想象一下，电网就像一个巨大的、隐形的神经系统，维持着我们现代世界的生命，将能量从发电厂输送到我们的家、学校和各种电子设备中。长期以来，这个系统一直像一条单行道：大型发电厂产生电力，然后向下游输送给我们。但现在，我们正在向其中加入数以百万计的电动汽车（EV）。请不要仅仅把电动汽车看作汽车，它们是可以在插座上“喝”电的巨型移动电池。如果每个人都在同一时间——比如下班回家后——同时插上电源，这就像是一场巨大的海啸突然撞击一个小池塘。这可能会使局部电网过载，导致电压下降甚至停电，就像太多人试图同时使用同一个洗手间一样。
为了解决这个问题，科学家们正在探索“智能充电”，即让汽车在不同的时间充电，以平滑电流的波动。现在的大问题是：谁应该是这场交通流量的“指挥官”？应该由国家层面的中央“指挥家”来决定每辆车的具体充电时间，以保持整个国家的能源系统平衡吗？还是应该由当地社区的管理者根据他们所在街道的具体情况来做决定？这篇论文深入探讨了这场辩论，探讨了一个由远方的中央规划者制定的计划，在落地到当地社区时是否真的可行，还是会因为不了解当地街道的情况而彻底失败。
苏黎世联邦理工学院（ETH Zurich）的研究人员通过测试两种不同的电动汽车交通管理方式来进行研究。他们对比了一种“自上而下”的方法（即由一台中央计算机计算出全国完美的充电计划，然后尝试将其分解并应用到各个局部社区），以及一种“自下而上”的方法（即由当地管理者根据中心发送的电价信号来优化充电过程）。他们还观察了在没有人管理车辆的情况下（即“无控制”场景）会发生什么——在这种情况下，每个人只要停车就会立即充电。
该研究模拟了 2构 2050 年的未来，届时瑞士已全面转向电动交通和电动供暖，且屋顶上安装了大量的太阳能电池板。他们运行了复杂的计算机模拟，以观察这些不同的策略如何应对局部电网的压力。结果对中央规划者非常有利。“自上而下”的方法——即使它在开始时甚至并不了解具体的局部线路信息——也成功制定出了一个在局部层面运行良好的充电计划。它成功避免了社区电网过载，并尊重了驾驶员在下次出行前需要用车准备就绪的需求。事实上，与任由大家随意充电相比，它显著减少了电网问题。
“自下而上”的方法（即当地管理者利用价格信号引导汽车）也表现出色。在冬季，当取暖需求较高时，当地管理者找到了一个略有不同、甚至更好的时间表，这比中央计划更能减轻电网压力。然而，在夏季，当阳光灿烂、太阳能电池板大量输出电力时，中央计划和地方计划最终都采取了几乎完全相同的做法：将所有充电任务转移到白天，以吸收多余的太阳能。
研究人员发现，中央计划并没有在局部层面失效；相反，即使在实施于复杂的局部社区时，它依然保持了有效性。虽然“自下而上”的局部方法有时可以微调时间表，使电网承受的压力更小（尤其是在冬季），但中央计划本身已经非常接近理想状态了。这项研究表明，电价是一种极好的方式，可以让当地驾驶员遵循中央计划，而无需通过一个“微观管理者”去告诉每一辆车何时插上电源。即使面对不同程度的太阳能、热泵或电网强度，中央计划都能表现稳健。论文得出结论：中央规划并不会在局部层面失败；事实上，一个设计良好的国家战略可以为当地社区带来巨大收益，在无需建设昂贵新电线的情况下，既能保证灯火通明，又能让车辆有序行驶。
技术摘要：中央规划在局部层面是否失效？评估不同电网层级的电动汽车充电灵活性优化
问题陈述
电动汽车（EV）充电灵活性被认为是整合高比例可再生能源和实现电力系统脱碳的关键赋能因素。然而，现有研究大多将电动汽车充电优化孤立地视为传输层（集中式）或配电层（局部化）层面的问题。在理解“为集中式系统级规划优化的充电调度在应用于局部配电网时是否仍然可行”方面存在显著空白——因为在局部电网中，这些调度可能会引发电压和负载违规。此外，尚不清楚去中心化的、价格驱动的局部优化与集中优化的剖面相比表现如何。本研究旨在解决传输层规划与配电层运行之间的脱节问题，具体研究：当未明确考虑配电约束和个体驾驶需求时，集中优化的电动汽车调度在局部实施时是否会失效。
研究方法
作者在一个集成的中压（MV）和低压（LV）配电网中评估了三种不同的电动汽车充电场景，该电网模拟了瑞士 2050 年的情况。研究利用了一个包含约 320 万辆电动汽车的高分辨率数据集，这些车辆被聚合到特定的传输节点，并下放至服务于温特图尔（Winterthur）地区的代表性配电网。
该方法比较了三种方案：
- 非受控充电： 基准方案，车辆在停车后立即以最大可用功率进行充电，仅由移动需求驱动。
- 自上而下法（从集中到局部）： 该方法从传输层级的集中式发电扩张与运行规划（CP）模型（CentIv）中导出最优充电调度。该聚合剖面随后被下放到配电网。配电系统运营商（DSO）尝试遵循该设定值，同时明确遵守局部电网约束（电压和支路负载）以及个体车辆的驾驶需求（能量状态约束）。优化过程旨在最小化与 CP 剖面的偏差，并将电网违规视为软约束。
- 自下而上法（局部优化）： 该方法从降低成本的 DSO 视角进行局部电动汽车充电优化。其目标是使用源自集中式模型的批发价格信号来最小化电力供应成本，同时满足相同的局部电网约束和车辆需求。
研究采用线性化 DistFlow 潮流方程来模拟电网物理特性。模拟针对具有代表性的冬夏季进行，以捕捉热泵需求（供暖）和光伏（PV）发电的季节性变化。通过改变光伏部署、热泵采用率和电网容量进行敏感性分析，以测试研究结果的稳健性。
核心贡献
- 系统性比较： 本文对以传输为中心的（自上而下）方法与以配电为中心的（自下而上）方法以及非受控基准进行了严格比较，弥合了系统规划与局部运行之间的鸿沟。
- 可行性评估： 研究展示了如何在考虑物理电网约束和用户移动需求的情况下，将集中优化的调度下放到配电层级，而这一细节在高级别规划研究中经常被忽视。
- 协调机制验证： 研究评估了电力价格信号作为一种协调机制的效果，即评估局部成本最小化是否与系统级最优剖面保持一致。
- 稳健性分析： 通过敏感性分析，研究评估了电网条件（容量、分布式能源渗透率）如何影响这些充电策略的表现及差异。
结果
- 自上而下法的表现： 自上而下的方法在大多数情况下都能成功重现集中优化的充电剖面。它显著减少了与非受控充电相比的电网违规情况，证明了集中优化的调度通常与局部配电约束及个体驾驶模式相兼容。微小的偏差主要源于时间能量约束的差异（CP 模型中的每周平衡与局部模型中的每日平衡）。
- 自下而上法的表现： 自下而上的方法识别出的充电剖面与自上而下的剖面相似，特别是在光伏过剩发电成为主要约束因素的夏季。在冬季，自下而上的方法优先缓解电网拥塞，导致其产生的剖面与 CP 剖面略有偏差，但进一步减少了电网违规。
- 电网违规： 两种受控方法（自上而下和自下而上）都大幅减少了电压和负载违规，优于非受控充电。自下而上的方法通过识别替代性的电网友好型调度，提供了边际性的额外改进，尤其是在冬季。
- 季节性动态： 在夏季，高光伏发电创造了一个狭窄的电网友好型充电窗口，导致自上而下和自下而上的方法趋于一致。在冬季，由于需求高且光伏量较低，自下而上的方法拥有更多通过转移负荷来缓解拥塞的灵活性，从而导致与自上而下剖面的更大差异。
- 敏感性： 研究结果在光伏部署、热泵采用率和电网容量的变化下保持稳健。虽然增加电网容量可以减少违规，但在非受控充电情况下无法完全消除违规，而受控充电即使在存在容量限制时依然有效。
意义与主张
论文得出结论：中央规划在局部层面不会失效。集中优化的电动汽车充电调度不仅在系统层面，而且在配电层面也能带来实质性收益，即使中央规划者并未明确模拟配电约束。研究表明，在分布式能源（DER）渗透率较高的系统中，集中优化的电动汽车充电在配电层级实施时仍然有效。
此外，结果表明电力价格信号是一种合适的协调机制，因为去中心化的自下而上优化所产生的剖面与集中优化的目标高度一致，并能进一步减轻局部电网压力。作者强调，虽然电动汽车的灵活性对于保障电网安全运行至关重要，但在极端季节性压力场景下，它最有效的做法是与其他灵活资源（如光伏削减策略或热泵灵活性）相辅相成。这项工作强调了在具有分布式发电特征的未来电力系统中，中央运营目标与局部运营目标的趋同性。
每周获取最佳 electrical engineering 论文。
受到斯坦福、剑桥和法国科学院研究人员的信赖。
请查收邮箱确认订阅。
出了点问题，再试一次？
无垃圾邮件，随时退订。