賀瑜環(huán)，楊秀媛*，陳麒宇，卜思齊，徐智薔，肖天穎

（1.北京信息科技大學自動化學院，北京市 海淀區(qū) 100192；2.中國電力科學研究院有限公司，北京市 海淀區(qū) 100192；3.香港理工大學電機工程學系，香港特別行政區(qū) 九龍 999077；4.英國南安普頓大學物理工程學院，英國 南安普頓 SO17 1BJ；5.中國科學院電工研究所，北京市 海淀區(qū) 100190；6.中國科學院大學，北京市 海淀區(qū) 100049）

0 引言

近幾十年以來，全球經濟的迅猛發(fā)展消耗了大量的能源，特別是以煤炭、石油等為主的傳統(tǒng)能源，造成了大量的污染氣體排放，使得環(huán)境問題越來越嚴重，能源消耗與環(huán)境污染已經成為各國不容忽視的問題[1-3]。傳統(tǒng)燃料汽車作為石油消耗方面的重要組成部分，其所產生的大量尾氣已經成為空氣污染的主要來源之一。因此，解決傳統(tǒng)汽車造成的污染問題是十分迫切的。

電動汽車作為一種新興的交通工具，以電能作為燃料，其二氧化氮、二氧化硫等污染氣體的排放均為零，這對于節(jié)能減排方面的工作有著巨大的促進意義。汽車工業(yè)的競爭焦點已經向大力研究電動汽車新技術以及如何利用電動汽車促進國家及社會產業(yè)發(fā)展的方向轉變。為了促進并鼓勵電動汽車行業(yè)的大力發(fā)展，各國相繼出臺了相關政策：美國方面，為提高電動汽車的普及率，由政府撥款、能源部牽頭部署，推出了大力建設充電樁等措施；日本方面，為推動電動汽車的發(fā)展，推行了減免車輛購置稅、對電動汽車充電站進行財政補貼等政策；歐洲方面，特別是德法意三國，為提高電動汽車行業(yè)的發(fā)展，實施了高補貼、低車輛稅、高尾氣排放標準等措施；中國政府同樣出臺了經濟扶持、政策優(yōu)惠、法規(guī)標準等相關政策推動電動汽車的發(fā)展。

電動汽車對電網運行的影響越來越顯著[4-5]。隨著電動汽車在汽車總量中占比的增加，其充電需求在配電網負荷中的占比會越來越大，這將會對電力系統(tǒng)的運行與控制產生不可忽視的影響。由于電動汽車的使用具有較高的同時性，其充電時間也具有較高的同時性，這將會造成電網負荷“峰上加峰”的現(xiàn)象[6-8]。同時，電動汽車車主的用車習慣會直接影響到負荷充電需求的時空分布，使電動汽車的入網時間、充電功率等都有具有隨機性，這會使電網的控制更加困難[9]。

電動汽車的智能控制有利于電網運行。與傳統(tǒng)的電力負荷不同，電動汽車具有可中斷性和可靈活調度性，可以視為一種新型的可控負荷[10]。特別是現(xiàn)在出現(xiàn)了電動汽車入網技術(vehicle to grid，V2G)，能夠將電動汽車的電能反向回饋給電網，讓電動汽車成為一種新型的儲能裝置。目前關于 V2G的技術研究已經有很多，如：文獻[11-15]分析了V2G對電網運行的積極影響；文獻[16]從經濟層面剖析了V2G技術的出現(xiàn)給電網以及用戶帶來的經濟收益；文獻[17-19]研究了V2G參與電網調度的控制策略。相較于有序充電，V2G實現(xiàn)了電動汽車與電網之間的能量雙向傳輸，是有序充電的進一步擴展延伸。電動汽車通過參與智能控制進行充放電，在降低車主用電成本的同時，也會降低電力運營成本，改善電網負荷特性。

電動汽車的充電協(xié)議不靈活、充電過程不透明的因素限制了電動汽車用戶參與調度的積極性。針對這些問題，專家學者將區(qū)塊鏈技術引入了電動汽車的電力交易中。其核心思想是利用區(qū)塊鏈的智能合約以及分布式賬本技術實現(xiàn)電動汽車電力交易的透明化和可信任化。國外已經在一些智能電網試點中將區(qū)塊鏈應用于電動汽車點對點(peer-to-peer，P2P)交易中。德國萊茵集團RWE與 Slock.it合作研發(fā)出基于區(qū)塊鏈技術的電動汽車P2P充電項目，該項目推出了一個基于區(qū)塊鏈技術的支付系統(tǒng) Block Charge，用戶直接與機器，而非與人或公司簽訂合同。日本中部電力有限公司、Nayuta、infoteria 公司一起開展了電動及混合動力車區(qū)塊鏈充電試驗。國內的專家學者對區(qū)塊鏈技術在電動汽車電力交易領域的應用分析同樣取得了有效的研究成果。文獻[20]提出了基于區(qū)塊鏈的充電權交易機制與模型，將區(qū)塊鏈引入了充電站充電權的交易中，構建基于區(qū)塊鏈的充電權多邊交易技術，實現(xiàn)了充電站分布式、去信任化的P2P數(shù)字資產交易。文獻[21]建立了多充電運營商、公用供電公司之間互聯(lián)互信的交易網絡與通道，通過使用拜占庭容錯共識算法給出電動汽車充電交易驗證方式，并使用智能合約完成電動汽車賬戶在交易通道上的轉賬、評價和查詢過程。

基于上述背景，本文以電動汽車充電負荷的相關研究為基礎，將從電動汽車充電負荷的特性與建模、充放電控制策略、電動汽車電力交易等方面展開研究，并指出存在的問題以及可能的研究方向。

1 電動汽車充電負荷

1.1 主要影響因素

電動汽車入網對電網運行的影響取決于充電負荷的需求量以及充電時間。電動汽車的充電負荷主要受電動汽車規(guī)模、電池特性、用戶充電行為特性以及電動汽車電能補給方式這4個方面的影響[22]。

1.1.1 電動汽車規(guī)模

較小規(guī)模的電動汽車接入電網時，其充電負荷對電網產生的影響可以忽略不計，但隨著電動汽車規(guī)模的增加，電動汽車集中充電會給電網帶來較大的沖擊，增加電網承載負荷的壓力。電動汽車的發(fā)展規(guī)模受多方面因素的影響，其中最大的影響因素是電動汽車成本的降低及其本身技術的成熟，特別是動力電池成本的降低及其性能指標的提升，將會極大地推動電動汽車的發(fā)展與推廣。同時，政府部門的政策導向對電動汽車的普及也極為重要。

1.1.2 電池特性

動力電池是電動汽車最主要的部件之一，當前可用于電動汽車的動力電池類型較多，不同類型電池性能對比如表1所示。通過對不同類型電池的比能量、循環(huán)壽命、荷電保持狀態(tài)等方面的對比可以看出，鋰離子電池的綜合性能最佳。

表1 不同類型電池性能對比Tab. 1 Performance comparison of different types of batteries

不同類型電動汽車因電池性能不同而差異較大，其性能對比如表2所示。

表2 不同類型電動汽車性能對比Tab. 2 Performance comparison of different types of electric vehicles

1.1.3 用戶充電行為特性

對于用戶充電行為特性，不同的用戶除了有不同的充電起始時刻以外，其出行鏈、對電池電量的期望值、日行駛里程等其他用車習慣都具有差異，這增加了電動汽車充電負荷的不確定性和預測難度。電動汽車用戶的日行駛里程決定了電動汽車充電負荷的需求量，并且在充電功率一定的條件下，日行駛里程還決定了負荷的充電時長。充電負荷的起始時刻影響著電網負荷的波動性，當大量電動汽車集中充電時，會增大等效負荷波動，此時電網運行的穩(wěn)定性也較差。

1.1.4 電動汽車電能補給方式

目前，電動汽車的電池主要通過充電和換電2種方式進行能量補給。充電方式下電動汽車電池通過充電接口入網充電，根據(jù)充電功率不同可以分為快充和慢充[23]。充電方式的建設成本低，但充電時間較長，且在電動汽車充電時間較集中時，會對電網產生較大的沖擊，不利于電網的運行與控制。換電方式相較于充電方式更為方便快捷，電動汽車無需停留等待電池充滿，只需要將動力電池進行更換，將電量不足的電池換下并裝入同型號的電量充足的電池。充電時間更靈活，在時間上可以提高電動汽車的利用率，且有利于電池的維護，可以有效避免大規(guī)模電動汽車接入電網時產生的不利影響，但換電站的修建成本較高，且電動汽車的電池規(guī)格不同，而現(xiàn)有換電站的換電設備只適用于單一規(guī)格的電池，難以在私家車輛中普及。

1.2 充電負荷預測模型

目前已經有大量研究剖析了電動汽車入網對電網運行的影響，而這些研究的關鍵在于建立精確的充電負荷預測模型。在建立電動汽車充電負荷預測模型方面，目前主要有以下3種思路。

1.2.1 蒙特卡羅模擬法

蒙特卡羅方法(Monte Carlo)也稱為統(tǒng)計模擬法，其原理是通過大量的隨機樣本建立所求問題的數(shù)學模型，通過隨機數(shù)的產生來獲取計算問題的近似解?；诰用癯鲂袛?shù)據(jù)，通過蒙特卡羅方法來歸納模擬電動汽車用戶的用車習慣，從而建立負荷預測模型。如文獻[24]通過停車生成率模型模擬車輛的停車需求，通過停車概率模型分析電動汽車出行特性，通過蒙特卡羅方法預測充電負荷需求的時空分布；文獻[25]建立了電動汽車充電功率需求的統(tǒng)計模型，采用蒙特卡羅方法模擬一天內的電動汽車充電功率曲線?；诿商乜_模擬的電動汽車充電負荷計算流程如圖1所示。

圖1 基于蒙特卡羅模擬的電動汽車充電負荷計算流程圖Fig. 1 Calculation flow chart of electric vehicle charging load based on Monte Carlo simulation

蒙特卡羅模擬法綜合考慮了多種因素對負荷充電需求進行模擬，可以分析電動汽車負荷入網的隨機性。然而通過該方法建立充電負荷預測模型是在擁有大量居民出行數(shù)據(jù)的基礎上實現(xiàn)的，因此該方法對大量的樣本數(shù)據(jù)具有很強的依賴性，一旦樣本數(shù)據(jù)不足，就會大大降低該方法的可靠性。

1.2.2 基于出行鏈的時空模型

與蒙特卡羅方法相似，基于出行鏈的時空模型也需借助大量的樣本數(shù)據(jù)。目前眾多研究認為電動汽車替換傳統(tǒng)燃料汽車并不會影響用戶的出行行為，因此可以借助用戶的出行特征統(tǒng)計模擬充電負荷需求。文獻[26]針對私家車建立出行鏈，模擬電動汽車的出行規(guī)律，基于用戶的用車習慣，通過模糊推理方法分析電動汽車的空間分布，結合車輛的時間分布和空間分布預測充電負荷需求。文獻[27]將預測的充電負荷與可預測的基本電力負荷集成，轉化為系統(tǒng)狀態(tài)預測，通過用戶出行轉移矩陣模擬充電負荷的空間分布。文獻[28]以全國家庭出行調查數(shù)據(jù)為依據(jù)，考慮了起始出行時間、行駛時間、停車時間以及出行目的之間的相關關系，并建立了概率分布模型計算充電需求的時空分布。不同的出行鏈結構可以反映用戶的出行目的、用車時間以及活動順序[29]。與蒙特卡羅模擬法相比，基于出行鏈的時空模型引入用戶出行目的作為考慮因素，結合時間分布和空間分布2個層面考慮充電負荷的隨機性。圖2為基于出行鏈的電動汽車充電負荷計算流程圖。

圖2 基于出行鏈的電動汽車充電負荷計算流程圖Fig. 2 Calculation flow chart of electric vehicle charging load based on travel chain

1.2.3 充電負荷車-路-網模型

建立電動汽車充電負荷車-路-網模型，不僅考慮了用戶充電時間對充電負荷時間分布特性的影響，還可以評估出行路徑、交通狀況等因素對充電負荷空間分布的影響。文獻[30]基于電動汽車的空間屬性和能量屬性建立了“車-路-網”充電負荷預測模型，綜合考慮了交通網絡拓撲結構、用戶出行路徑以及電網信息等因素對充電負荷時空分布的影響。文獻[31]為了分析電動汽車無序入網充電對配電網穩(wěn)定運行的影響，基于“車-路-網”耦合結構建立了連續(xù)潮流模型，考慮了用戶行為特性對充電負荷的影響，該方法可以量化在惡劣充電場景下的充電負荷需求，評估在臨界情況下的電壓分布特性。文獻[32]考慮了電動汽車和交通路況的相關性與耦合性，基于用戶道路一體化模型分析了電動汽車入網對電網安全性與穩(wěn)定性的影響?；谲?路-網模型的電動汽車充電負荷計算流程如圖3所示。

圖3 基于車-路-網模型的電動汽車充電負荷計算流程圖Fig. 3 Calculation flow chart of electric vehicle charging load based on vehicle-road-network model

2 電動汽車智能充放電控制

2.1 電動汽車調度控制

針對大規(guī)模電動汽車無序充電給電網帶來沖擊這一問題，目前國內外已經進行了較為深入的研究，并取得了一定的研究成果，有大量研究聚焦于電動汽車與可再生能源的協(xié)同調度，這已經成為了優(yōu)化能源利用的一項有效措施。圖4為電動汽車參與電網調度示意圖。由圖4可知，電動汽車與電網之間可以進行雙向的信息傳遞和能量交互。電動汽車入網后將充電負荷信息傳遞給售電公司，售電公司根據(jù)負荷信息制定充放電計劃并發(fā)布電價信息。電動汽車根據(jù)調度要求進行充放電。

圖4 電動汽車與電網交互示意圖Fig. 4 Diagram of interaction between electric vehicle and power grid

2.2 電動汽車有序充電

電動汽車無序入網充電會給電網造成不利影響，但電動汽車作為一種可控負荷，對其進行有序充電控制，不但可以消除對電網造成的沖擊，還有助于改善負荷波動，促進新能源消納。依據(jù)控制方法，電動汽車有序充電調度策略可以分為集中式控制和分布式控制。

2.2.1 集中式控制策略

集中式控制策略是指控制中心基于電網源荷信息對某一區(qū)域內的所有入網電動汽車進行統(tǒng)一充電調度。文獻[33-36]均采用了集中式控制策略，通過統(tǒng)一控制電動汽車實現(xiàn)降低網損或負荷波動等目標?；诩惺娇刂频碾妱悠嚬芾砜蚣苋鐖D5所示。電動汽車入網后，用戶上傳充電需求、停留時間等信息，控制中心綜合考慮源荷水平和用戶需求，制定并下發(fā)電動汽車有序充電計劃，電動汽車根據(jù)接收的計劃充電。

圖5 基于集中式控制的電動汽車管理框架Fig. 5 Electric vehicle management framework based on centralized control

現(xiàn)有研究已經趨于多目標優(yōu)化，通常是最大日負荷率、最低用戶用電成本以及最小負荷方差等目標相結合的多目標優(yōu)化問題。較為典型的以最小負荷方差和最大日負荷率為目標的優(yōu)化模型如下。

1）目標函數(shù)。

式中：Pload(t)為t時刻的常規(guī)負荷；Pw(t)為t時刻的風功率；PEV,i(t)為電動汽車i在t時段的充電功率；Pav為系統(tǒng)平均負荷功率。

將目標函數(shù)(1)、(2)進行歸一化處理，通過線性加權法將多目標函數(shù)轉化為單目標函數(shù)，即

式中：λ1和λ2分別為F1、F2的加權因子，體現(xiàn)所代表目標函數(shù)的重要程度，且λ1+λ2=1；F1max、F2max分別為F1、F2的最大值，用于規(guī)范多目標優(yōu)化函數(shù)。

2）約束條件。

電池荷電狀態(tài)(state of charge，SOC)約束：考慮到電池的特性和壽命問題，電池充電過程的荷電狀態(tài)不能超過其上下限，即

式中：Si,t為電動汽車i在t時刻的荷電狀態(tài)；Smax和Smin分別為電動汽車荷電狀態(tài)的上、下限值，Smin一般不低于滿荷電狀態(tài)的20%。

用戶需求約束：充電結束后，電動汽車的荷電狀態(tài)應滿足用戶需求，即

式中：Sexp為充電結束時用戶的期望值；Sfinal為充電結束時電動汽車的荷電狀態(tài)；Sinit為電動汽車的初始荷電狀態(tài)；B為電動汽車的電池容量；η為充電效率；PEV(t)為t時刻的充電功率；Tstart、Tend分別為充電初始、結束時刻。

電池充電功率約束：

式中PEV,max為電動汽車的最大充電功率。

集中式控制策略對所有入網電動汽車進行統(tǒng)一管理，因此在滿足用戶需求的同時可以實現(xiàn)整體最優(yōu)。但隨著電動汽車的普及和推廣，以及電動汽車用戶的增加，集中式控制的計算量和控制難度都會加大。

2.2.2 分布式控制策略

分布式控制策略是電動汽車用戶根據(jù)電網發(fā)布的充電需求和價格信息，結合用戶自身的需求自主地響應有序充電策略。在這個過程中，電網并不直接參與電動汽車充電的控制，而是根據(jù)源荷信息建立激勵機制，鼓勵用戶參與有序充電策略。文獻[37-38]為了鼓勵用戶在負荷低谷期給電動汽車充電，基于用戶充電行為對電價的響應提出了一種電動汽車充電電價的制定方法。圖6為分布式控制策略流程圖。電動汽車獲取電價信息，根據(jù)自身充電需求制定并提交充電計劃。電網根據(jù)源荷狀況對用戶提交的充電計劃進行審核，參照負荷峰谷差與用戶協(xié)商以得到最優(yōu)充電計劃。

圖6 分布式控制策略流程圖Fig. 6 Flow chart of distributed control strategy

分布式控制的激勵機制主要分為基于價格的機制和基于激勵的機制?；趦r格的機制包括分時電價、尖峰電價和實時電價。其中分時電價是目前國內較為常見的一種電價策略，該策略主要是在用電高峰時段適當提高電價，在用電低谷時段適當降低電價，從而激勵用戶減少高峰時段的用電，降低峰谷差。文獻[39]基于分時電價制度和電動汽車可入網的情況建立了計及電網負荷波動及用戶成本的多目標優(yōu)化模型，對比分析了分時電價與固定電價下的仿真結果及不同分時電價對調度策略的影響。文獻[40]研究了電動汽車分時充電價格的制定方法，提出了基于分時充電價格引導及儲能系統(tǒng)的電動汽車有序充電引導策略，在降低運營商購電成本和用戶充電費用的同時，實現(xiàn)智能電網中充電負荷的友好接入。

分布式控制策略一般以用戶用電成本最低為目標函數(shù)，即

式中：n為參與優(yōu)化調度的電動汽車數(shù)量；Pi(t)為電動汽車i在t時刻的充電功率；S(t)為電動汽車在t時刻的充電電價。

分布式控制策略可以滿足用戶充電需求，提高用戶的響應度，相較于集中式控制策略可以減少計算量和計算時間，但難以保證結果整體最優(yōu)。

2.2.3 分層式控制策略

針對集中式控制策略和分布式控制策略的不足，一些專家學者提出了分層式控制策略。文獻[41-42]采用了分層式控制策略解決大規(guī)模電動汽車無序入網給電網帶來的沖擊問題。基于分層式控制的電動汽車管理框架如圖7所示。

分層式控制是將集中式控制和分布式控制相結合的一種控制方式。分層式控制策略將電動汽車劃分為多個群體，分別由多個本地運行商控制，本地運營商向上層決策中心提交聚合電動汽車群信息，由上層決策中心協(xié)調各個本地運營商的運行。分層式控制通常分為2層，上層求解各電動汽車群的充放電控制策略，下層求解集群內各電動汽車的充放電控制策略。分層控制中各本地運營商在實現(xiàn)整體目標的基礎上，相對獨立地對電動汽車群進行控制。

圖7 基于分層式控制的電動汽車管理框架Fig. 7 Electric vehicle management framework based on distributed control

分層式控制策略將電動汽車分群控制，既解決了集中式控制運算維度大的問題，降低了控制難度，同時又可以實現(xiàn)整體最優(yōu)，彌補了分布式控制的不足。

2.3 V2G技術

V2G技術是一種新型的電網技術，在 V2G技術的支持下，電動汽車不僅可以消費電力，還可以在閑置時發(fā)揮自身儲能作用給電網送電，實現(xiàn)電能在電網與電動汽車之間的雙向輸送。

智能V2G有助于維護電池的使用壽命。動力電池是電動汽車的主要部件，其使用壽命和性能決定了電動汽車的使用性能。并不是對電動汽車的使用時間和充電次數(shù)越少，電池壽命越高，如果電動汽車長時間處于閑置狀態(tài)，沒有達到最佳的充放電循環(huán)周期，其壽命反而會受損。對電動汽車進行適當?shù)?V2G不僅可以降低對電池的損害，還可以為車主帶來收益[43]。英國華威大學的一項研究表明，電池的衰減是一個比想象中更復雜的過程，取決于電池壽命、容量吞吐量、溫度、充電狀態(tài)、電流和放電深度等。而V2G是一種有效的技術，可用于優(yōu)化電池的狀態(tài)，使得衰減最小化，從閑置的電動汽車中獲取多余的能量為電網供電，可以延長電池的使用壽命；但不能過于頻繁使用V2G技術，否則會有損電池壽命。

目前已有基于電動汽車動力電池損耗模型的控制策略研究。文獻[44]基于分時電價背景，在滿足用戶充電需求的前提下，分析了經典電池損耗模型下電動汽車放電對電池壽命的影響。文獻[45]通過電池損耗模型評估電動汽車放電對電池壽命的影響，建立了一種多目標優(yōu)化調度模型，分析了在不同電池損耗模型、不同用戶參與度以及不同分時電價情況下的優(yōu)化效果。

2.4 電動汽車有序充放電控制策略求解算法

對電動汽車進行優(yōu)化調度，其本質為對未來每個時刻的入網電動汽車進行充放電功率規(guī)劃，也是優(yōu)化問題，因此可以采用優(yōu)化算法對電動汽車充放電功率進行尋優(yōu)。文獻[46]通過粒子群算法尋優(yōu)得到分時電價優(yōu)化模型的最優(yōu)解。文獻[47]運用自適應遺傳算法對電動汽車智能充電優(yōu)化數(shù)學模型進行尋優(yōu)。文獻[41]為了解決大規(guī)模電動汽車實時有序充放電控制問題，建立了電動汽車集群優(yōu)化調度模型，通過灰狼算法求解各電動汽車的優(yōu)化調度策略。

3 應用區(qū)塊鏈的電動汽車電力交易

3.1 區(qū)塊鏈技術簡介

區(qū)塊鏈是一種分布式的安全可靠的數(shù)據(jù)庫，自從化名為“中本聰”的學者在2008年發(fā)布《比特幣：一種點對點電子現(xiàn)金系統(tǒng)》一文開始，關于區(qū)塊鏈的研究逐漸增多[48]。非對稱加密、共識機制、分布式賬本以及智能合約四大核心技術支撐著區(qū)塊鏈[49]。從數(shù)據(jù)存儲角度來看，區(qū)塊鏈具有不可篡改、可追溯、傳輸安全等特點；從價值轉移角度來看，區(qū)塊鏈可以在大大降低信用成本的條件下實現(xiàn)價值轉移和資產數(shù)字化。面對當前電力市場中存在的安全性低、透明度和公信度有待提升、共享性低等問題，區(qū)塊鏈技術可以提供有效的解決方案[50]。目前，區(qū)塊鏈已經被廣泛應用到多個領域中[51-52]。

3.2 區(qū)塊鏈在電動汽車電力交易中的應用

電動汽車規(guī)模的擴大給電力系統(tǒng)增加了大量的交易信息，這對交易信息的管理無疑增加了運維難度和成本，且對于中心化電力交易體系，用戶的隱私信息存在泄露風險。電動汽車的分布具有分散性，與區(qū)塊鏈技術特征具有很好的結合點。目前已有學者將區(qū)塊鏈應用到電動汽車電力交易中，以避免中心化平臺帶來的弊端。

圖8為基于區(qū)塊鏈的電動汽車電力交易架構示意圖。電動汽車用戶、分布式儲能運營商以及分布式發(fā)電運營商等能量單元首先注冊為節(jié)點，獲取各自的公私鑰，然后通過區(qū)塊鏈實現(xiàn)節(jié)點之間的廣播通信、交易認證、計費結算等。區(qū)塊鏈會將當前時段之前的所有交易信息以鏈式區(qū)塊的形式進行記錄，用戶可通過這樣的鏈式結構對交易信息進行查詢和追蹤。

圖8 基于區(qū)塊鏈的電動汽車電力交易架構示意圖Fig. 8 Schematic diagram of electric vehicle electric power transaction architecture based on blockchain

圖9 基于區(qū)塊鏈的電動汽車電力交易流程圖Fig. 9 Schematic diagram of electric vehicle electric power transaction process based on blockchain

基于區(qū)塊鏈的電動汽車電力交易流程如圖 9所示。在交易開始前，各節(jié)點注冊獲取自身的公私鑰，并向其他節(jié)點廣播公鑰。在交易開始后，有電力交易需求的節(jié)點在P2P網絡上發(fā)出購買需求信息，感興趣的節(jié)點接收信息，并驗證賬戶和規(guī)則的正確性，在對自身用能需求分析和能源供應情況分析的基礎上，通過P2P網絡對該交易請求信息進行回復。雙方確認交易內容之后，生成智能合約，多方簽名驗證交易的正確性，完成交易。在確認交易時，若價格沒有滿足預期值，可確認是否進行再次報價，若同意再次報價，則調整后的價格參與下一輪價格排序；若不同意再次報價，則終止此次交易。在交易過程中，公私鑰的轉換過程是不可逆的，賬戶在達成交易后生成智能合約并發(fā)送至各交易節(jié)點進行簽名，這保障了交易和賬戶的安全性。

4 結論

隨著動力電池技術的提高以及政府部門政策的推動，電動汽車將會得到快速普及和推廣，這將會對電網的運營與維護產生深遠的影響。對電動汽車充電負荷進行優(yōu)化調度，既有利于電網的安全穩(wěn)定運行，又可以使用戶和電網產生經濟效益。在未來的研究工作中以下問題應得到特別的關注：

1）在建立電動汽車充電負荷預測模型方面，已經有大量的研究基于多個因素分析充電負荷的不確定性，但對于交通網絡和電網等因素對負荷的影響的研究不夠深入，未來還需要進一步建立更為精細的電動汽車充電負荷模型。

2）目前已有大量的研究注重電動汽車的充放電過程，但是不合理的充放電會影響到電動汽車電池的壽命，如何應用V2G技術維護電動汽車電池壽命還有待進一步研究。

3）將區(qū)塊鏈應用到電動汽車的電力交易中既可以保障交易的安全性和可靠性，還可以保護用戶隱私。但隨著電動汽車規(guī)模的增加，交易數(shù)目增多，電力交易的速度將會受到一定程度的影響。如何利用區(qū)塊鏈平臺使電動汽車交易系統(tǒng)更加完善，還需要進一步研究。