電力市場中新能源汽車充電場站樁群的聚合交易優(yōu)化策略

為了優(yōu)化電力市場中新能源汽車充電場站樁群的聚合交易策略，本文提出了動態(tài)分層優(yōu)化策略。首先，通過市場架構(gòu)分析確定樁群聚合商的市場準(zhǔn)入條件和交易品種；其次，利用日前優(yōu)化和實時調(diào)整兩層模型，基于長短期記憶網(wǎng)絡(luò)（LSTM）預(yù)測和混合整數(shù)線性規(guī)劃（MILP）進(jìn)行策略制定，同時引入模型預(yù)測控制（MPC）以應(yīng)對實時市場的波動。結(jié)果表明，該策略能有效平抑電網(wǎng)負(fù)荷波動，提升經(jīng)濟(jì)效益和用戶滿意度，以期為新能源汽車充電場站樁群在電力市場中的聚合交易提供科學(xué)合理的決策參考。

新能源汽車規(guī)模迅速擴(kuò)張，充電場站無序充電加重電網(wǎng)負(fù)荷波動，場站單獨參與電力市場議價能力不強(qiáng)，聚合交易優(yōu)化策略協(xié)調(diào)多樁群充電規(guī)劃，依據(jù)電力市場價格信號和電網(wǎng)運(yùn)轉(zhuǎn)需求，動態(tài)調(diào)節(jié)充放電功率，達(dá)成峰谷電價差套利，獲得輔助服務(wù)收益并提高電網(wǎng)穩(wěn)定性。憑借智能算法預(yù)估負(fù)荷和電價，利用車網(wǎng)互動技術(shù)，優(yōu)化資源分配效率，削減運(yùn)營成本，有助于雙碳目標(biāo)下新能源消納和電力市場變革深入，成為推進(jìn)交通－能源交融發(fā)展的重要方向。

一、電力市場環(huán)境下的樁群聚合交易機(jī)制

（一）市場架構(gòu)分析

電力市場由現(xiàn)貨市場、 輔助服務(wù)市場與容量市場共同組成，每個市場都有自己的運(yùn)作規(guī)則和準(zhǔn)入條件。電力現(xiàn)貨市場的交易往往以小時或者十五分鐘為單位，價格依據(jù)市場供求狀況即時波動[1]，輔助服務(wù)市場給電力體系供應(yīng)不可或缺的輔助服務(wù)，包含調(diào)頻、調(diào)壓等，它的交易準(zhǔn)則要求參與者迅速回應(yīng)頻率信號或者電壓變動。容量市場保證電網(wǎng)在將來一段時間內(nèi)具備充足的發(fā)電能力，參與者通過長期競拍獲取穩(wěn)定收益。樁群聚合商屬于市場參與者，它進(jìn)入市場要具備一些條件，比如要有一定規(guī)模的聚合能力，掌握有效的負(fù)荷預(yù)測技術(shù)，還要有穩(wěn)定可靠的設(shè)備參數(shù)。在實際交易的時候，樁群聚合商靠協(xié)調(diào)充放電策略來參加很多種市場交易種類。在現(xiàn)貨市場里，可以根據(jù)電價波動去動態(tài)改變充電功率。在輔助服務(wù)市場當(dāng)中，可以用電動車電池提供調(diào)頻服務(wù)，而在容量市場之中，依據(jù)長時間的負(fù)荷預(yù)測，給出穩(wěn)定的容量出力曲線。

（二）樁群資源聚合特性

在城市交通流量高峰時段，早7：00～9：00，晚5：00～7：00之間，電動運(yùn)營車輛處于運(yùn)營狀態(tài)，充電站負(fù)載相應(yīng)減小；深夜低谷階段，由于充電費用低，需求顯著增多，而且城市各個區(qū)域，因為用途不同，充電需求也有差別，商業(yè)區(qū)充電站工作日白天負(fù)載較大。住宅區(qū)充電站夜晚負(fù)載更為集中，時空分布特征給聚合商優(yōu)化戰(zhàn)略提供了關(guān)鍵數(shù)據(jù)參照，就可調(diào)控潛能而言，依靠有序充電控制技術(shù)，聚合商把高峰期負(fù)載挪到低谷期，緩解電網(wǎng)壓力，V2G技術(shù)使得電動車電池在需求大的時候向電網(wǎng)反向送電，不但能被動回應(yīng)電網(wǎng)需求，還能夠主動參加市場調(diào)控，提高資源配置效益，增進(jìn)經(jīng)濟(jì)收益[2]。但是電動車到達(dá)時間、充電時長、SOC狀態(tài)有著隨機(jī)特性，利用概率模型來描繪用戶行為分布特點是可行的，某個城市早高峰時段百分之七十的車輛SOC不足40%，充電時長大致在1.5小時至2小時這個區(qū)間，經(jīng)過對不確定因素的統(tǒng)計剖析，聚合商就能較好地擬定充放電方案，縮減誤差，增進(jìn)總體收益。

（三）交易模式設(shè)計

目前市場上聚合商根據(jù)過往的數(shù)據(jù)和負(fù)載預(yù)估，預(yù)先設(shè)定充放電方案，并以出力曲線的樣式提交上去，依靠完善的預(yù)估模型，例如長短期記憶網(wǎng)絡(luò)（LSTM）配合真實的充電過往數(shù)據(jù)，預(yù)估之后一天的負(fù)載分配和電價走向，通過事先安排低峰期充電和高峰期放電，聚合商能用更低的成本得到能源，提升市場效益。

在即時市場上，實際負(fù)荷常常會和預(yù)測出現(xiàn)偏離，所以聚合商會憑借超短期負(fù)荷預(yù)測來動態(tài)地調(diào)整投標(biāo)策略，而且運(yùn)用儲能系統(tǒng)和備用容量可以均衡風(fēng)險，一旦實時負(fù)荷超過預(yù)測數(shù)值，儲能系統(tǒng)就可以迅速補(bǔ)充電力，維持市場投標(biāo)的履約能力。如果實時電價比預(yù)想的低，那就適度加大充電量來獲取套利機(jī)會。

二、多目標(biāo)優(yōu)化模型構(gòu)建

（一）目標(biāo)函數(shù)

1.經(jīng)濟(jì)效益最大化

經(jīng)濟(jì)效益最大化目標(biāo)旨在通過電力市場交易實現(xiàn)充電場站樁群運(yùn)營收益的最大化。其數(shù)學(xué)表達(dá)式為：

公式（1）中，表示場站在時段t以價格向電網(wǎng)放電獲得的收入。表示場站在時段t以價格從電網(wǎng)購電的成本。

電力市場通常采用分時電價或?qū)崟r電價，峰谷價差可達(dá)2～3倍。例如，在用電低谷時段（如夜間），較低，場站可集中充電；在高峰時段，較高，場站通過放電獲取套利收益。

在充放電功率約束方面，和需滿足充電樁物理限制（如單樁功率、最大充放電速率）及電池安全性約束（如SOC范圍）。例如，某充電樁額定功率為60kW，則其充放電功率需在0～60kW之間動態(tài)調(diào)整。

運(yùn)營成本包含設(shè)備折舊、人力管理、平臺運(yùn)維等固定成本，及與充放電功率相關(guān)的變動成本（如電能損耗、電池衰減成本）。例如，電池循環(huán)充放電會導(dǎo)致容量衰減，需通過壽命模型量化長期成本。

根據(jù)上述討論優(yōu)化方向有以下幾個方面：

（1）價格響應(yīng)策略：在實時市場中，當(dāng)gt;時，優(yōu)先放電；反之則充電。

（2）峰谷套利：利用日前市場預(yù)測電價，制定跨時段充放電計劃。例如，在電價低谷時段（0：00～6：00）低價儲電，在高峰時段（10：00～12：00）高價售出。

（3）多市場協(xié)同：在輔助服務(wù)市場中，通過快速響應(yīng)電網(wǎng)調(diào)頻信號獲取額外收益，進(jìn)一步增加總收入。

2. 電網(wǎng)負(fù)荷方差最小化

電網(wǎng)負(fù)荷方差最小化目標(biāo)通過平滑充電場站從電網(wǎng)吸收的功率曲線，降低電網(wǎng)調(diào)節(jié)壓力。其數(shù)學(xué)表達(dá)式為：

公式（2）中，負(fù)荷波動量化為場站與電網(wǎng)交互的凈功率。為時段內(nèi)的平均負(fù)荷。通過調(diào)整充放電功率，使各時段負(fù)荷接近平均值，避免極端峰值對電網(wǎng)的沖擊。

3.目標(biāo)函數(shù)權(quán)重與權(quán)衡

實際優(yōu)化中，需通過權(quán)重系數(shù)平衡兩個目標(biāo)，即

綜合目標(biāo)=α·經(jīng)濟(jì)效益－β·負(fù)荷方差

權(quán)重選擇α和β反映聚合商的優(yōu)先級。例如，在電網(wǎng)緊急狀態(tài)下，可適當(dāng)增大β以強(qiáng)化負(fù)荷平滑效果。權(quán)重可根據(jù)市場規(guī)則、電網(wǎng)運(yùn)行狀態(tài)實時更新。如在可再生能源高波動時段，提升負(fù)荷方差目標(biāo)的權(quán)重。

（二）約束條件

在多目標(biāo)優(yōu)化模型當(dāng)中，設(shè)定約束條件很關(guān)鍵，這可以保證解的物理可行，經(jīng)濟(jì)合理，市場合規(guī)。

首先，電網(wǎng)運(yùn)行約束。樁群聚合交易的運(yùn)行與電網(wǎng)直接相連，要滿足電網(wǎng)運(yùn)行的技術(shù)限定。電壓約束要求節(jié)點電壓保持在規(guī)定區(qū)間，通常處于0.95～1.05倍額定電壓之間，某個節(jié)點電壓若超出該范圍，或許造成設(shè)備損壞或者供電質(zhì)量出現(xiàn)問題，線路潮流約束表明線路的功率流不得超越其熱容量極限，某條線路額定輸送容量為100MW時，實際潮流達(dá)到120MW就可能致使線路過熱乃至斷線，頻率調(diào)節(jié)約束意味著電網(wǎng)頻率需穩(wěn)定在額定值周邊50Hz，頻率波動超出規(guī)定范圍會干擾用電設(shè)備的正常運(yùn)轉(zhuǎn)。

其次，樁群的物理約束。每個充電樁都有自己的技術(shù)參數(shù)限制，充電功率的上下限往往由設(shè)備規(guī)格決定，某型快充樁的充電功率范圍就在50kW到150kW之間，超出這個范圍就可能造成設(shè)備過載或者產(chǎn)生安全隱患，電池SOC范圍同樣是個重要的限制條件，要想延長電池使用壽命并滿足車輛行駛需求，就得讓電池SOC保持在20%～90%之間運(yùn)行，充放電效率的約束還會涉及電能轉(zhuǎn)換的損耗，典型電池的充放電效率大概在90%～95%左右，在優(yōu)化的時候，一定要確保調(diào)度策略下功率輸出和電池狀態(tài)符合物理限制[3]。

最后，市場規(guī)則制約。電力市場有清楚的交易規(guī)則和合約條款，投標(biāo)容量限制意味著聚合商在市場上申報的充電功率不得超出其實際可用容量，某個樁群的總額定功率為1MW，投標(biāo)功率就得在這個范圍之內(nèi)，響應(yīng)速度需求表明市場參與者要在限定時間內(nèi)回應(yīng)調(diào)度指令，頻率調(diào)節(jié)市場要求在幾秒鐘到數(shù)分鐘內(nèi)迅速調(diào)整充放電功率，結(jié)算機(jī)制制約規(guī)定了市場交易的結(jié)算規(guī)則和價格清算周期，聚合商的策略要在符合實時結(jié)算和結(jié)算電價波動的情況下進(jìn)行優(yōu)化。

三、動態(tài)分層優(yōu)化策略

（一）日前優(yōu)化層

樁群聚合交易時，日前優(yōu)化層會提前預(yù)測第二天的充電需求和電價，然后向日前市場提交更為精準(zhǔn)的充放電方案，這樣就能提高市場收益，給后續(xù)的實時調(diào)整奠定穩(wěn)固的基礎(chǔ)。

優(yōu)化層依靠長短期記憶網(wǎng)絡(luò)（LSTM）去預(yù)測充電需求和電力價格，LSTM是有著時間序列記憶能力的深度學(xué)習(xí)模型，該模型憑借挖掘歷史數(shù)據(jù)里的時序規(guī)律，精準(zhǔn)抓住充電需求的起伏和價格變動的趨向，某個城市的充電站數(shù)據(jù)顯示，工作日和周末的充電需求分配明顯不同，工作日早高峰的需求量平均是2000kWh，周末是1500kWh，電價在工作日白天高峰期也許會達(dá)到0.8元/kWh，夜里低谷時段常常是0.3元/kWh。LSTM經(jīng)過學(xué)習(xí)這些歷史數(shù)據(jù)，推測出第二天不同時段的需求和價格，從而給出優(yōu)化供應(yīng)高品質(zhì)的輸入?yún)?shù)。根據(jù)預(yù)測結(jié)果，日前優(yōu)化層利用混合整數(shù)線性規(guī)劃（MILP）制造基準(zhǔn)運(yùn)行計劃。MILP屬于標(biāo)準(zhǔn)的優(yōu)化建模方法，適用于處理含整數(shù)變量像充電樁啟停狀態(tài)和連續(xù)變量像充電功率這樣的優(yōu)化問題。在MILP模型里，目標(biāo)函數(shù)一般是讓總收益實現(xiàn)最大化，約束條件涵蓋充電樁的功率上下限，電池SOC范圍以及市場規(guī)則等。如果預(yù)測到第二天白天電價為0.6元/kWh，夜間電價為0.4元/kWh，某個樁群的總充電容量為10MWh，MILP就能算出在低谷電價時段集中充電，然后在高峰時段合理放電，從而獲取最大的價格差收益[4]，而且MILP的求解結(jié)合實際場景里更多的數(shù)據(jù)，比如不同區(qū)域充電站的地理分布，車輛到站時間分布等，從而進(jìn)一步提升基準(zhǔn)運(yùn)行計劃的精確性。

（二）實時調(diào)整層

實時調(diào)整層在電力市場里是應(yīng)對價格波動、需求變化的重要手段，它采用超短期滾動優(yōu)化機(jī)制，持續(xù)修正日前計劃，使得運(yùn)行策略變得更為靈活、精準(zhǔn)，尤其是引入模型預(yù)測控制（MPC）以后，聚合商根據(jù)最新的市場價格、負(fù)荷預(yù)測數(shù)據(jù)，在各個優(yōu)化窗口內(nèi)、動態(tài)地調(diào)整充放電策略，這樣就達(dá)成了經(jīng)濟(jì)效益、系統(tǒng)穩(wěn)定性的雙重提高。

MPC在每一輪滾動周期內(nèi)都會采用最新的電力市場價格、充電需求以及電池狀態(tài)的數(shù)據(jù)。比如SOC數(shù)據(jù)，以此來預(yù)測未來一段時間內(nèi)的系統(tǒng)運(yùn)行情況，進(jìn)而制定出最理想的充放電方案。假定一個標(biāo)準(zhǔn)的優(yōu)化時間跨度為15分鐘，那么MPC就可以在10：00這個時間段的末尾數(shù)分鐘依據(jù)即時價格預(yù)估出10：00－10：15之間最為合適的充放電策略，然后在下一個優(yōu)化區(qū)間也就是10：15時再次調(diào)整。在實際執(zhí)行過程當(dāng)中，聚合商會經(jīng)常設(shè)定電價臨界值來引導(dǎo)充放電策略，如果即時電價超過預(yù)先設(shè)定的臨界值，那就首先考慮放電從而獲取高價位帶來的利益。要是即時電價比臨界值低，那就加大充電量從而削減成本。打個比方說，假如聚合商設(shè)定的臨界值是0.5元/kWh時，當(dāng)市場價格在10：00－10：15間上升到0.6元/kWh時，MPC馬上就會更改策略增大放電功率，從而實現(xiàn)收益的最大化。 要是價格在11：00－11：15間降至0.3元/kWh，MPC就會提高充電量，為接下來的高價時段做好準(zhǔn)備，不斷滾動優(yōu)化之后，MPC可以及時抓住市場時機(jī)，而且可以減小由于預(yù)估錯誤或者負(fù)載變動而產(chǎn)生的偏離成本。此外，MPC還可以把體系狀態(tài)約束當(dāng)作優(yōu)化環(huán)節(jié)的一環(huán)，當(dāng)電池電量快達(dá)到最大值時，體系會削減充電功率，快要低于最小值時，就先充電來保證后面能用。

（三）分布式協(xié)同機(jī)制

多場站聚集起來的場景很復(fù)雜，想要達(dá)到高效協(xié)同并找出最理想的答案，可選擇基于交替方向乘子法，也就是ADMM的分布式算法。這個框架里面，每個充電場站都能單獨去解決自身的優(yōu)化小問題，靠著全局協(xié)調(diào)變量來達(dá)成整體上的一致，最后反復(fù)運(yùn)算直到得出全球范圍內(nèi)的最佳答案。

ADMM把全局優(yōu)化問題分成很多個子問題，每個子問題只和它的本地數(shù)據(jù)有關(guān)，某個充電場站要優(yōu)化自己的充放電計劃，限制條件包含這個場站內(nèi)充電樁的功率上限下限，SOC范圍和站點本身的負(fù)荷預(yù)估等。利用ADMM，各個場站能夠獨立進(jìn)行這些運(yùn)算，不用和別的場站分享敏感信息，這樣既能保護(hù)隱私又能減少計算復(fù)雜程度。ADMM在每次迭代時借助全局協(xié)調(diào)變量，比如總充放電功率，來逐步統(tǒng)一各個子問題的解答。如果樁群聚合的目的在于把總負(fù)荷波動率限制在某一閾值之下，實現(xiàn)總收益最大，協(xié)調(diào)變量就會整合所有場站的充放電方案成為一項綜合指標(biāo)，然后反饋給各個場站展開新一輪的調(diào)整，這個迭代流程在數(shù)學(xué)方面可逐漸趨向于全局最優(yōu)解[5]。

ADMM分布式協(xié)同機(jī)制具備多方面優(yōu)點。其一，各場站只需處理本地數(shù)據(jù)，計算任務(wù)被分割成許多小部分，單個節(jié)點的計算壓力大幅減輕；其二，這個機(jī)制不必集中儲存全部場站的數(shù)據(jù)，從而降低了數(shù)據(jù)泄漏的危險；其三，ADMM的收斂性和穩(wěn)定性促使它在分布式環(huán)境下運(yùn)作穩(wěn)定，特別是在實際樁群規(guī)模龐大、站點分布廣泛的狀況下效果更佳。

四、結(jié)語

綜上所述，本文探討了電力市場中新能源汽車充電場站樁群的聚合交易優(yōu)化策略，建立起多目標(biāo)優(yōu)化模型，提出動態(tài)分層優(yōu)化策略，促使經(jīng)濟(jì)效益、電網(wǎng)穩(wěn)定性、用戶滿意度得到全面提高。未來，伴隨著新能源汽車數(shù)量的繼續(xù)增長、電力市場的逐漸深入、聚合交易優(yōu)化策略將會變成推進(jìn)交通－能源融合發(fā)展的重要途徑，為新能源消納和電力市場改革提供新的解決方案。

參考文獻(xiàn)

[1]段雙明，夏馗峰，朱微.考慮多種應(yīng)用場景的鋰離子電池多階優(yōu)化充電策略[J].儲能科學(xué)與技術(shù)，2025，14（2）：779-790.

[2]王月雷.基于Simulink的電動汽車充電安全防護(hù)系統(tǒng)優(yōu)化策略[J].汽車維修技師，2024，（18）：34-35.

[3]孫冰，譙函霖，王子怡.社區(qū)新能源汽車充電管理的困境分析及優(yōu)化策略研究——以自貢市為例[J].汽車知識，2024，24（11）：14-16.

[4]鐘英群，劉晶，鄭培.基于進(jìn)化算法的鋰離子電池充電策略優(yōu)化[J].汽車實用技術(shù)，2025，50（1）：13-19.

[5]梁延.新能源汽車充電基礎(chǔ)設(shè)施優(yōu)化布局與智能調(diào)度策略研究[J].汽車維修技師，2025，（2）：46-47.

[作者單位：正泰安能數(shù)字能源（浙江）股份有限公司]