一种计量数据安全防护方法与流程

本发明涉及电能表计量技术领域，特别是一种计量数据安全防护方法。

背景技术：

区块链(blockchain，bc)是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。所谓共识机制是区块链系统中实现不同节点之间建立信任、获取权益的数学算法。

安全域(securityregion，sr)方法是在逐点法基础上发展起来的新方法，它从域的角度出发考虑问题，描述的是整体可安全稳定运行的区域。

计量是电网的基础功能之一。计量就是把所用的电量(电能)记录下来，作为收费的依据，有高压计量和低压计量，有直接接表计量和经互感器接表计量，计量的核心装置就是电度表。目前一般是电能供应商提供计量服务，但是随着智能电网、微网、分布式能源等技术的发展与推广应用以及电力行业改革的推进，计量的权威性越来越需要权威的第三方与新技术和安全机制来保证。

目前直供用户往往仅依赖电网计量、通过电网企业的信用来背书，不适合将来多主体、多模式的电力市场下的计量身份、计量数据的安全性管理。

目前的电动汽车与社会充电桩缺乏互相，更缺少双方信任的计量手段。另一方面，大量电动汽车负荷将对电网安全稳定运行带来威胁与冲击，需要在交易时及时按照规约进行校核，才能实现合约与充放电。

主要缺点是：

(1)没有考虑到很多电表的数据是电网企业采集的，缺乏第三方认证而且对于大量电动汽车等用户来说，采集的可靠性比较低。

(2)没有采用融合安全域的方法，仅仅对用户进行了基本匹配，缺乏对安全边界的认知，可能造成对电网稳定的影响与冲击。

对于新能源的双向计量、大用户的用能计量以及基于电网的多网合一的计量等都需要新型安全机制来保证，并且对于智能合约以及电动汽车、社会力量的充电桩共享等不仅仅需要可信的计量还需要其满足电网的运行约束，因此，提出融合区块链与安全域技术的计量安全方法。

技术实现要素：

有鉴于现有技术的上述缺陷，本发明的目的就是提供一种计量数据安全防护方法，基于区块链技术可以实现直供用户的智能合约、充电桩与电动汽车的智能合约，针对未来放开两端的电力交易市场具有多主体、多模式、多规则的特点,面向大用户和电动汽车等用户设计电力市场交易智能合约安全方法,同时分析了关键技术难点,并有针对性的给出了解决方案。提出引入运行在区块链上的智能合约降低电力市场交易的信任成本,提高清结算效率,同时采用安全域方法对合约的网络约束与合规性进行校验，实现计量与交易的安全保证与智能化。

本发明的目的是通过这样的技术方案实现的，一种计量数据安全防护方法，它包括有：

s1：对用户、充电桩、双向计量用户的表计进行分级，将高等级用户(220kv及以上贸易结算用电能计量装置，500kv级以上考核用电能计量装置，计量单机容量300mw级以上发电机发电量的电能计量装置)的计量数据单独作为区块链标签节点，将低等级用户的(10kv-220kv及以上贸易结算用电能计量装置，10kv-500kv级以上考核用电能计量装置，计量单机容量300mw以下发电机发电量、发电企业厂(站)用电量的电能计量装置，380v-10kv电能计量装置，220v单相电能计量装置)计量数据按照网络拓扑整合后作为区块链标签节点；

s2：对用户供电合约、社会充电桩合约采用分级安全校核；按照电压等级、供电质量要求与容量分类型；对于高等级用户直接采用安全域方法进行校核；对于低等级用户按照网络拓扑整合后作为虚拟用户后，再通过安全域方法进行校核；

s3：对通过安全域评估的用户直供和电动汽车的交易采用区块链智能合约进行交易；

s4：对用户进行计量，计量数据采用区块链进行标记与运输；

s5：采用fahp算法(模糊层次分析法)进行影响因素分析，再进行网络整体安全性评估。

进一步，所述步骤s2中的安全域方法具体步骤如下：

s21：建立私有/混合区块链平台，提供数据安全与智能合约基础能力支撑；

s22：对计量数据进行标记、安全存储及传输；对相关交易进行安全校核；

s23：进行安全域分析；

s24：分析影响因素，给出交易决策交易。

进一步，所述步骤s5中采用fahp算法进行影响因素分析的具体步骤如下：

s51：确定影响因素系统目标；

s52：建立影响因素层次结构模型；

s53：构造影响因素指标的模糊互补判断矩阵r；

s54：对模糊判断矩阵r进行一致性检验及调整；

s55：计算层次结构模型中各层元素对上层元素的权重，进行层次排序，以确定递阶结构图中最底层各个元素在影响因素系统总目标中的重要程度。

进一步，所述步骤s52中建立影响因素层次结构模型的具体步骤如下：

s521：设影响因素系统的评价目标g有n个影响因素，则因素集为u＝{u1，u2，…，un}；

s522：评价目标体系u第i个子集ui满足条件：u1＝{u11，u12，…，u1n}。

进一步，所述步骤s54对模糊判断矩阵进行一致性检验及调整的具体步骤如下：

s541：确定模糊互补判断矩阵r加性一致性程度的指标ρ；

s542；根据ρ的值检验判断模糊互补矩阵r是否具有达到目标要求的加性一致性，且ρ的值越大，则模糊互补判断矩阵r的加性一致性越差；其中：

进一步，调整一致性的具体步骤如下：

s543：求出模糊互补判断矩阵r的加性一致性指标值ρ，若小于预先给定的阀值σ，则转入步骤s549，否则，进入步骤s544；

s544：分别根据模糊互补判断矩阵r的各行构造n个加性一致性的矩阵

其中，r^(k)表示根据模糊互补判断矩阵r的第k行构造的加性一致性矩阵；

s545：分别计算模糊互补判断矩阵r与加性一致性矩阵r^(k)的贴近度

s546：令α^(l)＝min{α⁽¹⁾,α⁽²⁾,…,α⁽ⁿ⁾}，确定出r^(k)(k＝1,2,3……n)中和模糊互补判断矩阵r最贴近的加性一致性模糊互补矩阵r^(l)，并记为r^*；

s547：求出判断矩阵r和r^*的偏差矩阵c＝(cij)n×n，其中找出偏差矩阵c中使cij的绝对值达到最大的值i和j，分别记为s和t；

s548：若cst＞0，令r'st＝rst-λ，r'ts＝rts+λ；若cst＜0，令rst＝rst+λ，rts＝rts-λ；q其中λ为调整系数，一般取为0.05；将此矩阵记为r，转步骤s543；

s549：结束。

进一步，所述步骤s55中层次排序的具体步骤如下：

s551：设模糊互补判断矩阵r＝(rij)n×n，对矩阵r按行求和，记

对矩阵r^*行和归一化得到单层排序相量w＝(w1,w2,…,wn)^t，其中：

s552：第k层对第一层的组合权向量满足下式：

w^(k)＝w^(k)w^(k-1),k＝3,4,…,s；

其中w^(k)是以第k层对第k-1层的权向量为列向量组成的矩阵；

s553：第s层对最上层的组合权向量为：

w^(s)＝w^(s)w^(s-1)...w⁽³⁾w⁽²⁾。

进一步，所述方法还包括有：

s6：引入变权公式：

式中，wi为初始指标权重，得分xi为对应指标评分值，a1、a2、a3、a4为经验型变权系数。

进一步，所述得分xi的计算公式为：

由于采用了上述技术方案，本发明具有如下的优点：

(1)区块链技术可以对计量装置获取的信息进行标记，并且所以信息具有一旦生成不能修改、删除的特性。另一方面，基于区块链技术可以实现直供用户的智能合约、充电桩与电动汽车的智能合约等。

(2)智能电网可以方便的采集到各级电能表的各种数据，为提高电网状态估计精度，提高可靠性提供了可能。电网中的电能表集群一般构成树形拓扑。在电网中，往往存在损耗(电能表损耗、漏电损耗、线路电阻损耗等)。为了与实际系统的运行一致，引入虚拟支路提高估计的精度，该支路包括虚拟电表和虚拟负荷。采用这样的方法，就可以把电表集群的总损耗等效成虚拟负荷的能耗，将一般的系统安全域模型扩展为支持计量网络状态估计，并且允许系统中存在各种损耗的广义安全域模型。

(3)将上述技术融合，可以为计量数据提供数据安全保障，可以为智能合约符合电网运行约束提供安全检查与合规检查。此外，社会性充电桩的计量可靠性与用户间共享充电桩将大大减少建设成本，也减少电网建设投资。

(4)针对未来放开两端的电力交易市场具有多主体、多模式、多规则的特点,面向大用户和电动汽车等用户设计电力市场交易智能合约安全方法,同时分析了关键技术难点,并有针对性的给出了解决方案。提出引入运行在区块链上的智能合约降低电力市场交易的信任成本,提高清结算效率,同时采用安全域方法对合约的网络约束与合规性进行校验，实现计量与交易的安全保证与智能化。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。

附图说明

本发明的附图说明如下：

图1为计量数据安全防护方法的流程示意图。

图2为fahp的原理框图。

具体实施方式

下面结合附图和实施例对本发明作进一步说明。

实施例1：如图1和图2所示；一种计量数据安全防护方法，它包括有：

s1：对用户、充电桩、双向计量用户的表计进行分级，将高等级用户的计量数据单独作为区块链标签节点，将低等级用户的计量数据按照网络拓扑整合后作为区块链标签节点；所述高等级用户是指：220kv及以上贸易结算用电能计量装置、500kv级以上考核用电能计量装置或者计量单机容量300mw级以上发电机发电量的电能计量装置。所述低等级用户是指：10kv-220kv及以上贸易结算用电能计量装置、10kv-500kv级以上考核用电能计量装置、计量单机容量300mw以下发电机发电量、发电企业厂(站)用电量的电能计量装置、380v-10kv电能计量装置或220v单相电能计量装置

s2：对用户供电合约、社会充电桩合约采用分级安全校核；按照电压等级、供电质量要求与容量分类型；对于高等级用户直接采用安全域方法进行校核；对于低等级用户按照网络拓扑整合后作为虚拟用户后，再通过安全域方法进行校核；

s3：对通过安全域评估的用户直供和电动汽车的交易采用区块链智能合约进行交易；

s4：对用户进行计量，计量数据采用区块链进行标记与运输；

s5：采用fahp算法(模糊层次分析法)进行影响因素分析，再进行网络整体安全性评估。

所述步骤s2中的安全域方法具体步骤如下：

s21：建立私有/混合区块链平台，提供数据安全与智能合约基础能力支撑；

s22：对计量数据进行标记、安全存储及传输；对相关交易进行安全校核；

s23：进行安全域分析；

s24：分析影响因素，给出交易决策交易。

所述步骤s5中采用fahp算法进行影响因素分析的具体步骤如下：

s51：确定影响因素系统目标；

s52：建立影响因素层次结构模型；

s53：构造影响因素指标的模糊互补判断矩阵r；

s54：对模糊判断矩阵r进行一致性检验及调整；

s55：计算层次结构模型中各层元素对上层元素的权重，进行层次排序，以确定递阶结构图中最底层各个元素在影响因素系统总目标中的重要程度。

所述步骤s52中建立影响因素层次结构模型的具体步骤如下：

s521：设影响因素系统的评价目标g有n个影响因素，则因素集为u＝{u1，u2，…，un}；

s522：评价目标体系u第i个子集ui满足条件：u1＝{u11，u12，…，u1n}。

所述步骤s54对模糊判断矩阵进行一致性检验及调整的具体步骤如下：

s541：确定模糊互补判断矩阵r加性一致性程度的指标ρ；

s542；根据ρ的值检验判断模糊互补矩阵r是否具有达到目标要求的加性一致性，且ρ的值越大，则模糊互补判断矩阵r的加性一致性越差；其中：

调整一致性的具体步骤如下：

s543：求出模糊互补判断矩阵r的加性一致性指标值ρ，若小于预先给定的阀值σ，则转入步骤s549，否则，进入步骤s544；

s544：分别根据模糊互补判断矩阵r的各行构造n个加性一致性的矩阵

其中，r^(k)表示根据模糊互补判断矩阵r的第k行构造的加性一致性矩阵；

s545：分别计算模糊互补判断矩阵r与加性一致性矩阵r^(k)的贴近度

s546：令α^(l)＝min{α⁽¹⁾,α⁽²⁾,...,α⁽ⁿ⁾}，确定出r^(k)(k＝1,2,3……n)中和模糊互补判断矩阵r最贴近的加性一致性模糊互补矩阵r^(l)，并记为r^*；

s547：求出判断矩阵r和r^*的偏差矩阵c＝(cij)n×n，其中找出偏差矩阵c中使cij的绝对值达到最大的值i和j，分别记为s和t；

s548：若cst＞0，令r'st＝rst-λ，r'ts＝rts+λ；若cst＜0，令rst＝rst+λ，rts＝rts-λ；q其中λ为调整系数，一般取为0.05；将此矩阵记为r，转步骤s543；

s549：结束。

所述步骤s55中层次排序的具体步骤如下：

s551：设模糊互补判断矩阵r＝(rij)n×n，对矩阵r按行求和，记

对矩阵r^*行和归一化得到单层排序相量w＝(w1,w2,…,wn)^t，其中：

s552：第k层对第一层的组合权向量满足下式：

w^(k)＝w^(k)w^(k-1),k＝3,4,…,s；

其中w^(k)是以第k层对第k-1层的权向量为列向量组成的矩阵；

s553：第s层对最上层的组合权向量为：

w^(s)＝w^(s)w^(s-1)…w⁽³⁾w⁽²⁾。

所述方法还包括有：

s6：引入变权公式：

式中，wi为初始指标权重，得分xi为对应指标评分值，a1、a2、a3、a4为经验型变权系数。

所述得分xi的计算公式为：

实施例2，针对现有技术中影响大规模计量安全及交易校核的问题，我们对相关因素进行了分析，提出了一些针对性的技术手段来解决数据不够，影响因素众多、相互关联等突出不利条件，并且给出了下面的改进的安全计量与交易过程：

如图1和图2所示；一种计量数据安全防护方法，它包括有：

s1：对用户、充电桩、双向计量用户的表计进行分级，将高等级用户的计量数据单独作为区块链标签节点，将低等级用户的计量数据按照网络拓扑整合后作为区块链标签节点；步骤s1为了降低区块链技术的计算复杂性，对计量数据进行分级。只对特定的大用户和对电网稳定性影响大的较大规模充电桩群直接作为区块链处理对象。其他用户，特别是充电桩计量数据按照网络拓扑结构进行数据聚合，聚合后再进行区块链标记处理。这样可以减少一个数量级的处理需求。

s2：对用户供电合约、社会充电桩合约采用分级安全校核；按照电压等级、供电质量要求与容量分类型；对于高等级用户直接采用安全域方法进行校核；对于低等级用户按照网络拓扑整合后作为虚拟用户后，再通过安全域方法进行校核；步骤s2为了进一步保障系统稳定与电网安全，同时减少计算能力需要，对安全校核也采用分级方法。只对特定的大用户和对电网稳定性影响大的较大规模充电桩群直接进行安全域校核。其他用户，特别是充电桩计量数据按照网络拓扑结构进行数据聚合，聚合后再进行安全校核。这样可以减少一个数量级的处理需求。

通过上述2级的分级处理，估算计算能力需求可以减少2个数量级，这样就可以基于区块链技术达到实时对数据进行保护，并且实现智能合约及时处理了。

s3：对通过安全域评估的用户直供和电动汽车的交易采用区块链智能合约进行交易；

s4：对用户进行计量，计量数据采用区块链进行标记与运输；

s5：采用fahp算法(模糊层次分析法)进行影响因素分析，再进行网络整体安全性评估。步骤s5为了分析获得主要影响状态的关键因素，topsis分析算法建立fahp分析影响因素所需的指标体系：计量装置自身的影响状态的指标体系和计量装置形成网络结构的指标体系。

理想的计量数据采集与社会充电桩管理应该有比较充分的安全机制，从可信数据源，智能合约以及电网安全校核等方面综合考虑和并且面向未来灵活多样的电力市场化新业务提供计量与安全分析能力。针对具有区块链基础设施、融合综合安全域方法的计量数据安全域交易保证方法，可以采用下面的主要步骤来进行：

所述步骤s2中的安全域方法具体步骤如下：

s21：建立私有/混合区块链平台，提供数据安全与智能合约基础能力支撑；

s22：对计量数据进行标记、安全存储及传输；对相关交易进行安全校核；

s23：进行安全域分析；

s24：分析影响因素，给出交易决策交易。

所述步骤s5中采用fahp算法进行影响因素分析的具体步骤如下：

s51：确定影响因素系统目标；

s52：建立影响因素层次结构模型；

s53：构造影响因素指标的模糊互补判断矩阵r；

s54：对模糊判断矩阵r进行一致性检验及调整；

s55：计算层次结构模型中各层元素对上层元素的权重，进行层次排序，以确定递阶结构图中最底层各个元素在影响因素系统总目标中的重要程度。

(一)建立层次结构模型u

层次结构模型的建立是层次分析法的基础，如前面所述，五层树形结构的电能计量装置状态管理评价体系实际上构成了层次结构模型。评价体系的层次结构也决定了采用层次分析法进行权重计算、分析是比较合适的。

设评价目标g有n个影响因素，则因素集为u＝{u1，u2，…，un}。

评价指标体系u的第i个子集ui满足条件：ui＝{ui1，ui2，…，uin}。

(二)构造指标权重判断矩阵r

模糊层次分析法要求逐层计算相互联系的元素之间影响的相对重要性，并予以量化，组成模糊互补判断矩阵，作为分析的基础。

以对质量评价体系中“电能表运行状态”这一指标进行权重系数分析为例，该指标包含了离线信息、在线信息、重要性因素三个指标，因此如何判定这些影响因素对“电能表运行状态”的影响并赋予适当的权重，是需要解决的问题。在此例中，我们将“电能表运行状态”作为分析目标g，将具体的影响因素之间的相对重要层度作为构成判断矩阵的元素rij，构造的矩阵称为对目标g的影响元素判断矩阵，如表1所示。

表1对目标g的影响元素模糊判断矩阵

其中得分xk(k＝1，2，…n)表示构成目标g的各影响因素，rij表示相对g而言因素得分xi对得分xj的相对重要性。下表2所示为给判断矩阵元素赋值标准，

表2给判断矩阵元素赋值标准

(三)一致性检验及调整

给出了一个确定判断矩阵加性一致性程度的指标ρ，用ρ的值检验判断矩阵是否具有满意的加性一致性，ρ的值越大，则判断矩阵r的加性一致性越差，其中，

调整一致性的具体步骤：

步骤1：求出矩阵r的加性一致性指标值ρ，若ρ小于预先给定的阀值σ，则转步骤7，否则进行下一步；

步骤2：分别根据r的各行构造n个加性一致性的矩阵k＝1,2,3……n；

其中r^(k)表示根据r的第k行构造的加性一致性矩阵；

步骤3：分别计算r与r^(k)的贴近度k＝1,2,3……n；

步骤4：令α^(l)＝min{α⁽¹⁾,α⁽²⁾,…,α⁽ⁿ⁾}，确定出r^(k)(k＝1,2,3……n)中和r最贴近的加性一致性模糊互补矩阵r^(l)，并记为r^*；

步骤5：求出判断矩阵r和r*的偏差矩阵c＝(cij)n×n，其中找出偏差矩阵c中使cij的绝对值达到最大的值i、j，记为s、t；

步骤6：若cst＞0，令r'st＝rst-λ，r'ts＝rts+λ；若cst＜0，令r'st＝rst+λ，r'ts＝rts-λ；q其中λ为调整系数，一般取为0.05。将此矩阵记为r，转步骤1；

步骤7：结束。

(四)指标层次排序

设模糊互补判断矩阵r＝(rij)n×n，对矩阵r按行求和，记

对矩阵r^*行和归一化得到单层排序相量w＝(w1,w2,…,wn)^t，其中：

本发明中，共有四层指标体系，第k层对第一层的组合权向量满足下式：

w^(k)＝w^(k)w^(k-1),k＝3,4,…,s；

其中是以第k层对第k-1层的权向量为列向量组成的矩阵。于是最下层(第s层)对最上层的组合权向量为：

w^(s)＝w^(s)w^(s-1)…w⁽³⁾w⁽²⁾；

本发明利用模糊层次分析法求得了不同类型计量装置的最底层指标对目标层的权重。

(五)常权优化为变权

模糊层次分析法属于常权评估，其缺点不仅表现在权重本身具有较大主观性，更严重的是，常值权重常常导致评估的非公正性。这是由于因素之间的重要程度往往会随各因素状态值的不同而发生变化。即在状态评估中，有些因素需要激励，即它们的权重应随因素状态值的增大而增大；而有些因素可能需要惩罚，即它们的权重应随因素状态值的增大而减小。为此，引入变权公式：

式中wi为初始指标权重，得分xi为对应指标评分值，a1、a2、a3、a4为经验型变权系数。在本发明中，为了得到合适变权系数，对电能计量装置状态评估进行了大量的仿真模拟试验，设置各种异常情况，计算评估得分，根据评估结果的合理性不断调整变权系数，最终取a1＝-4.19×10^-4；a2＝9.63×10^-2；a3＝-12.07；a4＝666.1。

(六)计算状态评估得分s：

应当理解的是，本说明书未详细阐述的部分均属于现有技术。最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。