徐 巖， 王晨光

(華北電力大學(xué) 新能源電力系統(tǒng)國家重點(diǎn)實(shí)驗(yàn)室，河北 保定 071003)

0 引 言

電動(dòng)汽車相較于傳統(tǒng)燃油車由于其清潔高效的特性得到了政府和社會(huì)大力的推廣和使用[1，2]。經(jīng)過相關(guān)研究發(fā)現(xiàn)，借助V2G(vehicle to grids)技術(shù)，便可以將電動(dòng)汽車視作一種具有時(shí)空特性的分布式儲(chǔ)能設(shè)備，通過控制其充、放電行為，使電動(dòng)汽車參與到電網(wǎng)的調(diào)度運(yùn)行當(dāng)中[3]，以避免大量電動(dòng)汽車無序充電對(duì)電網(wǎng)帶來的不利影響，甚至能夠?qū)崿F(xiàn)削峰填谷，提高電網(wǎng)運(yùn)行的穩(wěn)定性與經(jīng)濟(jì)性[4-6]。

由于微電網(wǎng)清潔、環(huán)保的特點(diǎn)與電動(dòng)汽車的使用有著較好的互補(bǔ)性，越來越多的學(xué)者對(duì)微電網(wǎng)內(nèi)電動(dòng)汽車的調(diào)度問題進(jìn)行了研究。文獻(xiàn)[7]研究了智能微電網(wǎng)小區(qū)中電動(dòng)汽車與家庭能量管理系統(tǒng)互動(dòng)的調(diào)度策略，建立了雙層優(yōu)化模型，通過研究表明，隨著用戶對(duì)調(diào)度策略響應(yīng)程度的提高，負(fù)荷特性的改善效果將越加明顯。文獻(xiàn)[8]根據(jù)可再生能源出力與負(fù)荷的實(shí)時(shí)數(shù)據(jù)，計(jì)算微電網(wǎng)的不平衡率,根據(jù)不平衡率發(fā)布合理地電價(jià)信息，以此對(duì)電動(dòng)汽車充放電行為進(jìn)行引導(dǎo)，實(shí)現(xiàn)微電網(wǎng)中電動(dòng)汽車與可再生能源的協(xié)調(diào)運(yùn)行。文獻(xiàn)[9]根據(jù)微電網(wǎng)結(jié)構(gòu)的特點(diǎn)，以及不同集群電動(dòng)汽車對(duì)微電網(wǎng)所起作用的不同，將經(jīng)濟(jì)調(diào)度問題轉(zhuǎn)化為了含有負(fù)荷級(jí)、源荷級(jí)和源網(wǎng)荷級(jí)的三級(jí)優(yōu)化問題，以達(dá)到微電網(wǎng)系統(tǒng)經(jīng)濟(jì)性、高效性以及安全性的統(tǒng)一。文獻(xiàn)[10]利用V2G技術(shù)來平抑短時(shí)劇烈的光伏功率波動(dòng)，提出了微網(wǎng)環(huán)境下的集群電動(dòng)汽車參與平抑光伏波動(dòng)的控制框架，并建立了利用電動(dòng)汽車充放電功率跟蹤光伏出力的凸優(yōu)化模型。然而上述文獻(xiàn)均是對(duì)接入微電網(wǎng)的電動(dòng)汽車進(jìn)行集中式管理,沒有考慮用戶的獨(dú)立自主性，并且調(diào)度中心需要進(jìn)行大量的數(shù)據(jù)處理與計(jì)算，因此,考慮到集中式優(yōu)化調(diào)度的缺點(diǎn),基于博弈論的分布式優(yōu)化調(diào)度方法已經(jīng)開始了一定的研究。文獻(xiàn)[11]通過博弈論思想來提升電動(dòng)汽車調(diào)度代理商的收益，但并未考慮用戶的利益；文獻(xiàn)[12-14]基于主從博弈，分別以最小化電網(wǎng)用電成本和電動(dòng)汽車用戶充電成本為主體與從體制定分時(shí)電價(jià)引導(dǎo)用戶充電；文獻(xiàn)[15]則以電網(wǎng)負(fù)荷波動(dòng)最小為目標(biāo)建立主從博弈模型；文獻(xiàn)[16]將滿意度評(píng)價(jià)添加到用戶效用函數(shù)當(dāng)中，但該項(xiàng)系數(shù)的確定過于主觀且難以設(shè)定。

通過對(duì)上述文獻(xiàn)的研究發(fā)現(xiàn)，大多文獻(xiàn)在建立調(diào)度模型時(shí)很少考慮電動(dòng)汽車荷電狀態(tài)(State of Charge, SOC)對(duì)用戶日常使用便利性及電池?fù)p耗的影響，對(duì)用戶的荷電狀態(tài)僅使用剩余電量約束條件對(duì)荷電狀態(tài)進(jìn)行限制，可能導(dǎo)致在調(diào)度過程中使荷電狀態(tài)或充放電功率在一段時(shí)間一直處于約束條件的邊界值或頻繁充放電，針對(duì)上述問題，本文提出了一種計(jì)及電動(dòng)汽車荷電狀態(tài)效益的微電網(wǎng)主從博弈優(yōu)化調(diào)度模型，該模型中，作為領(lǐng)導(dǎo)者的微電網(wǎng)方制訂電價(jià)政策引導(dǎo)電動(dòng)汽車用戶進(jìn)行充放電；電動(dòng)汽車用戶則同時(shí)考慮荷電狀態(tài)效益及充放電成本對(duì)電價(jià)政策進(jìn)行響應(yīng)。最后通過算例表明，所提方法在兼顧主從雙方利益的同時(shí)，能夠有效改善微電網(wǎng)負(fù)荷特性，并且避免了優(yōu)化調(diào)度過程中電動(dòng)汽車頻繁、深度充放電的情況發(fā)生。

1 電動(dòng)汽車接入時(shí)的微電網(wǎng)調(diào)度結(jié)構(gòu)

圖1為電動(dòng)汽車接入時(shí)的微電網(wǎng)調(diào)度結(jié)構(gòu)示意圖。本文研究中的電動(dòng)汽車為微電網(wǎng)內(nèi)用戶的工作車輛及私家車。微電網(wǎng)內(nèi)的電動(dòng)汽車用戶在日前將電動(dòng)汽車接入時(shí)間、電池信息等參數(shù)上報(bào)給微電網(wǎng)調(diào)度中心，微電網(wǎng)調(diào)度中心根據(jù)用戶上報(bào)信息以及微電網(wǎng)內(nèi)新能源出力、用電負(fù)荷的預(yù)測結(jié)果和上級(jí)電網(wǎng)的購售電價(jià)，向電動(dòng)汽車用戶發(fā)布充放電電價(jià)信息等待用戶響應(yīng)，然后根據(jù)用戶響應(yīng)方案對(duì)電價(jià)以及與上級(jí)電網(wǎng)的購售電量進(jìn)行調(diào)整，以提高自身新能源發(fā)電消納率以及用電經(jīng)濟(jì)性，完成對(duì)微電網(wǎng)內(nèi)電能的統(tǒng)一調(diào)度。

圖1 微電網(wǎng)優(yōu)化調(diào)度結(jié)構(gòu)Fig. 1 Microgrid optimized dispatch structure

2 基于主從博弈的含電動(dòng)汽車微電網(wǎng)調(diào)度模型

在所提模型中，微電網(wǎng)將作為主從博弈[17]的領(lǐng)導(dǎo)者優(yōu)先向電動(dòng)汽車用戶發(fā)布自身電價(jià)策略，電動(dòng)汽車用戶則作為跟隨者，根據(jù)自身荷電狀態(tài)以及與微電網(wǎng)進(jìn)行電能交互的效益進(jìn)行綜合考慮，向微電網(wǎng)返回自身的充放電策略，微電網(wǎng)根據(jù)用戶充放電方案不斷調(diào)整電價(jià)策略，最終達(dá)成主從博弈的均衡解。

2.1 微電網(wǎng)用電成本模型

2.1.1 微電網(wǎng)模型目標(biāo)函數(shù)

微電網(wǎng)進(jìn)行優(yōu)化調(diào)度的主要目的是通過引導(dǎo)電動(dòng)汽車用戶在各時(shí)段的充放電量，在提高自身新能源發(fā)電消納率的同時(shí)降低自身的用電成本，其優(yōu)化調(diào)度模型的目標(biāo)函數(shù)如下：

cg,t-PEV,t·cm,t]

(1)

式中：Cmg表示微電網(wǎng)的日用電成本；PL,t、PP,t、PW,t、PEV,t分別為t時(shí)段的微電網(wǎng)負(fù)荷量、光伏發(fā)電出力、風(fēng)力發(fā)電出力以及電動(dòng)汽車充放電量；cg,t、cm,t分別為t時(shí)段上級(jí)電網(wǎng)交易電價(jià)以及微電網(wǎng)與電動(dòng)汽車用戶的交易電價(jià)。

2.1.2 微電網(wǎng)模型約束條件

(1)功率平衡約束

為了讓電動(dòng)汽車盡可能消納微電網(wǎng)內(nèi)新能源發(fā)電量，充分發(fā)揮自身儲(chǔ)能特性，本文所提微電網(wǎng)結(jié)構(gòu)內(nèi)并未包含儲(chǔ)能設(shè)備，微電網(wǎng)所缺電量及多余電量直接與上級(jí)電網(wǎng)進(jìn)行交易。

PL,t-PP,t-PW,t+PEV,t+PG,t=0

(2)

式中：PG，t為微電網(wǎng)與上級(jí)電網(wǎng)在t時(shí)段的電能交互量。

(2)電動(dòng)汽車交易電價(jià)約束

cm,min≤cm,t≤cm,max

(3)

式中：cm,max、cm,min分別為微電網(wǎng)與電動(dòng)汽車交易電價(jià)的上下限。

(3)微電網(wǎng)交互功率約束

PG,min≤PG,t≤PG,max

(4)

式中：PG,max、PG,min分別為微電網(wǎng)與上級(jí)電網(wǎng)交互功率的上下限。本文將交互功率上下限設(shè)置為2 MW。

2.2 電動(dòng)汽車充放電效益模型

2.2.1 電動(dòng)汽車用戶目標(biāo)函數(shù)

電動(dòng)汽車作為主從博弈的跟隨者，在微電網(wǎng)調(diào)度中心發(fā)布電價(jià)信息后，以自身效益最大化為目標(biāo)制定充放電策略并返回給微電網(wǎng)。在主從博弈模型中，若僅以電動(dòng)汽車的充放電成本最低作為目標(biāo)函數(shù)，電動(dòng)汽車用戶作為理性且利己的一方將不會(huì)考慮微電網(wǎng)的利益，將選擇在電價(jià)最低時(shí)盡可能的充電，在電價(jià)最高時(shí)盡可能的放電，這種情況容易造成微電網(wǎng)負(fù)荷曲線形成新的高峰或使峰谷差增大，在快速充電的情況下會(huì)尤其明顯?？紤]到電動(dòng)汽車各時(shí)段的荷電狀態(tài)對(duì)用戶日常使用的便利性有著重要意義，并且頻繁且高深度的充放電對(duì)電池的長期使用有著不利的影響，因此本文提出了一種計(jì)及荷電狀態(tài)效益的電動(dòng)汽車用戶目標(biāo)函數(shù)，如下式所示：

(SOCn(t-1)-SOCn(t))，kn>0

(5)

式中：kn表示電動(dòng)汽車用戶n的荷電狀態(tài)偏好系數(shù)，其值影響電動(dòng)汽車保持的荷電狀態(tài)水平；SOCn(t)表示電動(dòng)汽車用戶n在t時(shí)段的荷電狀態(tài)水平；knSOCn(t)0.5表示電動(dòng)汽車用戶荷電狀態(tài)所代表的效用；cm,t(SOCn(t-1)-SOCn(t))表示用戶與微電網(wǎng)進(jìn)行電能交易產(chǎn)生的效益?？紤]到用戶荷電狀態(tài)效益函數(shù)通常為非遞減且凸的[18]，因此本文選用冪函數(shù)作為荷電狀態(tài)的效益函數(shù)，為了方便主從博弈均衡解的證明及求解，本文選擇0.5作為效益函數(shù)的指數(shù)。

式(4)將荷電狀態(tài)所帶來的效益考慮到目標(biāo)函數(shù)中，以此來避免電動(dòng)汽車因電價(jià)的波動(dòng)而頻繁且深度充放電。同時(shí)當(dāng)函數(shù)參數(shù)在一定區(qū)間內(nèi)時(shí)，函數(shù)最大值存在于[0,1]之間，且隨著kn的增大，其最大值點(diǎn)逐漸右移；而隨著cm的增大，最大值點(diǎn)逐漸左移，該情況與模型需求以及用戶實(shí)際應(yīng)用需求相一致。分別改變kn、cm的數(shù)值，目標(biāo)函數(shù)的變化趨勢如圖2、圖3所示。

圖2 kn對(duì)效用函數(shù)的影響Fig. 2 Effect of kn on the utility function

圖3 cm對(duì)效用函數(shù)的影響Fig. 3 Effect of cm on the utility function

2.2.2 電動(dòng)汽車用戶約束條件

(1)電池荷電狀態(tài)上下限約束

SOCmin≤SOCn(t)≤SOCmax

t=1,2,3…T

(6)

式中：SOCmin、SOCmax分別表示電池荷電狀態(tài)的最小值和最大值。

(2)電池荷電狀態(tài)期望約束

SOCn(T)≥SOCn,E

(7)

式中：SOCn,E代表用戶n在調(diào)度結(jié)束時(shí)的期望荷電狀態(tài)水平。

(3)電動(dòng)汽車充放電功率約束

Pev,dc,max≤SOCn(t)-SOCn(t-1)≤

Pev,c,max

(8)

式中：Pev,dc,max、Pev,c,max分別表示電動(dòng)汽車最大放電功率與最大充電功率。

3 模型的求解方法

3.1 主從博弈均衡解存在的證明

為了對(duì)含電動(dòng)汽車的微電網(wǎng)進(jìn)行優(yōu)化調(diào)度，本文建立了以微電網(wǎng)為領(lǐng)導(dǎo)者，電動(dòng)汽車用戶為跟隨者的主從博弈模型，主從博弈模型的策略集可通過式(8)表示，且當(dāng)主從博弈的領(lǐng)導(dǎo)者及跟隨者選擇如式(9)、式(10)的策略時(shí)，該博弈可達(dá)到納什均衡解。

Γ={N∪{MG},{Sn}n∈N,

{Un}n∈N,pm,C}

(9)

Cmg(S*,cm*)≤Cmg(S*,cm)

(10)

Un(S*,cm*)≥Un(Sn,S-n*,cm*)

?n∈N,?Sn∈S

(11)

在非合作主從博弈中，當(dāng)領(lǐng)導(dǎo)者及跟隨者的效用函數(shù)分別為凸函數(shù)、凹函數(shù)時(shí)才會(huì)存在唯一的納什均衡解[18]。下面對(duì)電動(dòng)汽車用戶效用函數(shù)為凹函數(shù)進(jìn)行證明。對(duì)電動(dòng)汽車用戶效用函數(shù)以SOC為變量進(jìn)行微分，可以得到當(dāng)交易電價(jià)為cm時(shí)，使電動(dòng)汽車用戶得到最高效益的剩余電量為

(12)

通過式(11)可知,當(dāng)kn≤2cm時(shí)，能夠在[0,1]之間得到SOC的最優(yōu)解。再次對(duì)Un進(jìn)行二次微分得到:

(13)

式(12)中Un的二階微分在kn≥0的條件下恒小于0，證明了式(1)在滿足kn≤2cm且kn≥0的條件下在[0,1]之間恒為凹函數(shù)。

下面對(duì)微電網(wǎng)效用函數(shù)為凸函數(shù)進(jìn)行證明。將式(11)代入式(9)，以cm為變量求式(9)的二階微分。

(14)

當(dāng)cm>0且cg>0時(shí)，式(13)中Cmg的二階微分恒大于0，證明了式(2)恒為凹函數(shù)。通過證明可知，本文所構(gòu)建的主從博弈模型微電網(wǎng)與電動(dòng)汽車用戶的效用函數(shù)，當(dāng)k≤2cm、k≥0且cg>0時(shí)存在唯一的納什均衡解。

3.2 模型求解具體流程

本文采取雙層優(yōu)化求解的方式對(duì)所建立的主從博弈模型進(jìn)行求解，上層模型為微電網(wǎng)用電成本模型，以下層模型返回的電動(dòng)汽車充放電量為已知量，微電網(wǎng)與電動(dòng)汽車交易電價(jià)為變量；下層模型為電動(dòng)汽車用戶充放電效益模型，以電動(dòng)汽車荷電狀態(tài)為變量，交易電價(jià)為已知量進(jìn)行求解。上下層模型采用粒子群算法[19]嵌套Yalmip工具包中的CPLEX求解器進(jìn)行求解?？紤]到下層模型目標(biāo)函數(shù)中存在非線性項(xiàng)SOC(t)0.5，可在變量求解區(qū)間[0.1,1]內(nèi)分段進(jìn)行線性擬合，使目標(biāo)函數(shù)變?yōu)榉侄蔚木€性函數(shù)，使得下層模型變?yōu)榛旌险麛?shù)規(guī)劃模型，便可采用CPLEX求解器進(jìn)行求解。對(duì)y=x0.5進(jìn)行分段線性擬合，各段所對(duì)應(yīng)的線性函數(shù)如表1所示。

表1 分段線性擬合結(jié)果Tab.1 Piecewise linear fitting results

模型求解的具體流程如圖4所示。

圖4 模型求解流程Fig. 4 Model solving process

4 算例分析

4.1 算例參數(shù)設(shè)置

算例中微電網(wǎng)基礎(chǔ)負(fù)荷、光伏發(fā)電出力及風(fēng)電出力[20]如圖5所示，上級(jí)電網(wǎng)分時(shí)電價(jià)如表2所示，為了鼓勵(lì)用戶消納自身發(fā)電，微電網(wǎng)向上級(jí)電網(wǎng)售電的價(jià)格為購電電價(jià)的0.6倍，為了盡可能保證電動(dòng)汽車用戶的利益，微電網(wǎng)與電動(dòng)汽車的交易電價(jià)的上限為上級(jí)電網(wǎng)電價(jià)最大值，下限為0.5元。微電網(wǎng)內(nèi)可調(diào)度電動(dòng)汽車數(shù)量為200輛，調(diào)度周期為1天，可調(diào)度時(shí)間為早上8:00至晚23:00，荷電狀態(tài)偏好系數(shù)kn設(shè)置為0.9，起始SOC滿足0.2～0.4的均勻分布，電池容量為40 kW·h，SOC上限為1，下限為0.1，調(diào)度結(jié)束時(shí)的期望SOC最低值為0.6，充放電效率均為90%，充放電最大功率均為20 kW。

圖5 微電網(wǎng)負(fù)荷及新能源出力曲線Fig. 5 Microgrid load and new energy output curve

表2 上級(jí)電網(wǎng)分時(shí)電價(jià)Tab.2 The TOU price of the upper grid

4.2 優(yōu)化結(jié)果

為了驗(yàn)證本文所提模型的有效性，設(shè)置了三種模型進(jìn)行對(duì)比仿真：方案1，微電網(wǎng)對(duì)接入的電動(dòng)汽車進(jìn)行集中調(diào)度，以微電網(wǎng)用電成本最低為目標(biāo)進(jìn)行優(yōu)化調(diào)度；方案2，采用主從博弈模型，電動(dòng)汽車用戶僅以充放電成本最低為目標(biāo)，對(duì)微電網(wǎng)給出的電價(jià)方案進(jìn)行響應(yīng)；方案3，采用主從博弈模型，電動(dòng)汽車用戶采用本文所提目標(biāo)函數(shù)對(duì)自身充放電進(jìn)行優(yōu)化。優(yōu)化結(jié)果如圖6所示。

圖6 不同方法的優(yōu)化調(diào)度結(jié)果Fig. 6 Optimal scheduling results of different methods

通過對(duì)圖6分析，方案1由于上級(jí)電網(wǎng)分時(shí)電價(jià)的影響，微電網(wǎng)將集中調(diào)度電動(dòng)汽車在平時(shí)電價(jià)進(jìn)行充電，雖然在微電網(wǎng)原凈負(fù)荷為負(fù)時(shí)對(duì)新能源出力有著很好的消納效果，但由于電動(dòng)汽車用戶在調(diào)度結(jié)束時(shí)對(duì)荷電狀態(tài)有一定要求，因此產(chǎn)生了新的負(fù)荷峰值。方案2中電動(dòng)汽車用戶僅以充放電成本最低為目標(biāo)制定充放電策略，將會(huì)造成自身頻繁充放電，微電網(wǎng)負(fù)荷也因此產(chǎn)生了新的峰值和谷值，且增大了負(fù)荷的峰谷差。以上兩種方案，在增大充放電最大功率后，其峰值及峰谷差將進(jìn)一步增大。方案3由于考慮了電動(dòng)汽車荷電狀態(tài)的效益，用戶的充放電功率會(huì)較為平緩，且在所有時(shí)段電動(dòng)汽車的充放電功率均為達(dá)到所設(shè)置的最大充放電功率，同時(shí)微電網(wǎng)的負(fù)荷曲線也得到了明顯改善。

各方案微電網(wǎng)負(fù)荷各項(xiàng)指標(biāo)，用電成本及電動(dòng)汽車用電成本如表3所示。

表3 不同方法優(yōu)化調(diào)度結(jié)果的比較Tab.3 Comparison of different scheduling optimization results

通過對(duì)表3分析，方案2相較于其他方案，其電動(dòng)汽車用戶的充電成本最低，但微電網(wǎng)用電成本有著較大程度的增多，這是因?yàn)樵谥鲝牟┺闹?，跟隨者僅考慮自身效益而并不會(huì)考慮領(lǐng)導(dǎo)者的利益造成的。方案3由于電動(dòng)汽車用戶考慮了自身荷電狀態(tài)的效益，不會(huì)大幅度的充放電，因此使得電動(dòng)汽車用戶充放電收益成本和方案2相比較高，但微電網(wǎng)的電價(jià)方案起到了非常好的引導(dǎo)作用，有效降低了微電網(wǎng)用電成本和負(fù)荷曲線的峰谷差。

圖7為三種方案中電動(dòng)汽車充放電功率隨時(shí)間的變化圖，通過對(duì)比可以分析得出，方案3在三種方案中有著最少的電動(dòng)汽車充放電頻率及最低的充放電深度，荷電狀態(tài)也處于相對(duì)較高的水平。這說明方案3的調(diào)度模型在改善微電網(wǎng)負(fù)荷特性，降低微電網(wǎng)和用戶用電成本的同時(shí)，還能夠避免其他調(diào)度方案中出現(xiàn)的頻繁、深度充放電的情況，能夠減少對(duì)電池帶來的損耗，同時(shí)荷電狀態(tài)水平較高也可以使用戶更好地應(yīng)對(duì)意外情況而產(chǎn)生的不確定性的出行需求。

圖7 不同方法的優(yōu)充放電功率Fig. 7 EV power of different methods

圖8、圖9為當(dāng)用戶有著不同荷電狀態(tài)偏好系數(shù)時(shí)，交易電價(jià)及電動(dòng)汽車荷電狀態(tài)水平的在調(diào)度過程中的變化情況。隨著用戶荷電狀態(tài)偏好系數(shù)的提高，用戶傾向于使荷電狀態(tài)保持在較高的水平，因此微電網(wǎng)需要以更高的價(jià)格才能更好地對(duì)電動(dòng)汽車用戶的充放電行為進(jìn)行引導(dǎo)。在不同偏好系數(shù)下仿真結(jié)果中微電網(wǎng)凈負(fù)荷曲線并無較大差異，其中kn=1.2時(shí)相較于kn=0.9時(shí)微電網(wǎng)用電成本有所下降，原因是微電網(wǎng)對(duì)電動(dòng)汽車充放電的可調(diào)度范圍隨kn的提高而增大，而用戶用電成本則由于期望SOC的增加而有一定的提高。

圖8 不同kn下的交易電價(jià)Fig. 8 Price of different kn

圖9 不同kn下的荷電狀態(tài)Fig. 9 SOC of different kn

當(dāng)微電網(wǎng)中包含不同偏好系數(shù)的電動(dòng)汽車用戶時(shí)，微電網(wǎng)調(diào)度中心可以與各個(gè)用戶建立點(diǎn)對(duì)點(diǎn)的交易信息，針對(duì)不同情況的用戶制定不同的電價(jià)進(jìn)行交易，以滿足多樣性的需求。

5 結(jié) 論

本文為了解決含電動(dòng)汽車的微電網(wǎng)優(yōu)化調(diào)度問題，建立了基于主從博弈的優(yōu)化調(diào)度模型，同時(shí)提出了計(jì)及荷電狀態(tài)效益的電動(dòng)汽車用戶的充放電效益函數(shù)，通過對(duì)不同優(yōu)化調(diào)度方案進(jìn)行對(duì)比，得到以下結(jié)論：

(1)所建立模型通過電價(jià)引導(dǎo)電動(dòng)汽車用戶進(jìn)行充放電，相比于僅考慮充放電成本的電動(dòng)汽車用戶目標(biāo)函數(shù)，所提出的計(jì)及荷電狀態(tài)效益的目標(biāo)函數(shù)，在優(yōu)化后不僅能夠有效降低微電網(wǎng)負(fù)荷曲線的峰谷差與主從雙方的用電成本，還能防止由于電價(jià)影響而產(chǎn)生新的峰值以及增大峰谷差的現(xiàn)象。

(2)對(duì)于電動(dòng)汽車用戶而言，避免了電動(dòng)汽車電池頻繁、深度放電情況的發(fā)生，能夠減少電動(dòng)汽車在參與調(diào)度的過程中對(duì)電池造成的損耗，同時(shí)由于荷電狀態(tài)保持在較高水平，能夠滿足用戶不確定性的出行需求。

(3)所提方法能夠最大程度的保證電動(dòng)汽車用戶參與微電網(wǎng)調(diào)度的獨(dú)立自主性，微電網(wǎng)調(diào)度中心可以針對(duì)不同荷電狀態(tài)偏好程度的用戶發(fā)布不同電價(jià)，以滿足用戶多樣性的需求。