基于DDPG算法的V2G用户特征识别及定价策略OA

分布式光伏等可再生能源的大规模并网以及电动汽车数量的快速增长导致电力系统运行面临的不确定性问题日趋明显。随着电动汽车入网(V2G)技术的逐步发展和推广,计及V2G策略的电动汽车充放电站运行优化逐步受到关注。然而电动汽车用户群体的充放电行为是大量个体用户行为特征的聚合,常难以准确获知用户的充放电偏好并据此优化制定V2G回购电价。针对此问题,对电动汽车充放电站与分布式光伏、区域负荷聚合的虚拟电厂(VPP),构建了一种考虑车网互动的优化调度模型,以VPP综合效益最大化为目标,计及电动汽车充放电功率与新能源发电出力等约束。考虑到大量电动汽车用户个体的充放电行为及分布式光伏发电的出力特性难以精确建模,采用基于强化学习的交互式优化调度方法进行求解,并对比分析了若干常用深度强化学习算法的求解性能。进一步,提出了一种电动汽车用户行为特征的识别方法,并在此基础上建立了充放电站运营商对用户V2G放电的定价策略。采用放电荷电阈值与放电差价阈值两个参数,分别描述电动汽车用户对续航里程的焦虑程度和对放电收益的经济性偏好,并提出了辨识这些阈值的系统化流程。将辨识所得阈值引入VPP优化调度模型,提出了电动汽车充放电站中V2G放电电价的定价策略。基于深度确定性策略梯度(DDPG)算法,通过若干典型场景下的仿真算例对电动汽车用户充放电行为的荷电阈值、差价阈值等特征参数进行识别,进而优化充放电站的V2G电价。算例结果表明,电动汽车用户行为的特征差异对VPP总效益具有显著影响,所提出V2G定价策略能更好地兼顾电动汽车用户的响应意愿与系统经济性,显著提升VPP的整体运行效益。