基于区块链驱动的认证加密技术的卡内蒂-克拉夫奇克安全泄漏策略,用于电子共享出行及充电站中的能源转型,同时实现可再生能源的多元化利用以及可持续城市中的社会出行福利
《Sustainable Cities and Society》:Blockchain-driven Authenticated Cryptography-based Canetti–Krawczyk Security Leakage Policy for Energy Transition in e-Shared Mobility Transportation and Charging Station with Applied Renewable Diversified Utilization and Social-Travel Welfare in Sustainable Cities
【字体:
大
中
小
】
时间:2026年08月02日
来源:Sustainable Cities and Society 13.3
编辑推荐:
摘要:在可再生能源供应不稳定、市场状况多变以及网络物理系统约束下,城市能源系统需要实现低碳能源资源与交通服务之间的协同运作。本文针对虚拟多载体能源系统与混合动力电动压缩天然气乘用车交通系统,构建了一个具备不确定性感知能力的调度框架。该框架的核心模型包括多载体调度、储备分配、可再生
摘要:在可再生能源供应不稳定、市场状况多变以及网络物理系统约束下,城市能源系统需要实现低碳能源资源与交通服务之间的协同运作。本文针对虚拟多载体能源系统与混合动力电动压缩天然气乘用车交通系统,构建了一个具备不确定性感知能力的调度框架。该框架的核心模型包括多载体调度、储备分配、可再生能源限电控制,以及在随机不确定性条件下的风险感知调度。通过概率约束编程和基于场景的不确定性建模,来反映可再生能源发电量、负荷、能源价格以及车辆行驶行为的变化。此外,还引入基于CVaR的风险偏好机制,在分层决策结构中比较保守与冒险的运营策略。通过计算实验,将该模型应用于包含电力、热能、燃气、氢能及交通领域的各类城市能源-交通系统基准案例及大规模系统中。其中,区块链协调、Canetti-Krawczyk认证逻辑、数字孪生同步以及物联网边缘-雾计算-云通信等网络物理组件被用作确保数据安全交换、交易可追溯性以及控制信号有效性的监督架构,而非独立评估的安全协议。数值结果表明,当系统从完全保守的运营方式转变为冒险策略时,预期运营成本可降低69%,同时各能源与交通子系统的可行性仍得以保持。在风险规避型运营模式下,电力转燃气技术的排放强度可从981.30克/千瓦时降至362.47克/千瓦时;而在冒险型运营模式下,则可从723.27克/千瓦时降至413.87克/千瓦时,分别实现了63.1%和42.9%的减排效果。这些结果表明,通过协同的多载体调度以及混合动力电动压缩天然气汽车的灵活性,可在控制风险并保障系统可行性的前提下,降低成本与排放强度。
引言:可再生能源的发展、低排放交通方式、分布式能源资源以及数字化基础设施正在重塑城市能源系统。这些变革虽有助于实现碳减排目标,但也加剧了电力、热能、燃气、氢能、交通及通信系统之间的时间、空间和运行上的相互关联。因此,必须通过协同调度而非孤立的行业模型,来应对可再生能源的间歇性、出行需求的不确定性、价格波动、储备需求以及网络物理系统间的相互作用等问题。在复杂的城市环境中,如何在保障系统可行性、储备交付能力、数据完整性和服务连续性的同时,降低成本与排放,是当前面临的重要挑战。电力系统支持与网络可行性研究为这种协同优化提供了重要基础。已有研究在电磁和热约束条件下探讨了以可再生能源为主系统的多目标同步调相机设计(Qiao等人,2026年);同时,也为混合交流/直流/分布式电源微电网制定了统一调控方案(Lin等人,2026年)。此外,还有研究关注风场连接的高压直流系统中故障穿越时的电压支撑问题(Xie等人,2026年)。在不平衡的主动式配电网络中,稀疏混合测量技术可用于故障定位(H. Jia等人,2026年);而对于基于机器学习的暂态稳定性评估,则提出了考虑场景差异的可信度评估方法(Liu等人,2026年)。在极端干扰情况下,还通过频率稳定性约束对分布式能源资源的灵活性进行了进一步协调,以提高系统的韧性(X. Wang等人,2026年)。尽管这些研究提升了系统的稳定性和支撑能力,但并未同时涵盖多载体调度、交通服务灵活性、可再生能源限电以及安全监督协调等内容。另一类研究聚焦于不确定性与运营风险问题。已有研究将分散式的分布式鲁棒概率约束应用于电力与氢能运输网络的整合优化(W. Jia等人,2025年);同时,也通过相关的概率约束模型对海上风电驱动的氢能微电网进行了管理(L. Fu等人,2025年)。多阶段数据驱动的鲁棒调度方法则将这一思路拓展到了电力、氢能及炼油系统之间的协同优化中(Ning等人,2025年)。此外,还有研究通过氢能和电池储能的参与来开展风险敏感型规划(Habibifar等人,2025年),探索绿色能源与碳市场的协同机制(Huang等人,2026年),以及面向氢能的多能源系统的低碳优化方案(G. Xu & Yang,2025年)。针对风力发电的波动性,也有研究采用混合数据驱动的鲁棒单元承诺方法进行优化(W. Hou等人,2022年);同时,还有研究提出了具有严格上界保证的两阶段鲁棒动态调度模型(Zeng等人,2026年)。虽然这些方法提升了系统对不利情况的抵御能力,但大多未涉及经过认证的数据交换、交通服务动态特性,以及储备采购与可再生能源可用容量之间的明确关联。第三类研究方向则是以市场为导向的数字化协调机制。已有研究为具有运行约束的可重构配电网络设计了基于区块链的点对点交易模式(Ping等人,2026年)。此外,还有研究提出了用于虚拟电厂的多时间尺度区块链交易机制(Luan等人,2025年),以及整合需求响应、可再生能源微电网和电动汽车的多层市场架构(Sepehrzad等人,2025年),从而促进了更广泛的去中心化参与。数字孪生技术则为互联能源节点之间的可视化与点对点数据共享提供了支持(S. Li等人,2025年);同时,也有研究探讨了云存储与多个集成能源系统之间的双层能量共享机制(W. Hou,2026年)。此外,还设计了具备碳意识且具有鲁棒性的动态定价机制,用于车辆充电站的管理(Silva & Bessa,2025年;Tostado-Véliz等人,2025年);局部失衡市场则用于解决多时间尺度的交易结算与受网络约束的平衡问题(Xia等人,2026年)。然而,目前这些研究通常将交易安全、数字监控、定价机制与物理调度视为相互独立的环节,导致基于不确定性感知的储备激活机制以及经过认证的能量管理指令未能得到充分整合。在交通领域的研究中,人们主要探讨了充电技术、车队调度以及基础设施规划等问题。已有研究对感应式功率传输接口的零电压开关控制机制进行了建模(Liu等人,2019年);在分段的动态无线充电系统中,则利用初级侧相位角检测技术来确定车辆的位置(Xiong等人,2023年)。另有研究通过分析集成能源节点与微型交通车队之间的经济互动关系,揭示了移动需求的灵活性价值(R. Hou等人,2025年)。此外,还有研究探讨了在容量随时间变化的条件下,公交车的随机客货调度问题(Y. Zhang等人,2026年)、基于认知风险的轨迹规划方法(Zhao等人,2025年),以及用于电池电动汽车网络的太阳能光伏部署方案(Zhou等人,2026年),进一步体现了能源与交通系统之间的耦合关系。在充电基础设施的布局方面,有研究采用混合深度强化学习方法进行优化(Abibou等人,2026年);而模糊Z数优化法则用于处理站点选址中的不确定性问题(Mirzaei等人,2026年)。不过,这些研究主要侧重于设备控制、运输系统设计或基础设施扩建,而非在多载体市场中实现电动汽车与燃气车辆的实时协同优化。在可持续城市发展领域的研究中,人们从环境和规划角度为城市可持续发展提供了补充视角。例如,光伏面板的分区设计有助于实现对可再生能源资产的监测(Y. Fu等人,2025年);而气候中性能源社区则结合了碳捕获、福利评估以及碳排放权交易机制(Zare等人,2026年)。此外,还有研究探讨了绿色转型过程中的系统韧性提升(Y. Wang等人,2026年)、电动自行车充电设施的扩展建设(SeyedShenava等人,2025年)、基于地铁的地下货运系统设计(Tian等人,2026年)、土地开发与经济韧性之间的关联关系(L. Zhang等人,2026年)、时空维度下的碳减排策略(Wu等人,2026年),以及借助人工智能技术实现碳监测并与市场交易相结合的方法(Y. Li等人,2026年)。这些研究共同涵盖了城市可持续发展的多个关键方面。然而,目前尚无研究能够同时实现能源市场与储备市场的优化整合、对混合动力电动压缩天然气汽车交通系统进行建模、协调电力、热能、燃气与氢能系统之间的运行关系,以及验证网络物理控制信号的可靠性。因此,目前仍存在不确定性感知多载体优化、交通系统协同调度、可交付储备协调、低碳运营以及安全数字化监督之间的衔接缺口。本研究正是为填补这一缺口而开展的,它构建了一个虚拟多载体能源系统,该系统整合了基于概率约束的场景建模方法、基于条件风险价值的决策偏好分析、混合动力电动压缩天然气汽车的灵活性特征、可再生能源限电控制机制,以及受网络约束的储备交付策略。同时,还引入了区块链协调机制、Canetti-Krawczyk认证逻辑、数字孪生同步技术以及物联网边缘-雾计算-云通信功能,作为确保数据安全交换、交易可追溯性以及控制指令有效性的监督机制,而非独立评估的安全标准。表1列出了现有研究与该研究在创新维度上的对比情况。本研究为核心部分开发了一个具备风险感知能力的调度框架,该框架适用于虚拟多载体能源系统与混合动力电动压缩天然气乘用车交通系统的协同运行。该框架经过验证的核心模块为随机多载体调度模型,其中包括储备分配、可再生能源限电控制以及受网络约束的储备交付能力分析。网络物理相关组件则作为辅助监督层,用于实现数据安全交换、交易可追溯性、数字孪生同步以及控制信号的有效验证。本研究的主要贡献如下:(1)风险感知多载体调度模型:构建了一种随机优化框架,用于实现电力、热能、燃气、氢能以及混合动力电动压缩天然气汽车交通系统之间的协同运营。(2)通过混合动力电动压缩天然气汽车实现能源与交通系统的耦合:在调度模型中引入城市时空交通模型,以描述车辆的到达、离开、行驶里程、驱动方式以及能源服务之间的交互关系。(3)储备交付能力与可再生能源限电控制:通过储备削减机制、市场清算机制以及受网络约束的交付要求,实现可再生能源可用容量、虚拟储能系统的灵活性以及传统储备资源之间的协同优化。(4)监督型网络物理协调层:引入区块链协调机制、Canetti-Krawczyk认证逻辑、数字孪生监控技术以及物联网边缘-雾计算-云通信功能,作为确保数据安全交换与能源管理系统控制指令有效性的支持机制。本文的其余部分结构如下:第2节介绍整体系统框架;第3节阐述数学模型;第4节描述不确定性处理策略;第5节介绍网络物理智能技术与分层决策框架;第6节展示研究结果;第7节对全文进行总结。
系统框架:如图1所示,虚拟多载体能源系统将电力、热能和燃气集成在虚拟电厂架构中,共同满足城市的能源需求。电力由风力发电机、微型涡轮机以及电网提供;热能则通过锅炉、相变材料储存装置以及区域供热系统来满足,这些系统之间通过热电联产装置相互连接。该系统还包括用于插电式混合动力汽车的充电及加气基础设施。
经济目标定义:在虚拟多载体能源系统中,各项运营决策的制定旨在最大化调度周期内的预期净经济收益。目标函数考虑了电力输出、热能交换、混合动力电动压缩天然气服务提供以及向燃气网络注入甲烷所带来的收入;成本方面则包括各种设备的运行成本、电力和热能的进口费用、与碳相关的收费,以及可再生能源限电所导致的处罚费用。目标函数为……
不确定性处理策略:该不确定性管理框架结合了概率约束编程方法,用以确保系统的概率可行性,同时采用基于场景的随机建模方法,来描述各种随机性的运营和市场行为。
网络物理智能技术与分层决策框架:本节介绍了一种模块化的网络物理框架,该框架将安全性、数字智能技术以及战略决策功能相结合,用于在不确定性环境下对能源-交通系统进行优化管理。该框架的结构如下:
结果与讨论:数值研究共采用了四种测试案例。前两种为图5(a)和图5(b)中所展示的耦合多载体系统:分别是参考规模的系统,包含IEEE 33节点电力网络、7节点燃气网络、14节点热能网络以及20节点氢能网络;另一种为大规模系统,包含IEEE 69节点电力网络、17节点燃气网络、49节点热能网络以及20节点氢能网络。后两种案例为经过修改的IEEE 33节点和IEEE 69节点配电网络,用于独立的基准测试。
结论与展望:本研究构建了一个具备不确定性感知能力的调度框架,适用于虚拟多载体能源系统与混合动力电动压缩天然气汽车交通系统的协同运行。该框架通过概率约束编程、基于场景的随机建模、基于CVaR的风险管理方法、储备削减机制以及受网络约束的储备交付要求,实现了电力、热能、燃气、氢能、交通、储备资源以及碳相关决策之间的协同优化。此外,还采用了区块链辅助认证技术、Canetti-Krawczyk认证逻辑来实现系统安全。
作者贡献声明:所有作者均参与了本文的审稿工作。
数据获取情况:支持本研究结论的相关数据,可经合理申请后从相应作者处获取。
资金支持:本研究得到了2024年度广东省重点学科科研能力提升项目“基于5G通信与人工智能技术的收割机器人控制模块的设计与实验研究”(项目编号:2024ZDJS086)的资助。
出版许可声明:无需特殊许可。
人工智能辅助声明:作者声明,仅使用了人工智能工具(如ChatGPT、Grammarly和QuillBot)来进行语言润色、语法修正以及风格优化。没有任何人工智能系统参与本研究中的研究思路构思、数据分析、结果解读或科学结论的生成工作。作者对本文内容的完整性、原创性及准确性承担全部责任。
未引用参考文献:Li等人,2026年;Fu等人,2025年;Wang等人,2026年;Zhang等人,2026年。
CRediT作者贡献分类:Allam Maalla:负责原文撰写、可视化处理、软件应用、资源准备、方法设计、研究实施以及数据整理工作;Ying Chen:负责文章审阅与编辑、可视化处理、结果验证、项目监督、资源协调、项目管理工作、资金申请、形式分析、数据整理以及概念构思工作。
利益冲突声明:作者声明,不存在任何可能影响本研究结果的已知财务利益冲突或个人关系。
致谢:无。
Allam Maalla | Ying Chen
广州科技商业学院工程学院,中国广东广州510850
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号