單位：河北工業(yè)大學(xué)3職稱(chēng)：講師，碩士生導(dǎo)師政治面貌：中共黨員講師天津大學(xué)動(dòng)化學(xué)士 能源轉(zhuǎn)型背景下，作為有效的手段之一的新能源汽車(chē)得到了迅猛發(fā)展。其中截止0全國(guó)推廣培育階段小規(guī)模試點(diǎn)發(fā)展階段中國(guó)2010年至2023年的電動(dòng)汽車(chē)保有量(單位：萬(wàn)輛)2.2規(guī)?；妱?dòng)汽車(chē)與電網(wǎng)互動(dòng)的潛力由于EV作為交通工具，其充電負(fù)荷時(shí)空具有靈活性。并且由于電動(dòng)汽車(chē)其自身優(yōu)勢(shì)與規(guī)模體量等特點(diǎn)，并隨著各部委正積極推動(dòng)車(chē)網(wǎng)互動(dòng)的試點(diǎn)建設(shè)。釂釂i龐大；2、一天中有80%的時(shí)間處于停放狀態(tài)；3、具備40億度的儲(chǔ)能能力；400吉瓦的調(diào)節(jié)容量；4、相當(dāng)于100個(gè)最大型節(jié)省數(shù)十億的投資。0國(guó)家發(fā)量改蘋(píng)委辦公廳等關(guān)千霍a1網(wǎng)動(dòng)版?；瘧?yīng)理試點(diǎn)土西的通a62.3車(chē)網(wǎng)互動(dòng)是支撐新型電力系統(tǒng)的關(guān)鍵技術(shù)如果能夠充分挖掘利用EV充電負(fù)荷的靈活性，將支撐新型電力系統(tǒng)的發(fā)展!因此如何預(yù)測(cè)充電負(fù)荷時(shí)空分布并對(duì)其進(jìn)行智能有序控制是亟待解決的關(guān)鍵問(wèn)題之一。9000萬(wàn)+個(gè)樁1億+輛EV數(shù)千家9000萬(wàn)+個(gè)樁1億+輛EV公共場(chǎng)電網(wǎng)能量流電網(wǎng)信息流光儲(chǔ)充電站等大規(guī)模電動(dòng)汽車(chē)支撐新型電力系統(tǒng)78問(wèn)題1:在電力和交通網(wǎng)絡(luò)強(qiáng)耦合的情況下，充電負(fù)荷難以預(yù)測(cè)電動(dòng)汽車(chē)充當(dāng)了配電網(wǎng)和交通網(wǎng)絡(luò)之間的橋梁，導(dǎo)致這兩個(gè)網(wǎng)絡(luò)之間的聯(lián)系日益緊密。因此，由于用戶(hù)行為和交通運(yùn)行狀況之間復(fù)雜的相互作用，預(yù)測(cè)充電負(fù)荷變得更具挑戰(zhàn)性。StateofchargeloadofEV電力交通耦合系統(tǒng)示意圖問(wèn)題2:在多主體情況下難以制定有序充電控制策略在電力與交通網(wǎng)絡(luò)深度耦合的情況下，基于上述預(yù)測(cè)的充電負(fù)荷分布以及車(chē)網(wǎng)互動(dòng)(V2G)技術(shù)，需要考慮充電設(shè)施運(yùn)營(yíng)商、電力系統(tǒng)運(yùn)營(yíng)商和電動(dòng)汽車(chē)用戶(hù)的利益，以充分利用充電負(fù)荷的時(shí)間靈活性。配電網(wǎng)充電網(wǎng)直火電臥配電網(wǎng)充電網(wǎng)直火電臥屋交通網(wǎng)旅游場(chǎng)所工作場(chǎng)所充電站流動(dòng)流動(dòng)充電樁I電力交通耦合系統(tǒng)示意圖多主體耦合示意圖9基于動(dòng)態(tài)交通均衡的電動(dòng)汽車(chē)充電負(fù)荷預(yù)測(cè)方法1)出行需求模型2)交通狀況描述ta"M。d"上游隊(duì)列下游隊(duì)列上游隊(duì)列下游隊(duì)列;材一;材一:之1:之td25ta?路段約束：交通狀況：>活動(dòng)出發(fā)時(shí)間3)確定出行路徑注意：出行需求+出行時(shí)間出行路徑1)充電站排隊(duì)模型2)充電站選擇模型確定充電結(jié)束時(shí)間：充電條件：確定充電等待時(shí)間：充電站選擇：排隊(duì)的車(chē)輛：正在充電車(chē)輛完成充電充電站內(nèi)所有車(chē)輛完成充電的時(shí)刻集合：充電排隊(duì)等待時(shí)間考慮個(gè)人經(jīng)濟(jì)屬性的時(shí)間成本注：基于前頁(yè)獲得的行駛路徑和速度，可以確定電動(dòng)汽車(chē)在任何行程中的能耗。所有電動(dòng)汽車(chē)用戶(hù)在出行時(shí)往往傾向于選擇耗時(shí)最短的路徑，但道路行駛時(shí)間與交通流量相關(guān)。也就是說(shuō)，隨著交通流量的增加，這種擁堵效應(yīng)的存在使得不同電動(dòng)汽車(chē)的行駛相互影響。車(chē)輛之間的相互影響最終會(huì)達(dá)到一種動(dòng)態(tài)交通均衡狀態(tài)，即所有電動(dòng)汽車(chē)用戶(hù)都無(wú)法通過(guò)改變出行路徑來(lái)單方面進(jìn)一步提高其出行鏈的效用。1)出行鏈的日效用函數(shù)2)求解過(guò)程電動(dòng)汽車(chē)個(gè)體出行鏈效用：出行需求網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)計(jì)算所有電動(dòng)汽車(chē)出行鏈效用重新規(guī)劃路徑活動(dòng)持續(xù)時(shí)間N收斂條件出行路徑出行時(shí)間到達(dá)時(shí)間遲到懲罰N收斂條件Y充電負(fù)荷充電負(fù)荷通通H0.7-HTime(h)S2中，電動(dòng)汽車(chē)在高峰時(shí)段3一種基于動(dòng)態(tài)交通均衡的電動(dòng)汽車(chē)時(shí)空充電負(fù)荷預(yù)測(cè)方法理論決定(b)→(S2):道路交通流量的分布由動(dòng)態(tài)交通平衡理論決定S1場(chǎng)景下EV充電負(fù)荷時(shí)空分布S2場(chǎng)景下EV充電負(fù)荷時(shí)空分布口從整個(gè)研究區(qū)域的充電負(fù)荷來(lái)看：1)從空間分布角度而言，區(qū)域S2內(nèi)處于負(fù)荷峰值的快速充電站數(shù)量比區(qū)域S1內(nèi)2)從時(shí)間分布角度來(lái)看，電動(dòng)汽車(chē)充電負(fù)荷主要集中在6:00至12:00這個(gè)時(shí)間段，而且與區(qū)域S1相比，在區(qū)域S2內(nèi)充電負(fù)荷較高的充電站能在更長(zhǎng)時(shí)間內(nèi)維持高負(fù)4充電設(shè)施運(yùn)營(yíng)商補(bǔ)償價(jià)格定價(jià)策略4充電設(shè)施運(yùn)營(yíng)商補(bǔ)償價(jià)格定價(jià)策略·電動(dòng)汽車(chē)聚合商(EVA)與電動(dòng)汽車(chē)用戶(hù)簽訂預(yù)響應(yīng)合同；r當(dāng)電動(dòng)汽車(chē)連接到充電樁時(shí)，電動(dòng)汽車(chē)Leader:EVA聚合商需要獲取電動(dòng)汽車(chē)的目標(biāo)荷電狀Utilityfinction:Themaximumbenefit(1)Compensationpriceconstraints(3)Satisfactionconstraints1)電網(wǎng)公布需求響應(yīng)(DR)發(fā)起方以及次planneddepartureti日的需求響應(yīng)時(shí)間和需求功率；2)電動(dòng)汽車(chē)聚合商作為主導(dǎo)方設(shè)定充放電補(bǔ)償價(jià)格，以滿(mǎn)足中標(biāo)容量并使其收益最大化；hformationFollower:resUtilityfinctiomminimumchargin3)電動(dòng)汽車(chē)作為跟隨方，通過(guò)用戶(hù)響應(yīng)意愿模型被劃分為響應(yīng)型電動(dòng)汽車(chē)和無(wú)響應(yīng)型電動(dòng)汽車(chē)；4)電動(dòng)汽車(chē)以充電成本最小化為目標(biāo)改變其充放電行為，同時(shí)將功率和荷電狀態(tài)河北工紫大學(xué)河北工紫大學(xué)效益為最大的上層EVA效益模型和EV用戶(hù)效用函數(shù)由充電花費(fèi)、充電服務(wù)費(fèi)、電池?fù)p耗和補(bǔ)償收益四部分組成的下層EV效益模型。目標(biāo)函數(shù)minU,=F+F,+K,-F。河北工業(yè)大學(xué)EBELNVsirYoFT河北工業(yè)大學(xué)EBELNVsirYoFT)lem(云雙層優(yōu)化問(wèn)題轉(zhuǎn)化為單層帶有平衡約束的問(wèn)題模型。采用需求響應(yīng)時(shí)段(h)用戶(hù)分成三類(lèi)，分別為“白天上班”、“"夜間上班”和“不上班”,4充電設(shè)施運(yùn)營(yíng)商補(bǔ)償價(jià)格定價(jià)策略場(chǎng)景2:EVA參與電網(wǎng)需求響應(yīng)，并提供補(bǔ)償價(jià)格Wc.3,假設(shè)EV全部參與引導(dǎo)；的補(bǔ)償價(jià)格We.3。場(chǎng)景4:EVA參與電網(wǎng)需求響應(yīng)，用所提的用戶(hù)響應(yīng)意愿模型，EVA提供與場(chǎng)景2相同的補(bǔ)償價(jià)格Wc.3。場(chǎng)景1000場(chǎng)景20場(chǎng)景3場(chǎng)景504充電設(shè)施運(yùn)營(yíng)商補(bǔ)償價(jià)格定價(jià)策略不同場(chǎng)景下用戶(hù)滿(mǎn)意度結(jié)果中，相較于場(chǎng)景二、三和場(chǎng)景四，場(chǎng)景五中EV用戶(hù)滿(mǎn)意度普遍提高，尤其第三類(lèi)用戶(hù)變化顯著。不斷改變充電響應(yīng)死區(qū)閾值的取值，得到的EVA收益與用戶(hù)充電花費(fèi)結(jié)果。可以發(fā)現(xiàn)死區(qū)閾值取值與EVA收益和用戶(hù)充電花費(fèi)都呈反比關(guān)系。