基于平均场博弈的电动汽车计算卸载及能源管理联合策略.pdfVIP

第 47 卷 第 7 期 2023 年 4 月 10 日 Vol . 47 No . 7 Apr . 10 ，2023 DOI ： 10. 7500/AEPS20220614010 基于平均场博弈的电动汽车计算卸载及能源管理联合策略 1 1 1 1 2 胡 蕾 ，张玉艳 ，张碧玲 ，刘家华 ，贾东强 （1. 北京邮电大学网络教育学院，北京市100876 ；2 . 国网北京市电力公司，北京市 100031 ） 摘要 ：在能源互联网中，电动汽车(EV) 不仅是一种能够参与能源需求响应的分布式移动能源节 点，也是一种能够执行计算任务并通过无线传输将部分任务卸载给移动边缘计算(MEC) 中心的计 算节点。由于计算耗能不可忽略，文中从优化成本的角度考虑具有计算需求及能源需求的大规模 EV 的计算卸载及能源管理问题。考虑到EV 的传输速率和充放电功率等策略受其他EV 策略的影 响，将EV 的决策过程建模为平均场博弈(MFG )模型。首先，定义并计算MEC 计算价格、传输干扰 和瞬时电价等平均场项；然后,通过求解HJB-FPK 方程组得到基于MFG 的最优计算卸载及能源管 理策略。算例分析结果表明了所提策略不仅具有最优的经济效益，而且在维护电网稳定运行方面 具有明显的优越性。 关键词 ：电动汽车；能源管理；电力调度；计算卸载；平均场博弈；成本优化 0 引言 调度多主体博弈模型，实现EV 用户、聚合商和配电 网运营商三者之间经济效益最优。文献［6 ］提出了 近年来，电动汽车（electric vehicle ，EV ）数量飞 一种价格与激励联合DR 下EV 充放电调度策略，实 速增长。因其良好的负荷可调控特性，EV 在参与 现聚合商和EV 的成本优化。考虑到实际应用中 电能交易、实现电力系统调节中扮演着越来越重要 ［1 ］ EV 的数量可能非常庞大，文献［7 ］使用平均场博弈 的角色 。另一方面，自动驾驶、车辆健康监测等计 （mean field game ，MFG ）优化大量插电式混合动力 算密集型车载应用不断出现，在提升EV 用车体验 汽车间的电池-汽油能源管理策略，最小化其能源成 的同时，其计算耗能也对EV 的用能提出了挑战。 本。然而，上述研究忽略了EV 车载应用的计算耗 此时，将车载计算任务通过5G 网络卸载到附近的 能。计算密集型应用的增多导致EV 能耗需求增 移动边缘计算（mobile edge computing ，MEC ）中心 ［8 ］ 大 。据估计，未来主流车载计算产品功耗至少在 是解决EV 能源不足或计算资源不足的有效途径。 3 TOPS/W 以上（1 TOPS 代表处理器每秒可进 实际上，EV 的电网交易和计算卸载策略主要 行 1012 次操作），例如，L 5 级别的自动驾驶需要约 取决于电能成本、计算成本和传输成本。尤其是需 ［9-10 ］