《Energy Conversion and Management-X》：Exploring the role of electric vehicles and vehicle-to-grid technology in urban distributed energy systems: a multi-layer agent-based model
编辑推荐：
摘要：光伏（PV）系统和电动汽车（EV）在城市地区的日益普及需要对电力需求与分布式可再生能源发电进行协调管理，这主要是由于太阳能生产、建筑负荷和车辆可用性之间的时间不匹配。本文提出了一种用于模拟集成车网互动（V2G）的城市分布式能源系统的多层基于智能体的模型。
摘要：光伏（PV）系统和电动汽车（EV）在城市地区的日益普及需要对电力需求与分布式可再生能源发电进行协调管理，这主要是由于太阳能生产、建筑负荷和车辆可用性之间的时间不匹配。本文提出了一种用于模拟集成车网互动（V2G）的城市分布式能源系统的多层基于智能体的模型。该模型整合了具有不同能源配置的建筑、分布式光伏系统以及作为具有时间依赖性可用性的移动储能的电动汽车。模拟架构由四个相互关联的层组成，管理主电网、本地变电站、建筑、充电基础设施和车辆之间的能量交换，并采用自适应控制策略协调各层间的双向流动。通过改变混合用途城市区域中光伏建筑渗透率和V2G参与率，分析了多种情景。研究了两种城市情景：以住宅为主的区域和混合用途的中心区，系统性地变化产消者渗透率（0–60%）、电动汽车普及率（0–20%）以及三种充电控制策略：非受控充电、电网响应充电和电网响应结合V2G。结果表明，电网响应充电通过填谷消除了电动汽车引起的峰值放大，而V2G实现了削峰，尽管增加了充电负荷，仍将最大功率需求降低至无电动汽车基线的3–10%以下。在傍晚高峰发生在日落之后（即太阳下山后）的住宅区，光伏有效性在超过25%渗透率时趋于饱和，而混合用途情景则显示出日间负荷与发电的匹配性。如果光伏渗透率较低，混合用途区域可能表现出不同的V2G时间模式，早晨放电与办公室开门时间重合，而非傍晚的住宅支持，尽管基线需求升高40%，仍实现了更高的能量贡献，这表明最优部署策略必须考虑城市功能组成。
### 论文解读：电动汽车与车网互动技术在城市分布式能源系统中的作用——基于多层智能体模型的分析
#### 研究背景、问题与目的
随着全球脱碳目标的推进和减少对集中式能源供应依赖的需求，城市能源系统的规划与运行正经历范式转变。城市作为全球能源消耗和温室气体排放的主要贡献者，是实施低碳能源战略的关键场所。在此背景下，分布式能源资源（如建筑屋顶光伏系统、储能单元和电动汽车）的作用日益凸显。光伏系统的部署将建筑从被动消费者转变为能够生产和消费的主动能源节点（即产消者）。然而，光伏发电的间歇性与建筑负荷及车辆可用性之间的时间不匹配，导致高渗透率分布式发电可能加剧净负荷波动，并限制系统整体性能的提升。同时，交通电气化加速，电动汽车作为移动储能单元，通过车网互动（V2G）技术可实现双向充放电，为城市分布式能源系统提供额外的时间灵活性，有助于削峰填谷、提升可再生能源自消纳率。然而，现有研究大多集中于单一建筑或充电行为，缺乏同时考虑混合土地利用、多种建筑类型、不同出行模式以及分层电网结构的空间显式模型。特别是，基于智能体的模型（ABM）虽适用于模拟复杂系统，但很少有研究将分层能源网络、建筑异质性、电动汽车移动性与V2G控制策略集成于统一框架内。因此，研究人员提出了一个多层基于智能体的模型，旨在回答两个核心问题：（1）分布式屋顶光伏发电与电动汽车扩散如何联合影响能源流及对主电网的依赖？（2）自适应V2G对电网负荷管理和可再生能源整合有何贡献？该研究发表在《Energy Conversion and Management-X》上。
#### 主要关键技术与方法
研究人员构建了一个名为城市分布式能源系统模拟器（UDESS）的多层基于智能体的模型，采用NetLogo平台实现。该模型包含四个相互关联的层：主电网层、本地配电层、车辆-充电器接口层和控制层。模型定义了六类智能体：建筑（含产消者与非产消者）、电动汽车（按居民、通勤者、访客三类出行模式分类）、充电站（私人与公共）、本地变电站、主电站以及全局状态变量。关键技术包括：基于归一化日负荷曲线和年能量强度的建筑电力需求与光伏生产建模；基于事件驱动的电动汽车移动性模拟（包括出发/到达时间、行程距离、电池容量等参数）；以及基于实时电网应力比（s
G(t)）的自适应V2G控制策略，该策略通过三个阈值（s
1G < s
2G < s
3G）划分低应力充电区、中应力负荷削减区和高应力V2G放电区，并采用概率性充放电激活机制以避免同步冲击。模型通过参数化场景分析，系统变化产消者渗透率（0–60%）、电动汽车渗透率（0–5%、10%、20%）以及三种充电控制策略（非受控S1、电网响应S2、电网响应+V2G S3），并应用于两个城市形态：以住宅为主的区域（U1）和混合用途中心区（U2）。案例研究基于地中海中型城市的合成数据，建筑密度为250栋/平方公里，总面积4平方公里，包含1000栋建筑。
#### 研究结果
**5.1 实验设计与场景空间**
所有模拟运行5个连续工作日，时间步长60秒，每种配置重复10次随机种子以确保统计稳健性。性能指标包括每日能量流（MWh）和关键绩效指标（如自给率SSR、电网依赖率GDR、V2G供给率VGR等）。
**5.2 住宅区性能（U1）**
- **5.2.1 电网依赖性与自给率趋势**：在住宅区，GDR随产消者渗透率线性下降，但非受控充电（S1）使GDR上升；电网响应充电（S2）部分缓解；V2G（S3）在低光伏渗透率（<30%）时使GDR低于无电动汽车基线，表明V2G放电补偿了充电需求。SSR主要受光伏渗透率影响，对充电策略不敏感，但V2G贡献集中在傍晚高峰时段。
- **5.2.2 车辆能量交换模式**：G2V需求率（GVR）在S1下线性增长；S2在低光伏渗透率时降低GVR，高光伏渗透率时因V2G循环需求而略增；VGR在无光伏时最高（0.027），随光伏增加而降低，但V2G放电集中于傍晚（16:00–21:00），瞬时贡献可达15–20%。
- **5.2.3 峰值功率需求评估**：光伏降低峰值但在25%渗透率后饱和。S1使峰值增加3–5%；S2消除放大但无主动削减；V2G（S3）使峰值较无电动汽车基线降低9–17%（如50%光伏+20%电动汽车时，峰值从13.59 MW降至11.24 MW），且V2G效益独立于光伏渗透率。
- **5.2.4 电网应力阈值敏感性分析**：对84种阈值组合测试，s
3G影响最大，峰值功率变化范围-3.2%至+5.2%，电网供给能量（GSE）变化-1.9%至+0.6%。基线[0.70, 0.80, 0.90]为平衡选择。
- **5.2.5 时间动态与车辆活动**：V2G（S3）通过夜间充电和傍晚放电平滑负荷曲线，在50%光伏时，峰谷比从S1的2.7:1降至2.0:1；车辆放电活动在17:00–20:00达到峰值约400辆。
**5.3 商业区性能（U2）**
- **5.3.1 比较性能分析**：U2建筑需求较U1高40%，峰值功率高49.5%。光伏自消纳率更高（区级盈余减少92%），但SSR绝对值较低。V2G供给量（Sev）较U1高43–119%，VGR最高达0.032（无光伏时）。V2G在U2中实现峰值较无电动汽车基线降低13%（50%光伏+20%电动汽车时，峰值15.90 MW）。通过时间对齐，通勤者/访客在日间高峰时段提供更多可用车辆。
- **5.3.2 峰值功率与时间剖面**：U2峰值随光伏增加持续下降（无饱和），V2G使曲线更线性。日负荷曲线峰谷比1.3:1，远低于U1的2.7:1。V2G放电时间在无光伏时为08:00–18:00，在50%光伏时压缩至16:00–19:00，且出现日间光伏-车辆直充窗口。
**5.4 一阶经济含义**
初步估算：V2G每日供给能量（Sev）1.77–9.56 MWh，按意大利批发电价100–120 �/MWh计算，避免购电成本约195–1052 �/天；峰值功率削减2.35 MW带来容量效益。电池退化成本约132 �/MWh，需与V2G补偿机制平衡。
**5.5 局限与未来工作**
模型未考虑天气波动、经济评估、分布式控制隐私问题及用户参与意愿。未来需加入实测数据验证、经济指标、分布式V2G调度架构及市场耦合扩展。
#### 结论总结与讨论
研究结论部分指出，本文提出了一个多层基于智能体的模型，用于模拟集成车网互动（V2G）的城市分布式能源系统。分层架构捕获了多个尺度的能量交换，并纳入了响应实时电网应力条件的自适应控制策略。对电动汽车移动性、电池特性和建筑能耗的随机处理实现了对车队级动态的现实表征，这是确定性模型所忽略的。来自住宅主导（U1）和混合用途（U2）城市情景的模拟结果揭示，城市功能构成从根本上决定了可再生能源和V2G整合的有效性。光伏系统提供了持续的电网依赖降低，在50%产消者渗透率时实现0.17–0.24的自给率（SSR）。然而，在住宅区，由于傍晚高峰发生在日落之后，光伏效益在超过25%渗透率时趋于饱和，而混合用途区由于日间负荷与发电匹配，在整个渗透率范围内保持持续降低。V2G技术通过时间负荷重新分配提供有针对性的削峰，补充了光伏发电。在住宅区，V2G通过将夜间低需求时段积累的能量在傍晚放电，将峰值功率降低9–17%。关键地，V2G有效性对光伏渗透率（>10%阈值）的敏感性有限，表明光伏通过直接消耗处理日间负荷，而V2G通过储能循环管理傍晚峰值。城市形态成为技术协同的关键决定因素。混合用途区具有40%更高的基线需求，但在同等电动汽车渗透率下，V2G贡献比住宅情景高65–119%。这种增强性能源于时间对齐：通勤者和访客（占U2车队的73%，而U1为50%）在办公和商业负荷导致电网应力高峰的日间工作时段提供连接的车辆。相反，日间负荷与太阳能生产的巧合降低了混合用途环境中的鸭形曲线严重程度，峰谷比为1.3:1，而住宅区为2.7:1。控制策略的选择对电网影响具有决定性作用。非受控充电在20%电动汽车渗透率时使峰值需求放大3–5%。电网响应充电通过填谷消除了这种放大，将能量吸收推迟到低应力时段，同时将峰值水平维持在基线值。电网响应V2G能力将电动汽车转变为主动电网资产，尽管增加了充电负荷，仍能实现峰值降低至无电动汽车基线以下，确认了协调双向系统提供净容量缓解而非仅仅避免负担。研究结果建议，协同部署策略必须考虑城市功能组成，而非仅依赖密度或人口指标。住宅区应优先部署光伏用于日间自消纳，并辅以用于傍晚峰值管理的V2G系统，且采用保守放电阈值以保护移动需求。混合用途区应优先建设工作场所充电基础设施以利用日间车辆可用性，实现太阳能峰值期间的光伏直接吸收和下午压力时段（通勤者在场最多）的协调放电。发电、需求与车辆可用性模式之间的时间对齐决定了光伏和V2G整合的相对有效性。在住宅区，光伏驱动峰值功率降低存在普遍饱和效应：超过一定产消者渗透率（此处观察为约25%）后，额外光伏容量对削峰的边际收益递减。这表明，一旦接近该饱和阈值，诸如优先部署V2G等互补策略将变得比例上更有效，而进一步的光伏扩展应导向混合用途区域，其中日间负荷-发电对齐维持其有效性。
