基于區塊鏈的智能充電樁管理系統平臺

摘 要：為進一步提高智能充電樁管理系統的充電功率和充電時間優化，利用區塊鏈算法技術，建立彈性充電需求的多類用戶交通均衡分配模型，并利用區塊鏈算法技術確定各快速充電站的最優充電容量和發電機調度計劃。試驗結果表明，隨著迭代次數增加，區塊鏈算法的殘余誤差逐漸降低，迭代13次時，算法趨于收斂。區塊鏈算法、深度學習算法、螞蟻算法的充電時間分別為36min、42min和38min。利用區塊鏈算法技術可將最大充電消耗功率降至20kW，并將最大電力消耗時間推遲到20：00～22：00，比預計的充電消耗期縮短2h。區塊鏈算法技術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%。

關鍵詞：區塊鏈；智能充電樁；充電功率；迭代次數

中圖分類號：U46 文獻標志碼：A

城市交通狀況和控制策略會影響電動汽車的駕駛方式、充電地點和充電時間的選擇，進而影響配電網（PDN）中充電負荷的時空分布。

但目前研究主要考慮電動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]。當交通和充電過程中發生擁堵或電費高時，一些電動汽車可能會放棄原來的充電和出行計劃。因此，需要一種考慮智能充電樁的電動汽車彈性充電需求的交通分配模型。如果能夠為每個智能充電樁設計適當的電價變化策略來指導電動汽車的彈性充電行為，就能滿足電動汽車的最優充電需求[2]。而區塊鏈技術是一種去中心化的分布式系統，利用區塊鏈技術、加密技術對數據進行加密，并執行去中心化算法，可解決智能充電樁管理問題。

因此本文建立了基于區塊鏈算法技術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絡中的充電需求分布，并估計每個快速充電樁的充電需求。利用區塊鏈算法技術計算各快速充電站的最優充電容量和發電機調度計劃，可進一步加快智能充電樁管理系統平臺的管理效率，從而更好地管理電動汽車。

1 智能電動汽車充電樁管理系統

城市交通和電動汽車配電耦合系統，主要由電動汽車、固定控制系統和發電機組成。城市交通和配電耦合系統由一個充電負載服務實體提供服務，該實體能夠調度配電網中的所有發電機，并為每個快速充電樁選擇適當的電價信號，以影響電動汽車的充電行為[4]并減少高峰電力消耗。為對電動汽車充電負荷進行優化管理和控制，本文提出智能充電樁管理系統。如果電動汽車需要充電，可以向智能電動汽車充電樁發送充電預訂申請，電動汽車將收到來自充電樁管理系統的最佳充電建議[5]。

充電樁管理系統由5個部分組成：充電定價機制處理器、配電系統運營中心、城市交通網絡運營中心、發電機終端和電動汽車用戶終端。為了實現各部分間的通信，該系統的所有設備均采用物聯網技術。此外還需要假設充電樁管理系統和配電系統的調度時間相同（60 min）且每個調度間隔內所有充電的電動汽車都能完成充電過程[6]。

1.1 電動汽車的彈性充電需求

為進一步描述電動汽車的彈性行為，利用區塊鏈思想，引入充電需求函數QEV，ω=Dω（ξEV，ω）計算電動汽車的實際充電需求。該函數需要具有以下2個基本屬性[7]。1）第一個屬性，隨著最低充電費增加，應該不斷減少ξEV，ω，任何起始目的地間的電動汽車數ω∈WOD，并且函數值不能為負數。2）第二個屬性。該函數應具有反函數D-1ω（QEV，ω），可由每個汽車起始目的地對ω∈WOD中的效用函數來定義。因此利用復指數函數來描述電動汽車的充電需求，如公式（1）所示。

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

式中：θ為電動汽車的彈性系數，表示電動汽車對充電費用ξEV，ω的彈性，電動汽車出行和充電的意愿越大，彈性系數就越小。

1.2 充電樁彈性充電需求的均衡分配模型

在城市交通網絡中，每個車輛用戶都是獨立的，都希望選擇一條交通費用最小的路徑。普通車輛會選擇交通延遲成本最小的路徑，而電動車輛則會選擇交通延遲和充電成本最小的路徑[8]，主要原因是每個快速充電樁的電價不同。因此，本文在傳統交通均衡分配模型的基礎上，考慮電動汽車的彈性充電需求和充電時間成本，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）的目標函數如公式（2）所示。

minFMUTEA=FT+FCH-UE" " " " " " "（2）

式中：FT為與普通線路a∈Ac的充電時間和充電路徑線路a∈AT的充電排隊時間相關的總流量延遲成本；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）主要計算電動汽車充電路徑φa上的車流量a，該流量等于所有普通車輛和電動車路徑車流量之和。公式（4）、公式（5）主要確保城市交通網絡中每個起始目的地對電動車充電需求的平衡。

（3）

（4）

（5）

式中：xpgw為指示變量；Hpg，w表示電動汽車在城市交通網絡上流動；QGV，w為電動汽車的充電量需求。

1.3 配電系統模型

城市配電系統包括與配電系統電力總線相連的智能充電樁和發電機。配電系統由徑向網絡GE（NE，LE）提供服務，該網絡由一組用于總線的NE和一組用于配電線路的LE組成。根據上述特征，利用區塊鏈算法確定每個智能充電樁的最佳充電容量和發電機的調度計劃。

交流優化功率流模型的目標是使配電系統的運營成本FE（包括發電機的生產成本和從電力批發市場購買電力的成本）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，即利用區塊鏈算法可以確定適當的智能充電樁充電價格信號，從而更好地引導電動汽車，使其充電行為和能耗水平達到最優。

minFACOPF=FE-FCH" " " " " " " " （6）

利用智能充電樁管理系統接收每輛電動汽車的充電信息和負載消耗信息。這些信息包括當前時刻、當前電價、預期出發時刻、期望電價、電動汽車電池的容量、電動汽車充電器的容量、負載點的有功功率消耗和負載點的無功功率消耗。電池的充電狀態（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%表示電動汽車電池已充滿電。

2 研究結果討論

2.1 參數設置

為證明智能充電樁管理系統和分布式協調定價方法的有效性，采用環形城市交通網絡和11 kV徑向配電系統測試系統。所有仿真均在配備英特爾i5-3450 M CPU和4 GB內存的臺式計算機上進行。城市交通網絡由12個節點、4種類型的道路以及外環、內環中的8個充電樁組成[9]。每個充電樁由配電系統的一條電氣總線提供服務。當電動汽車電池反復充電和放電時，其壽命會縮短，具體取決于電動類型和化學成分。本文假設電動汽車和充電樁儲能系統均使用磷酸鐵鋰（LFP）電池，并考慮總循環次數對電池容量的影響。

由于智能充電樁管理系統數據和電力交易數據的記錄頻率較高，因此本文采用區塊鏈技術，進一步縮短智能充電樁數據上傳的時間延遲，減輕計算負荷。完成數據上傳后，分布式賬本網絡會通過有向無環圖（DAG）算法找到另外2個區塊鏈賬本節點檢查結果。如果結果正確，允許將數據寫入分布式賬本，并同步存儲在分布式賬本網絡的所有賬本節點上。因此，可以保證充電樁管理系統數據的公平性和調度的及時性，避免單個分類賬節點數據損壞，進而導致所有智能充電樁中的電壓調度停止。

2.2 均衡分配模型的收斂性

本文對提出的區塊鏈技術的均衡分配模型的收斂性與深度學習算法進行了研究。彈性系數設定為θ=0.03。殘余誤差可以反映出城市交通網絡和智能充電樁系統的協調運行，并且殘差是區塊鏈算法是否達到最優解的重要標準。殘余誤差收斂情況如圖1所示。由圖1可知，區塊鏈算法在迭代次數為1時，殘余誤差高達0.95，而深度學習算法的殘余誤差僅為0.08。造成區塊鏈算法的殘余誤差較高的主要原因為智能充電樁對充電需求處理效果較慢，而隨著迭代次數增加，區塊鏈算法的殘余誤差逐漸降低。可以觀察到，當深度學習算法中迭代次數為2～5時，殘余誤差突然增加，最大殘余誤差為0.71。經過13次迭代后，深度學習算法和區塊鏈算法都迅速趨近于零。進一步說明分均衡分配模型方法可以滿足城市交通網絡和智能充電樁設定的各種約束條件，并能快速收斂到最優解。

2.3 智能充電樁管理調度性能

根據時間成本評估基于區塊鏈管理調度策略的性能。研究結果可為智能充電樁管理提供建議，以選擇適當的電動汽車充電管理策略。每小時充電站進入的車輛數量見表1。為進一步突出區塊鏈智能充電樁管理的管理性能，本文將區塊鏈算法與深度學習算法和螞蟻算法進行比較。試驗結果如圖2所示。

由圖2可知，區塊鏈算法、深度學習算法和螞蟻算法的充電時間分別為36 min、42 min和38 min。本文所提區塊鏈算法的充電時間最短，進一步表明采用區塊鏈技術的充電樁彈性充電需求的均衡分配模型可使電動汽車的充電功率達到最大，進一步縮小電動汽車時間。而深度學習算法的充電時間和排隊時間成本最高。主要原因是深度學習算法的智能充電樁管理調度只考慮充電樁的距離，沒有考慮電動汽車最短路徑的調度管理。并且在交通擁堵的情況下，電動汽車將花費更多時間等待充電，因此時間成本最高。結合表1中不同時間充電站進入的電動汽車數量可知，一天內充電汽車的充電需求量較固定，平均充電車輛為28輛。因此電動汽車充電排隊時間主要與充電樁距離和路徑有關。區塊鏈算法的充電排隊時間最短（8 min），比深度學習算法和螞蟻算法分別下降87.5%和25.0%。綜上所述，基于區塊鏈的均衡分配模型可以提高充電效率，進一步降低充電時間和排隊時間，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的碳排放。

2.4 智能充電樁充電負荷調度性能

利用區塊鏈算法技術對智能充電樁的充電負荷進行優化調度（結果如圖3所示）。從圖3可以看出，利用區塊鏈算法技術可將最大充電消耗功率縮短到20 kW，并將最大電力消耗時間推遲到20：00～22：00，比預計的充電消耗期縮短2h。同時還可以觀察到，經過區塊鏈算法技術的優化調度，電動汽車的充電高峰發生在2：00～4：00和7：00～9：00。主要原因是智能充電樁在該時間段的電價比較便宜，因此多數電動汽車車主會選擇該時間段進行充電，而且該時間段的城市交通車流量較小，可提高充電效率，從而更好地進行電力分配。區塊鏈算法技術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%。雖然本文提出的區塊鏈算法無法實現智能充電樁充電負荷調度的最大化，但可以降低成本，增加運營利潤，降低參與智能雙向充、放電的電動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、放電負荷，滿足日常電車車主充電需求。

3 結論

隨著迭代次數增加，區塊鏈算法的殘余誤差逐漸降低。經13次迭代后，區塊鏈算法迅速趨近于零，進一步說明基于區塊鏈分均衡分配模型方法可滿足城市交通網絡和智能充電樁設定的各種約束條件，并能快速收斂到最優解。

區塊鏈算法的充電排隊時間最短（8 min），比深度學習算法、螞蟻算法分別下降87.5%、25.0%。綜上所述，基于區塊鏈的均衡分配模型可提高充電效率，進一步降低充電時間和排隊時間。

經過區塊鏈算法技術的優化調度，電動汽車的充電高峰發生在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

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

[2]徐子力，馮慶燎，余飛鷗，等.基于數據規則技術的充電樁共享多能源平臺管理系統[J].制造業自動化，2023，45（8）：91-95，107.

[3]胡世鵬，左齊港，王慶.基于物聯網技術的汽車充電樁元器件回收管理系統研究[J].汽車測試報告，2023（9）：152-154.

[4]陳培，周昆，張煜，等.考慮車輛運動學特征的無人集卡充電策略及充電樁分配研究[J].起重運輸機械，2022（10）：52-57.

[5]趙隆，孫浩然.基于物聯網技術的新能源汽車及充電設施智慧能源管理服務平臺[J].內蒙古科技與經濟，2021（22）：88-89.

[6]何智暉.基于物聯網管理平臺的功率動態分配直流充電樁系統的應用與設計[J].數字技術與應用，2021，39（10）：202-204.

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

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

[9]馬瑞林，仲文君，史光巖.基于物聯網技術的充電樁智能共享充電新模式[J].現代制造技術與裝備，2020，56（9）：27-28.