基于B-S期權定價模型的V2G備用合約協調機制研究

黃守軍，楊 俊，2，陳其安，2

(1.重慶大學經濟與工商管理學院，重慶 400030；2.重慶大學能源技術經濟研究院，重慶 400030)

?

基于B-S期權定價模型的V2G備用合約協調機制研究

黃守軍1，楊 俊1，2，陳其安1，2

(1.重慶大學經濟與工商管理學院，重慶 400030；2.重慶大學能源技術經濟研究院，重慶 400030)

基于V2G備用市場的風險中性交易特點及實踐中常用的“保底收購，隨行就市”合約價格機制，構建了電網公司實施期權進行套期保值前后的電動汽車用戶電量預留決策模型，并對比分析了Stackelberg博弈和合作博弈下渠道雙方的反饋均衡策略與最優收益。研究結果表明：僅簡單地采用市場保護性的合約價格機制，將使得V2G備用市場的交易風險完全由電網公司來承擔，從而無法防止其在市場行情不好時的機會主義行為；在此基礎上，電網公司選擇購買期權以規避由V2G備用市場價格波動所帶來的風險，但是分散決策時的均衡收益小于集中決策最優收益。為此，進一步引入“B-S期權定價+預留協作+保證金”契約機制使得合作系統達到完美協調，且渠道雙方的期望收益都得到Pareto改進，并給出了均衡時的V2G備用預留協作系數、交易保證金以及合約電價之間滿足的解析關系。算例分析結果驗證了本文提出的模型與理論分析的可行性。

V2G備用；合約價格機制；預留電量；B-S期權定價模型；契約協調

1 引言

隨著全球資源、環境壓力的不斷增大，人們開始積極地為以化石燃料為主要能源的傳統燃油汽車尋找替代產品。電動汽車作為新能源汽車的代表，因具有高效節能、低排放或零排放的顯著優勢，成為目前國際節能環保汽車發展的主攻方向[1]。現在的電網實際上存在許多效率低下之處，因為一是成本較高，再就是容易造成浪費。其中一部分問題是由每天發生的負荷需求波動和需要對電網進行電壓及頻率調節引起的[2-3]。此外，對電網進行的電壓和頻率調節在很大程度上增加了電網的運營成本。另一方面，可再生能源系統(如太陽能、風能等)正被大量接入電力系統中[4]。由于可再生能源自然的不連續性會引起發電的波動，迫切需要其他能源(如電池能量存儲系統)進行補償，以平滑可再生能源的自然可變性，保證電網頻率的穩定并抑制由反向功率流引起的電壓上升。電動汽車接入電網(Vehicle-to-Grid，V2G)的概念就是針對上述問題提出的，其核心思想就是利用大量電動汽車的儲能源作為電網和可再生能源的緩沖。當電網負荷過高時，由電動汽車儲能源向電網饋電；而當電網負荷低時，用來存儲電網過剩的發電量，避免造成浪費。通過這種方式，不僅電網低效率和可再生能源波動問題可以得到很大程度的緩解，還可以為電動車用戶創造收益[5-6]。

V2G技術實現了電網與電動汽車的雙向互動，是智能電網技術的重要組成部分。該技術的發展將極大地影響未來電動汽車商業運行模式。相關研究預計：與智能車輛和智能電網同步進展，可外接插電式混合動力汽車(Plug-in Hybrid Electric Vehicle，PHEV)和純電動汽車(Battery Electric Vehicle，BEV)將在20年之內成為配電系統本身不可分割的一部分，提供儲能，平衡需求，提高緊急供電和電網的穩定性。未來電動汽車的應用模式將不僅僅局限于普通V2G模式，它還將逐步發展到以下場景：居民小區(Vehicle-to-Home，V2H)、辦公樓宇(Vehicle-to-Build，V2B)、超市/大賣場或購物中心、大型專用停車場等。在此，本文將這些技術理念統一界定為V2G技術，一并加以考慮。Kempton和Tomic[7]通過對比電動汽車借助V2G技術參與旋轉備用、調頻等輔助服務的成本和收益，發現電動汽車參與旋轉備用時具有較高的經濟效益；Lund和Kempton[8]以丹麥電力系統為例，分析了電動汽車充電控制對于促進風電消納以及減少溫室氣體排放的積極作用；Andersson等[9]采用瑞士、德國的現實數據，估算出當兩國汽車電氣化分別達到4.2%和5.5%時，利用V2G技術即可以滿足各自電力市場的日調頻需求；楊黎暉等[10]通過成本效益分析，闡明了具有智能充/放電功能的電動汽車在保證含有大規模可再生能源的電力系統可靠運行方面具有很大的潛力，并會帶來顯著經濟效益。

盡管V2G備用的應用前景被眾多專家一致看好，但其實施仍有很多問題尚待解決[11-12]。Sovacool和Hirsh[13]指出電動汽車的普及和未來V2G技術的應用關鍵，不僅僅在于技術方面的壁壘，還有社會與文化價值、商業慣例以及政治利益等方面的障礙；Abolfazli等[14]指出V2G技術引入的正面作用已經得到學術界的普遍承認，但是對因汽車用戶不同駕車、充放電習慣造成的V2G備用供需矛盾討論較少。鑒于此，一些學者分別從交易模式與策略兩方面展開了各自的研究設想。茆美琴等[15]針對電動汽車能量的雙向流動性，提出了包含風、光、儲、電動汽車等的微電網經濟調度策略和模型，分析了電動汽車的加入對微電網經濟性的影響；Sortomme和El-Sharkawi[16]在含V2G備用的備用市場下，提出了一種最優組合競價策略對電網公司和電動汽車用戶的利益進行均衡，實現V2G備用與發電備用的聯合優化調度；史樂峰等[17]比較分析了電力公司采取不同充電電價策略時電動汽車用戶的V2G市場響應度，并對研究結果進行了仿真驗證；Richardson[18]主張制定合理的上網價格策略，以彌補電動汽車用戶因向電網反向供電而付出的成本，進而增強V2G備用對其的吸引力；Shi Lefeng等[19]基于備用市場中備用需求、供給以及價格之間的聯動關系，提出了以購置成本和風險成本總和最小為目標，以可靠性綜合電價作為衡量指標的計及V2G備用服務的備用交易新模式，并采用順序投標法給出了具體求解方法；Xu Zhiwei等[20]設計了可由某一代理人負責協調電動汽車用戶，使其以獨立運營商的身份參與V2G備用市場競標，以此降低電網公司直接與電動汽車用戶聯動產生的交易成本，并提高V2G備用服務的可靠性；Kuran等[21]假設電動汽車用戶自愿參與V2G備用交易，且在固定時段將電動汽車接入電網，考察了電網公司采取先到達先服務(First Come First Serve，FCFS)的模式有序選擇電動汽車用戶提供V2G備用。

縱觀國內外文獻，可以發現這些研究都是建立在電動汽車用戶積極響應V2G備用交易的前提條件之上，僅從電網公司或其他團體，如Aggregator和ISOs(Independent System Operators)的損益出發對V2G備用的管理細則進行討論，尚未真正從電動汽車用戶充放電行為及其利益出發討論，致使實際可操作性有待商榷。當前學術界關于V2G備用的研究尚處在前期論證階段，多數研究還停留在實施可能帶來的技術、經濟與環境的影響或對某些方面的系統優化，而對V2G備用市場中如何規制電動汽車用戶行為的研究較少，且都集中在交易價格方面[22]。因此，電網公司應從單個電動汽車用戶V2G備用服務的供給動機出發，對其參與意愿與政策響應進行理性化分析，從而制定出有效的協調策略。在此背景下，本文選擇對特定渠道結構的V2G備用合約協調問題展開研究，但下文的方法框架可以容納一般的情形。在考察時區的任何時段內，參與者實際上面對的是相同的博弈，因而可以將策略限制在靜態策略[23]。后文的結構如下：第二、三部分構建了電網公司實施期權前后的電動汽車用戶備用預留電量決策模型，并對比了集中與分散決策模式下合約雙方的最優決策行為及其均衡收益；第四部分是備用合約聯合契約協調機制設計，且給出了合作系統達到完美協調時的預留協作系數、交易保證金以及合約電價之間滿足的解析關系。算例分析表明了上述提出模型與方法的基本特征，最后是本文的結論。

2 基本模型構建

2.1 假設與符號說明

為了便于分析，本文僅考慮由單一電網公司與單一電動汽車用戶所組成的渠道結構，且二者均為風險中性的決策個體，因此雙方追求的都是期望收益最大化。V2G備用市場獨立運作，不考慮存在有限理性，以及信息的不完全與不對稱情形。在不涉及任何協調契約的條件下，電網公司和電動汽車用戶之間僅僅發生價格轉移。

在確定狀態下，為了降低調度成本，電網公司希望電動汽車用戶在所研究的交易時段內保持一定預留電量的電荷狀態(State of Charge，SOC)[24]，以至足以滿足實時電網的備用需求。電動汽車用戶一旦中標提供V2G備用服務，需要支付備用容量費用。如果V2G備用被實時調度，又要支付相應的備用電能費用。假設在投標時段內，V2G備用供給成本與預留電量qvr有關，且可表示為后者的嚴格遞增函數。不失一般性，在本文建立的模型中，以二次函數進行表達，即[7，25]：

(1)

其中，γv>0為固定成本，表示考慮V2G備用下的電動汽車電池折舊費，與其充放電量正相關且呈現加速增長的趨勢；αv和βv分別為電動汽車的出行便利成本和充放電成本，且值為正的影響參數。

交易實踐中，電網公司為了滿足V2G備用市場的需求與保護電動汽車用戶的利益，采用“保底收購，隨行就市”合約價格機制來收購電動汽車用戶的預留電量，即在考察時區到來之前，根據各自的預期簽訂一個雙方均可接受的購電合約。該合約規定反調電動汽車內存電量的價格為rc，其中rc≥r0(r0為簽訂合約時，電動汽車用戶同意接受的最低保留價格，即為參與約束)。如果合約履行時備用市場的購電電價ρMCP小于合約規定的價格，電網公司按合約價格調用V2G備用預留電量；否則，電動汽車用戶以購電電價向電網反向供電。此外，電動汽車用戶能根據V2G備用市場的價格或者激勵信號作出反應，優化充放電行為。

2.2 分散系統優化決策模型

考慮電網公司作為領導者而電動汽車用戶作為追隨者的情形，此時雙方就會進行序貫非合作博弈。電網公司在博弈的第一階段確定V2G備用合約均衡價格，電動汽車用戶在觀測到電網公司的行動選擇后，再選擇最優的預留電量。

定理1：在“保底收購，隨行就市”的V2G備用合約價格形式下，風險中性的電網公司與電動汽車用戶從個體利益最大化角度選擇的最優決策分別為：

(2)

證明：為了得到此兩階段博弈(或序貫行動博弈)的反饋Stackelberg均衡，運用逆向歸納法，首先求出博弈第二階段的反應函數。于是問題轉化為電動汽車用戶的單方最優控制問題，其收益函數為：

(3)

(4)

而這時電網公司反調V2G備用售電的收益函數可以表述為：

(5)

(6)

2.3 集中系統決策模型

在合作博弈情形下，當電動汽車用戶完全服從電網公司的V2G備用調度要求時，二者作為整體僅面對不確定的市場需求。由于考慮總體的最優，系統內部的利潤分配將暫不考慮。此時，整體渠道結構隨機利潤函數僅由qvr決定，rc被消去了。建立總體的最優化模型為：

(7)

(8)

對Stackelberg博弈和合作博弈下的均衡電量預留策略、決策系統最優收益進行比較，所得到的相關結論在推論1中列出。

可以看出，推論1中2)的結論與傳統的認識很不相同。相關研究一般認為渠道結構在集中決策模式下的收益一定大于等于分散決策模式下的收益，而結論2)則表明，當電網公司售電電價下降較大時，V2G備用渠道結構在集中決策下的收益有可能小于分散決策下的收益。這是因為受到不確定因素的影響，V2G備用銷售價格的下降使得集中系統的收益降低，但是在集中決策情形下選擇的最優預留電量大于分散決策情形下的最優電能預留量，且電動汽車用戶的均衡預留電量提高導致V2G備用供給成本增加。

2.4 算例分析一

假設某一V2G備用市場交易時段長度為1h，且電網公司的銷售電價Rg服從區間[0.5,1]上的均勻分布，單位為元/kW·h；為了便于分析，設備用市場購電價格為銷售價格的0.8倍，即ρMCP=0.8Rg，且電動汽車用戶同意接受的最低保留價格r0=0.6元/kW·h；V2G備用服務供給成本系數分別為αv=3.2×10-4元/kW2·h、βv=0.1元/kW·h以及γv=240元/h。

圖1 銷售電價的變動對V2G備用合約雙方收益的影響

圖2 銷售電價的變動對決策系統收益的影響

由圖2可以看出，當V2G備用銷售價格在其數學期望處取值，即Rg=0.75元/kW·h時，集中決策下的系統均衡收益大于分散決策時的系統最優收益。此外，無論是在集中決策或是分散決策模式下，整體渠道的收益都與銷售電價Rg正相關。但是相比而言，電網公司的價格策略對合作博弈決策系統的均衡收益的影響更為顯著，且當Rg取值越大時，此種影響就越大。尤其是，當Rg<0.65元/kW·h時，集中決策下的渠道最優收益將會小于分散決策下的合約雙方均衡收益之和，這與推論1中2)的結論相一致。

縱觀以上分析，電網公司單一實施“保低收購，隨行就市”合約價格機制并不能完全化解V2G備用市場的交易風險。對此，在下一節中本文將引入期權來控制該渠道結構的市場價格波動風險，并基于此利用“預留協作+保證金”的聯合契約協調機制提高決策系統的最優績效水平，保證V2G備用合約的有效執行。

3 合約價格下V2G備用B-S期權定價模型

考慮到V2G備用的銷售價格由市場決定，但市場價格往往是不確定的，因此電網公司通過購買期權的方式進行套期保值，以轉移V2G備用市場價格波動所帶來的風險。也就是說，電網公司與電動汽車用戶簽約后，再購買期權以防范銷售V2G備用的價格風險。此時，如果售電電價小于期權執行價格，則電網公司行權以期權執行價格出售從電動汽車用戶處收購的預留電量；反之，電網公司將在V2G備用市場上以售電電價直接出售電動汽車用戶的預留電量，且將損失購買期權的費用。在實際應用中，主要利用B-S(Black-Scholes)期權定價模型[28]來確定期權價格的費用。

3.1 反饋Stackelberg均衡

為了規避V2G備用市場價格波動帶來的風險，電網公司選擇購買期權進行套期保值，且決策變量為合約價格rc和期權執行價格λ0。此時，電網公司的收益函數可表示為：

(9)

其中，v(λ0)表示期權費，其函數形式為：

v(λ0)=λ0e-η(T-t)Φ(-κ2)-sΦ(-κ1)

(10)

其中，t表示電網公司與電動汽車用戶簽訂合約后購買期權的時刻，T表示V2G備用的銷售時刻；η表示期權有效期內以連續復利計的無風險利率(V2G備用的預期收益率)；s表示V2G備用在t時刻的銷售價格，Φ(·)表示標準正態分布變量的累積概率分布函數，且變量之間存在如下關系：

(11)

其中，σ是價格變動率，表示V2G備用收益率的標準差。電網公司將從個體最優的角度出發決定V2G備用合約價格和期權執行價格以實現其期望收益的最大化。由式(9)可得電網公司的期望收益為：

(12)

(13)

否則，電網公司購買期權后的期望收益恒增加，這使得理性電網公司將選擇無窮大的期權執行價格，這顯然與現實不符。

(14)

(15)

證明：求解電網公司的決策函數關于V2G備用合約價格rc的一階條件，得到：

(16)

(17)

將式(11)代入上式中，經化簡整理后得：

(18)

對式(18)求二階偏導數，可得：

(19)

1)不受V2G備用合約價格rc的影響；

值得注意的是，電動汽車用戶是基于V2G備用合約價格、購電電價以及供給成本來確定均衡預留電量，因此電網公司購買期權進行套期保值，不會影響電動汽車用戶的最優決策行為及其收益，即：

(20)

3.2 合作博弈均衡解

考慮電網公司與電動汽車用戶合作博弈下的V2G備用B-S期權定價模型，假設此時由電網公司決定電動汽車用戶的V2G備用預留電量和期權執行價格，使得整體渠道達到最優。構造總體期望收益的最優化問題可用下述數學模型來描述：

(21)

(22)

(23)

證明：其證明過程與定理2類似，限于篇幅省略其證明。

對上述四種不同博弈結構下的均衡預留電量進行比較，得到如下推論：

3.3 算例分析二

下面通過數值分析來進一步說明B-S期權定價模型的有效性。考慮電網公司與電動汽車用戶之間簽訂V2G備用的期權訂購合約，外部變量設定如下：V2G備用當前的市場銷售價格s=0.75元/kW·h，且其無風險利率η=12%；備用市場價格的波動率σ=15%，期權有效期為一季度。為了對比分析實施期權前后電網公司、電動汽車用戶以及整條渠道的收益變化情況，其它參數與算例分析一一致。

圖3 實施期權前后銷售電價的變動對合約雙方以及整條渠道收益的影響

由上圖可知，在分散決策模式下，電網公司實施期權進行套期保值，以規避V2G備用市場的價格風險后，在保證自身收益相對穩定的基礎上，并未影響到電動汽車用戶的收益，則整個渠道的收益波動幅度相應減小。而在集中決策模式下，當銷售電價上升較小或者下降較大，如Rg<0.74元/kW·h時，實施期權有利于提高決策系統的最優收益；反之，由于購買期權需要電網公司支付一定期權費用的影響，則當V2G備用銷售價格上升較大或者下降較小，如Rg≥0.74元/kW·h時，購買期權會使得決策系統的均衡收益減小。

圖4 實施期權后銷售電價的變動對決策系統收益的影響

由上圖可以看出，在采用期權進行風險轉移的情形下，電網公司與電動汽車用戶分散決策時的均衡收益之和小于集中決策模式下整個渠道的最優收益。因此，引入期權進行套期保值，減小電網公司在V2G備用市場中面臨的價格風險，有利于防范其機會主義行為，但并沒有實現該備用合約渠道的完美協調。為此，將考慮“B-S期權定價+預留協作+保證金”的契約協調機制，以提高決策系統的績效水平。

4 V2G備用合約“B-S期權定價+預留協作+保證金”契約協調機制

進一步地，電網公司為改善渠道績效以及保證電動汽車用戶的V2G備用穩定供應，在實施期權的基礎上，采用“預留協作+保證金”契約協調機制來激勵電動汽車用戶提高預留電量。其中，預留協作是指電網公司參與到電動汽車用戶的電能預留過程中，雙方共同協作完成V2G備用的預留任務，即在此過程中，電網公司提供充放電技術或設備、管理流程等一系列服務，保證電量預留的順利進行、提高供給總量，降低電動汽車用戶的V2G備用服務供給成本。

4.1 最優協調參數設計

在聯合契約中，假設由電網公司與電動汽車用戶談判確定的預留協作比例為δg(0<δg<1)，且該機制可以使得合約雙方成為一個利益共同體。電網公司提供V2G備用預留協作契約的實質是與電動汽車用戶共同投入成本進行電量預留，前者資金的支持與技術的投入，提高了后者電能預留行為的積極性，使得電動汽車用戶的V2G備用供給成本降低和預留電量的提高，從而實現渠道的協調。

另外，雖然電動汽車用戶是獨立的決策個體，但在履行V2G備用合約的過程中離不開電網公司提供必要的技術或設備支持，因此電動汽車用戶需向電網公司交納一定的保證金Nv作為合作補償。保證金也可以看作是參與V2G備用交易的加盟費，且在很大程度上可以防范和消除電動汽車用戶的道德風險。

(24)

(25)

證明：首先考慮電網公司的決策行為，其通過調整V2G備用合約價格和確定期權執行價格來實現自身利益的最大化，且收益函數可以表述為：

(26)

(27)

(28)

而這時電動汽車用戶的收益函數為：

(29)

(30)

(31)

將均衡時的V2G備用合約和執行價格代入上式，得最優的預留協作比例為式(24)所示。可以看出，此時電網公司對備用供給成本的分擔率不受保證金的影響，但與備用合約電價和期權費負相關。另外，在確定提供預留協作與保證金契約的情形下，可以將電網公司和電動汽車用戶的期望收益變形為：

(32)

上式表明，預留協作系數δg即為電網公司或電動汽車用戶所得的期望收益占整個渠道期望收益的比例，而保證金Nv即為用于防范電動汽車用戶的道德風險，也可以調節渠道中合作雙方之間期望收益的分配比例。倘若最終的增量收益分配方案合理可行，即方案同時滿足電網公司和電動汽車用戶的個體理性約束和參與約束，那么對V2G備用合約雙方收益來說，考慮聯合契約協調的分散決策情形具有Pareto優勢。

(33)

求解上式右端關于電網公司和電動汽車用戶期望收益增量的一階條件，得到：

(34)

(35)

將上式與式(24)和(34)聯立，即可得到電動汽車用戶交納保證金的均衡解為式(25)所示。

4.2 算例分析三

為了對比分析電網公司實施“B-S期權定價+預留協作+保證金”契約協調機制后電網公司、電動汽車用戶以及渠道的收益變化情況，進而驗證此機制的有效性，所有參數設定均與算例分析一、二一致。

5 結語

本文基于V2G備用市場的風險中性交易特點構建了電網公司確定合約電價、電動汽車用戶選擇預留電量的備用合約優化決策模型，并在此決策模型中利用了實踐中常用的“保底收購，隨行就市”合約價格機制以保護電動汽車用戶的收益，提高V2G備用合約的履約率。除此之外，對比分析了集中與分散決策模式下電網公司、電動汽車用戶的最優決策行為及其均衡收益情況。在此基礎上，考慮采用B-S期權定價模型來化解V2G備用市場價格波動風險，但此時渠道并未能實現完美協調。為此，提出一種“B-S期權定價+預留協作+保證金”契約機制來協調此類V2G備用合約渠道，且合作系統成員的期望收益均具有Pareto優勢，并給出了均衡時的預留協作系數、交易保證金以及合約電價之間滿足的解析關系。

研究發現：1)電網公司僅簡單地實施“保低收購，隨行就市”合約價格機制雖然降低了電動汽車用戶面臨的市場風險，提高V2G備用合約的履約率，但這樣做將使得市場風險完全由電網公司來承擔，因此無法防止其在市場行情不好，如銷售電價跌幅較大時的機會主義行為，即電網公司存在收購違約的風險；2)V2G備用市場價格的波動使得集中決策模式下的系統最優收益有可能小于分散決策時的系統均衡收益，這與傳統的認識不一致。但是在合作博弈下的最優V2G備用預留電量大于Stackelberg博弈下的均衡電能預留量，且電動汽車用戶的最優預留電量提高導致投入的備用供給成本增加；3)在分散決策情形下，電網公司選擇購買期權以規避V2G備用市場價格波動所帶來的風險后，保證自身可以獲得相對穩定收益的同時，電動汽車用戶的收益并不改變。但是，在實施期權進行V2G備用套期保值的情形下，分散系統的均衡收益與集中系統最優收益之間還存在一定的改進空間；4)預留協作有利于提高均衡預留電量，而交納保證金也可防范電動汽車用戶的道德風險。因此，“B-S期權定價+V2G備用預留協作+保證金”聯合契約協調機制能讓電網公司與電動汽車用戶形成了一個利益共同體，且在達到合作系統的完美協調時，渠道雙方的期望利益均得到改進。

誠然，V2G備用渠道隸屬于分散決策并含有多種不確定性因素的復雜系統，本文僅探討了電動汽車用戶電量預留的規模不經濟性與備用市場的價格波動風險，尚未考慮在信息不對稱情況下電網公司如何有效引導電動汽車用戶進行V2G備用電量理性預留，也未考慮不同初始充電電量與電能質量對不同博弈下的渠道雙方最優決策行為的影響。后續研究可以進一步考慮將這些因素納入V2G備用合約優化與協調模型當中，使得決策模型更加貼近實際。

[1]ThomasAB，IhlakS，BurghardtT.ElectricvehiclesintheUnitedStated：Anewmodelwithforecaststo2030[R].Berkeley，USA：UniversityofCalifornia，2009.

[2]ClementK，HaesenE，DriesenJ.Coordinatedchargingofmultipleplug-inhybridelectricvehiclesinresidentialdistributiongrids[C]//ProceedingsofIEEE/PESPowerSystemsConferenceandExposition，Seattle，WA,USAMarch15-18，2009.

[3]KadurekP，LoakimidisC，FerraoP.Electricvehiclesandtheirimpacttotheelectricgridinisolatedsystems[C]//ProceedingsofInternationalConferenceonPowerEngineeringEnergyandElectricalDrives，Lisbon，PortugalMarch18-20，2009.

[4]TurtonH，MouraF.Vehicle-to-gridsystemsforsustainabledevelopment：Anintegratedenergyanalysis[J].TechnologicalForecastingandSocialChange，2008，75(8)：1091-1108.

[5]KemptonW，UdoV，HuberK，etal.Atestofvehicle-to-grid(V2G)forenergystorageandfrequencyregulationinthePJMsystem[R].WorkingPaper,Mid-AtlanticGridInterfaceCarsConsortium(MAGICC)，UniversityofDelaware，2009.

[6] 劉曉飛，張千帆，崔淑梅.電動汽車V2G技術綜述 [J].電工技術學報，2012，27(2)：121-127.

[7]KemptonW，TomicJ.Vehicle-to-gridpowerfundamentals：Calculatingcapacityandnetrevenue[J].JournalofPowerSources，2005，144(1)：268-279.

[8]LundH，KemptonW.IntegrationofrenewableenergyintothetransportandelectricitysectorsthroughV2G[J].EnergyPolicy，2008，36(9)：3578-3587.

[9]AnderssonSL，EofssonAK，GalusMD，etal.Plug-inHybridelectricvehiclesasregulatingpowerproviders：CasestudiesofSwedenandGermany[J].EnergyPolicy，2010，38(6)：2751-2762.

[10] 楊黎暉，許昭，Stergaard J，等.電動汽車在含大規模風電的丹麥電力系統中的應用 [J].電力系統自動化，2011，35(14)：43-47.

[11] Quinn C，Zimmerle D，Bradley T H.The effect of communication architecture on the availability，reliability，and economics of plug-in hybrid electric vehicle-to-grid ancillary services [J].Journal of Power Sources，2010，195(5)：1500-1509.

[12] Madawala U K，Thrimawithana D J.A bidirectional inductive power interface for electric vehicles in V2G Systems [J].IEEE Transactions on Industrial Electronics，2011，58(10)：4789-4796.

[13] Sovacool B K，Hirsh R F.Beyond batteries：An examination of the benefits and barriers to plug-in hybrid electric vehicles(PHEVs) and a vehicle-to-grid(V2G) transition [J].Energy Policy，2009，37(3)：1095-1103.

[14] Abolfazli M，Bahmani M H，Afsharnia S，et al. A probabilistic method to model PHEV for participation in electricity market[C]//Proceedings of 19th Iranian Conference on Electrical Engineering，Tehran，Iranian May 17-19，2011.

[15] 茆美琴，孫樹娟，蘇建徽.包含電動汽車的風/光/儲微電網經濟性分析 [J].電力系統自動化，2011，35(14)：30-35.

[16]Sortomme E，El-Sharkawi M A.Optimal combined bidding of Vehicle-to-Grid ancillary services [J].IEEE Transactions on Smart Grid，2012，3(1)：70-79.

[17] 史樂峰，任玉瓏，俞集輝，等.基于逆向供應的V2G市場電價策略研究 [J].管理工程學報，2012，26(2)：113-118.

[18] Richardson D B.Encouraging vehicle-to-grid (V2G) participation through premium tariff rates [J].Journal of Power Sources，2013，243：219-224.

[19] Shi Lefeng，Zhang Qian，Pu Yongjian.The reserve trading model considering V2G reverse [J].Energy，2013，59(15)：50-55.

[20] Xu Zhiwei，Hu Zechun，Song Yonghua，et al.Coordination of PEVs charging across multiple aggregators [J].Applied Energy，2014，136：582-589.

[21] Kuran M S，Viana A C，Iannone L，et al.A smart parking lot management system for scheduling the recharging of electric vehicles [J].IEEE Transactions on Smart Grid，2015，6(6)：2942-2953.

[22] Tushar W，Saad W，Vincent Poor H，et al.Economics of electric vehicle charging：A game theoretic approach [J].IEEE Transactions on Smart Grid，2012，3(4)：1767-1778.

[23] Basar T，Olsder G J.Dynamic non-cooperative game theory[M].New York：Academic Press，1995.

[24] Galus M D，Andersson G.Demand management of grid connected plug-in hybrid electric vehicles (PHEV)[C]//Proceedings of IEEE Conference on Global Sustainable Energy Infrastructure (Energy 2030)，November,17-18,Atlanta，GA：USA，2008.

[25] Han S，Han S，Sezaki K.Estimation of achievable power capacity from plug-in electric vehicles for V2G frequency regulation：Case studies for market participation [J].IEEE Transactions on Smart Grid，2011，2(4)：632-641.

[26] Cellini R，Lambertini L.A dierential oligopoly game with dierentiated goods and sticky prices [J].European Journal of Operational Research，2007，176(2)：1131-1144.

[27] 黃守軍，任玉瓏，俞集輝，等.寡頭電力市場中CO2排放規制的微分對策模型 [J].電力系統自動化，2011，35(21)：46-51.

[28] Black F，Scholes M.The pricing options and corporate liabilities [J].Journal of Political Economy，1973，81(3)：637-654.

[29] 朱·弗登博格，讓·梯若爾.博弈論[M].北京：中國人民大學出版社，2010.

[30] Eliashberg J.Arbitrating a dispute：A decision analytic approach [J].Management Science，1986，32(8)：963-974.

Coordination Mechanism of V2G Reserve Contract Based on B-S Option Pricing Model

HUANG Shou-jun1，YANG Jun1，2，CHEN Qi-an1，2

(1.School of Economics and Business Administration，Chongqing University，Chongqing 400030，China； 2.Academy of Energy Technologic Economics，Chongqing University，Chongqing 400030，China)

Based on the risk-neutral transaction characteristics of V2G reserve market and common contract price mechanism of “buying price floor protected，price fluctuation in line with market conditions” in practice，the electric vehicle user’s reserved electricity decision models before and after the grid corporation implementing option to hedge are constructed. The feedback equilibrium strategies and optimal benefits in Stackelberg game and cooperative game are comparatively analyzed. The results indicate that only simply adopting protective contract price mechanism makes the grid corporation undertake full transaction risk in V2G reserve market，thereby cannot prevent opportunistic behavior when the market quotation is not good. On this basis，the grid corporation chooses to purchase option for avoiding the risks brought by V2G market price fluctuations，but the equilibrium profit in decentralized decision is less than the optimal profit in integrated decision. For this，the perfect coordination of the cooperation system，and the Pareto improvement of both channel sides′ expected profits are further achieved by introducing the contract mechanism of “B-S option pricing，reservation collaboration and margin”. The analytical relationships among the equilibrium reservation collaboration coefficient of V2G reserve，transaction margin and contract electricity price are developed，and the results of numerical analysis verify the feasibility of the proposed models and the theoretical analysis.

V2G reserve；contract price mechanism；reserved electricity；B-S option pricing model；contract coordination

2015-06-17；

2016-02-19

國家自然科學基金重點資助項目(71133007)；國家自然科學基金資助項目(71373297)

簡介：黃守軍(1985-)，男(漢族)，安徽馬鞍山人，重慶大學經濟與工商管理學院博士研究生，研究方向：電力系統安全與經濟運行、電動汽車與電網互動技術，E-mail：hsjqy@163.com.

1003-207(2016)10-0010-12

10.16381/j.cnki.issn1003-207x.2016.10.002

TM-9；F123.9

A