[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

摘要

本发明涉及基于模糊贝叶斯学习的电动汽车放电电价谈判方法，属于智能电网领域。建立电力公司和EV代理商谈判函数并分类分析各参数，以电力公司调用备用机组的费用作为电力公司调用EV的最大值，结合电力公司调度EV功率，获得电力公司可接受调用EV上限与EV入网功率之间的关系。从EV角度计算充电价格、电池损耗以及最低期望收益作为EV参与系统调度下限，制定双方谈判函数。再基于模糊概率思想估算电力公司和EV代理商另一限值，并基于模糊贝叶斯学习模型对预估参数进行学习修正，通过谈判函数得出电价。该方法在顾及电力公司利益的前提下较已有方法得出的电价更接近理论均衡点，并使得EV用户获利更多，在V2G前期推广能够有效地刺激用户的行为。

主权项

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。