計及信譽值和電氣距離的分布式電能交易區塊鏈模型

李振偉，劉洋，許立雄，朱廷虎，劉任

(四川大學電氣工程學院, 成都市 610065)

0 引 言

隨著能源互聯網的發展和售電側市場的放開，以微電網為市場主體的分布式能源交易將成為可再生能源就地消納的重要手段[1-2]。同時，大量具有獨立決策能力的微電網之間開展交易對于運行效率、數據公開透明性以及交易安全性提出更高要求[3]。相較于傳統集中式交易，分布式端對端交易具有運行效率高和維護成本低等優勢[4]，但其依然面臨交易數據易被篡改和難追溯等問題[5]。區塊鏈作為一種可信任的分布式數據庫，其去中心化、信任成本低、安全透明的特性與分布式交易相契合[6]。因此，基于區塊鏈技術的多微電網分布式交易模式受到重視。

分布式交易中存在市場準入門檻低、交易主體的個體趨利性強、新能源出力具有不確定性等問題[7]，同時電能交易合約通常在實際交割執行前進行簽訂[8]。上述情況將一定程度上增大各微電網主體發生違約行為的可能性，危害分布式電能交易的正常展開，進而影響配電網的安全運行[9]。因此，建立分布式電能交易模型的同時需對各交易主體進行信用管理以約束其違約行為。文獻[10]提出了基于信譽值激勵的光伏分布式交易區塊鏈模型，但需要采用弱中心化形式進行公開賬本的維護工作。文獻[11]建立了基于信用證明共識機制的分布式交易信用評估方法，以經濟激勵方式遏制用戶違約行為。文獻[12]基于連續雙向拍賣機制和信用機制，設計了以價格為主、信用為輔的微電網分層交易策略，結果表明所提方法能夠有效抑制節點的惡意交易行為和規避違約風險。但上述文獻均未考慮配電網網絡架構、電能傳輸損耗和新能源就近消納等對交易匹配結果的影響。

隨著交易規模擴大，微電網間往往會發生較遠距離的電能傳輸[13]。若仍將電能作為普通商品進行交易，忽略電能傳輸距離對交易匹配的影響，在實際應用中將嚴重影響各交易主體的經濟利益[14]。因此，需激勵各交易主體就近交易以提高其經濟效益，進而促進新能源的就近消納。文獻[15]設計了基于電氣傳輸距離評估指標的拍賣算法，并分析了該交易匹配機制的高效性和經濟性。文獻[16]提出考慮電氣距離定價機制的分布式能源交易區塊鏈模型，并引入一種匿名位置證明算法，以鼓勵用戶就近交易。文獻[17]構建基于穩定匹配算法的端對端能源交易區塊鏈模型，仿真驗證由電氣距離驅動的交易機制可緩解網絡損耗和線路阻塞。因此，需對分布式交易的信用管理和節點間電氣距離進行綜合考慮。

綜上所述，本文提出一種基于區塊鏈技術的分布式電能交易模型，并設計計及信譽值排序和電氣距離的匹配機制。首先，針對各交易主體的歷史合約履行率建立信譽評估模型，并將信譽值引入到交易匹配中，構建結合信譽值和報價信息的調序策略。其次，為促使交易雙方在信譽值允許范圍內選擇就近交易，建立基于戴維南阻抗距離的電氣距離評估模型，并以購電方費用最低為目標函數設計交易匹配策略；再次，引入基于功率分布因子(power transfer distribution factors，PTDF)的動態網絡安全校核和自適應報價更新策略對交易信息進行約束管理和實時更新。最后，利用以太坊Ganache客戶端搭建分布式電能交易平臺，并部署智能合約進行仿真驗證，通過算例證明所提交易機制的有效性與合理性。

1 基于區塊鏈的分布式電能交易架構

本文所研究的多微電網分布式電能交易模型由物理層和信息層兩部分構成，整體架構如圖1所示。在物理層中，各交易主體在簽訂電能交易合約后，通過配電網的網絡架構進行電能交割。在信息層中，各交易主體通過智能電表在區塊鏈平臺上調用智能合約進行信息交互、合約匹配和交易結算，以實現安全可靠、公開透明和智能化執行的分布式電能交易。

圖1 多微電網分布式電能交易框架Fig.1 Multi-microgrid distributed energy transaction framework

本架構中，交易主體主要由微電網和配電網運營商(distribution system operation，DSO)構成。其中，微電網包含風電機組、光伏系統、居民用戶、分布式儲能和電動汽車等。微電網在自身發電量大于負荷量時作為售電方，反之則作為購電方。DSO不作為第三方機構參與和監管分布式電能交易，而是為各微電網提供輔助服務。當微電網間無法達到電能交易平衡，DSO將以上網電價收購售電方未能交易的電量或以分時電價出售電能給仍有需求的購電方。因此，基于區塊鏈技術的分布式電能交易流程可分為以下5個階段：

1)交易信息更新階段。在每輪交易匹配開始前，區塊鏈平臺對各主體上一輪的交易信息進行更新，并審核其信譽值是否達到分布式交易市場準入閾值，如未達到，則不允許其參與本輪交易。

2)交易信息申報階段。首先，各微電網根據自身出力和負荷情況向區塊鏈平臺申報需求電量和報價信息等。其次，交易主體需根據自身信譽值存入一定的保證金，且購電方仍需存入一定的金額，以保證其能夠支付購買電量的總費用。最后，當交易申報時間截止時，智能合約將自動進行Hash運算以確認運算結果是否與其報價一致，若不一致，則終止該主體繼續參與交易。

3)交易調序階段。智能合約獲得所有交易主體的有效報價和需求電量后，為激勵各參與主體積極履行合約和避免非理性報價，依據其信譽值和報價信息進行交易調序。其中，信譽值較高且報價合理的交易主體擁有較高的交易優先級。

4)交易撮合階段。首先，根據調序結果確定各主體的參與順序。其次，綜合考慮交易雙方間的電氣距離和信譽值情況進行交易撮合，并實時對交易撮合結果進行動態網絡安全校核。最后，撮合成功的雙方則進行交易匹配，未能撮合成功的主體則更新報價并進入下一輪交易。

5)交易結算出清階段。當所有交易主體均完成購售電需求時，或達到預設的交易輪數上限時，智能合約將自動終止本輪交易，并進入結算出清階段。智能電表根據已簽訂的電能合約進行電能交割，交易平臺則根據實際傳輸情況對各交易主體進行信譽值評估和扣除一定的保證金作為違約懲罰。最后，智能合約將交易信息上傳至區塊鏈平臺進行保存，并完成資金結算和轉賬服務。

下文將從交易調序機制、交易撮合機制、網絡安全校核等方面對分布式電能交易機制進行詳細介紹。

2 基于信譽值的交易調序機制

微電網主體因存在新能源出力不確定性和個體趨利性強等問題，在實際電能傳輸階段易發生違約行為，導致與其達成合約的交易主體產生一定的經濟損失。其次，若微電網與配電網間進行頻繁的電能交互將會影響配電網運行的安全性。因此，亟需信用管理機制來約束各交易主體在分布式交易中的違約行為。

2.1 信譽值評估機制

為確保各交易主體能夠積極履行交易合約，本文通過建立基于合約履行度的信譽值指標來評價各主體在實際電能交割階段的違約行為。同時，本文將信譽值與需繳納的保證金和市場準入門檻相關聯以抑制各主體的違約行為。信譽值評估具體過程如下：

1)設定各交易主體的初始信用值均為100，并在每輪交易結束時，區塊鏈平臺將自動根據其在本輪交易中的實際電能交割情況更新信譽值。

2)若交易主體的實際電能交割量低于合約規定電量，則需根據其合約完成度計算信譽值，具體計算方法如下。

(1)

(2)

3)各主體需在第t時段交易開始前向區塊鏈平臺繳納一定的保證金，若其發生違約行為，則需扣除部分保證金作為違約懲罰[18]。因此，需繳納的保證金計算方法如下：

(3)

由式(1)和式(3)可知，當交易主體實際交易的偏差電量越高時，其扣除的信譽值越多，需繳納的保證金也越多。此外，若交易主體的信譽值低于市場預設的準入閾值時，將禁止其參與分布式電能交易市場。因此，各交易主體需積極履行合約以提高自身的信譽值，避免繳納過多的保證金和獲得交易市場的準入許可。

2.2 基于信譽值的交易調序機制

在分布式電能交易市場中參與主體較多時，為促進微電網間有限的電能交易到信譽值較高的交易主體中，本文通過結合報價信息和信譽值設計基于連續雙向拍賣的交易調序機制，交易調序的具體過程如下。

1)各交易主體根據自身需求通過智能電表向區塊鏈交易平臺提交其初始報價[19]。

對于購電方，其初始報價制定策略為：

(4)

對于售電方，其初始報價制定策略為：

(5)

2)智能合約將根據買賣雙方的報價信息和信譽值來計算其綜合報價。

對于購電方來說，其綜合報價為：

(6)

對于售電方來說，其綜合報價為：

(7)

3)智能合約根據購電方綜合報價從高到底，售電方綜合報價從低到高的順序對各交易主體進行排序。如圖2所示，購電方3因信譽值良好經過調序后，其交易次序要優于購電方2；售電方1雖然報價最低，但由于上一輪交易信譽值較差，其交易次序需向后調整。

圖2 交易調序機制示意圖Fig.2 Schematic diagram of transaction ordering mechanism

3 計及電氣距離的交易匹配機制

電能交易不同于普通商品交易，其在交易過程中需考慮配電網的網絡架構和物理約束。若只考慮交易主體的信譽值和價格進行交易匹配，在實際應用中將影響其經濟效益，危害配電網運行的安全性。因此，分布式電能交易匹配機制需綜合考慮交易主體間的信譽值和電氣距離等方面以促進新能源的就近消納和保障配電網安全運行。

3.1 電氣距離評估模型

目前，已有研究中通常采用電能傳輸距離和戴維南阻抗距離等方法來計算電力系統中不同節點間的電氣距離[20]。然而相較于電能傳輸距離法，在配電網絡中，考慮最短路徑的戴維南等效阻抗法更適用于求解不同節點間的電氣距離[17,21]。此外，在配電網網絡架構和微電網所在位置確定的情況下，戴維南阻抗距離法所得的電氣距離可視為常數，該特性與區塊鏈平臺的智能化執行特性相契合[22]。因此，本文采用戴維南阻抗距離法來計算各節點間的電氣距離，并將節點間的電氣距離以如式(8)所示的矩陣形式編入智能合約。

(8)

式中：D為節點間的電氣距離矩陣；dmn為節點m和節點n間的電氣距離；m為售電微網的數量；n為購電微網的數量。

各節點間的電氣距離計算公式如式(9)所示，具體計算過程如表1所示。

表1 電氣距離計算過程Table 1 The process of electrical distance calculation

(9)

3.2 計及電氣距離的交易匹配策略

各交易主體選擇與其距離較近的主體進行電能交易可減少經濟損失、緩解阻塞問題和促進新能源就近消納[17]。因此，本文通過引入基于電氣距離的網絡費用以激勵買賣雙方在交易匹配過程中選擇就近交易[23]。該網絡費用的計算方法如下。

(10)

在分布式電能交易市場中，連續雙向拍賣機制能夠簡單高效地完成買賣雙方的交易匹配。因此，本文將信譽值和電氣距離引入雙向拍賣機制中，提出一種綜合考慮信譽值、價格及電氣距離的交易匹配策略。具體的交易匹配過程詳述于下。

1)交易撮合階段：買賣雙方根據綜合報價的排序結果形成交易隊列，并按照其對應的優先級進行匹配。由于購電方需支付因電氣距離產生的網絡費用，本文將以購電方為主體建立其期望購電費用最小的購電策略函數：

(11)

(12)

(13)

(14)

(15)

(16)

(17)

在交易匹配過程中，若購電方的報價高于售電方的報價則雙方直接根據購電雙方實際報價的平均值進行簽約，如式(18)所示。若購電方報價低于售電方報價，則雙方需進入報價調整階段。

(18)

式中：λij(t)為購電方i和售電方j間的成交價格。

2)報價調整階段：當購電方與售電方實際報價無法達成匹配時，交易雙方進入報價調整階段。因此，本文采用自適應報價更新策略以提高交易雙方的匹配成功率。則詳細報價更新策略如下。

當進入調整報價階段，交易主體將根據市場交易進程和信譽值情況自適應調整自身的調價意愿。即當交易匹配階段將要截止或自身信譽值較低時，各主體將會積極調整自身報價，以盡快達成交易[24]。為防止交易匹配無法終止，需對其交易匹配次數進行限制，本文設置最大交易匹配次數為30。交易主體調價意愿計算方法如下。

(19)

(20)

(21)

3)電量平衡階段：當本輪交易時間截止或提前結束交易匹配時，對于未能完全匹配的主體將直接與配電網運營商進行交易。

3.3 動態網絡安全校核

若各交易主體直接匹配出清可能會不符合配電網的實際物理約束，因此需對每一輪達成的交易訂單進行安全校核。本文基于PTDF建立分布式電能交易的網絡安全校核方法。PTDF矩陣反映了兩節點間潮流變化時各支路潮流分布情況，因此其常作為衡量支路潮流越限的指標[22,25]。然而已有研究多采用在交易完成后進行安全校核，不滿足網絡約束則需解除撮合，往往會增加交易匹配的輪數[25]。因此，本文通過將安全校核引入到交易匹配過程中，對每輪交易的線路占用情況實時更新，同時判斷是否存在線路阻塞情況，若存在，則需依據各支路容量上限對交易訂單進行削減以滿足網絡安全要求。

首先根據已達成的交易訂單實時更新得到各節點電能交易矩陣Ogsc，如式(22)所示。

(22)

式中：Δpij(i,j=1,2,…,k)為節點i向節點j出售的電量，且有Δpij=-Δpji；k為節點總數。

根據節點電能交易矩陣和PTDF矩陣可得支路潮流向量。

B=ΦPTDFOgscA

(23)

ΦPTDF=YbHY-1=YbH(HTYbH)-1

(24)

式中：B為反映各支路潮流變化的向量；A為單位列向量；ΦPTDF為PTDF矩陣；Yb為支路電納對角矩陣；H為節點關聯矩陣。

因此，各支路潮流按式(25)在交易撮合過程中進行實時校驗。若存在潮流越限，則根據式(26)進行訂單削減，具體校核過程如表2所示。

表2 動態網絡安全校核過程Table 2 The process of dynamic network security check

(25)

(26)

4 區塊鏈交易平臺的搭建

本文選取以太坊網絡作為搭建區塊鏈的平臺，以太坊具有成熟的智能合約交互架構和共識協議，能夠安全可靠地智能化執行分布式交易。此外，其具有較高的可擴展性和抗51%攻擊等特性，可實現分布式數據的安全存儲和維護[18]。而在區塊鏈類型選擇方面，相較于公有鏈，私有鏈具有隱私性好、響應速度快和成本低等特性，且支持自定義挖礦難度，可避免資源消耗過大等問題[22]。此外，以太坊節點客戶端為用戶提供了運行區塊鏈的便捷工具[26]，且已有研究通過以太坊節點客戶端搭建私有鏈進行智能合約的仿真測試[1,18]。因此，本文利用以太坊節點客戶端Ganache創建私有鏈對智能合約進行測試驗證。

智能合約作為分布式電能交易區塊鏈模型的關鍵技術，其事先以代碼的形式部署在區塊鏈上，當達到預置響應條件時，將智能化執行交易申報、匹配和結算等功能[27]。因此，本文基于第1節所敘述的分布式交易流程，編寫了用戶信息更新合約、交易信息申報合約、交易調序合約、交易匹配合約及交易結算出清合約以保證分布式電能交易安全有序展開，具體運作過程如圖3所示。各交易主體可在區塊鏈平臺上調用相關合約進行匹配交易。

圖3 智能合約的執行流程Fig.3 The operation process of smart contract

5 算例分析

本文在Windows10-64bit操作系統中進行仿真分析，利用Ganache以太坊客戶端搭建一條私有鏈，使用Metamask錢包對交易信息進行記錄，并通過IDE-Remix平臺編譯和部署智能合約，作為分布式電能交易區塊鏈平臺，智能合約部署界面見附錄圖A1。為了驗證本文所提交易機制的有效性，算例設置了9個售電方(A—I)、8個購電方(J—Q)及DSO，配電網結構采用IEEE 33節點系統，節點部署情況如圖4所示。其中，各主體交易信息見附錄表A1，且該時段內上網電價為0.4元/(kW·h)，主體從配電網購電電價為1.35元/(kW·h)。IEEE 33系統各支路容量裕度為125 kW，配電網中單位距離傳輸單位功率費用為0.04元/(km·kW·h)。Matlab和Matpower僅用于計算戴維南等效阻抗和PTDF矩陣，所得結果以常數矩陣的形式編入智能合約。此外，本文假設以太幣與人民幣匯率約為1 ether=1元，該匯率由各節點用戶共同協商決定。其中，以太幣只負責記錄交易信息，并不作為實際結算的貨幣，資金結算仍以人民幣進行。

圖A1 智能合約部署界面Fig.A1 Deployment interface of smart contracts

圖4 IEEE 33節點結構圖Fig.4 Structure diagram IEEE 33-node system

5.1 分布式電能交易結果分析

交易信息申報階段結束后，分布式電能交易平臺將自動調用智能合約執行交易合約匹配，最終匹配結果如圖5所示，其中灰色陰影部分表示該輪交易訂單因發生線路阻塞的削減電量，PB代表主體P從主體B處購買電能，其余以此類推。其次，各售電主體的交易信息結算如附錄表A2所示。由表A2可知各售電主體需根據其信譽值繳納相應的保證金，并在交易結算時扣除一定的違約金額以彌補購電主體因其發生違約行為而產生的相應損失。

表A2 售電主體交易結算信息Table A2 Settlement results of market entities in trading

在本時段內，售電主體E因信譽值未達到市場準入閾值禁止參與電能交易，因此其盈余電量將以上網電價出售給配電網運營商，其余購售電主體均可參與市場競爭。購電主體L因其信譽值和報價在所有購電主體中處于劣勢地位將在最后階段進行匹配交易，同時本時段電能交易市場呈現“供不應求”的形勢，因此購電主體L將從配電網運營商處以較高的價格購入部分電能以滿足自身功率平衡。在第8筆交易時，購電主體K首先與售電主體H簽訂了電能交易臨時訂單，但由于該訂單將導致支路4發生潮流越限，因此對該筆訂單根據線路容量進行削減以保障配電網運行的安全性。

結合圖4中購售電主體間的相對位置和其信譽值及報價信息可知，購電主體在分布式電能交易匹配過程中更傾向與離其相對位置較近且綜合報價良好的售電主體進行交易，此外綜合報價良好的購售電主體在交易匹配中具有較高的優先級。以第3筆和第4筆交易為例，購電主體J首先與綜合報價良好且離其相對位置最近的售電主體A達成81 kW·h的電能交易合約。此時J仍需購買24 kW·h的電能以滿足自身的電量平衡，且與其距離較近的售電主體A和B均已無多余電能，因此J綜合考慮因電氣距離產生的網絡費用和各售電主體的綜合報價情況選擇與其距離較近的售電主體H達成24 kW·h的交易合約以保障自身的經濟效益。因此，本文所提的分布式電能交易模型能夠保障信譽值良好且報價合理的購售電主體擁有較高的交易優先級以激勵各主體積極提高其信譽情況。

5.2 電氣距離對交易結果的影響分析

圖6展示了購售電主體間未計及電氣距離對交易匹配結果及阻塞管理的影響。與圖5對比可知，電氣距離對交易匹配結果有著較大的影響，這是因為在未計及電氣距離的交易匹配過程中，各購電主體僅傾向與綜合報價良好的售電主體進行匹配交易。具體而言，在第1筆交易中，購電主體P與售電主體I達成交易。其次，由于主體I的綜合報價在售電市場中處于最優，在第2筆交易中，主體J也將與其簽訂訂單。然而，以上兩筆交易因購售電主體間相對位置較遠將導致節點3至節點32間的支路占用情況達到75%以上。因此，該情況將導致后續第3筆和第10筆電能交易發生線路阻塞而需進行訂單削減。綜上所述，未計及電氣距離的匹配機制將出現較多遠距離電能交易情況，一定程度上增加了部分支路的占用情況。因此，考慮電氣距離能夠促進交易雙方選擇就近交易，進而緩解支路發生阻塞情況。

圖6 未計及電氣距離的交易匹配結果Fig.6 Transaction matching results without considering electrical distance

圖7為是否計及電氣距離時的交易費用情況，由圖7可知，兩種情況下的各購電方的購電費用相差不大，但未計及電氣距離匹配的訂單需因電能傳輸距離較遠支付較多的費用。其中，購電主體L因交易次序最低，只能與分布式交易市場中仍有盈余的售電主體C和G進行交易，因此其需支付較多的網絡費用。

圖7 交易費用對比Fig.7 Comparison of transaction cost

5.3 交易主體調序機制分析

圖8展示了傳統雙向拍賣和本文以綜合報價為依據的交易調序過程。實線部分為交易主體按照傳統雙向拍賣“價格至上”機制的調序結果，售電主體交易次序為：B、I、G、D、A、F、C、N，購電主體交易次序為：J、P、Q、M、K、O、N、L。若嚴格按照該交易次序進行匹配交易將導致信譽值較高的購電主體P和售電主體D的交易優先級處于靠后的位置，而信譽值較低的購電主體L和售電主體C處于相對靠前的位置。上述結果將導致信譽良好且報價合理的交易主體擔較高的違約風險。

圖8 基于信譽值的調序結果Fig.8 Reordering results based on reputation value

針對上述情況，圖8中虛線部分可依據交易主體的初始報價和信譽值進行交易次序調整，以保證綜合報價良好的交易主體擁有較高的匹配優先級。對于購電方，主體N的信譽值要明顯高于O和L，因此，其交易次序將進行上調以提高其優先級。對于售電方，主體C和F的報價要優于H，但二者的信譽值在售電主體隊列中最低，與其交易將面臨較大的違約風險，因此需降低交易次序以懲罰其嚴重的違約行為。綜上，本文所提的交易調序機制能夠有效根據交易主體的市場行為進行調整次序，以激勵其合理報價和積極履約。

為進一步驗證本文所提交易調序機制的有效性，將其與傳統雙向拍賣機制的各交易主體效益提升率進行對比分析，如圖9所示。相較于傳統雙向拍賣機制，本文所提方法能夠一定程度上提高信譽值良好主體的效益提升率，降低信譽值較差主體的效益提升率。因此，本文所提的基于信譽值和報價信息的交易調序機制能夠有效保障信譽良好主體的經濟效益，進而促進各交易主體積極履行合約和理性報價。

5.4 報價機制分析

為驗證本文所提的報價策略的合理性，通過仿真該時段下交易主體50組不同報價下的成交情況，具體信息如圖10所示。由圖10可知，在本文報價更新機制的作用下，購售電主體的成交電價均處于該時段下的上網電價和配電網購電電價之間。因此，本文所提的報價更新策略能夠使得購售電主體相較于傳統集中上網模式獲得更大的經濟效益。

圖10 交易主體成交價格Fig.10 Users' transaction price

通過將本文報價更新策略與固定意愿0.2、0.4、0.6、0.8和隨機意愿進行對比分析以驗證其有效性，其中隨機意愿服從[0.2，0.8]的均勻分布。如圖11所示，除固定意愿0.2和0.4以外，其余方法均能有效促進購售電主體間達成交易，這是由于此時交易雙方調價態度較為消極，部分用戶因達到交易輪次上限而無法成功匹配。此外，本文方法的調價次數略高于固定意愿0.8，明顯低于其他方法。這是因為所提策略計及了交易主體的信譽情況和交易進程，能夠在交易過程中靈活調整調價意愿，進而提高交易雙方間的匹配效率。

圖11 報價更新策略對比Fig.11 Comparison of quote update mechanism

5.5 線路占用情況分析

交易匹配過程中配網各支路的占用情況如圖12所示。在整個交易過程中，僅有支路1、4、24、25因處于各支路的交匯處附近，其線路占有情況達到了80%以上。同時，由于后續交易中存在反向潮流，對配電網網絡中的潮流分布具有改善作用，因此，支路2、3、5和21等的線路占用情況隨著交易輪數的增加有所降低。綜上所述，整個交易過程中各線路潮流量始終保持在安全約束范圍內，證明了本文所設計的安全校核方法的有效性。

圖12 支路潮流情況Fig.12 Occupancy ratios of branch flow

6 結 論

針對多微電網分布式電能交易模型，并考慮到交易主體易發生違約行為和遠距離電能傳輸等問題，本文提出了計及信譽值和電氣距離的分布式電能交易區塊鏈模型，并設計了相應的智能合約，最后對所提方法進行仿真驗證，算例結果表明：

1)本文設計的交易調序機制能夠促進交易主體積極履行合約以獲得參與匹配的優先權和保障自身經濟效益。

2)本文所提的計及電氣距離的交易匹配機制能夠促進交易主體就近交易電能，降低購電成本，提高交易匹配成功率，緩解線路阻塞問題，進而保障配電網的安全運行。

不過，本文采用的以太坊平臺雖然架構成熟，但其仍存在效率低和資源消耗大等問題，在后續工作中將選用效率較高的Hyperledger Fabric等平臺進行測試。其次，在后續研究中考慮構建將虛擬代幣轉換為以獎勵形式存在的交易架構，并結合共識機制改進等方面進一步完善分布式交易模型。