[發明專利]基于模糊貝葉斯學習的電動汽車放電電價談判方法

有效

• 申請號: 201710409287.7
• 申請日: 2017-06-02
• 公開（公告）號: CN107154625B
• 公開（公告）日: 2019-10-01
• 發明（設計）人: 張謙;李春燕;張淮清;付志紅;蔡家佳;譚維玉
• 申請（專利權）人: 重慶大學
• 主分類號: H02J3/00
• 分類號: H02J3/00;G06Q10/06;G06Q50/06
• 代理公司: 北京同恒源知識產權代理有限公司 11275
• 代理人: 趙榮之

本發明涉及基于模糊貝葉斯學習的電動汽車放電電價談判方法，屬于智能電網領域。建立電力公司和EV代理商談判函數并分類分析各參數，以電力公司調用備用機組的費用作為電力公司調用EV的最大值，結合電力公司調度EV功率，獲得電力公司可接受調用EV上限與EV入網功率之間的關系。從EV角度計算充電價格、電池損耗以及最低期望收益作為EV參與系統調度下限，制定雙方談判函數。再基于模糊概率思想估算電力公司和EV代理商另一限值，并基于模糊貝葉斯學習模型對預估參數進行學習修正，通過談判函數得出電價。該方法在顧及電力公司利益的前提下較已有方法得出的電價更接近理論均衡點，并使得EV用戶獲利更多，在V2G前期推廣能夠有效地刺激用戶的行為。

技術領域

本發明屬于智能電網領域，涉及基于模糊貝葉斯學習的電動汽車放電電價談判方法。

背景技術

隨著當今社會對能源與環境問題的日益關注，以及近來電池技術的迅速發展，電動汽車的大規模推廣應用面臨新的機遇。與此同時，電動汽車并網也成為研究的熱點。但是，電動汽車作為日常負荷可能會增加電網負擔，并需要增加基礎設施投資。針對此問題，已涌現出大量文獻對電動汽車入網(vehicle-to-grid,V2G)的可行性進行評估。電動汽車充電負荷的時序特性對電力系統的運行與投資有重要的影響，如果電動汽車的充電能安排在低谷時段，則有可能在滿足快速增長的充電負荷前提下，減緩配電網的建設投資，節約投資成本，且避免形成充電負荷高峰，減少電動汽車充電對配電網運行的沖擊。

然而電動汽車本身作為一種居民日常交通工具，首先必須滿足日常行駛要求。在滿足行駛要求的前提下，經車主同意才能參與到電力系統調度當中。因此，制定合理的電價機制以刺激車主的參與積極性顯得尤為重要。針對電動汽車充放電電價的制定，國內外學者進行了大量的研究。然而，目前國內外的研究幾乎都是針對電動汽車的充電電價，對電動汽車放電電價研究較少。而且，現有的研究在提及放電電價時，大部分采用直接假設電價求解調度模型的方式或者僅給出一個大概研究方向，并沒有具體的方法和思路。

發明內容

有鑒于此，本發明的目的在于提供一種基于模糊貝葉斯學習的電動汽車放電電價談判方法，通過對電力公司和電動汽車用戶參與V2G成本的研究，以確定其在參與V2G過程中各自接受的電動汽車放電電價上下限，然后建立談判函數在雙方接受價格范圍內談判得出電動汽車放電電價。

為達到上述目的，本發明提供如下技術方案：

基于模糊貝葉斯學習的電動汽車放電電價談判方法，包括以下步驟：

S1：建立電力公司和電動汽車(electric vehicle,EV)代理商談判函數；

S2：分析并計算談判參數；

S3：在得到所有參數之后帶入談判函數逐步談判得出談判電價，利用模糊貝葉斯學習模型在談判過程中不斷修正參數最后得出電價。

進一步，如權利要求1所述的基于模糊貝葉斯學習的電動汽車放電電價談判方法，其特征在于：步驟S1中所述電力公司代理商談判函數為式中，K為最大談判次數；k表示談判回合，k＞2；為EV代理商預估的電力公司所能接受的最大值；為EV代理商所能接受的最小值，其中，λ_ch為EV用戶的充電電價；λ_loss為電動汽車參與調度的電池損耗成本；λ_pro為收益，即電力公司對EV參加放電預期收益；

所述EV代理商談判函數為其中，為電力公司能接受的最大值；為電力公司預估的EV代理商所能接受的最小值，其中λ_ch為EV用戶的充電電價；λ_sub為財政補貼，即電力公司為刺激EV用戶參加調度給出的補貼；λ'_pro為收益預估，即電力公司對EV參加放電預期收益的預估。

進一步，如權利要求1所述的基于模糊貝葉斯學習的電動汽車放電電價談判方法，其特征在于：步驟S2具體為：