基于区块链的电网温室气体排放数据溯源技术

强东盛张立军刘克成韩鹤松

(国网河北省电力有限公司电力科学研究院,河北 石家庄 050021)

0 引言

随着人类科技水平的不断进步,人们对于电力的需求越来越大[1]。荷兰环境评估组曾在全球二氧化碳评估报告中提出,中国在2006年排放的二氧化碳较去年同比增长11.8%,首次成为世界第一大碳排放国。电网作为我国电力运输的设备,每年运输电力时引起的温室气体排放量巨大。如何有效降低电网运行时的温室气体成为电力运输领域亟待解决的问题之一。这时,对电网温室气体排放数据进行溯源成为解决该项问题的重中之重。

章志明[2]等人提出安全有效的无线传感器网络溯源数据方法。该方法首先分析了无线传感网络节点数据,利用数据包恢复网络的传输路径;再根据恢复结果对网络的恶意节点以及攻击数据进行安全性分析,最后通过分析结果实现对网络数据的溯源。该方法由于未能在数据溯源前对数据影响因素进行分析,导致该方法溯源时间长。

刘申[3]提出基于分布式MySQL的PC构件数据溯源方法设计。该方法首先以MySQL为基础,利用Zoo Keeper分布式搭建法搭建一个数据溯源平台;再基于搭建的平台对MySQL分表、读写分离、负载均衡等部分进行设计完善;最后将采集的数据放入该平台中进行测试,通过测试结果完成数据溯源。该方法在搭建平台时,存在一定偏差,所以该方法在数据溯源时,电网系统的吞吐量小。

乔蕊[4]等人提出基于联盟链的物联网动态数据溯源机制。该方法为解决网络中动态数据的安全问题,构建了物联网安全数据存储模型;再将实体多维授权与动态数据的结合形成双联盟链结构;最后通过节点列表共识算法,获取了动态数据的溯源机制,实现数据溯源。该方法在构建数据存储模型时存在一定偏差,所以该方法在溯源时的可靠性较差。

区块链具有分布式数据存储、点对点传输、共识机制、加密算法等功能,可解决上述数据溯源方法中存在的问题。因此,本文提出了一种基于区块链的电网温室气体排放数据溯源技术。

1 电网的排放因子

1.1 OM 排放因子

电量边际排放因子简称“OM”。依据国家有关规定,可将基准线排放因子EFy分为容量边际EFBMy以及电量边际FOMy两类排放因子。基于我国的电网来说,规模较小的可再生发电项目,在获取电网调度数据时,往往较为复杂。因此需要多种方法对电量的边际排放因子进行获取。通常情况下,要利用简单的OM 法对电力系统的简单电量边际排放因子进行获取,过程如式(1)所示

式中:电网在第y年的电量边际排放因子标记成EFgrid,OMsimple,y;第i种燃料的消耗总量标记成FCi,y;第y年第i种燃料的净热值标记成NCVi,y;排放因子标记成EFCO2,i,y;电网的年提供电量标记为EGy;燃料种类为i,数据历史年限为y。

1.2 计算方法

在计算电网温室气体排放量时[5],若直接使用简单OM 方法,对致使计算出的温室排放气体出现偏差,导致的气候变化出现影响,所以需要提出具有真实准确性的电力排放因子计算方法。

首先设定电网产生的碳排放[6]为电网的全部碳排放,并将式(1)改为式(2)所示

式中:电网在第y年的排放因子为EFgrid,y;第i种燃料的消耗量为FCi,y;净热值为NCVi,y,第y年的GHG 排放因子标记成EFGHG,i,y;其中GHG 排放因子包括CO2、SF6。过程中EFCH4与EFN2O要与之对应的全球增温潜势值相乘,依据结果将其转化为CO2当量,电力系统向电网输入的电量标记成EGy。

通常情况下,电网在电量输入时,与上述过程相同,在电网排放的温室气体中加入其他电网的输入电量以及相对应的输出电量的排放因子相乘,从而获取电网温室气体总排放量,再将获取的总排放量除以输入输出的电量和,取得的结果就是电网的排放因子。

2 数据溯源技术

2.1 构建模型

基于区块链共识机制,构建电网系统的不变网络模型。

2.1.1 区块链共识机制

区块链共识机制[7]也可称作区块链的一致性问题,在进行电网温室气体排放数据溯源前,需要通过POW 共识机制构建电网系统的不变网络模型。

POW 共识机制是一种具有不对称性的经济对策。通常情况下,需要经过一定的复杂运算,快速的对电网数据进行验证。该共识机制需要记录电网系统所有节点运动轨迹,并帮助新区块链的快速生成,从而提高数据的溯源效率。

该机制算法简单,系统节点之间不需复杂转换就可直接达成共识。

2.1.2 不变网络模型

电网系统需要通过不变网络的无线图模型,结合区块链POW 共识机制对电网运行数据中的时间序列进行拟合,构建电网系统的不变网络模型。过程中,电网系统中的时间序列对被映射成模型中的节点,通过一定的整合过程,组成电网系统的功能单元。

首先设定电网系统中存在A、B2个电流强度,二者之间的关系如式(3)所示

式中:A、B2个电流强度在t时刻的产生数值标记成xt( ) 和yt( ) ;时间序列在t时刻的时刻数值标记成m和n;模型系数为ai和bi;A、B之间的电流延时标记成k;二者在逼近状态T下的强度值为φt( ) ;电流系数为θ。

根据上述计算结果,采用最小二乘法[8]获取模型预测值与实际值之间的拟合误差,结果如式(4)所示

式中:时间序列的平均值标记成;电网系统模型的预测值标记成( ) ;模型拟合程度用F_netθ( ) 形式表示;时间序列的数量为N。

将F_netθ( ) ≥70设定为时间序列之间存在的不变链接,并依据模型的大小对成m、n、k的取值范围进行划定,根据划定的取值范围完成时间序列不变链接的检测,结果如式(5)所示

式中:时间序列不变链接检测值为R t( ) ;不变网络模型的拟合误差标记成εmax。

2.2 注入温室气体排放因子

利用半监督的传播算法,将上述获取的电网系统排放因子注入进不变网络模型中。设定不变网络模型中的时间节点为M,排放因子为Fi,模型的扩散过程如下。

(1)依据模型中时间序列节点之间的不变连接,生成邻接矩阵W,生成矩阵过程中,有下列几种情况。

当时间序列xi和xj之间存在不变链接,则二者之间矩阵Wij=1;当xi和xj之间无法生成不变链接时,Wij为0。设定Wii=0,以此避免模型进行自身传播。

(2)基于上述分析结果,构建邻接矩阵W的标准化矩阵,结果如式(6)所示

式中:对角矩阵标记为D,对称矩阵为W,标准化矩阵为。

(3)进行排放因子注入建模。首先需要将电网年均排放因子的数值与总排放因子的数值进行计算,获取模型的约束条件,过程如式(7)所示

式中:约束因子标记成α;排放因子在0时刻的排放的温室气体量为F0( ) ;Wii为矩阵中第i行第i的排放量。

(4)设定能够容纳的排放因子极限为F*,根据式(8)获取扩散后的排放因子扩散程度

式中:电网中第t时刻的排放因子标记为F t( ) ;扩散系数标记成I形式。

2.3 局部拟合

基于上述的排放因子扩散结果,将排放因子进行排序处理,排名越高说明该排放因子排放的温室气体量越高。

将排列顺序与该电网系统的时间序列进行拟合,从而完成对电网温室气体排放数据的溯源。二者之间的拟合程度如式(9)所示

式中:电网系统中排放温室气体最高的n个节点以及m个组件的组合标记成VD;温室气体的实际排放量为N,扩散后的排放量为N′;xi节点注入排放因子后标记为of_xi形式;欧氏距离标记为D(N) ;余弦距离标记为cos(N) 。

设定fitscorexi为电网排放因子与时间序列的拟合分数,并通过式(10)完成拟合分数的计算

式中:归一化函数[9]标记为Norm;各个排放因子的排放量标记成N;扩散后的排放量;获取的拟合分数越低,说明拟合效果越好;xi为根源性的时间序列的可能性就越大。最后,通过计算出的拟合分数,完成对电网温室气体排放数据的溯源。

3 试验与结果

为了验证上述温室气体排放数据溯源方法的整体有效性,需要对此方法进行测试。

3.1 试验情况

为了验证基于区块链的电网温室气体排放数据溯源技术的有效性,对其进行了一次实验分析。测试的环境是:i5-23203.00 GHz的i5-23203.00 GHz处理器、4 GB 内存、Windows7旗舰版本64位操作系统、postgreSQL9.1.3、Java语言编写程序。分别采用基于区块链的电网温室气体排放数据溯源技术(方法1)、安全有效的无线传感器网络溯源数据方法(方法2)、基于分布式MySQL 的PC构件数据溯源方法设计(方法3)进行测试。

3.2 结果及分析

(1)系统的所在环境,对数据溯源时间会产生一定的影响。设定高温环境为环境1,低温环境为环境2,采用方法1、方法2以及方法3对数据的溯源时间进行测试,测试结果如图1所示。

图1 不同方法的数据溯源时间检测结果

分析图1可知,数据数量的不同,系统数据的溯源时间也不相同。整体来看,低温环境中所检测出的溯源时间要高于高温环境,方法3是3种方法中,溯源时间最长的溯源方法。方法2虽然检测出的溯源时间低于方法3,但是不论在高温环境中,还是在低温环境中,所检测出的溯源时间皆高于方法1。方法1所检测出的溯源时间低于方法2以及方法3。因此,方法1在进行系统数据溯源时的溯源时间短。

(2)系统在进行数据溯源时,会对系统的吞吐量产生影响。采用方法1、方法2以及方法3对系统吞吐量进行测试,测试结果如图2所示。

图2 不同方法在数据溯源时的电网吞吐量检测结果

分析图2可知,随着溯源时间的不断增长,系统的吞吐量出现不同程度的下降趋势。综合来看,在低温环境中,溯源时间对系统的吞吐量影响较大,高温环境中,溯源时间对系统的吞吐量影响低于低温环境。方法1在数据溯源时,对系统吞吐量产生的影响小于其他2种方法。由此可知,方法1 在进行电网温室气体排放数据溯源过程中,对电网系统吞吐量产生的影响小。

(3)基于上述试验结果,对方法1、方法2和方法3对数据溯源过程中的可靠性进行分析,实验结果如图3所示。

图3 不同溯源方法的可靠性检测结果

分析图3可知,随着实验次数的不断增加,3种溯源方法的可靠性均有所下降。实验初期,3种方法检测出的可靠性差距不明显,但是随着实验次数的增加,3种溯源方法的可靠性出现差距,方法3的可靠性较差,方法2检测出的可靠性高于方法3,方法1的可靠性较其他2种方法来看,高于其他2种方法。这主要是因为方法1在进行数据溯源前,分析了数据的影响因素,所以该方法在数据溯源时的可靠性高。

4 结论

由于电网温室气体排放数据溯源方法中存在溯源时间长等问题,提出一种基于区块链的电网温室气体排放数据溯源技术。利用简单的OM 法对电力系统的简单电量边际排放因子进行获取,通过节点列表共识算法,获取了动态数据的溯源机制,通过不变网络的无线图模型,结合区域块共识机制对电网运行数据中的时间序列进行拟合,构建电网系统的不变网络模型。实现对电网温室气体排放数据的溯源,该方法由于在排放因子注入过程中还存在一定问题,今后会针对该项缺陷继续对该方法进行优化。