摘 要：為進(jìn)一步提高智能充電樁管理系統(tǒng)的充電功率和充電時(shí)間優(yōu)化，利用區(qū)塊鏈算法技術(shù)，建立彈性充電需求的多類用戶交通均衡分配模型，并利用區(qū)塊鏈算法技術(shù)確定各快速充電站的最優(yōu)充電容量和發(fā)電機(jī)調(diào)度計(jì)劃。試驗(yàn)結(jié)果表明，隨著迭代次數(shù)增加，區(qū)塊鏈算法的殘余誤差逐漸降低，迭代13次時(shí)，算法趨于收斂。區(qū)塊鏈算法、深度學(xué)習(xí)算法、螞蟻算法的充電時(shí)間分別為36min、42min和38min。利用區(qū)塊鏈算法技術(shù)可將最大充電消耗功率降至20kW，并將最大電力消耗時(shí)間推遲到20：00～22：00，比預(yù)計(jì)的充電消耗期縮短2h。區(qū)塊鏈算法技術(shù)不僅可降低最大充電功率，還能將最小充電功率由9kW降至3kW，降低了66.7%。

關(guān)鍵詞：區(qū)塊鏈；智能充電樁；充電功率；迭代次數(shù)

中圖分類號(hào)：U46 文獻(xiàn)標(biāo)志碼：A

城市交通狀況和控制策略會(huì)影響電動(dòng)汽車的駕駛方式、充電地點(diǎn)和充電時(shí)間的選擇，進(jìn)而影響配電網(wǎng)（PDN）中充電負(fù)荷的時(shí)空分布。

但目前研究主要考慮電動(dòng)汽車已知充電需求固定的交通分配模型，而彈性充電需求的交通分配模型尚未討論[1]。當(dāng)交通和充電過程中發(fā)生擁堵或電費(fèi)高時(shí)，一些電動(dòng)汽車可能會(huì)放棄原來的充電和出行計(jì)劃。因此，需要一種考慮智能充電樁的電動(dòng)汽車彈性充電需求的交通分配模型。如果能夠?yàn)槊總€(gè)智能充電樁設(shè)計(jì)適當(dāng)?shù)碾妰r(jià)變化策略來指導(dǎo)電動(dòng)汽車的彈性充電行為，就能滿足電動(dòng)汽車的最優(yōu)充電需求[2]。而區(qū)塊鏈技術(shù)是一種去中心化的分布式系統(tǒng)，利用區(qū)塊鏈技術(shù)、加密技術(shù)對(duì)數(shù)據(jù)進(jìn)行加密，并執(zhí)行去中心化算法，可解決智能充電樁管理問題。

因此本文建立了基于區(qū)塊鏈算法技術(shù)的彈性充電需求的多類用戶交通均衡分配模型[3]，以捕捉車輛在城市交通網(wǎng)絡(luò)中的充電需求分布，并估計(jì)每個(gè)快速充電樁的充電需求。利用區(qū)塊鏈算法技術(shù)計(jì)算各快速充電站的最優(yōu)充電容量和發(fā)電機(jī)調(diào)度計(jì)劃，可進(jìn)一步加快智能充電樁管理系統(tǒng)平臺(tái)的管理效率，從而更好地管理電動(dòng)汽車。

1 智能電動(dòng)汽車充電樁管理系統(tǒng)

城市交通和電動(dòng)汽車配電耦合系統(tǒng)，主要由電動(dòng)汽車、固定控制系統(tǒng)和發(fā)電機(jī)組成。城市交通和配電耦合系統(tǒng)由一個(gè)充電負(fù)載服務(wù)實(shí)體提供服務(wù)，該實(shí)體能夠調(diào)度配電網(wǎng)中的所有發(fā)電機(jī)，并為每個(gè)快速充電樁選擇適當(dāng)?shù)碾妰r(jià)信號(hào)，以影響電動(dòng)汽車的充電行為[4]并減少高峰電力消耗。為對(duì)電動(dòng)汽車充電負(fù)荷進(jìn)行優(yōu)化管理和控制，本文提出智能充電樁管理系統(tǒng)。如果電動(dòng)汽車需要充電，可以向智能電動(dòng)汽車充電樁發(fā)送充電預(yù)訂申請(qǐng)，電動(dòng)汽車將收到來自充電樁管理系統(tǒng)的最佳充電建議[5]。

充電樁管理系統(tǒng)由5個(gè)部分組成：充電定價(jià)機(jī)制處理器、配電系統(tǒng)運(yùn)營中心、城市交通網(wǎng)絡(luò)運(yùn)營中心、發(fā)電機(jī)終端和電動(dòng)汽車用戶終端。為了實(shí)現(xiàn)各部分間的通信，該系統(tǒng)的所有設(shè)備均采用物聯(lián)網(wǎng)技術(shù)。此外還需要假設(shè)充電樁管理系統(tǒng)和配電系統(tǒng)的調(diào)度時(shí)間相同（60 min）且每個(gè)調(diào)度間隔內(nèi)所有充電的電動(dòng)汽車都能完成充電過程[6]。

1.1 電動(dòng)汽車的彈性充電需求

為進(jìn)一步描述電動(dòng)汽車的彈性行為，利用區(qū)塊鏈思想，引入充電需求函數(shù)QEV，ω=Dω（ξEV，ω）計(jì)算電動(dòng)汽車的實(shí)際充電需求。該函數(shù)需要具有以下2個(gè)基本屬性[7]。1）第一個(gè)屬性，隨著最低充電費(fèi)增加，應(yīng)該不斷減少ξEV，ω，任何起始目的地間的電動(dòng)汽車數(shù)ω∈WOD，并且函數(shù)值不能為負(fù)數(shù)。2）第二個(gè)屬性。該函數(shù)應(yīng)具有反函數(shù)D-1ω（QEV，ω），可由每個(gè)汽車起始目的地對(duì)ω∈WOD中的效用函數(shù)來定義。因此利用復(fù)指數(shù)函數(shù)來描述電動(dòng)汽車的充電需求，如公式（1）所示。

QEV，ω=Dω（ξEV，ω）=QEV，potential，ω·exp（-θξEV，ω）" " " （1）

式中：θ為電動(dòng)汽車的彈性系數(shù)，表示電動(dòng)汽車對(duì)充電費(fèi)用ξEV，ω的彈性，電動(dòng)汽車出行和充電的意愿越大，彈性系數(shù)就越小。

1.2 充電樁彈性充電需求的均衡分配模型

在城市交通網(wǎng)絡(luò)中，每個(gè)車輛用戶都是獨(dú)立的，都希望選擇一條交通費(fèi)用最小的路徑。普通車輛會(huì)選擇交通延遲成本最小的路徑，而電動(dòng)車輛則會(huì)選擇交通延遲和充電成本最小的路徑[8]，主要原因是每個(gè)快速充電樁的電價(jià)不同。因此，本文在傳統(tǒng)交通均衡分配模型的基礎(chǔ)上，考慮電動(dòng)汽車的彈性充電需求和充電時(shí)間成本，建立充電樁彈性充電需求的多類用戶流量均衡分配模型。充電樁彈性充電需求的多類用戶流量均衡分配模型（MUTEA）的目標(biāo)函數(shù)如公式（2）所示。

minFMUTEA=FT+FCH-UE" " " " " " "（2）

式中：FT為與普通線路a∈Ac的充電時(shí)間和充電路徑線路a∈AT的充電排隊(duì)時(shí)間相關(guān)的總流量延遲成本；FCH為所有充電樁的總充電成本；UE為電動(dòng)汽車的充電效率。

MUTEA模型的約束條件如公式（3）～公式（5）所示。公式（3）主要計(jì)算電動(dòng)汽車充電路徑φa上的車流量a，該流量等于所有普通車輛和電動(dòng)車路徑車流量之和。公式（4）、公式（5）主要確保城市交通網(wǎng)絡(luò)中每個(gè)起始目的地對(duì)電動(dòng)車充電需求的平衡。

（3）

（4）

（5）

式中：xpgw為指示變量；Hpg，w表示電動(dòng)汽車在城市交通網(wǎng)絡(luò)上流動(dòng)；QGV，w為電動(dòng)汽車的充電量需求。

1.3 配電系統(tǒng)模型

城市配電系統(tǒng)包括與配電系統(tǒng)電力總線相連的智能充電樁和發(fā)電機(jī)。配電系統(tǒng)由徑向網(wǎng)絡(luò)GE（NE，LE）提供服務(wù)，該網(wǎng)絡(luò)由一組用于總線的NE和一組用于配電線路的LE組成。根據(jù)上述特征，利用區(qū)塊鏈算法確定每個(gè)智能充電樁的最佳充電容量和發(fā)電機(jī)的調(diào)度計(jì)劃。

交流優(yōu)化功率流模型的目標(biāo)是使配電系統(tǒng)的運(yùn)營成本FE（包括發(fā)電機(jī)的生產(chǎn)成本和從電力批發(fā)市場(chǎng)購買電力的成本）最小化，并使智能充電樁的充電收入FCH最大化，如公式（6）所示，即利用區(qū)塊鏈算法可以確定適當(dāng)?shù)闹悄艹潆姌冻潆妰r(jià)格信號(hào)，從而更好地引導(dǎo)電動(dòng)汽車，使其充電行為和能耗水平達(dá)到最優(yōu)。

minFACOPF=FE-FCH" " " " " " " " （6）

利用智能充電樁管理系統(tǒng)接收每輛電動(dòng)汽車的充電信息和負(fù)載消耗信息。這些信息包括當(dāng)前時(shí)刻、當(dāng)前電價(jià)、預(yù)期出發(fā)時(shí)刻、期望電價(jià)、電動(dòng)汽車電池的容量、電動(dòng)汽車充電器的容量、負(fù)載點(diǎn)的有功功率消耗和負(fù)載點(diǎn)的無功功率消耗。電池的充電狀態(tài)（SOC）定義為電池的剩余容量與電池的完全充電容量的比率，通常用百分比表示。其值的范圍為0%～100%。SOC= 0表示蓄電池已完全放電，SOC = 100%表示電動(dòng)汽車電池已充滿電。

2 研究結(jié)果討論

2.1 參數(shù)設(shè)置

為證明智能充電樁管理系統(tǒng)和分布式協(xié)調(diào)定價(jià)方法的有效性，采用環(huán)形城市交通網(wǎng)絡(luò)和11 kV徑向配電系統(tǒng)測(cè)試系統(tǒng)。所有仿真均在配備英特爾i5-3450 M CPU和4 GB內(nèi)存的臺(tái)式計(jì)算機(jī)上進(jìn)行。城市交通網(wǎng)絡(luò)由12個(gè)節(jié)點(diǎn)、4種類型的道路以及外環(huán)、內(nèi)環(huán)中的8個(gè)充電樁組成[9]。每個(gè)充電樁由配電系統(tǒng)的一條電氣總線提供服務(wù)。當(dāng)電動(dòng)汽車電池反復(fù)充電和放電時(shí)，其壽命會(huì)縮短，具體取決于電動(dòng)類型和化學(xué)成分。本文假設(shè)電動(dòng)汽車和充電樁儲(chǔ)能系統(tǒng)均使用磷酸鐵鋰（LFP）電池，并考慮總循環(huán)次數(shù)對(duì)電池容量的影響。

由于智能充電樁管理系統(tǒng)數(shù)據(jù)和電力交易數(shù)據(jù)的記錄頻率較高，因此本文采用區(qū)塊鏈技術(shù)，進(jìn)一步縮短智能充電樁數(shù)據(jù)上傳的時(shí)間延遲，減輕計(jì)算負(fù)荷。完成數(shù)據(jù)上傳后，分布式賬本網(wǎng)絡(luò)會(huì)通過有向無環(huán)圖（DAG）算法找到另外2個(gè)區(qū)塊鏈賬本節(jié)點(diǎn)檢查結(jié)果。如果結(jié)果正確，允許將數(shù)據(jù)寫入分布式賬本，并同步存儲(chǔ)在分布式賬本網(wǎng)絡(luò)的所有賬本節(jié)點(diǎn)上。因此，可以保證充電樁管理系統(tǒng)數(shù)據(jù)的公平性和調(diào)度的及時(shí)性，避免單個(gè)分類賬節(jié)點(diǎn)數(shù)據(jù)損壞，進(jìn)而導(dǎo)致所有智能充電樁中的電壓調(diào)度停止。

2.2 均衡分配模型的收斂性

本文對(duì)提出的區(qū)塊鏈技術(shù)的均衡分配模型的收斂性與深度學(xué)習(xí)算法進(jìn)行了研究。彈性系數(shù)設(shè)定為θ=0.03。殘余誤差可以反映出城市交通網(wǎng)絡(luò)和智能充電樁系統(tǒng)的協(xié)調(diào)運(yùn)行，并且殘差是區(qū)塊鏈算法是否達(dá)到最優(yōu)解的重要標(biāo)準(zhǔn)。殘余誤差收斂情況如圖1所示。由圖1可知，區(qū)塊鏈算法在迭代次數(shù)為1時(shí)，殘余誤差高達(dá)0.95，而深度學(xué)習(xí)算法的殘余誤差僅為0.08。造成區(qū)塊鏈算法的殘余誤差較高的主要原因?yàn)橹悄艹潆姌秾?duì)充電需求處理效果較慢，而隨著迭代次數(shù)增加，區(qū)塊鏈算法的殘余誤差逐漸降低。可以觀察到，當(dāng)深度學(xué)習(xí)算法中迭代次數(shù)為2～5時(shí)，殘余誤差突然增加，最大殘余誤差為0.71。經(jīng)過13次迭代后，深度學(xué)習(xí)算法和區(qū)塊鏈算法都迅速趨近于零。進(jìn)一步說明分均衡分配模型方法可以滿足城市交通網(wǎng)絡(luò)和智能充電樁設(shè)定的各種約束條件，并能快速收斂到最優(yōu)解。

2.3 智能充電樁管理調(diào)度性能

根據(jù)時(shí)間成本評(píng)估基于區(qū)塊鏈管理調(diào)度策略的性能。研究結(jié)果可為智能充電樁管理提供建議，以選擇適當(dāng)?shù)碾妱?dòng)汽車充電管理策略。每小時(shí)充電站進(jìn)入的車輛數(shù)量見表1。為進(jìn)一步突出區(qū)塊鏈智能充電樁管理的管理性能，本文將區(qū)塊鏈算法與深度學(xué)習(xí)算法和螞蟻算法進(jìn)行比較。試驗(yàn)結(jié)果如圖2所示。

由圖2可知，區(qū)塊鏈算法、深度學(xué)習(xí)算法和螞蟻算法的充電時(shí)間分別為36 min、42 min和38 min。本文所提區(qū)塊鏈算法的充電時(shí)間最短，進(jìn)一步表明采用區(qū)塊鏈技術(shù)的充電樁彈性充電需求的均衡分配模型可使電動(dòng)汽車的充電功率達(dá)到最大，進(jìn)一步縮小電動(dòng)汽車時(shí)間。而深度學(xué)習(xí)算法的充電時(shí)間和排隊(duì)時(shí)間成本最高。主要原因是深度學(xué)習(xí)算法的智能充電樁管理調(diào)度只考慮充電樁的距離，沒有考慮電動(dòng)汽車最短路徑的調(diào)度管理。并且在交通擁堵的情況下，電動(dòng)汽車將花費(fèi)更多時(shí)間等待充電，因此時(shí)間成本最高。結(jié)合表1中不同時(shí)間充電站進(jìn)入的電動(dòng)汽車數(shù)量可知，一天內(nèi)充電汽車的充電需求量較固定，平均充電車輛為28輛。因此電動(dòng)汽車充電排隊(duì)時(shí)間主要與充電樁距離和路徑有關(guān)。區(qū)塊鏈算法的充電排隊(duì)時(shí)間最短（8 min），比深度學(xué)習(xí)算法和螞蟻算法分別下降87.5%和25.0%。綜上所述，基于區(qū)塊鏈的均衡分配模型可以提高充電效率，進(jìn)一步降低充電時(shí)間和排隊(duì)時(shí)間，并能取得削峰填谷的效果，減少交通流量、交通延遲成本以及與能源消耗等相關(guān)的碳排放。

2.4 智能充電樁充電負(fù)荷調(diào)度性能

利用區(qū)塊鏈算法技術(shù)對(duì)智能充電樁的充電負(fù)荷進(jìn)行優(yōu)化調(diào)度（結(jié)果如圖3所示）。從圖3可以看出，利用區(qū)塊鏈算法技術(shù)可將最大充電消耗功率縮短到20 kW，并將最大電力消耗時(shí)間推遲到20：00～22：00，比預(yù)計(jì)的充電消耗期縮短2h。同時(shí)還可以觀察到，經(jīng)過區(qū)塊鏈算法技術(shù)的優(yōu)化調(diào)度，電動(dòng)汽車的充電高峰發(fā)生在2：00～4：00和7：00～9：00。主要原因是智能充電樁在該時(shí)間段的電價(jià)比較便宜，因此多數(shù)電動(dòng)汽車車主會(huì)選擇該時(shí)間段進(jìn)行充電，而且該時(shí)間段的城市交通車流量較小，可提高充電效率，從而更好地進(jìn)行電力分配。區(qū)塊鏈算法技術(shù)不僅可以降低最大充電功率，還將最小充電功率由9 kW降至3 kW，降低了66.7%。雖然本文提出的區(qū)塊鏈算法無法實(shí)現(xiàn)智能充電樁充電負(fù)荷調(diào)度的最大化，但可以降低成本，增加運(yùn)營利潤，降低參與智能雙向充、放電的電動(dòng)汽車用戶的充電成本。利用充電樁彈性充電需求的均衡分配模型可以最大程度控制充、放電負(fù)荷，滿足日常電車車主充電需求。

3 結(jié)論

隨著迭代次數(shù)增加，區(qū)塊鏈算法的殘余誤差逐漸降低。經(jīng)13次迭代后，區(qū)塊鏈算法迅速趨近于零，進(jìn)一步說明基于區(qū)塊鏈分均衡分配模型方法可滿足城市交通網(wǎng)絡(luò)和智能充電樁設(shè)定的各種約束條件，并能快速收斂到最優(yōu)解。

區(qū)塊鏈算法的充電排隊(duì)時(shí)間最短（8 min），比深度學(xué)習(xí)算法、螞蟻算法分別下降87.5%、25.0%。綜上所述，基于區(qū)塊鏈的均衡分配模型可提高充電效率，進(jìn)一步降低充電時(shí)間和排隊(duì)時(shí)間。

經(jīng)過區(qū)塊鏈算法技術(shù)的優(yōu)化調(diào)度，電動(dòng)汽車的充電高峰發(fā)生在2：00～4：00和7：00～9：00，并將最小充電功率由9 kW降至3 kW，降低了66.7%。

參考文獻(xiàn)

[1]丁勇，閆翠萍.基于海南智能充電技術(shù)的新能源汽車充電站布局優(yōu)化研究[J].汽車維修技師，2023（11）：110.

[2]徐子力，馮慶燎，余飛鷗，等.基于數(shù)據(jù)規(guī)則技術(shù)的充電樁共享多能源平臺(tái)管理系統(tǒng)[J].制造業(yè)自動(dòng)化，2023，45（8）：91-95，107.

[3]胡世鵬，左齊港，王慶.基于物聯(lián)網(wǎng)技術(shù)的汽車充電樁元器件回收管理系統(tǒng)研究[J].汽車測(cè)試報(bào)告，2023（9）：152-154.

[4]陳培，周昆，張煜，等.考慮車輛運(yùn)動(dòng)學(xué)特征的無人集卡充電策略及充電樁分配研究[J].起重運(yùn)輸機(jī)械，2022（10）：52-57.

[5]趙隆，孫浩然.基于物聯(lián)網(wǎng)技術(shù)的新能源汽車及充電設(shè)施智慧能源管理服務(wù)平臺(tái)[J].內(nèi)蒙古科技與經(jīng)濟(jì)，2021（22）：88-89.

[6]何智暉.基于物聯(lián)網(wǎng)管理平臺(tái)的功率動(dòng)態(tài)分配直流充電樁系統(tǒng)的應(yīng)用與設(shè)計(jì)[J].數(shù)字技術(shù)與應(yīng)用，2021，39（10）：202-204.

[7]黎雨敏，張秀芝，翁梓萌.需求側(cè)管理下新能源汽車充電設(shè)施的發(fā)展策略研究[J].企業(yè)科技與發(fā)展，2021（8）：22-24.

[8]李國慶，張家浩，林楨雨，等.基于聯(lián)盟鏈的新能源汽車充電樁管理商業(yè)模式研究[J].電腦知識(shí)與技術(shù)，2021，17（7）：252-255.

[9]馬瑞林，仲文君，史光巖.基于物聯(lián)網(wǎng)技術(shù)的充電樁智能共享充電新模式[J].現(xiàn)代制造技術(shù)與裝備，2020，56（9）：27-28.