🤖 AI

A Grid-Aware Agent-Based Model for Analyzing Electric Vehicle Charging Systems

本文介绍了一种用 Python 实现的、可配置且感知电网的基于智能体的模型，旨在系统分析基础设施约束、用户行为与协调策略如何同时影响电动汽车充电系统的服务级性能与电网总负荷。

原作者： Khalil Al-Rahman Youssefi, Marija Gojkovic, Walter Stefanutti, Mika Auer, Melanie Schranz

发布于 2026-05-01

📖 1 分钟阅读☕ 轻松阅读

原作者： Khalil Al-Rahman Youssefi, Marija Gojkovic, Walter Stefanutti, Mika Auer, Melanie Schranz

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

想象一座繁忙的办公楼，里面所有人都驾驶电动汽车（EV）。该建筑从主电网获取电力的能力有限，同时拥有一个配备充电桩的停车场。作者们提出的问题正是：我们该如何组织充电，才能让每辆车都充满电，同时既不烧断保险丝，也不在昂贵设备上浪费资金？

为了回答这个问题，研究人员利用一种称为“基于代理的建模”（Agent-Based Modeling）的方法，构建了一个数字“沙盒”（即模拟环境）。这就像一款电子游戏，其中每一辆车、每一个充电桩乃至电网本身，都是一个拥有各自性格和规则的“角色”。

以下是他们研究的简要拆解，使用了简单的类比：

1. 模拟中的“角色”

汽车（代理）： 每辆车都是一个独立的角色。它们在不同时间到达（就像员工陆续走进大楼），停放特定时长（即他们的工作时间），并需要特定数量的能量才能回家。它们彼此不交流，只是遵循各自的日程。
充电柱（站点）： 这些是停车场的“服务器”。研究测试了两种类型：
- 慢速充电器（SCCs）： 就像标准的厨房插座。它们更便宜，但给汽车电池充电的速度较慢。
- 快速充电器（FCCs）： 就像高压消防水带。它们能极快地给汽车充满电，但价格昂贵，且需要从电网汲取巨大的电力。
能源沙盒（电网管理者）： 这是门口的“保安”。它控制整座建筑一次性能使用的总电量。如果太多汽车试图在同一秒充电，沙盒就会说：“嘿，慢点”，并将部分请求放入等待队列。

2. 游戏规则

研究人员测试了两种不同的方式来决定谁能在何时充电：

先到先得（FCFS）： 最先插上车头的车辆获得电力。它会持续充电，直到充满或驾驶员离开。
时间共享（SHRD）： 想象一群朋友分享一个披萨。不是一个人吃掉整个披萨，而是每人分一片，然后下一个人再分一片。充电功率被分割成小的时间片段，在所有插入的车辆之间轮换。

3. 大型实验

他们运行了 12 种不同的场景，改变了三个因素：

有多少辆车？（30 辆、60 辆或 120 辆）。
什么样的充电器？（全是慢速，或全是快速）。
哪种规则？（先到先得或时间共享）。

他们观察车辆获得“足够好”的电量（约 9.36 千瓦时，足以满足典型通勤需求）所需的时间，以及这对电网造成的压力有多大。

4. 他们的发现（结果）

“快速充电器”的陷阱
研究发现，对于工作场所而言，快速充电器往往是杀鸡用牛刀。

类比： 想象用消防水带去给游泳池注水。是的，它注水很快，但如果你只需要装满一个水桶，那么消防水带只是浪费了水压，而且安装成本极高。
结果： 当他们使用快速充电器时，电网不得不应对巨大的、突然的需求激增（就像电力交通堵塞）。然而，由于车辆停放了整个工作日，慢速充电器完全能够胜任工作，且不会给电网带来压力。快速充电器并没有让车辆以有意义的方式更早离开；它们只是让电费账单和基础设施成本大幅上升。

“时间共享”的转折

类比： 如果你有一个慢速充电器（就像一根小花园水管），并试图通过每隔几秒轮流使用的方式将其在 12 个人之间共享，那么你会把所有时间都花在切换水管上。你花在“握手”（切换）上的时间比实际浇水的时间还要多。
结果： 当车辆较少时，时间共享策略表现尚可。但当车辆很多且使用慢速充电器时，它实际上让事情变得更慢了。系统在车辆之间切换时陷入停滞，导致所有人延误。

“闲置”的现实
即使有 120 辆车，充电桩也有约 90% 的时间处于闲置（空置）状态。

原因？ 因为人们停车 8 小时，但可能只需要充电 1 到 2 小时。车辆只是停在那里。这意味着基础设施很少处于“满载”状态，因此你不需要最昂贵、最高速的设备来处理负荷。

5. 主要结论

如果你正在为工作场所建设充电站：

不要在快速充电器上过度花费。 它们会给电网造成不必要的压力，且建设成本高得多，但对于全天停车的员工来说，它们并没有提供实质性的好处。
慢速充电器是最佳选择。 它们更便宜，对电网更友好，并且完全能够满足典型工作日的充电需求。
保持简单。 如果你车辆太多而电力不足，复杂的“共享”规则实际上可能会拖慢进度。

总结

这篇论文的核心观点是：开车上班并不需要法拉利引擎。 只要你有足够的时间停车，可靠且较慢的引擎（慢速充电器）通常是更明智、更经济且对电网更友好的日常通勤选择。模拟证明，当目标仅仅是“在一天结束时加满油箱”时，“更大更快”并不总是更好的选择。

以下是论文《一种用于分析电动汽车充电系统的电网感知智能体模型》的详细技术摘要。

1. 问题陈述

交通的快速电气化给电力配电网和充电基础设施带来了重大的运营挑战。与常规负荷不同，电动汽车（EV）充电需求具有随机性，受人类出行模式、异构车辆特征和时间约束驱动。未经管理的充电可能导致：

同步的高功率需求峰值。
充电设施拥堵。
违反电网运行限制（例如，变压器过载、电压偏差）。

现有解决方案往往缺乏灵活响应动态能源状况的能力，或未能捕捉单个电动汽车用户、充电基础设施与电网约束之间复杂的去中心化交互。因此，需要一种仿真框架，将真实的智能体层面行为与明确的功率波动限制相结合，以评估基础设施的适用性和协调策略。

2. 方法论

作者提出了一种电网感知智能体模型（ABM），该模型使用Python语言并基于SimPy离散事件仿真框架实现。这种方法通过事件驱动处理，避免了固定时间步长仿真相关的数值失真。

核心组件

电动汽车智能体（EV Agents）： 代表具有随机到达时间、停车时长和特定能量需求的异构车辆。智能体请求停车位，并在连接后获得充电资格。
充电柱（CCs）： 具有固定端口数量（研究中设定为 4 个）和最大功率额定值的设施节点。模型化了两种类型：
- 慢速充电柱（SCC）： 11 kW。
- 快速充电柱（FCC）： 48 kW。
- 约束： 即使多辆车连接，任何时刻每根充电柱仅有一辆车处于活跃充电状态。
能源沙盒（ES）： 设施级别的资源管理器，负责调节总功率分配。它执行全局功率上限（ $P_{max}^{ES}$ ）并管理来自充电柱的功率请求。它充当电网约束的代理，并可提供外部信号（例如，能源价格、光伏可用性）以支持未来的高级策略。
交互逻辑：
- 握手： 当充电柱在车辆之间切换时，会发生切换延迟（ $T_{hs} = 32$ 秒）。
- 排队： 如果能源沙盒因容量限制无法授予功率请求，请求将以先到先服务（FCFS）的方式排队。
- 策略： 本研究比较了两种基准调度策略：
  1. FCFS： 车辆根据连接时间按顺序充电。
  2. 时间共享（SHRD）： 车辆在价格区间内以循环轮询的方式共享充电资源。

实验设置

该模型使用具有代表性的工作场所充电场景（平均员工使用情况）进行了测试：

到达时间： 早晨窗口（06:00–08:00）。
需求： 每辆车约 9.36 kWh（基于 26 公里的通勤距离）。
停车时长： 8–9 小时。
变量： 系统规模（30、60、120 辆电动汽车）、基础设施类型（FCC 与 SCC）以及调度策略（FCFS 与 SHRD）。
电网约束： 能源沙盒容量设定为 1 MW（对于这些场景为非约束性），以隔离基础设施和调度的影响，尽管该框架支持约束性限制。

3. 主要贡献

可配置的电网感知 ABM 框架： 一个灵活、可扩展的仿真环境，联合评估以用户为中心（充电时间）、以基础设施为中心（利用率）和以电网为中心（总负荷）的性能指标。
离散事件实现： 利用 SimPy 确保高计算效率和可扩展性，避免时间步进仿真的不准确性。
方法论基础： 通过将智能体行为与特定电网约束解耦，为未来研究高级协调机制（例如，自组织、基于学习的策略）提供了基准。
比较分析： 系统评估了基础设施构成（FCC 与 SCC）和调度策略如何在不同负荷水平下影响系统性能。

4. 主要结果

该研究分析了 12 种实验配置，每种配置进行了 30 次仿真运行。

能量交付性能（TTR9.36）：
- 低负荷（30 辆电动汽车）： FCC 和 SCC 表现相似；充电需求未使容量饱和。
- 高负荷（120 辆电动汽车）： FCC 缩短了单次充电时间，但在 SHRD 策略下引入了显著的切换开销（握手），导致总交付时间比 FCFS 更长。
- SCC 与 FCC 对比： 虽然 SCC 由于功率较低导致充电时间较长，但它们对于 8–9 小时的停车窗口仍然充足。
基础设施利用率：
- 在所有配置中，充电柱大部分时间处于空闲状态（约 90%），因为所需充电时间（ $t_{chg}$ ）远短于停车时长（ $T_p$ ）。
- SHRD 开销： 在高负荷下使用 SCC 时，SHRD 策略显著增加了“握手”比例（切换时间），却未提高充电吞吐量，使其在低功率设置下不如 FCFS 高效。
电网影响（总负荷）：
- FCC： 产生了显著更高的功率峰值（120 辆电动汽车时高达约 960 kW）和更陡峭的爬坡率，导致电网压力放大。
- SCC： 保持了更平稳、更低的功率水平（120 辆电动汽车时约 330 kW）。
- 成本效益： 研究结论认为，对于工作场所场景，FCC 的高资本和电网集成成本并未被运营效益所抵消，因为 SCC 在满足用户需求的同时不会引发过度的电网峰值。
时间错配：
- 传统策略（如 FCFS）将充电集中在早晨，与午间光伏可用性和价格信号产生错配，突显了需要更智能的、信号感知的协调机制。

5. 意义

基础设施规划： 结果表明，对于典型的工作场所充电，慢速充电柱（SCCs） 是比快速充电柱（FCCs）更具成本效益且对电网更友好的解决方案，因为它们避免了不必要的电网峰值，同时满足了用户需求。
战略调度： 研究表明，在低功率基础设施设置中，简单的调度策略（FCFS）通常优于复杂的时间共享策略（SHRD），原因是减少了切换开销。
研究效用： 所提出的 ABM 为未来关于去中心化、自组织和基于学习的充电策略的研究提供了稳健的开源基础。它允许研究人员测试这些高级算法如何减轻电网压力并使充电与可再生能源发电保持一致，而不受本文所分析的具体场景的限制。
可扩展性： 该模型的事件驱动性质确保其能够扩展到大型系统和复杂的电网约束，使其适用于数字孪生应用和政策分析。