[发明专利]一种基于多臂学习机的电动汽车备用服务负荷聚合方法

权利要求书

1.一种基于多臂学习机的电动汽车备用服务负荷聚合方法，其特征在于，包括以下步骤：

（1）根据电动汽车参与备用服务的方式，建立电动汽车用户响应负荷聚合请求信号的行为摇臂模型；

（2）根据负荷聚合可靠性目标函数和负荷聚合成本目标函数建立负荷聚合目标函数；根据负荷聚合目标函数和约束条件，建立电动汽车备用服务负荷聚合模型；

（3）依据电动汽车用户的行为摇臂模型特性，基于风险规避对负荷聚合目标进行权衡，同时基于风险规避进行电动汽车用户选取，学习每一个用户的各种响应行为并不断更新对用户行为的估计，从而选取合适的用户以合适的方式参与备用服务，完成负荷聚合目标；

其中，步骤（1）中，聚合商向电动汽车用户发送请求停止充电信号或请求反向送电信号；每个电动汽车用户对于停止充电信号、请求反向送电信号的响应行为对应为摇臂1、摇臂2，用户行为摇臂模型分别为：

，

，

式中，p_a,i为用户i响应停止充电信号的真实概率，p_a,i∈[0, 1]，则拒绝响应停止充电信号的概率为1-p_a,i；p_b,i为用户i响应请求反向送电信号的真实概率，p_b,i∈[0, 1]，则拒绝响应请求反向送电信号的概率为1-p_b,i；用户i响应停止充电信号可提供一个单位功率的负荷削减量，记为X_a,t,i；用户响应请求反向送电信号可额外提供一个单位功率的负荷削减量，记为2X_b,t,i，X_a,t,i= X_b,t,i；X_a,t,i、X_b,t,i服从伯努利分布；t表示一个电动汽车备用服务负荷聚合事件；

步骤（2）中，实际的负荷聚合量和目标量之间的偏差越小，负荷聚合可靠性越高，负荷聚合可靠性目标函数表示为：

，

，

式中，F₁表示聚合偏差最小化的目标函数；E( )表示整个负荷聚合进程T内的负荷聚合偏差期望值，t∈[1, T]；D表示负荷聚合目标量；S_k,t表示在事件t中被聚合商选中的k_t个用户的集合；S_a,t、S_b,t分别表示在事件t中收到停止充电信号1、请求反向送电信号2的用户集合；

聚合商在每个事件中选取的用户数量越少，则负荷聚合成本越低，负荷聚合成本目标函数表示为：

；

由此，建立负荷聚合目标函数为：

，

式中：和分别表示F₁和F₂的权重系数；

在同一个事件中，每个电动汽车用户仅能以一种方式参与备用服务，所以聚合商在每个事件中只能向同一个用户发送一种信号，约束条件如下：

，

，

，

式中，[N]表示电网区域内所有N名电动汽车用户的集合；

根据负荷聚合目标函数和约束条件，建立电动汽车备用服务负荷聚合模型。