王浩柱 ，謝秦，鄧方明，楊陽

（1.國網(wǎng)天津城南供電公司，天津 300201；2.國網(wǎng)天津市電力公司，天津 300143；3.國網(wǎng)電子商務有限公司，天津 300143）

隨著可持續(xù)發(fā)展意識的深入人心，電動汽車（electric vehicle，EV）行業(yè)也逐漸受到了各地政府的重視[1-2]。不同地區(qū)的政府通過發(fā)布不同的政策促進電動汽車（簡稱電車）的發(fā)展，使得電車的需求量日益增長[3-5]。而電車需求增長的同時也進一步提升了電車充電的需求，這便要求有限的充電設施在城市環(huán)境內得到高效利用和同步部署。

然而，現(xiàn)有的市場中，不同運營公司之間不同的需求度導致了電車充電設施與電車需求之間不平衡[6-7]。目前，電車充電所面臨的問題可綜合為以下兩個方面[8-9]：1）不同空間分布的充電設施與電車服務用戶數(shù)量的不平衡直接影響企業(yè)的收益，導致不同新能源公司（new energy companies，NECs）之間的利益難以協(xié)調；2）由于缺乏公平的分配機制，導致企業(yè)之間難以完全相互信任，進而充電設施的實時信息和客戶信息難以共享，甚至出現(xiàn)某些公司為提升自身利益而為其他公司提供虛假信息的情形[10]。因此，迫切需要一種能解決當前問題的切實方案。

文獻[11]在2008年時提出了區(qū)塊鏈技術，其作為一種新興且具有前景的技術，最初是應用于比特幣加密的基礎技術，具備安全和抗篡改等優(yōu)勢。通過在點對點網(wǎng)絡中建立信任鏈接[12-14]，使網(wǎng)絡中的所有節(jié)點達到互相信任的基礎，從而進一步提升業(yè)務流程的推進。然而，盡管區(qū)塊鏈技術解決了企業(yè)之間的信任問題，但NECs之間的利益分配也是不容忽視的問題。因此，文中設計了一種合作機制來協(xié)調不同公司之間的利益分配。

基于此，本文提出了一種新的基于聯(lián)盟區(qū)塊鏈的電動汽車充電系統(tǒng)，該系統(tǒng)通過區(qū)塊鏈技術防止企業(yè)之間的信息篡改，使系統(tǒng)具有多中心化等特點。而后設計了一種新的智能合約來平衡聯(lián)盟中各公司的利潤，通過生物目標混合整數(shù)規(guī)劃模型（BOMILP）來平衡企業(yè)及電車用戶之間的利益。同時，提出了一種有限領域記憶搜索算法（LNSM）進一步支持智能合約運行，提升合約運行速度及系統(tǒng)性能。最后，在天津地區(qū)電車充電數(shù)據(jù)的基礎上對所提系統(tǒng)進行了驗證，結果表明：該系統(tǒng)具備切實可行性，LNSM可進一步降低計算復雜度，提升系統(tǒng)使用性能。

1 系統(tǒng)框架

區(qū)塊鏈技術的引用可提高電車充電信息透明度及可靠性，基于區(qū)塊鏈技術，本節(jié)提出了電動汽車充電框架。

1.1 系統(tǒng)概述

圖1為傳統(tǒng)電車充電系統(tǒng)與基于區(qū)塊鏈充電系統(tǒng)的兩種充電方法的比較。

圖1 電動汽車充電方法比較Fig.1 Comparison of EV charging methods

如圖1所示，傳統(tǒng)的電車充電時，電車充電站獨立運行，實時數(shù)據(jù)由該充電樁所屬公司保存，這種信息隔離導致了電車充電信息的不共享。而區(qū)塊鏈技術的協(xié)同操作系統(tǒng)通過數(shù)據(jù)集中并記錄在區(qū)塊鏈上，共享信息，最大程度提高了電車充電樁的使用率，進而提升電車用戶的充電體驗?；趨^(qū)塊鏈充電系統(tǒng)工作流程如圖2所示。

圖2 系統(tǒng)工作流程Fig.2 System implementation flowchart

工作程序歸納為3個步驟：

1）系統(tǒng)獲取電動車用戶的充電需求，包括位置、時間及電量；

2）根據(jù)區(qū)塊鏈上的實時充電信息觸發(fā)智能合約，在特定條件下，系統(tǒng)生成可接受的充電方案；

3）將所有交易信息統(tǒng)一并添加入?yún)^(qū)塊鏈信息網(wǎng)絡體系中，使得全部信息數(shù)據(jù)對該區(qū)域內所有公司成員透明且具有可信度。

1.2 系統(tǒng)中的組件

圖3為所設計電車充電系統(tǒng)框架。該框架共包含新能源公司、電動汽車用戶、政府和區(qū)塊鏈系統(tǒng)4個主要組成部分。

區(qū)塊鏈用于公司、政府及EV用戶側的聯(lián)動交互，每側均有詳細的組件。三方通過聯(lián)動，在區(qū)塊鏈技術的支持下共同完成電車充電系統(tǒng)的運行。公司滿足用戶的充電需求，政府統(tǒng)一收費價格，用戶根據(jù)共享信息選取充電區(qū)域及充電時間，而區(qū)塊鏈作為中間運行的支持技術來保證計費系統(tǒng)的可靠性。

圖3 電動汽車充電系統(tǒng)架構Fig.3 Framework of EV charging system

2 智能合約的設計及實現(xiàn)

智能合約的本質是區(qū)塊鏈基于觸發(fā)事件所引起的價值和信息流的擴展應用程序，其具備完全數(shù)字化、可編程及自動執(zhí)行等優(yōu)勢。通過建立數(shù)學模型，設計智能合約，著重強調最優(yōu)目標和最優(yōu)約束，而后通過已有模型進行程序編碼。為解決充電設施的動態(tài)分布問題，本文建立了一個生物目標混合整數(shù)規(guī)劃模型（BOMILP）。

為了使模型更易理解，進行了合理的假設。文中公式采用的假設和特征如下：

1）一旦電動汽車完成充電操作，用戶立即開車離開充電站。

2）充電期間，電動汽車的所有設備均處于關機狀態(tài)，包括空調、音樂系統(tǒng)等。

3）電動汽車充電站收取的電費是其利潤的一部分。

2.1 約束

約束條件確定了優(yōu)化模型中可行解的范圍。這些約束可以分為4個部分，分別為充電特性約束、充電設施資源約束、用戶收費距離約束以及非負性約束。

1）充電特性約束如下式：

約束式（3）表示每個充電樁在一個時間段內最多只能服務1個EV；約束式（4）保證所有需要充電服務的電動汽車用戶都被分配到充電站；約束式（5）確保充電電量不能超過電動汽車電池最大容量。

2）充電設施資源限制如下：

約束式（6）保證了電動汽車用戶在任意時間段的快、慢充電需求都得到滿足。

3）剩余電量及與充電樁距離約束如下：

式中：e100為電動汽車百公里耗電量；為t時刻電動汽車i到充電站p的充電距離；dmax為電動汽車最大容忍距離。

約束式（7）保證電動汽車剩余電量能夠支持車輛駛往充電站；約束式（8）確保電動汽車用戶不會在超過最大容忍距離內選擇充電站。

4）非負性約束如下：

2.2 智能合約的實現(xiàn)

為了解決上述問題并將其轉化為可執(zhí)行的智能合約，這要求更為合適的算法從而獲取可行解。與傳統(tǒng)的優(yōu)化方法不同，區(qū)塊鏈中嵌入的智能合約需要更快、更輕的算法以滿足節(jié)點的需求。鄰域搜索算法（neighborhood search algorithm，NSA）[15]是一種求解組合問題的近似算法。考慮到電車充電調度是動態(tài)情形，因此，本文提出了有限鄰域記憶搜索（LNSM）算法來解決BOMILP問題，使區(qū)塊鏈的智能合約能夠更高效、更智能地工作。LNSM中有兩個關鍵策略：1）限制候選解集，提高搜索效率；2）基于已有決策動態(tài)改變解決方案。

LNSM的具體步驟如下：

步驟1：限制候選充電點，主要關鍵在于選擇滿足條件的點作為可行點，如圖4所示。首先，依據(jù)電動汽車用戶的充電需求，可計算得出電動汽車位置和充電站位置之間的距離，充電距離低于最大距離，也要低于電動汽車考慮SOC容量的剩余范圍，如下式所示：

圖4 有限鄰域搜索策略Fig.4 Limited strategy of neighborhood search

步驟2：排序運算并生成解。對步驟1中候選點集，根據(jù)距離從小到大進行排序，如圖5所示。排序完成后，可從集合中選取候選點，使其滿足目標函數(shù)式（2）。解決方案的生成順序是從頂行到結束行，如，當選取線1作為新生成的解（P1，P6，P11），此解總距離最??；若解不滿足，可在領域中重新生成新的解，如（P2，P6，P11），（P1，P7，P11）等。

圖5 算法的搜索機制Fig.5 Search mechanism of algorithm

步驟3：計算每個解決方案的均衡度。引入均衡度來描述各解的不平衡利潤，并使其等于解矩陣的方差。因此，可以根據(jù)之前的最優(yōu)解（內存池）計算每個解的實時累積利潤，并得到方差的值。如果不滿意，返回步驟2，重新生成解決方案。因此，我們總能在每次迭代中得到一個非劣解。

步驟4：選取最優(yōu)解決方案并更新內存池。依據(jù)步驟3所得最優(yōu)解決方案，并將其添加至內存池內?；诖藘却娉乜烧喜煌瑫r間段的整個解。

3 案例研究及結論

本節(jié)討論基于區(qū)塊鏈方法的電動汽車充電問題。通過對中國最大城市之一，即天津的真實數(shù)據(jù)進行分析，可以驗證電動汽車分配系統(tǒng)的有效性，同時對智能合約的性能進行了研究。

3.1 案例介紹和數(shù)據(jù)預處理

基于天津市實際電動汽車充電數(shù)據(jù)進行了案例研究。為提升不同公司的信息系統(tǒng)間的透明性，系統(tǒng)采用了區(qū)塊鏈聯(lián)盟。

依據(jù)全國電動汽車數(shù)據(jù)聯(lián)盟發(fā)布的電動汽車充電數(shù)據(jù)（包括電車充電數(shù)據(jù)及60 d內的出行信息），電車出行數(shù)據(jù)集有兩億多條，充電數(shù)據(jù)集有5 000多條。電動汽車的位置數(shù)據(jù)由GPS設備記錄，采集間隔為10 s。電動汽車一天充電需求的分布如圖6所示，充電時間統(tǒng)計如表1所示，電動汽車充電參數(shù)如圖7所示。

表1 充電時間統(tǒng)計Tab.1 Charging time statistics

圖6 電動汽車充電需求的分布Fig.6 Distribution of EV charging needs

圖7 電動汽車充電參數(shù)Fig.7 Parameter of EV charging

依據(jù)上述數(shù)據(jù)可以獲得表2，根據(jù)下式計算電池容量：

表2 數(shù)據(jù)描述Tab.2 Data description

再由下式推導出功耗：

電動汽車充電速率的計算公式為

式中：ΔElectricity為電池變化電量；ΔSOC為電池荷電狀態(tài)變化量；ΔMileage為里程變化量。

考慮到隨機誤差，對所獲值進行平均化處理。

而后，設置實驗充電樁信息。假設每個充電站有一個快速充電樁和兩個慢速充電樁，從天津地區(qū)充電樁所屬公司：中國國家電網(wǎng)公司（SGCC）、BAIC的Teld、普天新能源有限公司（Potevio）、StarCharge收集數(shù)據(jù)，進而獲得天津地區(qū)電動汽車充電具體數(shù)據(jù)及空間分布，如圖8所示。

圖8 充電樁的數(shù)量與空間分布Fig.8 Charging pile compassion and spatial distribution

最后，依據(jù)天津市發(fā)展改革辦公室政府網(wǎng)站（2015年發(fā)布）收集收費價格數(shù)據(jù)。天津市分時電價情況如圖9所示，充電樁服務收費為0.8元/（kW·h）。另外，快、慢充電樁的建設價格分別為5元/d和0.5元/d。根據(jù)快/慢充電樁銷售價格（5萬元/5 000元），政府補貼率為每個充電樁80%，充電樁生命周期為3 a（約1 000 d）。

圖9 天津的定期電價Fig.9 Periodic electricity price of Tianjin

3.2 區(qū)塊鏈系統(tǒng)的實現(xiàn)

充電系統(tǒng)正常工作需要經(jīng)過兩個程序。首先是關鍵數(shù)據(jù)收集，包括電動汽車用戶的充電需求、閑置電樁位置等，之后系統(tǒng)生成一個賬戶節(jié)點并將數(shù)據(jù)記錄于聯(lián)盟區(qū)塊鏈上；而后觸發(fā)智能合約實現(xiàn)充電樁的動態(tài)配置，通過間隔的觸發(fā)智能觸點建立電動汽車與充電樁之間的連接。

用戶：當用戶產(chǎn)生充電需求后，可通過應用程序尋求合適充電樁，登錄系統(tǒng)后，系統(tǒng)對用戶所在位置進行定位，而后依據(jù)定位推薦周圍充電樁，由用戶選取心儀充電樁位置。文中充分考慮到用戶使用的體驗，在用戶選取位點后程序將為用戶提供最佳的前往充電樁路線。

公司：構建聯(lián)盟區(qū)塊鏈系統(tǒng)，記錄交易信息。交易信息由聯(lián)盟中的所有公司維護，使數(shù)據(jù)在任何時候均可被信任。首先，系統(tǒng)收集交易信息并將其打包成一個數(shù)據(jù)塊，通過哈希函數(shù)（如MD5，SHA-1，SHA-256等）生成塊哈希值和Merkle樹。而后將在聯(lián)盟中生成一個貢獻者（核算節(jié)點），將數(shù)據(jù)塊放入?yún)^(qū)塊鏈。在這個系統(tǒng)中，生成機制是輪流的，如前一個塊由SGCC記錄，下一個塊由StarCharge記錄。通過這種方式，區(qū)塊鏈將有序延伸，聯(lián)盟區(qū)塊鏈也將得到良好的維護。

3.3 系統(tǒng)的性能

為了評估所提系統(tǒng)的性能，本節(jié)進行了兩組驗證實驗：實驗1驗證LNSM算法中內存操作的效果，對LNSM算法和NSA算法進行了比較，驗證了不同的系統(tǒng)利潤均衡結果；實驗2對算法進行參數(shù)敏感性分析，通過改變限制杠桿、鄰域搜索時間來查看結果的差異。

實驗1：將候選站點固定為5個站點，EV號為3個，然后分別采用LNSM和NSA算法作為智能合約的核心機制進行實驗。各公司的累積利潤如圖10所示。在60 d內，LNSM比非記憶法NSA表現(xiàn)出更好的公司聯(lián)盟均衡。另外，公司的利潤方差如圖11所示，可看出LNSM算法中公司的方差是相當穩(wěn)定且低的，而NSA算法的方差要比LNSM算法高。

圖10 LNSM和NSA的利潤比較Fig.10 Profit comparison between LNSM and NSA

圖11 LNSM和NSA的利潤方差比較Fig.11 Profit variance comparison between LNSM and NSA

實驗2：對智能合約采用LNSM算法，為用戶改變備選電動汽車充電站。用戶更改充電站時，新能源公司的利潤方差如圖12所示。隨著候選限制的放寬，智能合約可使新能源企業(yè)的利潤更加均衡。因此，備選充電站數(shù)量的變化對新能源企業(yè)利潤均衡有很大影響。此外，從實驗結果可以看出，候選站存在一個閾值，當候選站點數(shù)量從8個增加到9個時，利潤方差仍有較大變化，然而，當候選站點數(shù)量從9個增加到10個時，利潤方差幾乎無變化。

圖12 電動汽車用戶不同備選站的利潤方差Fig.12 Profit variance of electric vehicle users at different alternative stations

實驗結果表明，采用記憶法對新能源企業(yè)聯(lián)盟的均衡非常有用，在電動汽車充電站為用戶推薦系統(tǒng)時應采用記憶法。

3.4 結論

針對新能源電車充電需求的日益提升以及運營公司之間不同利益需求導致的充電樁不合理分配等問題，文中提出了一種基于聯(lián)盟區(qū)塊鏈的新型智能電動汽車充電系統(tǒng)。在該系統(tǒng)中，企業(yè)通過觸發(fā)智能合約與客戶建立聯(lián)系，維護客戶分配的公平性，平衡公司聯(lián)盟的利潤。公司之間通過區(qū)塊鏈聯(lián)盟的支持相互信任，區(qū)塊鏈具備防篡改和透明性等特點。同時，為企業(yè)構建了切實可行的業(yè)務框架，為電動汽車用戶設計了簡潔的應用方法。而后，文中提出了一種新的算法LNSM來提高分配智能合約的性能。通過實驗證明，LNSM可以降低計算復雜度。并且LNSM算法的性能優(yōu)于非記憶NSA算法。