本發(fā)明屬于智能電網(wǎng)領(lǐng)域，涉及基于模糊貝葉斯學(xué)習(xí)的電動汽車放電電價談判方法。
背景技術(shù)：
：隨著當(dāng)今社會對能源與環(huán)境問題的日益關(guān)注，以及近來電池技術(shù)的迅速發(fā)展，電動汽車的大規(guī)模推廣應(yīng)用面臨新的機(jī)遇。與此同時，電動汽車并網(wǎng)也成為研究的熱點。但是，電動汽車作為日常負(fù)荷可能會增加電網(wǎng)負(fù)擔(dān)，并需要增加基礎(chǔ)設(shè)施投資。針對此問題，已涌現(xiàn)出大量文獻(xiàn)對電動汽車入網(wǎng)(vehicle-to-grid,v2g)的可行性進(jìn)行評估。電動汽車充電負(fù)荷的時序特性對電力系統(tǒng)的運(yùn)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(fù)荷前提下，減緩配電網(wǎng)的建設(shè)投資，節(jié)約投資成本，且避免形成充電負(fù)荷高峰，減少電動汽車充電對配電網(wǎng)運(yùn)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(jīng)車主同意才能參與到電力系統(tǒng)調(diào)度當(dāng)中。因此，制定合理的電價機(jī)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(nèi)外學(xué)者進(jìn)行了大量的研究。然而，目前國內(nèi)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(xiàn)有的研究在提及放電電價時，大部分采用直接假設(shè)電價求解調(diào)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。技術(shù)實現(xiàn)要素：有鑒于此，本發(fā)明的目的在于提供一種基于模糊貝葉斯學(xué)習(xí)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(shù)在雙方接受價格范圍內(nèi)談判得出電動汽車放電電價。為達(dá)到上述目的，本發(fā)明提供如下技術(shù)方案：基于模糊貝葉斯學(xué)習(xí)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(electricvehicle,ev)代理商談判函數(shù)；s2：分析并計算談判參數(shù)；s3：在得到所有參數(shù)之后帶入談判函數(shù)逐步談判得出談判電價，利用模糊貝葉斯學(xué)習(xí)模型在談判過程中不斷修正參數(shù)最后得出電價。進(jìn)一步，如權(quán)利要求1所述的基于模糊貝葉斯學(xué)習(xí)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(shù)為式中，k為最大談判次數(shù)；k表示談判回合，k＞2；為ev代理商預(yù)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，λch為ev用戶的充電電價；λloss為電動汽車參與調(diào)度的電池?fù)p耗成本；λpro為收益，即電力公司對ev參加放電預(yù)期收益；所述ev代理商談判函數(shù)為其中，為電力公司能接受的最大值；為電力公司預(yù)估的ev代理商所能接受的最小值，其中λch為ev用戶的充電電價；λsub為財政補(bǔ)貼，即電力公司為刺激ev用戶參加調(diào)度給出的補(bǔ)貼；λ'pro為收益預(yù)估，即電力公司對ev參加放電預(yù)期收益的預(yù)估。進(jìn)一步，如權(quán)利要求1所述的基于模糊貝葉斯學(xué)習(xí)的電動汽車放電電價談判方法，其特征在于：步驟s2具體為：所述計算方法為：在相同負(fù)荷條件下，以購電成本最低為目標(biāo)函數(shù)，建立v2g機(jī)組組合模型，并利用改進(jìn)的粒子群算法求解模型；通過計算計v2g和不計v2g的機(jī)組組合購電費(fèi)用差值，結(jié)合電網(wǎng)調(diào)度的電動汽車功率pev，計算出電力公司的上限與pev的關(guān)系，從而得到不同pev下對應(yīng)的所述計算方法為：其中，λch為ev用戶的充電電價，取0.42元；λloss為電動汽車參與調(diào)度的電池?fù)p耗成本，取0.1元；λpro為收益，即電力公司對ev參加放電預(yù)期收益，λpro＝1.3*(λch+λloss)；所述計算方法為：式中，c(eλe(u))為eλe(u)的期望值，λtop為各行業(yè)尖峰價格均值統(tǒng)計值，aej為定義在ue上的一個模糊事件，事件總數(shù)為m，ue為λe的取值空間ue＝{λe(i)},i＝1,2,…,n，λe的所有可能取值總數(shù)為n，λe為備用成本與峰時電價差值占峰時電價的比例；p(aej)表示aej發(fā)生的概率，其中，j＝1,2,…,m，uej為aej的語氣算子，πej為aej發(fā)生概率；所述計算方法為：式中，λch為ev用戶的充電電價，取0.42元；λsub為財政補(bǔ)貼；c(eλe(u))為eλe(u)的期望值。進(jìn)一步，如權(quán)利要求1所述的基于模糊貝葉斯學(xué)習(xí)的電動汽車放電電價談判方法，其特征在于：所述s3包括以下步驟：s301：獲取先驗知識，即先驗知識指報價前對對方的認(rèn)知；s302：談判雙方各自計算自身確定限值并根據(jù)先驗知識估計對方限值；s303：根據(jù)各自得到的限值得出各自報價；s304：判斷是否滿足談判結(jié)束條件；若滿足，則跳轉(zhuǎn)至s305；若不滿足，則利用模糊貝葉斯學(xué)習(xí)更新先驗知識并跳轉(zhuǎn)至s302；s305：判斷談判次數(shù)是否超出最大談判次數(shù)限制；若超出，則談判失敗，利用談判函數(shù)更新報價；若未超出，則談判結(jié)束并輸出報價。本發(fā)明的有益效果在于：目前國內(nèi)外電動汽車放電電價的制定研究較少，方法不明確。本發(fā)明所述方法在計及電動汽車用戶和電力公司雙方入網(wǎng)成本后采用談判的方式得出放電電價，該電價在顧及到電力公司利益的前提下較已有方法得出的電價高，使得電動汽車用戶獲利更多，在v2g前期推廣能夠有效地刺激用戶的行為，為電動汽車入網(wǎng)研究奠定理論基礎(chǔ)。附圖說明為了使本發(fā)明的目的、技術(shù)方案和有益效果更加清楚，本發(fā)明提供如下附圖進(jìn)行說明：圖1為計算流程圖；圖2為談判流程圖；圖3為兩種情況下的談判曲線；圖4為不同k值下的報價曲線；圖5為估計值對談判交點的影響示意圖。具體實施方式下面將結(jié)合附圖，對本發(fā)明的優(yōu)選實施例進(jìn)行詳細(xì)的描述。1、建立電力公司和電動汽車代理商談判函數(shù)建立電力公司和ev代理商兩方面談判函數(shù)，其中電力公司方面談判函數(shù)如式(1)所示：式中，k為最大談判次數(shù)，k表示談判回合，k>2；為ev代理商預(yù)估的電力公司所能接受的最大值；為ev談判最小值，即ev代理商所能接受的最小值。代理商代表的是ev用戶，其最小值由以下三個部分構(gòu)成：ev用戶的充電電價λch；如果用戶參與調(diào)度的放電電價小于充電電價，那么用戶的收益為負(fù)。電動汽車參與調(diào)度的電池?fù)p耗成本λloss；電動汽車參與電力系統(tǒng)調(diào)度必然會頻繁充放電，電池壽命必然受影響，這一部分間接成本是由調(diào)度產(chǎn)生的，因此須由電力公司承擔(dān)。收益λpro；ev代理商對ev進(jìn)行發(fā)電的收益有一個最低期望值。因此，如式(2)所示：ev代理商方面談判函數(shù)如式(3)所示：式中，為電力公司能接受的最大值，最小值為電力公司預(yù)估的ev代理商所能接受的最小值。電力公司預(yù)估的不能低于ev成本，故設(shè)定由以下幾部分組成：ev用戶的充電電價λch。財政補(bǔ)貼λsub。電力公司為刺激ev用戶參加調(diào)度給出的補(bǔ)貼。收益預(yù)估λ'pro，電力公司對ev參加放電預(yù)期收益的預(yù)估。因此，如式(4)所示：2、分析并計算談判參數(shù)針對談判函數(shù)中所涉及的四個參數(shù)將其分為兩類分別分析計算：1)確定性參數(shù)作為電力公司方面的參數(shù)，本發(fā)明從電力公司角度以電力公司峰時調(diào)用備用機(jī)組成本作為參考，計算出單位備用功率調(diào)用電價作為作為ev代理商方面的參數(shù)，本發(fā)明從ev用戶角度考慮用為充電電價、電池?fù)p耗和預(yù)期收益之和作為具體如下：電力公司上限的確定：由于電動汽車響應(yīng)速度快，其在電網(wǎng)調(diào)度中可部分替代備用機(jī)組。但若電力公司調(diào)用電動汽車的費(fèi)用大于調(diào)用備用機(jī)組的費(fèi)用，就經(jīng)濟(jì)性而言，電網(wǎng)將選擇傳統(tǒng)備用機(jī)組。故本發(fā)明在相同負(fù)荷條件下，以購電成本最低為目標(biāo)函數(shù)，建立v2g機(jī)組組合模型，并利用改進(jìn)的粒子群算法求解模型。通過計算計及v2g和不計v2g的機(jī)組組合購電費(fèi)用差值，結(jié)合電網(wǎng)調(diào)度的電動汽車功率pev，計算出電力公司的上限與pev的關(guān)系，從而得到不同pev下對應(yīng)的其主要思路如圖1所示。由于本發(fā)明重點在于放電電價的談判策路，故對此模型求解不做贅述。ev代理商下限的確定：是ev代理商對ev放電成本及收益的預(yù)估，根據(jù)式(2)，主要由充電電價λch、電池?fù)p耗成本λloss和收益λpro組成，本發(fā)明λch取0.42元，λloss取0.1元，ev用戶預(yù)期收益為30％，即：λpro＝1.3*(λch+λloss)，ev代理商下限得以確定。2)不確定參數(shù)為ev代理商估計電網(wǎng)可承受的最大值，而為電力公司估計ev可承受的最低值。由于上述兩個參數(shù)的不確定性，本發(fā)明提出了一種基于模糊概率的方法分別從電力公司和ev代理商的角度估計對方的信息最后計算出兩個參數(shù)，具體如下：由于和為估計參數(shù)，因此在參數(shù)計算前，ev代理商和電力公司需分別收集對方資料以獲取對方信息，即先驗知識。ev代理商對電力公司的先驗認(rèn)知為：在負(fù)荷高峰期，電力公司會調(diào)用備用機(jī)組，通常，調(diào)用備用機(jī)組的功率不超過普通機(jī)組的20％。但是該部分功率的發(fā)電成本高，約為普通機(jī)組的11倍，根據(jù)市場統(tǒng)計尖峰時刻由于調(diào)用備用機(jī)組導(dǎo)致整體用戶電價上漲約15％-25％，據(jù)此ev代理商對電力公司調(diào)用備用機(jī)組的成本做如下分析：按照當(dāng)?shù)啬程熵?fù)荷情況，假設(shè)尖峰電價為1.2元/kwh，峰時電價為1元/kwh，最高負(fù)荷點功率為1500mw。最高負(fù)荷點必然為傳統(tǒng)機(jī)組和備用機(jī)組同時運(yùn)作，假設(shè)調(diào)用備用機(jī)組占調(diào)用傳統(tǒng)機(jī)組α，電力公司盈利率為β，單位備用機(jī)組發(fā)電成本為λ，在調(diào)用備用機(jī)組后盈利率不變。則在平時價格時期電力公司的發(fā)電成本c1滿足：尖峰時刻電力公司的發(fā)電成本ca分為兩個部分：傳統(tǒng)機(jī)組的成本c2和備用機(jī)組的成本c3。三者滿足：ca＝c2+c3(6)由于傳統(tǒng)機(jī)組這一部分的成本是不會變的，因此：c1＝c2(8)綜合上數(shù)關(guān)系式可得單位備用機(jī)組發(fā)電成本：分別討論α＝10％、α＝15％、α＝20％；β＝30％、β＝35％、β＝40％、β＝50％幾種情況下λ的取值。結(jié)果見下表：備用機(jī)組調(diào)用成本與備用機(jī)組調(diào)用率及電力公司盈利率的關(guān)系α、β取值β＝30％β＝35％β＝40％β＝50％α＝10％2.52.42.32.1α＝15％2.21.91.81.7α＝20％1.71.61.61.5電網(wǎng)調(diào)用備用機(jī)組成本為尖峰電價的1.1～2倍。因此ev代理商得出的結(jié)論是：備用機(jī)組的調(diào)用成本很高。而電力公司通過統(tǒng)計各行業(yè)數(shù)據(jù)認(rèn)為：ev用戶的預(yù)期收益占充電電價的比例估計在30％—50％間是較為合理的，而對于電力公司而言，需要估計ev用戶能接受的最低限度的價格，因此電力公司初始認(rèn)知為：ev的最低預(yù)期收益很低。由此可得雙方的先驗知識如下表所示。其中峰時電價為ev代理商統(tǒng)計數(shù)據(jù)，表示一天中各行業(yè)的尖峰價格均值。ev代理商與電力公司先驗知識決策者先驗對象ev代理商備用成本與峰時電價差值占峰時電價的比例λe電力公司ev期望收益占充電電價比例λg因此，不確定參數(shù)和的估算即λe和λg的估算，根據(jù)模糊數(shù)學(xué)的基本知識，以λe為例說明λe和λg的計算過程。設(shè)λe的取值空間為有限空間ue＝{λe(i)}，i＝1，2，…，n，aej為定義在ue上的模糊事件，j＝1,2,…,m，它表示λe的一個可能取值，相應(yīng)的發(fā)生概率用語言概率πej表示。則aej發(fā)生的概率為：式中，uej為aej的語氣算子。p(aej)即為ev代理商的先驗知識，同理電力公司的先驗估計為：式中：agk(k＝1，2，…，l)為定義在論域ug的一個模糊事件，表示λg的一個可能取值πg(shù)k為模糊事件agk的發(fā)生概率，用語言概率表示；ugk為agk的語氣算子。因此，式中，λtop為各行業(yè)尖峰價格均值統(tǒng)計值。式(21)對e(λe)的求解實際上是在求fuzzy事件的fuzzy概率期望值，由于aej和p(aej)都是模糊集合，可運(yùn)用擴(kuò)張原理和語言概率的四則運(yùn)算求得e(λe)的隸屬度函數(shù)，但計算量通常是非常大的，此時可首先可運(yùn)用二次重心法將p(aej)清晰化，再運(yùn)用擴(kuò)張原理求得e(λe)的隸屬度函數(shù)。其步驟如下：求p(aej)的重心式中，u為e(λe)的語氣算子。求歸一化后的概率運(yùn)用擴(kuò)張原理求e(λe)的隸屬函數(shù)eλe(u)求eλe(u)的重心得到清晰化的期望值則ev代理商初始報價：式中，c(eλe(u))為eλe(u)的期望值。同理電力公司初始報價為：式中，c(eλg(u))為e(λg)的期望值。3、談判流程如圖2所示，在得到所有參數(shù)之后帶入談判函數(shù)逐步談判得出談判電價，然而在考慮到雙方最初估計信息準(zhǔn)確性的問題又提出了模糊貝葉斯學(xué)習(xí)模型在談判過程中不斷修正參數(shù)最后得出電價。仿真分析：根據(jù)確定的參與調(diào)度的電動汽車其功率和價格的關(guān)系，可假設(shè)電動汽車電池?fù)p耗λloss＝0.1元/kwh、充電價λch＝0.42元/kwh，k＝15。假設(shè)某市代理商擁有3000臺電動汽車，ev電池和充電參數(shù)均相同。交易電量已知，根據(jù)某市一天的電價數(shù)據(jù)，峰時電價取1.28元/(kwh)，ev代理商和電力公司的先驗知識如下表所示：先驗知識語言描述用ae1、ae2、ae3分別表示λe高、中、低三種情況，其隸屬度函數(shù)分別為：用ag1、ag2、ag3分別表示ev期望收益占充電電價比例高、中、低三種情況，其隸屬度函數(shù)為：“很可能”、“很不可能”和“有點可能”的隸屬函數(shù)π1(p)、π2(p)、π3(p)如上節(jié)所示在第一輪談判開始之前ev代理商開始計算初始報價：計算模糊概率重心有：c(π1)＝0.83、c(π2)＝0.17、c(π3)＝0.64。對π1、π2、π3歸一化處理有p1＝0.51、p2＝0.10、p3＝0.39。計算ae1、ae2、ae3隸屬度重心有c(ae1)＝0.89、c(ae2)＝0.93、c(ae3)＝0.11。計算λe期望值c(eλe(u)＝0.8276，則ev代理商給出初始報價同理，可計算出電力公司的初始報價為0.666元/(kwh)。在得到初值之后雙方進(jìn)行貝葉斯學(xué)習(xí)，以電力公司為例，電力公司給出在ev代理商在各種agk情況下報價為2.34元/(kwh)的可能性，如下表所示：電力公司對條件概率的估計在得到條件概率后，結(jié)合前面的先驗概率，運(yùn)用貝葉斯公式計算后驗概率，如下表所示：電力公司獲得的后驗概率事件a1a2a3后驗概率0.20.60.2根據(jù)上表，修正后帶入談判函數(shù)得到新的同理，ev代理商經(jīng)過貝葉斯學(xué)習(xí)后，帶入談判函數(shù)得到下一輪報價如此反復(fù)循環(huán)，當(dāng)進(jìn)行到第六輪時雙方達(dá)成一致最終價格為1.47元/(kwh)。采用貝葉斯學(xué)習(xí)后的談判曲線，與未進(jìn)行學(xué)習(xí)時的談判曲線比較如圖3所示，可以看出，經(jīng)過學(xué)習(xí)后的曲線由于改變了斜率，談判次數(shù)有所減少。在上述談判中，最大談判次數(shù)k取值均為15。為研究最大談判次數(shù)對談判報價曲線的影響，本發(fā)明對k進(jìn)行靈敏度分析，計算出最大談判次數(shù)k在不同的取值下(k值為5～15)，談判報價曲線如圖4所示，談判過程如下表：最大談判次數(shù)k對兩種情況下的談判結(jié)果的影響可得出如下結(jié)論：經(jīng)過貝葉斯學(xué)習(xí)修正后，談判次數(shù)減少，談判成交價格降低。未采用貝葉斯學(xué)習(xí)時，談判次數(shù)總是在最大談判次數(shù)的中間值附近，學(xué)習(xí)后，談判次數(shù)減少1～2次。當(dāng)談判次數(shù)k的取值過小，可能導(dǎo)致談判不成功，取值過大，又將導(dǎo)致談判時間增加。由于k值過小，每兩次報價之間差值過大，雖然曲線也會相交，但交點可能在兩相鄰整數(shù)談判次數(shù)之間，不滿足談判成功條件。k值過大，則每兩次報價之間差值過小，必然導(dǎo)致談判次數(shù)增加。在最大談判次數(shù)k的取值不會導(dǎo)致談判失敗的條件下，隨著k值繼續(xù)增加，是否更新估計信息，對成交價格的影響變小。未更新時，成交價格在1.5～1.6元/kwh之間變動，而采用貝葉斯學(xué)習(xí)更新后，成交價格在1.4～1.5元/kwh之間變動，雙方差值不超過0.1元/kwh。分析發(fā)現(xiàn)，在談判伊始，談判雙方對對方信息估計的準(zhǔn)確性對將談判過程的影響不容忽視。故本發(fā)明進(jìn)一步分析了估計值對談判交點的影響，如圖5所示，a點為談判雙方對對方估計值完全準(zhǔn)確時，雙方談判函數(shù)的交點，即為談判的理論均衡價格點。由于本發(fā)明談判函數(shù)的設(shè)置，談判雙方在談判次數(shù)達(dá)到最大值(即k值)時，必然達(dá)到自身可接受的限值(ev為下限，電力公司為上限)，因此雙方報價曲線必然會在k值之前相交。如果雙方對對方的估計值較接近真實值時，交點一定在k/2附近(通常略大于k/2)，且成交價格在附近，如圖中b點。此時，雙方談判函數(shù)的交點值與理論均衡價格點差別很小，但談判次數(shù)明顯增大。但是，如果有一方對對方估計值與實際值相差較大，則交點會向最大談判次數(shù)k靠近，且相差越大越靠近k。雙方談判函數(shù)的交點也會受到影響，估計值偏差更大的一方將更加受益，且該交點將偏離理論均衡價格點a，如圖中c點和e點。由上述分析可知，ev估計電力公司可承受的最大值超過實際值，成交價格會向靠近，即成交價格將偏大。同理，如果電力公司對ev可承受的最低值估計過低，成交價格會向靠近，即成交價格將偏小，此時，交點價格對電力公司有利，而對ev代理商不利。通過貝葉斯學(xué)習(xí)后，雙方第k1輪報價后，第k2、k3、k4輪報價均被修正，雙方談判函數(shù)斜率發(fā)生改變，談判曲線交于d點，該交點價格更接近理論利益均衡點a。綜上所述，可通過談判次數(shù)判斷雙方的估計值是否合理。對于常規(guī)的談判曲線，如果交點在k/2附近(通常是在k/2右邊)，那么雙方的估計值較準(zhǔn)確。對于學(xué)習(xí)后的談判曲線，如果交點小于k/2，則雙方的估計值較準(zhǔn)確。此外，經(jīng)過貝葉斯學(xué)習(xí)后，談判成交價格更接近理論均衡價格點，尤其在雙方對對方估計值與實際值相差較大時，學(xué)習(xí)后的效果更為明顯。最后說明的是，以上優(yōu)選實施例僅用以說明本發(fā)明的技術(shù)方案而非限制，盡管通過上述優(yōu)選實施例已經(jīng)對本發(fā)明進(jìn)行了詳細(xì)的描述，但本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解，可以在形式上和細(xì)節(jié)上對其作出各種各樣的改變，而不偏離本發(fā)明權(quán)利要求書所限定的范圍。當(dāng)前第1頁12