本發(fā)明涉及電力市場競價領域，具體地，涉及一種基于多重博弈關(guān)系的電動汽車聚合商投標定價方法及系統(tǒng)，特別的，涉及一種電動汽車聚合商參與能量市場的投標定價方法。

背景技術(shù)：

1、巨大的化石燃料消耗和溫室氣體排放導致了日益嚴重的能源危機。推廣電動汽車被視為緩解這些嚴重問題的有效方法。然而，電動汽車的大規(guī)模普及使得配電網(wǎng)中電動汽車充電負荷大大增加，配電網(wǎng)在負荷高峰期存在過載的風險。為了協(xié)調(diào)電動汽車的充電行為，引入了電動汽車聚合商的概念，他在一個地區(qū)內(nèi)運營一些智能充電設施。作為配電系統(tǒng)運營商和電動汽車用戶之間的中介，電動汽車聚合商通過從日前電力市場購買電力并為電動汽車用戶提供充電服務來進行套利，從而激活電動汽車用戶根據(jù)電力系統(tǒng)的狀態(tài)調(diào)整充電需求。

2、電動汽車聚合商的決策涉及多個實體，使整個過程非常復雜。一方面，由于有多個電動汽車聚合商同時為有限數(shù)量的電動汽車用戶提供充電服務，每個電動汽車聚合商都必須與其他電動汽車聚合商競爭，制定有競爭力的充電價格，以吸引更多的電動汽車使用者，從而提高市場利潤。因此，電動汽車聚合商必須準確考慮競爭對手的策略，制定最優(yōu)的投標和定價策略。另一方面，由于每個電動汽車用戶的駕駛模式和決策偏好不同，電動汽車聚合商也必須考慮大量電動汽車的交互行為。

3、總的來說，電動汽車聚合商在投標定價決策過程中大致面臨3種博弈行為：(1)電動汽車聚合商之間的非合作博弈。電動汽車聚合商通過設定有吸引力的充電價格來爭奪有限的充電需求。因此，電動汽車聚合商的利潤不僅取決于其自身的定價策略，還取決于其競爭對手的定價策略。此外，在實際的定價博弈過程中，每個電動汽車聚合商通常無法明確知曉其競爭對手具體的定價策略，因此，在電動汽車聚合商的非合作博弈過程中有必要考慮可獲取信息的不完整性。(2)電動汽車用戶間的非合作博弈充電決策。每個電動汽車用戶通過權(quán)衡充電成本的最小化和初始駕駛模式的調(diào)整來做出最佳充電決策。由于充電價格取決于每個時間段的供需關(guān)系，因此每個電動汽車用戶的充電成本受到所有電動汽車用戶匯總充電策略的影響。換句話說，電動汽車用戶的充電策略不僅與他們自己有關(guān)，還受到其他電動汽車用戶充電策略的影響。因此，電動汽車用戶之間的關(guān)系本質(zhì)上是一種非合作博弈。由于有限的認知能力，以及對次優(yōu)充電策略具備一定的容忍度，電動汽車用戶通常表現(xiàn)出非理性的特征。在電動汽車用戶的非合作充電博弈過程中需要充分考慮其有限理性特征(3)電動汽車聚合商和電動汽車用戶之間的主從博弈。通常，電動汽車用戶根據(jù)公布的電動汽車充電價格來確定充電策略，以節(jié)省充電成本。然后，電動汽車聚合商將根據(jù)具體的收費需求調(diào)整收費價格，以實現(xiàn)利潤最大化。

4、公開號為cn114662759a的中國專利文獻，公開了一種多主體雙層博弈的規(guī)模化電動汽車充放電優(yōu)化調(diào)度方法，并具體按、照以下步驟實施：基于logit協(xié)議構(gòu)建電動汽車充放電調(diào)度的多策略集演化博弈模型，通過演化均衡求解算法得到電動汽車各時段的最優(yōu)充放電功率；構(gòu)建多電動汽車聚合商在電力市場中競標購/售電價格的非合作博弈模型；用演化博弈論中的復制者動態(tài)描述配電網(wǎng)運營商向各聚合商分配需求響應時段響應電量的策略演化；提出聯(lián)合求解演化博弈的演化均衡解和非合作博弈的納什均衡解的方法，得到雙層博弈模型三主體的最優(yōu)穩(wěn)定策略；該發(fā)明雖然將3種博弈關(guān)系進行了綜合考慮，但是并沒有考慮電動汽車聚合商在進行定價博弈過程中對于其競爭對手可獲取信息的不完整性，依然假設每個電動汽車聚合商都可以明確知曉其競爭對手具體的定價策略，導致具體博弈手段缺乏實踐性。

5、由于電動汽車聚合商投標定價決策的復雜性，目前為止，還未有綜合考慮這三種博弈關(guān)系，且充分考慮用戶有限理性以及的聚合商可獲取信息不完整性的電動汽車聚合商競爭性投標定價方法研究，該問題的研究具有一定的現(xiàn)實意義。

技術(shù)實現(xiàn)思路

1、針對現(xiàn)有技術(shù)中的缺陷，本發(fā)明的目的是提供一種基于多重博弈關(guān)系的電動汽車聚合商投標定價方法及系統(tǒng)。

2、根據(jù)本發(fā)明提供的一種基于多重博弈關(guān)系的電動汽車聚合商投標定價方法，包括：

3、步驟s1：構(gòu)建考慮電動汽車用戶有限理性的充電策略演化博弈決策模型，能夠使充電策略達到演化博弈均衡；

4、步驟s2：構(gòu)建基于不完全信息的電動汽車聚合商投標定價非合作博弈模型，能夠獲得每個電動汽車聚合商設定的充電站的期望收益；

5、步驟s3：根據(jù)充電策略演化博弈決策模型和電動汽車聚合商投標定價非合作博弈模型，構(gòu)建電動汽車聚合商和電動汽車用戶之間的主從博弈模型，并通過迭代求解，獲得最優(yōu)的電動汽車聚合商競爭性投標定價策略。

6、優(yōu)選的，所述步驟s1包括：

7、步驟s11：設定電動汽車用戶充電策略約束，并整合成充電策略集合；

8、步驟s12：初始化每個充電策略的概率，計算個體適應度函數(shù)值；

9、步驟s13：根據(jù)充電策略集合以及個體適應度函數(shù)值，通過logit動態(tài)函數(shù)構(gòu)建充電策略演化博弈決策模型，計算個體充電策略的演化博弈均衡。

10、優(yōu)選的，所述步驟s11包括：

11、所述電動汽車用戶充電策略約束包括，電動汽車用戶轉(zhuǎn)移約束、電動汽車充電負荷約束以及荷電狀態(tài)約束；具體的：

12、電動汽車用戶轉(zhuǎn)移約束為其中，為布爾變量；

13、判斷電動汽車x是否從本次充電的聚合商i運營的充電站到另外的聚合商j運營的充電站進行充電，若是，則為1，若否，則為0；

14、充電負荷約束為：

15、

16、式中：pi,x,t為屬于聚合商i的電動汽車x在t時刻的充電負荷；是屬于聚合商i的電動汽車x的最大充電負荷；和分別為屬于聚合商i的電動汽車x到達充電站的時間和離開充電站的時間；

17、pi,x,t還滿足荷電狀態(tài)約束，荷電狀態(tài)約束為：

18、

19、式中：si,x,t為屬于聚合商i的電動汽車x在t時刻的荷電狀態(tài)；和分別為聚合商i的電動汽車x的荷電狀態(tài)的上下限；ei,j為電動汽車從聚合商i運營的充電站到聚合商j運營的充電站所需要額外消耗的蓄電量；ei,x為聚合商i的電動汽車x的電池容量；和分別為聚合商i的電動汽車x在到達充電站時的荷電狀態(tài)以及離開充電站時期望的荷電狀態(tài)；δt為單位時間間隔，η代表電動汽車的充電效率；

20、根據(jù)電動汽車用戶充電策略約束，生成屬于聚合商i的電動汽車x的充電策略集合φi,x，為：

21、

22、式中：si,x,p為第p個充電策略，充電策略包括充電負荷以及用戶轉(zhuǎn)移情況；pi,x,1,p為在第p個充電策略下，聚合商i的電動汽車x在t時刻的充電負荷。

23、優(yōu)選的，所述步驟s12包括，

24、個體適應度函數(shù)：

25、fi,x＝-∑pαi,x,pui,x,p

26、式中：fi,x為屬于聚合商i的電動汽車x的個體適應度函數(shù)值；αi,x,p為屬于聚合商i的電動汽車x的充電策略p的初始概率，為預設值；

27、其中，ui,x,p為屬于聚合商i的電動汽車x的充電策略p的綜合充電成本，為；

28、

29、式中：ui,x,p為屬于聚合商i的電動汽車x的充電策略p的綜合充電成本；為聚合商j運營的充電站在t時刻的充電價格；為電動汽車從聚合商i運營的充電站到聚合商j運營的充電站進行充電所額外消耗的成本。

30、優(yōu)選的，所述步驟s13包括：

31、logit動態(tài)函數(shù)為：

32、

33、式中：ρi,x,p,q為屬于聚合商i的電動汽車x的在演化博弈過程中從充電策略p向充電策略q的轉(zhuǎn)移概率；σ為噪聲水平；

34、計算個體充電策略的演化博弈均衡：令聚合商i的電動汽車x的充電策略達到演化博弈均衡。

35、優(yōu)選的，所述步驟s2包括：

36、步驟s21：建立充電收益最大化的目標函數(shù)；

37、步驟s22：設置約束條件，令充電收益最大化的目標函數(shù)滿足約束條件，其中，約束條件包括充電價格上下限約束、充電需求彈性約束；

38、步驟s23：根據(jù)約束后的充電收益最大化的目標函數(shù)，建立基于不完全信息的多個電動汽車聚合商的投標定價非合作博弈模型，并計算各個電動汽車聚合商的期望收益。

39、優(yōu)選的，包括：

40、根據(jù)充電策略演化博弈決策模型，計算pi,t：

41、

42、聚合商j的電動汽車x的演化博弈均衡充電策略的概率表示為

43、建立電動汽車聚合商i收益最大化目標函數(shù)，為：

44、

45、式中：分別為聚合商i所運營的充電站在t時刻的購電成本；

46、其中，同時滿足：

47、

48、式中：和分別為聚合商i所運營的充電站的充電價格的上下限，形成定價區(qū)間；為充電價格為時的屬于聚合商i的初始充電需求，t為一天的總時段數(shù)，γi和ai為需求彈性方程的系數(shù)。

49、優(yōu)選的，所述步驟s23包括：

50、設定電動汽車聚合商收益定價策略的不完全信息表征規(guī)則：

51、gi＝{gi,1,gi,2,…,gi,l}為電動汽車聚合商i的定價策略集，定價策略集包括l個定價策略，第l個定價策略根據(jù)充電價格的上下限，形成了定價范圍，且滿足和每種定價策略相應的概率為βi,l；

52、建立基于不完全信息的多個電動汽車聚合商的投標定價非合作博弈模型，并計算電動汽車聚合商i采取定價策略gi,l的期望收益：

53、

54、agi,l,r為當電動汽車聚合商i在定價策略為gi,l、電動汽車聚合商j的定價策略為gj,r時，電動汽車聚合商i的最大收益；

55、當收益最大時，則基于不完全信息的電動汽車聚合商非合作博弈達到了納什均衡。

56、優(yōu)選的，所述步驟s3包括：

57、步驟s31：根據(jù)電動汽車聚合商投標定價非合作博弈模型，令電動汽車聚合商選擇預設的定價區(qū)間策略，并將所有電動汽車聚合商的充電價格初始化為定價范圍的下限,并令i＝1；

58、步驟s32：選擇電動汽車聚合商i，使充電價格的上限等于下限；

59、步驟s33：令電動汽車聚合商j的充電價格保持不變，并根據(jù)充電策略演化博弈決策模型，求解電動汽車充電的演化博弈均衡，并計算所有電動汽車的最終充電負荷；

60、步驟s34：根據(jù)電動汽車聚合商投標定價非合作博弈模型，通過當前的充電價格計算電動汽車聚合商i的收益；

61、步驟s35：判斷充電價格是否超過了預設定價區(qū)間的上限，若沒有超過上限，則在充電價格上增加預設金額，從而更新充電價格，返回步驟s33，若超過上限，則進入步驟s36；

62、步驟s36：比較不同充電價格對應的充電收益，并選擇收益最大化的充電價格；

63、步驟s37：設定電動汽車聚合商的總數(shù)為i，令i＝i+1，比較i與i，若i＞i，則進入步驟s38，若i＜i，則返回步驟s32，直至全部電動汽車聚合商均達到收益最大化的充電價格；

64、步驟s38：充電價格達到納什均衡，所述充電價格對應的充電策略為最優(yōu)的電動汽車聚合商競爭性投標定價策略。

65、根據(jù)本發(fā)明提供的一種基于多重博弈關(guān)系的電動汽車聚合商投標定價系統(tǒng)，包括：

66、模塊m1：用于構(gòu)建考慮電動汽車用戶有限理性的充電策略演化博弈決策模型，能夠使充電策略達到演化博弈均衡；

67、模塊m2：用于構(gòu)建基于不完全信息的電動汽車聚合商投標定價非合作博弈模型，能夠獲得每個電動汽車聚合商設定的充電站的期望收益；

68、模塊m3：用于構(gòu)建電動汽車聚合商和電動汽車用戶之間的主從博弈模型，并通過迭代求解，獲得最優(yōu)的電動汽車聚合商競爭性投標定價策略。

69、與現(xiàn)有技術(shù)相比，本發(fā)明具有如下的有益效果：

70、1、本發(fā)明綜合考慮電動汽車用戶在充電決策過程中面臨的博弈競爭以及自身具有的有限理性本質(zhì)，能夠更加精確地模型電動汽車用戶的充電決策行為，輔助電動汽車聚合商進行最優(yōu)的投標定價決策；

71、2、本發(fā)明能夠提供一種綜合考慮多重博弈關(guān)系的電動汽車聚合商競爭性投標定價策略，在決策過程充分考慮了電動汽車用戶的有限理性以及電動汽車聚合商可獲取信息的不完整性，能為電動汽車聚合商參與能量市場的投標定價決策提供有效支持，具有工程實用價值，能夠在充分考慮所面臨的多重博弈關(guān)系的前提下，獲得最優(yōu)的投標定價策略；

72、3、本發(fā)明通過構(gòu)建考慮電動汽車用戶有限理性的充電策略演化博弈決策模型，能夠模擬電動汽車用戶在面對不同充電策略時的選擇行為，并引導這些行為逐漸趨向于一個穩(wěn)定的演化博弈均衡狀態(tài)，有助于提升電動汽車充電策略的合理性，減少充電過程中的沖突和不確定性；

73、4、本發(fā)明通過構(gòu)建電動汽車聚合商和電動汽車用戶之間的主從博弈模型，綜合考慮電動汽車用戶的需求和電動汽車聚合商的收益，通過迭代求解找到最優(yōu)的電動汽車聚合商競爭性投標定價策略，不僅滿足了電動汽車用戶的充電需求，還確保了電動汽車聚合商能夠獲得合理的收益，實現(xiàn)了雙贏的局面。