Page 69 - 《中国电力》2026年第3期

王世谦等：考虑多场景车网互动的充电站投标运营策略 2026 年第 3 期

基于需求响应灵活参与车网融合互动，为自身带 网互动推广提供理论参考。

来经济收益的同时，也为电网的稳定运行提供支
持。在此背景下，研究对应场景下的充电站运营 1 充电负荷分类预测
策略不仅可以为充电站运营商提供实用的决策支
持，还可以为更全面的车网融合互动增效提供理 电动汽车充电站的负荷预测是优化运营的重
论支撑，具有重要的工程价值和现实意义。 要环节。准确预测未来的充电负荷有助于充电站
近年来，在充电站参与市场的运营策略方面 优化能源调度，降低运营成本。但随着充电基础
已经开展了较多的研究。考虑电动汽车用户由于 设施的快速发展，不同种类电动汽车往往具有不
社会因素影响而表现出的随机充电行为，充电站 同的充电功率需求。为量化不同类型电动汽车在
制定运营优化策略需要充分考虑充电负荷需求的 充电功率以及充电桩选择上的差异性，不同于传
预测，从而为充电站参与市场化报量报价提供依 统方法直接对充电负荷总量进行预测，基于订单
据。目前，国内外学者基于概率建模、深度学习 数据对充电用户进行分类管理为
等方法开展了一系列负荷预测的研究 [5-7] 。文献 [8] 24
Γ = {P t } , P t = [P t,1 ,P t,2 ,··· ,P t,n ] （1）
t=1
对春秋、夏、冬 3 种场景进行模拟，并通过聚类
式中： Γ为充电站订单数据集； P t 为充电站在时
算法量化分析不同场景下的充电需求。文献 [9]
刻 t的总充电负荷； P t,i 为对应 i 类电动汽车充电功
考虑租赁时间等订单数据，基于蒙特卡洛模拟分
率；n 为电动汽车根据充电功率得到的分类总数。
析共享电动汽车负荷特性。文献 [10] 采用改进的
为统一不同类别负荷的尺度，进一步进行数
速度-流量关系模型，通过构建出行概率矩阵预测
据标准化处理，标准化后的数据记为 ˜ ，即
电动汽车快充需求的时空分布。文献 [11] 通过大 P t,i
˜
数 据 统 计 分 析 ， 获 取 电 动 汽 车 用 户 出 行 特 性 指 P t,i = P t,i −µ i （2）
σ i
标，并基于马尔可夫原理和轮盘赌方法模拟计算
式中： µ i 、 σ i 分别为类别 i 的负荷数据均值、标
电动汽车出行和充电需求。上述文献实现了对充
准差。
电站或某一特定区域充电负荷需求的量化分析，
基于长短期记忆网络（long short-term memory，
但大都未考虑不同电动汽车对充电功率的偏好行
LSTM） [30] 进一步构建充电站的充电负荷预测模型，
为，使得充电站难以精细化地对不同充电用户进
模型的输入为前 24 h 的电动汽车负荷数据 {x t } 24 ，
行引导管理。 t=1
˜
˜
˜
其 中 x t = [P t,1 ,P t,2 ,··· ,P t,n ]包 含 n 类 电 动 汽 车 的 充
在充电站参与互动优化运营方面，当前研究
电功率。模型输出为次日 24 h 内同 n 类电动汽车
主要集中在邀约型和市场型 2 类模式。其中邀约
的 充 电 功 率 预 测 值 {ˆ y t+24 } 24 ， 其 中 ˆ y t+24 = [P t+24,1 ,
ˆ
型互动响应主要通过分级补贴等价格信号引导充 t=1
ˆ
ˆ
电负荷参与电网调节，帮助电网平衡供需，减少 P t+24,2 ,··· ,P t+24,n ]。LSTM 基本模型为
高峰期的负荷压力 [12-14] 。而市场型互动响应则更 f t = σ(W f [h t−1 , x t ]+ b f ) （3）
强调市场机制，用户通过参与电力市场的价格波
i t = σ(W i [h t−1 , x t ]+ b i ) （4）
动来获取收益 [15-20] 。尽管目前已有相当数量的研
˜
C t = tanh(W C [h t−1 , x t ]+ b C ) （5）
究 [21-29] 关注电动汽车充电站的运营优化，但上述
优化模型更偏向于理论研究，缺乏对实际多场景 C t = f t C t−1 + i t C t （6）
˜
复杂性及其对投标策略影响的分析，对于实际工
o t = σ(W o [h t−1 , x t ]+ b o ) （7）
程应用中不同电动汽车充电功率需求差异、互动
响应需要满足最小响应持续时间、如何考虑分级 h t = o t tanh(C t ) （8）
补 贴 标 准 等 细 节 关 注 较 少 ， 难 以 应 用 于 工 程 实 式中： W f 、 W i 、 W C 、 W o 分别为遗忘门、输入门、
际。为此，本文根据实际政策情况，针对邀约型 候选记忆内容、输出门的权重矩阵； b f 、 、 b C 、
b i
和市场型互动响应两类途径，提出更适用于工程 b o 为对应的偏置项； h t−1 为前一时刻的隐藏状态；
应用的充电站日前投标策略，以期为大规模的车 x i 为当前的输入数据； σ为 Sigmoid 激活函数。损

65