电动汽车规模不断增大，电动汽车作为一种新型负荷，给电力系统带来负荷冲击的同时也提供了灵活的调节资源，电动汽车与电网友好互动可以在减少用户充电成本的同时促进电力系统安全经济运行。为了实现电动汽车与电网高效互动，规模化电动汽车可调节功率精准量化与高效调控是亟需解决的关键问题。然而，电动汽车用户用能不确定性与功率能量耦合关系为可调节功率量化带来失效风险，且大规模电动汽车优化调控策略求解时间长，难以满足车网互动实时性的需求。因此，亟需研究可调节容量精准量化方法，提升大规模电动汽车优化调控模型求解效率。

针对车网互动中存在的关键问题，胡俊杰教授课题组深入分析电动汽车充电过程中的功率能量耦合关系，通过引入调控信号，提出了基于时间卷积神经网络(TCN)和Transformer模型的多时间尺度可调节功率预测方法，提高了可调节容量预测精度。提出了聚合商-运营商-电动汽车充电桩多层级控制框架，建立了面向电网实时调控需求的电动汽车充电站凸优化决策模型，在满足所有物理、安全约束条件同时，将数十万量级电动汽车优化调控策略求解时间由数十分钟级缩短至十秒级，为电动汽车参与电网互动提供了有力的技术支撑。

▲TCN-Transformer模型可调节功率预测结构框架图

▲凸优化决策模型

该研究工作得到了国家自然科学基金和北京市科技新星人才计划等项目的资助。相关研究成果《Flexibility Prediction of Aggregated Electric Vehicles and Domestic Hot Water Systems in Smart Grids》等论文发表在中国工程院院刊一区SCI期刊Engineering、IEEE Transactions on Power System、电力系统自动化与电网技术杂志上。基于该研究开发的电动汽车云-边协同多层级控制平台获中国电工技术学会举办的高校电气电子工程创新大赛一等奖。作为第1完成人完成的项目《面向网-站-桩协同的电动汽车充电关键技术与应用》经陈维江院士担任主任的鉴定委员会认定在网-站-桩协同运行技术方面达到国际领先水平。

▲获奖证书

初审：李何筱

复审：胡俊杰

编辑：张洪