电动汽车充电的动态定价

动态定价是解决智能充电挑战的有力策略，因为传统的时段用电（ToU）费率和 stationary 定价（SP）无法动态响应运营条件的变化，导致充电站（CS）供应商收益下降并影响电网稳定性。以往研究仅评估单一目标或目标的线性组合，用于 EV CS 定价解决方案，简化了目标之间及偏好之间的权衡。我们通过高效处理多个相互冲突的目标，构建了动态定价问题的新型表述，而非仅聚焦于单一目标或指标。我们使用非支配排序遗传算法（NSGA II 和 NSGA III）高效求解最优权衡或帕累托解。动态定价模型量化了需求与价格之间的关系，同时解决多个相互冲突的目标，如收益、服务质量（QoS）和峰谷比（PAR）。单一方法无法全面覆盖动态定价的所有方面。我们提出了三部分动态定价方法，结合贝叶斯模型、多目标优化和基于伪权重向量的多准则决策（MCDM）。为弥补 CS 定价研究的空白，我们的方法同时以收益、QoS 和 PAR 指标选择解决方案。两座加州充电站的真实数据验证了我们的方法。