基于區塊鏈的能源互聯網大數據知識共享模型

席嫣娜，張宏宇，高鑫，楊銘，梁惠施，周奎

(1.國網北京市電力公司，北京市 100031；2.北京電力經濟技術研究院有限公司，北京市 100055；3.清華四川能源互聯網研究院，成都市 610213)

0 引 言

2020年9月，習近平總書記在第75屆聯大會議鄭重宣告，我國將在2030年前實現碳達峰，2060年前實現碳中和。雙碳目標的提出推動了能源結構轉型的加速，給能源互聯網的發展帶來了新的機遇與挑戰[1]。能源互聯網是以能源系統為核心，以互聯網技術為支撐，電網、天然氣網絡、供水網絡、交通網絡等其他網絡緊密耦合而形成的復雜多網流系統[2]。目前，能源網絡基本實現了對電網節點運行狀態的實時監控，所采集的數據通過數據采集基站或網絡專線等方式匯集到電力公司的數據中臺系統[3]。然而，要充分挖掘能源互聯網大數據的價值，不僅需要在能源生產、傳輸和消費等各個環節中產生的運行狀態數據，還需要源自社會、經濟、氣候、人居、交通以及其他能源系統(例如天然氣網和供熱網)等會影響能源互聯網建設和運行的數據[4]，因而需要解決不同數據所有者實體之間的數據共享問題。由于能源互聯網大數據海量、多元、流式的特點[5]，各數據所有者實體之間的數據共享仍存在較大壁壘。

集中式中心化的數據存儲和共享方式存在信息安全的問題，比如中心節點更容易受到惡意攻擊，以集中方式存儲的數據難以保證不被故意篡改等。此外，不同數據所有者實體所掌握的數據往往具有多源異構的特點，加上數據體量龐大，給集中式中心化的數據共享方式帶來了很大的資源開銷[6-8]。因此，迫切需要設計一種安全可靠的分布式協作機制和技術架構，保障能源互聯網大數據共享的時效性、安全性和可信性。

區塊鏈技術是近年來出現的一種基于分布式存儲的共享數據庫技術，被認為是繼移動互聯網后的下一代顛覆性技術。由于區塊鏈技術具有去中心化、數據安全、可靠、歷史信息可追溯等特點，在能源領域常常被應用于交易和溯源方面[9-10]。文獻[11]提出了一種基于區塊鏈的需求響應認證、激勵機制和技術框架。文獻[12]指出區塊鏈技術在解決能源電力領域安全隱私、政策適應及效率等方面的優勢，提出了能源消納和電網配套服務方面的典型場景。文獻[13]提出了區塊鏈在電力系統碳排放權與綠證交易的系統構架。文獻[14]提出了區塊鏈技術應用于電力交易的系統構架及阻塞管理方法。在能源大數據領域，近年來也有學者研究如何將區塊鏈應用于能源數據資產的管理。文獻[15]提出了區塊鏈技術在電網數據資產管理方面的應用，利用區塊鏈技術建立共識和激勵機制，提升各方對電網數據維護的積極性。文獻[16]提出了區塊鏈在能源大數據領域的應用，包括分布式能源交易與管理、電動汽車有序充電、微電網交易、電力市場、區域能源交易、虛擬電廠管理、需求側響應等應用場景。文獻[17]設計了監管鏈和多數據鏈結合的能源數據鏈構架，并提出支持外包的多授權屬性加密技術實現數據訪問策略控制。

目前，區塊鏈在大數據共享方面的研究都是對數據本身進行直接共享。然而，將數據直接共享存在數據隱私難以保證、數據量大等問題。本文針對上述問題，提出基于區塊鏈的能源互聯網大數據知識共享框架模型，提出基于云邊協同的雙層數據知識提取機制，所提取的知識通過區塊鏈數據共享平臺實現能源互聯網中多實體間的知識安全共享。

1 能源互聯網大數據知識共享框架

1.1 能源互聯網數據共享特點與需求

能源互聯網的構架及主要組成元素如圖1所示，其核心是基于互聯網的理念，通過能源系統與信息系統的高度融合，促進能源網絡中各種資源的優化配置。能源互聯網的參與主體具有多元化特點，多個參與實體各自擁有海量、多元、異構的數據[18]，對這些來自不同實體的數據進行共享、融合，并在此基礎上進行多源數據的聯合挖掘，才能最大程度地發掘能源互聯網大數據的價值。目前，研究普遍認為能源互聯網的數據共享與融合能夠應用于提升能源互聯網多能耦合系統決策優化和安全穩定運行，催化能源互聯網高自由度商業模式形成，提高能源互聯網信息資產的管理水平，優化能源網絡規劃建設方案，支撐智慧城市建設等方面[19]。

圖1 能源互聯網構架及要素Fig.1 Architecture and elements of energy Internet

相較于傳統互聯網，能源互聯網大數據共享的特點在于：1)數據共享的價值挖掘場景主要在能源交易、運行、規劃以及面向能源系統外的數據增值服務方面，數據融合挖掘的專業性更強；2)能源電力數據涉及用戶隱私，數據敏感度高，對數據共享的安全性和隱私保護的要求也更高；3)能源互聯網中數據主體多樣，包括電網、能源供應商、設備供應商、負荷聚集商、燃氣部門、供水部門、交通監管部門等，數據存在多元異構的特點，數據的聯合挖掘往往需要解決大規模、異地、異構數據的聯合復雜分析問題。

然而，目前能源數據共享機制的缺乏，直接影響各方在數據共享方面的互信建立，從而降低了能源大數據共享的頻度和廣度。此外，集中式的大數據挖掘方式可能會造成用戶隱私、企業經營數據的泄露，進而導致個人權益的損害和企業間的不正當競爭[20]。另外，由于能源互聯網大數據存在數據量大、實時性強等特性，未經處理的原始數據傳輸會造成很大的網絡資源浪費。事實上，各實體真正需要的往往不是數據本身，而是蘊含在數據中的知識。因此，有必要構建一個能源互聯網大數據挖掘和知識共享的框架，解決實體間的互信建立、數據隱私保護、知識挖掘及知識傳輸存儲等問題。針對上述問題，本文提出基于云邊協同技術的能源數據知識挖掘和基于區塊鏈的數據知識共享框架。

1.2 云邊協同知識挖掘

在知識挖掘方面，根據用戶實際需求從云端下沉數據挖掘算法到邊端(即用戶側)，在邊端實現數據的知識提取。基于云邊協同的知識挖掘架構如圖2所示，其構成包括：

圖2 基于云邊協同知識提取機制Fig.2 Knowledge extraction based on cloud edge collaboration

1)能源互聯網中各主體對其感知量測設備所獲取的數據在用戶側數據中心進行存儲，并同時建立數據資源目錄。

2)數據共享云由第三方機構建設和運營，其職責在于為各方提供數據資源目錄查詢的云平臺，并提供數據挖掘算法和數據計算服務資源。

3)數據需求方根據云平臺上的數據資源目錄，結合其需求確定所需的數據源。數據需求方與數據所有方達成數據知識共享協議后，向云端提出知識提取需求。

4)云端第三方從數據知識共享過程中獲取計算服務和平臺服務對應的收益。

5)數據的共享過程通過聯盟區塊鏈實現可信交易，并通過智能合約來實現共享過程中知識提取和權限管理的自動化。

1.3 區塊鏈知識共享

在數據知識共享方面，基于區塊鏈實現各實體間的數據知識可信、可靠共享。數據知識共享架構如圖3所示，主要包含以下步驟：

圖3 基于聯盟區塊鏈的數據共享架構Fig.3 Data-sharing framework based on alliance blockchain

1)數據需求方通過第三方云上的數據檢索目錄獲取到各實體的數據相關信息，根據自身需求向數據所有方發送數據請求，包含數據使用目的、訪問時間和訪問次數、需求字段、是否涉及敏感信息等數據需求說明，數據所有方驗證節點身份及數據請求的合法性。

2)數據供需雙方達成共享協議并向云端提出知識提取的需求被確認后，數據共享交易信息被廣播到區塊鏈網絡中。

3)在區塊鏈網絡節點的協同下，記賬節點將當前時段的數據共享交易記錄打包生成新的區塊，并與區塊鏈中的其他節點進行同步。其他各節點驗證區塊的真實性后將新區塊加到原有區塊鏈之后。

4)數據所有方將共享數據的數據庫訪問路徑、共享數據表單名稱及字段說明，以及數據庫訪問次數、訪問時間等約束條件以智能合約形式打包發送給云端第三方。數據源驗證授權信息后執行智能合約，依據訪問約束生成對應的腳本代碼，對訪問者的數據權限進行個性化定制和敏感信息處理，云端第三方根據數據需求方的要求將算法下沉到數據所有方邊端進行知識提取。

5)知識提取的結果以智能合約的形式向數據需求方開放訪問權限，完成數據知識共享。

2 基于云邊協同的雙層數據知識提取架構

2.1 云邊協同知識提取流程

本文所提出的基于云邊協同的雙層數據知識提取架構主要解決能源大數據共享中數據傳輸負荷過大、數據隱私和數據安全難以保證的問題，其具體架構如圖4所示。

圖4 基于云邊協同的多層聯邦學習構架Fig.4 Multi-layer federated learning architecture based on cloud-side collaboration

邊緣計算是指在靠近終端側對數據進行預處理，從原始數據中提取出有價值的知識，這是一個精簡信息、提升數據價值密度的過程。將數據知識化與邊緣計算結合，在數據實體側對原始數據進行知識提取，能夠將低價值密度的原始數據轉化為高價值密度的知識。邊緣端完成對原始數據的初級加工和知識提取后，云端進一步對來自多方數據源的知識實現聯合分析挖掘，實現多源數據的價值提取。云邊協同知識提取流程如下：

1)初始化。數據需求方通過區塊鏈骨干網絡向數據所有者發送數據知識共享請求。

2)知識需求方與數據所有者達成數據共享協議后，通過云端下沉邊緣知識提取算法，完成全局任務模型構建。

3)選取符合算力和數據需求的邊緣服務器節點進行底層算法部署。

4)由邊緣服務器節點完成終端數據的匯集和邊緣聯邦學習計算任務。

5)邊緣側利用云端下沉的數據挖掘算法，在用戶側對原始數據進行加工處理和知識提取，將數據轉化成初級知識。

6)邊緣側計算結果通過區塊鏈網絡進行數據加密和數據上傳。

7)云服務器對各節點初級知識進行全局聚合后進行二次加工處理，基于聯邦學習進行二次數據挖掘，同時通過步驟2)—6)完成邊緣數據挖掘和云端協同訓練，推動邊緣側和云端算法互動，進一步實現知識組件的學習和優化。

8)數據需求方最終通過區塊鏈網絡獲取到多次迭代和提取的需求知識。

2.2 聯邦學習算法應用

聯邦學習(federated learning,FL)是一種通過分布式機器學習來進行共享數據挖掘的方法，具有數據隱私保護的技術優勢[21]。由于行業、客戶范圍等的不同，各主體所挖掘的知識并不相同且信息交流存在障礙，使得各方需求難以同時滿足。為解決這一需求，運用聯邦學習技術，在對知識進行對齊和加密的基礎上，建立各方知識模型的協作訓練模式，各參與方只能得到與自己相關的模型參數，從而在保證數據安全的條件下，實現多方的協作訓練和知識共享。

縱向聯邦學習(vertical federated learning，VFL)與同態加密(homomorphic encryption，HE)結合的方式可以實現對多數據源間的知識協同挖掘過程。縱向聯邦學習模型示意如圖5所示。基于縱向聯邦學習的優化目標為：

圖5 縱向聯邦學習模型示意圖Fig.5 Diagram of vertical federated learning mode

(1)

(2)

同態加密作為非對稱加密算法的一種類型，其特性主要表現為加密密文保持與明文運算結果的一致性，用算式表示為：

D[φ(AΔB)]=D[φ(A)Δφ(B)]，?A,B

(3)

式中：Δ為特定運算符；D(·)為加密算法φ(·)對應的解密算法，對于任意明文A、B均成立，則滿足同態加密要求。

本文以同態加密的縱向聯邦學習為例說明聯邦學習應用于云邊協同知識提取的可行性，在不同場景下，針對適應性可選擇橫向聯邦學習、聯邦遷移學習等方法實現多數據源間的知識提取，方法與縱向聯邦學習模型類似，因此不在贅述。

3 基于聯盟區塊鏈的數據共享技術構架

能源互聯網大數據共享的參與主體主要包含電網、油/氣/熱能源系統、各類分布式可再生能源業主、政府部門、能源設備制造商以及氣象、交通、城市監測等數據所有機構。在區塊鏈種類選擇方面，由于能源區塊鏈各參與主體具備一定的規模且主體數量相對較少，因此相較于節點數量巨大、運行效率較低的公有鏈，聯盟鏈更適合能源大數據共享的場景。各數據所有者間建立共識協作關系，聯盟鏈節點具有一定的準入條件且新節點的加入需要現有聯盟鏈節點的一致同意，只有加入聯盟鏈的節點有權利記錄、認證、讀取區塊鏈上的數據。

利用加密鏈式數據區塊結構來驗證和存儲數據共享交易記錄。分布式節點通過共識算法來維護和同步更新各鏈上數據，利用智能合約來保證數據共享合約的履行，其模型構架如圖6所示，其模塊的功能為：

圖6 基于聯盟區塊鏈的能源數據共享模型構架Fig.6 Energy data sharing framework based on alliance blockchain

1)數據層：數據層采取經典鏈式區塊數據結構。區塊頭主要由父區塊哈希值、時間戳、默克爾樹、隨機數等信息構成，區塊主體包含數據共享過程中的交易信息列表。每個區塊中的區塊頭所保存的父區塊哈希值，在區塊間構成了連接關系。數據層主要存儲數據共享的交易數據。

2)網絡層：網絡層采用P2P網絡，采用非對稱加密(例如橢圓加密算法)完成各節點的身份驗證和數據傳輸加密，認證機制則規定了區塊在網絡層中受各節點監督審計的實現方式。

3)共識層：聯盟鏈采用實用拜占庭協議(practical Byzantine fault tolerance,PBFT)作為共識機制。在考慮系統、網絡等原因造成信息缺失的同時，考慮了區塊鏈節點互信的拜占庭將軍問題[22]。基于聯盟鏈的能源大數據共享系統，各節點由能源企業、能源監管部門、政府部門、企事業單位、交易平臺等具有一定規模的單位或有國家背書的機關部門構成，其系統構架具有節點數量少、質量高、作惡節點少等特點。相比于工作量證明(proof of work,PoW)而言，PBFT具有共識效率更高、資源浪費少的優點，因而適用于聯盟鏈系統。

4)合約層：合約層集成了聯盟區塊鏈交易的相關合約，其構成以智能合約為核心，以算法機制和腳本代碼實現整個數據共享流程。智能合約是一套以計算機程序實現的合約，合約規定交易過程中觸發事件和使用條件等約束，通過代碼自動執行。

基于聯盟區塊鏈技術的能源大數據共享系統包括3類實體：數據所有者(data owner,DO)、數據需求方(data user,DU)、第三方云(cloud-side third party，CTP)。整個系統在合約層主要包括如下9個算法模塊：

1)Register(μ)→ (Kp,Ks，Ad)：每個實體加入區塊鏈網絡前必須先進行注冊，其中μ為輸入的安全參數，經過Register程序中的加密算法生成公鑰Kp和私鑰Ks。公鑰經過橢圓加密算法生成實體的地址Ad。每個實體在區塊鏈網絡中被其加密地址唯一地標記。

2)DataSharingInit (PDS,Ad)→ (PEDS)：DO發起數據共享交易程序，其中數據共享協議PDS包含了數據共享的相關信息，經過DataSharingInit程序進行加密。加密后的數據共享協議PEDS會被打包進區塊。

3)Authorization (S)→(Ts,Td)：DU向CTP發起授權程序，通過數據共享協議中規定的數據知識屬性集S生成秘文Ts和Td，其中Ts為被發送給DO的秘文，Td為被發送給CTP的秘文。

4)EncryptMatch (Ts,Td)：CTP發送數據訪問請求給DO，DO通過匹配Ts和Td驗證授權的真實性。

6)AlgorithmSink (TF)：CTP發起數據訪問及算法下沉程序。CTP通過其私鑰對TF進行解密之后獲取數據地址，并向DO發起數據訪問和算法下沉申請。DO驗證確認CTP的身份后，給CTP開放訪問權限，并為知識提取算法分配計算空間。CTP將知識提取算法下沉到邊側進行知識提取。知識提取結果存儲在DO邊側數據庫。

7)KnowledgeGen (AR)→(TR)：DO通過加密程序將知識訪問地址AR生成秘文TR，并用DU的公鑰加密后發送給DU。

8)ResultAccess (AR,Ks)→(TC)：DU發起知識提取結果訪問程序，通過其私鑰Ks對知識訪問地址AR解密后，從DO邊側數據庫獲取知識提取的最終結果。智能合約自動將訪問信息(如訪問時間、數據量、訪問者身份等)寫入交易文件并加密成秘文TC并打包寫入區塊鏈。

9)TokenGen→token：智能合約執行代幣生成程序TokenGen，根據數據共享協議計算得到各方應增加或減少的代幣(token)的數量，并將其廣播到聯盟區塊鏈網絡中。聯盟區塊鏈通過共識機制完成數據共享交易的記賬和同步。

4 安全性及隱私性分析

1)非中心化架構。本文所提出的聯盟區塊鏈知識共享模型采用分布式架構，所有節點都共同參與維護大數據知識的共享交易記錄，整個共享過程不依賴于某個中心節點，具有高安全性、高透明性、防篡改的特點。

2)節點身份保護。聯盟區塊鏈中的所有節點都由各自唯一的地址標識，攻擊者無法根據地址知道實體的身份信息，因此能很好地保護數據共享雙方的數據安全性。

3)基于非對稱加密的信息傳遞保護。知識共享交易信息的傳遞過程采用非對稱加密進行保護，即信息發送方和接收方都分別有一對私鑰和公鑰，公鑰是對所有人公開的，私鑰只有實體自身能使用。信息在信息發送端通過公鑰被加密，在信息接收端通過私鑰解密，能防止信息在網絡傳輸的過程中被攻擊。

4)基于云邊協同的知識提取架構。實體間共享的是知識而不是數據本身，能對數據中所包含的用戶隱私信息進行脫敏，因此能很好地保護用戶隱私。此外，數據存儲在數據所有者邊側數據庫，避免了海量數據在線傳輸，提高了數據的安全性。

5 結 語

能源行業正處于從信息技術(information technology,IT)時代向數據技術(data technology,DT)時代轉變的關鍵時期，數據逐漸成為核心生產要素之一。能源大數據共享交易是大數據知識挖掘、價值協作創造、釋放數據價值的重要基礎。本文從能源大數據共享的互信建立、數據安全、成本效率等方面出發，結合區塊鏈技術和云邊協同技術，提出了基于云邊協同和區塊鏈的能源互聯網大數據知識共享交易機制，通過云邊協同的提取架構實現多方快捷知識提取，通過區塊鏈技術保證了數據共享全過程的數據安全性和共享交易可靠性、可信性，對于提高能源大數據共享效率、推動形成能源互聯網大數據價值生態具有借鑒價值。