基于灰狼算法的電力能源區塊鏈分塊優化仿真

劉 戩，樊小朝，史瑞靜，3，王維慶

(1.新疆大學電氣工程學院，新疆 烏魯木齊 830047；2.新疆大學可再生能源發電與并網技術教育部工程研究中心，新疆 烏魯木齊 830047；3.新疆工程學院電氣工程學院，新疆 烏魯木齊 830000)

1 引言

2020年在區塊鏈技術的基礎上國家電網建立了公共服務平臺，在此背景下，人們開始關注區塊鏈技術。2016年我國發布了《能源技術革命創新行動計劃》，計劃在2020年完成能源互聯網技術創新體系的構建。中小企業在分布式可再生能源飛速發展的背景下在發電行列中引入了可再生能源[1]，人們對電網提出了更高的要求，例如合理消納可再生能源。區塊鏈技術存在開放性、去中心化和不可篡改等優點，可以對電力能源進行優化[2]。電力能源具有易追蹤、傳輸快的優點，因此對電力能源區塊鏈進行優化具有重要意義。

國玉剛[3]等人建立了電網數學模型，對元件參數漂移產生的影響和元器件應力約束進行分析，從輸出功率、工作模式分布、傳輸效率和元件應力等方面建立電力能源優化模型，并采用遺傳算法對模型求解，完成電力能源區塊鏈的優化，該方法優化后的系統配置容量較低，優化效果差。趙冬梅[4]等人在負荷模型的基礎上對負荷曲線進行修正，計算電儲能壽命，將新能源接納率和供電可靠性作為目標，建立優化雙層模型，通過Gurobi求解器獲取模型最優解，完成電力能源區塊鏈優化，該方法存在收益率低的問題。何森[5]等人將分布式儲能和低壓配電網安全運行作為約束條件，將上級電網負荷率最大和低壓配電網有功損耗最小作為目標，構建優化模型，完成電力能源區塊鏈優化，應用該方法后區塊鏈出塊速度較慢，導致系統優化后的配置容量無法得到有效提升。

為了解決上述方法中存在的問題，提出基于跨鏈技術的電力能源區塊鏈優化方法。

2 基于區塊鏈技術的電力能源區塊鏈優化模型

2.1 Cosmos平臺

2.1.1 Cosmos平臺結構

各個區塊鏈在沒有跨鏈技術的支持下無法進行資產轉移和通信，Cosmos平臺屬于區塊鏈的去中心化網絡[6，7]。通過特殊方式各個區塊鏈在Cosmos平臺中可傳遞信息、交換資產。Cosmos平臺屬于異構網絡，支持跨鏈技術，Cosmos平臺由平行的Hub鏈和Zone區塊鏈構成，其結構如圖1所示。

圖1 Cosmos平臺結構

所有Hub鏈和Zone區塊鏈中都存在開發框架Cosmos-SDK、應用程序結構和區塊鏈共識引擎三個技術組件。共識引擎的主要作用是保證以相同的順序采用相同機器對同一筆交易進行記錄，也被稱為Tendermint Core，共識層和網絡層的封裝可通過共識引擎完成，區塊鏈開發者可以使用封裝后的信息，在上述背景下只對應用層進行考慮即可完成鏈的開發，降低應用開發所用的時間。

2.1.2 共識層

各個節點中存在的數據在區塊鏈中可通過共識機制達成共識。每個Zone在采用Tendermint改進的BFT算法中存在兩種角色：

1)驗證者：節點在區塊鏈中可以完成區塊的投票，不同節點在區塊鏈中都存在不同的投票權利；

2)提議者：按照相關規定產生驗證者。提議者按照順序提議交易的區塊，驗證者的主要作用是對提議者提議的區塊進行投票。

2.1.3 跨鏈技術

采用IBC協議連接Hub和Zone，Zone連接到Hub后，Hub可隨意連接Zone，通過上述分析可知，Zone之間在區塊鏈中不用建立連接，只與Hub連接即可。

利用基于Cosmos平臺的電力能源區塊鏈跨鏈方案，劃分區塊鏈，獲得多個少節點的區塊鏈，提高區塊鏈的出塊速度。

2.2 電力能源區塊鏈優化模型

對區塊鏈中的節點進行劃分，獲得不同類型的節點，對系統碳排放成本和運行成本進行考慮，在上述跨鏈技術的基礎上建立電力能源區塊鏈優化模型。

2.2.1 目標函數

對電力能源系統總成本進行考慮[8，9]，將最小儲能成本和碳排放成本作為優化目標，建立目標函數f，其表達式如下

(1)

用二次函數表示碳排放成本函數

(2)

式中，χ代表的是碳排放社會成本系數；α代表的是碳排放系數。

2.2.2 約束條件

1)通過下式描述分布式電源在優化過程中的約束條件

(3)

2)在優化過程中通過下式描述可控負荷約束

(4)

3)儲能約束條件可通過下式進行表示

(5)

4)電壓電流在區塊鏈優化過程中的約束如下

(6)

5)功率平衡約束如下

(7)

式中，Pij，t代表的是支路ij在t時刻對應的有功功率；Qij，t代表的是支路ij在t時刻對應的無功功率。

3 模型求解

對灰狼算法進行改進，利用改進后的灰狼算法對電力能源區塊鏈優化模型進行求解，完成電力能源區塊鏈的優化。

3.1 基本灰狼算法

用α表示種群在灰狼算法中的最優個體，其次個體分別用β、δ表示，用ω表示種群中剩余的個體，基本灰狼算法的全局最優解即為獵物的最終位置[10，11]。

獵物與個體在狼群包圍獵物時的距離D可通過下式計算得到

D=|CXp(t)-X(t)|

(8)

式中，Xp(t)代表的是迭代過程中獵物對應的位置；X(t)描述的是灰狼個體在迭代過程中對應的位置；C為常數變量，可通過下式計算得到：

C=2r2

(9)

式中，r2為隨機數，在區間[0，1]內取值。

根據距離D通過下式更新灰狼的位置

X(t+1)=Xp(t)-AD

(10)

A=2ar1-a

(11)

式中，a代表的是收斂因子；r1為隨機數，同在區間[0，1]內取值。

對常數變量A、C進行調整，可獲得灰狼最佳位置，對隨機數r1、r2進行調整，可在區域內使灰狼到達任意位置。

利用α、β、δ對實際獵物的方位進行判斷[12，13]，假定在目標位置判定過程中α、β、δ中存在有效信息，在迭代過程中通過α、β、δ可獲得三個最優解，利用最優解對目標位置進行更新

(12)

式中，Dα、Dβ、Dδ分別代表的是通過α、β、δ獲得的距離；Xα、Xβ、Xδ均代表的是灰狼位置；A1、A2、A3為常數變量；X(t+1)代表的是目標更新位置。

通過上述過程對獵物的移動方向進行判斷，并在灰狼群體協調配合的基礎上對獵物進行捕獵，跳出局部最優后，通過多次迭代獲得全局最優解。

3.2 算法改進

基于跨鏈技術的電力能源區塊鏈優化方法從參數控制和種群初始化兩個方面對灰狼算法進行改進。

1)Tent映射

基于跨鏈技術的電力能源區塊鏈優化方法通過Tent映射方法[14]，結合灰狼算法和混沌算子對初始種群進行賦值，提高其多樣性，通過下式表示Tent映射操作

考慮程序圖 M=(S，{Ra}，V)和狀態集S，類似于二元轉換關系Ra表示基本的行動(有時記為→a)，并且值V可解釋為命題字母p用以表示局部的狀態。在該模型中，可將語言解釋為加標的模態詞，基于“行動-可及狀態”(action-accessible states)上有：

(13)

經過貝努力移位變換后Tent映射可轉化為下式

xt+1=2(xt)mod 1

(14)

2)非線性收縮因子

收縮因子a通常情況下使用線性遞減策略[15]

(15)

式中，amax、amin分別代表的是收縮因子的上限值和下限值。

采用灰狼算法對電力能源區塊鏈優化模型求解的過程如圖2所示。

4 實驗與分析

為了驗證基于跨鏈技術的電力能源區塊鏈優化方法的整體有效性，需要對其進行測試。

將某多能源電網系統作為實驗對象，根據系統的實際運行數據對基于跨鏈技術的電力能源區塊鏈優化方法、文獻[3]方法和文獻[4]方法進行測試。該多能源電網系統的負荷曲線和系統參數分別如圖3和表1所示。

表1 系統參數

圖2 模型求解流程

采用基于跨鏈技術的電力能源區塊鏈優化方法、文獻[3]方法和文獻[4]方法進行優化前后可再生能源配置容量的對比測試，測試結果如圖4所示。

圖4 不同方法的配置容量測試結果

分析圖4可知，在風電機組配置容量測試過程中，與優化前相比，所提方法優化后的配置容量最多，其次是文獻[4]方法，最次是文獻[3]方法。在光伏機組配置容量測試過程中，仍是所提方法的優化結果最佳，文獻[3]方法的優化結果優于文獻[4]方法的優化結果。結合上述測試結果可知，所提方法對電力能源區塊鏈進行優化之后，可再生能源配置容量得到了提升，因為所提方法在Cosmos平臺中設計了跨鏈技術，提高了區塊鏈的出塊速度，進而提高了優化結果，增加了可再生能源的配置容量。

將收益率作為指標，進一步對所提方法、文獻[3]方法和文獻[4]方法的優化效果進行測試，系統的收益率越高，電力能源區塊鏈優化效果越好，反之，系統的收益率越低，電力能源區塊鏈優化效果越差，不同方法的測試結果如圖5所示。

由圖5中的數據可知，隨著天數的增加，不同方法優化后系統的收益率均有所增加，但與文獻[3]方法和文獻[4]方法相比，所提方法的收益率最高，表明所提方法優化后的電力能源區塊鏈具有較好的性能。

5 結束語

電力系統在運行過程中的高效性、穩定性和安全性直接受電力能源調度的影響，為了提高電力能源系統的性能，需要對電力能源區塊鏈優化方法進行分析和研究。目前電力能源區塊鏈優化方法的能源配置容量低、收益率低。提出基于跨鏈技術的電力能源區塊鏈優化方法，在Cosmos平臺中設計跨鏈技術，在此基礎上，構建電力能源區塊鏈優化模型，并用改進后的灰狼算法對模型求解，完成電力能源區塊鏈的優化。提高了電力能源系統的配置容量和收益率，為電力系統的發展提供了保障。

圖5 不同方法的收益率