面向V2G赋能电动网约车车队的动态定价与调度：一种双层优化方法

《TRANSPORTATION RESEARCH PART C-EMERGING TECHNOLOGIES》：Dynamic pricing and scheduling for V2G-enabled electric ride-hailing Fleets: A Bi-Level optimization approach

　　

电动网约车兼具移动性与储能能力，结合车辆到电网（Vehicle-to-Grid, V2G）技术可参与电网需求响应（Grid Demand Response, GDR），形成城市交通系统与配电网络（Power Distribution Networks, PDNs）的紧密耦合。研究人员提出了一种同时考虑电力流与车辆流动态的双层优化框架：上层建立最优放电定价模型，以最小化配电网络运营商（Distribution Network Operator, DNO）成本；下层构建时空能三维网络模型，优化网约车车队调度，以实现平台利润最大化。DNO依据车队调度策略动态调整放电价格，网约车平台则实时响应价格信号。研究人员设计了次梯度法高效求解该双层优化问题。数值仿真表明，该框架可在耦合网络中有效降低电网运行成本与功率损耗，提高驾驶员收益；然而参与GDR可能带来订单响应率下降与乘客等待时间增加的权衡。该框架成功协调了动态定价与车队调度，实现了电力系统与交通系统的协同效益。

该研究发表于《Transportation Research Part C: Emerging Technologies》，聚焦于V2G赋能的电动网约车车队在配电网络与城市交通系统中的协同优化问题。随着电动汽车（Electric Vehicles, EVs）大规模普及，无序充电会对电网稳定性造成压力，但通过V2G技术，EV可作为分布式储能单元参与GDR，缓解峰谷负荷差异。现有研究多将交通与电力系统独立建模，或依赖静态需求假设，缺乏针对网约车车队在实时电价与动态出行需求下的综合调度机制。为此，研究人员构建了上层由DNO主导的放电定价模型与下层由网约车平台主导的时空能三维调度模型的双层优化框架，并在上海嘉定区真实订单数据构建的33节点IEEE配电网络与37节点交通网络上验证其有效性。结果表明，该框架可在降低电网运行成本与功率损耗的同时提升驾驶员收益，但也存在订单响应率下降与乘客等待时间延长的权衡。该研究为耦合网络下的动态定价与调度提供了可实施的解决方案，具有重要的工程应用价值。

关键技术方法方面，研究人员采用基于交流最优潮流（AC Optimal Power Flow, ACOPF）的电价计算模型，结合时空能三维网络流模型，对车辆调度、充放电决策及再平衡路径进行联合优化；求解过程中引入带回溯线搜索的次梯度算法，以应对非光滑嵌套结构的实时协调需求；案例仿真基于上海嘉定区真实网约车订单数据与配电网拓扑，实现16小时滚动时域仿真，时间分辨率为5分钟，能量分辨率为1%。

研究结果部分，首先在上层模型中，DNO根据实时负荷与车辆分布动态调整放电价格，以降低发电成本并缓解线路过载；其次在时空能三维网络模型中，网约车平台综合考虑乘客需求、车辆电量状态与充电站可用性，优化车辆匹配与调度，实现平台收益最大化；仿真结果显示，V2G参与可提高驾驶员收入，减少电网峰值负荷与损耗，但会导致部分订单无法及时响应，乘客平均等待时间增加。讨论部分指出，动态定价能有效促进交通与电力系统的协同，但在高峰时段需在经济效益与服务水平之间进行权衡。研究结论强调，双层优化框架可为未来集中式管理的自动驾驶或平台运营EV车队提供理论支持与实践参考。