一种基于差分隐私的EV电网负载平衡方法技术

本发明专利技术涉及一种基于差分隐私的EV电网负载平衡方法，包括以下步骤：获取EV用户的历史需求量和价格信息；利用PM算法对获取的历史需求量和价格信息进行差分隐私保护；根据差分隐私保护后的历史需求量和价格信息，构建电网负载约束模型；求解电网负载约束模型以获取价格调整量，通过价格调整控制EV用户的需求量，进而实现电网负载平衡。本发明专利技术通过调整各时段的电量购买价格来优化EV电网负载平衡，考虑到用户敏感信息的泄露问题，提出基于差分隐私保护算法的在线约束优化模型，在智能充电桩把EV用户信息发送给第三方机构之前，通过该模型对EV用户敏感信息进行了差分隐私保护。用户敏感信息进行了差分隐私保护。用户敏感信息进行了差分隐私保护。

【技术实现步骤摘要】
system with divisible e
‑
payment”与“Distributed routing and charging scheduling optimization for Internet of electric vehicles”中虽考虑了在线约束优化问题，但并非旨在保护隐私。

技术实现思路

[0005]本专利技术针对现有技术中的不足，提供一种基于差分隐私的EV电网负载平衡方法。
[0006]为实现上述目的，本专利技术采用以下技术方案：
[0007]一种基于差分隐私的EV电网负载平衡方法，包括以下步骤：
[0008]步骤1：获取EV用户的历史需求量和价格信息；
[0009]步骤2：利用PM(Piecewise Mechanism)算法对获取的历史需求量和价格信息进行差分隐私保护；
[0010]步骤3：根据差分隐私保护后的历史需求量和价格信息，构建电网负载约束模型；
[0011]步骤4：优化求解电网负载约束模型以获取价格调整量，通过价格调整控制EV用户的需求量，进而实现EV电网负载平衡。
[0012]进一步地，步骤2中，设σ与σ
′
分别表示PM算法的输入量与输出量且σ∈[
‑
1，1]，σ
′
＝x∈[
‑
C，C]，σ
′
的概率密度函数是Piecewise Constant公式，其表达如下：
[0013][0014]式中，ε为差分隐私的隐私预算，ε值越小表明加载给输入量的噪声越多，隐私保护也就越好，通过调整ε找到EV用户隐私保护和电网负载平衡间的最佳权衡，v＝(exp(ε)
‑
exp(0.5ε))/(2exp(0.5ε)+2)，C＝(exp(0.5ε)+1)/(exp(0.5ε)
‑
1)，l(σ)＝0.5σ(C+1)
‑
0.5(C
‑
1)，r(σ)＝l(σ)+C
‑
1；
[0015]设EV用户j在t
‑
1时刻和t
‑
2时刻的需求量分别为t
‑
1时刻和t
‑
2时刻的电量价格分别为p
t
‑1、p
t
‑2，则通过PM算法的差分隐私保护后对应的输出量分别为，则通过PM算法的差分隐私保护后对应的输出量分别为p
′
t
‑1、p
′
t
‑2。
[0016]进一步地，步骤3中，T时间内电网负载约束模型为
[0017][0018]式中，Δp
t
为t时刻电量价格的调整量，l
t
表示电量价格调整前t时刻EV电网总的负载量，表示用户的需求量变化相对于价格变化的敏感程度且表示用户的需求量变化相对于价格变化的敏感程度且为EV用户j在t时刻电量价格调整后的需求变化量，N为EV用户个数，表示t时刻EV电网可以提供的最大电量，m
t
为t时刻平均的电网负载量，当t≠1时，负载量，当t≠1时，当t＝1时，
[0019]进一步地，步骤4中，根据Karush
‑
Kuhn
‑
Tucker条件将步骤3中的电网负载约束模型转化为下式：
[0020][0021]式中Δp＝[Δp1，Δp2，...，Δp
T
]T
，l＝[l1，l2，...，l
T
]T
，m＝[m1，m2，...，m
T
]T
，E
max
＝[E
max1
，E
max2
，...，E
maxT
]T
，λ＝[λ1，λ2，...，λ
T
]为Karush
‑
Kuhn
‑
Tucker参数，通过拉格朗日乘子法求解上式得t∈[1，2，...，T]。
[0022]为了控制电网的负载变化和减少高峰时段的需求，本专利技术通过调整各时段的电量购买价格来优化EV电网负载平衡，考虑到EV和第三方机构交互过程中用户的敏感信息泄露问题，提出基于差分隐私保护算法的在线约束优化模型，在智能充电桩把EV用户信息发送给第三方机构或ESP之前，通过该模型对EV用户敏感信息如用户的需求量进行了差分隐私保护，并在保护用户隐私的同时保障了电网的负载平衡。
附图说明
[0023]图1为EV充电的示意图；
[0024]图2为本专利技术方法的流程示意图。
具体实施方式
[0025]现在结合附图对本专利技术作进一步详细的说明。
[0026]如图2所示，本专利技术主要包括以下步骤：
[0027](1)获取EV用户的历史需求量和价格信息。
[0028](2)利用PM算法对获取的历史需求量和价格信息进行差分隐私保护。
[0029]第三方机构在做优化的过程中，EV用户的敏感信息，如付款信息容易泄露，为了解决这个问题，采用PM算法来保护EV用户和ESP交互过程中的用户隐私。根据文献“Collecting and analyzing multidimensional data with local differential privacy”，PM算法的具体定义如下：设σ与σ
′
分别表示PM算法的输入量与输出量且σ∈[
‑
1，1]、σ
′
＝x∈[
‑
C，C]，σ
′
的概率密度函数是Piecewise Constant公式，其表达如下：
[0030][0031]式中，ε为差分隐私的隐私预算，一般取值为(0，1)，ε值越小表明加载给输入量的噪声越多，隐私保护也就越好，但模型的性能越差，本实施例可以通过调整ε找到EV用户的隐私保护和电网的负载平衡间的最佳权衡，v＝(exp(ε)
‑
exp(0.5ε))/(2exp(0.Sε)+2)，C＝(exp(0.5ε)+1)/(exp(0.5ε)
‑
1)，l(σ)＝0.5σ(C+1)
‑
0.5(C
‑
1)，r(σ)＝l(σ)+C
‑
1；
[0032]设EV用户j在t
‑
1时刻和t
‑
2时刻的需求量分别为t
‑
1时刻和t
‑
2时刻的电量价格分别为p
t
‑1、p
t
‑2，则通过PM算法的差分隐私保护后对应的输出量分别为，则通过PM算法的差分隐私保护后对应的输出量分别为p
′
t
‑1、p
′
t
‑2。
[0033](3)根据差分隐私保护后的历史需求量和价格信息，构建电网负载约束模型。
[0034]根据文献“An onl本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于差分隐私的EV电网负载平衡方法，其特征在于，包括以下步骤：步骤1：获取EV用户的历史需求量和价格信息；步骤2：利用PM算法对获取的历史需求量和价格信息进行差分隐私保护；步骤3：根据差分隐私保护后的历史需求量和价格信息，构建电网负载约束模型；步骤4：优化求解电网负载约束模型以获取价格调整量，通过价格调整控制EV用户的需求量，进而实现EV电网负载平衡。2.如权利要求1所述的一种基于差分隐私的EV电网负载平衡方法，其特征在于，步骤2中，设σ与σ
′
分别表示PM算法的输入量与输出量且σ∈[
‑
1，1]、σ
′
＝x∈[
‑
C，C]，σ
′
的概率密度函数是Piecewise Constant公式，其表达如下：式中，ε为差分隐私的隐私预算，ε值越小表明加载给输入量的噪声越多，隐私保护也就越好，通过调整ε找到EV用户隐私保护和电网负载平衡间的最佳权衡，v＝(exp(ε)
‑
exp(0.5ε))/(2exp(0.5ε)+2)，C＝(exp(0.5ε)+1)/(exp(0.5ε)
‑
1)，l(σ)＝0.5σ(C+1)
‑
0.5(C
‑
1)，r(σ)＝l(σ)+C
‑
1；设EV用户j在t
‑
1时刻和t
‑
2时刻的需求量分别为t
‑
1时刻和t
‑
2时刻的电量价格分别为p
t
‑1、p
t
‑2，则通过PM算法的差分隐私保护后对应的输出量分别为，则通过PM算法的差分隐私保护后对应...

【专利技术属性】
技术研发人员：傅晓明，袁亚丽，陈田，江伟，
申请(专利权)人：南京汉德数字孪生技术研究院有限公司，
类型：发明
国别省市：