《Results in Engineering》：An Online Menu Based Real Time Preemptive Scheduling for Electric Vehicle Charging with Hierarchical Priority Management
编辑推荐：
本研究提出一种多站点分布式网络，用于智能电动汽车（EV）路径规划，区别于孤立停车场中的单站点优化。该网络融合实时荷电状态（SOC）信息，并在算法逻辑中应用数学分类剔除不可达站点，以降低车辆抛锚风险。研究同时引入主动式紧急抢占机制，使关键车辆（如救护车、消防车）
本研究提出一种多站点分布式网络，用于智能电动汽车（EV）路径规划，区别于孤立停车场中的单站点优化。该网络融合实时荷电状态（SOC）信息，并在算法逻辑中应用数学分类剔除不可达站点，以降低车辆抛锚风险。研究同时引入主动式紧急抢占机制，使关键车辆（如救护车、消防车）能够临时中断常规充电会话，确保零延迟车辆接入。与此同时，普通消费者可获取"高级紧急"（Premium Urgency）选项，该选项允许其跳过标准排队队列，并可在存在较低"紧急度"用户可供驱逐时免受紧急抢占影响。定价资费根据队列长度动态变化，以防止电网拥堵，从而以经济最优方式促进充电负荷在充电网络中的空间均衡分布。该算法执行严格的物理电网规格约束，采用连续区间叠加方法，将不同时段相同区间内的转移需求叠加，确保电网不过载。该过程在检测到车辆时实时运行，无需日前需求预测。
论文解读
一、研究背景与问题
随着全球对燃料独立的追求，交通电气化转型不断加速。电动汽车（EV）的普及对充电基础设施提出了巨大需求，但充电站（CS）的建设速度却未能与之同步增长。如图1所示，电动汽车保有量的激增以及社会对电力日益增长的日常依赖，对电网运行构成了重大挑战。高峰时段的负荷拥堵导致电网承压，进而引发负荷削减和停电事故。因此，协调充电策略对于优化电网管理、防止任何时段的潜在过载至关重要。在制定充电协调流程时，还必须优先考虑电动汽车车主的体验，通过在用户请求的时间段内维持稳定充电来保障其满意度。
现有研究存在多重局限。集中式策略难以扩展，且不适用于隐私敏感场景；分布式网络则无法处理复杂且需要动态适应的环境。当前以用户为中心的模型往往采用简单的系统中心模型，未考虑电动汽车用户的不同需求，无法在个体满意度与系统性能之间取得平衡。此外，现有调度算法普遍存在以下问题：其一，充电需求受地理数据和网络性能指标等多种因素影响，具有不可预测性；其二，电动汽车无法被强制分配至特定站点，需要灵活性；其三，充电站需要保有储备容量以在时变需求下提供满意服务。为克服这些挑战，充电站必须满足两个关键标准：获取包括能量需求、功率消耗、到达时间、所需充电水平在内的必要信息，以及基于可用信息快速处理请求并完成时段预订。
静态菜单式在线系统采用预固定定价，便于用户理解，避免了复杂拍卖机制的负担，提供了更高的可预测性。然而，该菜单虽价格固定，却依赖用户报告出发时间或能量需求，容易受到策略性行为（包括支付意愿和充电任务紧急程度）的操纵。同时，菜单缺乏适应性，无法响应需求的动态变化。研究表明，通过提供简单查询界面和稳健的隐私保护，电动汽车用户更倾向于如实报价。考虑用户利益偏好时，真实性可以得到维持。基于实用性考量，菜单还考虑电网过载和充电站拥堵，帮助用户改道至不同站点。
二、研究内容与核心贡献
针对现有研究的不足，本研究将路径规划、紧急抢占和动态定价整合到一个统一框架中，主要贡献包括四个方面。第一，智能空间路径规划与SOC可达性：研究提出分布式多充电站网络用于智能电动汽车路径规划，融合实时荷电状态信息，通过数学分类剔除不可达站点，降低车辆抛锚风险。第二，双层优先级排队（紧急与高级）：引入主动式紧急抢占机制，允许关键车辆（如救护车、消防车）临时中断常规充电会话，确保零延迟接入；普通消费者可获取"高级紧急"选项，在存在较低紧急度用户可供驱逐时跳过标准排队并免受紧急抢占影响。第三，基于经济定价的动态负载均衡：定价资费根据队列长度动态变化以防止电网拥堵，以经济最优方式促进充电负荷在充电网络中的空间均衡分布。第四，硬件约束排队与实时执行：算法实施严格的物理电网规格约束，采用连续区间叠加方法，将不同时段相同区间内的转移需求叠加，确保电网不过载，该过程在检测到车辆时实时运行，无需日前预测。
三、关键技术方法
研究人员构建了完整的数学建模框架。首先建立车辆特定充电参数模型，考虑异构电池化学特性，每辆车具有记录能耗（?i，kWh/km）和最大功率接受能力（Pivehicle_max）的"车辆档案"。有效充电速率（Pieff）取充电站供电功率与车辆允许上限的最小值。其次建立可行性分析模型，通过最大可达里程（Rmaxi）计算，基于SOC与电池容量的关系，对候选站点进行严格的"里程约束"过滤。再次建立动态定价模型，根据队列长度动态调整资费以平衡网络负载。最后建立优先级逻辑与抢占协议，实现分层紧急度管理。算法采用多目标评分函数综合评估各候选站点的适配度，实现实时最优调度决策。
四、研究结果
智能空间路径规划与SOC可达性方面：通过将实时SOC信息融入路径规划算法，并采用数学分类方法剔除不可达站点，有效降低了车辆在充电途中抛锚的风险。相比现有方法将可达性视为既定假设再优化出行成本的做法，本研究将硬性SOC可达性过滤显式纳入路径决策。
双层优先级排队方面：紧急车辆（如救护车、消防车）可通过主动抢占机制临时中断常规充电会话，实现零延迟接入。普通消费者可购买"高级紧急"选项，在存在较低紧急度用户可供驱逐时跳过标准排队队列，并免受紧急抢占影响。该机制突破了现有非抢占式优先级方案的限制，后者要求紧急车辆必须等待当前充电用户离开后才能开始充电，在生命攸关场景中这种延迟不可接受。
动态负载均衡方面：定价资费根据队列长度动态调整，有效防止了电网拥堵，促进了充电负荷在充电网络中的空间均衡分布。该机制通过经济激励引导用户选择负载较低的站点，实现了电网稳定与用户满意度的平衡。
硬件约束排队与实时执行方面：算法严格遵循物理电网规格约束，采用连续区间叠加方法处理不同时段相同区间内的转移需求，确保任何时刻电网均不过载。该过程在检测到车辆时实时运行，无需日前需求预测，具备实际部署的可行性。
五、讨论与结论
研究通过将路径规划、紧急抢占和动态定价整合为统一框架，解决了现有方法孤立处理各挑战的不足。相比已有研究，该算法在空间路径规划、SOC可达性、紧急抢占、高级紧急、动态定价、零过载排队和实时执行七个功能维度上均实现了完整覆盖。该框架在降低用户等待时间、减少出行成本和充电会话成本、保障电网稳定性以及确保紧急车辆接入方面均具有显著优势。研究结论表明，该算法能够有效缓解车辆抛锚问题，实现分层抢占的高效性，并优化系统范围的充电端口分配。研究的局限性及未来研究方向包括进一步扩展网络规模、考虑更多实际运行约束以及探索与其他智能交通系统的协同集成。
