技术领域
[0001] 本
发明属于无线通信领域，具体涉及一种物理网络系统中的基于区块链 和契约理论的V2G能源交易机制，以实现能源交易的安全高效且最大化社会效 益。基于区块链的能源交易机制能很大程度上满足安全性能，边缘计算被应用于 保证交易的高效性；基于契约理论的交易机制能更好的激励电动
汽车(EV)在信 息不对称情况下参与能源交易，从而最大化社会效益。
背景技术
[0002] 由于网络计算技术的进步，计算及通信的能
力正深入嵌入到物理系统的 设计中。而物理系统和这些先进计算技术的紧密集成，形成了新一代的工程系统， 即为网络物理系统(CPS)。CPS在能源领域的典型应用是智能
电网，它采用最 新的信息通信和控制技术来优化电网的管理和运行。
[0003] 然而，间歇性分布式
可再生能源和电动汽车(EV)的大规模普及导致了 显着的功率
波动。为了保持
智能电网的可靠和安全运行，必须部署大量的集中式 发
电机和储能设备，从而导致大量的资本支出和运营支出。另一种选择是利用电 动汽车的双向能源交易能力。特别是，可以协调大量电动汽车在非高峰时段吸收 过多的
能量，并在高峰时段将能量送回电网，这是一个有前途的解决方案。在不 部署额外的发电机和存储设备的情况下，消除峰值负荷并降低需求失衡的
水平。 这种新能源交易模式被称为车辆对电网(V2G)，这对于在能源领域建立一个更 安全和更可持续的CPS至关重要。尽管V2G有这些优势，但仍存在诸如缺乏分 布式安全机制和有效激励机制等挑战。
[0004] 在本发明中，我们为了应对上述挑战，我们为CPS开发了一种新的V2G
框架，它利用区块链，契约理论和边缘计算来实现安全和高效的能源交易。区块 链是一个特定的分布式共享
数据库，它允许每笔交易都以可验证和永久的方式进 行记录，这对创建分布式、透明和安全的能源交易环境至关重要。边缘计算中的 计算资源分布在网络边缘，用来解决联盟区块链中工作证明的难题，使区块链中
分布式账本创建，公开审计，并由多个授权
节点共享，成本适中。契约理论为解 决信息不对称激励问题提供了强有力的工具，并已运用在多个领域。
发明内容
[0005] 本发明首先给出了基于联盟区块链的安全能源交易机制，然后给出了基 于契约理论的V2G能源交易激励机制，最后给出了基于边缘计算的计算任务卸 载。其具体实施过程如下：
[0006] 一、如图1所示，图2显示了基于联盟区块链的V2G安全能源交易， 该交易由三个主要实体组成：电动汽车，本地能源聚合器(LEAG)和边缘计算服 务提供商(ESP)。每个实体的具体能力和功能详细阐述如下：
[0007] 电动汽车：具有双向能源交易能力的电动汽车可以扮演不同的
角色。一 方面，电动汽车可以在高峰时段通过释放
电池供电来充当能源生产者。另一方面， 它也可以充当能源消费者，通过以更便宜的电力给电池充电，同时帮助在非高峰 时间吸收多余的能量。通过合理设计的激励机制，每个电动汽车可以主动调整其 充电和放电行为，以最大化其个人收益。详细的激励机制设计方案将在下文说明。
[0008] 本地能源聚合器：本地能源聚合器提供一系列的能源交易服务，包括信 息收集，状态监测和充电/放电协调。例如，在高峰时段，本地能源聚合器可以 使用一组放电
电动车来响应当地高峰负载需求产生能量。与此同时，参与能源交 易的电动车将获得专项支付，用于支付本地供需平衡。在本文中，一种数字加密
货币的能量硬币被用作能量交易的支付。本地能源聚合器中有三个主要组件：内 存
服务器，帐户服务器和交易服务器。联盟区块链中的所有
交易记录都存储在内 存服务器中。每个电动汽车的能源硬币数字资产都存储在数字钱包中。为了保护 隐私，钱包的真实地址被一组公钥替代，例如随机
假名。每辆电动汽车还有一个 交易账户，它存储所有的交易记录，在账户服务器中维护随机钱包地址和相应的 交易账户之间的映射关系。交易服务器负责实施激励机制并协调收费和放电活 动。
[0009] 统一控制集成计算，通信和存储资源的边缘计算服务提供商为本地能源 聚合器提供边缘计算服务。边缘计算服务提供商为其服务发布价格，并且每个本 地能源聚合器根据价格确定要购买的服务需求。然后，计算密集型工作量验证谜 题可以从本地能源聚合器卸载到其临近边缘计算节点，而不是在本地处理或由远 程
云节点处理。有关如何建模边缘计算服务提供商与本地能源聚合器之间交互的 详细信息以及如何设计最佳服务价格和服务需求将在下文中进行说明
[0010] 基于联盟区块链的安全能源交易的操作细节解释如下。采用了已经现有 的密码
算法，包括椭圆曲线数字签名，Boneh-Boyen短签名和SHA-256。一开始， 每辆电动汽车都必须向合法授权机构进行注册以获取其公钥，私钥和证书。公钥 或私钥可由权威机构生成和分发。该证书通过绑定其注册信息表示电动汽车的唯 一身份。每辆电动汽车都有一套由机构颁发的钱包地址。在初始化过程中，电动 汽车会查找最近的LEAG使用的钱包地址，并验证钱包的完整性。之后，它从 内存服务器下载相应的数据。
[0011] LEAG设计了一个合同，该合同规定了性能即放电EV所需能量与奖励 之间的关系，即能源硬币方面的放电EV支付。在合同中，每个不同的绩效奖励 关联都被定义为一个合同项目，合同通常包含各种各样的合同项目。然后，LEAG 广播合同，并且每个EV选择其期望的合同项目以最大化其回报。在能源交易之 后，如果相应的合同项目已经成功完成，则放电EV将收到
指定的奖励。能量硬 币从LEAG转移到EV的钱包地址。支付的真实性可以通过检查联盟区块链的最 后一个块来验证。LEAG建立一个新的交易记录，必须先由电动汽车核实并进行 数字签名，然后上传并公开审计。
[0012] 在一段时间内由LEAG收集的所有交易记录将被加密，数字签名，然后 被组织成块。无效的交易(例如假交易)将被丢弃。每个新块通过加密散列链接 到联盟区块链中的前一个块。然后，类似于
比特币中的工作证明过程，联盟区块 链中的每个授权LEAG通过找到有效的工作证明，即满足一定难度要求的散列 值来竞争创建块。基于随机现时值α和包括先前块的散列值、时间戳和其他必要 数据的数据集Φ来计算散列值。有效的α必须满足Hash(α+Φ)＜β,其中β代表 难度水平。
[0013] 如果LEAG的计算能力有限，它可以从ESP购买边缘计算服务。然后， 计算密集型工作量验证过程由具有强大计算能力的附近边缘计算节点处理，并且 块创建的成功概率将显着提高。首先找到有效工作证明的LEAG将创建的块广 播给网络中所有授权的LEAG。接下来，每个LEAG审核并验证接收块中的交易 记录，并选择是否接受该新块。如果一个新区块被所有的LEAG所接受，即达 成了共识，那么它将被附加在当前联盟区块链的末尾，创建这个区块的LEAG 将被奖励一定数量的能量硬币。
[0014] 二、基于契约的V2G能源交易激励机制
[0015] 1、电动汽车类型建模
[0016] 我们使用电动汽车类型来量化电动汽车对放电的偏好，这个类型信息只 有电动汽车本身知道。更高等级电动汽车更愿意参与V2G能源交易并释放更多 的电力以获得更高的回报，同时具有更高类型的电动汽车也会更受LEAG青睐。 为简单起见，我们假设电动汽车类型集合属于离散且有限的空间。EV类型定义 如下：
[0017] 定义1：考虑到具有K个放电EV的
停车场，可以根据他们的偏好将这 些EV按升序分类并分类成K个类型。如果电动汽车类型集合表示为： Θ＝{θ1，...，θk，...，θK}，然后我们得到θ1＜…＜θk＜…＜θK，k＝1，...，K.
[0018] 接下来，我们将推导电动汽车类型的具体表达式。考虑类型为θk的电动 汽车，剩余容量的计算式子为：
[0019] 其中 表示当前可用电量，Ek，max是电池容量。放电后，剩余的SOC应 满足行驶的最低电量要求：
[0020] 其中Lk是需求的电量，dk是在下次充电前必须行驶的路程，χ(dk)表示行 驶路程dk所需的最小电量，它是dk的单调递增函数。联立上述两个式子，我们 可以解出类型为θk的电动汽车的放
电能力，它表示为：
[0021] 进而，类型θk可被定义为：
[0022] 注释1：从上式可以看出，θk与 和Ek，max成正比，与χ(dk)成反比。 例如，较大的电动汽车类型表示电动车具有更多可用能量，或者在不久的将来不 会行驶很长距离。在信息不对称的情况下，LEAG不知道每个EV的具体类型，但只知道每种 类型的概率分布。我们假设LEAG知道这里有K种类型的放电汽车并且知道一 辆放电汽车属于类型θk的概率Pk，则
[0023] 2、合同构建
[0024] 由K个合同项目组成的合同，不是针对不同类型的EV提供相同的合同， 而是针对K个放电EV类型设计不同的合同项目。例如，专为类型θk设计的合 同项目表示为(Lk，Rk)，其中Lk表示所需电力，Rk表示所得的专用奖励。该合同 表示为： 其中
[0025] 考虑这K种类型的放电汽车，LEAG的预期效用计算如下：
[0026] 其中γL是LEAG的单位电价。
[0027] 注释2：合同项目(Lk＝0，Rk＝0)表示类型为θk的电动汽车不打算参与 放电。另一方面，当且仅当γLLk-Rk≥0时，LEAG才会受益于EV放电，否 则，LEAG不会采用类型为θk的电动汽车放电。
[0028] 接受合同项目(Lk，Rk)的类型θk的电动汽车的效用函数表示为：
[0029] 其中γ是电池放电的单价，θkm(Rk)为类型θk的Rk的价值。函数m(Rk)是 Rk的单调递增凹函数，其中m(0)＝0，m′(Rk)＞0和m″(Rk)＜0。不失普遍性， m(Rk)可被定义为一个二次函数：
[0030] 其中a和b被假定为常数，且必须满足m′(Rk)＞0和m″(Rk)＜0。尽管 如此，所提出的方案还可以扩展到其他形式。
[0031] 预期的社会福利是LEAG和K个EV的总效用和：
[0032] 不对称信息下社会福利最大化问题描述如下：s.t.C1:θkm(Rk)-γLk≥0，(IR)
C2:θkm(Rk)-γLk≥θkm(Rk′)-γLk′，(IC)
C3:0≤R1…＜Rk＜ …＜RK
C4:Lk≤θk
[0033] 其中C1，C2和C3分别代表IR，IC和单调性约束条件。C4代表Lk的 上限。
[0034] 定义2：IR，IC和单调性约束定义如下：
[0035] 个人理性约束(IR约束)：对于集合 中的任一个类型为θk的EV，如果 它选择合同项目(Lk，Rk)，那它将会获得正回报。
[0036] 激励兼容性约束(IC约束)：IC约束确保合约的自我揭示性质。对于集 合 中的任一个类型为θk的EV，当且仅当它选择为其自己的类型设计的合同项 目(Lk，Rk)时才会获得最大的回报。
[0037] 单调性约束：对于集合 中的任一个类型为θk的EV，它的收益应比类 型为θk-1的EV高，但比类型为θk+1的EV低。
[0038] 基于IR，IC和单调性约束，可以导出以下属性。
[0039] 引理1：对于集合 中的任一个类型为θk的EV，如果θk＞θk′，那么 Rk＞Rk′。当且仅当θk＝θk′时，Rk＝Rk′。
[0040] 引理2：对于集合C中的Lk，Rk，需满足下列不等式：0≤R1＜…＜Rk＜…＜RK
0≤L1＜…＜Lk＜…＜LK
[0041] 3、信息不对称情景下最优契约理论的设计
[0042] 1)合同可行性：首先，我们定义合同可行性的充分必要条件
[0043] 定理1：合同可行性：当且仅当下列条件被满足时集合C中的任一个合同 (Lk，Rk)是可行的：
[0044] a:0≤R1＜…＜Rk＜…＜RK和0≤L1＜…＜Lk＜…＜LK
[0045] b:θ1m(R1)-γL1≥0
[0046] c:对于k∈{2，...，K}有γLk-1+θk-1[m(Rk)-m(Rk-1)]≤γLk≤γLk-1+θk[m(Rk)-m(Rk-1)]
[0047] 2)问题转化：社会福利最大化问题涉及K个IR约束条件和K(K-1)个 IC约束条件，为了使问题便于求解，我们执行以下步骤来简化：
[0048] 步骤1：消除IR约束条件
[0049] 对于集合 中的任一个类型为θk的EV，我们可以得出：θkm(Rk)-γLk≥θkm(R1)-γL1≥θ1m(R1)-γL1≥0
[0050] 第一个不等式是由IC约束引起的，第二个不等式是由于θk＞θ1引起的， 第三个不等式是由于IR约束引起的。因此，如果保证类型为θ1的EV的IR约束， 则自动满足具有较高类型的EV的IR约束。
[0051] 步骤2：消除IC约束条件
[0052] 我们定义类型θk和θk′(k′∈{1，...，k-1})的IC约束为向下的激励约 束(DICs)。同样的，类型θk和θk′(k′∈{k+1，...，K})的IC约束为向上的 激励约束(UICs)。接下来我们将证明DICs和UICs都可以减少。
[0053] 我们考虑三种相临的EV类型，即θk-1＜θk＜θk+1，它们满足：θk+1m(Rk+1)-γLk+1≥θk+1m(Rk)-γLk
θkm(Rk)-γLk≥θkm(Rk-1)-γLk-1
[0054] 其中第一个式子表示类型θk+1和θk之间的DIC，第二个式子表示类型θk和θk-1之间的DIC。
[0055] 再结合Rk+1≥Rk≥Rk-1，我们可以得到：θk+1m(Rk+1)-γLk+1≥θk+1m(Rk-1)-γLk-1
[0056] 因此，如果类型θk+1和θk之间的DIC，那么类型θk+1和θk-1之间的DIC 也成立。DIC约束可以从类型θk-1向下延伸到类型θ1，由下式给出：θk+1m(Rk+1)-γLk+1≥θk+1m(Rk-1)-γLk-1
≥…
≥θk+1m(R1)-γL1
[0057] 因此，我们证明，如果相邻类型之间的DIC成立，则所有DIC都会自 动保留。同样，我们可以证明，如果相邻类型之间的UIC成立，那么所有UIC 都会自动保留。
[0058] 基于以上分析，K个IR约束条件和K(K-1)个IC约束条件分别减少为1 个和K-1个，那么不对称信息下社会福利最大化问题可转化为：P2：
s.t.C1：θ1m(R1)-γL1≥0，(IR)
C2：θkm(Rk-1)-γLkxl≥θkm(Rk)-γLk，(IC)
C3，C4，k＝2，...，K
[0059] 步骤3：减少约束条件下的最优合同
[0060] 我们可以通过检查Hessian矩阵证明社会福利最大化问题的目标是一个 凹函数。然而，这里不能直接应用凸规划，因为约束C2涉及两个凹函数的差， 即θkm(Rk-1)-γLk-1和θkm(Rk)-γLk。因此，我们采用CCP算法来求解，这 在算法1中进行了总结。
[0061] 表示fk(Rk)＝θkm(Rk)。由于fk(Rk)关于Rk是可微分的，所以fk(Rk)可 以通过使用它的一阶泰勒级数展开为：
[0062] 其中Rk，o[τ]代表
迭代τ的初始点。
[0063] 因此，具有两个凹函数差的约束C2被转换为凹函数和仿射函数的差， 写成
[0064] 通过用 代替C2，社会福利最大化被转化为凸规划问题，并且可以通过 使用Karush-Kuhn-Tucker(KKT)条件容易地解决。在每次迭代τ处，通过求解 变换的凸问题获得局部最优解 和 然后，迭代τ+1时泰勒级数展开的 初始点定义为接下来，重复上述迭代以求出新的局部最优 解。
[0065] 直到满足预定义的停止标准时，迭代过程终止。例如，社会福利的改善 小于或等于某个正值
门槛∈，即：
[0066] 定理2：收敛性：在任何迭代τ处，所获得的 和 是可行的。 此外，是非递减的，并将收敛到最大的社会福利，即：
[0067] 4、无信息不对称时的合同设计
[0068] 如果存在一个自私的LEAG，它可以准确地了解每种EV的类型，只要 每个EV只接受为其自己的类型设计的合同项目，它就可以进一步增加利润。在 这种情况下，LEAG必须确保每个EV的收益都是非负的。否则，电动车没有动 力接受合同项目。为此，合同项目必须符合IR约束。此外，合同项目必须满足 以下特性：
[0069] 引理3：在无信息不对称是的合同设计中，任何集合C中合同项目(Lk，Rk) 都应满足θkm(Rk)＝γLk。也就是说任何EV的收益都是0。
[0070] 证明：引理3可以用矛盾来证明。给定一个最优契约项(Lk，Rk)，如果 θkm(Rk)-γLk＞0，那LEAG可以通过增加Lk直到θkm(Rk)-γLk＝0。这与 (Lk，Rk)是最优的假设相矛盾。
[0071] 因此，通过强制每个EV的效益都为0，社会福利等同于LEAG的效益， 则相应的优化问题表述为：s.t.Cl：θkm(Rk)-γLk＝0
C2：0≤Rl＜…＜Rk＜…＜RK
[0072] 为了解决这个问题，我们必须找出K个二次方程的解，即
[0073] 假设Rk1和Rk2是第k个二次方程的两个解，最优解由下式给出：
[0074] 引理4：无信息不对称时的合同设计中，对于任一个EV类型θk，Rk都 是固定的，与θk无关。
[0075] 证明：将θkm(Rk)-γLk＝0代入公式
[0076] 可以证明社会福利SW随 单调递增，因此LEAG可以增加Lk直到 Lk＝θk。接下来，将Lk＝θk代入θkm(Rk)-γLk＝0，可以得到m(Rk)＝γL， 这就证明了Rk是固定的，与θk无关。
[0077] 三、基于边缘计算的计算任务卸载
[0078] 1、分层博弈的制定
[0079] 为了赢得区块链挖掘竞争，LEAG可以从ESP处购买边缘计算服务以扩 大其计算能力。我们假设有N个LEAG，并且该组LEAG被表示为 第n个 LEAG的服务需求被表示为sn。对于第n个LEAG，块创建的成功概率Pn，即取 决于两个因素：其相对散列能力Pn，h及其块孤立概率Pn，o，其解释如下：
[0080] 第n个LEAG的相对散列能力被定义为其计算能力相对于总计算能力的 比率，即：其中Pn，h＞0且∑j∈NPj，h＝1。
[0081] 在找到有效的工作证明后，第n个LEAG必须将创建的区块广播给其他 LEAG，以达成共识。如果第n个LEAG碰巧选择由于数据大小而缓慢传播的大 块，则由于高传输延迟而导致块更可能被丢弃。因此，第n个LEAG赢得区块 挖掘竞争的机会将会减少。这种现象被称为孤立。通过假设块传播时间遵循泊松 分布，则块孤立概率表示为：
[0082] 其中T表示预期的块间隔时间，比特币为10分钟。Δt(Dn)表示大小为Dn的块的相对传播时间，其被定义为：Δt(Dn)＝t(Dn)-t(0)
[0083] 其中，t(Dn)为传播一个大小为Dn的块的时间，t(0)表示通信信道的延时， 即传送块标题所需的时间。t(0)是以约束t(0)≥dc/c为界，其中dc表示传输距离， c表示光的速度。
[0084] 通过调研发现，t(Dn)可以通过使用其在Dn＝0附近的一阶泰勒级数展开 式近似为：
[0085] 上式的第二项与通信信道的承载能力部分相关，基于Shannon-Hartley 定理，它可以写成 其中G1和G2分别表示信道容量和编码增 益。因此，通过在Δt(Dn)＝t(Dn)-t(0)取 和 Δt(Dn)被写为：
Δt(Dn)＝t(Dn)-t(0)≈Dn/(G1G2)
[0086] 块创建的成功概率Pn由下式给出：
[0087] 一旦共识过程取得成功，第n个LEAG将获得收入，该收入由两部分组 成：奖励对区块创造的贡献Qn和交易
费用Mn。第n个LEAG的净收入可以计算 为预期利润减去服务成本：Un，b(sn)＝(Qn+Mn)Pn(sn)-pcsn
[0088] 其中pc是边缘计算服务的单价。
[0089] ESP的效用被定义为提供服务获得的总收入减去操作成本，即：
[0090] 其中γc是服务供应的单位成本。
[0091] 由于ESP与LEAGs相比处于主导地位，ESP和LEAG之间的竞争互动 可以模拟为一个两阶段的斯坦伯格领导者追随者博弈。在第一阶段，ESP是决定 单位服务价格pc的领导者，并从LEAG获得收入用于解决卸下的工作量验证难 题。在第二阶段，LEAG充当追随者，并确定要购买的服务需求。两阶段的斯 坦伯格领导着追随者博弈的制定如下：
[0092] 步骤1：服务价格优化问题：s.t.C5：pc，min＜pc＜pc，max
[0093] 其中pc，min和pc，max分别表示服务单价的最小和最大范围。
[0094] 步骤2：服务需求优化问题s.t，C6：sn，min＜sn＜sn，max
[0095] 其中sn，min是第n个LEAG所需的最小计算资源(散列能力)，sn，max代 表ESP可以提供的最大资源。
[0096] 2、均衡分析
[0097] 最优价格和最优服务需求可以通过使用后向归纳法来实现。
[0098] 1)第二阶段优化问题的解决方案：首先，给定服务价格pc，针对每个 LEAG解决第二阶段服务需求优化问题。在服务需求优化期间，每个LEAG彼此 竞争以使其自身的相对散列能力最大化，并因此最大化其成功创建块的可能性。 从公式中可以看出，第n个LEAG的相对散列 能力不仅取决于其策
略sn还取决于其它LEAG的策略，例如 因此，N个LEAG之间的竞争可以被模拟
为一个N人非合作博弈，将第n个 LEAG的最优策略表示为 并令
表示集合 中除第n 个LEAG之外的其它LEAG的最佳策略的集合。我们有如下属性：
[0099] 定理3：纳什均衡：这组最佳服务需求策略，即 构成了 第二阶段N人非合作博弈的纳什均衡。
[0100] 证明：对于集合 中任意可行的策略sn我们可得：
[0101] 因此， 构成纳什均衡。
[0102] 定理4：纳什均衡的存在：第二阶段N人非合作博弈存在纳什均衡。
[0103] 证明：通过调研，如果满足以下两个条件则存在纳什均衡：
[0104] a. 是欧几里德空间的非空紧凑凸子集
[0105] b.Un，b(sn)对于sn而言是连续的和准凹的。
[0106] 首先，对于集合N中的任何n，策略空间[sn，min，sn，max]是欧几里德空间 的一个凸的、连续的、紧凑的和非空的子集，这满足第一条件。
[0107] 其次，07公式Un，b(sn)＝(Qn+Mn)Pn(sn)-pcsn中关于sn的二阶导数由 下式给出：
[0108] 其中 这证明Un，b(sn)对于sn是凹 的，因此，第二阶段中N人非合作博弈中存在纳什均衡。
[0109] 定理5：最佳响应：考虑到 第n个LEAG的最佳响应函数 在 下文中给出。
[0110] 证明：由于Un，b(sn)对于sn是凹的，C6是仿射的，所以服务需求优化问题 为凸优化问题，通过将式子Un，b(sn)＝(Qn+Mn)Pn(sn)-pcsn中的一阶导数置为 0，即 我们可得：
[0111] 可得最优解
[0112] 定理6：纳什均衡的唯一性：如果条件 满足， 那么第二阶段N人非合作博弈的纳什均衡是唯一的。
[0113] 证明：如果任何LEAG的最佳响应函数如 是标准函数则纳什均 衡是唯一的。经调研相关文献， 是标准函数如果下列条件满足：
[0114] 正值：
[0115] 单调性：如果 则
[0116] 可拓展性：对于所有的ψ＞1，
[0117] 首先，证明第一个条件我们必须证明 通过令 我们可以得到：
[0118] 上式两遍所有挖掘者的总和∑n∈Nsn，我们有：
[0119] 也可以被写为：
[0120] 除此之外，从式子 我们可以得到∑n∈Nsn的表达式 为：
[0121] 通过把 代入上式，然后利用条件我们可得：
将 取平方，然后两边同时乘上pc，我们可以得 表达式：
[0122] 把上式代入 中，可得：
[0123] 将上式两端同时乘以 然后开平方根，我们可得:
[0124] 所以第一个满足正值的条件可被证明：
[0125] 接着我们证明相应函数Bn是单调的。如果 的表达式由下式给出：
[0126] 如果上式是正的，那么右侧两个函数g1和g2也应该是正的。由于 我们可以很容易的证明g1＞0，利用g1＞0，g2可以被写为：
[0127] 通过在式子 两边开平方根，我们有：
[0128] 因此，我们有 这就完成了对单调性的证 明。
[0129] 最后，我们证明 的单调性如下：
[0130] 因此，任何LEAG的最佳响应函数都是一个标准函数，而纳什均衡是唯 一的。
[0131] 2)第一阶段优化问题的解决方案
[0132] 基于第二阶段获得的所有LEAG的最优服务需求策略，可以解决第一阶 段服务价格优化问题。通过将第二阶段N人非合作博弈的纳什均衡代入 UE(pc)＝∑n∈Npcsn-γc∑n∈Nsn，ESP UE的效用可写为：
[0133] 然后我们可以得到以下性质：
[0134] 定理7：凹面性：服务价格最优化问题是一个标准凸优化问题。
[0135] 证明：我们可以证明上式的二阶导数是负的，即
[0136] 证明完成。
[0137] 由于服务价格最优化问题是一个标准凸优化问题，则最优解 可以通过 使用KKT条件简便得到，我们有如下性质：
[0138] 定理8：斯坦伯格均衡：第二阶段N人非合作博弈的纳什均衡 和 第一阶段服务价格优化问题最优解 构成了斯坦伯格均衡。
[0139] 证明：对于集合 中任意可行的策略sn，我们有：
[0141] 图1是基于联盟区块链的V2G安全能源交易架构图
[0143] 图3是放电电量Lk相对于EV类型θk的变化趋势图
[0144] 图4是奖励Rk相对于EV类型θk的变化趋势图
[0145] 图5是EV的效益随合同项目类型的变化趋势图
[0146] 图6是LEAG的效用UL随EV类型θk的变化趋势图
[0147] 图7是EV的效用 随EV类型θk的变化趋势图图8是社会效益SW随EV类型θk的变化趋势图
图9是提出的基于CCP的解决方案的收敛性能图。
图10是所提出的基于边缘计算的方案的成功概率随购买的服务需求的 变化趋势图。
图11是总的服务需求随交易费用Mn变化的变化情况。
图12是ESP的利润随交易费用Mn变化的变化情况
图13是LEAG的平均利润随交易费用Mn变化的变化情况
具体实施方案
[0148] 本发明的实施方式分为两个步骤，第一步为建立场景，第二步为场景与 算法的实施，其中包括联盟区块链的实施，基于契约理论的能源交易实施。建 立的模型如图1所示，包含LEAG，EV，ESP三个实体，这与发明内容中联盟 区块链的实施、和基于契约理论的能源交易实施流程完全对应。由于所建模的 社会福利最大化问题的目标是一个凹函数，我们采用CCP算法来求解，CCP算 法的实施流程图如图2所示。
[0149] 1)对于系统模型，考虑到电网的可靠和经济运行，为了保护交易信息 的安全和交易双方的隐私，我们提出基于联盟区块链的电动汽车互联网；为了激 励EV参与电能交易，我们提出基于契约理论的能源交易激励机制，并且当且 仅当放电EV所选合同项目的类型与其本身类型一致时，才能实现每个放电 EV的效用最大化。我们考虑了一个停有20辆电动汽车和有一个LEAG的停车 场，假设电动汽车的放电类型遵循高斯分布，任一电动汽车的电池容量为24千 瓦时，放电成本的单价γ为10美分/千瓦时。LEAG的单位电价γL为13美分/千瓦 时。
[0150] 2)为了解决我们所提出的问题，我们首先给出了基于联盟区块链的安 全能源交易机制，然后给出了基于契约理论的V2G能源交易激励机制，最后给 出了基于边缘计算的计算任务卸载。
[0151] 对于算法的实施，在设计基于契约理论的V2G能源交易激励机制时， 由于所建模的社会福利最大化问题的目标是一个凹函数，我们采用CCP算法来 求解；在设计基于联盟区块链的安全能源交易机制，我们给出了基于边缘计算的 计算任务卸载，采用了二阶斯坦伯格博弈建模和后向归纳法求解。
[0152] 对于本发明，我们还进行了大量的仿真，将所提出的方案与无信息对称 的情况下进行比较。
[0153] 图3和图4分别显示了放电电量Lk和奖励Rk相对于EV类型θk的变化情 况。数值结果表明，放电电量和奖励随着EV类型单调增加，这与引理2一致。 此外，据观察，没有信息不对称的合同所需要电动汽车的电量远高于信息不对称 的合同，并为每个EV提供相同的奖励。背后的原因已在引理4中得到证明。
[0154] 图6和图7显示了LEAG的效用UL，以及EV的效用 随EV类型θk变 化的情况。在无信息不对称时，LEAG可以实现更高的效用，而任何EV的效用 都保持为零。原因已经在引理3的证明中得到了解释。因此，电动汽车实际上可 以从信息不对称中受益，因为在不知道其类型的精确知识的情况下，LEAG不能 从电动汽车中提取所有可用电力。
[0155] 图8显示了社会效益SW随EV类型θk变化的情况，仿真结果显示了社 会效益在信息不对称情况下是优于无信息不对称的情况，原因是LEAG的效益 收益不能弥补电动汽车相应的效用损失。
[0156] 图9显示了提出的基于CCP的解决方案的收敛性能。三个初始点，即 {Rk，0[1]}＝8，10，12，被选来保证初始点对收敛速度的影响。随着迭代次数的增 加，所有三种情况都收敛到最优社会福利。特别是初始点为{Rk，0[1]}＝12时只 需要25次迭代就能达到收敛。原因是
12最接近图4所示的最优奖励的平均值 (12.774)。相比之下，{Rk，0[1]}＝8的情况需要300次以上的迭代。
[0157] 为了验证边缘计算带来的好处，我们考虑两种情况，分别有四个和八个 LEAG，即N＝4和N＝8。在N＝4的情况下，我们假定边缘计算服务对前三个 LEAG不可用，我们分别将其计算能力分别固定为10，20和30。同时，我们假 设第四个LEAG可以从ESP购买服务，并改变其购买的服务需求以证明对成功 创建块的可能性的影响。在N＝8的情况下，前七个LEAG的计算能力固定在[10： 40]。没有边缘计算辅助的传统方案被用于比较。我们假设Dn遵循正态分布，即 其中μDn＝200和
[0158] 图10显示了所提出的基于边缘计算的方案的成功概率相对于购买的服 务需求的变化趋势图。当从ESP购买的服务需求为55时，仿真结果表明，所提 出的基于边缘计算的方案的成功概率比常规方案的成功概率提高92.4％(N＝4)和 124.6％(N＝8)。原因在于，与那些只依赖其本地计算能力的LEAG相比，可以获 得边缘计算服务的LEAG的相对计算能力可以提高数量级。
[0159] 图11、12、13显示了总的服务需求，ESP的利润以及LEAG的平均利 润随交易费用Mn变化的变化情况。模拟参数为sn，min＝90，sn，min＝210， pc，min＝0，pc，max＝15，Qn＝12000，γc＝3，G1＝50，G2＝4，N＝50。图11 和12表明ESP的总服务需求和利润均随交易费用单调增加。背后的原因是增加 的交易费为LEAG从ESP购买更多服务提供了更大的激励。这不仅提高了LEAG 的成功概率，而且提高了ESP的利润。此外，观察到ESP的总服务需求和利润 随着区块创造奖励Qn单调增加，这也是由于更高的奖励为LEAG购买更多服务 提供了更大的动力。
[0160] 图13显示了由四种不同方案实现的第n个LEAG的平均利润的比较： 所提出的方案，没有边缘计算的常规方案，第n个LEAG总是购买最大服务量 的激进方案，以及第n个LEAG总是购买最小服务量sn，min的保守策略。很明显， 所提议的方案胜过其他三种启发式方案，因为LEAG的策略针对交易费用进行 了sn，max优化。当交易费用低时，保守计划表现优于积极计划。购买更多服务是 不值得的，因为预期利润无法弥补购买服务的成本。相比之下，当交易费用足够 高时，LEAG应该购买更多的服务来增加获胜的机会，因为预期利润远高于服务 成本。在所有情况下，由于图10中解释的原因，没有边缘计算的传统方案执行 最差。
[0161] 尽管为说明目的公开了本发明的具体实施和附图，其目的在于帮助理解 本发明的内容并据以实施，但是本领域的技术人员可以理解：在不脱离本发明及 所附的
权利要求的精神和范围内，各种替换、变化和
修改都是可能的。因此，本 发明不应局限于最佳
实施例和附图所公开的内容，本发明要求保护的范围以权利 要求书界定的范围为准。
