设计了一种基于区块链的私有充电桩共享策略机制。基于投票选举代表节点的DPOS机制，设计了能够整合分布分散私有充电桩资源的共享平台，在为行驶过程中具有充电需求的电动汽车提供有效充电选择的同时，也为私有充电桩所有者带来了一定收益。通过算例仿真，可以得到以下结论：

1）私有充电桩选择评估模型能为电动汽车用户选择合适的充电桩，电动汽车用户充电选择具有很强的地域性和快充偏好。

2）区域动态电价能有效引导电动汽车在充电频率较低的区域充电，一定程度上缓解了区域的充电压力，并为私有充电桩平台带来更大收益。

3）在私有充电桩共享平台上使用DPOS共识机制能筛选出真实有效的信息，有效减小恶意节点篡改信息造成的影响，从而保障私有充电桩共享平台交易信息安全。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

SONG

， YANG

， LU

．

Integration of plug-in hybrid and electric vehicles：experience from China

[C]//Power and Energy Society General Meeting．Minnesota：IEEE，2010：1-6． doi:10.1109/pes.2010.5589926