具有异构用户行为的电动汽车充电随机动态定价：Stackelberg 博弈框架
计算机科学与博弈论
2026-01-21 v1
摘要
电动汽车 (EVs) 的快速普及给充电站运营商 (CSOs) 带来了复杂的时空需求管理挑战，而需求不平衡、行为异构性与系统不确定性进一步加剧了这些挑战。传统的动态定价模型通常依赖确定性的 EV-CS 配对与网络均衡假设，往往过度简化用户行为且缺乏可扩展性。本研究提出了一个随机的、行为异构的动态定价框架，将其表述为双层 Stackelberg 博弈。上层优化时变定价以最大化系统整体效用，下层通过多项 Logit (MNL) 选择模型对分散的 EV 用户进行建模，该模型纳入了价格敏感度、电池老化、风险态度与网络出行成本。关键在于，该模型避免了网络均衡约束以增强可扩展性，其中拥堵效应通过排队论近似来表示。为了高效求解由此产生的大规模优化问题，实现了一种结合动态概率敏感性分析引导的交叉熵法 (PSA-CEM) 与连续平均法 (MSA) 的滚动时域方法。在墨尔本 Clayton 的一个包含 22 个充电站的真实案例研究验证了该框架。仿真结果表明，与固定定价和分时定价相比，所提机制显著降低了排队惩罚并提高了用户效用。该框架为战略性 EV 充电管理提供了一个鲁棒、可扩展的工具，在真实性与计算效率之间取得了平衡。
引用
@article{arxiv.2601.13571,
title = {Stochastic Dynamic Pricing of Electric Vehicle Charging with Heterogeneous User Behavior: A Stackelberg Game Framework},
author = {Yongqi Zhang and Dong Ngoduy and Li Duan and Mingchang Zhu and Zhuo Chen},
journal= {arXiv preprint arXiv:2601.13571},
year = {2026}
}