一种基于区块链技术的虚拟电厂

本发明涉及虚拟电厂的应用领域，尤其涉及一种基于区块链技术的虚拟电厂。

背景技术：

1、虚拟电厂是一种通过先进信息通信技术和软件系统，实现分布式发电（distributed generation，缩写dg）设备、储能系统、可控负荷等分布式能源（distributedenergy resources，缩写der）的聚合和协调优化，使其整体作为一个特殊电厂参与电力市场和电网运行的协调管理系统。虚拟电厂最具吸引力的功能在于能够聚合der参与电力市场和辅助服务市场运行，为配电网和输电网提供管理和辅助服务。

2、传统的虚拟电厂的计算和通信主要基于服务器，但是这种技术存在如下问题：1、信息的保密性不强，一旦服务器被攻击，虚拟电厂的数据极其容易被盗取及被修改，这很可能危及虚拟电厂及与之相关的der设备的安全，甚至可以危及国家能源安全；2、受限于服务器的算力，der设备越多，虚拟电厂的聚合和协调优化就越难，这使得基于服务器的虚拟电厂上限比较低，规模有限。

技术实现思路

1、发明目的：本发明的目的是提供一种保密性更好、算力更强、能够实现更多der设备聚合及协调优化的基于区块链技术的虚拟电厂。

2、技术方案：本发明所述的一种基于区块链技术的虚拟电厂，包括若干个发电端和若干个用电端，还包括由若干个节点组成的区块链作为运算中枢，所述区块链与若干个发电端通过通信技术双向相通，区块链与若干个用电端通过通信技术双向相通，所述区块链包括合约层，所述合约层内封装套利系统。所述套利系统用于控制虚拟电厂的成本及收益使其经济收益最大化。

3、进一步地，所述套利系统包括套利函数，所述套利函数为：

4、，其中为发电端（1）实时发电费用，为历史发电平均费用，为电网实时电价，为历史电网平均电价，为传统能源发电信息，为绿色能源发电信息，为用电端（4）总的用电信息。τ的值为正数，实现负荷的最佳调控及经济价值的最优，反之则说明出现能源浪费现象，输出惩罚信息，需用电端及时进行产业结构调整。

5、进一步地，所述套利系统还包括基于vmd-ihho-elm的智能优化算法，所述智能优化算法用于对套利函数中的数据进行优化，以计算出最优的发电方式与用电量，若出现能源浪费现象，则输出惩罚信息，实现负荷的最佳调控及经济价值的最优，所述智能优化算法步骤如下：

6、第一步:利用vmd算法对输入的数据进行初步处理，去除冗余或干扰性数据，vmd算法将原信号分解成k个imf分量，把模态函数定义为一个调频调幅信号，记为：，其中为imf的幅值，为imf的频率；

7、第二步：利用ihho算法对elm算法中的输入权重ω和阈值b进行寻优搜索，最小化预测误差，获取最佳期望网络模型，实现elm算法对发电信息与用电信息的高精度处理（在hho算法中加入了icmic映射，经过改进后的算法称为ihho）；

8、第三步：利用优化后的elm算法，对通过vmd算法初步处理后的数据进一步处理，具体的：

9、elm算法由输入层、隐藏层以及输出层3部分组成，输入层的输入权重ω和隐含层的阈值b由s3中hho算法寻优搜索获得；

10、输入层的n个神经元对应的输入矩阵为，输出层的m个神经元对应的输出矩阵为，隐含层有l个神经元，激励函数g（x）的模型为：，其中为隐含层神经元第j个神经元与输出层第k个神经元的连接权值，为输入层第i个神经元与隐含层第j个神经元的连接权值，为隐含层神经元的激励函数；bi为第i个隐含层神经元的与之；dj为网络的实际输出值；

11、隐含层输出矩阵h表示为：，网络输出用表示，其中为矩阵d的装置，若l = n则预测结果与ω和b无关，神经网络的输出值以零误差逼近训练样本，即，，式中t为神经网络的期望输出；ε为输出误差，当n足够大时，；

12、根据最小范围二乘准则，可以计算出连接权值β为：，式中为隐含层输出矩阵的广义逆。

13、进一步地，第一步中vmd的计算过程如下：

14、（a）：利用hilbert变换计算得到每一个模态分量信号对应解析信号，得到其单边频：，其中为冲击函数，其表达式为：；

15、（b）进一步加入指数项态函数对应解析信号的预估中心频率，将每个模态的频谱转移至基带：；

16、（c）变分模态分解写成如下含有约束的最优化问题：，其中为信号分解的调频幅信号；wk为各模态分量的中心频率；k为迭代次数；f为为分界的输入的数据；

17、（d）引入二次惩罚因子α和增广lagrange函数，解决上述约束变分问题，将变分问题转变为非约束性变分问题，组成扩展的lagrange表达式：

18、，其中α为二次惩罚因子，通过选取α来调节变分模态分解方法的完备性；

19、（e）计算得到约束模型的最优解：，。

20、进一步地，第二步中ihho算法对elm算法中的输入权重ω和阈值b进行寻优搜索的具体步骤如下：

21、（a）经典的hho算法中，无先验知识地随机初始化种群，可能会导致种群分布不均匀，降低解的多样性，选用无限折叠迭代混沌（icmic）映射来改进hho 种群初始化策略，其公式如下：，其中xn为第n代种群位置，，当α＞0.6时能得到较好的混沌序列；

22、（b）在搜索阶段中时，hho算法在大范围等待并搜索目标，此阶段会从两种不同的行动策略中，随机且等概率选取一种来执行，其公式如下：

23、，其中表示从第t代种群中随机的个体；x(t)为截至第t代所得到的全局最优个体；xr(t)为目标所在位置；q、r1、r2、r3和r4为（0,1）区间上均匀分布的随机数；u和l分别为种群位置的上界和下界；xm(t)是第t代种群所有个体的平均位置；

24、（c）在转换阶段时，为了模拟猎物在逃逸过程中的能量衰减，引入逃逸能量e，其模型如下：，其中e0表示目标初始逃逸能量，值为（-1,1）区间的随机数，t是当前迭代次数，t为总迭代次数，随着不断迭代，逃逸能量e的绝对值呈减小趋势，当逃逸能量绝对值大于1时，认为目标能量充足，此时为探索阶段，当逃逸能量绝对值小于1时，认为目标能量逐渐衰减，可以逐步包围并获取目标，此为开发阶段；

25、（d）在开发阶段时，根据逃逸能量e及随机数均匀分布在（0,1）区间的逃脱模拟参量r的大小，采用软包围、硬包围、渐近快速俯冲软包围和渐近快速俯冲硬包围四种包围策略的一种。

26、进一步地，所述软包围的条件为r≥0.5且，目标具有较多的逃逸能量，则对目标采取柔和的方式进行包围，消耗其能量，此阶段模型为：

27、，，其中为目标与种群位置的距离；j代表目标的随机跳跃强度，其值为（0,2）区间的随机数；

28、所述硬包围的条件为r≥0.5且，目标具有较少的逃逸能量，则对目标采取最后的突袭，此阶段模型为：；

29、所述渐近快速俯冲软包围的条件为r＜0.5且，目标依然具有较多的逃逸能量，有突破目前包围的可能，则对目标进行软包围，并调整种群位置，此阶段模型为：

30、，，，其中g为维数，s为1×g的随机向量，lf为levy飞行函数，，，其中u和v为（0,2）区间上的随机数，β为常数1.5；

31、所述快速俯冲硬包围的条件为r＜0.5且，目标具有较少的逃逸能量，则对目标形成硬包围，为最后的突袭做准备，此阶段的目的是使种群位置的平均值更接近目标的位置，此阶段的模型为：，，。

32、进一步地，所述发电端包括高碳属性的发电厂，比如火力发电厂，也包括低碳属性的发电终端，比如核能发电厂、风力发电设备、太阳能热发电设备、太阳能光发电设备、潮汐发电设备、水力发电设备和生物质能发电设备等发电终端。

33、进一步地，还包括若干个储能设备，所述储能设备的一端与发电端连接，储能设备的另一端与用电端连接。由于发电端包括风力发电设备、太阳能热发电设备、太阳能光发电设备、潮汐发电设备、水力发电和生物质能发电设备等发电终端，上述发电终端统称为分布式发电设备，其特点是发电具有间歇性、随机性以及存在预测误差等特点，大规模将分布式发电设备并网必须考虑不确定性的影响，因此必须设置储能设备实现按需储能、按需用能。

34、进一步地，所述发电端、储能设备和用电端分别设置传感器及控制器，所述传感器用于收集发电端、储能设备和用电端的数据，以利于套利系统运算；所述控制器用于控制发电端的发电量、储能设备的储电量以及用电端的用电量。

35、进一步地，还包括中控单元，所述中控单元包括智能计量模块和信息通讯模块。所述智能计量模块用于辅助传感器采集发电端以及用电端的数据，远程测量发电端与用电端的实时信息，合理管理数据，并将其发送给相关各方，使用电端（或中控室）能够直观地看到其使用与生产的电量以及相应费用等信息；所述信息通讯模块采用双向通信技术，不仅能够接收发电端或者用电端的当前状态信息，而且能够向发电端或者用电端发送控制信号，双向通信技术主要有基于互联网的技术，如基于互联网协议的服务、虚拟专用网络、电力线路载波技术和无线技术等。

36、有益效果：与现有技术相比，本发明具有如下显著优点：1、本发明的虚拟电厂是基于区块链的，区块链的底层逻辑就自带加密系统，且区块链由若干个节点组成，所有数据都分别储存在若干个节点中，如果需要修改数据必须获得至少一半节点的同意，因此修改区块链的数据比较困难，从而保护数据的安全；2、区块链的节点都参与运算，节点越多算力越大，因此能够适应大规模的并网，更容易实现大规模der设备的聚合和协调优化。