一种基于主从博弈的电动汽车虚拟电厂运营商的定价方法与流程

1.本发明涉及虚拟电厂运营商定价策略优化实施领域，特别是涉及一种基于主从博弈的电动汽车虚拟电厂运营商的定价方法。


背景技术：

2.电动汽车(electric vehicle,ev)以其节能、零排放的优势被大力推广。电动汽车虚拟电厂(electric vehicle virtual power plant,evpp) 主要负责聚合某区域的ev，既可为ev提供统一的充电管理服务，也可为分散且容量较小的ev参与电力市场提供了途径。目前，已有大量学者针对ev的有序充电管理问题展开了研究。现有的方法包括如下两种：
3.1、以ev用户充电时刻、充电偏好作为切入点，充分考虑了ev用户的实际利益，但电网在ev用户充电的过程中收益过低；
4.2、以电网或虚拟电厂运营商收益最大为出发点，实现了ev与电网的有序互动，但ev用户只能作为价格接受者被动接受上层调度中心的安排。
5.总之，现有技术的两种方法都没有考虑到evpp运营商与ev用户都有各自的利益诉求，现有技术还没有能够充分考虑双方的需求而不是单方的需求以更贴近实际的定价技术方案，因此需要制定电动汽车虚拟电厂的售电价格及购售电策略，实现与电动汽车用户的双赢。
6.公开于该背景技术部分的信息仅仅旨在加深对本发明总体背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成本领域技术人员所公知的现有技术。


技术实现要素：

7.本发明所要解决的技术问题是：提供一种基于主从博弈的电动汽车虚拟电厂运营商的定价方法，基于主从博弈由evpp作为售电运营商参与ev有序充电管理的建模方法。模型中，evpp运营商无需直接干预ev用户的充电行为，只需下发充电电价，整合ev 资源及储能资源参与联合电力市场以实现运营收益最大化即可，而ev用户也不再只是被动的电价“接受者”，可根据自身充电偏好自由选择充电时段；从而evpp与ev用户通过主从博弈既可实现各方利益的均衡分配，也可实现各方利益的最大化，从而通过主从博弈实现evpp运营商与ev用户之间的利益均衡分配。
8.为了达到上述目的，本发明所采用的技术方案是：一种基于主从博弈的电动汽车虚拟电厂运营商的定价方法，用于ev用户、evpp运营商以及电网三方，包括：
9.s1，建立所述ev用户、所述evpp运营商以及电网三者之间的互动框架；
10.s2，基于所述互动框架建立所述evpp运营商与所述ev用户之间的主从博弈模型，所述主从博弈模型的优化目标函数和约束条件，其中所述evpp运营商与所述ev用户之间的主从博弈模型包括上层evpp运营商优化和下层ev用户充电策略优化；
11.s3，基于所述约束条件求解所述优化目标函数，获得主从博弈双方的利益均衡点；
12.s4，基于所述利益均衡点获得所述电动汽车虚拟电厂运营商的定价。
13.优选的，所述s1所述互动框架包括：ev用户端子框架、evpp运营商子框架以及电网端子框架，其中：
14.所述电网端子框架包括多个电力市场交易中心；
15.所述ev用户端子框架包括多个ev用户以及ess储能电池；所述多个ev用户自由选择充电时段，并接收所述evpp运营商下发的充电电价；所述ess储能电池由储能设备运营商运营，用于向所述evpp运营商发送所述ess储能电池的运行参数，并接收 evpp运营商下发的出力计划；
16.所述evpp运营商子框架包括evpp调度控制中心，所述evpp调度控制中心由商业型虚拟电厂cvpp和技术型虚拟电厂tvpp构成；所述商业型虚拟电厂cvpp用于所述技术型虚拟电厂tvpp的整体经济性优化，并发送给所述技术型虚拟电厂tvpp，所述技术型虚拟电厂tvpp用于所述evpp的安全性校验，并返回所述商业型虚拟电厂 cvpp；所述evpp运营商子框架向所述电网端子框架的电力市场交易中心提交购、售电计划，并接收所述电力市场交易中心下发的充、放电电价。
17.优选的，所述互动框架的运行模式包括：
18.所述多个ev用户向所述evpp运营商上报次日充电时段及具体充电电量，所述 evpp运营商根据所述多个ev用户的所述次日充电时段及具体充电电量确定各时段的充电电量需求，拟定购售电计划；
19.所述evpp运营商在所述电力市场的日前市场与电网签订购电合同，确定次日各时段的购电量，并及时向所述多个ev用户发布次日各时段的电价信息；
20.所述多个ev用户在入网后由智能终端自动控制对所述多个ev用户的ev进行充电，并即时支付充电费用。
21.优选的，所述优化目标函数和对应的约束条件包括：上层evpp运营商优化的目标函数和约束条件，以及下层ev用户充电策略优化的目标函数和约束条件；其中，
22.所述上层evpp运营商优化的目标函数包括：所述evpp运营商的收益最大；所述 evpp运营商的收益包括四部分，第一部分为向所述多个ev用户售电获得的收益，第二部分为向所述多个电力市场交易中心的实时市场售电获得的收益，第三部分为从所述多个电力市场交易中心的日前市场购电的成本，第四部分为从所述多个电力市场交易中心的实时市场购电的成本；
23.所述上层evpp运营商优化的约束条件包括：对于所述evpp运营商定价的上下边界约束、均价约束、功率平衡约束、储能设备的充电速率限制、储能设备不能在同一时段同时充放电、储能设备的电量状态方程、储能设备最后一个时段的电量等于初始点亮从而使得循环利用储能设备的约束；
24.所述下层ev用户充电策略优化的目标函数包括：多个所述ev用户的充电成本最小；使得在所述evpp运营商给出的电价下，使得所述多个ev用户中每个ev用户的充电成本最小；
25.所述下层ev用户充电策略优化的约束条件包括：所述多个ev用户在并网过程中需充电至离网需求电量、对于所述多个ev用户的充电速率的约束、所述多个ev用户在离网后的时段充电功率为0。
26.优选的，所述evpp运营商的优化问题，其决策变量为
目标函数采用式(1)表示，约束条件采用式(2)-(11)表示为：
[0027][0028]
s.t.π
l
≤π
t
≤πuꢀꢀꢀ
(2)
[0029][0030]edam,t
≥0
ꢀꢀꢀ
(4)
[0031][0032][0033][0034][0035][0036][0037]
s0＝s
t
ꢀꢀꢀ
(11)；
[0038]
式中，π
t
为t时段的充电价格；e
dam,t
为日前市场t时段的合同电量；为 t时段从实时市场的购入、售出电量；为t时段储能设备的充、放电量；z
t
是布尔变量，表示t时段的交易状态；u
t
是布尔变量，表示t时段储能设备状态；p
ev,i,t
为t 时段第i辆ev的充电功率；λ
dam,t
为t时段日前市场的合同电价；为t时段实时市场购、售电价；为t时段evpp的定价上限、下限；π
aver
为evpp当日电价的平均价格；为储能设备t时刻的的充电功率,为储能设备t时刻的放电功率, 为储能设备的最大充电、放电功率；为储能设备的充、放电效率；s
max
为储能设备的最大容量；s0为储能设备的初始电量；s
t
为t时段储能设备的电量；s
t
为t时段储能设备的电量；t为总时段数，取24；m为足够大的常数(m＞0)；式(2)是evpp运营商定价的上、下界约束；式(3)是均价约束；式(4)—(7)共同构成功率平衡约束；式(8)—(9)限制了储能设备的充放电速率，且储能设备不能在同一时段同时充放电；式(10)—(11)是储能设备的电量状态方程，为使储能设备循环利用，应使储能设备最后一个时段的电量等于初始电量；{p
ev,i,t
}则表示电动汽车i在 t时段的充电功率，对应于ev的最优充电策略；
[0039]
优选的，所述下层ev用户充电策略的优化问题如下式(12)所示，约束条件如式 (13)-(15)所示；
[0040][0041][0042]
[0043][0044]
式中，{p
ev,i,t
}则表示电动汽车i在t时段的充电功率，对应于ev的最优充电策略；π
t
为t时段的充电价格；δi表示第i辆ev离网出行需要的最低电量占车载电池最大容量的比例；q
imax
为第i辆ev车载电池的最大容量；q
i0
为第i辆ev入网时车载电池的初始电量；为第i辆ev的最大充电功率；t
p
为ev的充电时段；目标函数(12)表示在evpp 运营商给出的电价下，最小化自身的充电成本；式(13)表示ev在并网过程中需充电至离网需求电量；式(14)表示ev充电速率的约束；式(15)表示ev在离网后的时段充电功率为0。
[0045]
优选的，所述s3，基于所述约束条件求解所述优化目标函数，获得主从博弈双方的利益均衡点包括：通过kkt条件、对偶理论、big-m法求解所述evpp运营商与所述多个ev用户间的主从博弈模型，包括：
[0046]
s31，通过kkt条件将所述下层ev用户充电策略优化的约束条件通过线性规划替代，即将式(12)-(15)所示的约束条件通过线性规划替代，从而获得变量{p
ev,i,t
}和{π
t
} 的约束关系；设式(13)-(15)约束对应的对偶变量分别为{μi}，和{σ
i,t
}，则线性规划式(12)-(15)的kkt条件为：
[0047][0048][0049][0050][0051][0052][0053][0054]
s32，通过big-m法，引入布尔变量和将约束式(18)和(19)转化为线性不等式(23)-(26)：
[0055][0056][0057][0058][0059]
经过转化，获得与式(18)和(19)等价的式(23)—(26)；
[0060]
s33，基于线性规划的对偶理论得到等式(27)：
[0061][0062]
同时基于kkt条件将式(1)的目标函数转化为下式(28)：
[0063][0064]
s34，综合s31-s33，将所述主从博弈模型转化为如下的混合整数线性规划问题：
[0065][0066]
混合整数线性规划式(29)可直接求解，其最优解中其最优解中构成了式(1)-(11)、式(12)-(15)的stackelberg 均衡，即获得了最终主从博弈协调规划的平衡。
[0067]
本发明的目的还在于提供一种基于主从博弈的电动汽车虚拟电厂运营商的定价系统，用于ev用户、evpp运营商以及电网三方，包括：
[0068]
互动框架建立模块，用于建立所述ev用户、所述evpp运营商以及电网三者之间的互动框架；
[0069]
主从博弈模型建立模块，用于基于所述互动框架建立所述evpp运营商与所述ev 用户之间的主从博弈模型，所述主从博弈模型的优化目标函数和约束条件，其中所述 evpp运营商与所述ev用户之间的主从博弈模型包括上层evpp运营商优化和下层ev 用户充电策略优化；
[0070]
模型求解模块，用于基于所述约束条件求解所述优化目标函数，获得主从博弈双方的利益均衡点；
[0071]
定价模块，用于基于所述利益均衡点获得所述电动汽车虚拟电厂运营商的定价。
[0072]
本发明的目的还在于提供一种终端设备，包括：一个或多个处理器；存储器，与所述处理器耦接，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上所述的基于主从博弈的电动汽车虚拟电厂运营商的定价方法。
[0073]
本发明的目的还在于提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的基于主从博弈的电动汽车虚拟电厂运营商的定价方法。
[0074]
本发明的有益效果为：
[0075]
1、基于主从博弈的evpp运营商的定价方法，既考虑了ev用户充电策略对售电价格的响应，也考虑了定价策略受ev用户充电行为的影响，实现了evpp运营商与ev用户之间的双赢，从而获得了更高的dg渗透率；
[0076]
2、主从博弈模型可通过kkt条件、对偶理论和big-m法将非线性的双层规划问题转化成可求解的混合整数线性规划问题，可帮助evpp运营商制定最优的定价方案。
附图说明
[0077]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0078]
图1为本发明实施例中ev用户、evpp运营商与电网的互动架构示意图；
[0079]
图2为本发明实施例中evpp运营商与ev用户的主从博弈框架示意图；
[0080]
图3为本发明实施例中终端设备结构图。
具体实施方式
[0081]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
[0082]
需要说明的是，当元件被称为“固定于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的，并不表示是唯一的实施方式。
[0083]
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
[0084]
实施例一
[0085]
本实施例的一种基于主从博弈的电动汽车虚拟电厂运营商的定价方法，用于电动汽车用户(ev用户)、电动汽车虚拟电厂运营商(evpp运营商)以及电网三方，包括：
[0086]
s1，建立所述ev用户、所述evpp运营商以及电网三者之间的互动框架；
[0087]
s2，基于所述互动框架建立所述evpp运营商与所述ev用户之间的主从博弈模型，所述主从博弈模型的优化目标函数和约束条件，其中所述evpp运营商与所述ev用户之间的主从博弈模型包括上层evpp运营商优化和下层ev用户充电策略优化；
[0088]
s3，基于所述约束条件求解所述优化目标函数，获得主从博弈双方的利益均衡点；
[0089]
s4，基于所述利益均衡点获得所述电动汽车虚拟电厂运营商的定价。
[0090]
作为优选的实施方式，所述s1所述互动框架包括：ev用户端子框架、evpp运营商子框架以及电网端子框架，其中：
[0091]
所述电网端子框架包括多个电力市场交易中心；
[0092]
所述ev用户端子框架包括多个ev用户以及ess储能电池；所述多个ev用户自由选择充电时段，并接收所述evpp运营商下发的充电电价；所述ess储能电池由储能设备运营商运营，用于向所述evpp运营商发送所述ess储能电池的运行参数，并接收 evpp运营商下发的出力计划；
[0093]
所述evpp运营商子框架包括evpp调度控制中心，所述evpp调度控制中心由商业型虚拟电厂(commercial virtual power plant,cvpp)和技术型虚拟电厂(technicalvirtual power plant,tvpp)构成；所述cvpp用于所述evpp的整体经济性优化，并发送给所述tvpp，所述tvpp用于所述evpp的安全性校验，并返回所述cvpp；所述 evpp运营商子框架向所述电网端子框架的电力市场交易中心提交购、售电计划，并接收所述电力市场交易中心下发的充、放电电价。
[0094]
作为优选的实施方式，所述互动框架的运行模式包括：
[0095]
所述多个ev用户向所述evpp运营商上报次日充电时段及具体充电电量，所述 evpp运营商根据所述多个ev用户的所述次日充电时段及具体充电电量确定各时段的充电电量需求，拟定购售电计划；
[0096]
所述evpp运营商在所述电力市场的日前市场与电网签订购电合同，确定次日各时段的购电量，并及时向所述多个ev用户发布次日各时段的电价信息；
[0097]
所述多个ev用户在入网后由智能终端自动控制对所述多个ev用户的ev进行充电，并即时支付充电费用。
[0098]
作为优选的实施方式，本实施例的互动框架是基于假设evpp作为价格接受者参与日前电力市场(day-ahead market,dam)及实时功率平衡市场(real-time balancing market， rbm)而构建的ev用户、evpp运营商以及电网三者之间的互动框架。ev用户需首先向evpp运营商上报次日充电时段以及充电电量，运营商则根据用户需要拟定购售电计划；接着evpp运营商会同电网签订日前市场的购售电合同，并及时向ev用户公布次日各时段的电价信息，本实施例中规定，所述evpp运营商的零售电价不得高于实时市场电价，且要设置电价上限，以尽可能保证所述多个ev用户的利益；最后ev在入网后由智能终端控制，自动选择充电费用最低的时段充电，并即时扣除充电费用。
[0099]
需要说明的是，本互动框架下，evpp运营商需解决的关键问题是制定次日各时段的充电电价，与传统的定价优化问题不同，运营商的收入主要取决于ev的充电策略，而ev的充电行为不受运营商的直接控制，而是受运营商制定的电价的影响。根据价格约定，若日均充电价格是固定的，如果运营商刻意抬升“峰电价”时段的电价，势必有其他时段的电价要低于定价平均值，此时智能终端会选择“谷电价”时段为ev自动充电。基于上述框架，ev用户、evpp运营商与电网的互动架构如附图1所示。
[0100]
作为优选的实施方式，所述优化目标函数和对应的约束条件包括：上层evpp运营商优化的目标函数和约束条件，以及下层ev用户充电策略优化的目标函数和约束条件；其中，
[0101]
所述上层evpp运营商优化的目标函数包括：所述evpp运营商的收益最大；所述 evpp运营商的收益包括四部分，第一部分为向所述多个ev用户售电获得的收益，第二部分为向所述多个电力市场交易中心的实时市场售电获得的收益，第三部分为从所述多个电力市场交易中心的日前市场购电的成本，第四部分为从所述多个电力市场交易中心的实时市场购电的成本。
[0102]
所述上层evpp运营商优化的约束条件包括：对于所述evpp运营商定价的上下边界约束、均价约束、功率平衡约束、储能设备的充电速率限制、储能设备不能在同一时段同时充放电、储能设备的电量状态方程、储能设备最后一个时段的电量等于初始点亮从而使得循环利用储能设备的约束。
[0103]
如图2所示，本实施例中：
[0104]
evpp运营商的优化问题，其决策变量为其决策变量为目标函数采用式(1)表示，约束条件采用式(2)-(11)表示为：
[0105][0106]
s.t.π
l
≤π
t
≤πuꢀꢀꢀ
(24)
[0107][0108]edam,t
≥0
ꢀꢀꢀ
(26)
[0109]
[0110][0111][0112][0113][0114][0115]
s0＝s
t
ꢀꢀꢀ
(33)
[0116]
式中，π
t
为t时段的充电价格；e
dam,t
为日前市场t时段的合同电量；为 t时段从实时市场的购入、售出电量；为t时段储能设备的充、放电量；z
t
是布尔变量，表示t时段的交易状态；u
t
是布尔变量，表示t时段储能设备状态；p
ev,i,t
为t 时段第i辆ev的充电功率；λ
dam,t
为t时段日前市场的合同电价；为t时段实时市场购、售电价；为t时段evpp的定价上限、下限；π
aver
为evpp当日电价的平均价格；为储能设备t时刻的的充电功率,为储能设备t时刻的放电功率, 为储能设备的最大充电、放电功率；为储能设备的充、放电效率；s
max
为储能设备的最大容量；s0为储能设备的初始电量；s
t
为t时段储能设备的电量；s
t
为t时段储能设备的电量；t为总时段数，取24；m为足够大的常数(m＞0)。
[0117]
在上述公式中，式(1)表示evpp运营商收益的最大化，evpp收益由四部分组成，其中第1部分为向ev用户售电获得的收益；第2部分为向实时市场售电获得的收益；第3部分为从日前市场购电的成本；第4部分为从实时市场购电的成本；式(2)是evpp 运营商定价的上、下界约束；式(3)是均价约束；式(4)—(7)共同构成功率平衡约束；式(8)—(9)限制了储能设备的充放电速率，且储能设备不能在同一时段同时充放电；式(10)—(11)是储能设备的电量状态方程，为使储能设备循环利用，应使储能设备最后一个时段的电量等于初始电量；{p
ev,i,t
}则表示电动汽车i在t时段的充电功率，对应于ev的最优充电策略。
[0118]
所述下层ev用户充电策略优化的目标函数包括：多个所述ev用户的充电成本最小；使得在所述evpp运营商给出的电价下，使得所述多个ev用户中每个ev用户的充电成本最小；
[0119]
所述下层ev用户充电策略优化的约束条件包括：所述多个ev用户在并网过程中需充电至离网需求电量、对于所述多个ev用户的充电速率的约束、所述多个ev用户在离网后的时段充电功率为0。
[0120]
如图2所示，本实施例中，所述下层ev用户充电策略的优化问题，如下式(12) 所示，约束条件如式(13)-(15)所示。
[0121][0122][0123][0124]
[0125]
式中，{p
ev,i,t
}则表示电动汽车i在t时段的充电功率，对应于ev的最优充电策略；π
t
为t时段的充电价格；δi表示第i辆ev离网出行需要的最低电量占车载电池最大容量的比例；q
imax
为第i辆ev车载电池的最大容量；q
i0
为第i辆ev入网时车载电池的初始电量；为第i辆ev的最大充电功率；t
p
为ev的充电时段。
[0126]
在上述公式中，目标函数(12)表示在evpp运营商给出的电价下，最小化自身的充电成本；式(13)表示ev在并网过程中需充电至离网需求电量；式(14)表示ev充电速率的约束；式(15)表示ev在离网后的时段充电功率为0。
[0127]
经过步骤s2，上层问题的目标函数是evpp运营商的收益最大，约束条件为售电价格约束、购售电量约束、储能设备的相关约束，下层问题的目标函数是ev用户的充电费用最小，约束条件为ev充电功率的范围、充电量相关约束，evpp运营商定价策略与 ev用户充电策略优化共同形成了主从博弈关系。在式(1)-(11)中，因evpp运营商需考虑ev对充电价格的反应，故{π
t
}和{p
ev,i,t
}都是变量，上层问题的目标函数中存在两个变量的乘积，无法直接求解。在信息经济领域中，一般情况下，理性的参与者往往在盈利时厌恶风险，亏损时追求风险，效用函数一般假设为凹性，即一阶导数为正值，二阶导数为负值，即说明随着货币收益的增加，效用函数的增加率递减，在智能电网中，用户的效用函数必须满足两个条件：非递减性和遍及效用递减，即效用函数为凹函数。而本发明所建立的主从博弈模型既不是线性的也不是凸的，而是一个双层非线性规划问题，需通过步骤s3和s4的方法求解，即通过kkt条件、对偶理论、big-m法将原问题及原约束条件松弛后才能准确求解出evpp运营商与ev用户间的主从博弈模型，得到evpp运营商的最优定价策略以及与ev用户间利益均衡分配的最优解。
[0128]
作为优选的实施方式，所述s3，基于所述约束条件求解所述优化目标函数，获得主从博弈双方的利益均衡点包括：通过kkt条件、对偶理论、big-m法求解所述evpp 运营商与所述多个ev用户间的主从博弈模型，包括：
[0129]
s31，对于主从博弈模型中的所述下层ev用户充电策略优化的目标函数，因ev用户在决策时，其接收到的充电价格已经是由evpp运营商制定好的，故只需通过kkt条件将所述下层ev用户充电策略优化的约束条件通过线性规划替代，即将式(12)-(15) 所示的约束条件通过线性规划替代，从而获得变量{p
ev,i,t
}和{π
t
}的约束关系；
[0130]
kkt条件基于如下定理，设x*是不等式约束优化问题的一个局部极大值点，有效约束集i(x*)＝{i∣gi(x*)＝0}，并设f(x)和gi(x)(i＝1,2,
…
,m)在x*处可微。若向量组
▽ꢀ
gi(x*)(i∈i(x*))线性无关，则存在向量λ*＝(λ*1，λ*2，λ*3...,λ*m)使得：
[0131]
▽
f(x*) σ(i＝1,..m)λ*i
▽
gi(x*)＝0,
[0132]
λ*mi≥0,gi(x*)≥0,λ*mi gi(x*)≥0,i＝1,2,
…
m；
[0133]
与原有模型对应，取第k个时间段内的社会效益函数，第k个时间段内的电量约束条件，获得原来模型的一个局部极大值点，利用kkt条件就可以将原有模型转化为求解非先从方程组，从而获得两个最优解。其中λ*m表示电力资源的影子价格。
[0134]
本实施例中，设式(13)-(15)约束对应的对偶变量分别为{μi}，和{σ
i,t
}，则线性规划式(12)-(15)的kkt条件为：
[0135]
[0136][0137][0138][0139][0140][0141][0142]
上式(18)和(19)表示原约束条件与其对偶变量的互补松弛性条件，因原约束条件是非线性的，故需要线性化后才能求解；
[0143]
s32，通过big-m法，引入布尔变量和将约束式(18)和(19)转化为线性不等式(23)-(26)：
[0144][0145][0146][0147][0148]
经过转化，获得与式(18)和(19)等价的式(23)—(26)；
[0149]
big-m法是一种用于求解析取规划的有效方法，通过引入若干0-1二值变量，将原非线性约束等价转换为混合整数线性约束，其中m取为足够大的正数，但也不能过大，因为会扩大搜索范围，影响求解效率。
[0150]
s33，对于目标函数式(1)来说，因为其中的{π
t
}，{p
ev,i,t
}都是变量，故{π
t
p
ev,i,t
}是一个非线性变量，也无法直接求解。线性规划的对偶理论表明，在有最优解的情况下，最优解处原问题与对偶问题的目标函数值相等，基于此结论，必有如下等式成立：
[0151][0152]
那么基于kkt条件，式(1)的目标函数则可转化为下式(28)：
[0153][0154]
s34，综合s31-s33，将所述主从博弈模型转化为如下的混合整数线性规划问题：
[0155][0156]
混合整数线性规划式(29)可直接求解，其最优解中其最优解中构成了式(1)-(11)、式(12)-(15)的stackelberg 均衡，即获得了最终主从博弈协调规划的平衡。
[0157]
本实施例以某省实施定价过程为例：
[0158]
设等值聚合后ev可分为3组，每组分别有n＝[60,30,10]辆ev，共100辆ev。每组ev选择充电的时段见表1(1表示ev选择在该时段充电，0表示ev不选择在该时段充电)。为模拟
所有可能的ev充电偏好，第1组ev设置为“早出晚归型”；第2组ev设置为“常规作息型”；第3组ev设置为“深夜工作型”；3组ev的基本参数见表2。另外参考《某省工业用电峰谷分时销售电价表》设置的日前市场的电价见表3，实时市场的售电价格应略高于日前市场的售电价格，故设为防止evpp从市场套利，设evpp销售电价的上限设置为下限设置为均价π
t
＝0.7(yuan/kw
·
h)；储能设备的详细参数见表4。
[0159]
表1
[0160][0161]
表2
[0162][0163]
表3
[0164][0165]
表4
[0166][0167]
基于表1-4的参数设置，求解得到evpp运营商的最优定价、购售电、储能充放电策略见下表5，ev用户的有序充电策略见下表6。
[0168]
表5
[0169][0170]
表6
[0171][0172]
[0173]
由于第1组“早出晚归型”的ev数量明显多于另外2组，故evpp运营商大部分时段总是在第1组ev的充电时段将电价设置为最大值，在第1组ev不充电的时段将电价设置为最小值。因为evpp从实时市场的购电价格要略高于日前市场，故理论上不需要从实时市场中购电。另外，表6中求出的ev用户的充电策略，既满足了ev用户的出行电量需求也使得其充电成本最低，在evpp运营商制定的分时电价的影响下，ev 用户会根据价格变化构成有序充电行为。
[0174]
实施例二
[0175]
一种基于主从博弈的电动汽车虚拟电厂运营商的定价系统，用于电动汽车用户(ev 用户)、电动汽车虚拟电厂运营商(evpp运营商)以及电网三方，包括：
[0176]
互动框架建立模块，用于建立所述ev用户、所述evpp运营商以及电网三者之间的互动框架；
[0177]
主从博弈模型建立模块，用于基于所述互动框架建立所述evpp运营商与所述ev 用户之间的主从博弈模型，所述主从博弈模型的优化目标函数和约束条件，其中所述 evpp运营商与所述ev用户之间的主从博弈模型包括上层evpp运营商优化和下层ev 用户充电策略优化；
[0178]
模型求解模块，用于基于所述约束条件求解所述优化目标函数，获得主从博弈双方的利益均衡点；
[0179]
定价模块，用于基于所述利益均衡点获得所述电动汽车虚拟电厂运营商的定价。
[0180]
请参阅图3，某一实施例提供一种终端设备，包括：
[0181]
一个或多个处理器；
[0182]
存储器，与所述处理器耦接，用于存储一个或多个程序；
[0183]
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上所述的基于主从博弈的电动汽车虚拟电厂运营商的定价方法。
[0184]
处理器用于控制该终端设备的整体操作，以完成上述的新能源与常规能源的多目标协调控制方法的全部或部分步骤。存储器用于存储各种类型的数据以支持在该终端设备的操作，这些数据例如可以包括用于在该终端设备上操作的任何应用程序或方法的指令，以及应用程序相关的数据。该存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(static random access memory，简称sram)，电可擦除可编程只读存储器(electrically erasable programmable read-only memory，简称eeprom)，可擦除可编程只读存储器(erasable programmable read-only memory，简称eprom)，可编程只读存储器(programmable read-only memory，简称prom)，只读存储器(read-only memory，简称rom)，磁存储器，快闪存储器，磁盘或光盘。
[0185]
在一示例性实施例中，终端设备可以被一个或多个应用专用集成电路(applicationspecific 1ntegrated circuit，简称as1c)、数字信号处理器(digital signalprocessor，简称dsp)、数字信号处理设备(digital signal processing device,简称dspd)、可编程逻辑器件(programmable logic device，简称pld)、现场可编程门阵列(field programmable gate array，简称fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行如上述任一项实施例所述的基于主从博弈的电动汽车虚拟电厂运营商的定价方法，并达到如上述方法一致的技术效果。
[0186]
在另一示例性实施例中，还提供一种包括计算机程序的计算机可读存储介质，该计算机程序被处理器执行时实现如上述任一项实施例所述的新能源与常规能源的多目标协调控制方法的步骤。例如，该计算机可读存储介质可以为上述包括计算机程序的存储器，上述计算机程序可由终端设备的处理器执行以完成如上述任一项实施例所述的基于主从博弈的电动汽车虚拟电厂运营商的定价方法，并达到如上述方法一致的技术效果。
[0187]
以上实施例基于主从博弈的evpp运营商的定价方法，既考虑了ev用户充电策略对售电价格的响应，也考虑了定价策略受ev用户充电行为的影响，实现了evpp运营商与 ev用户之间的双赢，从而获得了更高的dg渗透率；主从博弈模型可通过kkt条件、对偶理论和big-m法将非线性的双层规划问题转化成可求解的混合整数线性规划问题，可帮助evpp运营商制定最优的定价方案。
[0188]
本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。