淺析用戶行為的V2G模式下電動(dòng)汽車有序充電控制負(fù)荷預(yù)測(cè)研究

安科瑞 陳聰

摘要：針對(duì)電動(dòng)汽車充電負(fù)荷與運(yùn)營(yíng)經(jīng)濟(jì)收益的矛盾問(wèn)題，以用戶側(cè)為研究對(duì)象，用戶行為習(xí)慣為約束條件，建立粒子群控制策略模型。在保證電動(dòng)汽車正常使用的情況下，利用粒子群算法計(jì)算出的充放電功率分布，使參與V2G的用戶則可以在分時(shí)電價(jià)基礎(chǔ)上選擇出合適的時(shí)間段向電網(wǎng)饋電，進(jìn)而獲取經(jīng)濟(jì)收益。對(duì)基于用戶行為的實(shí)時(shí)電價(jià)下電動(dòng)汽車與電網(wǎng)交換功率進(jìn)行仿真分析，驗(yàn)證其算法的可行性和有效性。

關(guān)鍵詞：電動(dòng)汽車；有序充放電；控制策略；V2G

電動(dòng)汽車配套設(shè)施的充電網(wǎng)絡(luò)系統(tǒng)提出了要求。一套智能充電系統(tǒng)及充電策略不僅可以使充電網(wǎng)絡(luò)的負(fù)荷波動(dòng)小，減少充電系統(tǒng)電網(wǎng)壓力，也可以將用戶經(jīng)濟(jì)成本降低，達(dá)到用戶側(cè)和電網(wǎng)側(cè)雙贏的結(jié)果。提出了：基于V2G技術(shù)的PHEV有序充放電策略和電壓電流雙閉環(huán)的電壓空間矢量控制策略?？紤]納入車主行為的條件并滿足電網(wǎng)功率進(jìn)行有序充放電策略。采用混合式充電方式解決大規(guī)模車輛充電的影響和根據(jù)不同時(shí)間段制定充放電的電價(jià)，并提出目標(biāo)函數(shù)有序充電策略。當(dāng)前大多數(shù)的管理策略未能考慮分析，多數(shù)學(xué)者通常從電池的容量及剩余電量出發(fā)考慮，研究比較片面，僅側(cè)重頻率調(diào)節(jié)或負(fù)荷平衡，V2G技術(shù)的優(yōu)勢(shì)未能充分發(fā)揮。本文以用戶側(cè)為研究對(duì)象，車主行為習(xí)慣為約束條件，建立粒子群控制模型。1　1基于用戶行為的V2G控制策略描述

文中所有采用V2G的車輛均是在特定時(shí)間內(nèi)完成充電或放電，充放電時(shí)間段不同，經(jīng)濟(jì)收益也不同，這種方式并未改變電池的充放電次數(shù)，只進(jìn)行時(shí)間上的調(diào)整，減少對(duì)電動(dòng)車儲(chǔ)能電池的傷害和沖擊，不會(huì)折損其壽命。綜合考慮電網(wǎng)企業(yè)目前實(shí)行的分時(shí)電價(jià)計(jì)價(jià)原則，將用戶參與V2G獲得的經(jīng)濟(jì)收益設(shè)定為目標(biāo)函數(shù)，在一定的約束條件下，采用粒子群優(yōu)化算法，尋求目標(biāo)函數(shù)解。在實(shí)時(shí)電價(jià)的背景下，用戶調(diào)整自身充電時(shí)間，在高峰期可以向電網(wǎng)饋電，輔助電網(wǎng)調(diào)頻，削峰填谷，進(jìn)而獲取經(jīng)濟(jì)效益；在低峰期時(shí)，用戶開始充電，降低經(jīng)濟(jì)費(fèi)用?？紤]到用戶存在有些時(shí)間段不參與V2G技術(shù)，因此可實(shí)現(xiàn)在一天的部分時(shí)間段內(nèi)設(shè)置與電網(wǎng)的交換功率為0。

2電動(dòng)汽車充電負(fù)荷預(yù)測(cè)研究

電動(dòng)汽車具有高能效、低污染、環(huán)境友好等優(yōu)勢(shì)，成為緩解能源危機(jī)與環(huán)境污染的重要手段。然而大量的電動(dòng)汽車充電需求將引發(fā)新一輪的用電負(fù)荷增長(zhǎng)，造成配電線路的“阻塞”，因此，電力企業(yè)除了從供給側(cè)對(duì)電力系統(tǒng)進(jìn)行規(guī)劃與調(diào)度外，也著力于從需求側(cè)提高電動(dòng)汽車充電負(fù)荷的預(yù)測(cè)水平。

目前電動(dòng)汽車的充電負(fù)荷建模主要分為時(shí)序建模和時(shí)空建模。綜合考慮多重因素利用Bass回歸分析模型預(yù)測(cè)EV保有量，根據(jù)用戶充電行為的概率密度函數(shù)得到三種電動(dòng)汽車的充電負(fù)荷預(yù)測(cè)結(jié)果。

時(shí)序建模是利用元日期窗口與大數(shù)定理，建立多日一充的模式，考慮EV用戶充電習(xí)慣的不確定性，利用二項(xiàng)分布建立電動(dòng)汽車充電負(fù)荷的計(jì)算模型。時(shí)序性建模方法大多根據(jù)車主出行結(jié)束到家時(shí)刻和日行駛里程進(jìn)行建模，但是不同類型的電動(dòng)汽車在不同時(shí)段停駛于不同目的地，將產(chǎn)生不同的充電需求，因而未能涉及到電動(dòng)汽車的空間位移特性。

行鏈理論的時(shí)空建模方法考慮用戶在不同功能分區(qū)的出行規(guī)律，采用出行鏈理論模擬充電負(fù)荷的時(shí)空分布?；诔鲂墟溊碚撾S機(jī)生成一天的出行序列，結(jié)合居民出行調(diào)研數(shù)據(jù)建立EV充電負(fù)荷預(yù)測(cè)模型。綜合考慮電動(dòng)汽車類型和區(qū)域特性，通過(guò)改進(jìn)重力模型進(jìn)行充電負(fù)荷計(jì)算。于出行鏈理論，考慮分時(shí)電價(jià)、載客量以及溫度的影響，分別建立了私家車、出租車以及公交車的充電負(fù)荷模型。上述大多基于出行鏈理論獲得電動(dòng)汽車充電負(fù)荷在不同功能分區(qū)的時(shí)空分布，但未能考慮實(shí)際道路交通與電網(wǎng)的耦合關(guān)系，也未能計(jì)及實(shí)際交通路網(wǎng)以及動(dòng)態(tài)交通信息對(duì)充電負(fù)荷的影響，使得充電負(fù)荷預(yù)測(cè)精度不高。

時(shí)空預(yù)測(cè)方法通過(guò)建立全軌跡空間模型表征電動(dòng)汽車的時(shí)空屬性，考慮用戶的充電意愿以及出行需求，疊加日充電功率獲得充電負(fù)荷的時(shí)空分布?？紤]動(dòng)態(tài)交通路況建立車輛時(shí)空轉(zhuǎn)移模型，通過(guò)建立出行時(shí)間和出行目的地的聯(lián)合概率密度分布確定下一行駛特征，提出精度較

高的時(shí)空預(yù)測(cè)方法。

3有源配電網(wǎng)優(yōu)化運(yùn)行研究

傳統(tǒng)調(diào)壓方式包括有載調(diào)壓變壓器調(diào)節(jié)分接頭擋位，投切電容器組、靜止無(wú)功補(bǔ)償器等無(wú)功裝置就地補(bǔ)償，但是隨著大量電動(dòng)汽車和高比例可再生能源并入電網(wǎng)，電動(dòng)汽車充電的隨機(jī)性以及分布式電源出力的不確定性對(duì)有源配電網(wǎng)的安全穩(wěn)定運(yùn)行提出了更高要求。傳統(tǒng)調(diào)壓方式難以應(yīng)對(duì)大規(guī)模電動(dòng)汽車充電以及分布式電源消納帶來(lái)的電壓波動(dòng)問(wèn)題，而電動(dòng)汽車與電網(wǎng)互動(dòng)技術(shù)和DG逆變器技術(shù)的發(fā)展為電網(wǎng)、電源、負(fù)荷三者之間的協(xié)調(diào)優(yōu)化提供了技術(shù)支撐，通過(guò)源源互補(bǔ)，網(wǎng)源協(xié)調(diào)以及源荷互動(dòng)實(shí)現(xiàn)系統(tǒng)電壓的優(yōu)化控制，成為當(dāng)前研究的熱點(diǎn)。

針對(duì)電動(dòng)汽車接入與分布式電源共存的配電網(wǎng)，建立了風(fēng)電、光伏發(fā)電以及EV充電負(fù)荷的概率模型，并與無(wú)功補(bǔ)償裝置相結(jié)合建立概率調(diào)壓模型，獲得較好的電壓穩(wěn)定效果。對(duì)電動(dòng)汽車充電進(jìn)行有序調(diào)度，同時(shí)將傳統(tǒng)調(diào)壓方式與DG無(wú)功出力相結(jié)合，建立不同時(shí)段的無(wú)功電壓協(xié)調(diào)優(yōu)化模型，有效地改善了系統(tǒng)的運(yùn)行電壓。通過(guò)建立節(jié)點(diǎn)EV充電負(fù)荷模型提出了有源配電網(wǎng)的日前和日內(nèi)優(yōu)化運(yùn)行模型，分兩階段優(yōu)化電動(dòng)汽車的有序充電，有效地降低了購(gòu)電成本。上述僅將電動(dòng)汽車作為充電負(fù)荷，適用于電動(dòng)汽車規(guī)模較小的情況，且網(wǎng)、源、荷三者協(xié)調(diào)優(yōu)化的效果不高，有源配電網(wǎng)接納分布式電源的能力有限，也無(wú)法適應(yīng)大規(guī)模電動(dòng)汽車的充電需求。隨著V2G技術(shù)的應(yīng)用和分時(shí)電價(jià)的普及，電動(dòng)汽車除了作為負(fù)

荷充電外，也可以作為移動(dòng)儲(chǔ)能元件進(jìn)行放電參與電網(wǎng)的多源互補(bǔ)協(xié)調(diào)優(yōu)化。協(xié)調(diào)電動(dòng)汽車V2G模式與風(fēng)電、光伏發(fā)電的有功出力，建立了多目標(biāo)協(xié)同調(diào)度模型，能夠使得電動(dòng)汽車用戶收益，避免了可再生能源間歇出力的影響?；贒G逆變器的有功、無(wú)功解耦控制，提出可跨地區(qū)消納DG的多目標(biāo)優(yōu)化調(diào)度模型，能夠挖掘分布式電源的無(wú)功潛力，促進(jìn)DG的消納以及提高其利用率。將有源配電網(wǎng)的優(yōu)化控制劃分為長(zhǎng)周期有功、無(wú)功資源優(yōu)化控制和短周期多源協(xié)調(diào)校正控制，前者進(jìn)行優(yōu)化實(shí)現(xiàn)潮流控制，后者對(duì)有源配電網(wǎng)進(jìn)行分區(qū)劃定，實(shí)現(xiàn)多源協(xié)同優(yōu)化運(yùn)行?？紤]電動(dòng)汽車的充電跳躍性，建立周期內(nèi)多時(shí)段優(yōu)化運(yùn)行模型，實(shí)現(xiàn)了電動(dòng)汽車V2G調(diào)節(jié)與其他調(diào)壓方式的運(yùn)行優(yōu)化?；赩2G模式考慮需求側(cè)具有儲(chǔ)能特性和非儲(chǔ)能特性的雙向可控負(fù)荷，協(xié)同其他電壓調(diào)節(jié)方式建立電壓無(wú)功多目標(biāo)優(yōu)化模型，在提高需求響應(yīng)的同時(shí)改善了有源配電網(wǎng)的潮流分布。

從無(wú)序充電到有序充放電策略，大多對(duì)電動(dòng)汽車進(jìn)行個(gè)體調(diào)度，實(shí)際可操作性不強(qiáng)，因此，當(dāng)前的研究也有諸多采用集群控制策略。通過(guò)提取電動(dòng)汽車集群控制模型的隨機(jī)特征參數(shù)，跟蹤電動(dòng)汽車充電特性，獲取充放電策略?？紤]到EV充放電的靈活性，通過(guò)對(duì)電動(dòng)汽車集群控制，并跟蹤光伏發(fā)電出力曲線，建立了基于MPC的實(shí)時(shí)凸優(yōu)化調(diào)度模型，有效避免過(guò)充或過(guò)放的同時(shí)降低了光伏發(fā)電出力的波動(dòng)。集群調(diào)度需要提取電動(dòng)汽車的隨機(jī)特征，優(yōu)化時(shí)間較長(zhǎng)，也容易忽略單個(gè)電動(dòng)汽車的特性參數(shù)。針對(duì)集群控制和個(gè)體調(diào)度存在的問(wèn)題，提出一種分布式電動(dòng)汽車調(diào)度策略，通過(guò)協(xié)調(diào)電動(dòng)汽車集控和停車場(chǎng)協(xié)控獲取充放電功率，減小了算法維度，提高了電動(dòng)汽車的響應(yīng)速度，但不包含其他無(wú)功補(bǔ)償裝置協(xié)調(diào)控制。通過(guò)對(duì)電動(dòng)汽車分群，從充放電系統(tǒng)和網(wǎng)絡(luò)拓?fù)鋬蓚€(gè)層面搭建內(nèi)外嵌套模型優(yōu)化調(diào)度電動(dòng)汽車的充放電功率，能夠保證車主利益的同時(shí)優(yōu)化配電網(wǎng)的運(yùn)行工況，但將24小時(shí)根據(jù)充電時(shí)間和充電行為特性進(jìn)行分群，忽略了各個(gè)時(shí)段以及不同功能分區(qū)充電負(fù)荷的隨機(jī)性。針對(duì)高層住宅小區(qū)，對(duì)電動(dòng)汽車充放電提出分層優(yōu)化控制策略，三層優(yōu)化控制模型相互補(bǔ)充，將分布控制與集中控制相結(jié)合，具有較好的經(jīng)濟(jì)效益與應(yīng)用價(jià)值，但未能與上層配電網(wǎng)相結(jié)合，也未涉及分布式電源，適用范圍較窄。

綜上所述，針對(duì)電動(dòng)汽車以V2G模式參與有源配電網(wǎng)的運(yùn)行進(jìn)行了諸多研究，但是隨著電動(dòng)汽車規(guī)模擴(kuò)大，一方面要考慮電動(dòng)汽車入網(wǎng)的控制策略，也要考慮電動(dòng)汽車規(guī)模的調(diào)度方式，另一方面，不同區(qū)域內(nèi)電動(dòng)汽車類型以及充電負(fù)荷的時(shí)空分布對(duì)有源配電網(wǎng)的影響不同，需要根據(jù)各區(qū)域的負(fù)荷、電動(dòng)汽車和分布式電源的分布特性，使之相互協(xié)調(diào)有針對(duì)性地制定相應(yīng)區(qū)域的充放電調(diào)度。與此同時(shí)，將電動(dòng)汽車與各調(diào)壓方式相結(jié)合優(yōu)化有源配電網(wǎng)的運(yùn)行時(shí)，電動(dòng)汽車調(diào)度往往以宏觀的角度平抑負(fù)荷波動(dòng)，而各調(diào)壓方式則以各時(shí)段優(yōu)化為主，因此，需要考慮兩者不同的時(shí)間維度進(jìn)行協(xié)調(diào)優(yōu)化，充分調(diào)度電動(dòng)汽車充放電以減少其他調(diào)壓方式的成本，充分利用DG逆變器的復(fù)用技術(shù)發(fā)出無(wú)功以消納過(guò)剩的出力，并平衡系統(tǒng)的運(yùn)行電壓，從而實(shí)現(xiàn)有源配電網(wǎng)的經(jīng)濟(jì)和安全運(yùn)行。

4安科瑞充電樁收費(fèi)運(yùn)營(yíng)云平臺(tái)系統(tǒng)選型方案

4.1概述

AcrelCloud-9000安科瑞充電柱收費(fèi)運(yùn)營(yíng)云平臺(tái)系統(tǒng)通過(guò)物聯(lián)網(wǎng)技術(shù)對(duì)接入系統(tǒng)的電動(dòng)電動(dòng)自行車充電站以及各個(gè)充電整法行不間斷地?cái)?shù)據(jù)采集和監(jiān)控，實(shí)時(shí)監(jiān)控充電樁運(yùn)行狀態(tài)，進(jìn)行充電服務(wù)、支付管理，交易結(jié)算，資要管理、電能管理，明細(xì)查詢等。同時(shí)對(duì)充電機(jī)過(guò)溫保護(hù)、漏電、充電機(jī)輸入/輸出過(guò)壓，欠壓，絕緣低各類故障進(jìn)行預(yù)警；充電樁支持以太網(wǎng)、4G或WIFI等方式接入互聯(lián)網(wǎng)，用戶通過(guò)微信、支付寶，云閃付掃碼充電。

4.2應(yīng)用場(chǎng)所

適用于民用建筑、一般工業(yè)建筑、居住小區(qū)、實(shí)業(yè)單位、商業(yè)綜合體、學(xué)校、園區(qū)等充電樁模式的充電基礎(chǔ)設(shè)施設(shè)計(jì)。

4.3系統(tǒng)結(jié)構(gòu)

系統(tǒng)分為四層：

1）即數(shù)據(jù)采集層、網(wǎng)絡(luò)傳輸層、數(shù)據(jù)層和客戶端層。

2）數(shù)據(jù)采集層：包括電瓶車智能充電樁通訊協(xié)議為標(biāo)準(zhǔn)modbus-rtu。電瓶車智能充電樁用于采集充電回路的電力參數(shù)，并進(jìn)行電能計(jì)量和保護(hù)。

3）網(wǎng)絡(luò)傳輸層：通過(guò)4G網(wǎng)絡(luò)將數(shù)據(jù)上傳至搭建好的數(shù)據(jù)庫(kù)服務(wù)器。

4）數(shù)據(jù)層：包含應(yīng)用服務(wù)器和數(shù)據(jù)服務(wù)器，應(yīng)用服務(wù)器部署數(shù)據(jù)采集服務(wù)、WEB網(wǎng)站，數(shù)據(jù)服務(wù)器部署實(shí)時(shí)數(shù)據(jù)庫(kù)、歷史數(shù)據(jù)庫(kù)、基礎(chǔ)數(shù)據(jù)庫(kù)。

5）應(yīng)客戶端層：系統(tǒng)管理員可在瀏覽器中訪問(wèn)電瓶車充電樁收費(fèi)平臺(tái)。終端充電用戶通過(guò)刷卡掃碼的方式啟動(dòng)充電。

小區(qū)充電平臺(tái)功能主要涵蓋充電設(shè)施智能化大屏、實(shí)時(shí)監(jiān)控、交易管理、故障管理、統(tǒng)計(jì)分析、基礎(chǔ)數(shù)據(jù)管理等功能，同時(shí)為運(yùn)維人員提供運(yùn)維APP，充電用戶提供充電小程序。

4.4安科瑞充電樁云平臺(tái)系統(tǒng)功能

4.4.1智能化大屏

智能化大屏展示站點(diǎn)分布情況，對(duì)設(shè)備狀態(tài)、設(shè)備使用率、充電次數(shù)、充電時(shí)長(zhǎng)、充電金額、充電度數(shù)、充電樁故障等進(jìn)行統(tǒng)計(jì)顯示，同時(shí)可查看每個(gè)站點(diǎn)的站點(diǎn)信息、充電樁列表、充電記錄、收益、能耗、故障記錄等。統(tǒng)一管理小區(qū)充電樁，查看設(shè)備使用率，合理分配資源。

4.4.2實(shí)時(shí)監(jiān)控

實(shí)時(shí)監(jiān)視充電設(shè)施運(yùn)行狀況，主要包括充電樁運(yùn)行狀態(tài)、回路狀態(tài)、充電過(guò)程中的充電電量、充電電壓電流，充電樁告警信息等。

4.4.3交易管理

平臺(tái)管理人員可管理充電用戶賬戶，對(duì)其進(jìn)行賬戶進(jìn)行充值、退款、凍結(jié)、注銷等操作，可查看小區(qū)用戶每日的充電交易詳細(xì)信息。

4.4.4故障管理

設(shè)備自動(dòng)上報(bào)故障信息，平臺(tái)管理人員可通過(guò)平臺(tái)查看故障信息并進(jìn)行派發(fā)處理，同時(shí)運(yùn)維人員可通過(guò)運(yùn)維APP收取故障推送，運(yùn)維人員在運(yùn)維工作完成后將結(jié)果上報(bào)。充電用戶也可通過(guò)充電小程序反饋現(xiàn)場(chǎng)問(wèn)題。

4.4.5統(tǒng)計(jì)分析

通過(guò)系統(tǒng)平臺(tái)，從充電站點(diǎn)、充電設(shè)施、、充電時(shí)間、充電方式等不同角度，查詢充電交易統(tǒng)計(jì)信息、能耗統(tǒng)計(jì)信息等。

4.4.6基礎(chǔ)數(shù)據(jù)管理

在系統(tǒng)平臺(tái)建立運(yùn)營(yíng)商戶，運(yùn)營(yíng)商可建立和管理其運(yùn)營(yíng)所需站點(diǎn)和充電設(shè)施，維護(hù)充電設(shè)施信息、價(jià)格策略、折扣、優(yōu)惠活動(dòng)，同時(shí)可管理在線卡用戶充值、凍結(jié)和解綁。

4.4.7運(yùn)維APP

面向運(yùn)維人員使用，可以對(duì)站點(diǎn)和充電樁進(jìn)行管理、能夠進(jìn)行故障閉環(huán)處理、查詢流量卡使用情況、查詢充電\充值情況，進(jìn)行遠(yuǎn)程參數(shù)設(shè)置，同時(shí)可接收故障推送

4.4.8充電小程序

面向充電用戶使用，可查看附近空閑設(shè)備，主要包含掃碼充電、賬戶充值，充電卡綁定、交易查詢、故障申訴等功能。

4.4.9系統(tǒng)硬件配置

5 總結(jié)

針對(duì)集中式充放電實(shí)現(xiàn)方式，以用戶側(cè)為研究對(duì)象，用戶側(cè)經(jīng)濟(jì)費(fèi)用低、對(duì)電網(wǎng)擾動(dòng)小為研究目標(biāo)。結(jié)合當(dāng)前電網(wǎng)企業(yè)實(shí)行的峰谷電價(jià)政策，給出電動(dòng)汽車與電網(wǎng)每一時(shí)刻的交換功率，使整體達(dá)到雙贏的結(jié)果。

本文盡管在分布式電源的時(shí)序建模、電動(dòng)汽車充電負(fù)荷的時(shí)空預(yù)測(cè)以及有源配電網(wǎng)的優(yōu)化運(yùn)行方面取得了一定成果，但仍存在一些不足，有待進(jìn)一步研究和完善：

(1)分布式電源出力的時(shí)序建模中主要基于狀態(tài)數(shù)決策模型確定狀態(tài)數(shù)，后續(xù)可研究歷史功率序列的聚類分析確定狀態(tài)數(shù)；滑動(dòng)平均濾波法的時(shí)間窗設(shè)置依賴于經(jīng)驗(yàn)，后續(xù)可制定相應(yīng)的控制策略確定時(shí)間窗大小，也可綜合考慮其他濾波方法進(jìn)行對(duì)比分析。

(2)對(duì)于電動(dòng)汽車充電負(fù)荷的時(shí)空預(yù)測(cè)，僅考慮了出租車和私家車，后續(xù)可研究其他類型電動(dòng)汽車的時(shí)空分布情況，且電動(dòng)汽車的出行規(guī)律基于全美家庭交通出行調(diào)查數(shù)據(jù)，隨著電動(dòng)汽車的廣泛應(yīng)用，未來(lái)可參考國(guó)內(nèi)電動(dòng)汽車用戶的出行規(guī)律；路阻函數(shù)模型僅考慮道路交叉路口延遲和路段延遲，后續(xù)研究可基于交通道路規(guī)劃情況，考慮電動(dòng)汽車具體行駛車道，建立包含左轉(zhuǎn)、右轉(zhuǎn)和直行的路阻函數(shù)模型。

(3)有源配電網(wǎng)的雙層優(yōu)化運(yùn)行模型以24小時(shí)為調(diào)度周期，對(duì)于上層優(yōu)化模型來(lái)說(shuō)，時(shí)間跨度相對(duì)較大，對(duì)算法尋優(yōu)的性能要求較高，后續(xù)可分時(shí)段進(jìn)行充放電的優(yōu)化調(diào)度；分布式電源的短期功率預(yù)測(cè)誤差雖滿足預(yù)測(cè)標(biāo)準(zhǔn)，但需進(jìn)一步優(yōu)化神經(jīng)網(wǎng)絡(luò)以獲得更高的精度；配電網(wǎng)優(yōu)化運(yùn)行研究?jī)H開展了日前優(yōu)化運(yùn)行，開展實(shí)時(shí)滾動(dòng)和反饋優(yōu)化運(yùn)行研究。

參考文獻(xiàn)

1. 薛靜云,張銀環(huán).基于用戶行為的V2G模式下電動(dòng)汽車等有序充放電控制策略研究

2. 彭晶,黃虹,劉福潮,基于V2G技術(shù)的電動(dòng)汽車有序充放電策略研究

[3] 安科瑞企業(yè)微電網(wǎng)設(shè)計(jì)與應(yīng)用手冊(cè).2022.05版