車-樁-網交融技術研究現狀及展望

毛 玲 張鐘浩 趙晉斌 屈克慶 李 芬

車-樁-網交融技術研究現狀及展望

毛 玲 張鐘浩 趙晉斌 屈克慶 李 芬

（上海電力大學電氣工程學院 上海 200090）

電動汽車-充電樁-電網交互和融合發展，是提升電網靈活性與穩定性、促進能源清潔低碳轉型、培育電動汽車產業發展新動能的重要途徑，國內外學者就電動汽車-充電樁-電網交互與融合技術進行了廣泛而深入的研究。本文對相關研究進行了系統性梳理和研究，首先介紹電動汽車-充電樁-電網交融技術研究背景；其次從無序充電、有序充電到V2X三個階段介紹了電動汽車-充電樁-電網交融技術研究現狀；然后從物理層、平臺層和融合層三個層次對電動汽車-充電樁-電網交融架構進行歸納，并分析了電動汽車和充電樁聯網時所要考慮的傳感和通信技術，對目前電動汽車調度技術關鍵問題進行了剖析，并探討實現電動汽車-充電樁-電網交融架構的多方靈活交易方式；隨后，對典型電動汽車-充電樁-電網交融應用實踐做了介紹。最后對電動汽 車-充電樁-電網三網交融技術研究進行了展望，旨在為電動汽車-充電樁-電網三網交融技術研究與實施提供參考。

車-樁-網交互融合 電動汽車 V2X 交融架構

0 引言

能源與環境危機促進電動汽車發展，2020年10月，國務院常務會議通過的《新能源汽車產業發展規劃（2021—2035）》提出，要堅持電動化、網聯化、智能化發展方向，以融合創新為重點，突破關鍵核心技術，優化產業發展環境，推動我國新能源汽車產業高質量可持續發展[1]。國家電網公司2021年3月1日發布的“碳達峰、碳中和”行動方案中指出加快電能替代，支持“以電代煤”“以電代油”，加快工業、建筑、交通等重點行業電能替代[2]。隨著我國“碳達峰、碳中和”發展目標的提出，汽車電動化的發展進程將進一步加速。據公安部統計數據顯示，截至2021年6月底，全國新能源汽車保有量達603萬輛，占汽車總量的2.1%。中國汽車工程學會預測，2030年我國電動汽車保有量將達到8 000萬輛。在政策的持續鼓勵和支持下，在未來很長一段時間里，新能源汽車還將繼續保持著較高的增長速度。

充電網絡建設是電動汽車推廣應用的重要基礎，是智能交通、智慧城市和智能電網的綜合節點，是實現“碳達峰、碳中和”實施路徑。中國目前已擁有世界上規模最大的充電設施網絡，截至2021年6月，國內充電樁保有量共計194.7萬臺，同比增長47%。其中，公共充電樁保有量已達到92.3萬臺，同比增長65%，隨車配建私人充電樁保有量已經達到102.4萬臺，同比增長34%。2020年7月～2021年6月國內公共充電樁的保有量如圖1所示[3]。

目前電動汽車行業發展加快，市場和政策同時發力，電動汽車新產品不斷涌入市場，商業模式不斷創新，對電動汽車充電網絡布局和市場培育的要求不斷提高，現有充電網絡建設面臨巨大發展機遇，同時需要破解潛在的問題，充電樁建設目前存在的問題與挑戰如圖2所示。

圖1 2020年7月～2021年6月國內公共充電樁保有量

圖2 充電樁建設目前存在的問題與挑戰

根據電動汽車動力電池組的技術和使用特性，現今常用的充電模式包括交流慢充、直流快充、無線充電和快速換電四種，這四種充電模式的充電功率，優缺點見表1。電動汽車充電設施是電動汽車發展的重要基礎支撐系統，也是電動汽車產業鏈的重要組成部分。根據充電聯盟統計的數據，2021年全國總計建設公共類充電樁114.7萬臺，其中直流充電樁47.0萬臺、交流充電樁67.7萬臺、交直流一體充電樁589臺。2021年，月均新增公共類充電樁約2.83萬臺[4]。伴隨著快速發展的新技術，還需極大地提升充電樁服務能力，進而推動電動汽車的充電便利性、經濟性和安全性，促進“電動汽車-電網”良性發展。

為滿足我國電動汽車充電設施建設和發展的要求, 我國已經發布一系列充電設施國家標準，我國電動汽車充電設施標準體系如圖3所示。充電設施標準體系主要包括傳導充電、無線充電、電池更換3個充電技術路線，涉及術語、傳導充電系統與設備標準、無線充電系統與設備標準、動力電池箱標準、計量、服務網絡等21個專業領域標準。截至2021年6月，規劃標準158項，其中，規劃國家標準57項，行業標準62項，團體標準39項[11]。

社會的進步與經濟的發展催生能源需求的快速增長，而作為人類能源消費主體的化石能源日趨枯竭，與此同時，氣候環境日趨惡化威脅著人類的可持續發展[12]。近年來我國加速促進高比例新能源電網的發展，據中國電力科學研究院預測，預計2030年全國新能源總發電量占比將達20%，2050年高達45%左右[13]。不遠的將來，高比例新能源電量的電力系統將從局部地區逐漸向全國擴展[14]。由此可見，高比例新能源將成為未來電力系統的重要特征。

表1 電動汽車充電模式一覽表

Tab.1 List of charging modes of electric vehicles

圖3 中國電動汽車充電設施標準體系

隨著新能源高比例并網，必然會導致電網轉動慣量不斷減小，系統調節能力持續下降，所以電網需要更多的靈活資源參與調節。國家發改委和國家能源局發布的《關于推進電力源網荷儲一體化和多能互補發展的指導意見》文件指出：源網荷儲一體化和多能互補發展是電力行業堅持系統觀念的內在要求，是實現電力系統高質量發展的客觀需要，是提升可再生能源開發消納水平和非化石能源消費比重的必然選擇，對于促進我國能源轉型和經濟社會發展具有重要意義[15]。電動汽車可能成為未來電網中數量最多的負荷之一，其負荷特點的同時性、隨機性會對電網建設運行提出新的挑戰，比如：電網電壓下降、諧波污染、三相不平衡、增加配電網的網損以及減少配電變壓器的壽命等。但電動汽車停駛時間長、需求較寬松，具備其他負荷所不具有的儲能特性，充分發揮電動汽車的充放電優勢，在電網負荷低谷時根據管理需求將電能反饋給電網，實現可移動能量存儲與電網電能的交換，解決電網負荷供需不平衡，具有非常重要的意義。未來電動汽車將成為電網客戶側重要的可調、可控靈活資源，將在能源革命中發揮重要作用。

綜上所述，隨著電動汽車規模的不斷擴大和電網向“多元化-清潔化-柔性化”特性的變化，電網轉動慣量將不斷減小，系統調節能力持續下降，亟須有效拓展電網調節資源，優化完善電動汽車負荷聚合平臺，以充電網絡平臺為橋梁，利用電動汽車“源荷”特性將其作為可中斷負荷資源，實現源網荷儲友好互動和多方共贏的目標，車聯網-充電服務網-電網三網交互融合發展將是必然趨勢。

電動汽車-充電樁-電網交融發展，是提升電網靈活性與穩定性、促進能源清潔低碳轉型、培育電動汽車產業發展新動能的重要途徑，國內外學者就電動汽車-充電樁-電網互動模式進行了廣泛而深入研究，本文對相關研究進行了系統性梳理和研究，旨在為電動汽車-充電樁-電網三網交融技術研究與實施提供參考。

1 車-樁-網交互與融合研究現狀

1.1 第一階段：無序充電

大規模電動汽車在推廣應用后，如果不對電動汽車充電加以引導，其無序充電必然對電網造成一定的負面影響。無序充電是電動汽車-充電樁-電網互動和融合的最自然的互動方式也是三網互動的第一階段。一般情況下，電動汽車充電負荷通過充電樁直接接入配電網，因此學者們的研究工作主要從電動汽車無序充電對配電網電能質量、相關設備及經濟性能影響等方面展開，如圖4所示。

圖4 電動汽車無序充電對配電網影響

1）無序充電對電網電能質量的影響

無序充電對電網電能質量的影響主要分為暫態影響及穩態影響。暫態影響主要是大量的電動汽車在充電過程中所產生的諧波污染，文獻[16]研究表明大規模電動汽車充放電時會產生諧波，其對電網影響嚴重。穩態影響則是規模化的電動汽車充電負荷接入以后對電網電壓偏移和三相不平衡的影響。文獻[17]研究了在不同時段規模化電動汽車接入配電網后對其電壓偏移產生的影響，研究結果表明無論規模化的電動汽車充電負荷什么時段接入，配電網各節點的電壓都會產生較大偏移。文獻[18]研究結果表明隨機接入電動汽車充電負荷保有量越多，各節點的電壓偏移越大。文獻[19]主要分析了在不同時間、季節及電動汽車接入數量下，電動汽車充電負荷對配電網節點電壓偏移所產生的影響。對于三相不平衡問題，現有研究表明大規模電動汽車無序、隨機和無規律地接入配電網，會使配電網產生嚴重的三相不平衡問題[20]。

2）無序充電對配電變壓器及線路的影響

大規模的電動汽車充電負荷隨機接入配電系統節點后，系統變壓器和線路的負載可能會增加，會影響變壓器及線路等設備的壽命[21]。文獻[22]研究指出大量電動汽車充電負荷接入會對變壓器壽命造成影響，變壓器的壽命下降幅度會隨著電動汽車負荷接入的增多而增大。文獻[23]指出含諧波電流的電動汽車充電負荷的接入，會對配電系統變壓器壽命產生影響，使變壓器使用壽命下降。文獻[24]指出電動汽車充電負荷隨機無序不定量的接入配電網，其配電線路也會受到不同程度的影響，可能造成有些配電線路負荷越限，配電線路裕度不夠。

3）無序充電對電網經濟性的影響

大規模電動汽車接入配電網后對其網損及增容改造方面產生影響，進而對電網經濟性產生影響[25]。較多文獻的研究結果表明規模化電動汽車充電負荷接入配電網會造成其網損的增加[26]。與此同時，隨著部分地區電動汽車的增加，充電需求也隨之增加，這將導致部分地區的增容改造需求增加[27]。

以上文獻分析電動汽車無序充電對配電網影響均未考慮交通-電力耦合這一因素，未來運營或交易平臺對用戶充電行為的定價引導，可以克服電動汽車無序充電引起的群聚效應。

1.2 第二階段：有序充電

為解決電動汽車負荷隨機、無規律的無序入網所產生的不利影響，諸多學者開展了電動汽車有序充電的研究，即對電動汽車用戶的充電行為加以引導，有效控制電動汽車充電時間和充電功率，實現電動汽車充電負荷與電網供電能力相匹配[28]。有序充電方式仍然是一種電動汽車-充電樁-電網互動的被動方式，電動汽車用戶沒有主動參與電網的調度，而是被動地接受電網側一定的調度，此種模式下，電動汽車用戶只發揮了“荷”的特性，未發揮“源”的特性。國內外的學者主要研究在不同的應用場景及約束條件下，通過有序充電的控制方法達到不同的優化控制目標，典型的有序充電的控制框架如圖5所示。

以充電站中的有序充電為例。在電動汽車有序充電過程中，配電網根據電網運行狀況和充電站上報的用電需求確定充電站的用電計劃，在計劃執行中，當配電網或是輸電網出現電網負荷較大波動時需要調度。充電站就是調度時介于電網與電動汽車之間的橋梁，執行調度時，充電樁調控站內電動汽車充放電與電網負荷曲線進行協同，確保電網實時保持功率平衡安全運行。當電網出力不夠時，充電站根據配電網調度減少站內電動汽車充電消耗；而電網中負荷減少時，充電站適當增加站內電動汽車充電功率[29]，中間需要有序充電樁及控制平臺等。

圖5 典型的有序充電的控制框架

1）有序充電之直接控制

有序充電的直接控制是調動主體直接對電動汽車充電負荷進行控制，調動主體決定電動汽車負荷的充電行為，又分為時間上控制、空間上控制及功率的控制。文獻[30]以充電站運行經濟效益最大化為目標，建立電動汽車有序充電控制的優化模型，從而實現充電站內電動汽車的充電時間上的控制。文獻[31]為降低無序充電行為對電網的影響，完成電動汽車充電負荷在空間上的分配引導。文獻[32]通過控制優化電動汽車充電負荷的在時間、空間上的分布，進而實現有序充電。文獻[33]以配電網有功網損最小化為目標，通過控制電動汽車的充電功率，實現電動汽車充電在線優化的方法。

由于不同的應用場景下，單一的時間上、空間上及功率上的控制無法滿足控制目標的要求。因此，不少學者將時間上、空間上及功率上的控制方法相結合，形成復合電動汽車有序充電的控制方法，這種方法在理論上能夠實現單一方法互補共贏，改善單一控制方式的不足，但是也導致控制更為復雜等問題。

2）有序充電之間接控制

在實際應用中，受電動汽車用戶響應意愿程度的影響，直接控制方式難以具體應用實施，因此諸多學者研究通過電價機制無形地引導電動汽車用戶的充電行為，達到控制的目標。有序充電的間接控制是調動主體通過電價機制間接地對電動汽車充電負荷進行控制，調動主體決定電動汽車負荷的充電行為，其可分為基于靜態電價及基于動態電價的控制。文獻[34]在電網分時電價時段劃分的基礎上，提出充電靜態分時電價時段劃分方法，旨在達到平抑電網峰谷差的目的。文獻[35]在充分考慮用戶充電需求及充電安全的前提下，以靜態分時電價為基礎，建立電動汽車用戶有序充電的優化模型，以達到提高運營商效益和減少負荷波動的目標。文獻[36]基于動態時變電價機制，以滿足用戶、充電站及電網多方需求。文獻[37]提出基于價格信號的引導電動汽車用戶充電方法，通過智能充電終端運營商發布的實時電價，用戶自主決定是否參與充電響應，運營商根據用戶的響應程度再實時修改電價，兼顧雙方利益。

直接控制模式下調動主體認為在電動汽車空閑時間可以完全控制其充電過程。事實上，是否愿意參與響應，權限在于電動汽車用戶而不是調動主體。間接控制方式需要通過價格機制市場手段換取控制用戶充電的權力，這需要對電動汽車用戶充電需求響應進行調研、模擬及分析[38]。

以上策略能調控引導用戶參與電網的調控，更多從政策和經濟補償等手段進行直接或間接調控，但是存在控制方式復雜、數據獲取和整合較難等不足。未來對調控平臺如何提取有效數據、降低計算維度仍是研究的重點與難點。

1.3 第三階段：V2X

相比于其他負荷，電動汽車不僅具有“荷”的特性還有“源”的特性，參與電網調節具有相當的優勢和潛力。無論是無序充電還是有序充電模式，只發揮了電動汽車荷的特性，被動地接受電網的調度。為了充分發揮電動汽車作為源荷所具備靈活性和可調度性，諸多學者開展了V2X的研究，V2X主要包括V2G（Vehicle to Grid）、V2H（Vehicle to Home）、V2B（Vehicle to Building）、V2V（Vehicle to Vehicle）及V2L（Vehicle to Load）。在V2G模式下，電動汽車用戶從被動模式轉換到主動模式，主動將電量回饋電網，加強電動車-充電樁-電網之間的互動協作。V2G的關鍵是規劃電動汽車的充放電時間表及充放電功率，為此，電動汽車-充電樁-電網之間通信是實現V2G的關鍵因素，圖6說明了電動汽車-充電樁-電網之間通信的典型架構。

隨著研究的不斷深入，在V2G的基礎上衍生出了V2H/V2B/V2V/V2L技術，在V2H/V2B/V2V/V2L模式下，電動汽車作為移動儲能單元在受控狀態下，在電網低谷時為電動汽車充電，在電網高峰時向家庭、建筑、車輛及負載放電，獲取電價收益；或是在停電等特殊情況下，作為應急電源使用，提高對用戶的供電可靠性，也是車樁網互動的一種間接模式。國內外的學者主要從幾下方面開展了V2X研究。

圖6 電動汽車-充電樁-電網之間通信的典型架構

1.3.1 V2H級別

在V2H/V2B級別下，以家庭為單位接入電網，接入的配電壓等級為220V/380V，可控規模一輛或兩輛，其實現的核心在于滿足：①定制化車輛的改造；②不同功率等級雙向充電樁；③雙向充電樁的控制方案；④通信協議及V2H/V2B互動架構標準制訂。文獻[39]針對目前充電樁體積大及成本高的問題，提出一種雙向充電樁系統。文獻[40]提出將虛擬同步控制策略應用于電動汽車充放電系統結構中，且基于虛擬同步策略研制出一臺充放電樣機，并成功應用于示范項目中。文獻[41]提出了一種考慮電動汽車充放電功率變化率的V2H調度策略，仿真結果表明，電動汽車滲透率的增加可以更好地改善居民區負荷的電網接入特性。文獻[42]對V2G/V2H通信標準及充電拓撲進行了綜述。

由于V2H的配電電壓等級較小，具有靈活性和廣泛性，已經有許多產品的出現和試點推廣。圖7為萬幫數字能源有限公司開發的V2H產品。V2H的應用場景主要包括電費較高的場景、存在電費峰谷差價的場景及家庭新能源消納需求。

常州一公司使用工業用電、峰谷電費差異很大，因此安裝了萬幫數字能源有限公司開發的6.6kW雙向直流充電機，EV電動車晚上在家中充電，白天上班到公司在峰值時段內放電給店內使用，賺取谷峰電價格差。同時起到消峰填谷，支撐電網作用。表2為該V2H用戶的收益明細，圖8為應用場景，通過配置6.6kW的雙向墻盒直流充電機和雙向電表以及一輛支持充放電的電動車實現。通過V2H實現應急功能，能夠確保家庭重要負荷在緊急情況下不斷電。

圖7 不同功率等級充電機及通信架構

表2 收益計算明細表

Tab.2 Income calculation schedule

圖8 V2H充放電場景

1.3.2 地區級別的V2G

單一電動汽車的容量往往較小，因此需要通過地區級別電動汽車集群代理商（如充電站，一般接入配電壓等級為10kV）對已入網的集群電動汽車進行充放電調控管理，實現電動汽車與電網的互動，從而獲取一定的價差收益[43]。

在地區級別的電動汽車與電網的互動，因可控的電動汽車規模較大，故充放電的調度優化算法是其核心技術。通過充放電的調度算法統一調節電動汽車充電負荷，實現全局最優。從文獻調研來看，充放電的調度算法目標有的是改進微電網的可靠 性[44]，有的是提高頻率調節能力[45]，有的是最大化充電站及電動汽車用戶的最大化效益[46]。

在電動汽車的充放電調度應用的策略方面，根據研究目的不同又可分為保持電網穩定的充放電策略、新能源發電消納的充放電策略、以經濟性為目的的充放電策略。

（1）保持電網穩定的充放電策略目的是控制電動汽車的充電時間、充電地點和充電功率來保證電網總負荷標準差最小。集群代理商首先要考慮區域電網的平時負荷狀態，然后計算出區域電動汽車充電時產生的負荷量，根據不同調度算法和控制手段，一般將電動汽車充電需求作為約束條件，引導電動汽車集群進行充放電。文獻[47]結合電動汽車的隨機性，獲取電動汽車用戶出行路徑，搭建了耦合交通系統的配電網魯棒調度模型。文獻[48]考慮路網-電力系統的耦合影響，采用隨機-魯棒混合優化技術建立配電網日前優化調度模型。

（2）新能源發電消納的充放電策略可以提高新能源發電的利用率，同時增強電網對新能源發電的容納能力。基于V2G技術，集群代理商可以使用智能調度算法控制電動汽車的充電行為，使電動汽車在平抑新能源功率波動時做出貢獻。文獻[49]建立了利用集群電動汽車功率跟蹤光伏發電功率的凸優化模型，提出了集群商調控電動汽車參與平抑光伏功率波動的實時調度方法。文獻[50]提出了一種考慮電動汽車集群儲能能力和風電接入的平抑控制策略，算例分析證明該策略利用電動汽車的儲能能力，能有效減小風電接入對電網的影響。

（3）以經濟性為目的的充放電策略通過制定合理的充放電價格來引導用戶的充放電行為，從而達到避峰充電、峰谷負荷差異化最小的目的。文獻[51]提出一種基于分時電價的多目標充電優化模型。算例結果表明，不同電價方案下的用戶滿意度會引導電動汽車錯峰充電，達到“移峰填谷”的效果。而電動汽車在負荷高峰向電網放電時，文獻[52]將電力公司和電動汽車代理商引入談判模型，使得用戶取得良好收益。

圖9為萬幫數字能源有限公司員工充電站實拍圖，在員工充電站安裝6.6kW雙向直流充電機，員工下班后將電動汽車開回到家中，并在夜間按照居民用電價格對汽車電池充電，員工上班時將電動汽車開至公司，并在白天按照工業用電價格讓汽車進行放電。用戶對汽車動力電池進行低充高放，賺取差價，汽車動力電池充放電起到消峰填谷，支持電網的作用。

北京中再大廈車網互動示范項目于2020年6月開始運營，是全國第一座V2G商業化運營項目。該V2G項目的電價峰谷差可達1.114 4元/(kW·h)，高峰時段放電價格為0.7元/(kW·h)。根據示范電站運營時電價公示，參與項目的車主每度電收益在0.4元左右，年收益可達4 000元[53]。在調用電量規模上，V2G相比于有序充電優勢明顯，參與電力市場交易的場景也更加豐富。

1.3.3 城市級別的V2G

由于電動汽車資源靈活，點多面廣、分散分布，無法直接參與電力市場，接入城市級別配電網的電壓等級一般為35～110kV。亟須將電動汽車資源聚合起來，成為柔性可控的集合體，因此電動汽車充放電服務參與虛擬電廠交易市場是實現城市級別電動汽車-充電樁-電網互動的關鍵[54]。

基于電動汽車充電服務參與交易市場實現規模化電動汽車精細化調度，可有效調節電網負荷峰谷差[55-56]，降低傳統調峰備用發電容量[57]，為電網提供支撐，提高電網的有效利用率，提升電能質量[58]。

隨著電網智能化水平的提高及負荷管理手段的豐富，電動汽車提供需求響應等電網輔助服務，進一步提高電網效率。與此同時深入挖掘分布式能源的可調、可控能力，在客戶側實現創新和突破，為電網提供充裕的平衡調節服務資源，進而從根本上促進新能源發展[59]。綜上所述，各個級別的V2X互動模式特點及技術核心總結見表3。

同時，對一個城市而言，不同電壓等級的充電網絡與交通網的耦合程度不同，其如圖10所示，對于充電站為主導的中壓充電網絡與交通網耦合的程度越高，對于住宅小區為主體的低壓充電網絡與交通網耦合的程度越低。

表3 各個級別的V2X互動模式特點及核心技術總結

圖10 配電網不同電壓等級與交通網耦合的程度

基于上述三個級別的V2X互動特點對比，系統分析電動汽車在各種新場景下的應用，對于未來電動汽車如何參與電網調控具有指導意義。V2X模式能夠更全面地考慮配電網的具體運行特點，但不同現實場景下交通網與配電網的具體耦合研究有待繼續研究探索。

2 車-樁-網交互與融合架構

電動汽車-充電樁-電網融合架構在邏輯上可劃分為三個層次，即物理層、平臺層及融合層[60-62]，電動汽車-充電樁-電網的融合架構如圖11所示。國家電網中國電力科學研究院指出：智能電網以物理電網為基礎，將現代先進的傳感測量技術、通信技術、信息技術、計算機技術和控制技術與物理電網高度集成而形成的新型電網。它以充分滿足用戶和對電力需求和優化資源配置、確保電力供應的安全性、可靠性和經濟性、滿足環保約束、保證電能質量、適應電力市場化發展等為目的，實現對用戶可靠、經濟、清潔、互助的電力供應和增值服務。

圖11 電動汽車-充電樁-電網的融合架構

2.1 物理層

物理層為電動汽車與充電樁及電網交融的物理基礎，主要由聯網的電動汽車、聯網的充電樁及智能電網組成，利用傳感技術采集電動汽車和充電樁狀態信息，并借助通信網絡將信息上傳給平臺層。

車聯網通過新一代信息通信技術，實現車與平臺網絡連接，利用傳感技術感知車輛的狀態信息，并借助通信網絡將信息上傳給平臺層的車輛監控平臺[63-64]。車聯網作為一個高速移動的復雜的信息系統，信息安全問題及移動互聯網可靠性問題是構建系統時需考慮的主要因素。樁聯網即充電樁通過5G路由器統一接入網絡平臺，利用傳感技術采集充電樁的運行狀態，收集電動汽車用戶行為信息，并實時計算可調度的容量，上傳給平臺層的充電樁監測平臺[65]。構建樁聯網時需考慮建立充電樁與平臺的通信協議標準規范，同時還需考慮充電樁對信息處理及計算能力即所謂的智能性。智能電網以物理電網為基礎，將現代先進的傳感測量技術、通信技術、信息技術、計算機技術和控制技術與物理電網高度集成而形成的新型電網。

隨著國家“新基建”重大戰略部署的逐步深入推進與實施，電動汽車-充電樁-電網逐漸向智能化、數字化及互動化方向發展。

2.2 平臺層

平臺層進行各類信息收集、儲存、計算，并實時下發指令，平臺層包括電動汽車檢測平臺、智能充電樁的監測及運行平臺及智能電網的運維平臺。電動汽車監測平臺其主要完成電動汽車狀態信息的監測包括行駛行為指標、充電行為指標、車型性能指標等[66]。

智能充電樁的監測及運行平臺，主要監測充電樁的運行狀態，收集用戶行為規律信息，同時也是聚合商的運營平臺，聚合電動汽車負荷及充電樁網絡信息，連接電動汽車用戶和電網，對電網實現信息反饋與調控指令下發，對電動汽車用戶進行可調度能力分析和充放電引導調控。文獻[67]提出了一個大數據驅動的規劃策略，收集電動汽車駕駛的大數據，并在數據挖掘和聚合基礎上實現去中心化計算，為充電站預測充電可用性。文獻[68]提出了一種支持移動邊緣計算的充電和放電網絡系統算法，以最大限度地減少電動汽車在充電站中的等待時間。文獻[69]提出了一個用于電動汽車供電設備的互聯網支持平臺，該平臺具有一個高級充電站控制單元和一個電力電子控制器。該平臺在控制計費過程的同時，考慮到了外界信息。

智能電網的運維平臺監控電網的全景信息，實時了解電網的運行狀態，使用戶實時了解供電能力、電能質量和停電信息等，同時提供相應的輔助決策支持，將信息及調控指令下發給智能充電樁的監測及運行平臺（聚合商）[66]。

電動汽車不僅是儲荷一體的單元，也是交通網的重要組成部分；而隨著電動汽車的規模越大，交通網絡對有序充電的影響也越發明顯。如何將采集到的交通信息用于指引用戶有序充電成為電動汽車平臺層的重要作用之一。文獻[70]分析交通信息能夠影響電動汽車的充電決策從而改變電網的負荷接入情況，而電網也能通過電價引導等方式改變電動汽車的出行和充電計劃，影響交通流量。文獻[71]建立了考慮道路阻抗和交叉口節點阻抗的“時間-流量”路阻模型，提出了融合實時交通信息和電網信息的電動汽車路徑規劃和充電導航策略。文獻[72]對交通狀況、用戶通勤行為和公用事業定價過程中存在的隨機性問題，提出了一種基于深度強化學習的無模型方法來確定該問題的最優策略，可以自適應地學習轉移概率，并且不需要任何系統模型信息。

目前，國內外對于平臺層的研究側重于對電動汽車進行合理調控參與有序充放電。在電動汽車的充電引導和充電樁的站點規劃中，交通信息的建模和與配電網的融合十分重要，交通網與車-樁-網交融的耦合問題是未來研究的重要方向。

2.3 融合層

融合層是電動汽車-充電樁-電網發展的應用服務層，在多方交易平臺的基礎上，聚合電動汽車負荷資源，推動參與市場化電力交易和電網優化運行，通過多方靈活交易加快推動形成以電為中心，清潔、綠色的新型能源消費模式，促進電動汽車-充電樁-電網的交融發展。文獻[73]針對綠證交易和電力市場交易的耦合機制，構建以充電負荷聚合商為研究對象的內外二級綠證交易模式。文獻[74]基于交易式控制原理建立一種分布式實時滾動充電管理框架，能夠滿足用戶的隱私保護和自治需求，并能在配電網層面統一協調EV和多種柔性負荷。文獻[75]針對風力發電廠和電動汽車集成商制定了一種競爭投標策略，采用WoLF-PHC（win-or-learn-fast policy hill-climbing）算法模擬多個電力供應商之間的動態競價并計算納什均衡點。

在電動汽車-充電樁-電網交融架構及相關技術發展和政策支撐下，有計劃、有步驟地實現不同程度電動汽車-充電樁-電網的互動，讓電動汽車車主實現充便宜電、綠色電、充電不花錢、充電能賺錢，輔助電網消峰填谷及調頻，促進隨機波動的清潔能源消納，助力“碳達峰、碳中和”目標達成。

3 車-樁-網交互與融合應用實踐

目前，電動汽車正越來越多地通過電力需求響應等方式與電網形成互動，V2G獲認可示范項目多點開花，全國各地探索車網互動之舉屢現報道，典型的車樁網互動應用實踐項目見表4[76]。示范項目密集多點布局的背后離不開政策層面的肯定。伴隨著電動汽車儲能被納入政府議事日程，電動汽車-充電樁-電網之間的互動亦要加快步伐。從當前各地V2G試點項目實踐看，車-樁-網互動阻礙主要體現在：①目前具備互動能力的充電樁比較少；②分布式充電樁資源精準調用技術不夠完善；③V2G技術可用性不強；④用戶參與意愿不強。因此，需要基于所取得的試點經驗，逐步地建立完善的市場機制和商業模式。

4 展望

4.1 考慮到交通-能源耦合的充電設施布局優化

充換電站設施的規劃建設是實現大規模電動汽車接入電網的基礎和前提，現有的充換電站規劃方法都將充電設施作為普通的用電設施進行布局規劃，其導致充電設施利用率低收益差等問題，實際上充電設施不僅是用電設施而且是交通服務設施，電動汽車作為交通網的一部分，在運行中有隨機性和不確定性的特點，因此如何考慮交通與能源耦合的充電設施尤其是快速充電設施的布局優化以改善交通和電網的優化運行應是未來考慮的研究方向。

表4 車樁網的互動應用實踐項目

Tab.4 Interactive application practice project of vehicle pile network

4.2 電力-交通的聯合優化調度

隨著電動汽車規模的增大，未來交通和電力的耦合程度及網絡結構特性將更為復雜，通過5G通信等信息技術自動收集到的用戶信息和充電習慣等相關數據，可以對用戶的充電需求、充電行為進行分析。用戶與電網互動特征更加顯著，運行靈活且多變，對于電網的調度也更加困難。融合架構與新能源利用、智能交通的融合方法、充電服務引導機制、不同“車”-“路”-“樁”平臺數據貫通和流通規則、電力-交通聯合調度理論都值得進一步深入研究。

4.3 車-樁-網交融市場模式探索

電動汽車是電網重要的分布式靈活資源，點多面廣、分散分布，無法直接參與電力市場。亟須將其聚合起來，成為柔性可控的集合體，通過精細化調度進行能量的時間轉移存儲，實現發電和負荷曲線的更優匹配，深入挖掘電動汽車可調、可控能力。交易市場中新的交易模式一直更新迭代，未來對電動汽車充電需求的空間轉移需要電價、經濟補償等政策引導，從而使用戶在需要的地點和時間進行高效的充電，同時也能起到削峰填谷的作用。利用 車-樁-網交互與融合架構，探索車-樁-網交融市場新的模式，為電網提供充裕的平衡調節服務資源，進而從根本上促進電動汽車良性發展。

4.4 ChaoJi技術的推廣和應用以及對電網的影響

2021年12月31日《電動汽車傳導充電用連接裝置第4部分：大功率直流充電接口》標準的制定標志著ChaoJi充電技術獲得國家批準。新一代的ChaoJi充電技術路線是一套完整的電動汽車直流充電系統解決方案。ChaoJi技術解決了國際上現有充電系統存在的一系列缺陷和問題，為世界提供一個統一、安全、可靠、低成本充電系統的解決方案。ChaoJi技術的推廣和應用將提高電動汽車用戶充電的快捷性和安全性，與此同時大規模大功率充電勢必會對電網的負荷產生沖擊，如何刻畫ChaoJi充用戶特征及對電網的影響，ChaoJi充電設施規劃布局是亟需解決問題。

5 結論

電動汽車-充電樁-電網交融發展，是提升電網靈活性與穩定性、促進能源清潔低碳轉型、培育電動汽車產業發展新動能的重要途徑。國內外學者對電動汽車-充電樁-電網互動開展了大量的研究工作，取得了豐碩研究成果，但在技術方面、商業方面、政策方面還存在諸多問題限制了電動汽車-充電樁-電網互動應用及實踐。與此同時，目前電動汽車可聚合的資源規模還較小，未來隨著其逐步規模化推廣應用，形成新能源消納與電動汽車雙向智慧互動、市場價格為引導信號的需求側調峰調頻機制。通過能源服務商對電動汽車集群聚合商的組織調度，緩解電網調峰、新能源大規模發展帶來的消納和間歇性發電問題，實現綠電綠用綠鏈交易運營管理，將有力地推進我國能源革命及“碳達峰、碳中和”雙碳目標實現的進程。

[1] 中國政府網. 國務院辦公廳關于印發新能源汽車產業發展規劃(2021—2035年)的通知(國辦發〔2020〕39號政府信息公開專欄)[2021-05-07]. http://www. gov.cn/zhengce/content/2020-11/02/content_5556716. html.

[2] 中華人民共和國工業和信息化部. 國家電網公司發布碳達峰碳中和行動方案. https://www.miit.gov.cn/ jgsj/jns/xydt/art/2021/art_8f1d9e8146274b75b7505aca 0703a2d0.html.

[3] 中國充電聯網官網. http://www.evcipa.org.cn/China charging network official website. http://www.evcipa. org.cn/

[4] 中國電動汽車充電基礎設施促進聯盟. http://www. evcipa.org.cn/China Electric Vehicle Charging Infra- structure Promotion Alliance. http://www.evcipa.org. cn/

[5] 張葵葵. 國內外電動汽車充換電設施標準及應用現狀[J]. 汽車維修與保養, 2020(12): 61-64.

Zhang Kwai-Koi. Current status of domestic and international electric vehicle charging and switching facilities standards and applications[J]. Automotive Repair and Maintenance, 2020(12): 61-64.

[6] 電動汽車傳導充電用連接裝置. GB/T 20234.2—2015[S]. http://www.china-nengyuan.com/tech/73576. html.

[7] Wajahat Khan, Furkan Ahmad, Mohammad Saad Alam. Fast EV charging station integration with grid ensuring optimal and quality power exchange[J]. Engineering Science and Technology, An International Journal, 2019, 22(1): 143-152.

[8] Feng Hao, Tavakoli R, Onar O C, et al. Advances in high-power wireless charging systems: overview and design considerations[J]. IEEE Transactions on Trans- portation Electrification, 2020, 6(3): 886-919.

[9] 崔淑梅, 宋貝貝, 王志遠. 電動汽車動態無線供電磁耦合機構研究綜述[J]. 電工技術學報, 2022, 37(3): 537-554.

Cui Shumei, Song Beibei, Wang Zhiyuan. Overview of magnetic coupler for electric vehicles dynamic wireless charging[J]. Transactions of China Electro- technical Society, 2022, 37(3): 537-554.

[10] 錢斌, 石東源, 謝平平, 等. 電動公交車換電站—電池充電站優化規劃[J]. 電力系統自動化, 2014, 38(2): 64-69, 84.

Qian Bin, Shi Dongyuan, Xie Pingping, et al. Optimal planning of battery charging and exchange stations for electric vehicles[J]. Power System Automation, 2014, 38(2): 64-69, 84.

[11] 中電聯標準化管理中心官網. https://www.cec.org. cn/template1/index.html?181.

[12] 舒印彪, 張智剛, 郭劍波, 等. 新能源消納關鍵因素分析及解決措施研究[J]. 中國電機工程學報, 2017, 37(1): 1-8.

Shu Yinbiao, Zhang Zhigang, Guo Jianbo, et al. Study on key factors and solution of renewable energy accommodation[J]. Proceedings of the CSEE, 2017, 37(1): 1-8.

[13] 《國家電網有限公司服務新能源發展報告（2021）》. https://guangfu.bjx.com.cn/news/20210527/1154931.shtml.

[14] 周孝信, 陳樹勇, 魯宗相, 等. 能源轉型中我國新一代電力系統的技術特征[J]. 中國電機工程學報, 2018, 38(7): 1893-1904, 2205.

Zhou Xiaoxin, Chen Shuyong, Lu Zongxiang, et al. Technology features of the new generation power system in China[J]. Proceedings of the CSEE, 2018, 38(7): 1893-1904, 2205.

[15] 國家發展改革委. 國家能源局《關于推進電力源網荷儲一體化和多能互補發展的指導意見》發改能源規[2021]28號. https://www.ndrc.gov.cn/xxgk/zcfb/ ghxwj/202103/t20210305_1269046.html?code=&state=123.

[16] 宋輝, 徐永海. 規模化電動汽車充電對配電網電壓質量的影響及其對策[J]. 現代電力, 2017, 34(3): 30-35.

Song Hui, Xu Yonghai. Impact of large-scale electric vehicle charging on voltage quality of distribution network and relevant countermeasures[J]. Modern Power, 2017, 34(3): 30-35.

[17] Jiang C, Torquato R, Salles D, et al. Method to assess the power-quality impact of plug-in electric vehicles[J]. IEEE Transactions on Power Delivery, 2014, 29(2): 958-965.

[18] Leou R C, Su C L, Lu C N. Stochastic analyses of electric vehicle charging impacts on distribution network[J]. IEEE Transactions on Power Systems, 2014,29(3): 1055-1063.

[19] 朱世盤, 劉峰, 李從洋. 電動汽車對城市配電網的影響和諧波分析[J]. 華東電力, 2012, 40(5): 836- 839.

Zhu Shipan, Liu Feng, Li Congyang. EV impact on city power distribution network and its harmonic analysis[J]. East China Electric Power, 2012, 40(5): 836-839.

[20] 趙可為. 規模化電動汽車接入配電網典型問題的研究[D]. 北京: 華北電力大學, 2018.

[21] 孫建龍, 李妍, 胡國偉, 等. 電動汽車接入對配電變壓器使用壽命的影響[J]. 高電壓技術, 2015, 41(11): 3830-3835.

Sun Jianlong, Li Yan, Hu Guowei, et al. Impact of plug-in electric vehicles on the operating life of distribution transformer[J]. High Voltage Engineering, 2015, 41(11): 3830-3835.

[22] Razeghi G, Zhang L, Brown T, et al. Impacts of plug-in hybrid electric vehicles on a residential transformer using stochastic and empirical analysis[J]. Journal of Power Sources, 2014, 252(15): 277-285.

[23] Gomez J C, Morcos M M. Impact of EV battery chargers on the power quality of distribution system[J]. IEEE Transactions on Power Delivery, 2003, 18(3): 975-981.

[24] 高科. 廣東省電動汽車負荷預測研究[D]. 北京: 北京交通大學, 2016.

[25] 王立君. 電動汽車充電負荷對配電系統影響與優化策略分析[J]. 中國高新技術企業, 2017(4): 23-25.

Wang Lijun. Influence of electric vehicle charging load on distribution system and optimization strategy analysis[J]. China High-tech Enterprise, 2017(4): 23-25.

[26] 胡澤春, 宋永華, 徐智威, 等. 電動汽車接入電網的影響與利用[J]. 中國電機工程學報, 2012, 32(4): 1-10, 25.

Hu Zechun, Song Yonghua, Xu Zhiwei, et al. Impacts and utilization of electric vehicles integration into power systems[J]. Proceedings of the CSEE, 2012, 32(4): 1-10, 25.

[27] 梁瑞松. 電動汽車充電站與配電網的交互影響研究[D]. 北京: 華北電力大學, 2016.

[28] 孔順飛, 胡志堅, 謝仕煒, 等. 含電動汽車充電站的主動配電網二階段魯棒規劃模型及其求解方法[J]. 電工技術學報, 2020, 35(5): 1093-1105.

Kong Shunfei, Hu Zhijian, Xie Shiwei, et al. Two- stage robust planning model and its solution algorithm of active distribution network containing electric vehicle charging stations[J]. Transactions of China Electrotechnical Society, 2020, 35(5): 1093- 1105.

[29] 劉燕. 智能電網下充電站優化運營模型及決策支持系統研究[D]. 北京: 華北電力大學, 2021.

[30] 徐智威, 胡澤春, 宋永華, 等. 充電站內電動汽車有序充電策略[J]. 電力系統自動化, 2012, 36(11): 38-43.

Xu Zhiwei, Hu Zechun, Song Yonghua, et al. Corrdinated charging of plug-in electric vehicles in charging stations[J]. Power System Automation, 2012, 36(11): 38-43.

[31] Dai Xianzhong, Chai Yufeng, Han Xinyang, et al. Temporal and spatial pricing for optimal electric vehicle charging and discharging management[C]// 2019 IEEE Innovative Smart Grid Technologies, Beijing, 2019: 2516-2521.

[32] 田文奇, 和敬涵, 姜久春, 等. 電動汽車充電負荷空間分配優化算法[J]. 電工技術學報, 2013, 28(3): 269-276.

Tian Wenqi, He Jinghan, Jiang Jiuchun, et al. Electric vehicle charging load spatial allocation optimization algorithm[J]. Transactions of China Electrotechnical Society, 2013, 28(3): 269-276.

[33] 占愷嶠, 宋永華, 胡澤春, 等. 以降損為目標的電動汽車有序充電優化[J]. 中國電機工程學報, 2012, 32(31): 11-18.

Zhan Kaiqiao, Song Yonghua, Hu Zechun, et al. Coordination of electric vehicles charging to mini- mized active power losses[J]. Proceedings of the CSEE, 2012, 32(31): 11-18.

[34] 孫曉明, 王瑋, 蘇粟, 等. 基于分時電價的電動汽車有序充電控制策略設計[J]. 電力系統自動化, 2013, 37(1): 191-195.

Sun Xiaoming, Wang Wei, Su Su, et al. Coordinated charging strategy for electric vehicles based on time-of-use price[J]. Automation of Electric Power Systems, 2013, 37(1): 191-195.

[35] 陳奎, 馬子龍, 周思宇, 等. 電動汽車兩階段多目標有序充電策略研究[J]. 電力系統保護與控制, 2020, 48(1): 65-72.

Chen Kui, Ma Zilong, Zhou Siyu, et al. Charging control strategy for electric vehicles based on two- stage multi-target optimization[J]. Power system Pro- tection and Control, 2020,48(1): 65-72.

[36] 楊景旭, 周來, 張勇軍, 等. “專變共享”模式下考慮時變電價和轉移概率的EV有序充電[J]. 電力自動化設備, 2020, 40(10): 173-180, 193.

Yang Jingxu, Zhou Lai, Zhang Yongjun, et al. Ordered charging of EVs considering time-varying electricity price and transition probability under “dedicated transformer sharing” mode[J]. Power Automation Equipment, 2020,40(10): 173-180, 193.

[37] 史一煒, 馮冬涵, Ella Zhou, 等. 基于主從博弈的充電服務商充電引導方法及其定價策略[J]. 電工技術學報, 2019, 34(增刊2): 742-751.

Shi Yiwei, Feng Donghan, Ella Zhou, et al. Stackelberg game based on supervised charging method and pricing strategy of charging service providers[J]. Transactions of China Electrotechnical Society, 2019, 34(S2): 742-751.

[38] 王錫凡, 邵成成, 王秀麗, 等. 電動汽車充電負荷與調度控制策略綜述[J]. 中國電機工程學報, 2013, 33(1): 1-10.

Wang Xifan, Shao Chengcheng, Wang Xiuli, et al. Survey of electric vehicle charging load and dispatch control strategies[J]. Proceedings of the CSEE, 2013, 33(1): 1-10.

[39] 楊濤. 電動汽車充電樁設計及充放電控制策略研究[D]. 合肥: 安徽工程大學, 2020.

[40] 陳天錦, 牛高遠, 甘江華, 等. 基于虛擬同步策略的電動汽車V2G充放電系統研究及樣機實現[J]. 電力系統保護與控制, 2021, 49(3): 131-141.

Chen Tianjin, Niu Gaoyuan, Gan Jianghua, et al. Research and prototype manufacture on electric vehicle V2G systems based on virtual synchronous control strategy[J]. Power System Protection and Control, 2021, 49(3): 131-141.

[41] 邢紫佩, 王守相, 梅曉輝, 等. 考慮電動汽車充放電全程功率變化率和用戶舒適度的V2H調度策略[J]. 電力自動化設備, 2020, 40(5): 70-76.

Xing Zipei, Wang Shouxinag, Mei Xiaohui, et al. V2H scheduling strategy considering charging and discharging power change rate of electric vehicles and users' comfort level[J]. Electric Power Automation Equipment, 2020, 40(5): 70-76.

[42] Seyfettin Vadi, Ramazan Bayindir, Alperen Mustafa Colak, et al. A review on communication standards and charging topologies of V2G and V2H operation strategies[J]. Energies, 2019, 12(19): 123-130.

[43] 李德勝, 李國策, 劉博. 基于虛擬同步發電機控制技術的V2G系統研究[J]. 電力系統保護與控制, 2021, 49(7): 127-133.

Li Desheng, Li Guoce, Liu Bo. Research on V2G system based on virtual synchronous generator control technology[J]. Power System Protection and Control, 2021, 49(7): 127-133.

[44] Shams H, Sadeghfam A, Rostami N, et al. Exact approach for charging of PEVs with V2G capability to improve micro-grid reliability[J]. IET Generation, Transmission and Distribution, 2019, 13(16): 3690- 3695.

[45] Peng Chao, Zou Jianxiao, Lian Lian, et al. An optimal dispatching strategy for V2G aggregator participating in supplementary frequency regulation considering EV driving demand and aggregator's benefits[J]. Applied Energy, 2017, 190(10): 591-599.

[46] Singh J, Tiwari R. Cost benefit analysis for V2G implementation of electric vehicles in distribution system. IEEE Transactions on Industry Applications, 2020, 56(5): 5963-5973.

[47] Wei Wei, Mei Shengwei, Wu Lei, et al. Robust operation of distribution networks coupled with urban transportation infrastructures[J]. IEEE Transactions on Power Systems, 2017, 32(3): 2118-2130.

[48] 胡代豪, 郭力, 劉一欣, 等. 計及光儲快充一體站的配電網隨機-魯棒混合優化調度[J]. 電網技術, 2021, 45(2): 507-519.

Hu Daihao, Guo Li, Liu Yixin, et al. Stochastic/ robust hybrid optimal dispatching of distribution networks considering fast charging stations with photovoltaic and energy storage[J]. Power Grid Technology, 2021, 45(2): 507-519.

[49] 胡俊杰, 周華嫣然, 李陽. 集群電動汽車平抑光伏波動實時調度策略[J]. 電網技術, 2019, 43(7): 2552- 2560.

Hu Junjie, Zhou Huayanran, Li Yang. Real-time dispatching strategy for aggregated electric vehicles to smooth power fluctuation of photovoltaics[J]. Power Grid Technology, 2019, 43(7): 2552-2560.

[50] 王明深, 穆云飛, 賈宏杰, 等. 考慮電動汽車集群儲能能力和風電接入的平抑控制策略[J]. 電力自動化設備, 2018, 38(5): 211-219.

Wang Mingshen, Mu Yunfei, Jia Hongjie, et al. Smoothing control strategy considering energy storage capability of electric vehicle aggregators and wind power integration[J]. Electric Power Auto- mation Equipment, 2018, 38(5): 211-219.

[51] 崔金棟, 羅文達, 周念成. 基于多視角的電動汽車有序充放電定價模型與策略研究[J]. 中國電機工程學報, 2018, 38(15): 4438-4450, 4644.

Cui Jindong, Luo Wenda, Zhou Niancheng. Research on pricing model and strategy of electric vehicle charging and discharging based on multi view[J]. Proceedings of the CSEE, 2018, 38(15): 4438-4450, 4644.

[52] 張謙, 丁鑄瑋, 譚維玉, 等. 計及多代理的電動汽車放電電價兩階段談判策略[J]. 電工技術學報, 2018, 33(增刊2): 616-627.

Zhang Qian, Ding Zhuwei, Tan Weiyu, et al. A two-stage negotiation strategy of discharging price for electric vehicle considering multi-agent[J]. Transa- ctions of China Electrotechnical Society, 2018, 33(S2): 616-627.

[53] 祝月艷, 石紅, 方海峰. 我國電動汽車與電網協同發展現狀分析與發展建議[J]. 汽車工業研究, 2021(4): 8-11.

Zhu Yueyan, Shi Hong, Fang Haifeng. Analysis of the current situation and development suggestions of the coordinated development of electric vehicles and power grids in my country[J]. Automobile Industry Research, 2021(4): 8-11.

[54] Hassija V, Chamola V, Garg S, et al. A blockchain- based framework for lightweight data sharing and energy trading in V2G network[J]. IEEE Transactions on Vehicular Technology, 2020, 69(6): 5799-5812.

[55] 崔巖, 胡澤春, 段小宇. 考慮充電需求空間靈活性的電動汽車運行優化研究綜述[J]. 電網技術, 2022, 46(3): 981-994.

Cui Yan, Hu Zechun, Duan Xiaoyu. Review on the electric vehicles operation optimization considering the spatial flexibility of electric vehicles charging demands[J]. Power Grid Technology, 2022, 46(3): 981- 994.

[56] Sains N S, Ai-Anbagi I. Optimal charging and discharging for EVs in a V2G participation under critical peak conditions[J]. IET Electrical Systems in Transportation, 2018, 8(2): 136-143.

[57] 徐詩鴻, 張宏志, 石棟, 等. 面向智慧城市的快充負荷充電服務費制定策略[J]. 中國電機工程學報, 2020, 40(10): 3187-3201.

Xu Shihong, Zhang Hongzhi, Shi Dong, et al. Setting strategy of charging service fee for fast charging load of smart cities[J]. Proceedings of the CSEE, 2020, 40(10): 3187-3201.

[58] 姚一鳴, 趙溶生, 李春燕, 等. 面向電力系統靈活性的電動汽車控制策略[J]. 電工技術學報, 2022, 37(11): 2813-2824.

Yao Yiming, Zhao Rongsheng, Li Chunyan, et al. Control strategy of electric vehicles oriented to power system flexibility[J]. Transactions of China Electro- technical Society, 2022, 37(11): 2813-2824.

[59] Zheng Xueqin,Yao Yiping. Multi-objective capacity allocation optimization method of photovoltaic EV charging station considering V2G[J]. Journal of Central South University, 2021, 28(2): 120-128

[60] 閻坤, 李濤, 張孝杰. 基于MQTT的有序充電平臺建設方案研究與應用[J]. 工業控制計算機, 2020, 33(8): 1-3.

Yan Kun, Li Tao, Zhang Xiaojie. Research and application of orderly charging platform based on MQTT[J]. Industrial Control Computer, 2020, 33(8): 1-3.

[61] 王贊, 陳光, 董曉, 等. 基于工業互聯網的智慧能源服務系統架構研究[J]. 電力系統保護與控制, 2020, 48(3): 77-83.

Wang Zan, Chen Guang, Dong Xiao, et al. Research on the architecture of smart energy service system based on industrial internet[J]. Power system Pro- tection and Control, 2020, 48(3): 77-83.

[62] Grée F, Laznikova V, Kim B, et al. Cloud-based big data platform for vehicle-to-grid (V2G)[J]. World Electric Vehicle Journal, 2020, 11(2): 30.

[63] 楊永標, 丁孝華, 朱金大, 等. 物聯網應用于電動汽車充電設施的設想[J]. 電力系統自動化, 2010, 34(21): 95-98.

Yang Yongbiao, Ding Xiaohua, Zhu Jinda, et al. Assumption of the internet of things in electric vehicle charging facilities[J]. Automation of Electric Power Systems, 2010, 34(21): 95-98.

[64] 2022-2027年中國貨運車聯網技術行業發展監測及投資戰略咨詢報告. https://www.huaon.com/channel/ internet/771097.html.

[65] Eiza M H, Shi Q, Marnerides A K, et al. Efficient, secure, and privacy-preserving PMIPv6 protocol for V2G networks[J]. IEEE Transactions on Vehicular Technology, 2019, 68(1): 19-33.

[66] 毛玲, 鄧思文, 趙登輝, 等. 新能源汽車監測平臺在行駛和充電場景中的應用與思考[J]. 電工技術學報, 2022, 37(1): 1-10.

Mao Ling, Deng Siwen, Zhao Denghui, et al. Application and thinking of big data technology of new energy vehicle monitoring platform in driving and charging scenarios[J]. Transactions of China Electrotechnical Society, 2022, 37(1): 1-10.

[67] Cao Yue, Song Houbin, Kaiwartya, et al. Mobile edge computing for big-data-enabled electric vehicle charging[J]. IEEE Communications Magazine, 2018, 56(3): 150-156.

[68] Tang Qiang, Wang Kezhi, Song Yun, et al. Waiting time minimized charging and discharging strategy based on mobile edge computing supported by software-defined network[J]. IEEE Internet of Things Journal, 2020, 7(7): 6088-6101.

[69] Cirimele V, Diana M, Bellotti F, et al. The fabric ICT platform for managing wireless dynamic charging road lanes[J]. IEEE Transactions on Vehicular Tech- nology, 2020, 69(3): 2501-2512.

[70] 袁泉, 湯奕. 基于路-電耦合網絡的電動汽車需求響應技術[J]. 中國電機工程學報, 2021, 41(5): 1627- 1637.

Yuan Quan, Tang Yi. Electric vehicle demand response technology based on traffic-grid coupling networks[J]. Proceedings of the CSEE, 2021, 41(5): 1627-1637.

[71] 邢強, 陳中, 冷釗瑩, 等. 基于實時交通信息的電動汽車路徑規劃和充電導航策略[J]. 中國電機工程學報, 2020, 40(2): 534-550.

Xing Qiang, Chen Zhong, Leng Zhaoying, et al. Route planning and charging navigation strategy for electric vehicles based on real-time traffic information[J]. Proceedings of the CSEE, 2020, 40(2): 534-550.

[72] Wan Zhiqiang, Li Hepeng, He Haibo, et al. Model- free real-time EV charging scheduling based on deep reinforcement learning[J]. IEEE Transactions on Smart Grid, 2019, 10(5): 5246-5257.

[73] 劉敦楠, 劉明光, 王文, 等. 充電負荷聚合商參與綠色證書交易的運營模式與關鍵技術[J]. 電力系統自動化, 2020, 44(10): 1-9.

Liu Dunnan, Liu Mingguang, Wang Wen, et al. Operation mode and key technologies of charging load aggregator participating in green certificate trading[J]. Automation of Electric Power Systems, 2020, 44(10): 1- 9.

[74] 程亦直, 張沛超. 配電網中電動汽車的實時滾動交易式充電管理[J]. 中國電機工程學報, 2019, 39(19): 5703-5713, 5898.

Cheng Yizhi, Zhang Peichao. Real-time rolling transactive charging management of electric vehicles in distribution network[J]. Proceedings of the CSEE, 2019, 39(19): 5703-5713, 5898.

[75] Gao Xiang, Chan Kawing, Xia Shiwei, et al. A multiagent competitive bidding strategy in a pool- based electricity market with price-maker participants of WPPs and EV aggregators[J]. IEEE Transactions on Industrial Informatics, 2021, 17(11): 7256-7268.

[76] 北極星微電網官網. https://shupeidian.bjx.com.cn/ html/20200521/1074220.shtml.

Research Status and Prospects of Fusion Technology of Vehicle-Charging Pile-Power Grid

（College of Electrical Engineering Shanghai University of Electric Power Shanghai 200090 China）

The interactive and integrated development of electric vehicles (EVs), charging piles(CPs), and power grid can improve grid flexibility and stability, promote energy-clean and low-carbon transformation, and foster new drivers for developing the EVs industry. Scholars at home and abroad have conducted extensive and in-depth research on EVs-CPs-power grid interactive and integration technology. This paper systematically reviews the current situation and progress of EVs-CPs power grid interactive and integration technology. First, this paper investigates the research background and then summarizes the status of EVs-CPs-power grid interactive and integration technology from disorder-charging and order-charging to V2X. Second, the integration architecture of the EVs-CPs-power grid is summarized from the physical layer, platform layer, and fusion layer. This paper also analyzes the sensing and communication technologies when EVs and CPs are connected. The key issues of the EVs dispatching technology are discussed, and the flexible multi-party transactions of EVs-CPs-power grid interactive and integration technology are explored. After that, the typical application practice of EVs-CPs-power grid integration is introduced. Finally, the research on the EVs-CPs-power grid integration is prospected to provide a reference for the research and implementation of integrating EVs-CPs-power grid.

Vehicle-charging piles-power grid interactive and integrated, Electric vehicle, Vehicle to X, the integration architecture

10.19595/j.cnki.1000-6753.tces.211267

TM73

國家自然科學基金資助項目（51777120）。

2021-08-15

2022-06-12

毛 玲 女，1981年生，博士，碩導。主要研究方向為新能源及電動汽車供給技術、鋰電池的狀態估計。E-mail: maoling2290@shiep.edu.cn

趙晉斌 男，1972年生，博士，教授。主要研究方向為現代電力電子技術在電力系統中的應用、新能源發電技術。E-mail: zhaojinbin@shiep.edu.cn（通信作者）

（編輯 郭麗軍）