陳櫻綺, 李華強，陳纓，林照航

(1.智能電網(wǎng)四川省重點實驗室(四川大學), 成都市 610065；2.國網(wǎng)四川綜合能源服務(wù)有限公司，成都市 610021)

0 引 言

隨著電動汽車(electric vehicle，EV)的規(guī)?；l(fā)展，耗電量可觀的EV負荷逐漸成為智能電網(wǎng)的重要組成部分[1]。作為電網(wǎng)與用戶之間的服務(wù)媒介，電動汽車聚合商(electric vehicle aggregator，EVA)向用戶提供EV充放電代理服務(wù)并通過負荷聚合控制的方式參與電力市場交易，承載充放電服務(wù)者及負荷聚合調(diào)度者的雙重角色[2]。在EVA以充放電服務(wù)為手段進行精準化有序調(diào)控的過程中，用戶意愿將通過服務(wù)響應渠道最終影響EV負荷引導效果。因此，多維度分析用戶充電需求、設(shè)計考慮用戶意愿的服務(wù)模式，是EVA服務(wù)策略研究的關(guān)鍵[3]。

目前已有一些EVA分層分區(qū)協(xié)調(diào)調(diào)度方法[4-6]及電力市場交易策略[7-8]相關(guān)研究，為EVA運營策略及服務(wù)模式研究打下了重要基礎(chǔ)。已有EVA服務(wù)模式研究主要從用戶服務(wù)機制設(shè)計入手，通過價格或激勵引導用戶有序入網(wǎng)。文獻[9]設(shè)計了一種用戶主動響應電動汽車與電網(wǎng)互動 (vehicle-to-grid，V2G)反向供電并自主進行供電價格競標的充放電控制方法，通過合理設(shè)計服務(wù)模式激發(fā)用戶主動調(diào)節(jié)能力；文獻[10]設(shè)計了用戶僅需要做出一次性選擇決定的半自主在線服務(wù)模式，通過智能充電終端依據(jù)電價自動制定充放電計劃，解決了用戶自主調(diào)控便捷性不高的問題；文獻[11]設(shè)計了兼顧備用服務(wù)需求與用戶出行需求的充放電合約機制，對簽約用戶依據(jù)備用能力給予電價折扣。

上述服務(wù)模式研究皆基于EV用戶時移靈活性，尚未從用戶入網(wǎng)規(guī)律性角度考慮。用戶時移靈活性，是指此EV用戶在不影響用車便利性條件下靈活選擇低電價時段入網(wǎng)的能力；用戶入網(wǎng)規(guī)律性，是指此EV用戶入網(wǎng)行為發(fā)生在某固定時段，入網(wǎng)行為可預測且有規(guī)律可循。目前考慮用戶入網(wǎng)規(guī)律性的研究很少，文獻[12]中綜合考慮充電站內(nèi)電動汽車有序充電和用戶自主選擇響應情況，提出了電動汽車分時預約充電方法，但研究僅側(cè)重于充電設(shè)施及物理系統(tǒng)。

基于目前服務(wù)模式設(shè)計尚不成熟的現(xiàn)狀，本文綜合考慮用戶時移靈活性和入網(wǎng)規(guī)律性兩個維度，提出“預約/隨需”服務(wù)模式。在加強靈活性引導的同時，通過“預約”加強用戶入網(wǎng)規(guī)律性、減小負荷不確定性，使EVA負荷調(diào)控更加精準。此服務(wù)模式下，用戶通過對“預約”、“隨需”服務(wù)選擇來影響EVA運營。在用戶服務(wù)選擇研究方面，效用理論[13]常被用來評估用戶需求被滿足的程度，可以綜合多類影響因素描述用戶消費心理；離散選擇模型[14](discrete choice model, DCM)采用概率方法描述用戶選擇結(jié)果，常用來分析用戶服務(wù)選擇對運營策略的影響。本文采用基于效用理論的DCM模型模擬用戶“預約/隨需”服務(wù)選擇情況，分析EVA引導用戶服務(wù)選擇的途徑。

本文主要研究“預約/隨需”模式下EVA服務(wù)策略。首先，分析“預約/隨需”服務(wù)模式特點并梳理服務(wù)流程；其次立足用戶視角，從經(jīng)濟影響和便利影響兩方面入手構(gòu)建最優(yōu)購買策略下的用戶效用量化方法；然后立足EVA視角，分析模擬不同價格下用戶服務(wù)選擇情況，進而通過主從博弈模擬優(yōu)化定價，尋求用戶效用與EVA收益的均衡點；最后，通過算例證明本文所提“預約/隨需”服務(wù)模式下能達到用戶側(cè)潛力充分挖掘、EVA側(cè)電力市場購買成本減少的供需兩側(cè)“雙贏”效果。

1 “預約/隨需”充放電服務(wù)模式

“預約/隨需”充放電服務(wù)模式下，EVA提供“預約”、“隨需”兩種服務(wù)方式，用戶依據(jù)自身充放電需求進行選擇：“隨需”服務(wù)適合對充電便利性要求較高的用戶，一旦有充電需求即可隨時入網(wǎng)充電；“預約”服務(wù)下用戶需要提前預約充電時間，但價格相對較低，適合充電行為較為規(guī)律的用戶。兩種服務(wù)方式的異同點如表1所示。

表1 “隨需”服務(wù)與“預約”服務(wù)的比較Table 1 Comparison of on-demand service and reservation service

“預約/隨需”充放電服務(wù)的業(yè)務(wù)流程主要分為服務(wù)需求庫建立、服務(wù)策略制定、服務(wù)響應和實際執(zhí)行四步，如圖1所示。

圖1 “預約/隨需”服務(wù)模式示意圖Fig.1 Schematic diagram of “reservation/on-demand” service mode

在上述服務(wù)流程中，EVA與用戶之間通過服務(wù)價格及服務(wù)選擇情況相互影響，如圖2所示。本文通過用戶側(cè)服務(wù)效用分析及EVA價格引導分析，研究評估“預約/隨需”服務(wù)模式的效果。

圖2 EVA與用戶的關(guān)系Fig.2 The relationship between EVA and users

2 服務(wù)購買策略及用戶效用分析

從用戶需求、購買策略及服務(wù)效用3個層面，描述用戶充放電服務(wù)消費心理：在“預約”服務(wù)的價格目錄及“隨需”服務(wù)的參考價格目錄下，用戶希望EVA能針對其實際充放電需求，以服務(wù)效用最大化為目標為其制定最佳購買策略：

(1)

式中：Si為用戶i的購買策略；Vi為用戶i的充放電服務(wù)效用；Ei為用戶i的實際充放電需求，包含配置參數(shù)、時間邊界、電量邊界及功率邊界[2]、用戶主觀偏好等基礎(chǔ)參數(shù)；λp(t)表示“預約”服務(wù)的價格目錄；λs(t)表示“隨需”服務(wù)的參考價格目錄；下標p和s分別表示“預約”服務(wù)和“隨需”服務(wù)。

2.1 用戶效用

效用理論通常被用來描述用戶對服務(wù)的滿意程度，進而分析用戶偏好和決策傾向，已有一些研究采用效用模型進行電力套餐選擇分析[13,15-16]。考慮到充放電服務(wù)的經(jīng)濟性及便利性兩方面都將影響用戶使用感受，本文提出基于綜合效用的“預約/隨需”模型下用戶需求滿足程度量化方法。計及表述心理狀態(tài)、需求觀測誤差的效用隨機項ηi，本文構(gòu)建用戶i的充放電服務(wù)效用函數(shù)Vi如下：

Vi=ωiVi,1+(1-ωi)Vi,2+ηi，ωi∈[0,1]

(2)

式中：ωi為用戶i的經(jīng)濟偏好程度系數(shù)；Vi,1、Vi,2分別表示經(jīng)濟性和便利性對用戶i的總效用的影響，下標1、2分別表示經(jīng)濟性影響、便利性影響。

1)經(jīng)濟影響Vi,1。

考慮到“預約”服務(wù)價格較低，本文以“隨需”服務(wù)的充放電成本為基準，以對比形式分析經(jīng)濟影響。將“隨需”服務(wù)下的充電成本作為基礎(chǔ)經(jīng)濟效益，“預約”服務(wù)充放電成本節(jié)約量描述了其為用戶節(jié)約充放電成本的能力。用戶效用的經(jīng)濟影響部分如下[13,17]：

(3)

2)便利影響Vi,2。

“隨需”服務(wù)下用戶入網(wǎng)時間不受限制，但“預約”服務(wù)要求提前約定入網(wǎng)時段，用戶便利性受到影響。本文提出一種以在網(wǎng)概率對比來量化便利影響的方法：“隨需”服務(wù)下t時段EV正在入網(wǎng)充放電的概率表征最便利情況下的用戶充放電需求，將其與“預約”服務(wù)下用戶i的在網(wǎng)狀態(tài)對比，構(gòu)建用戶充放電便利影響的量化方法如下：

(4)

在“隨需”服務(wù)下，用戶充放電行為具有入網(wǎng)時段不確定性和入網(wǎng)時長不確定性，用戶入網(wǎng)行為以概率分布的形式發(fā)生在其習慣性入網(wǎng)時段的前后?；谖墨I[18-19]中EV負荷預測的高斯分布模型得到每時段入網(wǎng)概率分布υi(·)和入網(wǎng)時長概率分布σi(·)，本文依據(jù)全概率定理，構(gòu)建t時段用戶i正在入網(wǎng)充放電的概率fi(t)：

(5)

式中：tin、Tin分別為入網(wǎng)時段、已入網(wǎng)時長；T為周期長度；Tin,max為最大入網(wǎng)時長；υi(·)及σi(·)采用文獻[18]中模型。

2.2 服務(wù)購買策略

充放電成本決定用戶側(cè)的經(jīng)濟效用，服務(wù)方式的選擇決定用戶側(cè)便利效用。以用戶綜合效用最大化為目標，制定用戶i的服務(wù)購買策略Si：

(6)

EV優(yōu)化調(diào)度研究中多以充放電方式分類[20-21]，同時EV服務(wù)購買策略也因充放電方式不同而有所差異，因此本文也遵循這一分類原則對不同用戶服務(wù)策略分類說明。

1)快充類用戶服務(wù)購買策略。

快充類用戶入網(wǎng)后必須以最大功率充電才能在離網(wǎng)前達到用戶電量要求。此類用戶在某一固定時段有低靈活性、高規(guī)律性的充電需求時可通過“預約”服務(wù)降低成本。

快充類用戶期望成本為兩類服務(wù)中成本最小者：

(7)

(8)

2)代管類用戶服務(wù)購買策略。

代管類用戶入網(wǎng)時間相對較為充裕，在入網(wǎng)時段內(nèi)委托EVA進行充電代理，選擇低電價時段充電。用戶入網(wǎng)時段整體在隨需入網(wǎng)方式下價格較高時參與“預約”服務(wù)將降低充放電成本[10]。

代管類用戶服務(wù)購買策略與快充類用戶相似，將約束條件用式(9)替換即可[6]：

(9)

3)V2G類用戶服務(wù)購買策略。

V2G類用戶與代管類用戶一樣委托EVA代理入網(wǎng)，但允許向電網(wǎng)放電并以饋電方式降低自身充放電費用[22]?？紤]到此類用戶充放電調(diào)節(jié)潛力較高，本文設(shè)計了一種“預約快充+隨需V2G調(diào)節(jié)”的充放電方案：用戶可以預約部分時段的快速充電，以便實際執(zhí)行時在其他入網(wǎng)時段跟隨“隨需”服務(wù)價格引導靈活進行電量調(diào)整和放電。

V2G用戶服務(wù)策略制定時同樣比較兩種服務(wù)方式下的最小用戶成本以確定充放電策略，如式(10)所示，式(11)為約束條件。

(10)

(11)

3 EVA價格引導方法

“預約/隨需”服務(wù)模式流程中，用戶服務(wù)響應發(fā)生在EVA價格公布之后，因而EVA在價格制定時就需要考慮用戶選擇行為的影響?，F(xiàn)有基于主從博弈的價格引導方法研究中，用戶側(cè)僅考慮成本最小化，缺乏對用戶綜合效用及參與意愿的考量[4,23-24]?；诖?，本文提出基于用戶效用與用戶選擇的主從博弈模型進行定價分析。

3.1 用戶選擇行為

以用戶效用模型構(gòu)建為基礎(chǔ)，采用基于效用最大化理論的DCM模型對用戶在“預約”服務(wù)與“隨需”服務(wù)之間的選擇行為進行模擬。在DCM應用最廣泛的MNL(multinominal logit)模型下，用戶選擇行為概率如式(12)所示，其推導過程如附錄A所述[17,25]。

(12)

式中：κ(Ii=p)為用戶i選擇“預約”服務(wù)的概率；h(ιi)為隨機效用ιi的密度函數(shù)，若其遵循獨立Gumble分布(第一類極值分布)，則用戶i選擇“預約”服務(wù)(即Ii=p)的概率為：

(13)

式中：β為表示隨機項因素的比例參數(shù)，其值可通過對用戶需求的市場調(diào)研和回歸分析確定。β表征了概率函數(shù)κ(Ii=p)分布的確定性大小，其值越大，概率函數(shù)越接近于確定性分布；反之，則越接近于均勻分布。

3.2 基于主從博弈的EVA價格引導

EVA通過充放電價格實現(xiàn)對用戶充放電行為的有序化引導，此過程是通過用戶-EVA雙方追求各自利益最大化的主從博弈過程實現(xiàn)的，通過尋找利益均衡點確定最優(yōu)定價[23]。

主從博弈中的上層引導者是EVA。用戶時移靈活性引導方面，傳統(tǒng)價格引導方法研究中，主要采用24 h周期內(nèi)多時段定價的價格差異化(price difference)方法，來引導用戶將自身需求平移到低電價時段[26-27]。此時上層函數(shù)中的自變量為：

Θ=[λ(t1),λ(t1),…,λ(tT)]

(14)

式中：Θ為上層函數(shù)的自變量矩陣。

本文拓展考慮用戶入網(wǎng)規(guī)律性引導，為“預約”服務(wù)、“隨需”服務(wù)用戶制定不同的價格，以價格歧視(price discrimination)方法吸引用戶提前確定充放電時段，規(guī)律化自身入網(wǎng)行為。此時上層EVA定價函數(shù)自變量表述為：

Θ=[λs;λp]=[λs(t1),λs(t2),…,λs(tT);
λp(t1),λp(t2),…,λp(tT)]

(15)

綜上，統(tǒng)籌考慮服務(wù)參與概率以及電力市場價格，以EVA自身凈收益Meva最大化為目標，制定差異化價格。凈收益Meva由服務(wù)收益Muser、預估日前市場購電成本Mmarket,s及中長期購電成本Mmarket,p構(gòu)成[10,27]：

maxMeva=Muser-Mmarket,s-Mmarket,p

(16)

(17)

(18)

(19)

式中：λmarket,s(t)、λmarket,p(t)分別是短期電力市場交易價格、中長期電力市場交易價格；χ是EVA為“隨需”服務(wù)(Ii=s)用戶負荷在中長期市場購電的比例。

下層模型中，用戶作為主從博弈中的被引導者，根據(jù)價格調(diào)整購買行為并以服務(wù)總效用Vi最大化為目標確定購買策略，式(20)與式(21)等價：

maxVi

(20)

(21)

式中：Vi,p、Vi,s分別表示用戶i選擇“預約”服務(wù)、“隨需”服務(wù)時的綜合效用；H[·]表示與括號內(nèi)變量相關(guān)的函數(shù)表達式。

用戶入網(wǎng)規(guī)律性的價格引導，體現(xiàn)在部分EV用戶會依據(jù)自身綜合效益最大化的目標，選擇犧牲部分便利性來獲得更高的綜合效用，從而強化了入網(wǎng)規(guī)律性。式(21)中，用戶根據(jù)綜合效益的大小決定是否規(guī)律入網(wǎng)：min(Vi,p,Vi,s)。

約束方面，除了2.2節(jié)中所述的功率約束外還有附錄B所述的保有電量約束及充放電深度約束。

4 算例分析

4.1 參數(shù)設(shè)計及場景設(shè)置

本文以500個EV用戶為例，在Matlab中采用YALMIP工具箱調(diào)用CPLEX，在T=24 h、Δt=15min條件下，進行“預約/隨需”充放電服務(wù)模式仿真分析，參數(shù)詳見附錄C。在電力市場交易方面，由于本文重點關(guān)注EVA在用戶側(cè)的服務(wù)方式，暫未深入考慮其在上層電力市場側(cè)與其他參與者之間的競價策略，因此假設(shè)EVA作為價格接受者參與電力市場[7,28]；根據(jù)“預約”服務(wù)合約要求，用戶需要提前確定入網(wǎng)行為并嚴格遵守，因此“預約”服務(wù)用戶負荷電量可全部從中長期市場購買；遵循大宗電量交易盡量以合約形式提前確定的原則，本文暫設(shè)“隨需”服務(wù)用戶以其提交需求的90%負荷量從中長期市場購買，同時考慮到用戶入網(wǎng)行為的不確定性，剩余10%從日前市場購買[29-30]。中長期市場分時電價及預測日前市場24 h電價如圖3所示[31]。

本文設(shè)置對比場景對“預約/隨需”服務(wù)模式效果進行分析，各場景設(shè)置如下：

場景1：服務(wù)模式為“即插即用、充滿即?！保脩舫浞烹妰r格采用分時電價。為了方便對比，設(shè)置分時電價均價與場景2相同。

場景2：為用戶提供快充服務(wù)、代管服務(wù)和V2G服務(wù)，但不提供“預約”服務(wù)，采用主從博弈方法制定統(tǒng)一服務(wù)價格。

場景3：在場景2的基礎(chǔ)上，提供“預約/隨需”服務(wù)，并為“預約”服務(wù)、“隨需”服務(wù)差異化定價。

為了對比分析本文“預約/隨需”服務(wù)模式價格引導方法的效果，采用蒙特卡洛方法對不同服務(wù)響應情況下的用戶隨機入網(wǎng)時段模擬4 000次，并在EVA凈收益中計入電力市場購電成本變化及服務(wù)收益變化。

4.2 用戶側(cè)服務(wù)效用及選擇行為分析

通過主從博弈模擬得到各場景下用戶充放電成本情況，如圖3所示，各場景下的服務(wù)價格情況如圖4所示。

圖3中，相對于場景1和場景2，場景3下用戶總費用最低；場景3在降低用戶總成本的同時，進一步減少了EVA購電成本、增加了EVA凈收益，提升了用戶-EVA的整體收益。這說明“預約/隨需”服務(wù)模式能在減少用戶充放電成本的同時，通過加強用戶引導而提高EVA凈收益。

另外，圖3中具有預約潛力的用戶在場景3下充放電成本大幅減小，同時圖4(a)中場景3“預約/隨需”最小價格曲線整體低于其他場景，這說明場景3下“預約”服務(wù)用戶的成本降幅較大，并且隨著更多用戶逐步向“預約”服務(wù)轉(zhuǎn)移，用戶總費用也將進一步降低。

圖3 不同場景下的用戶成本與EVA收益Fig.3 The cost of users and the benefit of EVA in different scenarios

圖4 各場景下定價結(jié)果Fig.4 Pricing results in various scenarios

圖4(b)為場景3價格曲線，07:00—09:00、11:00—13:00、16:00—18:00時段內(nèi)“預約”服務(wù)價格高于“隨需”服務(wù)，因為這些時段內(nèi)電力市場中長期合約價格與預測日前價格相差不大，EVA設(shè)定較高的“預約”服務(wù)價格將引導用戶盡量依據(jù)日前價格調(diào)節(jié)充放電，保證負荷調(diào)節(jié)的靈活性。

在上述定價結(jié)果下對“預約/隨需”服務(wù)模式下的用戶效用進行分析，存在“預約”服務(wù)增值效益的用戶分為兩類，如圖5(a)、圖5(b)所示。

圖5(a)所示，500個EV用戶中“預約”服務(wù)總效用較高(Vi>1)的用戶有285個，超半數(shù)用戶有“預約”服務(wù)參與意向，說明“預約/隨需”服務(wù)模式用戶接受程度較高。這部分用戶參與“預約”服務(wù)時充放電平均成本為17.32元/次，相較于“隨需”服務(wù)下20元/次的平均成本有較大降幅，說明“預約”服務(wù)因其價格優(yōu)勢對用戶有較大吸引力，可引導用戶逐步向“預約”服務(wù)轉(zhuǎn)變。

圖5 “預約”服務(wù)用戶的效用量化結(jié)果Fig.5 Quantitative results of the utility of the users of the reservation service

圖5(b)中的用戶雖能通過“預約”服務(wù)降低部分充放電成本，但其仍傾向選擇“隨需”服務(wù)(即總效用Vi<1)。這是因為此類用戶更為重視充電便利性，并且節(jié)約充放電成本帶來的經(jīng)濟效用不足以使其放棄便利性要求。

由此可見，本文所提服務(wù)模式，不僅能通過“預約”服務(wù)滿足經(jīng)濟偏好類用戶的需求，同時也為便利偏好類用戶提供“隨需”服務(wù)的選擇，滿足了用戶多樣化需求。

4.3 EVA價格引導結(jié)果分析

4.3.1 用戶時移靈活性引導效果

EVA通過多時段定價的價格差異化方法進行用戶時移靈活性引導，其效果主要表現(xiàn)在：吸引更多EV負荷移出高電價時段、移入低電價時段。

對用戶入網(wǎng)隨機性蒙特卡洛模擬結(jié)果加權(quán)綜合，得到3種場景下充放電負荷情況如圖6所示，可見3種場景下負荷量都與電價成負相關(guān)關(guān)系。但由于場景1使用分時電價，并且僅提供快充服務(wù)，因此其電價引導效果(即負荷量與電價的負相關(guān)程度)遠不如場景2和場景3。這說明更短的價格變化周期、更多樣靈活的充放電服務(wù)方式，都能進一步加強用戶時移靈活性的引導效果。

另外，相較于場景2，“預約/隨需”服務(wù)模式下的場景3中高電價時段放電量更大。這說明此模式更能充分挖掘用戶側(cè)饋電潛力，從饋電角度出發(fā)進一步加強了負荷引導效果。

圖6 各場景下用戶充放電情況Fig.6 Charging and discharging of users’ EVs in different scenarios

4.3.2 用戶入網(wǎng)規(guī)律性引導效果

EVA通過“預約”服務(wù)、“隨需”服務(wù)定價不同的價格歧視方法進行用戶入網(wǎng)規(guī)律性引導，其效果主要表現(xiàn)在：通過服務(wù)選擇區(qū)分不同規(guī)律性潛力的用戶，利用價格優(yōu)勢吸引大量規(guī)律性潛力高的用戶提前轉(zhuǎn)變?yōu)榇_定性負荷。

如圖6(c)所示，場景3模擬結(jié)果中，通過“預約”服務(wù)提前鎖定的負荷量占總負荷量的1/3，說明用戶對“預約”服務(wù)接受程度較高，完成了較大比例的用戶入網(wǎng)規(guī)律性引導。同時由于場景3中通過“預約”服務(wù)提前確定了部分用戶充放電行為，電量平衡成本也更小，如附錄D所示，進一步展現(xiàn)了用戶入網(wǎng)規(guī)律性引導的效果。

另外，在不同種類用戶的入網(wǎng)特征方面，如圖7所示，代管類用戶和V2G類用戶的預約電量占比高，規(guī)律性引導作用更好。同時結(jié)合用戶入網(wǎng)靈活性進行分析，“預約”服務(wù)下的充電負荷集中在23：00到次日07:00時段，因為此時段價格在“預約”服務(wù)價格周期內(nèi)相對較低，并且低于“隨需”服務(wù)；此時段內(nèi)入網(wǎng)規(guī)律性強的代管類、V2G類負荷占比大，說明具有電價低、價格降幅大特點的時段尤其適合規(guī)律性負荷。

圖7 “預約”服務(wù)負荷引導結(jié)果Fig.7 Load guidance result of reservation service

4.3.3 EVA購電成本分析

EVA購電成本如表2、表3所示，由于場景1未能合理引導充放電而使得其總成本遠高于其他場景；相對于場景2，場景3下中長期市場購電成本較高，但由于較好把握了用戶需求而大幅降低了日前市場購電成本，同時合理利用用戶側(cè)放電潛力，獲得了較高的售電收益，所以場景3下總購電成本最低。

表2 各場景下EVA購電成本對比(日前市場)Table 2 Comparison of purchase costs of EVA (day-ahead market) 元

表3 各場景下EVA購電總成本對比Table 3 Comparison of total purchase cost of EVA in different scenarios 元

5 結(jié) 論

本文基于EV用戶入網(wǎng)規(guī)律性、時移靈活性兩個維度的引導潛力，提出EVA“預約/隨需”充放電服務(wù)模式。通過不同服務(wù)模式下用戶-EVA效益的對比得到以下結(jié)論：

1)“預約/隨需”服務(wù)模式不僅能以不同時段價格引導的方式，鼓勵靈活性較高的EV用戶進行負荷時移，同時也能以較低的預約價格鼓勵用戶提前確定需求，在時移靈活性和入網(wǎng)規(guī)律性兩方面都有較好的引導效果，用戶接受程度高。

2)EVA在“預約/隨需”服務(wù)模式下，通過減少EV入網(wǎng)隨機性的方式提高其負荷預測精度，進而減少上層電力市場的購電成本，提升服務(wù)收益。

由此可見，本文所提出的“預約/隨需”充放電服務(wù)模式將進一步發(fā)揮用戶調(diào)節(jié)潛力。在未來的研究中，可深入考慮上層電力市場價格波動對定價策略的影響，并對用戶實時入網(wǎng)行為下的滾動電價深入研究。