被察觉的“漂绿”行为：怀疑从何而来？

《Journal of Cleaner Production》：Perceived greenwashing: where does scepticism come from?

针对传统统一电价未能有效管理异质化电动汽车充电负荷的问题，本研究提出了一种基于数据驱动的差异化定价框架。通过分析山东省50,554条充电记录，量化了11类功能车辆的价格弹性，并采用强化学习算法优化了电网峰谷差（降低21.2%）、运营商收入（提升19.1%）和消费者福利（达83.5万元）。

　　

付中林|曹灿|高峰

清华大学能源互联网研究院，北京，100084，中华人民共和国

摘要

交通运输的快速电气化对全球脱碳努力至关重要，但同时也给电网带来了前所未有的压力。现行的统一分时（TOU）电价往往忽略了电动汽车（EV）车队之间的显著运营差异，导致电网管理效果不佳。为了解决这一效率问题，本研究提出了一个数据驱动的框架，旨在为不同的EV车队量身定制分时电价，从而优化车对网（G2V）智能充电。通过对中国山东地区11种功能车辆的50,554条充电记录进行分析，我们发现车辆的功能与充电模式之间存在显著关联。这一发现使我们能够精确量化每种车辆类别的价格弹性。我们采用强化学习模型来管理消费者的随机行为，并在保证电网稳定、运营商收入和消费者福利之间取得平衡。模拟结果显示，这种优化策略将电网的峰谷差降低了21.20%，使运营商收入增加了19.12%，并将消费者福利从零基线（当前统一分时定价下）提升到了835,251元人民币。尽管该方法是在区域固定分时环境下开发的，但它为未来放松管制、动态定价市场提供了可靠的需求侧管理蓝图。

引言

全球向电动汽车（EV）的转型是应对气候变化的基石，但同时也对全球电网的稳定性构成了严峻挑战（Lei等人，2025年）。数百万辆电动汽车的充电行为缺乏协调，导致需求峰值波动剧烈，威胁电网可靠性，并可能需要进行昂贵的基础设施升级（Zhong等人，2025年）。虽然分时（TOU）电价作为一种激励非高峰时段充电的主要手段已经出现，但这些政策存在一个关键缺陷，即通常将整个EV车队视为一个同质整体（Almutairi和Aljohani，2024年）。

尽管现有文献承认消费者层面的差异性，例如居民消费者和商业消费者之间的区别（Enrich等人，2024年；Jang等人，2024年），但在功能车辆类型层面仍缺乏系统的量化研究。例如，物流货车、出租车和通勤巴士等特定运营类别之间的区别常常被忽视（Muttaqee等人，2024年）。一种“一刀切”的方法无法考虑到出租车需要在白天快速充电以维持运营，而私家车在夜间则处于闲置状态。本研究认为，准确识别和利用这些功能特征对于释放需求响应的潜力至关重要。

虽然车辆与电网互动的最终目标是实现双向能量流动（即车对网，V2G），但实现这一高级功能的前提是成功管理单向的车对网（G2V）智能充电（Vennila等人，2025年）。因此，本文重点关注G2V行为的优化。这里建立的弹性参数被视为基础性指标，因为掌握G2V响应能力是有效部署双向V2G机制的必要前提。然而，实现高效的G2V管理远非易事。主要挑战在于难以量化不同车队的多样化充电行为，以及在随机消费者行为下平衡电网稳定性和运营商盈利能力等相互冲突的目标（Elsayed等人，2025年；Park等人，2024年；Tian等人，2025年）。

为了解决这些挑战，我们首先通过多因素方差分析（ANOVA）统计验证了车辆类型作为充电负荷的重要预测因子，然后量化了11种不同车辆类型的价格弹性。接着，我们使用强化学习（RL）算法来设计最优电价。与传统凸优化方法相比，这种方法在处理随机消费者行为和非凸的电网稳定性、运营商收入与消费者福利之间的权衡方面具有更强的能力。

尽管全球电力行业正在从行政固定的分时电价向市场化的即时定价过渡（Bégin等人，2025年），但在这一过渡期间，分时电价仍然是终端消费者面临的主要定价方式（S. Y. Yang等人，2024年）。尽管我们的模型是在中国山东的固定分时数据集上验证的，但所提出的弹性量化框架为设计放松管制的即时市场中的零售定价方案提供了必要的行为数据。通过揭示不同车辆类型的价格敏感性，本研究为零售商在未来的自由化市场中设计具有竞争力的差异化定价合同提供了基础数据。

本文的其余部分安排如下：第2节回顾了G2V智能充电、分时定价和消费者异质性的相关文献；第3节详细介绍了方法论框架，包括ANOVA验证模型、价格弹性测量方法和RL优化算法；第4节通过描述数据处理和充电行为的实证分析介绍了山东地区的案例研究；第5节通过比较所提出策略与基线和启发式方法的性能来讨论优化结果；最后，第6节总结了本文的政策意义和未来研究的方向。

章节摘录

从无序充电到G2V智能响应

交通运输的快速电气化越来越被视为一把双刃剑。虽然它对全球脱碳目标不可或缺，但无序的电动汽车充电行为所带来的随机性给配电网络带来了巨大压力（Zhao等人，2023年）。Zhang等人的最新实证分析表明，不受控制的充电负荷叠加可能导致严重的技术故障，如电压偏差和变压器加速老化（

方法论

为了解决车辆异质性和多目标权衡的问题，本研究构建了一个三阶段的方法论框架，包括通过特征选择进行统计验证、行为参数化以量化弹性，以及利用强化学习进行随机决策优化。

这三个阶段在逻辑上是相互关联的，以确保定价策略的严谨性，如图1所示。第一阶段通过使用ANOVA确立了研究的统计合理性

数据来源和预处理

为了验证所提出的框架，本研究选择了中国山东省作为实证测试平台。选择山东省是因为该省拥有中国最大的新能源汽车数量——2024年超过200万辆——并且其电网面临“集中高峰和闲置低谷”的显著调节压力。

数据集包含2025年3月至5月收集的50,554条充电操作记录。数据预处理

结果与讨论

在验证了行为异质性并量化了弹性参数后，本节通过比较基线策略（当前统一分时电价）、基于规则的启发式差异化策略以及基于AI的RL优化策略，评估了所提出定价策略的有效性。

结论

本研究通过提出一种针对不同功能车队的G2V智能充电的差异化框架，解决了“一刀切”定价在电动汽车充电管理中的低效问题。通过结合统计验证、弹性量化和强化学习优化，我们构建了一种精确管理不同功能车辆车队充电行为的方法。

基于山东数据集的实证分析证实，车辆功能类型是一个关键因素

CRediT作者贡献声明

付中林：撰写——原始草案、可视化、软件开发、方法论设计、概念构建。曹灿：验证工作、资源协调、数据整理。高峰：项目管理和资金筹措。

利益冲突声明

作者声明没有已知的财务利益冲突或个人关系可能影响本文的研究结果。

致谢

本研究得到了国家社会科学基金（编号：24&ZD111）的支持。