1、第51 卷 第2 期 电力系统保护与控制 Vol.51 No.2 2023年1月16日 Power System Protection and Control Jan.16,2023 DOI:10.19783/ki.pspc.220697 考虑车主多模式需求响应模糊意愿的优化调度策略 李咸善1,2，周晓岚1,2，姚俊伟3，谢琼瑶3 (1.梯级水电站运行与控制湖北省重点实验室(三峡大学)，湖北 宜昌 443002；2.三峡大学电气与新能源学院，湖北 宜昌 443002；3.国网宜昌供电公司，湖北 宜昌 443002)摘要：现代电动汽车(electrical vehicle,EV)用户需求响应具有
2、多样性和意愿模糊性的特点，当实施单一激励政策时，EV 响应将达不到预期效果。为此，提出了考虑车主多模式需求响应及其模糊意愿的含 EV 微电网的主从博弈优化调度策略。微电网主体针对净负荷制定多模式动态电价激励政策，引导 EV 在多模式电价中做出选择，促进 EV有序充放电，实现其净负荷均方差和运行成本最小。车主从体基于模糊逻辑推理意愿决策，响应多模式动态电价，极小化车主成本。采用非支配排序遗传算法(NSGA-)求解优化模型，获得最优多模式动态电价和 EV 充放电策略。仿真结果验证了所提方法的有效性。关键词：主从博弈；车主意愿；多模式响应；动态电价 Optimal dispatch strategy
3、 considering fuzzy intention of multi-mode demand response of vehicle owners LI Xianshan1,2,ZHOU Xiaolan1,2,YAO Junwei3,XIE Qiongyao3(1.Hubei Provincial Key Laboratory for Operation and Control of Cascaded Hydropower Station(China Three Gorges University),Yichang 443002,China;2.College of Electrical
4、 Engineering&New Energy,China Three Gorges University,Yichang 443002,China;3.State Grid Yichang Power Supply Company,Yichang 443002,China)Abstract:The demand response of modern electric vehicle(EV)users is characterized by diversity and fuzziness of willingness.When a single incentive policy is impl
5、emented,the EV response will not achieve the desired effect.Therefore,this paper proposes a master-slave game optimization scheduling strategy for an EV microgrid considering the multi-mode demand response and fuzzy intention of vehicle owners.The main body of the microgrid formulates a multi-mode d
6、ynamic electricity price incentive policy for net load,guides the EV to make choices in multi-mode electricity price,and promotes orderly charging and discharging of EV.It also realizes minimum net load mean square deviation and operational cost.Based on the fuzzy logic reasoning willingness decisio
7、n,the vehicle owner responds to the multi-mode dynamic electricity price to minimize the vehicle owner cost.The NSGA-II algorithm is used to analyse the optimization model to obtain the optimal multi-mode dynamic electricity price and EV charging and discharging strategy.Simulation results verify th
8、e effectiveness of the proposed method.This work is supported by the National Natural Science Foundation of China(No.51607105).Key words:master-slave game;EV owners willingness;multi-mode response;dynamic electricity price 0 引言 电动汽车(electrical vehicle,EV)凭借其绿色、环保等特点迅猛发展，保有量逐年攀升。对于含 EV的微电网来说，电动汽车充放电行
9、为的随机性和无序性加剧微电网负荷的波动性，出现“峰上加峰”、基金项目：国家自然科学基金项目资助(51607105)；湖北省技术创新重大项目资助(2017AAA132)“反调峰”等现象1-2，增加了微电网优化调度的难度。借助不断成熟的电动汽车入网技术，通过需求响应实现 EV 与微电网的良性互动将有助于促进“车-网”系统的安全高效运行。目前代表性的研究成果是电网实施分时电价激励政策，可有效引导 EV 有序充放电，实现电网的削峰填谷调度目标。前提条件是所有 EV 车主愿意按照分时电价引导参与响应。考虑到 EV 用户消费需求的提升及消费价值观的多样化，EV 参与电网-90-电力系统保护与控制 调度的需
10、求响应模式呈现差异性和多样性，参与意愿具有模糊性。在此背景下，实施单一模式的分时电价激励，EV 响应将达不到预想效果甚至更加恶化。多数电动汽车一天内的大部分时间处于空闲状态3，因而均有可能通过需求响应参与到微电网的调峰调度中来。EV 用户需求响应可分为 3 种典型模式：即充即走(模式一)，仅参加充电调度(模式二)，参与充放电调度(模式三)。EV 车主选择这 3种模式的意愿与车主的性格及模式价格等因素有关，具有模糊性。针对上述 EV 的需求特点，微电网需要制定相应的激励政策，引导 EV 有序充放电，减小净负荷波动，提升系统整体效益。为此，本文将重点研究考虑 EV 多模式需求响应及车主模糊意愿的含
11、 EV 微电网系统的优化调度策略，达到“削峰填谷”效果，实现车主和微电网主体的利益共赢。目前，在 EV 参与电网调度的模式研究方面，主要采用集中调度4-5和分层调度6-7的方式，没有考虑不同车主需求响应的差异性。文献4综合分析已入网汽车的确定信息和未入网汽车的预测模型来预测电动汽车集群充电行为，再通过滚动优化确定入网 EV 的实时充电功率，达到更好的填谷效果。在文献5中，微电网调度中心根据网内新能源和负荷的功率差值，发布电价信息调动 EV 有序充放电来平缓等效负荷曲线。文献6采用双层调度模型，下层 EV 代理商通过设置惩罚系数来控制 EV 各时段的充放电状态，以此响应上层调度机构制定的充放电策
12、略。文献7建立了一个含 EV、EV 调度机构和配电中心的 3 层调度架构，通过 EV 响应电价、EV 调度机构调整充放电计划和控制中心实时更新分时电价的方式引导 EV 充放电。但是上述文献对于全体电动汽车采取同样的调度策略，没有考虑不同车主需求响应的差异性。在微电网的激励政策方面，目前的研究主要通过电价激励政策引导电动汽车的有序充放电。文献8构建不同舒适价格的电动汽车充放电行为优化模型，文献9采用基于主从博弈更新的分时电价，文献10采用基于合作博弈得到动态分时电价激励。以上文献表明，分时电价模式对引导 EV 有序充放电具有重要的作用，相比于静态分时电价，动态电价削峰填谷的效果更加明显。这些文献
13、针对不同类型的车主采用同样的激励政策，没有考虑 EV 参与需求响应模式的差异性和多样性。目前关于电动汽车入网的研究大多直接设计调度策略，对于车主参与调度的意愿研究较少，且主要集中于充放电调度意愿和出行满意度的考虑，而对于现代消费方式下，车主自身参与不同需求响应模式的意愿的考虑还鲜有文献研究。文献11通过用户出行所需电量与实际电量计算得到出行满意值，从而进行充放电调控，但是未考虑到车主参与调控的意愿。已有研究主要考虑的是常规负荷及EV响应的随机性或不确定性，未考虑电动汽车多响应模式选择的消费意愿场景。文献12通过基本负荷以及可中断负荷描述了电网侧激励对用户侧响应参与率的影响，证明了电网侧存在针对
14、用户参与率的最优激励政策。目前常用消费者心理学模型分析需求侧响应的不确定性，但是仅考虑了常规用户用电的不确定性13，或者 EV 用户充放电不确定性响应曲线14，或者利用条件风险价值自动响应符合用户心理的策略15。文献16引入价格弹性系数描述了电动汽车响应分时电价充电的不确定性；文献17通过二项分布描述车主充电习惯的不确定性，分析了不确定充电习惯对电动汽车充电负荷调节的影响；文献18考虑到用户到达、离开时间以及初始荷电状态的随机性，采用 MCMC 算法建立了概率模型；文献19引入用户响应系数来描述用户响应意愿对负荷分布的影响。与上述文献描述的不确定性不同，本文考虑的车主意愿模糊性是指无法准确预测
15、车主选择不同模式需求响应的概率，是一种“似是而非”的不明确判断。博弈理论已广泛应用于含 EV 微电网优化调度的建模之中，文献20-21表明基于博弈论的思想建立规划调度模型可以考虑多方的利益，实现共赢，是一种行之有效的方法。本文针对 EV 多模式需求响应特点及车主模糊意愿，基于模糊推理预测理论和博弈理论，提出了含 EV 微电网系统的优化调度策略，建立了微电网与电动汽车的主从博弈优化模型，提升“车-网”系统综合调度效益。本文主要创新性工作及解决的关键问题包括以下几个方面。1)构建考虑多模式需求响应及车主意愿的 EV车主侧优化模型。建立了 EV 车主的 3 种典型的多模式需求响应模型，满足车主的多模
16、式需求响应诉求；基于模糊推理预测理论，综合主客观因素的影响，建立了车主的多模式选择决策模型，解决车主意愿的随机模糊性问题；在此基础上，建立了车主侧用能成本最小模型，提升了 EV 用能效益。2)在微电网侧，针对 EV 侧的多模式需求响应及车主意愿诉求特点，考虑微电网新能源完全消纳，针对净负荷曲线制定多模式动态电价激励政策，引导车主进行合理的模式选择，促进 EV 有序充放电；建立微电网净负荷曲线波动均方差最小和用能成本李咸善，等 考虑车主多模式需求响应模糊意愿的优化调度策略 -91-最小优化模型，实现微电网系统多目标优化。3)构建了微电网和 EV 车主的主从博弈模型。以微电网为主体，制定多模式动态电价策略，引导EV 有序充放电，实现净负荷曲线波动均方差最小和运行成本最小；以 EV 车主为从体，制定车主多模式模糊决策模型，响应多模式动态电价，实现 EV用能成本最小。经过主从模型的迭代优化，获得微电网侧最优多模式动态电价和电动汽车优化充放电策略集。4)采用非支配排序遗传算法求出微电网主体侧多目标优化模型的 Pareto 前沿面，再利用模糊隶属度函数筛选最优折中解。通过仿真算例，分析验证了所提优
