动态电动汽车充电中嵌套风险度量的实用性

我们考虑电动汽车(EV)充电站管理者面临的顺序决策问题，其目标是在满足客户充电需求的同时最小化成本。由于将电动汽车充电至满电所需总时间通常小于客户离开的时间，在某些预留窗口内存在利用电力现货价格变动的机会。我们将该问题表述为有限时域马尔可夫决策过程(MDP)，并通过在由期望值与条件风险价值(CVaR)的凸组合构造的动态风险度量下进行优化，考虑风险厌恶目标函数。学界已认识到风险厌恶MDP的目标函数缺乏实际解释。因此，在学术与工业实践中，动态风险度量目标往往不是主要关注点；相反，风险厌恶MDP被用作求解具有预定义“实际”风险与奖励目标（称为基础模型）问题的计算工具。本文中，我们研究在电动汽车场景下该框架两端在多大程度上彼此兼容——粗略地说，“更风险厌恶”的MDP是否也在实际意义上提供更低风险？为回答此类问题，我们分析了动态风险厌恶程度对最优MDP策略的影响。基于这些结果，我们还提出了一种原则性近似方法，用于寻找一个风险厌恶MDP的实例，其最优策略在基础模型的实际目标下表现良好。数值实验表明，若采用动态充电并容忍少量风险，电动汽车充电站可在显著更高的盈利水平上运营。