CN106934542A - 一种基于斯塔克伯格博弈论的电动汽车需求响应调控方法 - Google Patents

Abstract

本发明公开了一种基于斯塔克伯格博弈论的电动汽车需求响应调控方法。通过聚合商提前一天拟定价格并向用户预约可调控负荷资源，用户按照电价对电动汽车充电时间和功率进行适当调节。用户在调节的过程中将会预留出部分可中断、可转移的负荷资源，该调节将实现用户自身的利益最大化及使用损失最小化。聚合商在保证下层用户的自身利益最大化前提下，通过对用户电动汽车预留出的负荷资源进行聚合后，去参与其他聚合商的竞争。最终聚合商在实现用户的利益化(主要为满意度，即效用)最大化的同时，也将实现自身利益的最大化。

Description

一种基于斯塔克伯格博弈论的电动汽车需求响应调控方法

技术领域

本发明涉及一种基于斯塔克伯格博弈论的电动汽车需求响应调控策略。聚合商提前一天的时间发布电价及期望预约的负荷资源容量。用户在知道电价之后通过用户收益分析模型构建用户电动汽车充电策略及用户负荷调节策略模型，从电动汽车充电过程中预留出部分可调节的负荷资源，并向上提交该负荷资源的相关信息。聚合商根据该负荷消息整合用户侧可调节负荷资源后再适当地再次调节第二天电价，最终在不断修正电价的基础上实现负荷的资源容量逼近聚合商期望的容量值。最后聚合商再去与其他聚合商竞价。其中涉及到多个用户电动汽车充电策略模型构建、用户/聚合商收益分析模型的设计等。

背景技术

目前电动汽车的充电策略设计主流主要侧向于有序充电的研究，即在满足电动汽车用户充电基本需求的前提下，聚合商通过有效的经济手段或者技术手段，直接或间接的方式调动用户的积极性来实现电动汽车充电时间和充电功率调节。聚合商通过对该调节类预留的资源，出售给电力市场以减小电网峰谷差，或者减小电网损耗和负荷冲击，保证电动汽车和电网之间的协调发展。

按照目前对电动汽车充电策略设计成果分析，主要有以下几个方向。(1)由用户来决策的有序充电方法，以充电费用最低为目标建立用户侧优化模型，并运用动态规划建立了求解方法。但其中的电价和功率是由外部系统制定，没有考虑外部电网系统的优化方法。(2)基于对用户的充电需求进行分析和建立充电需求模型，提出用户层的功率托配方法：分段加权功率分配。(3)建立配电网网损最小的优化模型，采用迭代修正节点电压的方法，进行优化求解，但并未考虑无功补偿设备和无功功率优化的配置。(4)提出以电网削峰填谷为目标的电力需求侧管理策略，建立了用户层充电费用最经济和电网削峰填谷的多目标函数，基于分时电价，采用差分进化算法进行优化求解，并运用模糊聚类算法对分时电价的时段进行划分，但不足是没有对分时电价的定价进行研究。

电动汽车多目标的控制策略主要包括单侧多目标的控制和多侧多目标的控制策略。将电网一侧的网损、负荷波动、峰谷差为目标函数进行控制。也可将虚拟充电站的总体经济收益和电网的各个目标函数同时考虑，或者将电动汽车用户的满意度及充电费用作为目标考虑。但是这些都不无法同时兼顾用户与聚合商的利益关系，并且保证电动汽车用户的满意度。对分时电价的定义并未深入研究并给出介绍。

发明内容

为解决上述现有技术中的不足，本发明的目的是提供一种基于斯塔克伯格博弈论的电动汽车需求响应调控方法，该调控方法和相关模型能够帮助聚合商下级多个用户的电动汽车确定其充电策略，有效性地针对用户充电收益及聚合商与其他聚合商竞争过程中的收益进行优化，达到效益最大化。

为此，本发明将提供以下设计方案：

一种基于斯塔克伯格博弈论的电动汽车需求响应调控方法，其特征在于：包括以下步骤：

步骤S400：聚合商采集并分析每个用户电动汽车充电的参数；

步骤S401：聚合商在每个用户电动汽车充电参数的基础上构建电价模型；

步骤S402：聚合商发布不同时段的电价以及期望预约的负荷资源容量大小给用户；

步骤S403：用户根据自身的用电需求、收益以及用电满意度构建效用函数，安排电动汽车充电，形成电动汽车充电策略，该策略包括充电功率大小和时间；

步骤S404：用户将该类调节后的负荷资源信息上报至聚合商处，聚合商聚合该类资源；

步骤S405：聚合商在聚合该类资源后，确定是否供需平衡。

步骤S406：此时聚合商判断处用户预留的资源远超或远低了聚合商期望预约的资源容量。适当地对电价和补偿机制进行调整。

所述的每个用户电动汽车充电参数包括电动汽车计划充电量的总量、充电时段、充电功率、电动汽车单位时刻最大充电量。

所述的电价模型制定将减少用户的用电开支、最优化聚合商的收益，制定的电价模型参数包含：每个用户充电时长、用户的个人权重、电动汽车充电量。

所述的效用函数表征的是用户的用电满意度及收益，该效用函数将单个用户的用电量与用户用电满意度、用户收益进行了关联。

所述的用户负荷资源信息，包括用户充电汽车在每个时段的充电量、充电时段。

所述的聚合商聚合该类资源，该资源包括基于聚合商发布电价后每个用户充电时间、充电量以及所需补偿费用。

所述的适当地对电价和补偿机制进行调整，该调整主要针对的是电价和补偿机制微调，最终实现的目标是达到供需平衡。

本发明所达到的有益效果：

本发明的方法，通过聚合商提前一天拟定价格并向用户预约可调控负荷资源，用户按照电价对电动汽车充电时间和功率进行适当调节。用户在调节的过程中将会预留出部分可中断、可转移的负荷资源，该调节将实现用户自身的利益最大化及使用损失最小化。聚合商在保证下层用户的自身利益最大化前提下，通过对用户电动汽车预留出的负荷资源进行聚合后，去参与与其他聚合商的竞争。最终聚合商在实现用户的利益化最大化的同时，也将实现自身利益的最大化。该调控方法和相关模型能够帮助聚合商下级多个用户的电动汽车确定其充电策略，有效性地针对用户充电收益及聚合商与其他聚合商竞争过程中的收益进行优化，达到效益最大化。

附图说明

图1是本发明提供的用户与聚合商之间的斯塔克伯格模型关系图；

图2是本发明提供的单个用户效用函数示意图；

图3是本发明提供的聚合商聚合负荷资源的两种情况；

图4是本发明提供的聚合商与用户互动博弈的主流程图。

具体实施方式

下面结合附图对本发明的具体实施方式作进一步的详细说明。

图1是用户与聚合商之间的斯塔克伯格模型关系图。如图中所示，用户在电价的基础上对电动汽车的充放电策略进行调整来保证自身的收益最大化，而聚合商在确保用户收益最大化的前提下，适当的调整电价并与其他聚合商竞价获取最大利益。这两者之间相互作用相互反馈。

图4是聚合商与用户互动博弈的基本流程图。如图4中的流程所示，

步骤S400：聚合商采集并分析每个用户电动汽车充电的参数；

步骤S401：聚合商在每个用户电动汽车充电参数的基础上构建电价模型；

步骤S402：聚合商发布该不同时段的电价以及期望预约的负荷资源容量大小给用户；

步骤S403：用户根据自身的用电需求、收益以及用电满意度安排电动汽车充电，该策略包括充电功率大小和时间等；

步骤S404：用户将该类调节后的负荷资源信息上报至聚合商处，聚合商聚合该类资源；

步骤S405：聚合商在聚合该类资源后，确定是否供需平衡。

步骤S406：此时聚合商判断处用户预留的资源远超或远低了聚合商期望预约的资源容量。适当地对电价和补偿机制进行调整。

设定负荷聚合商下级管辖及聚合的用户集为n_total，用户总数为N_total。num(n_total)＝N_total。拥有电动汽车并有充电需求的用户集为n，该类用户数为N＝num(n)

将一天24小时划分为多个时段的集合H，H＝{1,2,...,H}，用户电动汽车充电及需要调控的时段H_charge，H_charge∈H。假定负荷聚合商需要负荷调控时能够与下级所有的设备管理进行实时通畅地通信，不存在通信时信道堵塞无法连接的问题。

电动汽车充电过程中，存在着能量转化率，其中μ_c表示电动汽车充电时效率(无单位)、x_i表示用户i在不同时段要求充电的量(期望充电量，单位为kwh)，该数值按千瓦时计算。x_i是个向量，在不同时段有不同的数值，用户i充电时间段为H_i,charge，充电时间为T_i。用户i电动汽车总充电量为E_i。设定电动汽车的最大充电功率为δ_i。三者的关系式如下：

式中h表示时段。假定用户i电动汽车的充电开始时间为s_i，充电截止时间为f_i。H_i,charge＝[s_i，f_i]，T_i＝|H_i,chargei|＝f_i-s_i。

考虑到在构建用户电动汽车充电策略模型时，有时不仅仅需要考虑到调节充电时间，保证用户电动汽车充电的满意度，还需要兼顾用户用电的成本。如何正确的生成电动汽车充电量与满意度的关系是关键点，因此在本专利中设计了不同用户的效用函数。该效用函数反应了不同用户的电动汽车在不同时段充电量与满意度的关系，也反映了用户收益。具体关系如下为：

式中w_i聚合商给用户i划分评定的权重，U_i为用户i的效用函数值。即用户i的效用与用户的权重w_i、用户电动汽车充电量x_i与电动汽车的最大充电功率δ_i有关。效用函数越高代表用户充电满意度越高。该关系式是个单调不减的二段函数，前段函数中随着充电量的增加，用户满意度会提高，当到一定阈值时该满意度不再变化，如图2所示。具体权重计算方法如下：

式中m表示的是函数，w_ref为常数，该常数由聚合商对用户进行评价，数值越大，代表该用户在聚合资源中的作用和地位也越高，补偿费用也越高。

在引入斯塔克伯格博弈论的过程中，按照斯塔克伯格博弈的内容定义。我们假定负荷聚合商为领导者，电动汽车用户为跟随者。聚合商发布电价与期望预约的总负荷资源容量，用户根据聚合商的预约容量大小及电价安排电动汽车充电，最终实现两者的利益共赢。

A、用户侧收益分析

每个用户根据聚合商发售的1天24小时的不同时段电价p^h，p^h∈p且p＝{p¹,p²,...,p^H}，p代表电价。用户需选择自己在不同时段h的用电水平来实现自身的利益g_i(x)最大化，其中g_i(x)为单调不减函数。在本专利中规定用户i的收益为

g_i(x)＝U_i(x_i,w_i,δ_i)-p×x_i+g_com (6)

该公式的定义相对简单，如公式中所示，前半部分为效用函数U_i(x_i,w_i,δ_i)，后半部分为用能成本p×x_i与补偿收益g_com，补偿收益为常数。g_i(x)的导数为

可知g_i(x)要取得最大值，此时

式子(8)中的表示为用户i在h时段、电价为p^h时电动汽车所应该充电的大小，具体表现为用电量，即kw.h为单位。该数值时，用户i整体效用取值最大，但约束关系为p≤w_i。具体每个时段的电价制定数值大小，将在下文B、聚合商收益分析中介绍。

B、聚合商收益分析

聚合商通过制定不同时段电价p^h来获取最大利益。在这之前聚合商只能知道用户的部分参数。例如E_i、δ_i、w_i。聚合商在发布的电价此时用向量p＝{p¹,p²,p³,...,p^H}表示。定义聚合商的收益为f表示，具体定义如下：

f(p^h)＝R(p^h)-C(p^h) (9)

R(p^h)和C(p^h)表示在电价p^h条件下收入和成本函数，即聚合商最终的收入额等于收入减去成本。其中R(p^h)定义为式中的表示用户i在时段h下的电动汽车充电用电量。成本的支出原因主要在于补偿机制与用户缩减用电量两个方面，由于两者相对复杂，为了简单化，在本处设定成本函数为二次关系式，C(X^h)＝a(X^h)²。收入的函数为单调递增的函数，而且为凹函数。其中该X^h表示所有的用户在h时段的用能，a为设定参数。该用能包括了用户的基础不可调节负荷用电量以及基于电价激励可调节类型的负荷用电量之和。其中等于所有用户的基础不可调节负荷用电量之和，表示为h时段基于电价激励可调节类型的负荷用电量之和R_r，在本处电价激励可调节的负荷用电量仅仅考虑电动汽车的充电可调节量。

最终的聚合商收益优化成本的问题都可以以下式来表示：

约束关系式为

式子10中(G)表示优化目标G。为了保证求得合适的优化解，我们给出了约束条件关系式δ_i|H_i,charge|≥E_i/μ_c。该关系式表示电网所能提供的电能供应量应该大于等于用户的日常用电与充电需求。对于任何不满足该关系式的用户不具备提供符合调节的能力，此时聚合商不会对该类用户进行负荷资源预留，该类用户也不会参与电网的调控。此时该类的用户负荷用电量将作为基础用电量，不会对电价做出任何的响应。

在单个用户的情况下，聚合商的收入计算。此时聚合商的成本为

约束关系式为

由之前对的计算结果可知，当p>w_i时即当p>w_i时不存在负荷的最优化解。因此在之前给出了定义，只有电价满足关系式0≤p≤w_i时，用户i才存在负荷最优化解即公式(8)。将该关系式带入优化目标公式(G1)中，可得到式子：

约束关系为式中w_i由公式(5)算得。为slater条件(slater定理成立的前提)。由于聚合商需要根据用户的个人信息和属性来制定电价，并优化已有的电价。此时根据之前的给出公式，此时令可求解得到电价模型

此时公式(8)化简得用户i在t时段最优充电量为电价为p^h*。具体如公式(14)所示：

由于上式给出的是针对单个用户的电价制定以及电动汽车充电量的调节，为得出所有电动汽车的充电量及电价，由式(8)成立的条件可知此时满足条件下，可使得每个用户效用最高(满意度最大)，且聚合商收益最大。此时每个用户充电量为：

聚合商在聚合资源后会出现两类供需情况，如图3所示，不同情况需要据具体情形进行微调，具体如下。

场景1。聚合商下级用户按照电价可以预留的资源容量R_r能完全满足聚合商期望的容量R_wr要求。此时用户预留的资源容量大小已经完全超过了聚合商期望预约的资源容量大小，R_wr≤R_r。用户的资源预留量与聚合商需求量供大于求，聚合商这时可以在确保不降低之前的用户资源预留容量前提条件下，在下一轮负荷调控需要资源预留时，选择适当降低不同时段的电价p^h并重新与用户协商，通过多次迭代降低聚合商预留资源容量大小及成本。

场景2。聚合商下级用户按照电价可以预留的资源容量R_r未能完全满足聚合商期望的容量R_wr要求。此时用户预留的资源容量大小完全无法满足聚合商期望预约的资源容量大小，R_wr>R_r。用户的资源预留量与聚合商需求量整体表现为供不应求。聚合商此时有两种选择，一个是选择重新制定并提高电价，或者加入补偿费用以激励用户预留资源，通过电价和补偿机制提高用户预留资源容量大小；另一个是不作出任何的动作，仍然采用现在的电价和补偿机制对用户进行资源预约。

Claims (7)

1.一种基于斯塔克伯格博弈论的电动汽车需求响应调控方法，其特征在于：包括以下步骤：

步骤S400：聚合商采集并分析每个用户电动汽车充电的参数；

步骤S401：聚合商在每个用户电动汽车充电参数的基础上构建电价模型；

步骤S402：聚合商发布不同时段的电价以及期望预约的负荷资源容量大小给用户；

步骤S403：用户根据自身的用电需求、收益以及用电满意度构建效用函数，安排电动汽车充电，形成电动汽车充电策略模型，该策略包括充电功率大小和时间；

步骤S404：用户将负荷资源信息上报至聚合商处，聚合商聚合资源；

步骤S405：聚合商在聚合该类资源后，确定是否供需平衡；聚合商判断用户预留的资源与聚合商期望预约的资源容量，对电价和补偿机制进行调整。

2.如权利要求1中所述的基于斯塔克伯格博弈论的电动汽车需求响应调控方法，其特征在于：所述的每个用户电动汽车充电参数包括电动汽车计划充电量的总量E_i、充电时段H_i,charge、充电功率电动汽车单位时刻最大充电量δ_i。

3.如权利要求1中所述的基于斯塔克伯格博弈论的电动汽车需求响应调控方法，其特征在于：构建的电价模型为：

其中，E_i为电动汽车计划充电量的总量，δ_i为电动汽车单位时刻最大充电量，w_i为聚合商给用户i划分评定的权重，T_i为用户充电时间，μ_c为电动汽车充电时效率。

4.如权利要求1中所述的基于斯塔克伯格博弈论的电动汽车需求响应调控方法，其特征在于：所述的效用函数表征的是用户的用电满意度及收益，该效用函数将单个用户的用电量与用户用电满意度、用户收益进行了关联；

$U_i(x_i,w_i,{\mathrm{\δ}}_i)=\left\{\begin{array}{c}{w}_i{x}_i-\frac{w_i}{2{\mathrm{\δ}}_i}{x_i}^2,0\≤x_i\≤{\mathrm{\δ}}_i\\ \frac{w_i{\mathrm{\δ}}_i}{2},x_i>{\mathrm{\δ}}_i\end{array}\right.$

其中，U_i为用户i的效用函数值，x_i表示用户i在不同时段要求充电的量，w_i聚合商给用户i划分评定的权重，δ_i为电动汽车单位时刻最大充电量。

5.如权利要求1中所述的基于斯塔克伯格博弈论的电动汽车需求响应调控方法，其特征在于：所述的用户负荷资源信息，包括用户充电汽车在每个时段的充电量充电时段H_i,charge。

6.如权利要求1中所述的基于斯塔克伯格博弈论的电动汽车需求响应调控方法，其特征在于：所述的聚合商聚合资源，该资源包括基于聚合商发布电价后每个用户充电时间T_i、电动汽车计划充电量的总量E_i以及所需补偿费用g_com。

7.如权利要求1中所述的基于斯塔克伯格博弈论的电动汽车需求响应调控方法，其特征在于：步骤S405中，当聚合商下级用户按照电价预留的资源容量R_r能完全满足聚合商期望的容量R_wr要求时，即R_wr≤R_r，用户的资源预留量与聚合商需求量供大于求，聚合商这时可以在确保不降低之前的用户资源预留容量前提条件下，在下一轮负荷调控需要资源预留时，选择降低不同时段的电价p^h，通过多次迭代降低预留资源容量大小及成本；

当聚合商下级用户按照电价预留的资源容量R_r未能完全满足聚合商期望的容量R_wr要求时，即R_wr>R_r，聚合商此时有两种选择，一个是选择重新制定并提高电价，或者加入补偿费用以激励用户预留资源，通过电价和补偿机制提高用户预留资源容量大小；另一个选择是仍采用现在的电价和补偿机制对用户进行资源预约。