“預(yù)約/隨需”充放電服務(wù)模式下電動(dòng)汽車聚合商服務(wù)策略

陳櫻綺, 李華強(qiáng)，陳纓，林照航

(1.智能電網(wǎng)四川省重點(diǎn)實(shí)驗(yàn)室(四川大學(xué)), 成都市 610065；2.國(guó)網(wǎng)四川綜合能源服務(wù)有限公司，成都市 610021)

0 引 言

隨著電動(dòng)汽車(electric vehicle，EV)的規(guī)模化發(fā)展，耗電量可觀的EV負(fù)荷逐漸成為智能電網(wǎng)的重要組成部分[1]。作為電網(wǎng)與用戶之間的服務(wù)媒介，電動(dòng)汽車聚合商(electric vehicle aggregator，EVA)向用戶提供EV充放電代理服務(wù)并通過(guò)負(fù)荷聚合控制的方式參與電力市場(chǎng)交易，承載充放電服務(wù)者及負(fù)荷聚合調(diào)度者的雙重角色[2]。在EVA以充放電服務(wù)為手段進(jìn)行精準(zhǔn)化有序調(diào)控的過(guò)程中，用戶意愿將通過(guò)服務(wù)響應(yīng)渠道最終影響EV負(fù)荷引導(dǎo)效果。因此，多維度分析用戶充電需求、設(shè)計(jì)考慮用戶意愿的服務(wù)模式，是EVA服務(wù)策略研究的關(guān)鍵[3]。

目前已有一些EVA分層分區(qū)協(xié)調(diào)調(diào)度方法[4-6]及電力市場(chǎng)交易策略[7-8]相關(guān)研究，為EVA運(yùn)營(yíng)策略及服務(wù)模式研究打下了重要基礎(chǔ)。已有EVA服務(wù)模式研究主要從用戶服務(wù)機(jī)制設(shè)計(jì)入手，通過(guò)價(jià)格或激勵(lì)引導(dǎo)用戶有序入網(wǎng)。文獻(xiàn)[9]設(shè)計(jì)了一種用戶主動(dòng)響應(yīng)電動(dòng)汽車與電網(wǎng)互動(dòng) (vehicle-to-grid，V2G)反向供電并自主進(jìn)行供電價(jià)格競(jìng)標(biāo)的充放電控制方法，通過(guò)合理設(shè)計(jì)服務(wù)模式激發(fā)用戶主動(dòng)調(diào)節(jié)能力；文獻(xiàn)[10]設(shè)計(jì)了用戶僅需要做出一次性選擇決定的半自主在線服務(wù)模式，通過(guò)智能充電終端依據(jù)電價(jià)自動(dòng)制定充放電計(jì)劃，解決了用戶自主調(diào)控便捷性不高的問(wèn)題；文獻(xiàn)[11]設(shè)計(jì)了兼顧備用服務(wù)需求與用戶出行需求的充放電合約機(jī)制，對(duì)簽約用戶依據(jù)備用能力給予電價(jià)折扣。

上述服務(wù)模式研究皆基于EV用戶時(shí)移靈活性，尚未從用戶入網(wǎng)規(guī)律性角度考慮。用戶時(shí)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(jià)時(shí)段入網(wǎng)的能力；用戶入網(wǎng)規(guī)律性，是指此EV用戶入網(wǎng)行為發(fā)生在某固定時(shí)段，入網(wǎng)行為可預(yù)測(cè)且有規(guī)律可循。目前考慮用戶入網(wǎng)規(guī)律性的研究很少，文獻(xiàn)[12]中綜合考慮充電站內(nèi)電動(dòng)汽車有序充電和用戶自主選擇響應(yīng)情況，提出了電動(dòng)汽車分時(shí)預(yù)約充電方法，但研究?jī)H側(cè)重于充電設(shè)施及物理系統(tǒng)。

基于目前服務(wù)模式設(shè)計(jì)尚不成熟的現(xiàn)狀，本文綜合考慮用戶時(shí)移靈活性和入網(wǎng)規(guī)律性兩個(gè)維度，提出“預(yù)約/隨需”服務(wù)模式。在加強(qiáng)靈活性引導(dǎo)的同時(shí)，通過(guò)“預(yù)約”加強(qiáng)用戶入網(wǎng)規(guī)律性、減小負(fù)荷不確定性，使EVA負(fù)荷調(diào)控更加精準(zhǔn)。此服務(wù)模式下，用戶通過(guò)對(duì)“預(yù)約”、“隨需”服務(wù)選擇來(lái)影響EVA運(yùn)營(yíng)。在用戶服務(wù)選擇研究方面，效用理論[13]常被用來(lái)評(píng)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(fèi)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(jié)果，常用來(lái)分析用戶服務(wù)選擇對(duì)運(yùn)營(yíng)策略的影響。本文采用基于效用理論的DCM模型模擬用戶“預(yù)約/隨需”服務(wù)選擇情況，分析EVA引導(dǎo)用戶服務(wù)選擇的途徑。

本文主要研究“預(yù)約/隨需”模式下EVA服務(wù)策略。首先，分析“預(yù)約/隨需”服務(wù)模式特點(diǎn)并梳理服務(wù)流程；其次立足用戶視角，從經(jīng)濟(jì)影響和便利影響兩方面入手構(gòu)建最優(yōu)購(gòu)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(jià)格下用戶服務(wù)選擇情況，進(jìn)而通過(guò)主從博弈模擬優(yōu)化定價(jià)，尋求用戶效用與EVA收益的均衡點(diǎn)；最后，通過(guò)算例證明本文所提“預(yù)約/隨需”服務(wù)模式下能達(dá)到用戶側(cè)潛力充分挖掘、EVA側(cè)電力市場(chǎng)購(gòu)買成本減少的供需兩側(cè)“雙贏”效果。

1 “預(yù)約/隨需”充放電服務(wù)模式

“預(yù)約/隨需”充放電服務(wù)模式下，EVA提供“預(yù)約”、“隨需”兩種服務(wù)方式，用戶依據(jù)自身充放電需求進(jìn)行選擇：“隨需”服務(wù)適合對(duì)充電便利性要求較高的用戶，一旦有充電需求即可隨時(shí)入網(wǎng)充電；“預(yù)約”服務(wù)下用戶需要提前預(yù)約充電時(shí)間，但價(jià)格相對(duì)較低，適合充電行為較為規(guī)律的用戶。兩種服務(wù)方式的異同點(diǎn)如表1所示。

表1 “隨需”服務(wù)與“預(yù)約”服務(wù)的比較Table 1 Comparison of on-demand service and reservation service

“預(yù)約/隨需”充放電服務(wù)的業(yè)務(wù)流程主要分為服務(wù)需求庫(kù)建立、服務(wù)策略制定、服務(wù)響應(yīng)和實(shí)際執(zhí)行四步，如圖1所示。

圖1 “預(yù)約/隨需”服務(wù)模式示意圖Fig.1 Schematic diagram of “reservation/on-demand” service mode

在上述服務(wù)流程中，EVA與用戶之間通過(guò)服務(wù)價(jià)格及服務(wù)選擇情況相互影響，如圖2所示。本文通過(guò)用戶側(cè)服務(wù)效用分析及EVA價(jià)格引導(dǎo)分析，研究評(píng)估“預(yù)約/隨需”服務(wù)模式的效果。

圖2 EVA與用戶的關(guān)系Fig.2 The relationship between EVA and users

2 服務(wù)購(gòu)買策略及用戶效用分析

從用戶需求、購(gòu)買策略及服務(wù)效用3個(gè)層面，描述用戶充放電服務(wù)消費(fèi)心理：在“預(yù)約”服務(wù)的價(jià)格目錄及“隨需”服務(wù)的參考價(jià)格目錄下，用戶希望EVA能針對(duì)其實(shí)際充放電需求，以服務(wù)效用最大化為目標(biāo)為其制定最佳購(gòu)買策略：

(1)

式中：Si為用戶i的購(gòu)買策略；Vi為用戶i的充放電服務(wù)效用；Ei為用戶i的實(shí)際充放電需求，包含配置參數(shù)、時(shí)間邊界、電量邊界及功率邊界[2]、用戶主觀偏好等基礎(chǔ)參數(shù)；λp(t)表示“預(yù)約”服務(wù)的價(jià)格目錄；λs(t)表示“隨需”服務(wù)的參考價(jià)格目錄；下標(biāo)p和s分別表示“預(yù)約”服務(wù)和“隨需”服務(wù)。

2.1 用戶效用

效用理論通常被用來(lái)描述用戶對(duì)服務(wù)的滿意程度，進(jìn)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(jìn)行電力套餐選擇分析[13,15-16]。考慮到充放電服務(wù)的經(jīng)濟(jì)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(yù)約/隨需”模型下用戶需求滿足程度量化方法。計(jì)及表述心理狀態(tài)、需求觀測(cè)誤差的效用隨機(jī)項(xiàng)ηi，本文構(gòu)建用戶i的充放電服務(wù)效用函數(shù)Vi如下：

Vi=ωiVi,1+(1-ωi)Vi,2+ηi，ωi∈[0,1]

(2)

式中：ωi為用戶i的經(jīng)濟(jì)偏好程度系數(shù)；Vi,1、Vi,2分別表示經(jīng)濟(jì)性和便利性對(duì)用戶i的總效用的影響，下標(biāo)1、2分別表示經(jīng)濟(jì)性影響、便利性影響。

1)經(jīng)濟(jì)影響Vi,1。

考慮到“預(yù)約”服務(wù)價(jià)格較低，本文以“隨需”服務(wù)的充放電成本為基準(zhǔn)，以對(duì)比形式分析經(jīng)濟(jì)影響。將“隨需”服務(wù)下的充電成本作為基礎(chǔ)經(jīng)濟(jì)效益，“預(yù)約”服務(wù)充放電成本節(jié)約量描述了其為用戶節(jié)約充放電成本的能力。用戶效用的經(jīng)濟(jì)影響部分如下[13,17]：

(3)

2)便利影響Vi,2。

“隨需”服務(wù)下用戶入網(wǎng)時(shí)間不受限制，但“預(yù)約”服務(wù)要求提前約定入網(wǎng)時(shí)段，用戶便利性受到影響。本文提出一種以在網(wǎng)概率對(duì)比來(lái)量化便利影響的方法：“隨需”服務(wù)下t時(shí)段EV正在入網(wǎng)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(yù)約”服務(wù)下用戶i的在網(wǎng)狀態(tài)對(duì)比，構(gòu)建用戶充放電便利影響的量化方法如下：

(4)

在“隨需”服務(wù)下，用戶充放電行為具有入網(wǎng)時(shí)段不確定性和入網(wǎng)時(shí)長(zhǎng)不確定性，用戶入網(wǎng)行為以概率分布的形式發(fā)生在其習(xí)慣性入網(wǎng)時(shí)段的前后?；谖墨I(xiàn)[18-19]中EV負(fù)荷預(yù)測(cè)的高斯分布模型得到每時(shí)段入網(wǎng)概率分布υi(·)和入網(wǎng)時(shí)長(zhǎng)概率分布σi(·)，本文依據(jù)全概率定理，構(gòu)建t時(shí)段用戶i正在入網(wǎng)充放電的概率fi(t)：

(5)

式中：tin、Tin分別為入網(wǎng)時(shí)段、已入網(wǎng)時(shí)長(zhǎng)；T為周期長(zhǎng)度；Tin,max為最大入網(wǎng)時(shí)長(zhǎng)；υi(·)及σi(·)采用文獻(xiàn)[18]中模型。

2.2 服務(wù)購(gòu)買策略

充放電成本決定用戶側(cè)的經(jīng)濟(jì)效用，服務(wù)方式的選擇決定用戶側(cè)便利效用。以用戶綜合效用最大化為目標(biāo)，制定用戶i的服務(wù)購(gòu)買策略Si：

(6)

EV優(yōu)化調(diào)度研究中多以充放電方式分類[20-21]，同時(shí)EV服務(wù)購(gòu)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(duì)不同用戶服務(wù)策略分類說(shuō)明。

1)快充類用戶服務(wù)購(gòu)買策略。

快充類用戶入網(wǎng)后必須以最大功率充電才能在離網(wǎng)前達(dá)到用戶電量要求。此類用戶在某一固定時(shí)段有低靈活性、高規(guī)律性的充電需求時(shí)可通過(guò)“預(yù)約”服務(wù)降低成本。

快充類用戶期望成本為兩類服務(wù)中成本最小者：

(7)

(8)

2)代管類用戶服務(wù)購(gòu)買策略。

代管類用戶入網(wǎng)時(shí)間相對(duì)較為充裕，在入網(wǎng)時(shí)段內(nèi)委托EVA進(jìn)行充電代理，選擇低電價(jià)時(shí)段充電。用戶入網(wǎng)時(shí)段整體在隨需入網(wǎng)方式下價(jià)格較高時(shí)參與“預(yù)約”服務(wù)將降低充放電成本[10]。

代管類用戶服務(wù)購(gòu)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(wù)購(gòu)買策略。

V2G類用戶與代管類用戶一樣委托EVA代理入網(wǎng)，但允許向電網(wǎng)放電并以饋電方式降低自身充放電費(fèi)用[22]。考慮到此類用戶充放電調(diào)節(jié)潛力較高，本文設(shè)計(jì)了一種“預(yù)約快充+隨需V2G調(diào)節(jié)”的充放電方案：用戶可以預(yù)約部分時(shí)段的快速充電，以便實(shí)際執(zhí)行時(shí)在其他入網(wǎng)時(shí)段跟隨“隨需”服務(wù)價(jià)格引導(dǎo)靈活進(jìn)行電量調(diào)整和放電。

V2G用戶服務(wù)策略制定時(shí)同樣比較兩種服務(wù)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(jià)格引導(dǎo)方法

“預(yù)約/隨需”服務(wù)模式流程中，用戶服務(wù)響應(yīng)發(fā)生在EVA價(jià)格公布之后，因而EVA在價(jià)格制定時(shí)就需要考慮用戶選擇行為的影響。現(xiàn)有基于主從博弈的價(jià)格引導(dǎo)方法研究中，用戶側(cè)僅考慮成本最小化，缺乏對(duì)用戶綜合效用及參與意愿的考量[4,23-24]?；诖?，本文提出基于用戶效用與用戶選擇的主從博弈模型進(jìn)行定價(jià)分析。

3.1 用戶選擇行為

以用戶效用模型構(gòu)建為基礎(chǔ)，采用基于效用最大化理論的DCM模型對(duì)用戶在“預(yù)約”服務(wù)與“隨需”服務(wù)之間的選擇行為進(jìn)行模擬。在DCM應(yīng)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(dǎo)過(guò)程如附錄A所述[17,25]。

(12)

式中：κ(Ii=p)為用戶i選擇“預(yù)約”服務(wù)的概率；h(ιi)為隨機(jī)效用ιi的密度函數(shù)，若其遵循獨(dú)立Gumble分布(第一類極值分布)，則用戶i選擇“預(yù)約”服務(wù)(即Ii=p)的概率為：

(13)

式中：β為表示隨機(jī)項(xiàng)因素的比例參數(shù)，其值可通過(guò)對(duì)用戶需求的市場(chǎng)調(diào)研和回歸分析確定。β表征了概率函數(shù)κ(Ii=p)分布的確定性大小，其值越大，概率函數(shù)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(jià)格引導(dǎo)

EVA通過(guò)充放電價(jià)格實(shí)現(xiàn)對(duì)用戶充放電行為的有序化引導(dǎo)，此過(guò)程是通過(guò)用戶-EVA雙方追求各自利益最大化的主從博弈過(guò)程實(shí)現(xiàn)的，通過(guò)尋找利益均衡點(diǎn)確定最優(yōu)定價(jià)[23]。

主從博弈中的上層引導(dǎo)者是EVA。用戶時(shí)移靈活性引導(dǎo)方面，傳統(tǒng)價(jià)格引導(dǎo)方法研究中，主要采用24 h周期內(nèi)多時(shí)段定價(jià)的價(jià)格差異化(price difference)方法，來(lái)引導(dǎo)用戶將自身需求平移到低電價(jià)時(shí)段[26-27]。此時(shí)上層函數(shù)中的自變量為：

Θ=[λ(t1),λ(t1),…,λ(tT)]

(14)

式中：Θ為上層函數(shù)的自變量矩陣。

本文拓展考慮用戶入網(wǎng)規(guī)律性引導(dǎo)，為“預(yù)約”服務(wù)、“隨需”服務(wù)用戶制定不同的價(jià)格，以價(jià)格歧視(price discrimination)方法吸引用戶提前確定充放電時(shí)段，規(guī)律化自身入網(wǎng)行為。此時(shí)上層EVA定價(jià)函數(shù)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(tǒng)籌考慮服務(wù)參與概率以及電力市場(chǎng)價(jià)格，以EVA自身凈收益Meva最大化為目標(biāo)，制定差異化價(jià)格。凈收益Meva由服務(wù)收益Muser、預(yù)估日前市場(chǎng)購(gòu)電成本Mmarket,s及中長(zhǎng)期購(gòu)電成本Mmarket,p構(gòu)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(chǎng)交易價(jià)格、中長(zhǎng)期電力市場(chǎng)交易價(jià)格；χ是EVA為“隨需”服務(wù)(Ii=s)用戶負(fù)荷在中長(zhǎng)期市場(chǎng)購(gòu)電的比例。

下層模型中，用戶作為主從博弈中的被引導(dǎo)者，根據(jù)價(jià)格調(diào)整購(gòu)買行為并以服務(wù)總效用Vi最大化為目標(biāo)確定購(gòu)買策略，式(20)與式(21)等價(jià)：

maxVi

(20)

(21)

式中：Vi,p、Vi,s分別表示用戶i選擇“預(yù)約”服務(wù)、“隨需”服務(wù)時(shí)的綜合效用；H[·]表示與括號(hào)內(nèi)變量相關(guān)的函數(shù)表達(dá)式。

用戶入網(wǎng)規(guī)律性的價(jià)格引導(dǎo)，體現(xiàn)在部分EV用戶會(huì)依據(jù)自身綜合效益最大化的目標(biāo)，選擇犧牲部分便利性來(lái)獲得更高的綜合效用，從而強(qiáng)化了入網(wǎng)規(guī)律性。式(21)中，用戶根據(jù)綜合效益的大小決定是否規(guī)律入網(wǎng)：min(Vi,p,Vi,s)。

約束方面，除了2.2節(jié)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(shù)設(shè)計(jì)及場(chǎng)景設(shè)置

本文以500個(gè)EV用戶為例，在Matlab中采用YALMIP工具箱調(diào)用CPLEX，在T=24 h、Δt=15min條件下，進(jìn)行“預(yù)約/隨需”充放電服務(wù)模式仿真分析，參數(shù)詳見(jiàn)附錄C。在電力市場(chǎng)交易方面，由于本文重點(diǎn)關(guān)注EVA在用戶側(cè)的服務(wù)方式，暫未深入考慮其在上層電力市場(chǎng)側(cè)與其他參與者之間的競(jìng)價(jià)策略，因此假設(shè)EVA作為價(jià)格接受者參與電力市場(chǎng)[7,28]；根據(jù)“預(yù)約”服務(wù)合約要求，用戶需要提前確定入網(wǎng)行為并嚴(yán)格遵守，因此“預(yù)約”服務(wù)用戶負(fù)荷電量可全部從中長(zhǎng)期市場(chǎng)購(gòu)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(shè)“隨需”服務(wù)用戶以其提交需求的90%負(fù)荷量從中長(zhǎng)期市場(chǎng)購(gòu)買，同時(shí)考慮到用戶入網(wǎng)行為的不確定性，剩余10%從日前市場(chǎng)購(gòu)買[29-30]。中長(zhǎng)期市場(chǎng)分時(shí)電價(jià)及預(yù)測(cè)日前市場(chǎng)24 h電價(jià)如圖3所示[31]。

本文設(shè)置對(duì)比場(chǎng)景對(duì)“預(yù)約/隨需”服務(wù)模式效果進(jìn)行分析，各場(chǎng)景設(shè)置如下：

場(chǎng)景1：服務(wù)模式為“即插即用、充滿即停”，用戶充放電價(jià)格采用分時(shí)電價(jià)。為了方便對(duì)比，設(shè)置分時(shí)電價(jià)均價(jià)與場(chǎng)景2相同。

場(chǎng)景2：為用戶提供快充服務(wù)、代管服務(wù)和V2G服務(wù)，但不提供“預(yù)約”服務(wù)，采用主從博弈方法制定統(tǒng)一服務(wù)價(jià)格。

場(chǎng)景3：在場(chǎng)景2的基礎(chǔ)上，提供“預(yù)約/隨需”服務(wù)，并為“預(yù)約”服務(wù)、“隨需”服務(wù)差異化定價(jià)。

為了對(duì)比分析本文“預(yù)約/隨需”服務(wù)模式價(jià)格引導(dǎo)方法的效果，采用蒙特卡洛方法對(duì)不同服務(wù)響應(yīng)情況下的用戶隨機(jī)入網(wǎng)時(shí)段模擬4 000次，并在EVA凈收益中計(jì)入電力市場(chǎng)購(gòu)電成本變化及服務(wù)收益變化。

4.2 用戶側(cè)服務(wù)效用及選擇行為分析

通過(guò)主從博弈模擬得到各場(chǎng)景下用戶充放電成本情況，如圖3所示，各場(chǎng)景下的服務(wù)價(jià)格情況如圖4所示。

圖3中，相對(duì)于場(chǎng)景1和場(chǎng)景2，場(chǎng)景3下用戶總費(fèi)用最低；場(chǎng)景3在降低用戶總成本的同時(shí)，進(jìn)一步減少了EVA購(gòu)電成本、增加了EVA凈收益，提升了用戶-EVA的整體收益。這說(shuō)明“預(yù)約/隨需”服務(wù)模式能在減少用戶充放電成本的同時(shí)，通過(guò)加強(qiáng)用戶引導(dǎo)而提高EVA凈收益。

另外，圖3中具有預(yù)約潛力的用戶在場(chǎng)景3下充放電成本大幅減小，同時(shí)圖4(a)中場(chǎng)景3“預(yù)約/隨需”最小價(jià)格曲線整體低于其他場(chǎng)景，這說(shuō)明場(chǎng)景3下“預(yù)約”服務(wù)用戶的成本降幅較大，并且隨著更多用戶逐步向“預(yù)約”服務(wù)轉(zhuǎn)移，用戶總費(fèi)用也將進(jìn)一步降低。

圖3 不同場(chǎng)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(chǎng)景下定價(jià)結(jié)果Fig.4 Pricing results in various scenarios

圖4(b)為場(chǎng)景3價(jià)格曲線，07:00—09:00、11:00—13:00、16:00—18:00時(shí)段內(nèi)“預(yù)約”服務(wù)價(jià)格高于“隨需”服務(wù)，因?yàn)檫@些時(shí)段內(nèi)電力市場(chǎng)中長(zhǎng)期合約價(jià)格與預(yù)測(cè)日前價(jià)格相差不大，EVA設(shè)定較高的“預(yù)約”服務(wù)價(jià)格將引導(dǎo)用戶盡量依據(jù)日前價(jià)格調(diào)節(jié)充放電，保證負(fù)荷調(diào)節(jié)的靈活性。

在上述定價(jià)結(jié)果下對(duì)“預(yù)約/隨需”服務(wù)模式下的用戶效用進(jìn)行分析，存在“預(yù)約”服務(wù)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(gè)EV用戶中“預(yù)約”服務(wù)總效用較高(Vi>1)的用戶有285個(gè)，超半數(shù)用戶有“預(yù)約”服務(wù)參與意向，說(shuō)明“預(yù)約/隨需”服務(wù)模式用戶接受程度較高。這部分用戶參與“預(yù)約”服務(wù)時(shí)充放電平均成本為17.32元/次，相較于“隨需”服務(wù)下20元/次的平均成本有較大降幅，說(shuō)明“預(yù)約”服務(wù)因其價(jià)格優(yōu)勢(shì)對(duì)用戶有較大吸引力，可引導(dǎo)用戶逐步向“預(yù)約”服務(wù)轉(zhuǎn)變。

圖5 “預(yù)約”服務(wù)用戶的效用量化結(jié)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(guò)“預(yù)約”服務(wù)降低部分充放電成本，但其仍傾向選擇“隨需”服務(wù)(即總效用Vi<1)。這是因?yàn)榇祟愑脩舾鼮橹匾暢潆姳憷?，并且?jié)約充放電成本帶來(lái)的經(jīng)濟(jì)效用不足以使其放棄便利性要求。

由此可見(jiàn)，本文所提服務(wù)模式，不僅能通過(guò)“預(yù)約”服務(wù)滿足經(jīng)濟(jì)偏好類用戶的需求，同時(shí)也為便利偏好類用戶提供“隨需”服務(wù)的選擇，滿足了用戶多樣化需求。

4.3 EVA價(jià)格引導(dǎo)結(jié)果分析

4.3.1 用戶時(shí)移靈活性引導(dǎo)效果

EVA通過(guò)多時(shí)段定價(jià)的價(jià)格差異化方法進(jìn)行用戶時(shí)移靈活性引導(dǎo)，其效果主要表現(xiàn)在：吸引更多EV負(fù)荷移出高電價(jià)時(shí)段、移入低電價(jià)時(shí)段。

對(duì)用戶入網(wǎng)隨機(jī)性蒙特卡洛模擬結(jié)果加權(quán)綜合，得到3種場(chǎng)景下充放電負(fù)荷情況如圖6所示，可見(jiàn)3種場(chǎng)景下負(fù)荷量都與電價(jià)成負(fù)相關(guān)關(guān)系。但由于場(chǎng)景1使用分時(shí)電價(jià)，并且僅提供快充服務(wù)，因此其電價(jià)引導(dǎo)效果(即負(fù)荷量與電價(jià)的負(fù)相關(guān)程度)遠(yuǎn)不如場(chǎng)景2和場(chǎng)景3。這說(shuō)明更短的價(jià)格變化周期、更多樣靈活的充放電服務(wù)方式，都能進(jìn)一步加強(qiáng)用戶時(shí)移靈活性的引導(dǎo)效果。

另外，相較于場(chǎng)景2，“預(yù)約/隨需”服務(wù)模式下的場(chǎng)景3中高電價(jià)時(shí)段放電量更大。這說(shuō)明此模式更能充分挖掘用戶側(cè)饋電潛力，從饋電角度出發(fā)進(jìn)一步加強(qiáng)了負(fù)荷引導(dǎo)效果。

圖6 各場(chǎng)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(wǎng)規(guī)律性引導(dǎo)效果

EVA通過(guò)“預(yù)約”服務(wù)、“隨需”服務(wù)定價(jià)不同的價(jià)格歧視方法進(jìn)行用戶入網(wǎng)規(guī)律性引導(dǎo)，其效果主要表現(xiàn)在：通過(guò)服務(wù)選擇區(qū)分不同規(guī)律性潛力的用戶，利用價(jià)格優(yōu)勢(shì)吸引大量規(guī)律性潛力高的用戶提前轉(zhuǎn)變?yōu)榇_定性負(fù)荷。

如圖6(c)所示，場(chǎng)景3模擬結(jié)果中，通過(guò)“預(yù)約”服務(wù)提前鎖定的負(fù)荷量占總負(fù)荷量的1/3，說(shuō)明用戶對(duì)“預(yù)約”服務(wù)接受程度較高，完成了較大比例的用戶入網(wǎng)規(guī)律性引導(dǎo)。同時(shí)由于場(chǎng)景3中通過(guò)“預(yù)約”服務(wù)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(jìn)一步展現(xiàn)了用戶入網(wǎng)規(guī)律性引導(dǎo)的效果。

另外，在不同種類用戶的入網(wǎng)特征方面，如圖7所示，代管類用戶和V2G類用戶的預(yù)約電量占比高，規(guī)律性引導(dǎo)作用更好。同時(shí)結(jié)合用戶入網(wǎng)靈活性進(jìn)行分析，“預(yù)約”服務(wù)下的充電負(fù)荷集中在23：00到次日07:00時(shí)段，因?yàn)榇藭r(shí)段價(jià)格在“預(yù)約”服務(wù)價(jià)格周期內(nèi)相對(duì)較低，并且低于“隨需”服務(wù)；此時(shí)段內(nèi)入網(wǎng)規(guī)律性強(qiáng)的代管類、V2G類負(fù)荷占比大，說(shuō)明具有電價(jià)低、價(jià)格降幅大特點(diǎn)的時(shí)段尤其適合規(guī)律性負(fù)荷。

圖7 “預(yù)約”服務(wù)負(fù)荷引導(dǎo)結(jié)果Fig.7 Load guidance result of reservation service

4.3.3 EVA購(gòu)電成本分析

EVA購(gòu)電成本如表2、表3所示，由于場(chǎng)景1未能合理引導(dǎo)充放電而使得其總成本遠(yuǎn)高于其他場(chǎng)景；相對(duì)于場(chǎng)景2，場(chǎng)景3下中長(zhǎng)期市場(chǎng)購(gòu)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(chǎng)購(gòu)電成本，同時(shí)合理利用用戶側(cè)放電潛力，獲得了較高的售電收益，所以場(chǎng)景3下總購(gòu)電成本最低。

表2 各場(chǎng)景下EVA購(gòu)電成本對(duì)比(日前市場(chǎng))Table 2 Comparison of purchase costs of EVA (day-ahead market) 元

表3 各場(chǎng)景下EVA購(gòu)電總成本對(duì)比Table 3 Comparison of total purchase cost of EVA in different scenarios 元

5 結(jié) 論

本文基于EV用戶入網(wǎng)規(guī)律性、時(shí)移靈活性兩個(gè)維度的引導(dǎo)潛力，提出EVA“預(yù)約/隨需”充放電服務(wù)模式。通過(guò)不同服務(wù)模式下用戶-EVA效益的對(duì)比得到以下結(jié)論：

1)“預(yù)約/隨需”服務(wù)模式不僅能以不同時(shí)段價(jià)格引導(dǎo)的方式，鼓勵(lì)靈活性較高的EV用戶進(jìn)行負(fù)荷時(shí)移，同時(shí)也能以較低的預(yù)約價(jià)格鼓勵(lì)用戶提前確定需求，在時(shí)移靈活性和入網(wǎng)規(guī)律性兩方面都有較好的引導(dǎo)效果，用戶接受程度高。

2)EVA在“預(yù)約/隨需”服務(wù)模式下，通過(guò)減少EV入網(wǎng)隨機(jī)性的方式提高其負(fù)荷預(yù)測(cè)精度，進(jìn)而減少上層電力市場(chǎng)的購(gòu)電成本，提升服務(wù)收益。

由此可見(jiàn)，本文所提出的“預(yù)約/隨需”充放電服務(wù)模式將進(jìn)一步發(fā)揮用戶調(diào)節(jié)潛力。在未來(lái)的研究中，可深入考慮上層電力市場(chǎng)價(jià)格波動(dòng)對(duì)定價(jià)策略的影響，并對(duì)用戶實(shí)時(shí)入網(wǎng)行為下的滾動(dòng)電價(jià)深入研究。