基于智能合約的電動(dòng)汽車充電服務(wù)費(fèi)自適應(yīng)調(diào)整機(jī)制

郭偉嘉，劉敦楠，王 文，韓金山，劉明光，蘇 舒，張 悅，鄒孟嬌，楊 燁

（1. 華北電力大學(xué) 經(jīng)濟(jì)與管理學(xué)院，北京 102206；2. 國(guó)網(wǎng)電動(dòng)汽車服務(wù)有限公司，北京 100032）

0 引言

碳達(dá)峰和碳中和目標(biāo)的提出，對(duì)我國(guó)新型電力系統(tǒng)的低碳綠色發(fā)展提出了更高的要求。其中，大規(guī)模電動(dòng)汽車接入作為新型電力系統(tǒng)的一大重要特征，為“雙碳”目標(biāo)的達(dá)成做出了重要的貢獻(xiàn)，但同時(shí)也為配電網(wǎng)的運(yùn)行帶來(lái)了較大的負(fù)擔(dān)［1-2］。因此，如何對(duì)電動(dòng)汽車進(jìn)行激勵(lì)引導(dǎo)，促進(jìn)新型電力系統(tǒng)的智能化發(fā)展，具備重要的現(xiàn)實(shí)意義。現(xiàn)階段我國(guó)針對(duì)電動(dòng)汽車的激勵(lì)引導(dǎo)主要來(lái)自價(jià)格激勵(lì)，其資金來(lái)源于電力市場(chǎng)交易收益或價(jià)差，資金規(guī)模相對(duì)較小，無(wú)法滿足大規(guī)模電動(dòng)汽車行為引導(dǎo)的需要。相較而言，電動(dòng)汽車充電服務(wù)費(fèi)單價(jià)較高，在電動(dòng)汽車用戶充電成本中的占比較大，是開(kāi)展電動(dòng)汽車激勵(lì)引導(dǎo)的潛在資金來(lái)源，但尚未被合理有效引導(dǎo)。同時(shí)，由于電動(dòng)汽車負(fù)荷具備很強(qiáng)的實(shí)時(shí)性、隨機(jī)性，傳統(tǒng)的集中式充電合約很難滿足現(xiàn)階段新型電力系統(tǒng)的定價(jià)需要。因此，如何運(yùn)用新技術(shù)，實(shí)現(xiàn)更加精確、靈活的電動(dòng)汽車充電服務(wù)費(fèi)定價(jià)，以滿足新型電力系統(tǒng)下電網(wǎng)的調(diào)控需求，提高用戶及充電站的收益，具備重要的研究意義。

在充電服務(wù)費(fèi)定價(jià)方面，我國(guó)的充電服務(wù)費(fèi)發(fā)展可分為以下3 個(gè)階段：階段1（2015—2020 年）采取統(tǒng)一或分地區(qū)的充電服務(wù)費(fèi)，定價(jià)的靈活性較低；階段2（2020—2022 年），國(guó)家發(fā)改委于2020 年發(fā)布了《關(guān)于電動(dòng)汽車用電價(jià)格政策有關(guān)問(wèn)題的通知》，進(jìn)一步放開(kāi)了電動(dòng)汽車充電服務(wù)費(fèi)的定價(jià)限制，實(shí)行市場(chǎng)調(diào)節(jié)價(jià)，極大地提高了電動(dòng)汽車充電服務(wù)費(fèi)的定價(jià)浮動(dòng)空間；階段3（2022 年以后），將根據(jù)負(fù)荷預(yù)測(cè)情況及電網(wǎng)調(diào)控需求實(shí)現(xiàn)針對(duì)單座充電站乃至單輛電動(dòng)汽車的充電服務(wù)費(fèi)靈活調(diào)整。在充電服務(wù)費(fèi)定價(jià)靈活性需求不斷提高的趨勢(shì)下，如何建立更具針對(duì)性、實(shí)時(shí)性的電動(dòng)汽車充電服務(wù)費(fèi)定價(jià)機(jī)制，在保證用戶及充電站收益的同時(shí)滿足電網(wǎng)的調(diào)控需求，具有重要的現(xiàn)實(shí)意義。

針對(duì)充電服務(wù)費(fèi)定價(jià)問(wèn)題，國(guó)內(nèi)外學(xué)者已經(jīng)進(jìn)行了大量的研究：文獻(xiàn)［3］提出了一種考慮社會(huì)發(fā)展、電動(dòng)汽車保有量、充電站建設(shè)成本等因素的充電服務(wù)費(fèi)定價(jià)方法；文獻(xiàn)［4-7］考慮電動(dòng)汽車的接入隨機(jī)性特征及其對(duì)電網(wǎng)的影響程度，分別提出了電動(dòng)汽車有序充電的聚合調(diào)度以及定價(jià)優(yōu)化策略；文獻(xiàn)［8］考慮充電運(yùn)營(yíng)商之間的競(jìng)爭(zhēng)，提出了一種充電服務(wù)費(fèi)的定價(jià)博弈模型；文獻(xiàn)［9］分析了電動(dòng)汽車接入對(duì)配電網(wǎng)的影響，進(jìn)而分析了分時(shí)定價(jià)對(duì)電動(dòng)汽車接入的影響程度；文獻(xiàn)［10］分析了分時(shí)電價(jià)對(duì)電動(dòng)汽車充電負(fù)荷的引導(dǎo)作用，考慮需求響應(yīng)及電動(dòng)汽車車主的充電利益，提出了分時(shí)電價(jià)優(yōu)化策略；文獻(xiàn)［11-12］對(duì)當(dāng)前電動(dòng)汽車充電模式下的充電設(shè)施成本及經(jīng)濟(jì)效益進(jìn)行了研究，并以此為基礎(chǔ)進(jìn)行充電服務(wù)費(fèi)定價(jià)；文獻(xiàn)［13］考慮綜合用戶的偏好及收益水平，建立了基于前景理論的浮動(dòng)服務(wù)費(fèi)多目標(biāo)優(yōu)化模型；文獻(xiàn)［14-17］研究了基于分時(shí)電價(jià)的電動(dòng)汽車有序充電引導(dǎo)策略，旨在在降低電動(dòng)汽車聚合商的購(gòu)電成本以及用戶充電費(fèi)用的同時(shí)，實(shí)現(xiàn)新型電力系統(tǒng)下電動(dòng)汽車充電負(fù)荷的友好接入。上述一系列研究克服了傳統(tǒng)統(tǒng)一定價(jià)模式的不足，建立了分時(shí)段的充電服務(wù)費(fèi)，并進(jìn)行了相應(yīng)的價(jià)格優(yōu)化，但同時(shí)也存在如下問(wèn)題：①充電服務(wù)費(fèi)定價(jià)方法存在一定的局限性，定價(jià)靈活性不高，不能根據(jù)負(fù)荷的變化及電網(wǎng)的調(diào)控需求及時(shí)進(jìn)行服務(wù)費(fèi)調(diào)整；②目前大部分充電服務(wù)費(fèi)定價(jià)是從電動(dòng)汽車充電行業(yè)的角度進(jìn)行分地區(qū)或運(yùn)營(yíng)商的統(tǒng)一定價(jià)，針對(duì)性不強(qiáng)，難以實(shí)現(xiàn)考慮單座充電站具體情況的站級(jí)充電服務(wù)費(fèi)調(diào)整。

在充電服務(wù)費(fèi)定價(jià)靈活性需求不斷提高的趨勢(shì)下，針對(duì)上述充電服務(wù)費(fèi)定價(jià)存在的問(wèn)題，本文提出了一種基于智能合約的電動(dòng)汽車充電服務(wù)費(fèi)自適應(yīng)調(diào)整機(jī)制，可以為站級(jí)充電服務(wù)費(fèi)定價(jià)調(diào)整提供有效的指導(dǎo)。基于該充電服務(wù)費(fèi)調(diào)整機(jī)制，可以使充電站根據(jù)負(fù)荷的預(yù)測(cè)情況及電網(wǎng)的調(diào)控需求，更加靈活、更具針對(duì)性地調(diào)整自身的充電服務(wù)費(fèi)定價(jià)策略，在考慮用戶充電成本的基礎(chǔ)上，最大限度地提高自身的收益水平。首先，建立了基于智能合約的充電服務(wù)費(fèi)自動(dòng)調(diào)整機(jī)制架構(gòu)；其次，建立了充電服務(wù)費(fèi)-負(fù)荷彈性模型，分析充電服務(wù)費(fèi)調(diào)整下用戶充電行為的演變；然后，考慮購(gòu)售電雙方的收益及電網(wǎng)的調(diào)控需求，建立了充電服務(wù)費(fèi)優(yōu)化模型，并采用改進(jìn)粒子群優(yōu)化IPSO（Improved Particle Swarm Optimization）算法進(jìn)行迭代尋優(yōu)，實(shí)現(xiàn)充電服務(wù)費(fèi)周期性自適應(yīng)調(diào)整；最后，基于算例進(jìn)行仿真，從算法效率、負(fù)荷引導(dǎo)效果、收益水平3 個(gè)方面對(duì)所提定價(jià)模式、傳統(tǒng)統(tǒng)一定價(jià)模式進(jìn)行對(duì)比，以驗(yàn)證所提充電服務(wù)費(fèi)調(diào)整機(jī)制的有效性。

1 基于智能合約的充電服務(wù)費(fèi)自適應(yīng)調(diào)整機(jī)制

1.1 智能合約技術(shù)

智能合約的概念于1995 年由Nick Szabo 首次提出，其本質(zhì)是一套以信息化方式進(jìn)行交易觸發(fā)、交易執(zhí)行、交易結(jié)算的計(jì)算機(jī)協(xié)議。智能合約具有弱中心化、去信任、不易篡改的特性，能實(shí)現(xiàn)不同節(jié)點(diǎn)間交易的無(wú)差別記錄，促進(jìn)信息的互聯(lián)互通。智能合約作為“互聯(lián)網(wǎng)+”新業(yè)態(tài)的一種新型應(yīng)用技術(shù)，被廣泛應(yīng)用于“高頻微量”的電力市場(chǎng)交易、能源需求響應(yīng)等場(chǎng)景。

基于上述特征，本文提出了一種基于智能合約的電動(dòng)汽車充電服務(wù)費(fèi)自適應(yīng)調(diào)整機(jī)制。合約會(huì)根據(jù)充電站輸入的未來(lái)負(fù)荷預(yù)測(cè)信息與電網(wǎng)的調(diào)控信息，周期性地自動(dòng)調(diào)整優(yōu)化充電服務(wù)費(fèi)，將充電服務(wù)費(fèi)調(diào)整信息發(fā)布給用戶以調(diào)整用戶的充電行為，并根據(jù)發(fā)布的充電服務(wù)費(fèi)進(jìn)行交易執(zhí)行與結(jié)算。該機(jī)制具有如下特點(diǎn)。

1）充電服務(wù)費(fèi)的調(diào)整靈活性更強(qiáng)?？梢噪娋W(wǎng)調(diào)控信息及負(fù)荷預(yù)測(cè)數(shù)據(jù)為依據(jù)，針對(duì)單座充電站實(shí)現(xiàn)充電服務(wù)費(fèi)的周期性靈活調(diào)整。

2）充電服務(wù)費(fèi)調(diào)整的精度更高。摒棄了傳統(tǒng)的統(tǒng)一定價(jià)模式，而是考慮電網(wǎng)調(diào)控信息以及購(gòu)售電雙方的收益水平，針對(duì)性地進(jìn)行充電服務(wù)費(fèi)調(diào)整。相較于傳統(tǒng)的服務(wù)費(fèi)定價(jià)模式，該定價(jià)機(jī)制下的負(fù)荷引導(dǎo)效果更強(qiáng)，能夠同時(shí)使雙方的收益水平提高20.8%。

3）交易效率更高，且實(shí)現(xiàn)了電動(dòng)汽車充電交易全流程的智能化、合約化。規(guī)范了電動(dòng)汽車充電過(guò)程中的電力交易行為，保障了電動(dòng)汽車充電交易的公平、高效執(zhí)行，可以滿足現(xiàn)階段海量電動(dòng)汽車接入現(xiàn)狀下充電交易與服務(wù)費(fèi)調(diào)整的需要。

1.2 基于智能合約的充電交易架構(gòu)

充電站根據(jù)負(fù)荷調(diào)控平臺(tái)的調(diào)控需求及負(fù)荷預(yù)測(cè)情況，調(diào)整自身的充電服務(wù)費(fèi)，用戶根據(jù)充電服務(wù)費(fèi)的變化調(diào)整自身的用電行為，并根據(jù)當(dāng)前的充電服務(wù)費(fèi)與充電站簽訂充電合約?；谥悄芎霞s的充電服務(wù)費(fèi)調(diào)整總體架構(gòu)如圖1所示。

圖1 基于智能合約的充電服務(wù)費(fèi)調(diào)整總體架構(gòu)Fig.1 Overall framework of charging service fee adjustment based on smart contract

運(yùn)用智能合約技術(shù)能保障在靈活調(diào)整充電服務(wù)費(fèi)的情況下交易的便捷程度及交易效率，為海量電動(dòng)汽車接入下充電服務(wù)費(fèi)的靈活調(diào)整提供技術(shù)支撐。智能合約的結(jié)構(gòu)及簽訂流程如圖2所示。

圖2 智能合約的結(jié)構(gòu)及簽訂流程Fig.2 Structure and signing process of smart contract

1.3 基于智能合約的充電服務(wù)費(fèi)自適應(yīng)調(diào)整具體流程

基于智能合約的充電服務(wù)費(fèi)自適應(yīng)調(diào)整共分為3 個(gè)模塊展開(kāi)，如圖3 所示，具體的自適應(yīng)調(diào)整步驟如下：

圖3 基于智能合約的充電服務(wù)費(fèi)自適應(yīng)調(diào)整框架Fig.3 Framework of adaptive adjustment of charging service fee based on smart contract

1）通過(guò)智能合約采集未來(lái)電動(dòng)汽車充電負(fù)荷的預(yù)測(cè)數(shù)據(jù)、基礎(chǔ)負(fù)荷數(shù)據(jù)以及電網(wǎng)的調(diào)控需求；

2）根據(jù)充電服務(wù)費(fèi)-負(fù)荷彈性模型，結(jié)合用戶電動(dòng)汽車充電負(fù)荷的預(yù)測(cè)數(shù)據(jù)，定量分析充電服務(wù)費(fèi)變化對(duì)負(fù)荷的影響程度，建立充電服務(wù)費(fèi)與負(fù)荷之間的函數(shù)對(duì)應(yīng)關(guān)系；

3）對(duì)用戶與充電站的收益進(jìn)行建模，分析不同負(fù)荷狀態(tài)下用戶與充電站的收益情況，建立用戶收益、充電站收益與負(fù)荷之間的函數(shù)對(duì)應(yīng)關(guān)系；

4）經(jīng)過(guò)步驟2）和步驟3），可得到不同充電服務(wù)費(fèi)下的加權(quán)收益，以加權(quán)收益最大化為目標(biāo)，并采用IPSO算法進(jìn)行迭代優(yōu)化，求解最優(yōu)定價(jià)策略；

5）發(fā)布未來(lái)各時(shí)段充電服務(wù)費(fèi)的調(diào)整策略，用戶進(jìn)行自身充電行為調(diào)整，智能合約根據(jù)充電服務(wù)費(fèi)撮合充電站與用戶進(jìn)行電量交易，并根據(jù)交易信息進(jìn)行自動(dòng)執(zhí)行與結(jié)算。

2 基于用戶細(xì)分的電動(dòng)汽車負(fù)荷彈性建模

本節(jié)運(yùn)用彈性理論，定性分析充電服務(wù)費(fèi)調(diào)整對(duì)充電負(fù)荷的影響。雖然單輛電動(dòng)汽車的充電行為具有很強(qiáng)的隨機(jī)性，但是同一充電偏好類型的電動(dòng)汽車用戶群體的響應(yīng)行為往往呈現(xiàn)一定的規(guī)律［17］。因此，本文在用戶細(xì)分的基礎(chǔ)上，建立充電服務(wù)費(fèi)-負(fù)荷彈性模型，用于分析充電服務(wù)費(fèi)變化對(duì)用戶充電負(fù)荷的影響程度。

2.1 充電服務(wù)費(fèi)-負(fù)荷彈性模型

電動(dòng)汽車充電服務(wù)費(fèi)的變化會(huì)在一定程度上引導(dǎo)用戶改變自身的充電行為。將1 d以1 h為間隔分為24 個(gè)時(shí)段，為了分析各時(shí)段充電服務(wù)費(fèi)變化對(duì)用戶充電行為的影響程度，本文引入了充電服務(wù)費(fèi)-負(fù)荷彈性函數(shù)ε，如式（1）所示。

式中：εi-j（i，j=1，2，…，24）為時(shí)段i的充電服務(wù)費(fèi)變化對(duì)時(shí)段j充電負(fù)荷的彈性系數(shù)；mj、Δmj分別為時(shí)段j電動(dòng)汽車的充電負(fù)荷量及其變化量；pi、Δpi分別為時(shí)段i的充電服務(wù)費(fèi)及其變化量。

充電服務(wù)費(fèi)矩陣p、充電負(fù)荷矩陣M分別為：

式中：M0為充電服務(wù)費(fèi)調(diào)整前的充電負(fù)荷矩陣；p0、p分別為調(diào)整前、后的充電服務(wù)費(fèi)矩陣。

2.2 基于用戶細(xì)分的充電服務(wù)費(fèi)-負(fù)荷彈性模型

不同用戶對(duì)充電服務(wù)費(fèi)變化的響應(yīng)情況不同，僅將用戶看作一個(gè)同質(zhì)的整體進(jìn)行分析可能會(huì)導(dǎo)致結(jié)果不準(zhǔn)確［18］。為此，本文對(duì)2.1 節(jié)的充電服務(wù)費(fèi)-負(fù)荷彈性模型進(jìn)行改進(jìn)，根據(jù)用戶對(duì)充電服務(wù)費(fèi)調(diào)整的響應(yīng)積極性，對(duì)用戶集群進(jìn)行分類，并分別分析其彈性系數(shù)。

按照響應(yīng)積極性可將用戶分為利益導(dǎo)向型用戶、便利導(dǎo)向型用戶、中庸型用戶3類，3種不同類型用戶的響應(yīng)曲線見(jiàn)附錄A圖A1。

2.2.1 利益導(dǎo)向型用戶

利益導(dǎo)向型用戶主要為一些充電時(shí)間較為寬裕，或者用戶自身對(duì)充電價(jià)格變動(dòng)較為敏感的用戶，如自由從業(yè)者。該類型用戶的充電服務(wù)費(fèi)-負(fù)荷彈性系數(shù)εa最大，其會(huì)跟據(jù)充電服務(wù)費(fèi)的變動(dòng)，積極地調(diào)整自身的充電行為。

2.2.2 便利導(dǎo)向型用戶

便利導(dǎo)向型用戶主要為一些充電時(shí)間較為固定，或者用戶只考慮自身用車便利性而不考慮充電價(jià)格的用戶，如公交車司機(jī)。該類型用戶的充電服務(wù)費(fèi)-負(fù)荷彈性系數(shù)εc較大，其基本不會(huì)根據(jù)充電服務(wù)費(fèi)的變化對(duì)自身的充電行為進(jìn)行調(diào)整。

2.2.3 中庸型用戶

中庸型用戶主要為響應(yīng)積極性處于利益導(dǎo)向型用戶響應(yīng)積極性與便利導(dǎo)向型用戶響應(yīng)積極性之間的一部分用戶。該類型用戶的充電服務(wù)費(fèi)-負(fù)荷彈性系數(shù)εb處于前2 類用戶的彈性系數(shù)之間，其會(huì)調(diào)整自身充電電量及充電時(shí)間進(jìn)行一定程度的響應(yīng)，但其響應(yīng)程度明顯低于利益導(dǎo)向型用戶。

對(duì)于不同的充電站而言，其所處地區(qū)的經(jīng)濟(jì)水平、所處地段、電網(wǎng)調(diào)控需求不同，電動(dòng)汽車用戶的整體彈性也不同，基于歷史數(shù)據(jù)預(yù)測(cè)3 種不同類型電動(dòng)汽車用戶的彈性系數(shù)以及數(shù)量，即可得到該充電站的電動(dòng)汽車用戶對(duì)充電服務(wù)費(fèi)的響應(yīng)行為。3種類型用戶的彈性系數(shù)整體上滿足εa＞εb＞εc。

最終可得到單座充電站的充電服務(wù)費(fèi)p與充電負(fù)荷M之間的關(guān)系為：

式中：M0l、El（l=a，b，c）分別為類型l用戶的預(yù)測(cè)負(fù)荷矩陣、充電服務(wù)費(fèi)-負(fù)荷彈性矩陣，l=a 對(duì)應(yīng)利益導(dǎo)向型用戶，l=b 對(duì)應(yīng)中庸型用戶，l=c 對(duì)應(yīng)便利導(dǎo)向型用戶。

3 考慮購(gòu)售電雙方收益的充電服務(wù)費(fèi)優(yōu)化模型

3.1 目標(biāo)函數(shù)

充電站的定價(jià)優(yōu)化一般以自身收益水平最大化為優(yōu)化目標(biāo)，但為了防止充電站惡意漲價(jià)，本文模型在充電收益最大化的基礎(chǔ)上，進(jìn)一步考慮了用戶的收益水平，并引入收益分配權(quán)重a，以保證優(yōu)化目標(biāo)的合理性，具體充電服務(wù)費(fèi)的優(yōu)化目標(biāo)函數(shù)為：

maxw=aw1+(1-a)w2（7）

式中：w為用戶和充電站的總收益；w1為用戶的凈收益；w2為充電站的凈收益。為了保證利潤(rùn)分配的合理性，本文設(shè)置用戶的收益分配權(quán)重為a，其取值范圍為［0，1］，具體取值由電力供需關(guān)系、談判地位、市場(chǎng)發(fā)展階段等因素綜合決定。

3.2 用戶的凈收益模型

用戶的凈收益主要來(lái)自充電服務(wù)費(fèi)調(diào)整前、后電動(dòng)汽車的充電成本之差，可表示為：

3.3 充電站的凈收益模型

3.3.1 電動(dòng)汽車充電收益

電動(dòng)汽車在充電站充電并向充電站支付充電費(fèi)用，電動(dòng)汽車充電收益是充電站收益的主要來(lái)源。電動(dòng)汽車充電收益主要分為基本電費(fèi)收益、充電服務(wù)費(fèi)收益兩部分，如式（9）所示。

3.3.2 負(fù)荷響應(yīng)補(bǔ)償收益

充電站聚合站內(nèi)電動(dòng)汽車的充電負(fù)荷，發(fā)掘其調(diào)控潛力，引導(dǎo)其參與電網(wǎng)調(diào)控響應(yīng)，從而自電力市場(chǎng)獲得相應(yīng)的響應(yīng)補(bǔ)償收益。負(fù)荷響應(yīng)補(bǔ)償收益主要分為響應(yīng)容量補(bǔ)償、響應(yīng)里程補(bǔ)償，如式（10）所示。

3.3.3 購(gòu)電成本

充電站從電力市場(chǎng)購(gòu)買(mǎi)電量用于站內(nèi)電動(dòng)汽車充電，需支付一定的購(gòu)電成本，其是充電站運(yùn)行過(guò)程中產(chǎn)生的主要成本，計(jì)算式為：

式中：ccharge為充電站支付的購(gòu)電成本；pbt為時(shí)段t的購(gòu)電電價(jià)。

3.3.4 偏差考核成本

在電動(dòng)汽車參與電網(wǎng)響應(yīng)的過(guò)程中，實(shí)際響應(yīng)量與中標(biāo)量之間會(huì)存在偏差，電網(wǎng)會(huì)針對(duì)該部分偏差進(jìn)行考核，并根據(jù)偏差量進(jìn)行響應(yīng)懲罰。偏差考核成本cv可表示為：

3.4 約束條件

3.4.1 電動(dòng)汽車充電服務(wù)費(fèi)約束

為了防止充電站惡意漲價(jià)，需將電動(dòng)汽車的充電價(jià)格控制在合理的范圍內(nèi)，則應(yīng)對(duì)各時(shí)段的充電服務(wù)費(fèi)浮動(dòng)空間進(jìn)行限制，即需滿足：

式中：pt，min、pt，max分別為時(shí)段t充電服務(wù)費(fèi)的最小值、最大值，一般由當(dāng)?shù)卣恼咭?guī)定。

3.4.2 用戶的凈收益約束

調(diào)整充電服務(wù)費(fèi)后，應(yīng)使得用戶的充電成本相較于調(diào)整前有所降低，即需滿足：

3.4.3 配電網(wǎng)容量約束

受充電站所在地區(qū)配電網(wǎng)容量的限制，基礎(chǔ)負(fù)荷與充電站充電負(fù)荷之和需小于配電網(wǎng)變壓器的最大可用容量，即：

式中：mr，t為時(shí)段t充電站所在配電網(wǎng)的基礎(chǔ)負(fù)荷；mmax，t為時(shí)段t配電網(wǎng)變壓器的最大可用容量。

3.5 基于IPSO算法的定價(jià)合約求解流程

粒子群優(yōu)化（PSO）算法是一種模擬鳥(niǎo)類進(jìn)食進(jìn)行迭代尋優(yōu)的全局尋優(yōu)算法。PSO 算法作為啟發(fā)式算法，其收斂速快，對(duì)目標(biāo)函數(shù)的格式要求不嚴(yán)格，適用于求解充電服務(wù)費(fèi)定價(jià)這類復(fù)雜非凸的優(yōu)化問(wèn)題。同時(shí)，傳統(tǒng)PSO 算法的求解過(guò)程存在易陷入局部最優(yōu)解的問(wèn)題。為此，本文提出了一種IPSO 算法，算法的求解流程圖如圖4所示。

圖4 基于IPSO算法的定價(jià)合約求解流程圖Fig.4 Flowchart of solving pricing contract based on IPSO algorithm

模型的輸入為電動(dòng)汽車預(yù)測(cè)充電負(fù)荷及彈性矩陣，算法的求解步驟如下：首先，將每個(gè)粒子作為1 組充電服務(wù)費(fèi)方案，初始化粒子信息，包括初始位置X、初始速度V、慣性權(quán)重ω；然后，以用戶和充電站的總收益最大化作為適應(yīng)度函數(shù)，尋找最優(yōu)粒子，并對(duì)全局粒子進(jìn)行迭代，直至算法收斂得到最優(yōu)解。在迭代過(guò)程中，對(duì)部分粒子的歷史最優(yōu)位置與當(dāng)前位置進(jìn)行交叉操作，擴(kuò)大了PSO 算法對(duì)多維度問(wèn)題的求解廣度，同時(shí)每個(gè)粒子根據(jù)其歷史最優(yōu)值按照差分算法的自適應(yīng)策略進(jìn)行變異操作，有利于粒子跳出局部最優(yōu)區(qū)域，以保證最終結(jié)果的全局最優(yōu)性。IPSO 算法在尋優(yōu)迭代過(guò)程中的計(jì)算公式見(jiàn)附錄B式（B1）—（B5）。

4 算例仿真

4.1 算例介紹

本文選取某地區(qū)1 000 輛電動(dòng)汽車接入情況下充電站的負(fù)荷情況為算例，運(yùn)用MATLAB 進(jìn)行仿真分析。電動(dòng)汽車的負(fù)荷曲線采取2021年3月電動(dòng)汽車的日負(fù)荷預(yù)測(cè)數(shù)據(jù)，電動(dòng)汽車充電服務(wù)費(fèi)-負(fù)荷彈性矩陣E見(jiàn)文獻(xiàn)［19］，分別從算法優(yōu)化效率、負(fù)荷引導(dǎo)效果、購(gòu)售電雙方收益水平對(duì)如下3 種情景進(jìn)行分析：①情景1，采用固定的分時(shí)段充電服務(wù)費(fèi)（取自2021 年3 月海南的充電服務(wù)費(fèi)數(shù)據(jù)）；②情景2，采用基于PSO 算法優(yōu)化的充電服務(wù)費(fèi)定價(jià)；③情景3，采用基于IPSO 算法優(yōu)化的充電服務(wù)費(fèi)定價(jià)。情景1 采用固定的分時(shí)段充電服務(wù)費(fèi)，是目前采用最廣泛的定價(jià)方式。情景2在情景1的基礎(chǔ)上，采用傳統(tǒng)的PSO 算法對(duì)充電服務(wù)費(fèi)進(jìn)行優(yōu)化定價(jià)。情景3為本文所提基于智能合約的電動(dòng)汽車充電服務(wù)費(fèi)調(diào)整方案，以加權(quán)總收益最大化為目標(biāo)，并采用IPSO算法對(duì)最優(yōu)充電服務(wù)費(fèi)進(jìn)行迭代尋優(yōu)。

4.2 優(yōu)化流程

本節(jié)主要針對(duì)情景3，該情景下充電服務(wù)費(fèi)的具體優(yōu)化步驟如下。

步驟1：獲取用戶的充電負(fù)荷數(shù)據(jù)以及電網(wǎng)的調(diào)控需求作為模型輸入，具體見(jiàn)附錄C圖C1。

步驟2：分析充電站的充電服務(wù)費(fèi)-負(fù)荷彈性。以文獻(xiàn)［19］中的彈性矩陣E作為基礎(chǔ)數(shù)據(jù)，充電站內(nèi)3 種不同類型電動(dòng)汽車用戶的彈性矩陣以及數(shù)量如表1 所示，以此為基礎(chǔ)計(jì)算充電站的充電服務(wù)費(fèi)-負(fù)荷彈性。

表1 充電站內(nèi)不同類型電動(dòng)汽車用戶的彈性矩陣及數(shù)量Table 1 Elasticity matrix and quantity of different types of electric vehicle users in charging station

同時(shí)為了簡(jiǎn)化計(jì)算，將一天24 h 劃分為峰、谷、平3 個(gè)時(shí)段，則24×24 階彈性矩陣被簡(jiǎn)化為3×3 階矩陣，對(duì)于分別轉(zhuǎn)移至峰、谷、平3 個(gè)時(shí)段的總負(fù)荷量，可按照各單位時(shí)段內(nèi)的負(fù)荷大小比例進(jìn)行分配。

步驟3：分析用戶和充電站的收益情況。根據(jù)第3 節(jié)中用戶和充電站的收益模型，分別分析用戶和充電站的收益情況，其中設(shè)定用戶的收益權(quán)重a的取值為0.5。

步驟4：運(yùn)用IPSO 算法對(duì)充電服務(wù)費(fèi)進(jìn)行優(yōu)化。根據(jù)3.5節(jié)的充電服務(wù)費(fèi)優(yōu)化模型的求解步驟，以加權(quán)收益最大化為目標(biāo)，對(duì)充電服務(wù)費(fèi)進(jìn)行自適應(yīng)優(yōu)化調(diào)整。

在優(yōu)化過(guò)程中，不同階段粒子的收斂水平如圖5 所示。在迭代初期，由圖5（a）可以看出，生成的充電服務(wù)費(fèi)方案在可行空間內(nèi)隨機(jī)分布；在進(jìn)行第500 次迭代時(shí)，由圖5（b）可以看到，絕大部分方案已經(jīng)逼近最優(yōu)解［0.80，0.43，0.12］元／（kW·h）。

圖5 充電服務(wù)費(fèi)的優(yōu)化迭代結(jié)果Fig.5 Optimization iteration results of charging service fee

4.3 結(jié)果分析

本節(jié)將根據(jù)優(yōu)化后的結(jié)果，從算法優(yōu)化效率、負(fù)荷引導(dǎo)效果、購(gòu)售電雙方收益水平3 個(gè)角度，對(duì)本文所提基于智能合約的充電服務(wù)費(fèi)自適應(yīng)調(diào)整機(jī)制的優(yōu)化效果進(jìn)行具體分析。3 種情景的最終充電服務(wù)費(fèi)定價(jià)結(jié)果如表2所示。

表2 3種情景的最終充電服務(wù)費(fèi)定價(jià)結(jié)果Table 2 Final pricing results of charging service fee for three scenarios

1）算法優(yōu)化效率對(duì)比分析。

在算法優(yōu)化效率方面，情景2 采用的傳統(tǒng)PSO算法及情景3采用的IPSO算法的優(yōu)化效果對(duì)比如圖6 所示。由圖可以看出：在算法收斂速度方面，IPSO算法的收斂速度更快，在第500 次迭代過(guò)程中即達(dá)到最優(yōu)解，相較于傳統(tǒng)PSO 算法，迭代速度提高了60%；在最優(yōu)解方面，IPSO 算法通過(guò)改進(jìn)使迭代可跳出局部最優(yōu)解，最終的最優(yōu)總收益為16421.67元，相較于傳統(tǒng)PSO算法所得局部最優(yōu)解對(duì)應(yīng)的總收益15867.62元，其收益水平提高了3.50%。

圖6 優(yōu)化算法的效果對(duì)比Fig.6 Effect comparison of optimization algorithms

2）負(fù)荷引導(dǎo)效果對(duì)比分析。

在上述最優(yōu)的充電服務(wù)費(fèi)定價(jià)策略下，3 種情景的電動(dòng)汽車充電負(fù)荷曲線如圖7 所示。由圖可知，情景2、3 對(duì)充電服務(wù)費(fèi)的優(yōu)化調(diào)整均使電動(dòng)汽車充電負(fù)荷在一定程度上響應(yīng)了電網(wǎng)的調(diào)控需求。但從響應(yīng)效果來(lái)看，相較于情景2，情景3 的負(fù)荷響應(yīng)效果更加明顯，有3%～6%尖峰與高峰時(shí)段的負(fù)荷被轉(zhuǎn)移到了平時(shí)段與谷時(shí)段，降低了電動(dòng)汽車充電負(fù)荷的峰谷差，進(jìn)而減少了電動(dòng)汽車無(wú)序充電對(duì)電網(wǎng)運(yùn)行產(chǎn)生的壓力。

圖7 3種情景的電動(dòng)汽車充電負(fù)荷曲線Fig.7 Charging load curves of electric vehicles for three scenarios

3）購(gòu)售電雙方收益水平對(duì)比分析。

3 種情景下用戶和充電站的收益見(jiàn)表3。由表可以看出，通過(guò)情景2 與情景3 中2 種算法調(diào)整不同時(shí)段的充電服務(wù)費(fèi)，用戶和充電站的總收益均有所提升。相較于情景2，情景3中用戶獲得的收益略低，但從用戶和充電站的總收益來(lái)看，本文所用IPSO 算法使總收益提升了3.50%，驗(yàn)證了IPSO 算法的優(yōu)化效率。

表3 3種情景的用戶和充電站收益對(duì)比Table 3 Comparison of users’and charging station’s benefit for three scenarios

4.4 敏感性分析

1）充電服務(wù)費(fèi)峰谷差。

充電服務(wù)費(fèi)峰谷差變化對(duì)總收益變化的敏感性分析結(jié)果如表4 所示。由表可以看出：當(dāng)充電服務(wù)費(fèi)峰谷差在±10%范圍內(nèi)變動(dòng)時(shí)，總收益隨電動(dòng)汽車充電服務(wù)費(fèi)的變化呈正線性相關(guān)變化，說(shuō)明在一定的范圍內(nèi)放開(kāi)充電服務(wù)費(fèi)的定價(jià)限制，有利于提高社會(huì)總收益水平；當(dāng)充電服務(wù)費(fèi)峰谷差上調(diào)超過(guò)15%后，總收益反而出現(xiàn)了一定程度的下降，這是因?yàn)榉骞确謺r(shí)電價(jià)差過(guò)大會(huì)使大量的負(fù)荷從峰時(shí)段轉(zhuǎn)移至谷時(shí)段，造成負(fù)荷的“反調(diào)峰”現(xiàn)象，進(jìn)而對(duì)社會(huì)總收益產(chǎn)生不利的影響。

表4 充電服務(wù)費(fèi)峰谷差對(duì)總收益的敏感性分析Table 4 Sensitivity analysis of peak-valley difference of charging service fee to total revenue

2）用戶響應(yīng)彈性系數(shù)。

用戶響應(yīng)彈性系數(shù)對(duì)總收益變化的敏感性分析結(jié)果如表5 所示。由表可以看出，總收益隨著彈性系數(shù)的增大而增大。但隨著彈性系數(shù)的不斷上調(diào)，總收益的增大趨勢(shì)有所減緩，這是因?yàn)楫?dāng)彈性系數(shù)進(jìn)一步提高后，用戶的響應(yīng)積極性不斷增加，使得迭代所得最優(yōu)充電服務(wù)費(fèi)降低，進(jìn)而影響了充電站的收益。

表5 用戶響應(yīng)彈性系數(shù)對(duì)總收益的敏感性分析Table 5 Sensitivity analysis of user response elasticity coefficient to total revenue

綜合上述分析可知，在一定的范圍內(nèi)提高充電服務(wù)費(fèi)峰谷差以及用戶響應(yīng)彈性系數(shù)，可進(jìn)一步提高用戶和充電站的總收益，其中提高充電服務(wù)費(fèi)峰谷差的措施包括進(jìn)一步放開(kāi)充電服務(wù)費(fèi)定價(jià)限制、提高尖峰電價(jià)等，提高用戶響應(yīng)彈性系數(shù)的措施主要包括培育用戶的錯(cuò)峰用電意識(shí)、完善有序充電利潤(rùn)傳導(dǎo)機(jī)制。相關(guān)措施的有效實(shí)行，將進(jìn)一步提高社會(huì)的總收益水平。

5 結(jié)論

本文針對(duì)傳統(tǒng)集中式充電服務(wù)費(fèi)定價(jià)難以滿足新型電力系統(tǒng)需求的問(wèn)題，建立了一種基于智能合約的電動(dòng)汽車充電服務(wù)費(fèi)調(diào)整機(jī)制，運(yùn)用智能合約技術(shù)可針對(duì)不同的充電站制定更加靈活、更具精確性的充電服務(wù)費(fèi)調(diào)整策略。

針對(duì)不同類型的響應(yīng)用戶，建立了電動(dòng)汽車用戶細(xì)分的充電服務(wù)費(fèi)-負(fù)荷彈性模型，進(jìn)而更加精確地分析電動(dòng)汽車充電服務(wù)費(fèi)調(diào)整對(duì)負(fù)荷變化的影響程度；同時(shí)對(duì)用戶及充電站收益進(jìn)行建模，以加權(quán)總收益最大為目標(biāo)，并采用IPSO 算法對(duì)模型進(jìn)行求解。

基于算例從優(yōu)化定價(jià)、算法優(yōu)化效率、負(fù)荷引導(dǎo)效果、購(gòu)售電雙方收益水平對(duì)本文所建模型的有效性進(jìn)行驗(yàn)證，結(jié)果表明：相較于傳統(tǒng)的統(tǒng)一定價(jià)模式，所提充電服務(wù)費(fèi)調(diào)整機(jī)制下，總收益由13 652.61 元提高為16 421.67 元，同時(shí)實(shí)現(xiàn)了將4%～8%高峰時(shí)段負(fù)荷轉(zhuǎn)移至低谷時(shí)段；在算法優(yōu)化效率方面，相較于傳統(tǒng)PSO 算法，本文所用IPSO 算法的收斂速度提高了60%，優(yōu)化后的總收益水平提高了3.50%，驗(yàn)證了所提機(jī)制對(duì)收益水平提升及負(fù)荷引導(dǎo)兩方面皆具備顯著優(yōu)勢(shì)。同時(shí)進(jìn)行了敏感性分析，結(jié)果表明在一定的范圍內(nèi)提高充電服務(wù)費(fèi)峰谷差、用戶響應(yīng)彈性系數(shù)，可進(jìn)一步提高用戶及充電站的總收益，并針對(duì)性地提出了包括進(jìn)一步放開(kāi)充電服務(wù)費(fèi)定價(jià)限制、提高尖峰電價(jià)、培育用戶錯(cuò)峰用電意識(shí)、完善有序充電利潤(rùn)傳導(dǎo)機(jī)制等可提高充電交易雙方總收益水平的相關(guān)政策建議。

附錄見(jiàn)本刊網(wǎng)絡(luò)版（http：//www.epae.cn）。