基于改进累积前景理论的异质性车主充电行为建模方法与流程

技术特征：
1.一种基于改进累积前景理论的异质性车主充电行为建模方法，其特征在于，所述基于改进累积前景理论的异质性车主充电行为建模方法包括：以电动汽车收益的累积前景值为评价指标，以电动汽车充电时间和充电容量为灵敏度分析参数，建立电动汽车充电决策偏好问题模型；建立具有心理感知的异质性参考点模型，将异质性参考点应用于累积前景值计算中。2.如权利要求1所述的基于改进累积前景理论的异质性车主充电行为建模方法，其特征在于，所述基于改进累积前景理论的异质性车主充电行为建模方法包括以下步骤：步骤一，建立以电动车收益的累积前景值为评价指标，在不同的峰平电价方案下，充电容量和客单需求随机变化下的电动汽车充电决策偏好模型；步骤二，通过对到达时间和剩余电量进行综合评估，基于经验性心理感知模式，用四个心理感受区建立反映车主客观现状的参考经验感知模型；步骤三，基于参考经验感知模型，通过引入风险因子，建立了分析风险偏好异质参考点模型；步骤四，以非理性决策者为分析对象，将决策者的客观感知与主观上的风险偏好相结合，建立了具有心理感知的异质性参考点模型；步骤五，将参考点模型应用于累积前景值的计算中。3.如权利要求1所述的基于改进累积前景理论的异质性车主充电行为建模方法，其特征在于，所述基于期望效用理论的电动车充电行为模型，包括：电动车的起始电量soc
ini
满足在0.2～0.5之间的均匀分布，电动车车主的心理安全电量为0.5，心理安全电量表示当电动车的剩余电量低于心理安全电量时电动车车会选择充电，当电动车的剩余电量高于心理安全电量时，电动车的充电行为将会停止，模型中电动车选择充电行为，没有不充电的情况；假设峰时段每个小时的客流量p1服从λ＝3的泊松分布，平时段中每个小时的客流量p2服从λ＝2的泊松分布；而在峰时段时，电动运营车的客单价即每位客人的平均收入q1为30元/人，平时段的客单价即每位客人的平均收入q2为20元/人，峰时段电动车充电时电价为s1元/度，平时段电动车充电时电价为s2元/度，本发明将上午9:00到晚上18:00九个时段平均划分为18个时刻作为到达时间t的值，到达时间t表示的含义是在t时刻下电动车的剩余电量低于心理安全电量，即在t时刻时车主产生充电需求；电动汽车接入电网时刻即为充电起始时刻，充电过程中功率保持不变，无放电操作，进而得到充电时长：其中，q0为电动汽车电池的额定容量；soc
lea
为电动车充电完成时的截止电量，soc
lea
＝0.5为心理安全电量；soc
ini
为电动车到充电站充电时的起始电量；p
ev
为电动汽车的充电功率；t
char
为充电时间，t1为峰时段充电时间，t2为平时段充电时间，t
char
＝t1 t2；θ
char
为电动车的充电效率；在这个模型中，电动车车主有方案一峰时段充电，方案二平时段充电和方案三跨时段充电的三种充电方式，电动车在不同的到达时间下，车主会有不同的充电选择，当电动车在
峰时段到达时，车主有峰时段，平时段和跨时段三种充电方式，当且仅当车主在峰时段到达且充电时间小于峰时段剩余时间时才有跨时段充电这一选择，而当电动车在平时段到达时，车主的充电选择固定，只有在平时段充电选择，则作为辅助决策；对电动运营车三种充电方案下的收益函数进行定义，在不同的充电方案下，其它时段的收益均相同，电动运营车的收益由载客收入，充电时间内的客单损失和充电费用三部分组成，不分析跑车途中的耗电费和停车费，不失一般性的电动运营车的收入函数定义如下：y＝e
‑
c1‑
c2；其中，y表示电动运营车九个时段内的实际收益，e表示电动运营车载客赚的钱，c1表示电动运营车充电费用，c2表示电动运营车在充电时间段内客单损失；(1)电动运营车车主选择方案一峰时段充电时的收益函数：(2)电动运营车车主选择方案二平时段充电时的收益函数：(3)电动运营车车主选择方案三跨时段充电时的收益函数：在应用期望效用理论分析电动车充电行为决策时，用一个概率分布p表示每一个充电决策结果的发生概率；同样每一个充电决策结果都对应着一个收益函数y，用它来体现决策价值，表示电动车车主对决策结果的收益期望值；每一个车主都希望所作出的决策结果能达到最大的期望效用，期望效用最大化的原则；那么对于某一个充电方案，y
j
就是其期望效用；因此电动车车主做出的每一个充电决策的期望值用如下公式表示：其中，y
ij
表示充电方案j下第i种随机场景的收益；p
ij
表示充电方案j下第i种随机场景的概率，表示每种充电方案下的期望值，j＝1,2,3，和分别表示方案一，方案二和方案三的期望值；在期望效用理论模型下，电动车车主会选择期望值最大的结果作为充电选择，如以下公式所示：4.如权利要求1所述的基于改进累积前景理论的异质性车主充电行为建模方法，其特征在于，所述期望效用理论，包括：在决策过程中，决策者有明确的目标，所掌握的信息是明确的、全面的，完整地列出行动方案，并且根据方案信息做出最佳选择，理性决策者对于每一种方案的结果都会给一个期望值，根据期望值的大小进行择优选择，期望效用函数eu，函数形式用如下公式表示：
eu＝∑pu；其中，p表示备选方案可能结果的概率，u表示备选方案可能结果的效用函数，eu表示备选方案的期望值；所述基于累积前景理论的电动车充电行为模型，包括：引入累积前景理论对电动车的非理性充电行为进行建模；基于累积前景理论模型，分两个阶段对电动车充电行为进行建模：编辑阶段和评价阶段；在编辑阶段中，通过收益函数确定不同充电方案下车主可能的收益结果；确定车主的心理参考点，在累积前景理论模型中将当前电价倍数下收益的期望值作为心理参考点；感知不同充电方案下收益的属性，即将不同充电方案下的收益结果转换成相对于参考点的值，判断属于收益还是损失；根据概率模型分析收益结果产生的实际概率，通过价值函数和权重函数，将实际收益和实际概率转换成车主的主观收益和主观概率；在评价阶段中，通过累积前景值得计算方法，计算各充电方案下的累积前景值，并比较各充电方案下累积前景值的大小，最终做出最佳充电决策；其中，所述价值函数υ(x)是以结果的实际价值x为自变量，得到的结果是该结果对于决策者的主观价值，当决策者评估每个选项中的不同结果时，他感受到的是每个结果对他的主观价值υ(x)，而非真实价值x，在确定决策者的心理参考点x0后，由前景理论的定义知，决策者对每个选项的结果感知到的不是绝对值而是相对值，因此前景理论的价值函数通常被定义如下：其中，α，β(0<α≤1，0<β≤1)衡量远离心理参考点x0的敏感性递减程度，α，β越大表示决策者对风险越敏感；λ表示损失规避系数，且λ＞1恒成立，反映个体对于损失更敏感的事实；价值函数v(x)是一个严格的递增函数，价值函数曲线呈现s型，在收益部分是凸函数，在损失部分是凹函数，在收益部分，随着结果本身的增加，结果的变化带来的边缘价值在逐步减少；而在损失部分，随着结果本身的增加，结果的变化带来的边缘价值在逐步增加，决策者在面临收益和损失时的风险态度是不一样的，在面临收益时是风险规避的，而在面临损失时是风险偏好的，并且决策者对损失更加敏感。5.如权利要求4所述的基于改进累积前景理论的异质性车主充电行为建模方法，其特征在于，所述权重函数，包括：决定每个选项最终价值的第二个重要影响因素是权重，权重是以结果产生的概率为自变量，表示的不是概率，它衡量的是每个结果对其所在选项的影响程度，该结果发生的可能性；采用由kahneman和tversky教授提出的权重函数，根据前景理论中关于权重函数的定义可知，当决策面临收益时和面临损失时的权重函数定义有所不同，当决策者面临收益时：当决策者面临损失时：
其中，p为结果发生的实际概率，ω

(p)，ω
‑
(p)分别表示面临“收益”和损失时的主观概率，参数γ，δ决定权重函数的曲率，对应的值越小则权重函数的弯曲程度越大，实验数据标定，取γ＝0.61，δ＝0.69；决策权重函数呈现倒s型，当一个结果产生的概率非常小时，决策者倾向于放大它的可能性，当实际概率p非常小时，决策者的主观概率会大于实际概率(ω(p)＞p)；当一个结果产生的概率较大时，决策者倾向于缩小它的可能性，当实际概率p非常大时，决策者的主观概率会小于实际概率(ω(p)<p)，体现为决策者在做实际决策时会高估小概率事件低估中高概率事件；权重函数在ω(p)实际概率p为0和1时不是连续的，而是突变的，当结果的发生概率为0时，ω(0)＝0；当结果的发生概率为1时，ω(1)＝1，权重函数ω(p)是非线性函数。6.如权利要求1所述的基于改进累积前景理论的异质性车主充电行为建模方法，其特征在于，所述基于累积前景理论的电动车充电行为模型，还包括：(1)充电决策模型的编辑阶段其中υ(y
ij
)，表示电动车车主对充电方案j下第i种随机场景的主观价值，y
ij
表示充电方案j下第i种随机场景的实际收益，表示充电方案j下的期望值；车主在做决策时会将每种充电方案下可能的收益结果与期望值做比较，当收益结果大于期望值时，车主感受到的是收益，当收益结果小于期望值时，车主感受到的是损失，车主在面临收益和面临损失时的风险态度有所不同，当车主面临收益时：当车主面临损失时：其中，p
ij
表示充电方案j下第i种随机场景的概率，ω

(p
ij
)和ω
‑
(p
ij
)分别表示面临收益和面临损失时的主观概率权重；将每种充电方案下可能收益结果的主观权重带入到累积权重函数中，得到累积决策权重函数：权重函数中，得到累积决策权重函数：其中，j＝1,2,3表示三种充电方案，i表示充电方案j下的某个可能场景，n表示每种充
电方案下车主感受到收益时的可能结果，m表示每种充电方案下车主感受到损失时的可能结果，表示充电方案j下第i种随机场景的正向累积权重值，表示充电方案j下第i种随机场景下的负向累积权重值；(2)充电决策模型的评价阶段将编辑阶段计算所得到的价值函数υ(y
j
)以及累积权重函数π
ij
带入到累积前景值计算公式中，计算充电方案j下的正向累积前景值：充电方案j下的负向累积前景值：充电方案j下的综合累积前景值：其中，cpv
j
表示每种充电方案下的综合累积前景值，j＝1,2,3，cpv1，cpv2和cpv3分别表示方案一，方案二和方案三的综合累积前景值，在做充电决策时，电动车车主倾向选择综合累积前景值最大的充电方案作为最优充电选择，即：cpv＝max(cpv1,cpv2,cpv3)。7.如权利要求1所述的基于改进累积前景理论的异质性车主充电行为建模方法，其特征在于，所述累积前景理论，包括：累积前景理论对前景理论的权重函数进行改进，采用累积概率权重；前景是不确定性事件，假设某一不确定备选方案ψ由一系列组合(x
i
,p
i
)构成，且满足
‑
m≤i≤n，将每个前景的结果x
i
递增顺序排序，即x
‑
m
≤x
‑
m 1
≤
…
≤x0≤x1≤
…
≤x
n
，其中正的下标用来表示正的可能结果，负的下标用来表示负的可能结果，0下标用来表示中性的可能结果，当x
i
＞x0时决策者感受到的是收益，当x
i
<x0时决策者感受到的是损失，累积前景理论的决策权重函数和定义如下：定义如下：定义如下：其中，p
i
表示第i种正的状态出现的概率值，p
n
表示出现第n种正的状态的概率值，p
‑
m
表示出现第m种负的状态的概率值，ω

和ω
‑
是严格的增函数，且满足ω

(0)＝ω
‑
(0)＝0，ω

(1)＝ω
‑
(1)＝1，为正向的累积决策权重函数，即表示决策者面临收益时的累积决策权重函数，为负向的累积决策权重函数，即表示决策者面临损失时的累积决策权重函数。8.如权利要求7所述的基于改进累积前景理论的异质性车主充电行为建模方法，其特征在于，备选方案ψ的综合累积前景值计算如下：cpv＝cpv

cpv
‑
；
其中，cpv表示实际的综合累积前景值，cpv

表示“收益”部分的累积前景值，cpv
‑
表示“损失”部分的累积前景值。9.一种应用如权利要求1～8任意一项所述的基于改进累积前景理论的异质性车主充电行为建模方法的基于改进累积前景理论的异质性车主充电行为建模系统，其特征在于，所述基于改进累积前景理论的异质性车主充电行为建模系统包括：电动汽车充电偏好模型构建模块，用于建立以电动车收益的累积前景值为评价指标，在不同的峰平电价方案下，充电容量和客单需求随机变化下的电动汽车充电偏好模型；具有心理感知的异质性参考点模型构建模块，用于通过对到达时间和剩余电量进行综合评估，基于经验性心理感知模式，用四个心理感受区建立反映车主客观现状的参考经验感知模型。10.如权利要求9所述的基于改进累积前景理论的异质性车主充电行为建模系统，其特征在于，所述具有心理感知的异质性参考点模型构建模块包括：基于现状评估的心理感知模型构建模块，用于通过对到达时间和剩余电量进行综合评估，基于经验性心理感知模式，用四个心理感受区建立反映车主客观现状的参考经验感知模型；分析风险偏好的异质参考点模型构建模块。用于基于参考经验感知模型，通过引入风险因子，建立分析异质车主风险态度的风险异质参考感知模型。

技术总结
本发明属于电动车充电行为控制技术领域，公开了一种基于改进累积前景理论的异质性车主充电行为建模方法，引入累积前景理论对电动车充电行为进行建模，提出以电动车收益的累积前景值作为评价指标，以电动车充电时间和充电容量为灵敏度分析参数，建立了电动汽车实时充电决策偏好问题模型，为了准确地描述异质性车主的充电行为，本发明提出了一种具有心理感知的异质参考点模型，并将异质参考点应用于累积前景值的计算中，结果表明，在不同风险偏好且参考点异质的情况下，车主会表现出不同的充电决策行为，其模拟结果更符合实际，改进累积前景理论在描述异质性车主充电行为时更加精确。景理论在描述异质性车主充电行为时更加精确。景理论在描述异质性车主充电行为时更加精确。


技术研发人员：权轶 刘备 冯万璐 付波
受保护的技术使用者：湖北工业大学
技术研发日：2021.08.13
技术公布日：2021/11/5