计及V2G模式的电动汽车多主体利益协调机制研究

作     者：潘阳 

作者单位：华北电力大学(北京) 

学位级别：硕士

导师姓名：李彦斌

授予年度：2023年

学科分类：02[经济学] 0202[经济学-应用经济学] 0808[工学-电气工程] 080802[工学-电力系统及其自动化] 08[工学] 

主      题：电动汽车 V2G 可再生能源 多主体 利益协调 

摘      要：随着气候环境恶化与化石能源紧缺问题日益突出,大规模开发利用可再生能源成为我国能源可持续发展的战略选择,电动汽车亦凭借其清洁低碳的优势迅速发展成为汽车工业变革的新方向。作为能源枢纽,新一代电力系统的形成是我国能源顺利转型的关键。可再生能源与电动汽车大规模接入系统是新型电力系统的显著特征,同时也带来了发电侧随机性加剧与无序充电行为导致电网负荷超载的新挑战。而近年来车网互动(V2G)模式得到重视与发展,为新型电力系统应对挑战提供了一条有效路径。因此,本文立足于应用V2G模式将大规模电动汽车转化为储能资源以解决可再生能源消纳问题与保障电力系统安全稳定运行的有效应对思路,对其中涉及的电动汽车多主体利益协调问题展开深入研究。首先,辨析了 V2G模式从而明确研究场景为集中式V2G,解读了利益协调机制的相关概念从而界定电动汽车利益相关主体为可再生能源发电商、电网公司、电动汽车聚合商与用户,定义利益协调机制是包含利益优化方法与利益分配策略的方法策略组合;论述了合作博弈基本理论与求解方法,阐释了强化学习原理并梳理了几类主流的强化学习算法,为后文研究奠定了理论基础。其次,介绍了四方主体的角色定位与职能,进一步分析各主体经济层面以及社会层面的利益诉求,从而厘清其相互利益关系。然后,探讨各主体如何协调以提升总效益,建立电动汽车聚合商与可再生能源发电商合作模式;建立电动汽车用户对聚合商的需求响应模型,从而建立以最小化电网负荷波动、最大化电动汽车与可再生能源联盟总收益与最小化用户用电成本为优化目标,以充放电价为优化变量的多主体利益优化模型;基于算法适用性分析,运用强化学习的深度确定性策略梯度(DDPG)算法求解模型;通过仿真分析证明了 DDPG算法优良的收敛效用以及该利益优化机制有效实现了多主体总效益的提升。最后,明确了计及V2G模式下电动汽车多主体利益分配的基本原则,探究影响可再生能源发电商与电动汽车聚合商利益分配的因素,建立基于影响因素改进的Shapley值利益分配模型,并通过算例分析验证了该利益分配机制有效提升了双方合作的总体满意度,更加公平合理并符合实际情形。综上所述,本文厘清了计及V2G模式下电动汽车相关主体的利益诉求与相互利益关系,从而构建了包含利益优化方法与利益分配策略的利益协调机制,为计及V2G模式下电动汽车相关主体的协调发展、实现共赢提供了有效路径,对新一代电力系统形成所带来多主体利益关系错综变化的研究具有一定的参考价值,从而有利于我国电力系统的成功转型以及“3060双碳目标的顺利达成。