深度文章｜适用于多虚拟电厂交易的改进拜占庭容错算法共识机制

基于所提交易系统及信用机制，DCE-PBFT算法共识流程如下。1）本轮交易开始前所有节点将自动更新信誉度，系统将自动判断共识节点是否替换；2）节点间通过VMC在系统内确认交易后使用私钥加密提交至主节点，同时生成信用评价；3）主侧链主节点分别打包当前时段交易并区分侧链交易及跨链交易，签名后广播至共识节点，同时生成信用评价；4）共识节点使用公钥解密打包文件核对交易信息，经过共识后，共识节点集群中的节点判断这一时间段内的所有交易是否合法并确认区块合法性，生成信用评价，并将交易信息同步至节点本地账本；5）智能合约将共识节点生成的区块自动执行侧链上链及主链上链；6）各节点同步链上数据至各自本地分布式账本，同时根据各步骤生成的信誉度实现节点信用评价自动更新准备下一轮次交易。

DCE-PBFT算法根据多虚拟电厂交易系统的特点将全网全节点广播改为主节点向共识节点发送消息进行验证，取消了全网全节点广播，同时通过控制共识节点数量减少了共识流程对网络资源的占用，无疑大大减少了所消耗的网络带宽，提高了共识流程效率。

03

算例分析

3.1 基本设置

为验证提出的交易模式的有效性，本节在实验室环境下模拟多VPP电力交易场景进行仿真测试。实验室主机配置为Intel(R) Core(TM) i5-6300 HQ CPU @ 2.30 GHz，16 GB RAM，Windows10操作系统。选取4个虚拟电厂进行交互模拟，各虚拟电厂因其产消属性的互补性产生交互，如表3所示。假设VPP1、VPP2聚合有综合负荷、电动汽车充电站和光伏电站等不确定性资源，对外呈现为消费特性；VPP3聚合有传统火电机组、工业用户及普通居民负荷，具有一定的对外出力能力；VPP4聚合有传统火电机组、热电联产机组、大型储能及综合负荷，具有很强的对外出力能力，其中居民负荷及工业负荷视为确定性负荷，电动汽车充电站等视为不确定性负荷。

表3 虚拟电厂聚合资源设置Table 3Virtual power plant aggregate resource settings

3.2 交易性能测试

3.2.1 交易时间分析

本设计中普通节点从发送交易请求到主节点打包交易的时间相对固定，因此尽管MLTS交易时间定义为从普通节点发起交易请求开始到共识节点达成共识且区块上链结束所需时间，但主要受共识及上链流程的影响，可表示为

为考察主侧链随共识节点数量变化时的交易时间的变化情况，在不同共识节点数量下对主侧链分别进行交易模拟，本实验考虑在每个节点数量下随机分配主侧链交易场景，将参与共识节点数由10个开始并以10的步长递增至100个，在各节点数量下多次模拟并取实验均值作为该情境下系统的交易时间，实验结果如图5所示。

图5DCE-PBFT及PBFT算法主侧链交易时间对比

Fig.5Comparison of mainchain and sidechain trading time between DCE-PBFT and PBFT algorithms

由图5可看出，相同节点数量下，系统采用PBFT共识的系统交易时间总是大于采用DCE-PBFT的系统交易时间，同时，由于侧链交易流程比主链的复杂，采用PBFT共识的系统随着节点的增加，主侧链交易时间差距进一步拉大，而采用DCE-PBFT共识的系统并不存在此问题。这是因为采用DCE-PBFT共识的系统交易流程更符合点对点交易的特点，其将全网全节点广播改为主节点向共识节点广播，取消了全网全节点广播。除此之外，当节点数量大于30个时，通信复杂程度进一步增加，但由于系统设计中控制了共识节点数量从而减少了共识通信复杂度，采用DCE-PBFT共识的系统交易时间的增长趋势相较于采用PBFT的系统更平缓，其在面对节点增长情况时稳定性也要优于采用PBFT共识的系统。综上所述，PBFT在交易时间方面的表现要弱于DCE-PBFT算法。

3.2.2 交易效率分析

在共识节点数量由10个开始，以10的步长递增至100个时，根据系统内设定的共识节点不超过系统总节点的10%，则系统总节点数将从100个开始，以100的步长递增至1000个，交易事件数为保留分布式资源交易的自由发散特性，考虑将50%的普通节点记为n1，任意两节点交易后不再对外交易；另外50%的普通节点记为n2，该类节点对外进行2次交易后不再对外交易，则交易事件数可由确定，将各节点数量下的交易事件随机分布于主链交易与侧链交易场景下并进行多次重复实验，取平均值作为每种节点数量下系统单位时间能够完成交易的最高数量——交易吞吐量（transaction throughputs，TPS）来衡量交易效率，实验结果如图6所示。

图6采用DCE-PBFT及PBFT的系统交易吞吐量对比

Fig.6Comparison of system transaction throughputs between DCE-PBFT and PBFT consensus algorithms

由实验结果可以看出，采用PBFT与DCE-PBFT共识的系统交易吞吐量在共识节点数大约位于50个之前都与节点数量成正相关，之后随着采用PBFT的系统交易吞吐量达到峰值，此时共识节点再增加则会影响系统性能，其表现为交易吞吐量的下降，而采用DCE-PBFT的系统随着节点数量的增加其交易性能进一步提升，在共识节点数量约为80个才缓慢达到峰值，并且之后随着节点的增加其吞吐量的下降速度较采用PBFT共识的系统更缓慢。相比于采用PBFT共识的系统，在面对共识节点相同的场景时，采用DCE-PBFT系统的交易吞吐量始终比采用PBFT系统的高，因此，DCE-PBFT共识的交易效率性能优于PBFT共识。

3.3 信用值更新验证

DCE-PBFT共识在进行交易之前，首先根据节点信用值更新情况确定本轮共识节点，同时为保证各节点在规定时间内正确动作，设置了监督节点问责流程，并通过信用机制来提升节点参与系统运行的规范性。

根据DCE-PBFT信用机制设计，信用大小作为共识节点的选择依据并且影响节点间交互，因此节点将主动维护自身信用值，节点信用评价指标是否合理对于系统稳定性影响重大。对上述实验涵盖的4种节点类型的100个节点进行了20轮的信用增长分析，设置各节点动作特性（见表4），其中P1—P5为4个侧链主节点和1个主链主节点，P6—P89为普通节点，随机分布于4个VPP内，P90—P99为共识节点，平均分布于5条区块链上，P100为系统监督节点，各类型节点在模拟交易中遵循其动作概率，正确或错误动作都将根据图4在对应步骤中更新信用值参数。从4种类型的节点中各取一个典型节点，其信用值更新情况如图7所示。

表4节点动作特性Table 4Node action characteristics

图7节点多轮信用值增长分析

Fig.7Node multi-round credit value growth analysis

实验结果表明，随着轮次数递增，每轮节点所能获得的信用值平均在[0.65, 0.90]之间，节点每轮信用值增长比较稳定。第4轮中，主节点出现误打包区块行为，信用值基本无增长；在第7轮中，普通节点恶意动作被共识节点发现，共识节点的信用值出现小幅增长，而普通节点本轮无信用收益，且其交易完成度参数T降低，对后续信用增长速度产生影响；第12轮中共识节点出现离线行为，由于共识性能对系统影响重大，惩罚较重，其损失信用值平均分配给了系统内的其他共识节点、被该共识节点影响的普通节点和监督节点，可以通过监督节点第11~12轮的小幅度阶跃看出共识节点恶意动作对其他节点信用值的影响；在第16轮，监督节点对普通节点发起问责，成功发现普通节点恶意动作，可以看出普通节点损失了较多信用值且后续信用值增长速度进一步变缓，而监督节点信用值迎来更大幅度的阶跃，鉴于监督节点的特殊性，其信用增长仅在外部节点影响下才会有小幅阶跃，其余场景下增速均缓慢。该信用值模型设计在不同的节点动作模式下均能有效激励节点正确动作，证明了差异化信用评价机制的有效性。

04

结语

随着点对点交易灵活性的不断增加，多VPP厂间互动更加频繁。本文提出了基于区块链的多VPP交易系统架构，该架构融合了电力交易、多链协同和跨链锚定等技术，实现了多VPP间有效互动，并基于此架构设计了差异化信用评价指标改进共识算法以适应多链系统，提高系统运行效率。在实验环境中得出了所设计的DCE-PBFT算法较PBFT共识缩短了交易时间，提高了共识效率，且信用增长稳定。未来对多VPP交易在主侧链智能定价、智能合约及数字签名认证技术等方面仍然值得进一步探讨研究。