電動汽車放電電價博弈談判策略研究.pdf

1、近年來，化石資源緊缺，環(huán)境污染嚴重，而人們對代步工具的需求卻在不斷提高，這使得石油、天然氣等資源更為緊缺，同時也加重了污染。此時，電動汽車的發(fā)展可較好的解決上述問題。不僅如此，電動汽車作為移動電源不但能夠作為負荷從電網(wǎng)充電，還可以在系統(tǒng)峰時反向向系統(tǒng)輸送能量。然而，電動汽車本身作為一種居民日常交通工具，必須優(yōu)先滿足其日常行駛要求。在滿足行駛要求的前提下，經(jīng)車主同意才能參加到電力系統(tǒng)調度。因此，如何制定合理的電價以刺激電動汽車用戶參加電網(wǎng)

2、調度顯得尤為重要。故論文研究了負荷尖峰時期電動汽車向電網(wǎng)饋電時的放電電價博弈談判策略。具體研究內容如下：
　　研究了電動汽車和電力公司入網(wǎng)的關鍵性因素。一方面，從電力公司的角度，建立以發(fā)電成本最小為目標函數(shù)的最優(yōu)機組組合模型，并采用競爭導向定價法，以峰荷時電力公司調用備用機組的費用作為電力公司調用同容量電動汽車費用的最大值，通過計算計及電動汽車入網(wǎng)（vehicle-to-grid,V2G）和不計及V2G的機組組合購電費用差值，結合

3、電力公司調度電動汽車功率，獲得電力公司可接受調用電動汽車的最大值與電動汽車入網(wǎng)功率之間的關系。另一方面，從電動汽車用戶的角度出發(fā)，基于成本導向定價法，計及電動汽車充電電價、電池損耗以及最低期望收益，獲得電動汽車用戶接受電力公司調度放電電價的計算模型。
　　研究了電動汽車代理商與電力公司在電動汽車參與系統(tǒng)調峰調度時的談判策略，建立了基于模糊貝葉斯學習的放電電價雙邊談判函數(shù)模型，得出了雙方談判放電電價的預測模型。該模型中，首先分析并歸

4、類了談判函數(shù)參數(shù)，結合電動汽車和電力公司入網(wǎng)的關鍵性因素分析，計算出談判函數(shù)中的確定性參數(shù)。同時，提出基于模糊概率對不確定信息進行模糊估計的計算方法，分別從電力公司和電動汽車代理商的角度，計算出談判函數(shù)中的不確定性參數(shù)。并將上述參數(shù)分別代入各自談判函數(shù)中，得出談判電價。針對不確定性參數(shù)的估計偏差，建立了基于模糊貝葉斯學習的談判模型，談判雙方在得知對方報價后，可通過該模型學習修正不確定性參數(shù)，以改變原談判曲線軌跡，最終得出電動汽車放電電價

5、。最后將兩種方法進行對比分析，證明了通過貝葉斯學習后，談判次數(shù)減少，談判成交價格更接近理論均衡價格點。
　　研究了實時調度下的電動汽車實時放電電價。首先，采用蒙特卡洛方法模擬電動汽車行駛時段，并計算出各時段電動汽車 SOC狀態(tài)，以得到電動汽車各時段可調度功率。以峰谷差最小建立調度模型，計算出電動汽車最優(yōu)調度計劃。根據(jù)調度計劃，由電動汽車入網(wǎng)功率與電力公司可接受放電電價最大值的關系，計算出電力公司可接受調用電動汽車放電電價上限，再基