Page 75 - 《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

提升。 operation for flexible distribution networks considering multi-
综 合 上 述 分 析 可 知 ， 在 不 同 工 程 应 用 场 景 correlation of renewable power generation[J]. Electric Power, 2024,
中，分级补贴，负荷基线差额等实际因素对充电 57(12): 97–108.
站收益具有重要影响，基于本文所提的投标策略 [5] 朱润泽, 王德军. 基于 LSTM 神经网络的光伏系统功率预测 [J]. 电
可以在积极响应电网调节需求的同时，有效保障 力科技与环保, 2023, 39(3): 201–206.
充电站的收益。 ZHU Runze, WANG Dejun. Power prediction of photovoltaic system

based on LSTM neural network[J]. Electric Power Technology and
4 结论 Environmental Protection, 2023, 39(3): 201–206.
[6] 汪繁荣, 梅涛, 卢璐. 基于相似日聚类和 VMD-LTWDBO-BiLSTM
本文考虑车网互动环境下用户充电行为与实 的短期光伏功率预测 [J]. 智慧电力, 2024, 52(10): 56–63, 111.
际工程场景的复杂性，结合河南具体政策提出了 WANG Fanrong, MEI Tao, LU Lu. Short-term PV power prediction
多场景下充电站参与车网互动的运营投标策略。 based on similar day clustering with VMD-LTWDBO-BiLSTM[J].
通过理论分析与算例验证，得到以下结论。 Smart Power, 2024, 52(10): 56–63, 111.
1）充电站不同电动汽车用户具有差异化出行 [7] 唐竹, 肖宇航, 郭淳, 等. 基于 CEEMDAN 模态分解和 TCN-BiGRU
特性，基于订单数据提出了一种充电负荷分类预 的短期电力负荷预测 [J]. 智慧电力, 2024, 52(12): 59–64, 72.
测方法，能辅助充电站筛选稳定负荷参与互动响 TANG Zhu, XIAO Yuhang, GUO Chun, et al. Short-term electricity
应，增强风险抵御能力。 load forecasting based on CEEMDAN decomposition and TCN-
2）根据电网调节需求不同，充电站参与电网 BIGRU model[J]. Smart Power, 2024, 52(12): 59–64, 72.
互动面临不同场景，针对实际工程应用中存在的 [8] 臧海祥, 舒宇心, 傅雨婷, 等. 考虑多需求场景的城市电动汽车充电
分 级 补 贴 ， 负 荷 基 线 差 额 等 因 素 进 行 了 优 化 建 站多目标规划 [J]. 电力系统保护与控制, 2021, 49(5): 67–80.
模，提出了更贴合工程实际的邀约型、市场型互 ZANG Haixiang, SHU Yuxin, FU Yuting, et al. Multi-objective
动响应的投标策略，能有效保障充电站不同场景 planning of an urban electric vehicle charging station considering

下的互动收益。 multi demand scenarios[J]. Power System Protection and Control,
2021, 49(5): 67–80.
参考文献： [9] 栗然, 臧向迪, 张文昕, 等. 共享电动汽车混合充换电站选址优

化 [J]. 电力自动化设备, 2021, 41(10): 67–74.
[1] 刘志文, 李岩, 邵冲, 等. 考虑柔性资源协同互动的配电网灵活性评 LI Ran, ZANG Xiangdi, ZHANG Wenxin, et al. Location
估方法 [J]. 中国电力, 2024, 57(10): 158–165. optimization of hybrid charging and changing station for shared
LIU Zhiwen, LI Yan, SHAO Chong, et al. Distribution network electric vehicles[J]. Electric Power Automation Equipment, 2021,
flexibility evaluation method considering collaborative interaction of 41(10): 67–74.
flexible resources[J]. Electric Power, 2024, 57(10): 158–165. [10] 姜欣, 冯永涛, 熊虎, 等. 基于出行概率矩阵的电动汽车充电站规
[2] JIANG T, WU C H, ZHANG R F, et al. Flexibility clearing in joint 划 [J]. 电工技术学报, 2019, 34(S1): 272–281.
energy and flexibility markets considering TSO-DSO coordination[J]. [11] 田梦瑶, 汤波, 杨秀, 等. 综合考虑充电需求和配电网接纳能力的电
IEEE Transactions on Smart Grid, 2023, 14(2): 1376–1387. 动汽车充电站规划 [J]. 电网技术, 2021, 45(2): 498–509.
[3] 孙东磊, 王宪, 孙毅, 等. 基于多面体不确定集合的电力系统灵活性 TIAN Mengyao, TANG Bo, YANG Xiu, et al. Planning of electric
量化评估方法 [J]. 中国电力, 2024, 57(9): 146–155. vehicle charging stations considering charging demands and
SUN Donglei, WANG Xian, SUN Yi, et al. Polyhedral uncertainty acceptance capacity of distribution network[J]. Power System
set based power system flexibility quantitative assessment[J]. Electric Technology, 2021, 45(2): 498–509.
Power, 2024, 57(9): 146–155. [12] 王超, 麻秀范. 基于电动汽车用户电价响应的充电负荷优化模型建
[4] 刘志伟, 马悦, 沙志成, 等. 考虑新能源多重相关性的柔性配电网分 立 [J]. 内蒙古电力技术, 2017, 35(1): 1–7.
布鲁棒优化策略 [J]. 中国电力, 2024, 57(12): 97–108. WANG Chao, MA Xiufan. Charging load optimization model based
LIU Zhiwei, MA Yue, SHA Zhicheng, et al. Distributionally robust on electric vehicle users' price response[J]. Inner Mongolia Electric

71