[发明专利]基于模糊贝叶斯学习的电动汽车放电电价谈判方法

权利要求书

1.基于模糊贝叶斯学习的电动汽车放电电价谈判方法，其特征在于：该方法包括以下步骤：

S1：建立电力公司和电动汽车EV代理商谈判函数；

S2：分析并计算谈判参数；

S3：在得到所有参数之后带入谈判函数逐步谈判得出谈判电价，利用模糊贝叶斯学习模型在谈判过程中不断修正参数最后得出电价；

步骤S1中所述电力公司谈判函数为式中，K为最大谈判次数；k表示谈判回合，k＞2；为EV代理商预估的电力公司所能接受的最大值；为EV代理商所能接受的最小值，其中，λ_ch为EV用户的充电电价；λ_loss为电动汽车参与调度的电池损耗成本；λ_pro为收益，即电力公司对EV参加放电预期收益；

所述EV代理商谈判函数为其中，为电力公司能接受的最大值；为电力公司预估的EV代理商所能接受的最小值，其中λ_ch为EV用户的充电电价；λ_sub为财政补贴，即电力公司为刺激EV用户参加调度给出的补贴；λ'_pro为收益预估，即电力公司对EV参加放电预期收益的预估；

步骤S2具体为：

所述计算方法为：在相同负荷条件下，以购电成本最低为目标函数，建立V2G机组组合模型，并利用改进的粒子群算法求解模型；通过计算计V2G和不计V2G的机组组合购电费用差值，结合电网调度的电动汽车功率P_ev，计算出电力公司能接受的最大值与P_ev的关系，从而得到不同P_ev下对应的

所述计算方法为：其中，λ_ch为EV用户的充电电价，取0.42元；λ_loss为电动汽车参与调度的电池损耗成本，取0.1元；λ_pro为收益，即电力公司对EV参加放电预期收益，λ_pro＝1.3*(λ_ch+λ_loss)；

所述计算方法为：式中，c(E_λe(u))为E_λe(u)的期望值，λ^top为各行业尖峰价格均值统计值，A_ej为定义在U_e上的一个模糊事件，事件总数为m，U_e为λ_e的取值空间U_e＝{λ_e(i)},i＝1,2,…,n，λ_e的所有可能取值总数为n，λ_e为备用成本与峰时电价差值占峰时电价的比例；P(A_ej)表示A_ej发生的概率，其中，j＝1,2,…,m，u_ej为A_ej的语气算子，π_ej为A_ej发生概率；

所述计算方法为：法为，λ_ch为EV用户的充电电价，取0.42元；λ_sub为财政补贴；c(E_λe(u))为E_λe(u)的期望值。

2.如权利要求1所述的基于模糊贝叶斯学习的电动汽车放电电价谈判方法，其特征在于：所述S3包括以下步骤：

S301：获取先验知识，即先验知识指报价前对对方的认知；

S302：谈判双方各自计算自身确定限值并根据先验知识估计对方限值；

S303：根据各自得到的限值得出各自报价；

S304：判断是否满足谈判结束条件；若满足，则跳转至S305；若不满足，则利用模糊贝叶斯学习更新先验知识并跳转至S302；

S305：判断谈判次数是否超出最大谈判次数限制；若超出，则谈判失败，利用谈判函数更新报价；若未超出，则谈判结束并输出报价。