一种基于多IEV竞价的移动充电桩调度方法与流程

专利2022-05-09  82


一种基于多iev竞价的移动充电桩调度方法
技术领域
1.本发明属于竞价博弈技术领域,具体涉及一种基于多iev竞价的移动充电桩调度方法。


背景技术:

2.新能源汽车(iev)的竞价模型是非合作的不完全信息静态博弈。竞争者之间通过竞价的行为争取移动充电桩并无联盟的关系,各自以利益最大化为目标,面临方案选择时选择以自己利益最大的策略。参与者的行动时间虽然有先后关系,但是后行动者无法观察到先行动者的具体行动策略。并且参与者对于博弈相关的信息并非完全清楚知晓,参与竞价的充电器车需要综合考虑自己和潜在竞争对手的情况,以制定使自己受益最大化的策略。


技术实现要素:

3.本发明所要解决的技术问题是克服现有技术的不足,提供一种基于多iev竞价的移动充电桩调度方法,以贝叶斯博弈为基础衡量用户出价收益,为用户筛选出最优出价方案。
4.本发明提供一种基于多iev竞价的移动充电桩调度方法,包括如下步骤,
5.步骤s1、新能源汽车向平台提交对最近的移动充电桩汽车的订单,订单信息包含该新能源汽车的位置以及所需充电量,在移动充电桩竞价规则下展开竞争;
6.步骤s2、该空闲移动充电桩汽车的可提交订单时间截止,所有参与竞争的新能源汽车均可以看见竞争者人数m;
7.步骤s3、根据收集的市场信息,对比时间紧迫度分布,判断自身时间急迫度等级,获取合适的p
t
区间,计算该用户成功/失败获取移动充电桩时的收益u(m
i
),根据p
t
区间和收益u(m
i
)获取期望收益f最高时的最佳p
t
,输出用户i的最佳出价。
8.作为本发明的进一步技术方案,步骤s1中,新能源汽车根据定位系统获取最近的移动充电桩所需移动的距离,并将距离与所需充电量作为订单信息提交。
9.进一步的,步骤s1中,移动充电桩竞价规则具体为:
10.新能源汽车的出价v
i
为其中,e
i
是用户i所需充电量,l
i
为移动充电桩所需移动的距离,p
ti
是用户i为了时间愿意额外付出的价值;δ是移动充电桩愿意接单的最低报价,为移动充电桩所需移动的距离和时间成本,其中,g为移动充电桩移动所需的每千米成本价格,s为移动充电桩移动所需的每千米单位时间成本,v为移动充电桩的平均移动速度;则移动充电桩公司接受新能源汽车用户i的订单获得的利润w
i
为w
i
=p
ti
e
i
×
m,其中,用m为每度电带来的利润,移动充电桩公司对新能源汽车用户i的综合评分i
i
为i
i
=w
i

11.进一步的,步骤s3中,当竞争人数m为1,则p
t
=0,当竞争人数m不为1,则收集市场
信息。
12.进一步的,步骤s3中,根据中心极限定理p
t
服从一个数学期望为μ1、方差为σ
12
的正态分布,即p
t
~n(μ1,σ
12
),其概率密度函数为
[0013][0014]
满足:
[0015][0016]
其中,被选中节省的时间成本为q
i
=110%x
i
,即q~n(110%μ1,(110%σ1)2)符合正态分布,对应概率密度函数为f4(q);
[0017]
则,用户处于k级时间紧迫性等级的的概率为:k=1,2,3,4,5;
[0018]
通过matlab软件进行拟合,获取所需电量的概率密度函数f2(e),及移动充电桩所需移动距离的概率密度函数f3(l);
[0019]
移动充电桩评定用户的综合得分i为i=p
t
e
×
m;
[0020]
根据拟合出的f1(p
t
)、f2(e)化简出的i的概率密度函数f
i
(i)为
[0021][0022]
进一步的,步骤s3中,根据需要充电的紧迫程度,确定紧迫等级,获取该等级在需要充电的时间段的p
t
范围;建立贝叶斯竞价博弈模型,计算成功或者失败获取移动电桩时的收益u(m
i
),计算期望收益;计算用户获取期望收益f最高时的最佳p
t
。计算出本次用户的出价。
[0023]
更进一步的,建立贝叶斯竞价博弈模型,计算成功或者失败获取移动电桩时的收益u(m
i
),计算期望收益的具体方法为:
[0024]
对于新能源汽车用户a,用m1和m2表示其竞争者i的两种类型,m1表示竞争对手为优胜者,即i
a
<i
i
;m2表示竞争对手为淘汰者,即i
a
>i
i

[0025]
若用户未被选中,则不计成本,若用户成功获取移动充电桩,则收益为电动汽车收益减去为了时间付出的额外价值以及移动充电桩需要移动的距离带来的成本,即,
[0026]
信号集合t包含为了时间而愿意多付出的那部分价值,所需充电量,移动距离以及竞争者对时效性要求的分布情况f(x):t={p
t
,e,l,f(x)};
[0027]
若仅有2名用户参与竞争,与竞争对手i对比下,竞争者通过t
a
来衡量自身在竞争者中的水平,并在信号t
a
下计算竞争者a是获胜者的概率为
[0028]
p(m2|t
a
)=p(i
a
>i
i
|t
a
);令则p(m2|t
a
)=α;
[0029]
若有m人参与本次竞争,对于竞争者a,能够成功获取移动充电桩的概率p(m2|t
a
)
*
为p(m2|t
a
)
*
=p(m2|t
a
)
m
‑1=α
m
‑1,竞争者a失败获取移动充电桩的概率p(m1|t
i
)
*
为p(m1|t
a
)
*
=1

p(m2|t
a
)
m
‑1=1

α
m
‑1;则对竞争者的期望收益f为
[0030]
f=u(m1)*p(m1|t
a
)
*
u(m2)*p(m2|t
a
)
*
[0031]
=0 (e*δ q
k

p
t

l*g)*α
m
‑1。
[0032]
进一步的,期望收益f为f=(e*δ q
k

p
t

l*g)*α
m
‑1,模型的目标函数为maxf,模型的约束条件为获取当f
max
时的最佳p
t
,最后再计算用户i出价为
[0033]
本发明的优点在于,该方法建立在贝叶斯博弈基础上,利用用户的时间紧迫性等级以及p
t
,计算成功或者失败获取移动电桩时的收益,遍历所有可能的p
t
计算对应的期望收益,最后得出期望收益最高时所对应的p
t
并计算最终的出价推荐给用户。
附图说明
[0034]
图1为本发明的方法流程示意图。
具体实施方式
[0035]
请参阅图1,本实施例提供一种基于多iev竞价的移动充电桩调度方法,包括以下步骤:
[0036]
s1、新能源汽车向平台提交对最近的移动充电桩汽车的订单,订单信息包含该新能源汽车的位置以及所需充电量;在移动充电桩竞价规则下展开竞争。转至步骤s2;
[0037]
其中,移动充电桩竞价规则包括:
[0038]
(1)定义新能源汽车的出价,考虑以下3部分因素:
[0039][0040]
其中,e
i
是用户i所需电量,l
i
为移动充电桩需要的移动距离,p
ti
是用户i为了时间愿意额外付出的那部分价值;δ是移动充电桩愿意接单的最低报价;g、s表示充电桩移动需要的每km成本价格、单位时间成本。表示对于用户i移动充电桩需要的移动带来的距离和时间成本。v表示移动充电桩的平均移动速度。
[0041]
(2)对移动充电桩公司,则若接受新能源汽车用户i的订单获得的利润:
[0042]
w
i
=p
ti
e
i
×
m
[0043]
其中,用m表示每度电带来的利润。定义移动充电桩公司对新能源汽车用户i的综合评分i
i

[0044]
i
i
=w
i
[0045]
在某一次多用户参与的竞争中,综合评分最高的用户将被选中。
[0046]
s2、在一段较短的有限时间内,该空闲移动充电桩汽车的提交订单时间截止。所有参与竞争的新能源汽车均可以看见竞争者人数m;转至步骤s4;
[0047]
s3、新能源汽车根据收集的市场信息;转至步骤s4;
[0048]
步骤s3具体包括以下步骤:
[0049]
s301、根据竞争者的人数进行分类讨论:当m=0时,转s302;否则转步骤s303;
[0050]
s302、令p
t
=0。转至步骤s5;
[0051]
s303、收集市场信息。转至步骤s4;
[0052]
其中市场信息包括:时间紧迫程度的分布状态、用户需电量分布状态以及移动充电桩所需移动距离的分布状态;具体包括:
[0053]
(1)时间紧迫程度
[0054]
对于用户的p
t
属于连续随机变量,同时受由诸多的因素影响,其中不存在决定性的影响因素并且影响因素之间相互独立,根据中心极限定理可以合理假设p
t
服从一个数学期望为μ1、方差为σ
12
的正态分布,即p
t
~n(μ1,σ
12
)。且其概率密度函数为:
[0055][0056]
根据过去约车充电的app中采集的大量数据通过matlab软件拟合正态分布以得到对应的概率密度函数f1(x),基于此将充电汽车的紧迫性依据p
t
分为5个等级,给出相应的参考系数,并且在后续的应用过程中,可以通过采集大量的数据进一步的拟合更准确的参数,如表1所示,
[0057][0058]
表1普通期时各个紧迫程度的参考参数(单位:元)
[0059]
满足:
[0060][0061]
其中,设置被选中节省的时间成本为q
i
=110%x
i
,即q~n(110%μ1,(110%σ1)2)符合正态分布,对应概率密度函数为f4(q);
[0062]
用户处于k级时间紧迫性等级的的概率为:k=1,2,3,4,5;
[0063]
并且对于一天内时间段,分为高峰期和普通期,并给出不同的相应的参考系数。对于高峰期,所有系数都较普通系数高10%。
[0064]
(2)需电量及移动充电桩所需移动距离
[0065]
根据过去约车充电的app中采集过去用户的需电量及移动充电桩所需移动距离的
大量数据,分别通过matlab软件进行拟合,得到需电量的概率密度函数f2(e),及移动充电桩所需移动距离的概率密度函数f3(l)。
[0066]
(3)移动充电桩评定用户的综合得分i
[0067]
i=p
t
e
×
m
[0068]
根据上述分析,已知p
t
、e概率密度函数,两种因素相互独立并且共同线性组成移动充电桩的综合得i。根据实际拟合出f1(p
t
)、f2(e)结合数学方法最终化简出的i的概率密度函数是关于i的函数f
i
(i)。
[0069][0070]
s4、获取合适的p
t
区间,计算最佳p
t
;转至步骤s5;
[0071]
步骤s4具体包括以下步骤:
[0072]
s401、根据需要充电的紧迫程度,确定紧迫等级,获取该等级在需要充电的时间段的p
t
范围。转步骤s402;
[0073]
s402、建立贝叶斯竞价博弈模型,计算成功或者失败获取移动电桩时的收益u(m
i
),计算期望收益。转步骤s403;
[0074]
步骤s402具体内容包括以下:
[0075]
(1)对某一新能源汽车用户a,用m1和m2来表示其竞争者i的两种类型,m1表示竞争对手为优胜者,即i
a
<i
i
;m2表示竞争对手为淘汰者,即i
a
>i
i

[0076]
(2)定义用户收益:若没有被选中,则其收益小于零,且等于其被浪费的时间成本。由于对于用户而言,下单不成功浪费的时间很短可以忽略不计。若成功获取移动充电桩,则收益为电动汽车收益减去为了时间付出的额外价值以及移动充电桩需要移动的距离带来的成本。
[0077][0078]
(3)可观察到的信号集合t包含为了时间而愿意多付出的那部分价值,所需充电量,移动距离以及竞争者对时效性要求的分布情况f(x):
[0079]
t={p
t
,e,l,f(x)}
[0080]
(4)对于仅有2名用户参与竞争的情况下,与竞争对手i对比下,方案价值存在两种可能的情况,i
a
>i
i
或i
a
<i
i
(由于二者相等的概率及其微小不做讨论)。竞争者通过t
a
来衡量自身在竞争者中的水平,并在信号t
a
下计算竞争者a是获胜者的概率如下:
[0081]
p(m2|t
a
)=p(i
a
>i
i
|t
a
)
[0082]
令因此:
[0083]
p(m2|t
a
)=α
[0084]
假设有m人参与本次竞争,每位竞争者的时间紧迫性、所需电量、移动充电桩的移动距离均相互独立,因此认为两两竞争者之间获胜或失败的概率也是相互独立。那么对于竞争者a,能够成功获取移动充电桩的概率p(m2|t
a
)
*
为:
[0085]
p(m2|t
a
)
*
=p(m2|t
a
)
m
‑1=α
m
‑1[0086]
类似地,竞争者a失败获取移动充电桩的概率p(m1|t
i
)
*
为:
[0087]
p(m1|t
a
)
*
=1

p(m2|t
a
)
m
‑1=1

α
m
‑1[0088]
(5)对某一充电汽车竞争者的期望收益f为:
[0089]
f=u(m1)*p(m1|t
a
)
*
u(m2)*p(m2|t
a
)
*
[0090]
=0 (e*δ q
k

p
t

l*g)*α
m
‑1[0091]
s403、计算用户获取期望收益f最高时的最佳p
t
。计算出本次用户的出价。
[0092]
转至步骤s5;
[0093]
步骤s403具体内容包括以下:
[0094]
(1)对某一充电汽车竞争者的期望收益f为:
[0095]
f=(e*δ q
k

p
t

l*g)*α
m
‑1[0096]
模型的目标函数:
[0097]
maxf
[0098]
模型的约束条件:
[0099][0100]
(2)可以通过matlab编程得到当f
max
时的最佳p
t
,最后再计算用户i出价:
[0101][0102]
s5、将最佳出价推荐给用户。
[0103]
以上所述,仅为本发明中的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉该技术的人在本发明所揭露的技术范围内,可理解想到的变换或替换,都应涵盖在本发明的包含范围之内,因此,本发明的保护范围应该以权利要求书的保护范围为准。
[0104]
以上显示和描述了本发明的基本原理、主要特征和优点。本领域的技术人员应该了解,本发明不受上述具体实施例的限制,上述具体实施例和说明书中的描述只是为了进一步说明本发明的原理,在不脱离本发明精神范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护的范围由权利要求书及其等效物界定。

技术特征:
1.一种基于多iev竞价的移动充电桩调度方法,其特征在于,包括如下步骤,步骤s1、新能源汽车向平台提交对最近的移动充电桩汽车的订单,订单信息包含该新能源汽车的位置以及所需充电量,在移动充电桩竞价规则下展开竞争;步骤s2、该空闲移动充电桩汽车的可提交订单时间截止,所有参与竞争的新能源汽车均可以看见竞争者人数m;步骤s3、根据收集的市场信息,对比时间紧迫度分布,判断自身时间急迫度等级,获取合适的p
t
区间,计算该用户成功/失败获取移动充电桩时的收益u(m
i
),根据p
t
区间和收益u(m
i
)获取期望收益f最高时的最佳p
t
,输出用户i的最佳出价。2.根据权利要求1所述的一种基于多iev竞价的移动充电桩调度方法,其特征在于,所述步骤s1中,新能源汽车根据定位系统获取最近的移动充电桩所需移动的距离,并将距离与所需充电量作为订单信息提交。3.根据权利要求1所述的一种基于多iev竞价的移动充电桩调度方法,其特征在于,所述步骤s1中,所述移动充电桩竞价规则具体为:新能源汽车的出价v
i
为其中,e
i
是用户i所需充电量,l
i
为移动充电桩所需移动的距离,p
ti
是用户i为了时间愿意额外付出的价值;δ是移动充电桩愿意接单的最低单位电量报价,为移动充电桩所需移动的距离和时间成本,其中,g为移动充电桩移动所需的每千米成本价格,s为移动充电桩移动所需的每千米单位时间成本,v为移动充电桩的平均移动速度;则移动充电桩公司接受新能源汽车用户i的订单获得的利润w
i
为w
i
=p
ti
e
i
×
m,其中,用m为每度电带来的利润,移动充电桩公司对新能源汽车用户i的综合评分i
i
为i
i
=w
i
。4.根据权利要求1所述的一种基于多iev竞价的移动充电桩调度方法,其特征在于,所述步骤s3中,当竞争人数m为1,则p
t
=0,当竞争人数m不为1,则收集市场信息。5.根据权利要求1所述的一种基于多iev竞价的移动充电桩调度方法,其特征在于,所述步骤s3中,根据中心极限定理p
t
服从一个数学期望为μ1、方差为σ
12
的正态分布,即p
t
~n(μ1,σ
12
),其概率密度函数为基于此将充电汽车的紧迫性依据用户愿意额外付出的价值(x0,x1]、(x1,x2]、(x2,x3]、(x3,x4]、(x4,x5]∪(x5, ∞)分为5个等级;满足:其中,被选中节省的时间成本为q
i
=110%x
i
,即q~n(110%μ1,(110%σ1)2)符合正态分布,对应概率密度函数为f4(q);
则,用户处于k级时间紧迫性等级的的概率为:k=1,2,3,4,5;通过matlab软件对过去市场数据进行拟合,获取所需电量的概率密度函数f2(e),及移动充电桩所需移动距离的概率密度函数f3(l);移动充电桩评定用户的综合得分i为i=p
t
e
×
m;根据拟合出的f1(p
t
)、f2(e)化简出的i的概率密度函数f
i
(i)为6.根据权利要求1所述的一种基于多iev竞价的移动充电桩调度方法,其特征在于,所述步骤s3中,根据需要充电的紧迫程度,确定紧迫等级,获取该等级在需要充电的时间段的p
t
范围;建立贝叶斯竞价博弈模型,计算成功或者失败获取移动电桩时的收益u(m
i
),计算期望收益;计算用户获取期望收益f最高时的最佳p
t
。计算出本次用户的出价。7.根据权利要求6所述的一种基于多iev竞价的移动充电桩调度方法,其特征在于,所述建立贝叶斯竞价博弈模型,计算成功或者失败获取移动电桩时的收益u(m
i
),计算期望收益的具体方法为:对于新能源汽车用户a,用m1和m2表示其竞争者i的两种类型,m1表示竞争对手为优胜者,即i
a
<i
i
;m2表示竞争对手为淘汰者,即i
a
>i
i
;若用户未被选中,则不计成本,若用户成功获取移动充电桩,则收益为电动汽车收益减去为了时间付出的额外价值以及移动充电桩需要移动的距离带来的成本,即,信号集合t包含为了时间而愿意多付出的那部分价值,所需充电量,移动距离以及竞争者对时效性要求的分布情况f(x):t={p
t
,e,l,f(x)};若仅有2名用户参与竞争,与竞争对手i对比下,竞争者通过t
a
来衡量自身在竞争者中的水平,并在信号t
a
下计算竞争者a是获胜者的概率为p(m2|t
a
)=p(i
a
>i
i
|t
a
);令则p(m2|t
a
)=α;若有m人参与本次竞争,对于竞争者a,能够成功获取移动充电桩的概率p(m2|t
a
)
*
为p(m2|t
a
)*=p(m2|t
a
)
m
‑1=α
m
‑1,竞争者a失败获取移动充电桩的概率p(m1|t
i
)
*
为p(m1|t
a
)
*
=1

p(m2|t
a
)
m
‑1=1

α
m
‑1;则对竞争者的期望收益f为f=u(m1)*p(m1|t
a
)
*
u(m2)*p(m2|t
a
)
*
=0 (e*δ q
k

p
t

l*g)*α
m
‑1。8.根据权利要求6所述的一种基于多iev竞价的移动充电桩调度方法,其特征在于,所述期望收益f为f=(e*δ q
k

p
t

l*g)*α
m
‑1,模型的目标函数为maxf,模型的约束条件为获取当f
max
时的最佳p
t
,最后再计算用户i出价为
技术总结
一种基于多IEV竞价的移动充电桩调度方法,具体为,新能源汽车向平台提交对最近的移动充电桩汽车的订单,在移动充电桩竞价规则下展开竞争;该空闲移动充电桩汽车的可提交订单时间截止,所有参与竞争的新能源汽车均可以看见竞争者人数m;根据收集的市场信息,对比时间紧迫度分布,判断自身时间急迫度等级,获取合适的区间,计算该用户成功/失败获取移动充电桩时的收益,根据区间和收益获取期望收益最高时的最佳,输出用户i的最佳出价。该方法建立在贝叶斯博弈基础上,利用用户的时间紧迫性等级以及,计算成功或者失败获取移动电桩时的收益,遍历所有可能的计算对应的期望收益,最后得出期望收益最高时所对应的并计算最终的出价推荐给用户。户。户。


技术研发人员:胡新悦 刘林峰 吴家皋
受保护的技术使用者:南京邮电大学
技术研发日:2021.03.26
技术公布日:2021/6/29

转载请注明原文地址:https://doc.8miu.com/read-324.html

最新回复(0)