⚡ electrical engineering

CONSENT: A Negotiation Framework for Leveraging User Flexibility in Vehicle-to-Building Charging under Uncertainty

该论文提出了一种名为 CONSENT 的协商框架，通过提供激励措施引导电动汽车用户自愿调整充电时间或电量需求，在确保参与者利益与机制公平性的前提下，成功降低了建筑运营商的能源成本并减少了用户的充电支出，实现了车网互动的双赢。

原作者： Rishav Sen, Fangqi Liu, Jose Paolo Talusan, Ava Pettet, Yoshinori Suzue, Mark Bailey, Ayan Mukhopadhyay, Abhishek Dubey

发布于 2026-02-18

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Rishav Sen, Fangqi Liu, Jose Paolo Talusan, Ava Pettet, Yoshinori Suzue, Mark Bailey, Ayan Mukhopadhyay, Abhishek Dubey

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文介绍了一个名为 CONSENT 的聪明系统，旨在解决电动汽车（EV）在办公楼充电时的一个核心矛盾：大楼想省钱，车主想方便。

想象一下，如果所有的电动汽车都在同一时间（比如下班高峰期）插上充电器，大楼的电力需求会瞬间爆炸，导致电费飙升。但如果大楼强行限制充电，车主又担心车没电，或者充电太慢赶不上回家。

CONSENT 就像是一个**“精明的谈判专家”，它不强迫任何人，而是通过“讨价还价”**，让车主和大楼都能双赢。

以下是用生活中的比喻来解释这个系统的运作方式：

1. 核心矛盾：拥挤的“自助餐厅” vs. 赶时间的“食客”

大楼（房东）的烦恼： 想象大楼是一个自助餐厅。如果所有食客（电动车）都在晚上 6 点（下班高峰）同时涌入吃饭，厨房（电网）会忙不过来，老板（大楼运营商）不得不支付昂贵的“加急费”（高峰电价和需量电费）。
车主（食客）的烦恼： 车主只想在离开时吃饱（充满电），并且准时离开，不想因为充电而耽误时间，也不想多花钱。

2. CONSENT 的解决方案：灵活的“优惠券菜单”

CONSENT 系统不会直接说“不行，你只能充到 80%"或者“你必须晚走一小时”。相反，它会给车主看一份**“灵活菜单”**，就像餐厅提供“早鸟优惠”或“打包带走折扣”一样。

当车主把车插上电时，系统会问：

“嘿，如果你愿意晚走 30 分钟，或者少充 10% 的电，我们可以给你打个折，甚至给你一笔现金奖励。你愿意选哪个？”

选项 A（完全不变）： 按你原本的时间走，充到原本要求的电量，按原价收费。
选项 B（稍微灵活）： 晚走 15 分钟，少充一点点电，价格更便宜。
选项 C（更灵活）： 晚走 1 小时，少充更多电，价格非常便宜。
选项 D（拒绝）： 如果这些都不划算，你可以直接拒绝，去外面充电（系统不会强迫你）。

3. 系统的大脑：像“天气预报员”一样的预测

这个系统之所以聪明，是因为它有一个强大的大脑（基于模型预测控制 MPC）。

它不像普通充电器那样只看眼前。它像天气预报员一样，会预测明天大楼里会有多少人用电、什么时候用电最贵、明天会有多少辆车来充电。
基于这些预测，它计算出：如果让这辆车晚走一会儿，大楼能省下多少钱。然后，它把省下的钱分一部分给车主作为奖励。
比喻： 就像网约车的“动态定价”，但它是反向的。如果路况好（电价低、大楼负荷低），它鼓励你多充点；如果路况堵（电价高、大楼负荷高），它给你钱让你晚点走，以此避开高峰。

4. 为什么这很公平？（三大保障）

论文特别强调了这个系统对车主非常公平，不会“坑”人：

自愿原则： 车主可以拒绝所有选项，去别处充电，系统不会强迫。
诚实奖励： 如果你撒谎说“我必须在 5 点走”，系统反而可能让你吃亏。只有你说真话（真实的离开时间），才能拿到最好的优惠。这就像**“诚实税”**的反面——诚实让你更省钱。
预算安全： 大楼给车主的奖励，绝对不会超过大楼自己省下的钱。也就是说，这笔交易对大楼来说永远是划算的，不会赔本。

5. 实际效果：双赢的结局

研究人员用真实的大楼数据和电动汽车数据进行了测试，结果非常惊人：

对大楼： 电费降低了 3.5%。这听起来不多，但对于大型商业建筑来说，一年能省下成千上万美元。
对车主： 充电成本比普通的市电价格低了 22%！
对电网： 避免了用电高峰期的“拥堵”，让电网更稳定。

总结

CONSENT 就像是一个**“电力交易员”**。它不再把电动汽车看作是一个只会消耗电力的“麻烦制造者”，而是把它们变成了可以灵活调节的“资源”。

通过简单的**“用一点点灵活性换取真金白银”的谈判，它把原本对立的“大楼省钱”和“车主方便”变成了“合作共赢”**。车主省了钱，大楼省了钱，电网也轻松了，大家都开心。

1. 问题背景 (Problem Statement)

随着电动汽车（EV）的快速增长，车楼（Vehicle-to-Building, V2B） 场景中的能源管理面临核心冲突：

建筑运营商：面临未协调充电带来的高昂能源成本（特别是峰值需量电费），需要削峰填谷。
EV 用户：优先追求便利性和满电状态，不愿因充电策略调整而牺牲行程或电量。

现有的研究通常将控制问题（优化充电调度）与用户行为问题（激励与协商）割裂处理。主要挑战包括：

不确定性：未来的建筑负载、EV 到达时间和用户偏好难以预测。
激励对齐：运营商希望推迟充电以降低成本，而用户希望立即充满。
策略性欺骗：用户可能夸大需求以获取更高补贴，破坏系统公平性。
缺乏自愿参与机制：强制调度会导致用户拒绝参与，降低系统效率。

核心目标：设计一个框架，既能实现实时的最优充电控制，又能通过自愿协商机制，将用户的灵活性（如调整离店时间或目标电量）转化为经济激励，实现运营商成本降低与用户费用减少的双赢。

2. 方法论 (Methodology)

作者提出了 CONSENT 框架，其核心是将 EV 充电转化为一种战略资源，通过基于模型预测控制（MPC）的协商机制来解决上述问题。

2.1 核心架构

框架包含五个步骤（如图 1 所示）：

用户到达与请求：用户提交期望的离店时间和目标电量（SoC）。
激励生成（核心贡献）：系统基于预测的负载和电价，生成一系列**“价格 - 灵活性”选项**。这些选项提供货币折扣，换取用户接受微小的离店时间延迟或 SoC 降低。
用户选择：用户从选项中选择一项，或选择“拒绝所有”（去外部充电）。
协商计划执行：基于用户选定的选项，MPC 引擎执行充电调度。
滚动优化：系统持续根据新数据更新预测和调度。

2.2 技术实现细节

基于 Monte-Carlo 的模型预测控制 (MC-MPC)：
- 利用生成模型采样未来的 EV 到达、离开和建筑负载场景（处理不确定性）。
- 在每个决策点求解混合整数线性规划 (MILP)，以最小化总成本（能量费 + 需量费 + 惩罚项）。
- 相比强化学习（RL），MPC 能更明确地处理硬约束（如充电器容量、用户选择），且无需大量重新训练即可适应新场景。
协商策略 (Negotiation Policy)：
- 将协商建模为半马尔可夫决策过程 (SMDP)。
- 选项生成：根据灵活性等级（ $l=0$ 到 $L$ ）生成不同的 SoC 和离店时间偏差范围。
- 价值评估：通过前向模拟估算每个选项的期望成本，平衡建筑节省与用户不便。
- 用户成本计算： $\zeta_v = \text{能源成本} - \alpha \cdot U(\theta_v)$ ，其中 $U(\theta_v)$ 是用户参与带来的边际效用（系统成本降低）， $\alpha$ 是收益分享比例。
用户行为建模：
- 基于对 28 名大学参与者的陈述偏好调查 (Stated-Preference Survey) 数据。
- 通过聚类分析将用户分为 4 种类型（基于对时间和电量的敏感度），并建立线性不便成本模型。
- 使用 Logit 选择函数模拟用户接受概率。

2.3 理论保证

论文证明了该机制具备以下关键属性：

策略无关性 (Strategy-Proofness)：用户如实报告偏好（离店时间、SoC）总是能获得最大效用，谎报（如故意提前离店或要求更高电量）不会带来额外收益。
预算可行性 (Budget Feasibility)：支付给用户的补贴不会超过系统因此节省的成本，确保建筑总成本不增加。
自愿参与 (Voluntary Participation)：理性用户参与协商后的成本不会高于外部充电成本（即“拒绝”选项保证了用户底线）。

3. 主要贡献 (Key Contributions)

首个策略无关且预算可行的 V2B 协商框架：通过一种新颖的方法，在不确定性下生成和评估个性化选项，实现了建筑成本与用户激励的协同优化。
实证用户行为模型：通过实地调查量化了充电便利性与货币激励之间的权衡，构建了基于用户类型的行为模型。
基于真实数据的全面评估：利用商业建筑和 EV 制造商的真实运营数据进行了验证，证明了框架的鲁棒性和有效性。

4. 实验结果 (Results)

实验基于加州圣克拉拉某商业建筑的真实数据（2023-2024），对比了多种策略（无协调充电、智能充电、菜单式协商等）。

成本降低效果：
- 建筑运营商：相比优化的非协商智能充电策略，CONSENT 降低了 3.5% 的运营成本；相比无协调充电，降低了 5.83%。
- 用户：相比公用事业零售电价，用户充电费用降低了 22%（平均 $0.138/kWh）。
参与率与拒绝率：
- 相比传统的菜单式协商（拒绝率约 35%），CONSENT 将拒绝率显著降低至 21.99%。
- 这表明通过提供个性化的激励选项，系统能更有效地吸引用户参与。
鲁棒性分析：
- 在不同用户灵活性分布（更灵活 vs 更不灵活）下，框架均能保持较低的建筑成本和合理的用户成本。
- 消融实验：移除了“拒绝选项”后，虽然建筑成本微降，但用户成本显著上升，证明了保留用户选择权（自主性）对系统整体效益至关重要。
计算效率：生成所有选项平均耗时约 0.8 秒，每个充电选项计算约 0.99 秒，具备实时扩展性。

5. 意义与影响 (Significance)

从摩擦到协作：CONSENT 将 EV 充电从运营摩擦源转变为协作平台，通过经济激励将用户纳入电网优化闭环。
解决不确定性难题：证明了基于 MPC 的方法在处理随机性（EV 到达、负载波动）和硬约束方面，比纯数据驱动的强化学习更具可解释性和鲁棒性。
公平与效率的平衡：通过策略无关性设计，确保了系统的公平性，防止用户博弈，同时通过“拒绝选项”保障了用户权益，实现了真正的自愿参与。
实际部署潜力：基于真实商业数据验证，且计算效率高，为未来大规模 V2B 系统的实际部署提供了可行的技术路径。

总结：CONSENT 框架成功地在建筑能源系统的刚性约束与 EV 用户的柔性需求之间架起了一座战略桥梁，通过智能协商机制，在不牺牲用户体验的前提下，显著降低了电网侧的运营成本，为构建可持续的智能交通与能源生态系统提供了重要参考。