趙思翔，王亞超，巨漢基，胡天舒，褚鳳鳴

(1. 國網(wǎng)冀北營銷服務(wù)中心(資金集約中心、計量中心)，北京市 102208；2. 北京化工大學(xué)機電工程學(xué)院，北京市 100029)

0 引 言

在2030年實現(xiàn)“碳達峰”、2060年實現(xiàn)“碳中和”目標背景下，低碳化、清潔化、電氣化成為未來主要的能源利用形式[1]。在國家政策的支持下，具備能源利用效率高、污染氣體排放少等特性的電動汽車大規(guī)模發(fā)展[2]。但是隨著電動汽車大規(guī)模的發(fā)展，由于電動汽車充電的隨機性與不確定性，拉大了電網(wǎng)的峰谷差，給電網(wǎng)的安全穩(wěn)定運行帶來了新的挑戰(zhàn)[3]。因此，通過研究電動汽車的協(xié)調(diào)運行，實現(xiàn)電網(wǎng)安全穩(wěn)定發(fā)展成為國內(nèi)外學(xué)者的研究重點。

關(guān)于電動汽車的協(xié)調(diào)運行主要集中于電動汽車的有序充放電方面，文獻[4]考慮充電連續(xù)與滿足充電需求等約束條件，以公交電動汽車為研究對象，構(gòu)建了結(jié)合最優(yōu)車次鏈的有序充電模型。文獻[5]基于分時電價，以電動公交汽車運行成本最小化為目標函數(shù)，設(shè)計最優(yōu)充電策略。除了對電動公交車進行研究，文獻[6]同樣考慮分時電價，提出了一種私人電動汽車有序充放電策略，用以解決居民區(qū)額定容量不足的問題。文獻[7]優(yōu)化分時電價機制，提出一種電價與充放電負荷實時聯(lián)動的實時電價機制，優(yōu)化私人電動車的充放電策略。文獻[8-9]在信息間隙決策理論的基礎(chǔ)上，考慮電動汽車充電的不確定性，構(gòu)建了考慮電動汽車的主動配電網(wǎng)優(yōu)化調(diào)度模型，用以降低峰谷差?，F(xiàn)有研究在分時電價的基礎(chǔ)上，重點考慮電動汽車的集中協(xié)調(diào)控制調(diào)度，但是隨著電動汽車的不斷發(fā)展，規(guī)模不斷提升，集中協(xié)調(diào)控制將帶來運行效率低下、中心化運行成本提高、信息泄露、信任風(fēng)險等問題[10-11]。

而區(qū)塊鏈技術(shù)具備去中心化、不容易篡改的特性，各學(xué)者逐漸將區(qū)塊鏈技術(shù)引入到電動汽車的管理及充電交易過程中[12-13]。文獻[14]以電動汽車與充電站為研究對象，利用區(qū)塊鏈技術(shù)進行兩者之間的充電交易結(jié)算。在文獻[14]的基礎(chǔ)上，文獻[15]將電動車聯(lián)盟集合成電動汽車聚合商，應(yīng)用區(qū)塊鏈平臺設(shè)計電動汽車聚合商與充電站之間的充電交易策略，并通過算例驗證了應(yīng)用區(qū)塊鏈技術(shù)給電動汽車車主帶來極大的便利，但是缺乏對電動汽車有序充電的考慮，給電網(wǎng)的運行帶來了安全問題。文獻[16]則將區(qū)塊鏈中的智能合約引入電動汽車聚合商與電動汽車車主的交易中，實現(xiàn)了電動汽車聚合商收益最大化與電動汽車車主購電成本最小化，但是忽略了電動汽車聚合商與電動汽車充電站之間的交互關(guān)系。文獻[17-18]在區(qū)塊鏈的基礎(chǔ)上，提出考慮多電動汽車代理商管理電動汽車車主的交易策略，但關(guān)于具體的實現(xiàn)架構(gòu)并未闡述。文獻[19-20]結(jié)合區(qū)塊鏈技術(shù)與多重簽名對配電網(wǎng)與充電站之間的交易進行了研究。

現(xiàn)有研究證實了區(qū)塊鏈引入電動汽車交易的有效性，但是在研究過程中一方面缺少對電動汽車車主充電的有序引導(dǎo)；另一方面研究主體未涉及到配電系統(tǒng)、充電站、電動汽車車主三方交易的協(xié)調(diào)優(yōu)化，現(xiàn)有研究僅涉及其中兩方。

基于此，本文以電網(wǎng)、電動汽車充電站、電動汽車車主為研究對象，首先基于區(qū)塊鏈設(shè)計電網(wǎng)-充電站-車主協(xié)同的兩階段交易優(yōu)化框架；然后，在第一階段構(gòu)建基于充電權(quán)的電網(wǎng)-電動汽車充電樁交易優(yōu)化模型，確定充電樁的充電權(quán)；其次在第二階段構(gòu)建基于需求響應(yīng)的電動汽車充電樁-車主交易優(yōu)化模型，確定車主的需求響應(yīng)，引導(dǎo)電動汽車車主有序充電；最后進行算例分析，實現(xiàn)電網(wǎng)、電動汽車充電站、電動汽車車主三方的協(xié)同優(yōu)化。

1 基于區(qū)塊鏈的電動汽車充電樁兩階段交易優(yōu)化框架

由于區(qū)塊鏈技術(shù)具有不易篡改、去中心化特點，適用于交易規(guī)模大、交易次數(shù)多、注重隱私保護的充電服務(wù)場景。因此引入?yún)^(qū)塊鏈解決大規(guī)模電動汽車接入電網(wǎng)給電網(wǎng)帶來的有序控制難題，以及現(xiàn)有充電站充電設(shè)備閑置、電動汽車車主充電難、隱私泄露等問題?；趨^(qū)塊鏈，分兩階段優(yōu)化電動汽車充電站的充電交易策略，交易優(yōu)化框架如圖1所示。在電動汽車充電樁兩階段交易優(yōu)化中涉及電網(wǎng)節(jié)點、電動汽車充電樁節(jié)點、電動汽車車主節(jié)點，僅授權(quán)的節(jié)點能接入到優(yōu)化系統(tǒng)中。

圖1 電動汽車充電樁兩階段交易優(yōu)化框架Fig.1 Two-stage transaction optimization framework for electric vehicle charging piles

第一階段為電網(wǎng)-充電站交易優(yōu)化模型，當區(qū)域電網(wǎng)中接入大規(guī)模電動汽車充電負荷后，由于電動汽車充電負荷具有較大的不確定性，容易造成輸變電設(shè)備過載。因此在第一階段中以充電裕度為約束條件，若各充電站提交的充電需求未超過充電裕度，則按照各充電站提交的充電需求分配充電權(quán)；若超過充電裕度，則電網(wǎng)按照各充電站提交的功率需求與總功率需求的比值以及信譽值的占比分配充電權(quán)。但是由于各充電站之間需求不一致，充電需求強烈的充電站可向充電需求較弱的其他充電站購買充電權(quán)，據(jù)此引入雙向交易與P2P交易，使得各充電站之間可開展充電權(quán)交易，關(guān)于充電權(quán)交易具體見第2節(jié)。

第二階段為充電站-車主交易優(yōu)化模型。由于安裝在充電站處的智能電表(可運行區(qū)塊鏈)能夠檢測充電站的實際充電需求，當充電站獲得的充電權(quán)與實際的充電需求不一致時，電網(wǎng)為了維持穩(wěn)定運行，會對充電站進行罰款。而充電站為了避免高額罰款，通過設(shè)計分時電價，引導(dǎo)電動汽車車主調(diào)整充電需求，實行需求響應(yīng)，據(jù)此在充電站與電動汽車車主之間引入雙向交易，關(guān)于需求響應(yīng)交易具體見第3節(jié)。

2 基于充電權(quán)的電網(wǎng)-電動汽車充電樁交易優(yōu)化模型

為了滿足電網(wǎng)設(shè)備容量裕度的約束條件，對電網(wǎng)-電動汽車充電樁交易進行優(yōu)化，具體包括充電權(quán)交易匹配階段、充電權(quán)交易執(zhí)行階段、充電權(quán)交易結(jié)算階段。

2.1 充電權(quán)交易匹配模型

以07:00—07:20對07:30—08:00之間的充電權(quán)分配為例，其中交易匹配階段完成時間段為07:00—07:05。根據(jù)圖1可知，電網(wǎng)與電動汽車充電樁在交易匹配階段，主要分成4個步驟。

第1步：各充電站根據(jù)歷史充電情況對充電需求進行預(yù)測，并提交充電功率以及身份信息。以此發(fā)起電網(wǎng)與各充電站之間的交易。

第2步：根據(jù)各充電站發(fā)起的交易申請，交易背書節(jié)點對各充電站的身份信息進行驗證，并由礦工計算各充電站的信譽值。各充電站的信譽值由分配信譽值與支出信譽值組成。

(1)

(2)

2)支出信譽值。支出信譽值衡量充電站支付守信程度，用支出偏差率表征，當實際支付的費用等于應(yīng)該支出的費用，則對電動充電樁予以獎勵，支出信譽值加1分；當兩者不相等時，對累積的支出信譽值進行扣減，具體如式(3)所示：

(3)

(4)

(5)

式中：φi,cp,t為充電站i在t時刻的信譽補償費用；αcp為單位信譽值偏差的補償費用。

第3步：根據(jù)礦工計算的充電裕度與信譽值分配初始充電權(quán)。當充電裕度大于提交的充電需求時，按照各充電站提交的充電需求分配充電權(quán)；否則，按照各充電站信譽值占總體信譽值的比例與額定功率占總功率的比例進行分配，具體如式(6)、(7)所示：

(6)

(7)

第4步：由于初始充電權(quán)按照信譽值與額定功率進行分配，未考慮各充電站充電的意愿程度，所以基于初始充電權(quán)，各充電站可以決定是否繼續(xù)參加充電權(quán)的雙向交易。若繼續(xù)進行雙向交易，則進入到雙向交易環(huán)節(jié)，否則進入交易結(jié)算環(huán)節(jié)，在區(qū)塊鏈中進行交易結(jié)算。

2.2 充電權(quán)交易執(zhí)行模型

充電權(quán)交易執(zhí)行時間為07:05—07:15之間，具體執(zhí)行過程分成4個步驟。

第1步：在07:05，繼續(xù)參加雙向交易的充電站提交需要購買或售出的充電權(quán)數(shù)量與報價。其中充電站數(shù)量與報價是如下優(yōu)化問題的結(jié)果，目標函數(shù)為充電站收益最大化。

maxRi,cp,t=max(Si,cp.t-Ci,cp,t-φi,cp,t)

(8)

(9)

充電站參與雙向交易還受到充電權(quán)交易守恒、容量裕度、交易上限等約束，其中充電權(quán)交易守恒約束是指各充電站之間出售的充電權(quán)應(yīng)該等于購買的充電權(quán)，如式(10)所示；容量裕度約束是指所有充電站參與雙向交易后最新獲得的充電權(quán)應(yīng)該不大于電網(wǎng)此時的容量裕度，如式(11)所示；交易上限約束是指出售方出售的充電權(quán)應(yīng)該不大于其擁有的充電權(quán)，如式(12)所示：

(10)

(11)

(12)

第2步：礦工將購方的充電權(quán)按照報價從高到低進行排列，將售方的充電權(quán)報價從低到高進行排列，取購方最高價格與售方最低價格的算術(shù)平均值為最后成交價格，具體如式(13)所示。區(qū)塊鏈按照此規(guī)則在07:05—07:10進行雙向交易出清，當購方最高價格低于售方最低價格時，雙向交易停止，并根據(jù)交易結(jié)果更新各充電站的充電權(quán)數(shù)量。

(13)

第3步：雙向交易出清后，無法出清的購方與售方?jīng)Q定是否調(diào)整報價，若修改報價則進入P2P交易；否則結(jié)束交易，進入交易結(jié)算階段。進入P2P交易的購方與售方于07:10提交參與P2P交易的充電權(quán)數(shù)量與價格，若在P2P交易市場上購方和售方均不調(diào)整，則P2P市場上沒有交易量；若有調(diào)整，則有可能達成交易。其中充電站充電權(quán)數(shù)量與報價的修改是如下優(yōu)化問題的結(jié)果，目標函數(shù)為充電站收益最大化，約束條件同式(10)—(12)。

maxR′i,cp,t=max(S′i,cp,t-C′i,cp,t-φi,cp,t)

(14)

(15)

第4步：根據(jù)購方與售方調(diào)整結(jié)果，于07:10—07:15在區(qū)塊鏈上進行交易。當調(diào)整后的購方最高價格低于售方最低價格時，P2P交易停止，并在區(qū)塊鏈上更新各充電站的充電權(quán)數(shù)量。

2.3 充電權(quán)交易結(jié)算模型

P2P交易停止后，進入充電權(quán)交易結(jié)算階段，交易結(jié)算時間為07:15—07:20。具體結(jié)算過程分為4個步驟。

(16)

(17)

(18)

第4步：由礦工確認向電網(wǎng)、在雙向交易市場、P2P市場付款情況，若付款成功，則在區(qū)塊鏈上充電站相應(yīng)的節(jié)點地址修改為True，否則為False。同時根據(jù)付款結(jié)果，在區(qū)塊鏈上調(diào)用充電站信譽值函數(shù)，更新各充電站的綜合信譽值。

3 基于需求響應(yīng)的電動汽車充電樁-車主交易優(yōu)化模型

基于電網(wǎng)-電動汽車充電樁優(yōu)化結(jié)果，可得到電動汽車充電樁的充電權(quán)，為了降低充電樁的懲罰費用，實現(xiàn)充電樁收益最大化，進一步進行電動汽車充電樁與車主之間的交易優(yōu)化。本節(jié)將電動汽車充電樁-車主之間的交易優(yōu)化模型分為交易匹配階段、交易執(zhí)行階段、交易結(jié)算階段。

3.1 交易匹配模型

電動汽車充電樁與車主在交易匹配階段，主要分成3個步驟。

第1步：由用戶提交充電需求，包括充電時間、充電功率以及身份信息。為了防止用戶虛報充電需求，用戶充電需求不能超過電動汽車容量的最大值，如式(19)所示。以此發(fā)起電動汽車充電樁與車主之間的交易申請。

PEV,m·Δt≤EEV,m

(19)

式中：PEV,m為電動汽車m上報的充電需求功率；Δt為充電時長；EEV,m為電動汽車m的電池容量。

第2步：根據(jù)車主發(fā)起的交易申請，交易背書節(jié)點對車主的身份信息進行驗證，并由礦工計算車主的信譽值。車主信譽值由行為信譽值、充電信譽值、支出信譽值三方面構(gòu)成。

1)行為信譽值。行為信譽值衡量車主到達充電站充電的準時情況，用行為偏差率來表征，行為偏差率即為實際充電時間與預(yù)約充電時間的差值與預(yù)約充電時間的比值。行為信譽值的計算如式(20)所示。當行為偏差率在[-3%,3%]之內(nèi)，則對電動車主予以獎勵，行為信譽值加1分；當偏差率在(-10%,-3%]∪(3%,10%]，則行為信譽值不增不減；當偏差率大于10%或小于-10%時，對累積的行為信譽值進行扣減。

(20)

(21)

3)支付信譽值。支付信譽值衡量電動汽車車主支付守信程度，用支出偏差率表征，當實際支付的費用等于應(yīng)該支出的費用，則對電動汽車車主予以獎勵，支出信譽值加1分；當兩者不相等時，對累積的支出信譽值進行扣減，具體如式(22)所示：

(22)

(23)

第3步：判斷電動汽車車主信譽值與交易信譽門檻值，當車主信譽值高于門檻值時，車主可以順利進行充電交易；否則會受到一定懲罰——繳納信譽補償，來完成本次充電交易，如式(24)所示：

(24)

3.2 交易執(zhí)行模型

電動汽車電池壽命主要受工作環(huán)境、電解液、電池內(nèi)部層析結(jié)構(gòu)等因素影響，且一次充電過程中多次暫停充電并不會影響電池壽命。本文假設(shè)電動汽車車主根據(jù)區(qū)塊鏈平臺信息中發(fā)布充電樁當時的分時電價制定電動汽車停車時段內(nèi)的充電交易策略，具體可以分為4個步驟。

第1步：充電站根據(jù)用戶提交的充電需求信息與獲得的充電權(quán)，在07:20—07:23制定多時段分時電價，最終使得充電站在保證較大交易量的同時獲得最大收益，優(yōu)化變量為充電站發(fā)布的需求響應(yīng)量，其目標函數(shù)為：

(25)

(26)

第2步：電動汽車根據(jù)自身充電時長，選擇是否參與需求響應(yīng)。首先計算電動汽車m充電至期望荷電狀態(tài)的充電時長，如式(27)所示。根據(jù)充電時長判斷是否有充足的?？砍潆姇r間參與需求響應(yīng)，如式(28)所示。

(27)

(28)

當電動汽車停靠時間滿足式(28)，表明該電動汽車可以參與需求響應(yīng)，否則無法參與需求響應(yīng)，并按照接入時段的充電電價進行交易。

第3步：在07:23—07:25，電動汽車車主制定參與需求響應(yīng)策略。車主會根據(jù)充電接入時段[tm,0,tm,1]內(nèi)的充電站公布的分時電價序列，制定車主所能接受的充電價格閾值pm,M，在充電過程中電價低于閾值進行充電，電價高于閾值則斷開充電，直至電量達到期望值，具體如式(29)所示：

(29)

第4步：當電動汽車累計充電達到期望荷電狀態(tài)時，則充電完成，此時累計充電負荷EEV,m(t)如式(30)所示，并將所有充電信息上傳至區(qū)塊鏈，完成交易結(jié)算。

(30)

3.3 交易結(jié)算模型

電動汽車充電交易結(jié)束后，進入繳費結(jié)算階段，具體結(jié)算過程分為3個步驟。

(31)

(32)

式中：ηn、PC,n分別為參與需求響應(yīng)的電動汽車n的充電效率和充電功率；tn,0、tn,1分別為電動汽車n的到達時間和離開時間。

由此得到一天內(nèi)充電站向電動汽車售電獲得的收益為：

(33)

式中：N1、N2分別表示一天內(nèi)不參與和參與需求響應(yīng)的電動汽車數(shù)量。

第3步：在07:28—07:30，由礦工確認充電站付款情況，若付款成功，則在區(qū)塊鏈上將充電站相應(yīng)的節(jié)點地址修改為True，否則為False。同時根據(jù)付款結(jié)果，在區(qū)塊鏈上調(diào)用充電站信譽值函數(shù)更新各電動汽車的綜合信譽值。

4 算例分析

4.1 基礎(chǔ)數(shù)據(jù)

以某地區(qū)10 kV的配電網(wǎng)進行算例分析，該配電網(wǎng)的容量為630 kV·A，變壓器的最大負載為560 kW，常規(guī)負荷為300 kW，則充電負荷的最大值為260 kW。在其中接入8個充電站，分別用C1、C2、C3、C4、C5、C6、C7、C8表示，各充電站的初始分配信譽值、支出信譽值、綜合信譽值分別如表1所示。

表1 各信譽值初始結(jié)果Table 1 Allocation result of initial reputation values

同時設(shè)置充電站信譽值門檻值為145，由表1可知，8個充電站全部通過信譽檢驗，能夠參與充電權(quán)交易。

充電站向電網(wǎng)購電價格實行峰谷分時電價，具體參數(shù)如表2所示[21]。單位偏差電量的分配信譽值扣減系數(shù)與單位偏差費用的支出信譽值扣減系數(shù)均為2。

表2 充電站向電網(wǎng)購電價格Table 2 Electricity purchase price of charging station from the grid

系統(tǒng)典型日基礎(chǔ)負荷曲線如圖2所示。

圖2 系統(tǒng)典型日基礎(chǔ)負荷曲線Fig.2 Typical daily base load curve of the system

4.2 結(jié)果分析

基于基礎(chǔ)數(shù)據(jù)，對兩階段的交易結(jié)果進行分析。

4.2.1 電網(wǎng)-充電站交易結(jié)果分析

1)交易結(jié)果。

根據(jù)電網(wǎng)的最大負荷負載260 kW以及各充電站的信譽值，按照式(6)—(7)對8個充電站進行初始充電權(quán)分配，如表3所示。

表3 初始充電權(quán)分配結(jié)果Table 3 Allocation result of initial charging rights

由表3可知，由于8個充電站提交的總體充電需求為375 kW，超過了電網(wǎng)的最大負載。因此，根據(jù)各充電站的額定功率與信譽值進行充電權(quán)的初始分配。

進行初始充電權(quán)分配后，充電站C1、C3、C6、C8購買充電權(quán)；充電站C2、C4、C5、C7出售充電權(quán)。得到充電站雙向交易結(jié)果，如表4所示。

表4 雙向交易結(jié)果Table 4 Results of two-way transaction

由表4可知，購方充電站C1、C8與售方充電站C2未能在雙向交易市場完成交易，這是因為此時購方充電站的最優(yōu)價格0.61元/(kW·h)小于售方最優(yōu)價格0.62元/(kW·h)，由此雙向交易市場停止，進入P2P市場。

由于充電站C1具有較強的購買充電權(quán)想法，于是在P2P市場C1調(diào)整自身充電權(quán)報價為0.62元/(kW·h)，C8報價不變，于是在P2P市場上C1與C2達成交易，交易量為C2的剩余量5.67 kW·h，C2獲得收入3.515 4元。

2)雙向市場與P2P市場對充電站影響。

為了分析雙向交易市場與P2P交易市場引入對各充電站的影響情況，設(shè)置如表5所示的3種情景進行分析。

相對于情景1，情景2與情景3中各充電站收益的變化情況如圖3所示。

表5 情景設(shè)置Table 5 Scenarios setting

圖3 充電站收益變化情況Fig.3 Changes in the revenue of charging stations

由圖3可知，與不引入雙向交易市場與P2P交易市場的情景1相比，引入雙向交易市場的情景2中，充電站C2、C3、C4、C5、C6、C7的收益均提高，這是因為購買充電權(quán)的C3、C6充電站能夠滿足更多的電動汽車充電需求，從而提高收益。而銷售充電權(quán)的充電站C2、C4、C5、C7能夠通過銷售充電權(quán)獲取額外收入，因此收益均提高，其中充電站C7收益率提高達7.26%。引入P2P市場的情景3與情景2相比，情景3中的充電站C1、C2收益提高，這是因為引入P2P市場后，充電站C1與C2達成了更進一步的交易。由此說明同時引入雙向交易市場能提高充電站收益。

4.2.2 充電站-電動汽車交易結(jié)果分析

根據(jù)該地區(qū)內(nèi)的典型日負荷曲線，通過公式(25)計算得到充電站所制定的全天分階段分時電價策略，如圖4所示(以充電站C3為例)。

由圖4可以看到，本文所提出的充電站全天多時段分時電價在傳統(tǒng)峰谷電價的基礎(chǔ)上進行了細分，更加精確地反映當天基礎(chǔ)負荷的起伏情況。

為了探究本文第二階段所提出來的基于需求響應(yīng)的充電站-電動汽車交易模型的應(yīng)用效果，分別設(shè)置電動汽車車主參與需求響應(yīng)(情景4)與不參與需求響應(yīng)(情景5)2種情景進行對比。分別對2種情景下的當?shù)刎摵勺兓闆r進行對比分析，設(shè)置電動汽車車主參與需求響應(yīng)時所接受的價格閾值pm,M=0.95元/(kW·h)，結(jié)果如圖5所示。

圖4 電動汽車分時電價對比Fig.4 Comparison of electric vehicle time-of-use price

圖5 地區(qū)分情景負荷曲線對比Fig.5 Comparison of load curves in regional scenarios

從圖5中可以看出該地區(qū)在電動汽車負荷加入后，情景4和情景5都大大降低了峰谷差。在傳統(tǒng)峰谷電價即情景5的情況下，電動汽車充電主要集中在00:00—08:00和20:00—24:00，在進入峰時段后，有電動汽車車主會選擇在此時段充電，由此使得系統(tǒng)負荷峰谷差由原來的248 kW降低至156 kW，有效降低了峰谷差距。在情景4下，通過設(shè)置各個時段分時電價，可以看出在00:00—08:00時段，此時充電價格較低，電動汽車充電負荷基本與情景5相同；進入10:00—13:00和17:00—21:00，由于受到充電價格閾值的限制，充電負荷明顯降低，所以此時充電負荷小于情景5下的充電負荷；在22:00之后充電價格不斷降低，電動汽車充電負荷開始快速增加，由此使得系統(tǒng)峰谷差由248 kW降低至128 kW，削峰填谷效果優(yōu)于情景5。

分別對比2種情境下充電站C3典型日內(nèi)的收益情況，如表6所示。

從表6可以看出，在情景4下，分時電價進一步細分到每個時段，絕大多數(shù)電動汽車車主會選擇采取充電價格閾值作為充電限制。由此導(dǎo)致電動汽車負荷在谷時段和部分平時段大幅增加，而此階段內(nèi)的電價高于谷電價，同時在傳統(tǒng)峰谷電價的基礎(chǔ)上，充電負荷更多集中在谷時段，最終形成情景4下充電站的售電收益略高于情景5下的。

表6 不同情景下充電站售電收益對比Table 6 Comparison of electricity sales revenue of charging stations under different scenarios

同時為了探究不同充電價格閾值情況下的充電站售電收益情況，將充電價格閾值作為變量進行仿真訓(xùn)練，結(jié)果如圖6所示。

圖6 充電價格閾值敏感性分析Fig.6 Sensitivity analysis of charging price threshold

由圖6可以看到，隨著充電價格閾值不斷增加，充電站的售電收益呈現(xiàn)先增加后減小的趨勢，在價格閾值小于0.9元/(kW·h)時，隨著價格閾值不斷增加，充電站收益快速增加，在[0.90,1.03]元/(kW·h)區(qū)間內(nèi)，收益增速明顯放緩，在1.03元/(kW·h)之后開始不斷下降。

4.2.3 信譽值與補償設(shè)置對充電站和電動汽車主的影響

圖7給出了分配信譽值、支出信譽值、信譽補償校驗對充電站的影響以及行為信譽值、充電信譽值、支付信譽值校驗對電動汽車車主的影響(分配信譽值、支出信譽值取8個電動汽車充電站分配信譽值、支出信譽值的平均值；行為信譽值、充電信譽值、支付信譽值取100輛電動汽車對應(yīng)類型信譽值的平均值)。

由圖7可知，信譽值與信譽補償校驗后，充電站和電動汽車車主的綜合信譽值提高。這是因為存儲在區(qū)塊鏈上的信息具有不易篡改的特性，數(shù)據(jù)具有可追溯特性。因此充電站和車主為了使自身與電網(wǎng)和充電站之間的交易不受信譽門檻值的影響，會盡力提高自身的綜合信譽值，同時信譽補償值的設(shè)置能夠提高充電站和車主的違約成本，由此激勵充電站按要求分配充電權(quán)與支付充電權(quán)購買費用，同時激勵車主根據(jù)自身實際情況進行預(yù)約充電，提高社會秩序。

圖7 信譽值設(shè)置對充電站和車主的影響Fig.7 The influence of reputation value setting on charging stations and car owners

5 結(jié) 論

本文圍繞含區(qū)塊鏈技術(shù)的電動汽車充電樁交易展開研究，設(shè)計了兩階段的交易優(yōu)化模型：第一階段引入雙向交易市場、P2P交易市場，在各個充電站之間進行充電權(quán)交易，構(gòu)建了電網(wǎng)與電動汽車充電樁交易模型；第二階段基于用戶需求響應(yīng)構(gòu)建了電動汽車充電樁與車主的交易模型，具體結(jié)論如下：

1)在各充電站之間引入雙向交易市場與P2P市場能提高各充電站收益。

2)在充電站與電動汽車車主的交易過程中將傳統(tǒng)分時電價進一步精確細分，車主根據(jù)自身需求響應(yīng)，通過充電價格閾值的設(shè)置，有效緩解了地區(qū)負荷峰谷差加劇的問題，同時提高了充電站的售電收益。

3)給電動汽車充電站與車主設(shè)置信譽值門檻，能夠提高各主體的綜合信譽值與社會秩序。