一种基于贝叶斯博弈的家庭用电管理优化方法
【专利摘要】本发明公开了一种基于贝叶斯博弈的家庭用电管理优化方法，包括以下步骤：S1：分别构建家庭用电费用模型和电动汽车反向放电收益模型；S2：构建关于用户一天总费用的贝叶斯博弈模型；S3：通过求解贝叶斯博弈模型的最优解得到家庭最优的用电策略，使得用户一天总费用最小。由于现实世界中用户部分信息属于私有信息，并不为其他家庭所知，因此本发明将贝叶斯博弈思想引入到用户需求侧管理系统当中，通过用户对其他家庭用电行为的概率推断，将用户用电费用模型和电动汽车反向放电收益模型转化为贝叶斯博弈模型，再通过求解贝叶斯纳什均衡解，获得用户最优的用电策略，即最优的电动汽车充电策略和放电策略，从而使得每个用户一天的总费用达到最小。
【专利说明】
-种基于贝叶斯博弈的家庭用电管理优化方法
技术领域
[0001] 本发明设及存在电动汽车情况下家庭用电管理优化方法，特别是设计一种基于贝 叶斯博弈的家庭用电管理优化方法。
【背景技术】
[0002] 为了满足负荷增长W及用电安全的需求，智能电网作为电力网络新的发展方向， 正在逐步取代传统电网，而需求侧管理系统作为智能电网终端系统也逐步发挥了重要作 用。另外，随着电动汽车的兴起，电动汽车在智能家庭中的作用越来越大，并且其在需求侧 管理系统中的调控作用已经成为了国内外学者的研究热点。电动汽车在消耗电能时可W作 为可转移负荷，通过合理安排充电时段避开用电高峰期从而降低电网PAR,在用电高峰期时 还可W反向放电至电网从而缓解电网压力。为了缓解高峰用电情况，电网通常制定分段电 价，即用电高峰时段电价高于用电波谷时段;为了吸引用户在用电高峰时段反向放电，高峰 时段放电电价通常高于波谷时段放电电价。因此，当用户在使用电动汽车时，必须合理安排 电动汽车的充放电时段，才能有效降低用户的用电费用，提升用户反向放电的收益，从而最 终减少用户的总费用。
[0003] 近年来，国内外研究学者用了很多方法对包含有电动汽车的需求侧管理系统进行 了研究，其中基于博弈论思想的建模方法近年来被广泛运用在该领域。目前，绝大多数需求 侧博弈均属于完全信息博弈，即参与者所有信息是公共信息且为所有参与者已知。然而，由 于隐私保护W及现实世界的随机性等原因导致在人们实际生活中进行的消费博弈本质上 都是不完全信息的。因此，完全信息博弈的建模方式并不能对不完全信息情况下的博弈进 行建模，从而基于贝叶斯博弈的建模方式应运而生。基于贝叶斯博弈的用户费用模型最大 特点在于该博弈模型属于不完全信息博弈，用户在参与博弈时并不完全知道其他用户的所 有信息，只能通过一定的概率分布推测其他用户的信息，从而便于优化自己的策略。然而， 目前鲜有文章在用户拥有电动汽车并可W向电网反向放电情况下运用贝叶斯博弈思想对 用户的费用进行建模并优化。
[0004] 由此可见，当前尚未有通过运用贝叶斯博弈思想建模优化用户在拥有电动汽车情 况下的用电策略。
【发明内容】
[0005] 本发明的目的是提出一种在用户拥有电动汽车情况下，基于贝叶斯博弈的家庭用 电管理优化方法。
[0006] 本发明所述的基于贝叶斯博弈的家庭用电管理优化方法，包括W下步骤：
[0007] SI:分别构建家庭用电费用模型和电动汽车反向放电收益模型；
[000引S2:构建关于用户一天总费用的贝叶斯博弈模型；
[0009] S3:通过求解贝叶斯博弈模型的最优解得到家庭最优的用电策略，使得用户一天 总费用最小。
[0010]进一步，所述步骤SI中家庭用电费用模型的构建包括W下步骤：
[00川 S1.1:设贝叶斯博弈模型中共有yr =化…，W，#+l，…句个用户，其中前N个用户家 中各有一辆电动汽车，一天被分为^ =托2,…个时段，用户k在h时段的基本负荷为bk,h， 当k《K时，在h时段电动汽车充电量为範A，则所有用户在h时段消耗总电量Lh为：
[0012]
(1)
[001引SI. 2:计算h时段电价Ph(Lh):
[0014]
(2)
[0015] 其中，ah、bh和Ch均为固定参数且ah>0，bh>0，Ch^ 1;
[0016] SI.3:根据式(2)计算用户k在一天内需要向电网支付的费用听(C，/_y;
[0017] (3)
[001 引
[0019] 设电动汽车一天充电量为Q，则电动汽车在充电过程中满足等式约I
，并 且电动汽车在充电过程中的充电量不能超过最大充电量皆?'，即Ca ^护。
[0020] 进一步，所述步骤Sl中电动汽车反向放电收益模型的构建包括W下步骤：
[0021] Sl.4:设贝叶斯博弈模型中共有乂^二{l，...，iV，iV + l，...巧个用户，其中前N个用户家 中各有一辆电动汽车，一天被分为H = 2,…个时段，计算所有电动汽车用户在h时段 的反向放电总电量4:
[0022]
(4)
[0023] 其中，ij,为用户n在h时段电动汽车反向放电量，n《N;
[0024] SI.5:计算所有电动汽车用户在h时段的反向放电电价托/^写)；
[0025]
(5)
[0026] 其中，诲和点f均为固定参数且W <h，bh为固定参数且bh>0, Ch也为固 定参数且Ch^l;
[0027] Sl. 6:计算用户n-天内电动汽车总收益：
[002引 6)
[0029] gn表示用户n对电动汽 车的依赖性，QV为电动汽车的路上耗电量，Q为电动汽车一天充电量，A为损耗系数；
[0030] 电动汽车在反向放电过程中满足等式约束^抬,，电动汽车在放电过程中不能 h^X 超过最大放电量矿气，即叫产》。
[0031] 进一步，所述步骤S2中贝叶斯博弈模型的构建包括W下步骤：
[0032] S2.1:设贝叶斯博弈模型中共有策 = |l:，…，iV，W + レ??K}个用户，其中前N个用户家 中各有一辆电动汽车，一天被分为'h' = {l，2，…//}个时段，gn表示用户n对电动汽车的依赖 性，设用户n的类型空间G,, ={扔*，各，其中苗、g;:'和公分别表示用户n对电动汽车的依 赖性较高、一般和较低；由于gn为用户的私有信息，每个用户只知道自己的类型W及其他用 户类型的概率分布，因此通过贝叶斯公式可W计算用户n的类型为gn，其他N-I个用户的类 型为g-n = [ gl，…，gn-l，gn+l…，gN]时的条件概率Pn ( g-n I抑）：
[0034] 其中，G-n = GiX…XGn-lXGn+lX…XGN为其他n-l个用户类型空间组合；[0035] S2.2:计算电动汽车n-天内向电网反向放电的策略/,f (g"); (1\
[0033] 、!' J
[0036]
、8)
[0037] 其中，仿表示用户n的类型为gn时电动汽车在h时段的放电量；
[0038] S2.3:根据家庭用电费用模型和电动汽车反向放电收益模型计算用户n-天总费 用Cn:
[0039]
(9)
[0040] 其中，Wn为用户n在一天内需要向电网支付的费用乂 = [Cp…，私,，…，皆H]为用 户n充电策略
为其他用户充电策略，Un为用户n-天内电动
恃 妇用户n的反向放电策 略， 3户nW外其他用户的 反问臘电束略；
[0041] S2.4:构建电动汽车n的贝叶斯博弈模型P化乂"乂（&,)，/:'" U-,,)，各
[0042： (10)
[0043；
[0044： 11)
[0045； 为用户nW外其他用户的类型， J其他用户反向放电策略。
[0047]与现有技术相比，本发明的有益效果在于：
[004引本发明将贝叶斯博弈思想引入到用户需求侧管理系统当中，根据贝叶斯博弈思想 将用户用电费用模型和电动汽车反向放电收益模型转化为贝叶斯博弈模型，通过求解贝叶 斯纳什均衡解，获得用户最优的用电策略，即最优的电动汽车充电策略和放电策略，从而使 得每个用户一天的总费用达到最小。
【附图说明】
[0049] 图1为本发明所设及的贝叶斯博弈场景图；
[0050] 图2为用户在采用本发明方法前后每天的总费用对比图；
[0051] 图3为用户为类型1时的用电策略；
[0052] 图4为用户为类型2时用电策略；
[0053] 图5为用户为类型3时用电策略。
【具体实施方式】
[0054] 下面结合附图对本发明作更进一步的说明。
[0055] 本发明提出一种基于贝叶斯博弈的家庭用电管理优化方法，由于用户部分信息属 于隐私，其他用户并不知道其所有信息，因此常用的完全信息博弈建模无法对家庭的用电 行为进行优化，而采用贝叶斯博弈思想则可W对用户的总费用进行建模。本发明设及的博 弈场景如图1所示，前N个用户均配有一辆电动汽车，另外每个家庭都配备了智能电表，用来 负责电价和用户需求等信息的传递。每个用户在每个时段都有基本负荷，基本负荷属于不 可转移负荷，不受需求侧管理系统的控制。由于不同类型用户对电动汽车的依赖性不同，电 动汽车的充放电策略就会不同，所W用户需根据概率分布对其他用户的类型进行推算，从 而优化出自己的用电策略。在本发明的博弈场景中，用户从电网购买的电价W及向电网反 向放电的电价不仅与用电和放电时间段有关还与用户从电网购电量和向电网放电量有关， 因此用户可W通过调节电动汽车的充放电时段来降低购电成本，增加放电收益。
[0056] 本发明提出的基于贝叶斯博弈的家庭用电管理优化方法，包括W下步骤：
[0057] SI:分别构建家庭用电费用模型和电动汽车反向放电收益模型；
[0058] S2:构建关于用户一天总费用的贝叶斯博弈模型；
[0059] S3:通过求解贝叶斯博弈模型的最优解得到家庭最优的用电策略，使得用户一天 总费用最小。
[0060] 其中，步骤Sl中家庭用电费用模型的构建包括W下步骤：
[0061] Sl.l:设贝叶斯博弈模型中共"/^二{l，…，.;V，A^fl，…巧个用户，其中前N个用户家 中各有一辆电动汽车，一天被分为W = …个时段，用户k在h时段的基本负荷为bk,h， 当k《即寸，在h时段电动汽车充电量为培6,则所有用户在h时段消耗总电量Lh为：
[0062]
(I)
[0063] SI. 2:计算 h 时段电价 Ph(Lh):
[0064]
巧）
[0065] 其中，ah、bh和Ch均为固定参数且ah > 0，bh > 0，Ch > 1;
[0066] SI.3:根据式(2)计算用户k在一天内需要向电网支付的费用三;)；
[0067] (3)
[006引 ；
[0069] 设电动汽车一天充电量为Q，则电动汽车在充电过程中满足等式约束
I并 且电动汽车在充电过程中的充电量不能超过最大充电量/f胃，即扳,^ /产X。
[0070] 步骤Sl中电动汽车反向放电收益模型的构建包括W下步骤：
[0071] SI.4:设贝叶斯博弈模型中共有
个用户，其中前N个用户家 中各有一辆电动汽车，一天被分为^ = …个时段，计算所有电动汽车用户在h时段的 反向放电总电量切！
[0072]
(4)
[0073] 其中，棋为用户n在h时段电动汽车反向放电量，n《N;
[0074] SI.5:计算所有电动汽车用户在h时段的反向放电电价
[0075]
(5)
[0076] 其中，誠'和始均为固定参数且知< 0,0 < A;:《^，bh为固定参数且bh>0，Ch也为固 定参数且Ch^l;
[0077] Sl. 6:计算用户n-天内电动汽车总收益：
[007引 6)
[00巧] Ign表不用户n对电动汽 车的依赖性，QV为电动汽车的路上耗电量，Q为电动汽车一天充电量，A为损耗系数；
[0080] 电动汽车在反向放电过程中满足等式约束
，，电动汽车在放电过程中不 能超过最大放电量/,fm"，即识,</产"、。
[0081] 贝叶斯博弈属于不完全信息博弈，参与人并不完全知道其他参与人的所有信息， 因此需要通过贝叶斯相关理论将不完全信息博弈转化为完全信息博弈。步骤S2中贝叶斯博 弈模型的构建包括W下步骤：
[0082] S2.1:设贝叶斯博弈模型中共有
个用户，其中前N个用户家 中各有一辆电动汽车，一天被分为、.
，，个时段，gn表示用户n对电动汽车的依赖 性，设用户n的类型空间i
，其中紀6、泌和g:分别表示用户n对电动汽车的依 赖性较高、一般和较低，为便于描述，将公定义为类型1，拆定义为类型2，定义为类型3; 计算用户n的类型为gn，其他N-I个用户的类型为g-n=[gl，…，gn-l，gn+l…，gN]时的条件概率 Pn(g-n|gn)：
[0083]
巧）
[0084] 其中，G-n = GiX…XGn-lXGn+lX…XGN为其他n-l个用户类型空间组合；
[00化]S2.2:计算电动汽车n-天内向电网反向放电的策略/,f (&,);
[0086]
(8)
[0087] 其中，彷表示用户n的类型为gn时电动汽车在h时段的放电量；
[0088] S2.3:根据家庭用电费用模型和电动汽车反向放电收益模型计算用户n-天总费 用Cn:
[0089]
(9)
[0090] 其中，Wn为用户n在一天内需要向电网支付的费用：
为
用户n充电策畴 ^Un为用户n-天内电 动汽车总收益： 为用户n的反向放电策 略，
为用户nW外其他用户的反向 放电策略；
[0091] 82.4:构建电动汽车。的贝叶斯博弈模型/^/,:，/:',,乂(震,)，吃(3_")，震,)；
[0092] (10)
[0093]
[0094] 11)
[0095]
[00%]其中，g-n=[gl,…，gn-l，gn + l…，gN]为用户nW外其他用户的类型，
为其他用户反向放电策略。
[0097]为了便于说明模型的使用方法，设定图1博弈场景中有50个用户（其中30个用户有 电动汽车)和一个微型电网，对用户的日用电策略和电动汽车的充放电策略进行优化。场景 中用户为类型1、类型2和类型3中的一种，且用户为S种类型的概率相等，即P(gh)=P(gm) = 口(邑1) = 1/3，^种类型邑的值分别为:削=0.35，邑。=0.30，邑1 = 0.35。由于用户为某一种类型 与其他用户无关，因此用户为某种类型是独立的，即
[009引
（13)
[0099] 场景中用户购电电价模型W及用户反向放电电价模型的相关参数如表1所示。
[0100] 表1电价模型及放电电价模型参数
[0101]
[0102]根据表1中各模型参数，经过MATLAB仿真计算可得图2-图5,图2为50个用户在参 与博弈前后的费用对比，图中前30个为有电动汽车时各用户的费用对比，从中可W看出用 户在参与博弈后费用大幅度减小；图中后20个为没有电动汽车的用户的费用对比，从中可 W看出虽然运些用户没用参与博弈，但费用依然会较之前有所减小。图3-图5为其中某一用 户分别为=种类型中一种时，用户的用电策略W及电动汽车充放电策略，从图3中可W看 出，当用户为类型1时，电动汽车反向放电最多且绝大部分都分布在17:00-22:00,少部分分 布在22:00-24:00;从图4可W看出，当用户为类型2时，电动汽车只在17:00-22:00反向放电 且放电量小于类型1时的放电量;从图5可W看出，当用户为类型3时，电动汽车基本不向电 网放电，电动汽车的电能基本都被消耗在路上了。从图2-图5可W看出该博弈模型通过合 理安排用户的用电策略从而降低了用户费用，证明了该模型的有效性。
【主权项】
1. 一种基于贝叶斯博弈的家庭用电管理优化方法，其特征在于:包括以下步骤： si:分别构建家庭用电费用模型和电动汽车反向放电收益模型； S2:构建关于用户一天总费用的贝叶斯博弈模型； S3:通过求解贝叶斯博弈模型的最优解得到家庭最优的用电策略，使得用户一天总费 用最小。2. 根据权利要求1所述的基于贝叶斯博弈的家庭用电管理优化方法，其特征在于:所述 步骤Sl中家庭用电费用模型的构建包括以下步骤： sl.l:设贝叶斯博弈模型中共有/r = α…,/v，iv+l,…/<j个用户，其中前N个用户家中各 有一辆电动汽车，一天被分为Η = ·[?，2，"·??个时段，用户k在h时段的基本负荷为bk,h，当k彡 K时，在h时段电动汽车充电量为/:,A，则所有用户在h时段消耗总电量Lh为：Cl) Sl .2:计算h时段电价Ph(Lh):(2) 其中4、1^和(^均为固定参数且311>0，1^>0，(^^:1;SI . L枏抿忒O H+笪用户k#一壬内需悪向由网方付的费用??/Γ, /0 :设电动汽车一天充电量为Q，则电动汽车在充电过程中满足等式约束it, =0，并且电h=l (3) 动汽车在充电过程中的充电量不能超过最大充电量/Γ?'，即G3. 根据权利要求1所述的基于贝叶斯博弈的家庭用电管理优化方法，其特征在于:所述 步骤Sl中电动汽车反向放电收益模型的构建包括以下步骤： Sl. 4:设贝叶斯博弈模型中共^个用户，其中前N个用户家中各 有一辆电动汽车，一天被分为个时段，计算所有电动汽车用户在h时段的反向 放电总电量4:(4) 其中，/,t为用户η在h时段电动汽车反向放电量，η彡N; SI.5:计算所有电动汽车用户在h时段的反向放电电价^0:(5) 其中，和g均为固定参数且< 0,0 %，bh为固定参数且bh > 0，Ch也为固定参数 (6) 且Ch^l; SI .6:计算用户η-天内电动汽车总收益： 其中，gn表示用户η对电动汽车的 依赖性，Qv为电动汽车的路上耗电量，Q为电动汽车一天充电量，λ为损耗系数； 电动汽车在反向放电过程中满足等式约束?匕=If，电动汽车在放电过程中不能超过 k~l 最大放电量/,''，即/,t, 。4.根据权利要求1所述的基于贝叶斯博弈的家庭用电管理优化方法，其特征在于:所述 步骤S2中贝叶斯博弈模型的构建包括以下步骤： S2.1:设贝叶斯博弈模型中共有/T =丨…碍个用户，其中前N个用户家中各 有一辆电动汽车，一天被分为_Η = |1,2,…个时段，8"表示用户η对电动汽车的依赖性，设 用户η的类型空间G" 其中ZC和分别表示用户η对电动汽车的依赖性 较高、一般和较低；计算用户Π 的类型为gn，其他N-I个用户的类型为 gn+l…，gN]时的条件概率Pn ( g-n I gn ):(:7) 其中，G-H=G1 X…XGn-i XGn+1 X…XGn为其他n-ι个用户类型空间组合； S2.2:计算电动汽车η-天内向电网反向放电的策略/〗:(8) 其中，匕表不用户η的类型为gn时电动汽车在h时段的放电量； S2.3:根据家庭用电费用模型和电动汽车反向放电收益模型计算用户η-天总费用Cn:(9) 其中，Wn为用户η在一天内需要向电网支付的费用3用户η充bn-天内电动汽 ?向放电策略， 目户的反向放电
【文档编号】G06N7/00GK106022513SQ201610312914
【公开日】2016年10月12日
【申请日】2016年5月12日
【发明人】高丙团, 刘晓峰, 吴诚, 汤奕
【申请人】东南大学