[论文解读] Competitive Charging Station Pricing for Plug-in Electric Vehicles

Wei Yuan, Jianwei Huang+1 more|arXiv (Cornell University)|Nov 24, 2015

Electric Vehicles and Infrastructure参考文献 33被引用 15

一句话总结

本文提出了一种多领导者-多追随者Stackelberg博弈模型，用于研究在一维网络中两个充电站的竞争力定价与插电式电动汽车（PEV）站选择问题。该模型在服务容量异质和位置非对称的条件下刻画了唯一的子博弈完美均衡，表明具有位置优势的充电站可收取更高价格，并提出了一种低复杂度、收敛的算法（DSSA），无需显式协调即可计算均衡。

ABSTRACT

This paper considers the problem of charging station pricing and plug-in electric vehicles (PEVs) station selection. When a PEV needs to be charged, it selects a charging station by considering the charging prices, waiting times, and travel distances. Each charging station optimizes its charging price based on the prediction of the PEVs' charging station selection decisions and the other station's pricing decision, in order to maximize its profit. To obtain insights of such a highly coupled system, we consider a one-dimensional system with two competing charging stations and Poisson arriving PEVs. We propose a multi-leader-multi-follower Stackelberg game model, in which the charging stations (leaders) announce their charging prices in Stage I, and the PEVs (followers) make their charging station selections in Stage II. We show that there always exists a unique charging station selection equilibrium in Stage II, and such equilibrium depends on the charging stations' service capacities and the price difference between them. We then characterize the sufficient conditions for the existence and uniqueness of the pricing equilibrium in Stage I. We also develop a low complexity algorithm that efficiently computes the pricing equilibrium and the subgame perfect equilibrium of the two-stage Stackelberg game.

研究动机与目标

• 建立竞争充电站与PEV之间在动态、竞争性充电市场中的战略互动模型。
• 理解PEV如何基于价格、行驶距离和预期等待时间选择充电站。
• 刻画在两站一维系统中唯一定价均衡存在的条件。
• 开发一种高效、去中心化的算法，用于计算定价与选择均衡。

提出的方法

• 构建两阶段Stackelberg博弈：充电站（领导者）在第一阶段设定价格，PEV（追随者）在第二阶段选择充电站。
• 将PEV选择建模为价格差、行驶距离和服务容量的函数，通过排队动态捕捉等待时间。
• 证明在任意固定价格下，PEV选择均衡存在且唯一，并识别出五种可能的均衡类型。
• 利用最优响应函数和价格偏移分析，推导出定价均衡存在与唯一的充分条件。
• 提出去中心化站选择算法（DSSA），通过基于最优响应的迭代价格更新，收敛至纳什均衡。
• 采用数值仿真验证不同情景下（如MID-MID、HIGH-LOW、FULL-FULL）的均衡行为与算法收敛性。

实验结果

研究问题

• RQ1 当PEV在考虑价格、距离和等待时间时，如何最优地在竞争充电站之间进行选择？
• RQ2 充电站应如何设定价格以最大化利润，同时预见到竞争对手的定价及其导致的PEV选择行为？
• RQ3 在竞争性两站充电市场中，唯一定价均衡存在的条件是什么？
• RQ4 车站的位置和服务容量如何影响其均衡定价与市场份额？

主要发现

• 对于任意固定价格，总存在唯一的PEV站选择均衡，其类型取决于价格与容量差异，共五种可能类型。
• 即使容量较低，具有优越位置（更接近PEV分布中心）的充电站也能维持高于对手的均衡价格。
• 在容量差异较大的情景中（如μ₁=9，μ₂=2），高容量车站即使在价格差异较大的情况下仍能吸引PEV，其选择概率保持在0.2以上。
• DSSA算法在所有测试情景下均于25次迭代内收敛至定价均衡，表现出低计算复杂度。
• 两站的最优响应曲线均为递增，其交点唯一确定纳什均衡，且均衡位置随车站位置与容量变化而移动。