报告聚焦于电力交通融合背景下的智能有序充电技术。随着新能源汽车产业快速发展，其与电网的互动成为关键问题，报告针对相关挑战提出了创新性的解决方法。
1. 研究背景：在能源转型的大趋势下，我国电动汽车产业发展迅猛，截至2023年，电动汽车保有量达1552万辆，预计2030年将接近1亿辆。如此庞大的规模，使其最大充电负荷预计将占电网负荷的11%-12% 。电动汽车充电负荷时空具有灵活性，车网互动（V2G）技术不断发展，其与电网互动潜力巨大，如拥有40亿度的储能能力，相当于100个大型抽水蓄能电站。但目前面临两大关键问题：一是电力和交通网络强耦合，充电负荷受用户行为、交通状况等复杂因素影响，难以准确预测；二是在多主体（充电设施运营商、电力系统运营商和电动汽车用户）情况下，制定有序充电控制策略困难，需要平衡各方利益 。
2. 基于动态交通均衡的充电负荷预测方法：为解决充电负荷预测难题，报告提出基于动态交通均衡的预测方法。该方法包含多个关键部分，首先是出行需求模型、交通状况描述和确定出行路径，利用基于队列的运动波模型、出行链理论等，结合出行时间、速度等因素模拟交通状况 。其次是充电站排队模型和选择模型，考虑充电条件、排队等待时间和个人经济属性等，确定充电结束时间、等待时间和选择合适的充电站。在这个过程中，车辆行驶相互影响，最终达到动态交通均衡状态，通过出行链的日效用函数和求解过程，可计算所有电动汽车出行链效用并重新规划路径，直至满足收敛条件。通过对天津市红桥区的案例分析，验证了该方法的有效性，不同区域的交通流量、电动汽车充电负荷时空分布在该模型下呈现出不同特征 。
展开剩余79%3. 充电设施运营商补偿价格定价策略：针对多主体情况下有序充电控制策略制定问题，报告提出基于Stackelberg博弈的定价策略。电动汽车聚合商（EVA）作为主导方，与电动汽车用户签订预响应合同，获取车辆目标荷电状态（SOC）值和计划离开时间等信息，根据电网需求响应设定充放电补偿价格，以实现自身收益最大化；电动汽车用户作为跟随方，根据充电成本最小化原则改变充放电行为 。通过构建EVA效益最大化模型和EV效益模型，并考虑功率、SOC等约束条件，利用KKT条件将双层优化问题转化为单层问题，使用YALMIP/GUROBI求解器求解。通过不同场景对比分析，结果表明所提方法能提高EVA收益和用户满意度，且充电响应死区阈值与EVA收益、用户充电花费呈反比关系 。
4. 研究提出的智能有序充电技术，对促进电力交通融合、支撑新型电力系统发展具有重要意义。准确的充电负荷预测和合理的定价策略，有助于优化电网资源配置，降低充电成本，提高各方参与积极性，为未来大规模电动汽车接入电网提供了可行的解决方案，对推动能源转型和可持续发展具有积极的促进作用 。
免责声明：我们尊重知识产权、数据隐私，只做内容的收集、整理及分享，报告内容来源于网络,报告版权归原撰写发布机构所有，通过公开合法渠道获得，如涉及侵权，请及时联系我们删除，如对报告内容存疑，请与撰写、发布机构联系
发布于：广东省