“預約/隨需”充放電服務模式下電動汽車聚合商服務策略

陳櫻綺, 李華強，陳纓，林照航

(1.智能電網四川省重點實驗室(四川大學), 成都市 610065；2.國網四川綜合能源服務有限公司，成都市 610021)

0 引 言

隨著電動汽車(electric vehicle，EV)的規模化發展，耗電量可觀的EV負荷逐漸成為智能電網的重要組成部分[1]。作為電網與用戶之間的服務媒介，電動汽車聚合商(electric vehicle aggregator，EVA)向用戶提供EV充放電代理服務并通過負荷聚合控制的方式參與電力市場交易，承載充放電服務者及負荷聚合調度者的雙重角色[2]。在EVA以充放電服務為手段進行精準化有序調控的過程中，用戶意愿將通過服務響應渠道最終影響EV負荷引導效果。因此，多維度分析用戶充電需求、設計考慮用戶意愿的服務模式，是EVA服務策略研究的關鍵[3]。

目前已有一些EVA分層分區協調調度方法[4-6]及電力市場交易策略[7-8]相關研究，為EVA運營策略及服務模式研究打下了重要基礎。已有EVA服務模式研究主要從用戶服務機制設計入手，通過價格或激勵引導用戶有序入網。文獻[9]設計了一種用戶主動響應電動汽車與電網互動 (vehicle-to-grid，V2G)反向供電并自主進行供電價格競標的充放電控制方法，通過合理設計服務模式激發用戶主動調節能力；文獻[10]設計了用戶僅需要做出一次性選擇決定的半自主在線服務模式，通過智能充電終端依據電價自動制定充放電計劃，解決了用戶自主調控便捷性不高的問題；文獻[11]設計了兼顧備用服務需求與用戶出行需求的充放電合約機制，對簽約用戶依據備用能力給予電價折扣。

上述服務模式研究皆基于EV用戶時移靈活性，尚未從用戶入網規律性角度考慮。用戶時移靈活性，是指此EV用戶在不影響用車便利性條件下靈活選擇低電價時段入網的能力；用戶入網規律性，是指此EV用戶入網行為發生在某固定時段，入網行為可預測且有規律可循。目前考慮用戶入網規律性的研究很少，文獻[12]中綜合考慮充電站內電動汽車有序充電和用戶自主選擇響應情況，提出了電動汽車分時預約充電方法，但研究僅側重于充電設施及物理系統。

基于目前服務模式設計尚不成熟的現狀，本文綜合考慮用戶時移靈活性和入網規律性兩個維度，提出“預約/隨需”服務模式。在加強靈活性引導的同時，通過“預約”加強用戶入網規律性、減小負荷不確定性，使EVA負荷調控更加精準。此服務模式下，用戶通過對“預約”、“隨需”服務選擇來影響EVA運營。在用戶服務選擇研究方面，效用理論[13]常被用來評估用戶需求被滿足的程度，可以綜合多類影響因素描述用戶消費心理；離散選擇模型[14](discrete choice model, DCM)采用概率方法描述用戶選擇結果，常用來分析用戶服務選擇對運營策略的影響。本文采用基于效用理論的DCM模型模擬用戶“預約/隨需”服務選擇情況，分析EVA引導用戶服務選擇的途徑。

本文主要研究“預約/隨需”模式下EVA服務策略。首先，分析“預約/隨需”服務模式特點并梳理服務流程；其次立足用戶視角，從經濟影響和便利影響兩方面入手構建最優購買策略下的用戶效用量化方法；然后立足EVA視角，分析模擬不同價格下用戶服務選擇情況，進而通過主從博弈模擬優化定價，尋求用戶效用與EVA收益的均衡點；最后，通過算例證明本文所提“預約/隨需”服務模式下能達到用戶側潛力充分挖掘、EVA側電力市場購買成本減少的供需兩側“雙贏”效果。

1 “預約/隨需”充放電服務模式

“預約/隨需”充放電服務模式下，EVA提供“預約”、“隨需”兩種服務方式，用戶依據自身充放電需求進行選擇：“隨需”服務適合對充電便利性要求較高的用戶，一旦有充電需求即可隨時入網充電；“預約”服務下用戶需要提前預約充電時間，但價格相對較低，適合充電行為較為規律的用戶。兩種服務方式的異同點如表1所示。

表1 “隨需”服務與“預約”服務的比較Table 1 Comparison of on-demand service and reservation service

“預約/隨需”充放電服務的業務流程主要分為服務需求庫建立、服務策略制定、服務響應和實際執行四步，如圖1所示。

圖1 “預約/隨需”服務模式示意圖Fig.1 Schematic diagram of “reservation/on-demand” service mode

在上述服務流程中，EVA與用戶之間通過服務價格及服務選擇情況相互影響，如圖2所示。本文通過用戶側服務效用分析及EVA價格引導分析，研究評估“預約/隨需”服務模式的效果。

圖2 EVA與用戶的關系Fig.2 The relationship between EVA and users

2 服務購買策略及用戶效用分析

從用戶需求、購買策略及服務效用3個層面，描述用戶充放電服務消費心理：在“預約”服務的價格目錄及“隨需”服務的參考價格目錄下，用戶希望EVA能針對其實際充放電需求，以服務效用最大化為目標為其制定最佳購買策略：

(1)

式中：Si為用戶i的購買策略；Vi為用戶i的充放電服務效用；Ei為用戶i的實際充放電需求，包含配置參數、時間邊界、電量邊界及功率邊界[2]、用戶主觀偏好等基礎參數；λp(t)表示“預約”服務的價格目錄；λs(t)表示“隨需”服務的參考價格目錄；下標p和s分別表示“預約”服務和“隨需”服務。

2.1 用戶效用

效用理論通常被用來描述用戶對服務的滿意程度，進而分析用戶偏好和決策傾向，已有一些研究采用效用模型進行電力套餐選擇分析[13,15-16]。考慮到充放電服務的經濟性及便利性兩方面都將影響用戶使用感受，本文提出基于綜合效用的“預約/隨需”模型下用戶需求滿足程度量化方法。計及表述心理狀態、需求觀測誤差的效用隨機項ηi，本文構建用戶i的充放電服務效用函數Vi如下：

Vi=ωiVi,1+(1-ωi)Vi,2+ηi，ωi∈[0,1]

(2)

式中：ωi為用戶i的經濟偏好程度系數；Vi,1、Vi,2分別表示經濟性和便利性對用戶i的總效用的影響，下標1、2分別表示經濟性影響、便利性影響。

1)經濟影響Vi,1。

考慮到“預約”服務價格較低，本文以“隨需”服務的充放電成本為基準，以對比形式分析經濟影響。將“隨需”服務下的充電成本作為基礎經濟效益，“預約”服務充放電成本節約量描述了其為用戶節約充放電成本的能力。用戶效用的經濟影響部分如下[13,17]：

(3)

2)便利影響Vi,2。

“隨需”服務下用戶入網時間不受限制，但“預約”服務要求提前約定入網時段，用戶便利性受到影響。本文提出一種以在網概率對比來量化便利影響的方法：“隨需”服務下t時段EV正在入網充放電的概率表征最便利情況下的用戶充放電需求，將其與“預約”服務下用戶i的在網狀態對比，構建用戶充放電便利影響的量化方法如下：

(4)

在“隨需”服務下，用戶充放電行為具有入網時段不確定性和入網時長不確定性，用戶入網行為以概率分布的形式發生在其習慣性入網時段的前后。基于文獻[18-19]中EV負荷預測的高斯分布模型得到每時段入網概率分布υi(·)和入網時長概率分布σi(·)，本文依據全概率定理，構建t時段用戶i正在入網充放電的概率fi(t)：

(5)

式中：tin、Tin分別為入網時段、已入網時長；T為周期長度；Tin,max為最大入網時長；υi(·)及σi(·)采用文獻[18]中模型。

2.2 服務購買策略

充放電成本決定用戶側的經濟效用，服務方式的選擇決定用戶側便利效用。以用戶綜合效用最大化為目標，制定用戶i的服務購買策略Si：

(6)

EV優化調度研究中多以充放電方式分類[20-21]，同時EV服務購買策略也因充放電方式不同而有所差異，因此本文也遵循這一分類原則對不同用戶服務策略分類說明。

1)快充類用戶服務購買策略。

快充類用戶入網后必須以最大功率充電才能在離網前達到用戶電量要求。此類用戶在某一固定時段有低靈活性、高規律性的充電需求時可通過“預約”服務降低成本。

快充類用戶期望成本為兩類服務中成本最小者：

(7)

(8)

2)代管類用戶服務購買策略。

代管類用戶入網時間相對較為充裕，在入網時段內委托EVA進行充電代理，選擇低電價時段充電。用戶入網時段整體在隨需入網方式下價格較高時參與“預約”服務將降低充放電成本[10]。

代管類用戶服務購買策略與快充類用戶相似，將約束條件用式(9)替換即可[6]：

(9)

3)V2G類用戶服務購買策略。

V2G類用戶與代管類用戶一樣委托EVA代理入網，但允許向電網放電并以饋電方式降低自身充放電費用[22]。考慮到此類用戶充放電調節潛力較高，本文設計了一種“預約快充+隨需V2G調節”的充放電方案：用戶可以預約部分時段的快速充電，以便實際執行時在其他入網時段跟隨“隨需”服務價格引導靈活進行電量調整和放電。

V2G用戶服務策略制定時同樣比較兩種服務方式下的最小用戶成本以確定充放電策略，如式(10)所示，式(11)為約束條件。

(10)

(11)

3 EVA價格引導方法

“預約/隨需”服務模式流程中，用戶服務響應發生在EVA價格公布之后，因而EVA在價格制定時就需要考慮用戶選擇行為的影響。現有基于主從博弈的價格引導方法研究中，用戶側僅考慮成本最小化，缺乏對用戶綜合效用及參與意愿的考量[4,23-24]。基于此，本文提出基于用戶效用與用戶選擇的主從博弈模型進行定價分析。

3.1 用戶選擇行為

以用戶效用模型構建為基礎，采用基于效用最大化理論的DCM模型對用戶在“預約”服務與“隨需”服務之間的選擇行為進行模擬。在DCM應用最廣泛的MNL(multinominal logit)模型下，用戶選擇行為概率如式(12)所示，其推導過程如附錄A所述[17,25]。

(12)

式中：κ(Ii=p)為用戶i選擇“預約”服務的概率；h(ιi)為隨機效用ιi的密度函數，若其遵循獨立Gumble分布(第一類極值分布)，則用戶i選擇“預約”服務(即Ii=p)的概率為：

(13)

式中：β為表示隨機項因素的比例參數，其值可通過對用戶需求的市場調研和回歸分析確定。β表征了概率函數κ(Ii=p)分布的確定性大小，其值越大，概率函數越接近于確定性分布；反之，則越接近于均勻分布。

3.2 基于主從博弈的EVA價格引導

EVA通過充放電價格實現對用戶充放電行為的有序化引導，此過程是通過用戶-EVA雙方追求各自利益最大化的主從博弈過程實現的，通過尋找利益均衡點確定最優定價[23]。

主從博弈中的上層引導者是EVA。用戶時移靈活性引導方面，傳統價格引導方法研究中，主要采用24 h周期內多時段定價的價格差異化(price difference)方法，來引導用戶將自身需求平移到低電價時段[26-27]。此時上層函數中的自變量為：

Θ=[λ(t1),λ(t1),…,λ(tT)]

(14)

式中：Θ為上層函數的自變量矩陣。

本文拓展考慮用戶入網規律性引導，為“預約”服務、“隨需”服務用戶制定不同的價格，以價格歧視(price discrimination)方法吸引用戶提前確定充放電時段，規律化自身入網行為。此時上層EVA定價函數自變量表述為：

Θ=[λs;λp]=[λs(t1),λs(t2),…,λs(tT);
λp(t1),λp(t2),…,λp(tT)]

(15)

綜上，統籌考慮服務參與概率以及電力市場價格，以EVA自身凈收益Meva最大化為目標，制定差異化價格。凈收益Meva由服務收益Muser、預估日前市場購電成本Mmarket,s及中長期購電成本Mmarket,p構成[10,27]：

maxMeva=Muser-Mmarket,s-Mmarket,p

(16)

(17)

(18)

(19)

式中：λmarket,s(t)、λmarket,p(t)分別是短期電力市場交易價格、中長期電力市場交易價格；χ是EVA為“隨需”服務(Ii=s)用戶負荷在中長期市場購電的比例。

下層模型中，用戶作為主從博弈中的被引導者，根據價格調整購買行為并以服務總效用Vi最大化為目標確定購買策略，式(20)與式(21)等價：

maxVi

(20)

(21)

式中：Vi,p、Vi,s分別表示用戶i選擇“預約”服務、“隨需”服務時的綜合效用；H[·]表示與括號內變量相關的函數表達式。

用戶入網規律性的價格引導，體現在部分EV用戶會依據自身綜合效益最大化的目標，選擇犧牲部分便利性來獲得更高的綜合效用，從而強化了入網規律性。式(21)中，用戶根據綜合效益的大小決定是否規律入網：min(Vi,p,Vi,s)。

約束方面，除了2.2節中所述的功率約束外還有附錄B所述的保有電量約束及充放電深度約束。

4 算例分析

4.1 參數設計及場景設置

本文以500個EV用戶為例，在Matlab中采用YALMIP工具箱調用CPLEX，在T=24 h、Δt=15min條件下，進行“預約/隨需”充放電服務模式仿真分析，參數詳見附錄C。在電力市場交易方面，由于本文重點關注EVA在用戶側的服務方式，暫未深入考慮其在上層電力市場側與其他參與者之間的競價策略，因此假設EVA作為價格接受者參與電力市場[7,28]；根據“預約”服務合約要求，用戶需要提前確定入網行為并嚴格遵守，因此“預約”服務用戶負荷電量可全部從中長期市場購買；遵循大宗電量交易盡量以合約形式提前確定的原則，本文暫設“隨需”服務用戶以其提交需求的90%負荷量從中長期市場購買，同時考慮到用戶入網行為的不確定性，剩余10%從日前市場購買[29-30]。中長期市場分時電價及預測日前市場24 h電價如圖3所示[31]。

本文設置對比場景對“預約/隨需”服務模式效果進行分析，各場景設置如下：

場景1：服務模式為“即插即用、充滿即停”，用戶充放電價格采用分時電價。為了方便對比，設置分時電價均價與場景2相同。

場景2：為用戶提供快充服務、代管服務和V2G服務，但不提供“預約”服務，采用主從博弈方法制定統一服務價格。

場景3：在場景2的基礎上，提供“預約/隨需”服務，并為“預約”服務、“隨需”服務差異化定價。

為了對比分析本文“預約/隨需”服務模式價格引導方法的效果，采用蒙特卡洛方法對不同服務響應情況下的用戶隨機入網時段模擬4 000次，并在EVA凈收益中計入電力市場購電成本變化及服務收益變化。

4.2 用戶側服務效用及選擇行為分析

通過主從博弈模擬得到各場景下用戶充放電成本情況，如圖3所示，各場景下的服務價格情況如圖4所示。

圖3中，相對于場景1和場景2，場景3下用戶總費用最低；場景3在降低用戶總成本的同時，進一步減少了EVA購電成本、增加了EVA凈收益，提升了用戶-EVA的整體收益。這說明“預約/隨需”服務模式能在減少用戶充放電成本的同時，通過加強用戶引導而提高EVA凈收益。

另外，圖3中具有預約潛力的用戶在場景3下充放電成本大幅減小，同時圖4(a)中場景3“預約/隨需”最小價格曲線整體低于其他場景，這說明場景3下“預約”服務用戶的成本降幅較大，并且隨著更多用戶逐步向“預約”服務轉移，用戶總費用也將進一步降低。

圖3 不同場景下的用戶成本與EVA收益Fig.3 The cost of users and the benefit of EVA in different scenarios

圖4 各場景下定價結果Fig.4 Pricing results in various scenarios

圖4(b)為場景3價格曲線，07:00—09:00、11:00—13:00、16:00—18:00時段內“預約”服務價格高于“隨需”服務，因為這些時段內電力市場中長期合約價格與預測日前價格相差不大，EVA設定較高的“預約”服務價格將引導用戶盡量依據日前價格調節充放電，保證負荷調節的靈活性。

在上述定價結果下對“預約/隨需”服務模式下的用戶效用進行分析，存在“預約”服務增值效益的用戶分為兩類，如圖5(a)、圖5(b)所示。

圖5(a)所示，500個EV用戶中“預約”服務總效用較高(Vi>1)的用戶有285個，超半數用戶有“預約”服務參與意向，說明“預約/隨需”服務模式用戶接受程度較高。這部分用戶參與“預約”服務時充放電平均成本為17.32元/次，相較于“隨需”服務下20元/次的平均成本有較大降幅，說明“預約”服務因其價格優勢對用戶有較大吸引力，可引導用戶逐步向“預約”服務轉變。

圖5 “預約”服務用戶的效用量化結果Fig.5 Quantitative results of the utility of the users of the reservation service

圖5(b)中的用戶雖能通過“預約”服務降低部分充放電成本，但其仍傾向選擇“隨需”服務(即總效用Vi<1)。這是因為此類用戶更為重視充電便利性，并且節約充放電成本帶來的經濟效用不足以使其放棄便利性要求。

由此可見，本文所提服務模式，不僅能通過“預約”服務滿足經濟偏好類用戶的需求，同時也為便利偏好類用戶提供“隨需”服務的選擇，滿足了用戶多樣化需求。

4.3 EVA價格引導結果分析

4.3.1 用戶時移靈活性引導效果

EVA通過多時段定價的價格差異化方法進行用戶時移靈活性引導，其效果主要表現在：吸引更多EV負荷移出高電價時段、移入低電價時段。

對用戶入網隨機性蒙特卡洛模擬結果加權綜合，得到3種場景下充放電負荷情況如圖6所示，可見3種場景下負荷量都與電價成負相關關系。但由于場景1使用分時電價，并且僅提供快充服務，因此其電價引導效果(即負荷量與電價的負相關程度)遠不如場景2和場景3。這說明更短的價格變化周期、更多樣靈活的充放電服務方式，都能進一步加強用戶時移靈活性的引導效果。

另外，相較于場景2，“預約/隨需”服務模式下的場景3中高電價時段放電量更大。這說明此模式更能充分挖掘用戶側饋電潛力，從饋電角度出發進一步加強了負荷引導效果。

圖6 各場景下用戶充放電情況Fig.6 Charging and discharging of users’ EVs in different scenarios

4.3.2 用戶入網規律性引導效果

EVA通過“預約”服務、“隨需”服務定價不同的價格歧視方法進行用戶入網規律性引導，其效果主要表現在：通過服務選擇區分不同規律性潛力的用戶，利用價格優勢吸引大量規律性潛力高的用戶提前轉變為確定性負荷。

如圖6(c)所示，場景3模擬結果中，通過“預約”服務提前鎖定的負荷量占總負荷量的1/3，說明用戶對“預約”服務接受程度較高，完成了較大比例的用戶入網規律性引導。同時由于場景3中通過“預約”服務提前確定了部分用戶充放電行為，電量平衡成本也更小，如附錄D所示，進一步展現了用戶入網規律性引導的效果。

另外，在不同種類用戶的入網特征方面，如圖7所示，代管類用戶和V2G類用戶的預約電量占比高，規律性引導作用更好。同時結合用戶入網靈活性進行分析，“預約”服務下的充電負荷集中在23：00到次日07:00時段，因為此時段價格在“預約”服務價格周期內相對較低，并且低于“隨需”服務；此時段內入網規律性強的代管類、V2G類負荷占比大，說明具有電價低、價格降幅大特點的時段尤其適合規律性負荷。

圖7 “預約”服務負荷引導結果Fig.7 Load guidance result of reservation service

4.3.3 EVA購電成本分析

EVA購電成本如表2、表3所示，由于場景1未能合理引導充放電而使得其總成本遠高于其他場景；相對于場景2，場景3下中長期市場購電成本較高，但由于較好把握了用戶需求而大幅降低了日前市場購電成本，同時合理利用用戶側放電潛力，獲得了較高的售電收益，所以場景3下總購電成本最低。

表2 各場景下EVA購電成本對比(日前市場)Table 2 Comparison of purchase costs of EVA (day-ahead market) 元

表3 各場景下EVA購電總成本對比Table 3 Comparison of total purchase cost of EVA in different scenarios 元

5 結 論

本文基于EV用戶入網規律性、時移靈活性兩個維度的引導潛力，提出EVA“預約/隨需”充放電服務模式。通過不同服務模式下用戶-EVA效益的對比得到以下結論：

1)“預約/隨需”服務模式不僅能以不同時段價格引導的方式，鼓勵靈活性較高的EV用戶進行負荷時移，同時也能以較低的預約價格鼓勵用戶提前確定需求，在時移靈活性和入網規律性兩方面都有較好的引導效果，用戶接受程度高。

2)EVA在“預約/隨需”服務模式下，通過減少EV入網隨機性的方式提高其負荷預測精度，進而減少上層電力市場的購電成本，提升服務收益。

由此可見，本文所提出的“預約/隨需”充放電服務模式將進一步發揮用戶調節潛力。在未來的研究中，可深入考慮上層電力市場價格波動對定價策略的影響，并對用戶實時入網行為下的滾動電價深入研究。