【澳门大学_张洪财_】2025年基于自动驾驶的未来交通与新型电力系统协同报告_36页_6mb

基于自动驾驶的未来交通与新型电力系统协同

核心内容概述

随着电动汽车（EV）的普及，特别是自动驾驶电动汽车（AEV）的发展，未来交通系统与新型电力系统之间的协同成为研究重点。自动驾驶技术与电力系统的结合，不仅有助于优化交通运行和降低运营成本，还能增强电力系统的韧性，促进可再生能源的集成。

主要观点

• 电动汽车主导未来交通：截至2023年底，中国电动汽车保有量已达到2100万辆，销售占比达30%；2024年销售占比预计超过40%。全球自动驾驶汽车市场预计在2023年超过2200亿美元。
• 电动汽车充电负荷对电网的影响显著：以海南为例，夜间充电负荷可达450MW，且增长速率高达75MW/min，远超其他高峰时段。预计2025年充电负荷将增长至800-1000MW，给电网带来巨大压力。
• 自动驾驶电动汽车作为移动储能系统：通过合理的调度，AEV可作为移动储能资源，提升电力系统的韧性。其充电行为与运行路径可与电网进行互动，实现能源的时空优化配置。
• 自动驾驶增强了交通与电力系统的协同：自动化决策减少了燃油成本，提高了运营效率。同时，由于没有驾驶员，AEV更倾向于选择更便宜的电力路径，从而促进可再生能源的使用。
• 协同优化对电网和交通的影响：通过优化车队规模、充电系统规划、路径选择与定价策略，可以有效降低运营成本，提升系统稳定性与环境效益。

关键信息

1. 车队规模与充电系统规划

• 采用车辆可调度网络（VSN）模型，将车队规模问题转化为最小路径覆盖问题。
• 引入充电约束，重构车辆可调度网络，以提升规划精度。
• 通过迭代算法实现车队规模与充电系统优化，复杂度为 $O(TEN^{\frac{1}{2}})$，优于传统方法。

2. 路径选择与定价策略

• 路径选择需考虑电力网络与交通网络的耦合关系，通过一般化边际价格（GMP）进行优化。
• 价格竞争机制影响充电服务市场，需设计合理的定价策略以促进可再生能源集成。
• 优化模型为二次规划问题，目标是最小化运营成本，约束包括电力流、交通流、时间延迟等。

3. 自动驾驶电动汽车作为移动储能

• 在灾害发生前、中、后，通过优化调度提升电力系统恢复能力。
• 建立飓风影响模型，考虑车辆速度与电网受损程度的关系。
• 空间-时间调度策略可显著提升恢复收益，比仅时间调度提升31.75%。

实验与结果

1. 新 York City 案例分析

• 车队规模：实际车队为13437辆，优化后为8100辆，减少40%。
• 充电负荷：考虑充电时间后，车队规模增加15%。
• 运营成本：通过合理路径选择，运营成本降低20%。
• 环境效益：自动化与电动化结合，使碳排放减少90%以上。

2. 算法性能对比

• 梯度下降算法（GDGSA）：相比传统方法（MP），在大规模网络中效率提升50倍，具备多项式复杂度。
• 算法表现：在Eastern Massachusetts和Winnipeg案例中，GDGSA在不同路径集规模下均表现更优，计算时间更稳定。

3. 恢复效益分析

• 自动驾驶电动汽车参与恢复可使恢复收益增加369.53%。
• 空间-时间调度策略显著提升恢复能力，使恢复区域和供电能力提升。

研究意义与目标

• 研究目标：探索自动驾驶电动汽车如何优化车队规模、充电系统规划、路径选择与定价策略，以提升交通与电力系统的协同效率。
• 现实意义：推动绿色出行与可再生能源的深度融合，增强电网韧性，降低交通与电力系统的整体运营成本与碳排放。

相关研究

• H. Zhang 等：提出了车辆可调度网络模型，用于优化自动驾驶电动汽车车队规模与充电系统。
• T. Zeng 等：分析了自动驾驶出租车服务在纽约市的经济与环境效益。
• L. Kong 等：研究了电动公交车在耦合网络中的调度策略，提升电网恢复能力。
• L. Pan 等：基于广义敏感性分析，提出充电定价策略以促进可再生能源集成。

总结

• 自动驾驶电动汽车的普及将显著改变未来交通与电力系统的运行方式。
• 通过协同优化，可有效降低运营成本、提升电网稳定性与可再生能源利用率。
• 空间-时间调度策略在灾害恢复中表现突出，具有重要的实际应用价值。
• 未来研究需进一步探索路径选择与定价策略的动态平衡，以及电动汽车在不同场景下的协同潜力。