基于区块链和博弈论的碳交易多方定价机制研究与系统设计

随着全球气候变化问题的日益突出,碳交易作为一种重要的环保手段逐渐受到广泛关注。在碳交易中,多方定价机制被广泛应用。本文探讨了基于区块链和博弈论的碳交易多方定价机制设计。通过使用区块链技术记录碳交易的信息和智能合约实现自动化执行和多方协作,该机制可以增加碳交易的透明度和可信度。通过基于博弈论的多方定价机制帮助找到最优的定价策略,以实现碳交易的公平和合理。同时,还采用机器学习和数据分析技术,根据历史交易数据对碳交易单价及市场未来趋势进行预测,为交易者带来更精确的参考建议。此外,本文还设计并实现了一个基于区块链和博弈论的碳交易系统,并且对该系统的可行性进行了验证,证明了最优的定价策略在该系统中是可行的。已确认并按要求修改     

基于模型预测控制的含多微电网的能源互联网分布式协同优化

研究了预测不确定性条件下含多个微电网的能源互联网分布式协同调度策略.各微电网都拥有多种智能负荷,如功率可调负荷、可调度负荷和关键负荷;部分微电网含有分布式电源,如微型燃气轮机、风电机组、光伏发电系统等;且部分微电网还拥有储能设备,如电池储能系统.每个微电网都可当做一个独立的实体,拥有自己的运行目标,这些运行目标可表示成混合整数规划模型.提出了基于并行分布式优化的博弈模型以较小的信息通信量协调各微电网带有竞争性的运行目标.在此基础上,引入模型预测控制（MPC）机制以降低能源互联网中风、光等可再生能源输出、负荷需求及电价波动的不确定性产生的不利影响.算例证明了本文所提方法的可行性和有效性.     

基于博弈论能耗均衡的WSN非均匀分簇路由协议

在无线传感器网络(WSN)的分簇路由算法中,节点间能耗不均容易引发 “能量空洞”现象,影响整个网络的性能。针对这个问题,提出了一种基于博弈论能耗均衡的非均匀分簇路由(GBUC)算法。该算法在分簇阶段,采用非均匀分簇结构,簇的半径由簇头到汇聚节点的距离和剩余能量共同决定,通过调节簇头在簇内通信的能耗和转发数据的能耗来达到能耗的均衡;在簇间通信阶段,通过建立一个以节点剩余能量和链路可靠度为效益函数的博弈模型,利用其纳什均衡的解来寻找联合能耗均衡、链路可靠性的最优传输路径,从而提高网络性能。仿真结果表明:与能量高效的非均匀分簇(EEUC)算法和非均匀分簇节能路由(UCEER)算法相比,GBUC算法在均衡节点能耗、延长网络生命周期等性能方面有显著的提高。     

微电网耦合碳捕集封存与需求响应的多时间尺度鲁棒优化调度

随着可再生能源的普及,微电网成为了一个可持续能源供应的重要工具。然而,由于其源荷多不确定性和碳排放挑战,优化调度成为了一个难题。本文提出了一种基于储液式碳捕集封存和需求响应的多时间尺度鲁棒优化调度方法,旨在降低微电网的碳排放和提高其运行性能。该方法在日前阶段以1小时时间间隔进行调度,采用鲁棒优化处理不确定性中的低频分量,同时结合碳捕集技术和需求响应以促进调度计划的低碳经济性。日内阶段以15分钟时间间隔进行调度,采用模型预测控制跟踪并滚动修正日前鲁棒经济调度计划,以应对源荷预测误差和不确定性中的高频分量,确保微电网实际功率平衡。仿真分析表明,这种方法可以显著降低微电网的总成本和碳排放量,提高了微电网的运行性能和可持续性。     

基于深度强化学习的微电网在线优化调度

提出一种基于深度强化学习的微电网在线优化调度策略.针对可再生能源的随机性及复杂的潮流约束对微电网经济安全运行带来的挑战,以成本最小为目标,考虑微电网运行状态及调度动作的约束,将微电网在线调度问题建模为一个约束马尔可夫决策过程.为避免求解复杂的非线性潮流优化、降低对高精度预测信息及系统模型的依赖,设计一个卷积神经网络结构学习最优的调度策略.所提出的神经网络结构可以从微电网原始观测数据中提取高质量的特征,并基于提取到的特征直接产生调度决策.为了确保该神经网络产生的调度决策能够满足复杂的网络潮流约束,结合拉格朗日乘子法与soft actor-critic,提出一种新的深度强化学习算法来训练该神经网络.最后,为验证所提出方法的有效性,利用真实的电力系统数据进行仿真.仿真结果表明,所提出的在线优化调度方法可以有效地从数据中学习到满足潮流约束且具有成本效益的调度策略,降低随机性对微电网运行的影响.     

多源多变换微电网系统建模与动态稳定分析方法

微电网内部电力电子变换器接口型分布式电源广泛存在.电力电子接口微源具备与传统电力系统电源拓扑结构、控制方法和动态特性的差异性,控制方法的多样性、电力电子接口微源高渗透率将给低惯量微电网的协调控制和安全稳定运行带来严峻的挑战.多类型微源、多类型负荷在微电网内混合共存,可能引发源源耦合交互、负荷间交互以及源荷交互,不同特性的设备间相互作用将重新塑造区别与传统电力系统的动态响应特性,并诱发稳定性问题.本文首先归纳总结可再生能源渗透率不断提升下多源多变换微电网典型运行特性和存在的稳定性问题,详细阐述了含风光柴储多源多变换接口的微电网模块化动态建模方法.在此基础上,给出了用于微电网动态稳定分析的特征值分析方法和基本步骤.以珠海东澳岛多源多变换智能微电网为对象,基于提出的动态建模方法和动态稳定分析方法,给出建模与分析讨论结果.论文对多源多变换微电网系统动态稳定分析方法的论述可为微电网的广泛推广和应用提供建模和分析理论基础.     

协作通信中基于斯塔科尔伯格博弈的物理层安全分析

物理层安全不是利用传统的密钥加密,而是利用信道的传输特性使得合法的通信双方实现安全传输的方法。无线协作通信中节点行为对物理层安全的影响是至关重要的。本文应用斯塔科尔伯格博弈模型研究节点之间的利益,在中继自私的协作放大转发网络中,得到网络中节点之间的效用平衡的最优解存在条件,并提出一种分布式算法,找到网络平衡下的最优安全性能解。     

基于公交网络的车载群智感知方法及其优化

公交车具有固定的行驶路线和发车周期、统一的车载设备标准、低隐私泄露风险等特性。根据公交车的特性,设计了一个基于公交网络的车载群智感知系统,系统中的数据中心通过公交网络中的公交车来采集城市数据,以满足数据用户的需求;随后研究系统中的任务分配问题和数据交易问题。基于贪婪算法设计优化任务分配策略以最小化系统的数据采集能耗成本,和根据博弈论设计最优数据交易策略以最大化系统的经济效益。最后通过仿真,验证了提出的策略的有效性和优越性。     

Distributed Secondary Control and Optimal Power Sharing in Microgrids

We address the control problem of microgrids and present a fully distributed control system which consists of primary controller, secondary controller, and optimal active power sharing controller. Different from the existing control structure in microgrids, all these controllers are implemented as local controllers at each distributed generator. Thus, the requirement for a central controller is obviated. The performance analysis of the proposed control systems is provided, and the finite-time convergence properties for distributed secondary frequency and voltage controllers are achieved. Moreover, the distributed control system possesses the optimal active power sharing property. In the end, a microgrid test system is investigated to validate the effectiveness of the proposed control strategies.      

Cross‐layer security design for encrypted CPS based on modified security signalling game

Recent years have witnessed increasing cyber and physical attacks against encrypted cyber‐physical system (CPS) and the ensuing catastrophic consequences. A modified security signaling game (MSSG) model is proposed for capturing attack‐defense interactions and analyzing the cross‐layer security of encrypted CPS. Cyber real‐time performance and physical control performance are both considered in cross‐layer utility function. Theorems concerning the existence of pure‐strategy and mixed‐strategy perfect Bayesian Nash equilibrium (PBNE) are provided, based on which a cross‐layer security design algorithm is proposed for defender's optimal strategy against potential attacks. A numerical case is studied with the effectiveness of our method being proved.     

A self-interested distributed economic model predictive control approach to battery energy storage networks

In this work, a dissipativity based distributed economic model predictive control (DEMPC) approach is developed for the operation of battery energy storage (BES) networks in residential microgrids. With the presence of a microgrid power market (MPM), control of the BES systems is formulated as a self-interested distributed control problem, as individual DEMPC controllers minimize their local economic cost functions based on the price prediction of MPM. Due to the intermittent nature of photovoltaic (PV) power generations and load demands, the DEMPC without proper coordination or constraints may lead to excessive energy trading and price oscillations in MPM. To solve this problem, dissipativity theory with dynamic supply rates is adopted in this paper to deal with the interactions between individual users and the MPM. The microgrid-wide performance requirement of attenuation of the net power fluctuations with respect to time-varying PV generation and demands, is converted into the dissipative trajectory constraints imposed on individual DEMPC controllers. The proposed approach is scalable as it does not require online iterative optimizations across the controller network. A case study is presented to illustrate the proposed method.     

基于贝叶斯序贯博弈模型的智能电网信息物理安全分析

智能电网是利用信息技术优化从供应者到消费者的电力传输和配电网络.作为一种信息物理系统（Cyber-physical system，CPS），智能电网由物理设备和负责数据计算与通信的网络组成.智能电网的诸多安全问题会出现在通信网络和物理设备这两个层面，例如注入坏数据和收集客户隐私信息的网络攻击，攻击电网物理设备的物理攻击等.本文主要研究了智能电网的系统管理员（防护者）如何确定攻击者类型，从而选择最优防护策略的问题.提出了一种贝叶斯序贯博弈模型以确定攻击者的类型，根据序贯博弈树得到博弈双方的均衡策略.首先，对类型不确定的攻击者和防护者构建静态贝叶斯博弈模型，通过海萨尼转换将不完全信息博弈转换成完全信息博弈，得到贝叶斯纳什均衡解，进而确定攻击者的类型.其次，考虑攻击者和防护者之间的序贯博弈模型，它能够有效地帮助防护者进行决策分析.通过逆向归纳法分别对两种类型的攻击者和防护者之间的博弈树进行分析，得到博弈树的均衡路径，进而得到攻击者的最优攻击策略和防护者的最优防护策略.分析表明，贝叶斯序贯博弈模型能够使防护者确定攻击者的类型，并且选择最优防护策略，从而为涉及智能电网信息安全的相关研究提供参考.     

基于分布式深度强化学习的微电网实时优化调度

随着海量新能源接入到微电网中, 微电网系统模型的参数空间成倍增长, 其能量优化调度的计算难度不断上升. 同时, 新能源电源出力的不确定性也给微电网的优化调度带来巨大挑战. 针对上述问题, 本文提出了一种基于分布式深度强化学习的微电网实时优化调度策略. 首先, 在分布式的架构下, 将主电网和每个分布式电源看作独立智能体. 其次, 各智能体拥有一个本地学习模型, 并根据本地数据分别建立状态和动作空间, 设计一个包含发电成本、交易电价、电源使用寿命等多目标优化的奖励函数及其约束条件. 最后, 各智能体通过与环境交互来寻求本地最优策略, 同时智能体之间相互学习价值网络参数, 优化本地动作选择, 最终实现最小化微电网系统运行成本的目标. 仿真结果表明, 与深度确定性策略梯度算法(Deep Deterministic Policy Gradient, DDPG)相比, 本方法在保证系统稳定以及求解精度的前提下, 训练速度提高了17.6%, 成本函数值降低了67%, 实现了微电网实时优化调度.     

基于精确分类和最优匹配机制微电网交易决策方法

随着国家对电力市场改革的不断推进和售电市场的优化,微电网将成为未来电能发展和电网运营管理改革的重要载体。为了提升产消者和消费者的订单匹配效率以及经济效益,首先提出了一种基于区块链技术的微电网电能安全交易,利用双链完成交易双方信息的认证,并提出基于Shapley值分配合作博弈的定价策略。其次,对参与微电网交易的消费者进行精确分类,提高订单交易匹配效率。再次,在订单交易阶段提出基于总优先指数的匹配满意度函数,建立满意稳定的微电网交易双边匹配模型。最后,交易双方通过智能合约完成无第三方信任机构的交易结算。算例结果表明,基于区块链技术和最大满意度及稳定性的微电网交易方法可以完成微电网内部的直接交易,保证了微电网交易的稳定性,并提高了参与微电网交易双方的满意度及匹配稳定性。     

基于边缘计算的混合储能多微电网功率自适应控制

在微电网中,将多个双向接口变换器并联可提高微电网两侧的功率交换能力,但并联变换器的微电网难以有效控制。研究发现,微电网接入储能系统可以缓冲功率波动、降低功率控制难度。为保证微电网稳定运行,提高功率控制精度,本文提出了基于边缘计算的混合储能多微电网功率自适应控制方法。研究基于边缘计算技术,分析了混合储能多微电网结构,并构建了一个用于混合储能多微电网的自动管理平台。在此基础上,通过对母线实时电压的控制实现频率的调节,增强接口变换器的稳定性,以完成混合储能多微电网功率交互的调度与控制。在混合微电网中,我们接入储能系统,通过功率交换控制、自主功率分频自适应控制实现了混合储能多微电网的功率自适应控制。实验结果表明,所提方法在混合储能多微电网功率控制方面效果较好,有功功率控制误差较小,能够有效保证混合储能多微电网稳定运行,并提高功率自适应控制准确度。     

基于演化博弈的无线传感器网络分簇算法

针对无线传感器网络中节点负载过重与能耗不均衡而出现网络能量空洞的问题，基于演化博弈理论建立一种簇头竞选的博弈模型，同时提出一种基于演化博弈的无线传感器网络最优成簇算法。运用节点的剩余能量、数据接收能耗和数据转发能耗设计簇头演化博弈的收益函数，并将最优发射功率控制机制应用于簇成员的选择，从而形成稳定连通的网络分簇结构。仿真实验表明该算法平衡了节点负载，从而均衡网络能量，有效改善网络中过早出现能量空洞的问题，进而延长了网络生存时间。     

移动边缘计算中基于Stackelberg博弈的算力交易与定价

针对移动边缘计算中轻量级智能设备计算和存储能力有限等问题，提出一种基于Stackelberg博弈的计算卸载解决方案。首先，结合区块链技术构建基于云挖掘机制的算力交易模型——CPTP-BSG，允许移动智能设备（矿工）将密集且复杂的计算任务卸载到边缘服务器；其次，将矿工与边缘计算服务提供商（ESP）之间的算力交易建模为一个两阶段的Stackelberg博弈过程，并构建矿工与ESP的预期利润函数；然后，使用逆向归纳法分别在统一定价和歧视性定价策略下分析纳什均衡解的存在性和唯一性；最后，提出一种低梯度迭代算法来实现矿工和ESP的利润最大化。实验结果证明了所提算法的有效性，并且与统一定价相比，歧视性定价更符合矿工的个性化算力需求，能达到更高的算力需求总量和ESP利润。     

移动边缘计算中基于Stackelberg博弈的算力交易与定价

针对移动边缘计算中轻量级智能设备计算和存储能力有限等问题,提出一种基于Stackelberg博弈的计算卸载解决方案。首先,结合区块链技术构建基于云挖掘机制的算力交易模型——CPTP-BSG,允许移动智能设备（矿工）将密集且复杂的计算任务卸载到边缘服务器;其次,将矿工与边缘计算服务提供商（ESP）之间的算力交易建模为一个两阶段的Stackelberg博弈过程,并构建矿工与ESP的预期利润函数;然后,使用逆向归纳法分别在统一定价和歧视性定价策略下分析纳什均衡解的存在性和唯一性;最后,提出一种低梯度迭代算法来实现矿工和ESP的利润最大化。实验结果证明了所提算法的有效性,并且与统一定价相比,歧视性定价更符合矿工的个性化算力需求,能达到更高的算力需求总量和ESP利润。     

基于优化通信质量的PEGASIS协议改进算法

在传统的PEGASIS（power efficient gathering in sensor information system）协议基础上,提出一种可优化全网通信质量的改进算法。新算法在链头生成阶段借鉴了蚁群相遇算法原理,采用双链头成链方法进行数据传输,大大缩短了单链路网络的通信时延;在拓扑成链的过程中引入距离阈值作为限定权重,进而计算出基于能耗均衡与通信质量的最优路径。实验结果表明,该算法有效地优化了整体网络的通信质量。     

A Stackelberg game-theoretic approach to optimal real-time pricing for the smart grid

This paper proposes a Stackelberg game approach to maximize the profit of the electricity retailer (utility company) and minimize the payment bills of its customers. The electricity retailer determines the retail price through the proposed smart energy pricing scheme to optimally adjust the real-time pricing with the aim to maximize its profit. The price information is sent to the customers through a smart meter. According to the announced price, the customers can automatically manage the energy use of appliances in the households by the proposed optimal electricity consumption scheduling system with the aim to minimize their electricity bills. We model the interactions between the retailer and its electricity customers as a 1-leader, N-follower Stackelberg game. At the leader’s side, i.e., for the retailer, we adopt genetic algorithms to maximize its profit while at the followers’ side, i.e., for customers, we develop an analytical solution to the linear programming problem to minimize their bills. Simulation results show that the proposed approach is beneficial for both the customers and the retailer.