基于区块链和LSTM的分布式能源交易方法与系统与流程

基于区块链和lstm的分布式能源交易方法与系统
技术领域
1.本公开涉及能源交易领域，具体涉及一种基于区块链和lstm的分布式能源交易方法与系统。


背景技术：

2.传统电力市场主体之间进行交易时，多采用集中式模式：发电商与用户将数据上传至中央处理系统，通过集中撮合或者优化等方法匹配发用电双方。但随着类型多、数量广的分布式能源的兴起，交易数量、规模以及信息数据随之增加，集中决策的方法会使得交易中心的运行成本变高同时耗时增长。如果交易中心内部暗箱操作或者遭受外部黑客攻击，交易的安全性和参与主体的隐私无法得到保证。在此背景下，分布式交易——具有参与者众多、单笔交易量小等特点的交易模式逐渐成为一种交易趋势。而分布式交易决策过程中缺少中心监管机制，如何对交易双方身份进行核实、校验信息来确保交易安全是亟待解决的问题。
3.作为一种去中心化的分布式记账系统，区块链技术凭借其分散化、匿名性、可靠性高等优点在分布式能源交易领域得到了广泛的研究。已有诸多学者探索分析了区块链技术应用至虚拟电厂、储能、电动汽车、辅助服务、大用户直购电等方面的可行性；设计了基于区块链技术的分布式能源交易架构及结算机制；借助区块链对电能进行监管与结算等。
4.中国的分布式发电市场化方兴未艾，因此全面总结区块链技术在分布式能源交易方面的应用，对消纳分布式能源、推动分布式交易模式的发展、降低交易成本、提高需求侧管理水平有着重要意义。
5.现阶段基于区块链的电力交易模式的理论研究与设计，主要可以分为两类：一是研究个体间点对点交易，另一种是有中介优化处理的集中出清。基于区块链的点对点交易利用了区块链技术去中心化和去信任的特性：在进行此类交易时，只有发、用电两侧。交易前，双方约定好合约内容，无需第三方参加。基于区块链的集中出清需要借助区块链技术公开透明的特性：对于基于区块链的交易而言，需要有去中心化的交易平台将买卖双方的报价及需求聚集在一起进行撮合匹配，形成供需曲线后出清。


技术实现要素：

6.本公开提供一种基于区块链和lstm的分布式能源交易方法与系统，能够借助区块链技术公开透明的特性，基于去中心化的交易平台通过人工智能算法形成卖方报价，卖方将报价向全网公示，各方在数据交换安全、可靠、防篡改、可追溯的前提下完成能源出清。本公开提供如下技术方案：
7.作为本公开实施例的一个方面，提供一种基于区块链和lstm的分布式能源交易方法，包括如下步骤：
8.构建交易链网络，所述交易链网络的区块链节点包括：去中心化的交易平台、分布式能源机构买方和分布式能源机构卖方，其中，每个区块链节点共同参与交易的区块生成
以及共同维护共识机制；
9.基于去中心化的交易平台通过lstm模型形成分布式能源机构卖方的卖方报价；
10.将所述分布式能源机构卖方的能源特征和卖方报价发布到所述交易链网络中；
11.所述分布式能源机构买方将包含买方报价的能源申请发布到所述交易链网络；
12.匹配分布式能源机构卖方和分布式能源机构买方的买卖需求并在双方确认交易后，在其他区块链节点中进行此次交易的数据更新。
13.可选地，基于去中心化的交易平台通过lstm模型形成分布式能源机构卖方的卖方报价，包括如下步骤：
14.将分布式能源机构卖方类型、分布式能源机构卖方名称、分布式能源机构卖方信用值、分布式能源机构卖方位置、分布式能源机构能源卖方历史报价、当前市场同类型能源报价作为lstm模型的输入；
15.利用lstm模型提取分布式能源机构的能源报价预测。
16.可选地，利用lstm模型提取分布式能源机构的能源报价预测，包括：
17.分别计算lstm模型中的遗忘门的遗忘因子、记忆门中属性信息和输出门的输出因子，结合能源报价演变模式实现分布式能源机构的能源报价预测的计算。
18.可选地，计算lstm模型中的遗忘门的遗忘因子、记忆门中属性信息和输出门的输出因子，包括：
19.分别计算lstm模型中的遗忘门的遗忘因子、记忆门中属性信息和输出门的输出因子，结合能源报价演变模式实现分布式能源机构的能源报价预测的计算。
20.可选地，计算lstm模型中的遗忘门的遗忘因子、记忆门中属性信息和输出门的输出因子，包括：
21.计算遗忘门中的遗忘因子f
t
，f
t
＝σ(wf[h
t-1
,x
t
]+bf)，其中，短期记忆h
t-1
以及当前输入x
t
，其中，wf是遗忘门的权重矩阵，σ为sigmoid函数，bf为遗忘门的偏置项；
[0022]
计算记忆门中的遗忘门丢弃的属性信息i
t
：
[0023][0024]
其中，bi为输入门的偏置项，bc为当前时刻单元的偏置项；
[0025]
更新旧的状态信息c
t-1
为c
t
：
[0026][0027]
计算输出门中的输出因子o
t
：
[0028]ot
＝σ(wo[h
t-1
,x
t
]+bo)，
[0029]
其中，x
t
为当前输入，h
t-1
为短期记忆；
[0030]
计算最终输出h
t
：
[0031]ht
＝o
t
×
tanh(c
t
)。
[0032]
可选地，结合能源报价演变模式实现分布式能源机构的能源报价预测的计算，包括：
[0033]
得到分布式能源机构的能源报价预测：
[0034]
[0035]
其中，σ为sigmoid函数，w为权重矩阵，
[0036]
可选地，匹配分布式能源机构卖方和分布式能源机构买方的买卖需求，包括如下步骤：
[0037]
将分布式能源机构买方的包含买方报价的能源申请转发给分布式能源机构卖方；
[0038]
分布式能源机构卖方将对包含买方报价的能源申请审批记录发布到区块链上；
[0039]
区块链存储审批信息并将审批信息转发给分布式能源机构买方；
[0040]
重复上述步骤直至分布式能源机构卖方和分布式能源机构买方能源申请匹配完成。
[0041]
作为本公开实施例的另一个方面，提供一种基于区块链和lstm的分布式能源交易系统，包括交易链网络，所述交易链网络的区块链节点包括：去中心化的交易平台、分布式能源机构买方和分布式能源机构卖方，其中，每个区块链节点共同参与交易的区块生成以及共同维护共识机制；
[0042]
运行在区块链节点上的能源交易单元，所述能源交易单元用于实现如下功能：基于去中心化的交易平台通过lstm模型形成分布式能源机构卖方的卖方报价；将所述分布式能源机构卖方的能源特征和卖方报价发布到所述交易链网络中；所述分布式能源机构买方将包含买方报价的能源申请发布到所述交易链网络；匹配分布式能源机构卖方和分布式能源机构买方的买卖需求并在双方确认交易后，在其他区块链节点中进行此次交易的数据更新。
[0043]
可选地，基于去中心化的交易平台通过lstm模型形成分布式能源机构卖方的卖方报价，包括：
[0044]
将分布式能源机构卖方类型、分布式能源机构卖方名称、分布式能源机构卖方信用值、分布式能源机构卖方位置、分布式能源机构能源卖方历史报价、当前市场同类型能源报价作为lstm模型的输入；
[0045]
利用lstm模型提取分布式能源机构的能源报价预测。
[0046]
可选地，利用lstm模型提取分布式能源机构的能源报价预测，包括：分别计算lstm模型中的遗忘门的遗忘因子、记忆门中属性信息和输出门的输出因子，结合能源报价演变模式实现分布式能源机构的能源报价预测的计算；其中，计算lstm模型中的遗忘门的遗忘因子、记忆门中属性信息和输出门的输出因子，包括：
[0047]
计算遗忘门中的遗忘因子f
t
，f
t
＝σ(wf[h
t-1
,x
t
]+bf)，其中，短期记忆h
t-1
以及当前输入x
t
，其中，wf是遗忘门的权重矩阵，σ为sigmoid函数，bf为遗忘门的偏置项；
[0048]
计算记忆门中的遗忘门丢弃的属性信息i
t
：
[0049][0050]
其中，bi为输入门的偏置项，bc为当前时刻单元的偏置项；
[0051]
更新旧的状态信息c
t-1
为c
t
：
[0052][0053]
计算输出门中的输出因子o
t
：
[0054]ot
＝σ(wo[h
t-1
,x
t
]+bo)，
[0055]
其中，x
t
为当前输入，h
t-1
为短期记忆；
[0056]
计算最终输出h
t
：
[0057]ht
＝o
t
×
tanh(c
t
)。
[0058]
可选地，结合能源报价演变模式实现分布式能源机构的能源报价预测的计算，包括：
[0059]
得到分布式能源机构的能源报价预测：
[0060][0061]
其中，σ为sigmoid函数，w为权重矩阵，
[0062]
相对于现有技术，本公开可以：
[0063]
(一)基于人工智能算法计算能源报价，对于推动分布式交易模式的发展、降低交易成本、提高需求侧管理水平有着重要意义。
[0064]
(二)通过建立交易链网络，让每个分布式能源机构都成为记账人节点，确保了能源使用业务流程相关发布申请审批等数据有一个公平公正、安全可信、高可靠、不可篡改、可追溯的中心节点进行存储；
[0065]
(三)将能源的发布、申请、审批记录全部上链，保障了作为各机构核心资产的数据的使用记录不可篡改、可追溯；同时对于多方数据的安全审计、以及对于后续联邦建模贡献度的评估都提供了准确可靠安全的数据支撑。
附图说明
[0066]
图1为根据本公开实施例1中的基于区块链和lstm的分布式能源交易方法的流程图；
[0067]
图2为根据本公开实施例1中的lstm模型示意图；
[0068]
图3为实施例1中s50的步骤流程图。
具体实施方式
[0069]
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
[0070]
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
[0071]
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括a、b、c中的至少一种，可以表示包括从a、b和c构成的集合中选择的任意一个或多个元素。
[0072]
另外，为了更好地说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
[0073]
可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。
[0074]
实施例1
[0075]
作为本公开实施例的一个方面，如图1所示，提供一种基于区块链和lstm的分布式能源交易方法，包括如下步骤：
[0076]
s10、构建交易链网络，所述交易链网络的区块链节点包括：去中心化的交易平台、分布式能源机构买方和分布式能源机构卖方，其中，每个区块链节点共同参与交易的区块生成以及共同维护共识机制；
[0077]
s20、基于去中心化的交易平台通过lstm模型形成分布式能源机构卖方的卖方报价；
[0078]
s30、将所述分布式能源机构卖方的能源特征和卖方报价发布到所述交易链网络中；
[0079]
s40、所述分布式能源机构买方将包含买方报价的能源申请发布到所述交易链网络；
[0080]
s50、匹配分布式能源机构卖方和分布式能源机构买方的买卖需求并在双方确认交易后，在其他区块链节点中进行此次交易的数据更新。
[0081]
作为一种可选的实施方式，基于去中心化的交易平台通过lstm模型形成分布式能源机构卖方的卖方报价，包括如下步骤：
[0082]
将分布式能源机构卖方类型、分布式能源机构卖方名称、分布式能源机构卖方信用值、分布式能源机构卖方位置、分布式能源机构能源卖方历史报价、当前市场同类型能源报价作为lstm模型的输入；如图2所示为lstm模型示意图，其中，将上述六个输入记为：x
t
＝(t1，t2，t3，t4，t5，t6)，其中，lstm模型为(long short term memory network,lstm)模型。
[0083]
利用lstm模型提取分布式能源机构的能源报价预测。其中，lstm模型是一种序列学习模型，能够学习序列中数据的依赖关系，其主要包含三个模块：遗忘门、记忆门和输出门
[0084]
作为一种可选的实施方式，利用lstm模型提取分布式能源机构的能源报价预测，包括：
[0085]
分别计算lstm模型中的遗忘门的遗忘因子、记忆门中属性信息和输出门的输出因子，结合能源报价演变模式实现分布式能源机构的能源报价预测的计算。其中，遗忘门的主要任务为接受一个长期记忆c
t-1
(上一模块输出)并决定要保留和遗忘c
t-1
的部分信息，其中的遗忘因子f
t
由短期记忆h
t-1
以及当前输入x
t
来进行计算：
[0086]ft
＝σ(wf[h
t-1
,x
t
]+bf)，其中，短期记忆h
t-1
以及当前输入x
t
，其中，wf是遗忘门的权重矩阵，σ为sigmoid函数，bf为遗忘门的偏置项
[0087]
计算记忆门，其主要任务为确定需要保留的输入信息，以补充遗忘门丢弃的属性信息：其中，bi为输入门的偏置项，bc为当前时刻单元的偏置项。
[0088]
更新旧的状态信息c
t-1
为c
t
：
[0089][0090]
计算输出门中的输出因子o
t
，其主要任务为决定长期记忆信息c
t
的输出部分，其中
输出因子o
t
由h
t-1
以及当前输入x
t
来进行计算：
[0091]ot
＝σ(wo[h
t-1
,x
t
]+bo)，
[0092]
其中，x
t
为当前输入，h
t-1
为短期记忆；
[0093]
计算最终输出h
t
：
[0094]ht
＝o
t
×
tanh(c
t
)；
[0095]
可选地，结合能源报价演变模式实现分布式能源机构的能源报价预测的计算，包括：计算能源报价演变模式：其中ho和co分别表示模型输入的初始隐藏单元和状态单元，表示为lstm网络的输出状态；
[0096]
得到分布式能源机构的能源报价预测：
[0097][0098]
其中，σ为sigmoid函数，w为权重矩阵，
[0099]
作为一种可选的实施方式，匹配分布式能源机构卖方和分布式能源机构买方的买卖需求，如图3所示，包括如下步骤：
[0100]
s501、将分布式能源机构买方的包含买方报价的能源申请转发给分布式能源机构卖方；
[0101]
s503、分布式能源机构卖方将对包含买方报价的能源申请审批记录发布到区块链上；
[0102]
s505、区块链存储审批信息并将审批信息转发给分布式能源机构买方；
[0103]
s507、重复上述步骤直至分布式能源机构卖方和分布式能源机构买方能源申请匹配完成。按照预设的同步周期对其他区块链节点进行本次交易的数据更新，保证区块链网络中所有副本完整性。
[0104]
实施例2
[0105]
作为本公开实施例的另一个方面，提供一种基于区块链和lstm的分布式能源交易系统，包括：
[0106]
包括交易链网络，所述交易链网络的区块链节点包括：去中心化的交易平台、分布式能源机构买方和分布式能源机构卖方，其中，每个区块链节点共同参与交易的区块生成以及共同维护共识机制；
[0107]
运行在区块链节点上的能源交易单元，所述能源交易单元用于实现如下功能：基于去中心化的交易平台通过lstm模型形成分布式能源机构卖方的卖方报价；将所述分布式能源机构卖方的能源特征和卖方报价发布到所述交易链网络中；所述分布式能源机构买方将包含买方报价的能源申请发布到所述交易链网络；匹配分布式能源机构卖方和分布式能源机构买方的买卖需求并在双方确认交易后，在其他区块链节点中进行此次交易的数据更新。
[0108]
作为一种可选的实施方式，基于去中心化的交易平台通过lstm模型形成分布式能源机构卖方的卖方报价，包括：
[0109]
将分布式能源机构卖方类型、分布式能源机构卖方名称、分布式能源机构卖方信用值、分布式能源机构卖方位置、分布式能源机构能源卖方历史报价、当前市场同类型能源报价作为lstm模型的输入；
[0110]
利用lstm模型提取分布式能源机构的能源报价预测。
[0111]
作为一种可选的实施方式，利用lstm模型提取分布式能源机构的能源报价预测，包括：
[0112]
分别计算lstm模型中的遗忘门的遗忘因子、记忆门中属性信息和输出门的输出因子，结合能源报价演变模式实现分布式能源机构的能源报价预测的计算。其中，遗忘门的主要任务为接受一个长期记忆c
t-1
(上一模块输出)并决定要保留和遗忘c
t-1
的部分信息，其中的遗忘因子f
t
由短期记忆h
t-1
以及当前输入x
t
来进行计算：
[0113]ft
＝σ(wf[h
t-1
,x
t
]+bf)，其中，短期记忆h
t-1
以及当前输入x
t
，其中，wf是遗忘门的权重矩阵，σ为sigmoid函数，bf为遗忘门的偏置项
[0114]
计算记忆门，其主要任务为确定需要保留的输入信息，以补充遗忘门丢弃的属性信息：其中，bi为输入门的偏置项，bc为当前时刻单元的偏置项。
[0115]
更新旧的状态信息c
t-1
为c
t
：
[0116][0117]
计算输出门中的输出因子o
t
，其主要任务为决定长期记忆信息c
t
的输出部分，其中输出因子o
t
由h
t-1
以及当前输入x
t
来进行计算：
[0118]ot
＝σ(wo[h
t-1
,x
t
]+bo)，
[0119]
其中，x
t
为当前输入，h
t-1
为短期记忆；
[0120]
计算最终输出h
t
：
[0121]ht
＝o
t
×
tanh(c
t
)；
[0122]
作为一种可选的实施方式，结合能源报价演变模式实现分布式能源机构的能源报价预测的计算，包括：计算能源报价演变模式：其中ho和co分别表示模型输入的初始隐藏单元和状态单元，表示为lstm网络的输出状态；
[0123]
得到分布式能源机构的能源报价预测：
[0124][0125]
其中，σ为sigmoid函数，w为权重矩阵，
[0126]
匹配分布式能源机构卖方和分布式能源机构买方的买卖需求，包括：
[0127]
将分布式能源机构买方的包含买方报价的能源申请转发给分布式能源机构卖方；
[0128]
分布式能源机构卖方将对包含买方报价的能源申请审批记录发布到区块链上；
[0129]
区块链存储审批信息并将审批信息转发给分布式能源机构买方；
[0130]
重复上述步骤直至分布式能源机构卖方和分布式能源机构买方能源申请匹配完成。按照预设的同步周期对其他区块链节点进行本次交易的数据更新，保证区块链网络中所有副本完整性。
[0131]
采用上述实施例中的方法和系统，基于人工智能算法计算能源报价，对于推动分布式交易模式的发展、降低交易成本、提高需求侧管理水平有着重要意义。通过建立交易链网络，让每个分布式能源机构都成为记账人节点，确保了能源使用业务流程相关发布申请
审批等数据有一个公平公正、安全可信、高可靠、不可篡改、可追溯的中心节点进行存储；将能源的发布、申请、审批记录全部上链，保障了作为各机构核心资产的数据的使用记录不可篡改、可追溯；同时对于多方数据的安全审计、以及对于后续联邦建模贡献度的评估都提供了准确可靠安全的数据支撑。
[0132]
尽管已经示出和描述了本公开的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本公开的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本公开的范围由所附权利要求及其等同物限定。

技术特征：
1.一种基于区块链和lstm的分布式能源交易方法，其特征在于，包括如下步骤：构建交易链网络，所述交易链网络的区块链节点包括：去中心化的交易平台、分布式能源机构买方和分布式能源机构卖方，其中，每个区块链节点共同参与交易的区块生成以及共同维护共识机制；基于去中心化的交易平台通过lstm模型形成分布式能源机构卖方的卖方报价；将所述分布式能源机构卖方的能源特征和卖方报价发布到所述交易链网络中；所述分布式能源机构买方将包含买方报价的能源申请发布到所述交易链网络；匹配分布式能源机构卖方和分布式能源机构买方的买卖需求并在双方确认交易后，在其他区块链节点中进行此次交易的数据更新。2.如权利要求1所述的基于区块链和lstm的分布式能源交易方法，其特征在于，基于去中心化的交易平台通过lstm模型形成分布式能源机构卖方的卖方报价，包括如下步骤：将分布式能源机构卖方类型、分布式能源机构卖方名称、分布式能源机构卖方信用值、分布式能源机构卖方位置、分布式能源机构能源卖方历史报价、当前市场同类型能源报价作为lstm模型的输入；利用lstm模型提取分布式能源机构的能源报价预测。3.如权利要求2所述的基于区块链和lstm的分布式能源交易方法，其特征在于，利用lstm模型提取分布式能源机构的能源报价预测，包括：分别计算lstm模型中的遗忘门的遗忘因子、记忆门中属性信息和输出门的输出因子，结合能源报价演变模式实现分布式能源机构的能源报价预测的计算。4.如权利要求3所述的基于区块链和lstm的分布式能源交易方法，其特征在于，计算lstm模型中的遗忘门的遗忘因子、记忆门中属性信息和输出门的输出因子，包括：计算遗忘门中的遗忘因子f
t
，f
t
＝σ(w
f
[h
t-1
,x
t
]+b
f
)，其中，短期记忆h
t-1
以及当前输入x
t
，其中，w
f
是遗忘门的权重矩阵，σ为sigmoid函数，b
f
为遗忘门的偏置项；计算记忆门中的遗忘门丢弃的属性信息i
t
：其中，b
i
为输入门的偏置项，b
c
为当前时刻单元的偏置项；更新旧的状态信息c
t-1
为c
t
：计算输出门中的输出因子o
t
：o
t
＝σ(w
o
[h
t-1
,x
t
]+b
o
)，其中，x
t
为当前输入，h
t-1
为短期记忆；计算最终输出h
t
：h
t
＝o
t
×
tanh(c
t
)。5.如权利要求4所述的基于区块链和lstm的分布式能源交易方法，其特征在于，结合能源报价演变模式实现分布式能源机构的能源报价预测的计算，包括：得到分布式能源机构的能源报价预测：
其中，σ为sigmoid函数，w为权重矩阵，6.如权利要求1所述的基于区块链和lstm的分布式能源交易方法，其特征在于，匹配分布式能源机构卖方和分布式能源机构买方的买卖需求，包括如下步骤：将分布式能源机构买方的包含买方报价的能源申请转发给分布式能源机构卖方；分布式能源机构卖方将对包含买方报价的能源申请审批记录发布到区块链上；区块链存储审批信息并将审批信息转发给分布式能源机构买方；重复上述步骤直至分布式能源机构卖方和分布式能源机构买方能源申请匹配完成。7.一种基于区块链和lstm的分布式能源交易系统，其特征在于，包括交易链网络，所述交易链网络的区块链节点包括：去中心化的交易平台、分布式能源机构买方和分布式能源机构卖方，其中，每个区块链节点共同参与交易的区块生成以及共同维护共识机制；运行在区块链节点上的能源交易单元，所述能源交易单元用于实现如下功能：基于去中心化的交易平台通过lstm模型形成分布式能源机构卖方的卖方报价；将所述分布式能源机构卖方的能源特征和卖方报价发布到所述交易链网络中；所述分布式能源机构买方将包含买方报价的能源申请发布到所述交易链网络；匹配分布式能源机构卖方和分布式能源机构买方的买卖需求并在双方确认交易后，在其他区块链节点中进行此次交易的数据更新。8.如权利要求7所述的基于区块链和lstm的分布式能源交易系统，其特征在于，基于去中心化的交易平台通过lstm模型形成分布式能源机构卖方的卖方报价，包括：将分布式能源机构卖方类型、分布式能源机构卖方名称、分布式能源机构卖方信用值、分布式能源机构卖方位置、分布式能源机构能源卖方历史报价、当前市场同类型能源报价作为lstm模型的输入；利用lstm模型提取分布式能源机构的能源报价预测。9.如权利要求8所述的基于区块链和lstm的分布式能源交易系统，其特征在于，利用lstm模型提取分布式能源机构的能源报价预测，包括：分别计算lstm模型中的遗忘门的遗忘因子、记忆门中属性信息和输出门的输出因子，结合能源报价演变模式实现分布式能源机构的能源报价预测的计算；其中，计算lstm模型中的遗忘门的遗忘因子、记忆门中属性信息和输出门的输出因子，包括：计算遗忘门中的遗忘因子f
t
，f
t
＝σ(w
f
[h
t-1
,x
t
]+b
f
)，其中，短期记忆h
t-1
以及当前输入x
t
，其中，w
f
是遗忘门的权重矩阵，σ为sigmoid函数，b
f
为遗忘门的偏置项；计算记忆门中的遗忘门丢弃的属性信息i
t
：其中，b
i
为输入门的偏置项，b
c
为当前时刻单元的偏置项；更新旧的状态信息c
t-1
为c
t
：计算输出门中的输出因子o
t
：o
t
＝σ(w
o
[h
t-1
,x
t
]+b
o
)，其中，x
t
为当前输入，h
t-1
为短期记忆；计算最终输出h
t
：
h
t
＝o
t
×
tanh(c
t
)。10.如权利要求9所述的基于区块链和lstm的分布式能源交易系统，其特征在于，结合能源报价演变模式实现分布式能源机构的能源报价预测的计算，包括：得到分布式能源机构的能源报价预测：其中，σ为sigmoid函数，w为权重矩阵，

技术总结
本公开涉及一种基于区块链和LSTM的分布式能源交易方法与系统，包括如下步骤：构建交易链网络；基于去中心化的交易平台通过LSTM模型形成分布式能源机构卖方的卖方报价；将所述分布式能源机构卖方的能源特征和卖方报价发布到所述交易链网络中；所述分布式能源机构买方将包含买方报价的能源申请发布到所述交易链网络；匹配分布式能源机构卖方和分布式能源机构买方的买卖需求并在双方确认交易后，在其他区块链节点中进行此次交易的数据更新。本公开能够借助区块链技术公开透明的特性，基于去中心化的交易平台通过人工智能算法形成卖方报价，卖方将报价向全网公示，各方在数据交换安全、可靠、防篡改、可追溯的前提下完成能源出清。清。清。


技术研发人员：高明
受保护的技术使用者：盐城塔斯科技有限公司
技术研发日：2023.06.09
技术公布日：2023/8/30