解读重庆大学 张谦：规模化电动汽车与电网互动关键技术及智能协同调控研究

研究缘起：车网互动的现实张力

这份汇报开篇即点明研究背景：可再生能源大规模发展与电动汽车快速增长并行，既带来弃风弃光、电压频率波动等消纳压力，也带来负荷快速增长、峰谷差拉大等电网挑战。原文提到，截至2026年8月底风光装机19.92亿千瓦、充电枪总数2422.3万个，2026年6月底新能源汽车4897万辆。车网互动通过有序充电与双向充放电，被定位为促进新能源消纳与电网稳定运行的关键路径。

但规模化车网互动并非简单的“车接上网”。电动汽车规模大、单体容量小，可调控域受交通、气候、电价机制等多因素影响，精准评估建模困难。研究团队将其归纳为三大挑战：可调控容量精准评估、协同调控策略设计、运行成效量化评估，并以此为全文三条主线。

可调控容量预测：从“天-人-路-车”强耦合切入

研究提出计及“天-人-路-车强耦合”的集群可调控域精准评估方法。所谓“天”指天气与温度，“人”指出行意愿与调度意愿，“路”指路网交通流，“车”指车辆充电行为。原文指出，该方法有效提高了可调控容量峰值精度，以准确测算EV集群参与V2G的可调控边界。

在具体建模上，团队采用马尔可夫决策过程模拟电动汽车实时行驶路径，避免了最短路径算法下相同始终点EV充电地点固定的问题，体现了用户空间移动的随机性。原文结论显示，环境温度升高对EV能耗有显著影响，导致节点充电负荷持续维持在高位；交通状况恶化则导致充电负荷峰值增高、持续时间增长。

充电负荷时空分布：万有引力模型修正荷电状态

在充电站选择环节，研究构建基于万有引力的充电站选择模型，量化路网拥堵情况、充电站信息和用户充电站选择对荷电状态时空分布的影响。原文以EV6、EV9、EV12为例，对比了最短路径选择与引力模型选择下各充电站引力值的变化，并展示了计及多个充电站相互影响后的引力修正结果。

该模型同时考虑区域内道路拥堵和环境温度，基于OD矩阵和准动态交通流模型模拟路网中EV的出行行为和充电选择。原文指出，

。这一修正为后续可调控容量评估提供了更贴近实际的负荷分布基础。

用户画像与充电站规划：从行为识别到设施配置

研究基于聚类与大语言模型构建V2G用户双维画像，依据用户价值划分为“超高价值忠实客户”“高价值忠实客户”“高潜力新用户”“流失用户”四类，并采用LRFMG用户价值评估模型与组合赋权法进行评分。原文显示，示例用户总消费10006元、累计充电616次、最近一次充电22:51。对充电特征曲线进行概率分解后，可识别多类典型行为模式，确定不同群体的可调度容量与可靠性。

在设施规划侧，团队通过图论建立车-路-网关联耦合模型，选取慢速、快速、移动和超级快速四类充电桩作为规划设施，构建混合整数二阶锥规划模型。原文以IEEE39节点验证，结论是

。此外，研究还构建了涵盖规模性、经济性、服务性3方面14项指标的充电站服务综合评价体系。

协同调控：电池寿命、碳流追踪与动态电价

在协同调控层面，研究首先针对电动汽车参与电力市场引起的电池损耗与里程焦虑问题，提出计及电池寿命损耗的能量-调频市场协同优化策略。原文指出，限制V2G过程中电池的充放电循环次数及深度放电，能有效降低电池损耗，保证车主参与V2G的收益，激发其参与车网互动的积极性。

其次，研究提出基于碳流追踪的电动汽车充放电低碳调度策略，考虑电动汽车时空分布特性，引导其在低碳势时充电。原文强调，该策略有效引导电动汽车在低碳势时充电，发挥了电动汽车的减碳潜力，提高了系统整体的低碳效果。再次，研究将EV集群充电量解耦为“站内绿电消纳量”和“站内碳电利用量”分别定价，通过价格信号引导用户优先消纳光伏绿电，量化EV多重碳源，精准刻画EV动态碳排放强度。

电动重卡与运行成效评估：安全柔性充电与五维评价

面向电动重卡刚性任务与多车功率竞争，研究构建任务链与站网容量耦合模型，提出动态AC容量约束下的Safe-SAC柔性充电策略。原文基于30个场景与5个训练种子的对比显示，相较最小功率策略，Safe-SAC可提前协调补能兼顾履约与平滑，压力场景完成率提高38.22个百分点；相较滚动MPC，功率爬坡与候选生成耗时更低。原文还指出，完整任务链下容量缺口127.5kW、爬坡增加191.2kW、柔性缺口增加0.31，联合投影仍可保持站网边界。

在成效评估侧，研究从经济价值、电网支撑、用户行为、技术能力和低碳效益五个维度构建V2G运行成效评估模型，采用“信息专家聚类+改进熵权法+自适应权重修正”方法。原文以居民区、商业区、工业区三类场景为例，接入电动汽车数量分别为500辆、300辆及200辆。本算例中，五类指标的综合权重介于0.19~0.21，各维度贡献相对均衡，评分排序为工业区>商业区>居民区，体现了不同应用场景的调节侧重差异。

总结与展望：从技术突破到商业闭环

汇报总结了三项核心贡献：一是提出“天-人-路-车强耦合”的集群可调控域精准评估方法，准确测算EV集群参与V2G的可调控边界；二是提出多类型充电桩协同规划模型，并构建大功率充电设施建设背景下的规划衡量新指标体系和车网互动价值评估体系；三是提出基于动态碳排放强度和扩展碳流的站-车协同低碳经济调度策略。

展望部分直指商业化落地的痛点。原文指出，

。为此，研究提出开展V2G补偿边界测算与分层分级激励研究，构建双轨制清分结算体系，设计“云-边-端”车桩网协同调控机制，推动居民区V2G向多元价值传导的商业化落地转变。

这组数据勾勒出车网互动的规模底座。截至2026年8月底，风光装机达19.92亿千瓦，充电枪总数2422.3万个；截至2026年6月底，新能源汽车保有量4897万辆，在汽车总量中的占比为14.00%。原文将这些数字放在“国家重大战略需求”背景下，一端是可再生能源大规模发展带来的弃风弃光与电压频率波动，另一端是电动汽车快速增长带来的负荷攀升与峰谷差拉大。车网互动的价值，正是在这两端之间架起调节通道。对从业者而言，这意味着可调控资源的绝对规模在持续扩大，但能否有效调用，取决于预测精度与机制设计。

这组数据来自电动重卡安全柔性充电的算例对比。原文基于30个场景与5个训练种子，比较了最小功率策略、滚动MPC与Safe-SAC三种策略。完成率方面，Safe-SAC为92.44%，高于最小功率策略的67.50%，略低于滚动MPC的96.67%；但综合峰值3739.31kW低于最小功率的3800.79kW，最大15min爬坡218.49kW显著低于滚动MPC的320.76kW。原文还指出，相较最小功率策略，Safe-SAC在压力场景下完成率提高38.22个百分点。这说明Safe-SAC并非单纯追求完成率最大化，而是在履约与负荷平滑之间寻找平衡，尤其适合共享容量紧张、爬坡约束严格的站网场景。原文同时提到，相较滚动MPC，Safe-SAC的功率爬坡与候选生成耗时更低，具备工程化落地的效率优势。

这组数据展示了V2G运行成效评估的算例设置。研究选取居民区、商业区、工业区三类典型应用场景，接入电动汽车数量分别为500辆、300辆及200辆，构建多维评价数据集。原文指出，本算例中五类指标的综合权重介于0.19~0.21，各维度贡献相对均衡，评分排序为工业区>商业区>居民区。这一结果说明，不同场景在可调度容量、响应速度、削峰能力、调峰效果等维度上各有侧重，工业区在综合能力上表现更优，商业区次之，居民区排名第三。评估框架的意义不在于给出绝对分数，而在于帮助运营方识别各场景的调节侧重与短板，为资源配置和差异化运行策略提供依据。