车-桩-网交融技术研究现状及展望

毛 玲 张钟浩 赵晋斌 屈克庆 李 芬

车-桩-网交融技术研究现状及展望

毛 玲 张钟浩 赵晋斌 屈克庆 李 芬

（上海电力大学电气工程学院 上海 200090）

电动汽车-充电桩-电网交互和融合发展，是提升电网灵活性与稳定性、促进能源清洁低碳转型、培育电动汽车产业发展新动能的重要途径，国内外学者就电动汽车-充电桩-电网交互与融合技术进行了广泛而深入的研究。本文对相关研究进行了系统性梳理和研究，首先介绍电动汽车-充电桩-电网交融技术研究背景；其次从无序充电、有序充电到V2X三个阶段介绍了电动汽车-充电桩-电网交融技术研究现状；然后从物理层、平台层和融合层三个层次对电动汽车-充电桩-电网交融架构进行归纳，并分析了电动汽车和充电桩联网时所要考虑的传感和通信技术，对目前电动汽车调度技术关键问题进行了剖析，并探讨实现电动汽车-充电桩-电网交融架构的多方灵活交易方式；随后，对典型电动汽车-充电桩-电网交融应用实践做了介绍。最后对电动汽 车-充电桩-电网三网交融技术研究进行了展望，旨在为电动汽车-充电桩-电网三网交融技术研究与实施提供参考。

车-桩-网交互融合 电动汽车 V2X 交融架构

0 引言

能源与环境危机促进电动汽车发展，2020年10月，国务院常务会议通过的《新能源汽车产业发展规划（2021—2035）》提出，要坚持电动化、网联化、智能化发展方向，以融合创新为重点，突破关键核心技术，优化产业发展环境，推动我国新能源汽车产业高质量可持续发展[1]。国家电网公司2021年3月1日发布的“碳达峰、碳中和”行动方案中指出加快电能替代，支持“以电代煤”“以电代油”，加快工业、建筑、交通等重点行业电能替代[2]。随着我国“碳达峰、碳中和”发展目标的提出，汽车电动化的发展进程将进一步加速。据公安部统计数据显示，截至2021年6月底，全国新能源汽车保有量达603万辆，占汽车总量的2.1%。中国汽车工程学会预测，2030年我国电动汽车保有量将达到8 000万辆。在政策的持续鼓励和支持下，在未来很长一段时间里，新能源汽车还将继续保持着较高的增长速度。

充电网络建设是电动汽车推广应用的重要基础，是智能交通、智慧城市和智能电网的综合节点，是实现“碳达峰、碳中和”实施路径。中国目前已拥有世界上规模最大的充电设施网络，截至2021年6月，国内充电桩保有量共计194.7万台，同比增长47%。其中，公共充电桩保有量已达到92.3万台，同比增长65%，随车配建私人充电桩保有量已经达到102.4万台，同比增长34%。2020年7月～2021年6月国内公共充电桩的保有量如图1所示[3]。

目前电动汽车行业发展加快，市场和政策同时发力，电动汽车新产品不断涌入市场，商业模式不断创新，对电动汽车充电网络布局和市场培育的要求不断提高，现有充电网络建设面临巨大发展机遇，同时需要破解潜在的问题，充电桩建设目前存在的问题与挑战如图2所示。

图1 2020年7月～2021年6月国内公共充电桩保有量

图2 充电桩建设目前存在的问题与挑战

根据电动汽车动力电池组的技术和使用特性，现今常用的充电模式包括交流慢充、直流快充、无线充电和快速换电四种，这四种充电模式的充电功率，优缺点见表1。电动汽车充电设施是电动汽车发展的重要基础支撑系统，也是电动汽车产业链的重要组成部分。根据充电联盟统计的数据，2021年全国总计建设公共类充电桩114.7万台，其中直流充电桩47.0万台、交流充电桩67.7万台、交直流一体充电桩589台。2021年，月均新增公共类充电桩约2.83万台[4]。伴随着快速发展的新技术，还需极大地提升充电桩服务能力，进而推动电动汽车的充电便利性、经济性和安全性，促进“电动汽车-电网”良性发展。

为满足我国电动汽车充电设施建设和发展的要求, 我国已经发布一系列充电设施国家标准，我国电动汽车充电设施标准体系如图3所示。充电设施标准体系主要包括传导充电、无线充电、电池更换3个充电技术路线，涉及术语、传导充电系统与设备标准、无线充电系统与设备标准、动力电池箱标准、计量、服务网络等21个专业领域标准。截至2021年6月，规划标准158项，其中，规划国家标准57项，行业标准62项，团体标准39项[11]。

社会的进步与经济的发展催生能源需求的快速增长，而作为人类能源消费主体的化石能源日趋枯竭，与此同时，气候环境日趋恶化威胁着人类的可持续发展[12]。近年来我国加速促进高比例新能源电网的发展，据中国电力科学研究院预测，预计2030年全国新能源总发电量占比将达20%，2050年高达45%左右[13]。不远的将来，高比例新能源电量的电力系统将从局部地区逐渐向全国扩展[14]。由此可见，高比例新能源将成为未来电力系统的重要特征。

表1 电动汽车充电模式一览表

Tab.1 List of charging modes of electric vehicles

图3 中国电动汽车充电设施标准体系

随着新能源高比例并网，必然会导致电网转动惯量不断减小，系统调节能力持续下降，所以电网需要更多的灵活资源参与调节。国家发改委和国家能源局发布的《关于推进电力源网荷储一体化和多能互补发展的指导意见》文件指出：源网荷储一体化和多能互补发展是电力行业坚持系统观念的内在要求，是实现电力系统高质量发展的客观需要，是提升可再生能源开发消纳水平和非化石能源消费比重的必然选择，对于促进我国能源转型和经济社会发展具有重要意义[15]。电动汽车可能成为未来电网中数量最多的负荷之一，其负荷特点的同时性、随机性会对电网建设运行提出新的挑战，比如：电网电压下降、谐波污染、三相不平衡、增加配电网的网损以及减少配电变压器的寿命等。但电动汽车停驶时间长、需求较宽松，具备其他负荷所不具有的储能特性，充分发挥电动汽车的充放电优势，在电网负荷低谷时根据管理需求将电能反馈给电网，实现可移动能量存储与电网电能的交换，解决电网负荷供需不平衡，具有非常重要的意义。未来电动汽车将成为电网客户侧重要的可调、可控灵活资源，将在能源革命中发挥重要作用。

综上所述，随着电动汽车规模的不断扩大和电网向“多元化-清洁化-柔性化”特性的变化，电网转动惯量将不断减小，系统调节能力持续下降，亟须有效拓展电网调节资源，优化完善电动汽车负荷聚合平台，以充电网络平台为桥梁，利用电动汽车“源荷”特性将其作为可中断负荷资源，实现源网荷储友好互动和多方共赢的目标，车联网-充电服务网-电网三网交互融合发展将是必然趋势。

电动汽车-充电桩-电网交融发展，是提升电网灵活性与稳定性、促进能源清洁低碳转型、培育电动汽车产业发展新动能的重要途径，国内外学者就电动汽车-充电桩-电网互动模式进行了广泛而深入研究，本文对相关研究进行了系统性梳理和研究，旨在为电动汽车-充电桩-电网三网交融技术研究与实施提供参考。

1 车-桩-网交互与融合研究现状

1.1 第一阶段：无序充电

大规模电动汽车在推广应用后，如果不对电动汽车充电加以引导，其无序充电必然对电网造成一定的负面影响。无序充电是电动汽车-充电桩-电网互动和融合的最自然的互动方式也是三网互动的第一阶段。一般情况下，电动汽车充电负荷通过充电桩直接接入配电网，因此学者们的研究工作主要从电动汽车无序充电对配电网电能质量、相关设备及经济性能影响等方面展开，如图4所示。

图4 电动汽车无序充电对配电网影响

1）无序充电对电网电能质量的影响

无序充电对电网电能质量的影响主要分为暂态影响及稳态影响。暂态影响主要是大量的电动汽车在充电过程中所产生的谐波污染，文献[16]研究表明大规模电动汽车充放电时会产生谐波，其对电网影响严重。稳态影响则是规模化的电动汽车充电负荷接入以后对电网电压偏移和三相不平衡的影响。文献[17]研究了在不同时段规模化电动汽车接入配电网后对其电压偏移产生的影响，研究结果表明无论规模化的电动汽车充电负荷什么时段接入，配电网各节点的电压都会产生较大偏移。文献[18]研究结果表明随机接入电动汽车充电负荷保有量越多，各节点的电压偏移越大。文献[19]主要分析了在不同时间、季节及电动汽车接入数量下，电动汽车充电负荷对配电网节点电压偏移所产生的影响。对于三相不平衡问题，现有研究表明大规模电动汽车无序、随机和无规律地接入配电网，会使配电网产生严重的三相不平衡问题[20]。

2）无序充电对配电变压器及线路的影响

大规模的电动汽车充电负荷随机接入配电系统节点后，系统变压器和线路的负载可能会增加，会影响变压器及线路等设备的寿命[21]。文献[22]研究指出大量电动汽车充电负荷接入会对变压器寿命造成影响，变压器的寿命下降幅度会随着电动汽车负荷接入的增多而增大。文献[23]指出含谐波电流的电动汽车充电负荷的接入，会对配电系统变压器寿命产生影响，使变压器使用寿命下降。文献[24]指出电动汽车充电负荷随机无序不定量的接入配电网，其配电线路也会受到不同程度的影响，可能造成有些配电线路负荷越限，配电线路裕度不够。

3）无序充电对电网经济性的影响

大规模电动汽车接入配电网后对其网损及增容改造方面产生影响，进而对电网经济性产生影响[25]。较多文献的研究结果表明规模化电动汽车充电负荷接入配电网会造成其网损的增加[26]。与此同时，随着部分地区电动汽车的增加，充电需求也随之增加，这将导致部分地区的增容改造需求增加[27]。

以上文献分析电动汽车无序充电对配电网影响均未考虑交通-电力耦合这一因素，未来运营或交易平台对用户充电行为的定价引导，可以克服电动汽车无序充电引起的群聚效应。

1.2 第二阶段：有序充电

为解决电动汽车负荷随机、无规律的无序入网所产生的不利影响，诸多学者开展了电动汽车有序充电的研究，即对电动汽车用户的充电行为加以引导，有效控制电动汽车充电时间和充电功率，实现电动汽车充电负荷与电网供电能力相匹配[28]。有序充电方式仍然是一种电动汽车-充电桩-电网互动的被动方式，电动汽车用户没有主动参与电网的调度，而是被动地接受电网侧一定的调度，此种模式下，电动汽车用户只发挥了“荷”的特性，未发挥“源”的特性。国内外的学者主要研究在不同的应用场景及约束条件下，通过有序充电的控制方法达到不同的优化控制目标，典型的有序充电的控制框架如图5所示。

以充电站中的有序充电为例。在电动汽车有序充电过程中，配电网根据电网运行状况和充电站上报的用电需求确定充电站的用电计划，在计划执行中，当配电网或是输电网出现电网负荷较大波动时需要调度。充电站就是调度时介于电网与电动汽车之间的桥梁，执行调度时，充电桩调控站内电动汽车充放电与电网负荷曲线进行协同，确保电网实时保持功率平衡安全运行。当电网出力不够时，充电站根据配电网调度减少站内电动汽车充电消耗；而电网中负荷减少时，充电站适当增加站内电动汽车充电功率[29]，中间需要有序充电桩及控制平台等。

图5 典型的有序充电的控制框架

1）有序充电之直接控制

有序充电的直接控制是调动主体直接对电动汽车充电负荷进行控制，调动主体决定电动汽车负荷的充电行为，又分为时间上控制、空间上控制及功率的控制。文献[30]以充电站运行经济效益最大化为目标，建立电动汽车有序充电控制的优化模型，从而实现充电站内电动汽车的充电时间上的控制。文献[31]为降低无序充电行为对电网的影响，完成电动汽车充电负荷在空间上的分配引导。文献[32]通过控制优化电动汽车充电负荷的在时间、空间上的分布，进而实现有序充电。文献[33]以配电网有功网损最小化为目标，通过控制电动汽车的充电功率，实现电动汽车充电在线优化的方法。

由于不同的应用场景下，单一的时间上、空间上及功率上的控制无法满足控制目标的要求。因此，不少学者将时间上、空间上及功率上的控制方法相结合，形成复合电动汽车有序充电的控制方法，这种方法在理论上能够实现单一方法互补共赢，改善单一控制方式的不足，但是也导致控制更为复杂等问题。

2）有序充电之间接控制

在实际应用中，受电动汽车用户响应意愿程度的影响，直接控制方式难以具体应用实施，因此诸多学者研究通过电价机制无形地引导电动汽车用户的充电行为，达到控制的目标。有序充电的间接控制是调动主体通过电价机制间接地对电动汽车充电负荷进行控制，调动主体决定电动汽车负荷的充电行为，其可分为基于静态电价及基于动态电价的控制。文献[34]在电网分时电价时段划分的基础上，提出充电静态分时电价时段划分方法，旨在达到平抑电网峰谷差的目的。文献[35]在充分考虑用户充电需求及充电安全的前提下，以静态分时电价为基础，建立电动汽车用户有序充电的优化模型，以达到提高运营商效益和减少负荷波动的目标。文献[36]基于动态时变电价机制，以满足用户、充电站及电网多方需求。文献[37]提出基于价格信号的引导电动汽车用户充电方法，通过智能充电终端运营商发布的实时电价，用户自主决定是否参与充电响应，运营商根据用户的响应程度再实时修改电价，兼顾双方利益。

直接控制模式下调动主体认为在电动汽车空闲时间可以完全控制其充电过程。事实上，是否愿意参与响应，权限在于电动汽车用户而不是调动主体。间接控制方式需要通过价格机制市场手段换取控制用户充电的权力，这需要对电动汽车用户充电需求响应进行调研、模拟及分析[38]。

以上策略能调控引导用户参与电网的调控，更多从政策和经济补偿等手段进行直接或间接调控，但是存在控制方式复杂、数据获取和整合较难等不足。未来对调控平台如何提取有效数据、降低计算维度仍是研究的重点与难点。

1.3 第三阶段：V2X

相比于其他负荷，电动汽车不仅具有“荷”的特性还有“源”的特性，参与电网调节具有相当的优势和潜力。无论是无序充电还是有序充电模式，只发挥了电动汽车荷的特性，被动地接受电网的调度。为了充分发挥电动汽车作为源荷所具备灵活性和可调度性，诸多学者开展了V2X的研究，V2X主要包括V2G（Vehicle to Grid）、V2H（Vehicle to Home）、V2B（Vehicle to Building）、V2V（Vehicle to Vehicle）及V2L（Vehicle to Load）。在V2G模式下，电动汽车用户从被动模式转换到主动模式，主动将电量回馈电网，加强电动车-充电桩-电网之间的互动协作。V2G的关键是规划电动汽车的充放电时间表及充放电功率，为此，电动汽车-充电桩-电网之间通信是实现V2G的关键因素，图6说明了电动汽车-充电桩-电网之间通信的典型架构。

随着研究的不断深入，在V2G的基础上衍生出了V2H/V2B/V2V/V2L技术，在V2H/V2B/V2V/V2L模式下，电动汽车作为移动储能单元在受控状态下，在电网低谷时为电动汽车充电，在电网高峰时向家庭、建筑、车辆及负载放电，获取电价收益；或是在停电等特殊情况下，作为应急电源使用，提高对用户的供电可靠性，也是车桩网互动的一种间接模式。国内外的学者主要从几下方面开展了V2X研究。

图6 电动汽车-充电桩-电网之间通信的典型架构

1.3.1 V2H级别

在V2H/V2B级别下，以家庭为单位接入电网，接入的配电压等级为220V/380V，可控规模一辆或两辆，其实现的核心在于满足：①定制化车辆的改造；②不同功率等级双向充电桩；③双向充电桩的控制方案；④通信协议及V2H/V2B互动架构标准制订。文献[39]针对目前充电桩体积大及成本高的问题，提出一种双向充电桩系统。文献[40]提出将虚拟同步控制策略应用于电动汽车充放电系统结构中，且基于虚拟同步策略研制出一台充放电样机，并成功应用于示范项目中。文献[41]提出了一种考虑电动汽车充放电功率变化率的V2H调度策略，仿真结果表明，电动汽车渗透率的增加可以更好地改善居民区负荷的电网接入特性。文献[42]对V2G/V2H通信标准及充电拓扑进行了综述。

由于V2H的配电电压等级较小，具有灵活性和广泛性，已经有许多产品的出现和试点推广。图7为万帮数字能源有限公司开发的V2H产品。V2H的应用场景主要包括电费较高的场景、存在电费峰谷差价的场景及家庭新能源消纳需求。

常州一公司使用工业用电、峰谷电费差异很大，因此安装了万帮数字能源有限公司开发的6.6kW双向直流充电机，EV电动车晚上在家中充电，白天上班到公司在峰值时段内放电给店内使用，赚取谷峰电价格差。同时起到消峰填谷，支撑电网作用。表2为该V2H用户的收益明细，图8为应用场景，通过配置6.6kW的双向墙盒直流充电机和双向电表以及一辆支持充放电的电动车实现。通过V2H实现应急功能，能够确保家庭重要负荷在紧急情况下不断电。

图7 不同功率等级充电机及通信架构

表2 收益计算明细表

Tab.2 Income calculation schedule

图8 V2H充放电场景

1.3.2 地区级别的V2G

单一电动汽车的容量往往较小，因此需要通过地区级别电动汽车集群代理商（如充电站，一般接入配电压等级为10kV）对已入网的集群电动汽车进行充放电调控管理，实现电动汽车与电网的互动，从而获取一定的价差收益[43]。

在地区级别的电动汽车与电网的互动，因可控的电动汽车规模较大，故充放电的调度优化算法是其核心技术。通过充放电的调度算法统一调节电动汽车充电负荷，实现全局最优。从文献调研来看，充放电的调度算法目标有的是改进微电网的可靠 性[44]，有的是提高频率调节能力[45]，有的是最大化充电站及电动汽车用户的最大化效益[46]。

在电动汽车的充放电调度应用的策略方面，根据研究目的不同又可分为保持电网稳定的充放电策略、新能源发电消纳的充放电策略、以经济性为目的的充放电策略。

（1）保持电网稳定的充放电策略目的是控制电动汽车的充电时间、充电地点和充电功率来保证电网总负荷标准差最小。集群代理商首先要考虑区域电网的平时负荷状态，然后计算出区域电动汽车充电时产生的负荷量，根据不同调度算法和控制手段，一般将电动汽车充电需求作为约束条件，引导电动汽车集群进行充放电。文献[47]结合电动汽车的随机性，获取电动汽车用户出行路径，搭建了耦合交通系统的配电网鲁棒调度模型。文献[48]考虑路网-电力系统的耦合影响，采用随机-鲁棒混合优化技术建立配电网日前优化调度模型。

（2）新能源发电消纳的充放电策略可以提高新能源发电的利用率，同时增强电网对新能源发电的容纳能力。基于V2G技术，集群代理商可以使用智能调度算法控制电动汽车的充电行为，使电动汽车在平抑新能源功率波动时做出贡献。文献[49]建立了利用集群电动汽车功率跟踪光伏发电功率的凸优化模型，提出了集群商调控电动汽车参与平抑光伏功率波动的实时调度方法。文献[50]提出了一种考虑电动汽车集群储能能力和风电接入的平抑控制策略，算例分析证明该策略利用电动汽车的储能能力，能有效减小风电接入对电网的影响。

（3）以经济性为目的的充放电策略通过制定合理的充放电价格来引导用户的充放电行为，从而达到避峰充电、峰谷负荷差异化最小的目的。文献[51]提出一种基于分时电价的多目标充电优化模型。算例结果表明，不同电价方案下的用户满意度会引导电动汽车错峰充电，达到“移峰填谷”的效果。而电动汽车在负荷高峰向电网放电时，文献[52]将电力公司和电动汽车代理商引入谈判模型，使得用户取得良好收益。

图9为万帮数字能源有限公司员工充电站实拍图，在员工充电站安装6.6kW双向直流充电机，员工下班后将电动汽车开回到家中，并在夜间按照居民用电价格对汽车电池充电，员工上班时将电动汽车开至公司，并在白天按照工业用电价格让汽车进行放电。用户对汽车动力电池进行低充高放，赚取差价，汽车动力电池充放电起到消峰填谷，支持电网的作用。

北京中再大厦车网互动示范项目于2020年6月开始运营，是全国第一座V2G商业化运营项目。该V2G项目的电价峰谷差可达1.114 4元/(kW·h)，高峰时段放电价格为0.7元/(kW·h)。根据示范电站运营时电价公示，参与项目的车主每度电收益在0.4元左右，年收益可达4 000元[53]。在调用电量规模上，V2G相比于有序充电优势明显，参与电力市场交易的场景也更加丰富。

1.3.3 城市级别的V2G

由于电动汽车资源灵活，点多面广、分散分布，无法直接参与电力市场，接入城市级别配电网的电压等级一般为35～110kV。亟须将电动汽车资源聚合起来，成为柔性可控的集合体，因此电动汽车充放电服务参与虚拟电厂交易市场是实现城市级别电动汽车-充电桩-电网互动的关键[54]。

基于电动汽车充电服务参与交易市场实现规模化电动汽车精细化调度，可有效调节电网负荷峰谷差[55-56]，降低传统调峰备用发电容量[57]，为电网提供支撑，提高电网的有效利用率，提升电能质量[58]。

随着电网智能化水平的提高及负荷管理手段的丰富，电动汽车提供需求响应等电网辅助服务，进一步提高电网效率。与此同时深入挖掘分布式能源的可调、可控能力，在客户侧实现创新和突破，为电网提供充裕的平衡调节服务资源，进而从根本上促进新能源发展[59]。综上所述，各个级别的V2X互动模式特点及技术核心总结见表3。

同时，对一个城市而言，不同电压等级的充电网络与交通网的耦合程度不同，其如图10所示，对于充电站为主导的中压充电网络与交通网耦合的程度越高，对于住宅小区为主体的低压充电网络与交通网耦合的程度越低。

表3 各个级别的V2X互动模式特点及核心技术总结

图10 配电网不同电压等级与交通网耦合的程度

基于上述三个级别的V2X互动特点对比，系统分析电动汽车在各种新场景下的应用，对于未来电动汽车如何参与电网调控具有指导意义。V2X模式能够更全面地考虑配电网的具体运行特点，但不同现实场景下交通网与配电网的具体耦合研究有待继续研究探索。

2 车-桩-网交互与融合架构

电动汽车-充电桩-电网融合架构在逻辑上可划分为三个层次，即物理层、平台层及融合层[60-62]，电动汽车-充电桩-电网的融合架构如图11所示。国家电网中国电力科学研究院指出：智能电网以物理电网为基础，将现代先进的传感测量技术、通信技术、信息技术、计算机技术和控制技术与物理电网高度集成而形成的新型电网。它以充分满足用户和对电力需求和优化资源配置、确保电力供应的安全性、可靠性和经济性、满足环保约束、保证电能质量、适应电力市场化发展等为目的，实现对用户可靠、经济、清洁、互助的电力供应和增值服务。

图11 电动汽车-充电桩-电网的融合架构

2.1 物理层

物理层为电动汽车与充电桩及电网交融的物理基础，主要由联网的电动汽车、联网的充电桩及智能电网组成，利用传感技术采集电动汽车和充电桩状态信息，并借助通信网络将信息上传给平台层。

车联网通过新一代信息通信技术，实现车与平台网络连接，利用传感技术感知车辆的状态信息，并借助通信网络将信息上传给平台层的车辆监控平台[63-64]。车联网作为一个高速移动的复杂的信息系统，信息安全问题及移动互联网可靠性问题是构建系统时需考虑的主要因素。桩联网即充电桩通过5G路由器统一接入网络平台，利用传感技术采集充电桩的运行状态，收集电动汽车用户行为信息，并实时计算可调度的容量，上传给平台层的充电桩监测平台[65]。构建桩联网时需考虑建立充电桩与平台的通信协议标准规范，同时还需考虑充电桩对信息处理及计算能力即所谓的智能性。智能电网以物理电网为基础，将现代先进的传感测量技术、通信技术、信息技术、计算机技术和控制技术与物理电网高度集成而形成的新型电网。

随着国家“新基建”重大战略部署的逐步深入推进与实施，电动汽车-充电桩-电网逐渐向智能化、数字化及互动化方向发展。

2.2 平台层

平台层进行各类信息收集、储存、计算，并实时下发指令，平台层包括电动汽车检测平台、智能充电桩的监测及运行平台及智能电网的运维平台。电动汽车监测平台其主要完成电动汽车状态信息的监测包括行驶行为指标、充电行为指标、车型性能指标等[66]。

智能充电桩的监测及运行平台，主要监测充电桩的运行状态，收集用户行为规律信息，同时也是聚合商的运营平台，聚合电动汽车负荷及充电桩网络信息，连接电动汽车用户和电网，对电网实现信息反馈与调控指令下发，对电动汽车用户进行可调度能力分析和充放电引导调控。文献[67]提出了一个大数据驱动的规划策略，收集电动汽车驾驶的大数据，并在数据挖掘和聚合基础上实现去中心化计算，为充电站预测充电可用性。文献[68]提出了一种支持移动边缘计算的充电和放电网络系统算法，以最大限度地减少电动汽车在充电站中的等待时间。文献[69]提出了一个用于电动汽车供电设备的互联网支持平台，该平台具有一个高级充电站控制单元和一个电力电子控制器。该平台在控制计费过程的同时，考虑到了外界信息。

智能电网的运维平台监控电网的全景信息，实时了解电网的运行状态，使用户实时了解供电能力、电能质量和停电信息等，同时提供相应的辅助决策支持，将信息及调控指令下发给智能充电桩的监测及运行平台（聚合商）[66]。

电动汽车不仅是储荷一体的单元，也是交通网的重要组成部分；而随着电动汽车的规模越大，交通网络对有序充电的影响也越发明显。如何将采集到的交通信息用于指引用户有序充电成为电动汽车平台层的重要作用之一。文献[70]分析交通信息能够影响电动汽车的充电决策从而改变电网的负荷接入情况，而电网也能通过电价引导等方式改变电动汽车的出行和充电计划，影响交通流量。文献[71]建立了考虑道路阻抗和交叉口节点阻抗的“时间-流量”路阻模型，提出了融合实时交通信息和电网信息的电动汽车路径规划和充电导航策略。文献[72]对交通状况、用户通勤行为和公用事业定价过程中存在的随机性问题，提出了一种基于深度强化学习的无模型方法来确定该问题的最优策略，可以自适应地学习转移概率，并且不需要任何系统模型信息。

目前，国内外对于平台层的研究侧重于对电动汽车进行合理调控参与有序充放电。在电动汽车的充电引导和充电桩的站点规划中，交通信息的建模和与配电网的融合十分重要，交通网与车-桩-网交融的耦合问题是未来研究的重要方向。

2.3 融合层

融合层是电动汽车-充电桩-电网发展的应用服务层，在多方交易平台的基础上，聚合电动汽车负荷资源，推动参与市场化电力交易和电网优化运行，通过多方灵活交易加快推动形成以电为中心，清洁、绿色的新型能源消费模式，促进电动汽车-充电桩-电网的交融发展。文献[73]针对绿证交易和电力市场交易的耦合机制，构建以充电负荷聚合商为研究对象的内外二级绿证交易模式。文献[74]基于交易式控制原理建立一种分布式实时滚动充电管理框架，能够满足用户的隐私保护和自治需求，并能在配电网层面统一协调EV和多种柔性负荷。文献[75]针对风力发电厂和电动汽车集成商制定了一种竞争投标策略，采用WoLF-PHC（win-or-learn-fast policy hill-climbing）算法模拟多个电力供应商之间的动态竞价并计算纳什均衡点。

在电动汽车-充电桩-电网交融架构及相关技术发展和政策支撑下，有计划、有步骤地实现不同程度电动汽车-充电桩-电网的互动，让电动汽车车主实现充便宜电、绿色电、充电不花钱、充电能赚钱，辅助电网消峰填谷及调频，促进随机波动的清洁能源消纳，助力“碳达峰、碳中和”目标达成。

3 车-桩-网交互与融合应用实践

目前，电动汽车正越来越多地通过电力需求响应等方式与电网形成互动，V2G获认可示范项目多点开花，全国各地探索车网互动之举屡现报道，典型的车桩网互动应用实践项目见表4[76]。示范项目密集多点布局的背后离不开政策层面的肯定。伴随着电动汽车储能被纳入政府议事日程，电动汽车-充电桩-电网之间的互动亦要加快步伐。从当前各地V2G试点项目实践看，车-桩-网互动阻碍主要体现在：①目前具备互动能力的充电桩比较少；②分布式充电桩资源精准调用技术不够完善；③V2G技术可用性不强；④用户参与意愿不强。因此，需要基于所取得的试点经验，逐步地建立完善的市场机制和商业模式。

4 展望

4.1 考虑到交通-能源耦合的充电设施布局优化

充换电站设施的规划建设是实现大规模电动汽车接入电网的基础和前提，现有的充换电站规划方法都将充电设施作为普通的用电设施进行布局规划，其导致充电设施利用率低收益差等问题，实际上充电设施不仅是用电设施而且是交通服务设施，电动汽车作为交通网的一部分，在运行中有随机性和不确定性的特点，因此如何考虑交通与能源耦合的充电设施尤其是快速充电设施的布局优化以改善交通和电网的优化运行应是未来考虑的研究方向。

表4 车桩网的互动应用实践项目

Tab.4 Interactive application practice project of vehicle pile network

4.2 电力-交通的联合优化调度

随着电动汽车规模的增大，未来交通和电力的耦合程度及网络结构特性将更为复杂，通过5G通信等信息技术自动收集到的用户信息和充电习惯等相关数据，可以对用户的充电需求、充电行为进行分析。用户与电网互动特征更加显著，运行灵活且多变，对于电网的调度也更加困难。融合架构与新能源利用、智能交通的融合方法、充电服务引导机制、不同“车”-“路”-“桩”平台数据贯通和流通规则、电力-交通联合调度理论都值得进一步深入研究。

4.3 车-桩-网交融市场模式探索

电动汽车是电网重要的分布式灵活资源，点多面广、分散分布，无法直接参与电力市场。亟须将其聚合起来，成为柔性可控的集合体，通过精细化调度进行能量的时间转移存储，实现发电和负荷曲线的更优匹配，深入挖掘电动汽车可调、可控能力。交易市场中新的交易模式一直更新迭代，未来对电动汽车充电需求的空间转移需要电价、经济补偿等政策引导，从而使用户在需要的地点和时间进行高效的充电，同时也能起到削峰填谷的作用。利用 车-桩-网交互与融合架构，探索车-桩-网交融市场新的模式，为电网提供充裕的平衡调节服务资源，进而从根本上促进电动汽车良性发展。

4.4 ChaoJi技术的推广和应用以及对电网的影响

2021年12月31日《电动汽车传导充电用连接装置第4部分：大功率直流充电接口》标准的制定标志着ChaoJi充电技术获得国家批准。新一代的ChaoJi充电技术路线是一套完整的电动汽车直流充电系统解决方案。ChaoJi技术解决了国际上现有充电系统存在的一系列缺陷和问题，为世界提供一个统一、安全、可靠、低成本充电系统的解决方案。ChaoJi技术的推广和应用将提高电动汽车用户充电的快捷性和安全性，与此同时大规模大功率充电势必会对电网的负荷产生冲击，如何刻画ChaoJi充用户特征及对电网的影响，ChaoJi充电设施规划布局是亟需解决问题。

5 结论

电动汽车-充电桩-电网交融发展，是提升电网灵活性与稳定性、促进能源清洁低碳转型、培育电动汽车产业发展新动能的重要途径。国内外学者对电动汽车-充电桩-电网互动开展了大量的研究工作，取得了丰硕研究成果，但在技术方面、商业方面、政策方面还存在诸多问题限制了电动汽车-充电桩-电网互动应用及实践。与此同时，目前电动汽车可聚合的资源规模还较小，未来随着其逐步规模化推广应用，形成新能源消纳与电动汽车双向智慧互动、市场价格为引导信号的需求侧调峰调频机制。通过能源服务商对电动汽车集群聚合商的组织调度，缓解电网调峰、新能源大规模发展带来的消纳和间歇性发电问题，实现绿电绿用绿链交易运营管理，将有力地推进我国能源革命及“碳达峰、碳中和”双碳目标实现的进程。

[1] 中国政府网. 国务院办公厅关于印发新能源汽车产业发展规划(2021—2035年)的通知(国办发〔2020〕39号政府信息公开专栏)[2021-05-07]. http://www. gov.cn/zhengce/content/2020-11/02/content_5556716. html.

[2] 中华人民共和国工业和信息化部. 国家电网公司发布碳达峰碳中和行动方案. https://www.miit.gov.cn/ jgsj/jns/xydt/art/2021/art_8f1d9e8146274b75b7505aca 0703a2d0.html.

[3] 中国充电联网官网. http://www.evcipa.org.cn/China charging network official website. http://www.evcipa. org.cn/

[4] 中国电动汽车充电基础设施促进联盟. http://www. evcipa.org.cn/China Electric Vehicle Charging Infra- structure Promotion Alliance. http://www.evcipa.org. cn/

[5] 张葵葵. 国内外电动汽车充换电设施标准及应用现状[J]. 汽车维修与保养, 2020(12): 61-64.

Zhang Kwai-Koi. Current status of domestic and international electric vehicle charging and switching facilities standards and applications[J]. Automotive Repair and Maintenance, 2020(12): 61-64.

[6] 电动汽车传导充电用连接装置. GB/T 20234.2—2015[S]. http://www.china-nengyuan.com/tech/73576. html.

[7] Wajahat Khan, Furkan Ahmad, Mohammad Saad Alam. Fast EV charging station integration with grid ensuring optimal and quality power exchange[J]. Engineering Science and Technology, An International Journal, 2019, 22(1): 143-152.

[8] Feng Hao, Tavakoli R, Onar O C, et al. Advances in high-power wireless charging systems: overview and design considerations[J]. IEEE Transactions on Trans- portation Electrification, 2020, 6(3): 886-919.

[9] 崔淑梅, 宋贝贝, 王志远. 电动汽车动态无线供电磁耦合机构研究综述[J]. 电工技术学报, 2022, 37(3): 537-554.

Cui Shumei, Song Beibei, Wang Zhiyuan. Overview of magnetic coupler for electric vehicles dynamic wireless charging[J]. Transactions of China Electro- technical Society, 2022, 37(3): 537-554.

[10] 钱斌, 石东源, 谢平平, 等. 电动公交车换电站—电池充电站优化规划[J]. 电力系统自动化, 2014, 38(2): 64-69, 84.

Qian Bin, Shi Dongyuan, Xie Pingping, et al. Optimal planning of battery charging and exchange stations for electric vehicles[J]. Power System Automation, 2014, 38(2): 64-69, 84.

[11] 中电联标准化管理中心官网. https://www.cec.org. cn/template1/index.html?181.

[12] 舒印彪, 张智刚, 郭剑波, 等. 新能源消纳关键因素分析及解决措施研究[J]. 中国电机工程学报, 2017, 37(1): 1-8.

Shu Yinbiao, Zhang Zhigang, Guo Jianbo, et al. Study on key factors and solution of renewable energy accommodation[J]. Proceedings of the CSEE, 2017, 37(1): 1-8.

[13] 《国家电网有限公司服务新能源发展报告（2021）》. https://guangfu.bjx.com.cn/news/20210527/1154931.shtml.

[14] 周孝信, 陈树勇, 鲁宗相, 等. 能源转型中我国新一代电力系统的技术特征[J]. 中国电机工程学报, 2018, 38(7): 1893-1904, 2205.

Zhou Xiaoxin, Chen Shuyong, Lu Zongxiang, et al. Technology features of the new generation power system in China[J]. Proceedings of the CSEE, 2018, 38(7): 1893-1904, 2205.

[15] 国家发展改革委. 国家能源局《关于推进电力源网荷储一体化和多能互补发展的指导意见》发改能源规[2021]28号. https://www.ndrc.gov.cn/xxgk/zcfb/ ghxwj/202103/t20210305_1269046.html?code=&state=123.

[16] 宋辉, 徐永海. 规模化电动汽车充电对配电网电压质量的影响及其对策[J]. 现代电力, 2017, 34(3): 30-35.

Song Hui, Xu Yonghai. Impact of large-scale electric vehicle charging on voltage quality of distribution network and relevant countermeasures[J]. Modern Power, 2017, 34(3): 30-35.

[17] Jiang C, Torquato R, Salles D, et al. Method to assess the power-quality impact of plug-in electric vehicles[J]. IEEE Transactions on Power Delivery, 2014, 29(2): 958-965.

[18] Leou R C, Su C L, Lu C N. Stochastic analyses of electric vehicle charging impacts on distribution network[J]. IEEE Transactions on Power Systems, 2014,29(3): 1055-1063.

[19] 朱世盘, 刘峰, 李从洋. 电动汽车对城市配电网的影响和谐波分析[J]. 华东电力, 2012, 40(5): 836- 839.

Zhu Shipan, Liu Feng, Li Congyang. EV impact on city power distribution network and its harmonic analysis[J]. East China Electric Power, 2012, 40(5): 836-839.

[20] 赵可为. 规模化电动汽车接入配电网典型问题的研究[D]. 北京: 华北电力大学, 2018.

[21] 孙建龙, 李妍, 胡国伟, 等. 电动汽车接入对配电变压器使用寿命的影响[J]. 高电压技术, 2015, 41(11): 3830-3835.

Sun Jianlong, Li Yan, Hu Guowei, et al. Impact of plug-in electric vehicles on the operating life of distribution transformer[J]. High Voltage Engineering, 2015, 41(11): 3830-3835.

[22] Razeghi G, Zhang L, Brown T, et al. Impacts of plug-in hybrid electric vehicles on a residential transformer using stochastic and empirical analysis[J]. Journal of Power Sources, 2014, 252(15): 277-285.

[23] Gomez J C, Morcos M M. Impact of EV battery chargers on the power quality of distribution system[J]. IEEE Transactions on Power Delivery, 2003, 18(3): 975-981.

[24] 高科. 广东省电动汽车负荷预测研究[D]. 北京: 北京交通大学, 2016.

[25] 王立君. 电动汽车充电负荷对配电系统影响与优化策略分析[J]. 中国高新技术企业, 2017(4): 23-25.

Wang Lijun. Influence of electric vehicle charging load on distribution system and optimization strategy analysis[J]. China High-tech Enterprise, 2017(4): 23-25.

[26] 胡泽春, 宋永华, 徐智威, 等. 电动汽车接入电网的影响与利用[J]. 中国电机工程学报, 2012, 32(4): 1-10, 25.

Hu Zechun, Song Yonghua, Xu Zhiwei, et al. Impacts and utilization of electric vehicles integration into power systems[J]. Proceedings of the CSEE, 2012, 32(4): 1-10, 25.

[27] 梁瑞松. 电动汽车充电站与配电网的交互影响研究[D]. 北京: 华北电力大学, 2016.

[28] 孔顺飞, 胡志坚, 谢仕炜, 等. 含电动汽车充电站的主动配电网二阶段鲁棒规划模型及其求解方法[J]. 电工技术学报, 2020, 35(5): 1093-1105.

Kong Shunfei, Hu Zhijian, Xie Shiwei, et al. Two- stage robust planning model and its solution algorithm of active distribution network containing electric vehicle charging stations[J]. Transactions of China Electrotechnical Society, 2020, 35(5): 1093- 1105.

[29] 刘燕. 智能电网下充电站优化运营模型及决策支持系统研究[D]. 北京: 华北电力大学, 2021.

[30] 徐智威, 胡泽春, 宋永华, 等. 充电站内电动汽车有序充电策略[J]. 电力系统自动化, 2012, 36(11): 38-43.

Xu Zhiwei, Hu Zechun, Song Yonghua, et al. Corrdinated charging of plug-in electric vehicles in charging stations[J]. Power System Automation, 2012, 36(11): 38-43.

[31] Dai Xianzhong, Chai Yufeng, Han Xinyang, et al. Temporal and spatial pricing for optimal electric vehicle charging and discharging management[C]// 2019 IEEE Innovative Smart Grid Technologies, Beijing, 2019: 2516-2521.

[32] 田文奇, 和敬涵, 姜久春, 等. 电动汽车充电负荷空间分配优化算法[J]. 电工技术学报, 2013, 28(3): 269-276.

Tian Wenqi, He Jinghan, Jiang Jiuchun, et al. Electric vehicle charging load spatial allocation optimization algorithm[J]. Transactions of China Electrotechnical Society, 2013, 28(3): 269-276.

[33] 占恺峤, 宋永华, 胡泽春, 等. 以降损为目标的电动汽车有序充电优化[J]. 中国电机工程学报, 2012, 32(31): 11-18.

Zhan Kaiqiao, Song Yonghua, Hu Zechun, et al. Coordination of electric vehicles charging to mini- mized active power losses[J]. Proceedings of the CSEE, 2012, 32(31): 11-18.

[34] 孙晓明, 王玮, 苏粟, 等. 基于分时电价的电动汽车有序充电控制策略设计[J]. 电力系统自动化, 2013, 37(1): 191-195.

Sun Xiaoming, Wang Wei, Su Su, et al. Coordinated charging strategy for electric vehicles based on time-of-use price[J]. Automation of Electric Power Systems, 2013, 37(1): 191-195.

[35] 陈奎, 马子龙, 周思宇, 等. 电动汽车两阶段多目标有序充电策略研究[J]. 电力系统保护与控制, 2020, 48(1): 65-72.

Chen Kui, Ma Zilong, Zhou Siyu, et al. Charging control strategy for electric vehicles based on two- stage multi-target optimization[J]. Power system Pro- tection and Control, 2020,48(1): 65-72.

[36] 杨景旭, 周来, 张勇军, 等. “专变共享”模式下考虑时变电价和转移概率的EV有序充电[J]. 电力自动化设备, 2020, 40(10): 173-180, 193.

Yang Jingxu, Zhou Lai, Zhang Yongjun, et al. Ordered charging of EVs considering time-varying electricity price and transition probability under “dedicated transformer sharing” mode[J]. Power Automation Equipment, 2020,40(10): 173-180, 193.

[37] 史一炜, 冯冬涵, Ella Zhou, 等. 基于主从博弈的充电服务商充电引导方法及其定价策略[J]. 电工技术学报, 2019, 34(增刊2): 742-751.

Shi Yiwei, Feng Donghan, Ella Zhou, et al. Stackelberg game based on supervised charging method and pricing strategy of charging service providers[J]. Transactions of China Electrotechnical Society, 2019, 34(S2): 742-751.

[38] 王锡凡, 邵成成, 王秀丽, 等. 电动汽车充电负荷与调度控制策略综述[J]. 中国电机工程学报, 2013, 33(1): 1-10.

Wang Xifan, Shao Chengcheng, Wang Xiuli, et al. Survey of electric vehicle charging load and dispatch control strategies[J]. Proceedings of the CSEE, 2013, 33(1): 1-10.

[39] 杨涛. 电动汽车充电桩设计及充放电控制策略研究[D]. 合肥: 安徽工程大学, 2020.

[40] 陈天锦, 牛高远, 甘江华, 等. 基于虚拟同步策略的电动汽车V2G充放电系统研究及样机实现[J]. 电力系统保护与控制, 2021, 49(3): 131-141.

Chen Tianjin, Niu Gaoyuan, Gan Jianghua, et al. Research and prototype manufacture on electric vehicle V2G systems based on virtual synchronous control strategy[J]. Power System Protection and Control, 2021, 49(3): 131-141.

[41] 邢紫佩, 王守相, 梅晓辉, 等. 考虑电动汽车充放电全程功率变化率和用户舒适度的V2H调度策略[J]. 电力自动化设备, 2020, 40(5): 70-76.

Xing Zipei, Wang Shouxinag, Mei Xiaohui, et al. V2H scheduling strategy considering charging and discharging power change rate of electric vehicles and users' comfort level[J]. Electric Power Automation Equipment, 2020, 40(5): 70-76.

[42] Seyfettin Vadi, Ramazan Bayindir, Alperen Mustafa Colak, et al. A review on communication standards and charging topologies of V2G and V2H operation strategies[J]. Energies, 2019, 12(19): 123-130.

[43] 李德胜, 李国策, 刘博. 基于虚拟同步发电机控制技术的V2G系统研究[J]. 电力系统保护与控制, 2021, 49(7): 127-133.

Li Desheng, Li Guoce, Liu Bo. Research on V2G system based on virtual synchronous generator control technology[J]. Power System Protection and Control, 2021, 49(7): 127-133.

[44] Shams H, Sadeghfam A, Rostami N, et al. Exact approach for charging of PEVs with V2G capability to improve micro-grid reliability[J]. IET Generation, Transmission and Distribution, 2019, 13(16): 3690- 3695.

[45] Peng Chao, Zou Jianxiao, Lian Lian, et al. An optimal dispatching strategy for V2G aggregator participating in supplementary frequency regulation considering EV driving demand and aggregator's benefits[J]. Applied Energy, 2017, 190(10): 591-599.

[46] Singh J, Tiwari R. Cost benefit analysis for V2G implementation of electric vehicles in distribution system. IEEE Transactions on Industry Applications, 2020, 56(5): 5963-5973.

[47] Wei Wei, Mei Shengwei, Wu Lei, et al. Robust operation of distribution networks coupled with urban transportation infrastructures[J]. IEEE Transactions on Power Systems, 2017, 32(3): 2118-2130.

[48] 胡代豪, 郭力, 刘一欣, 等. 计及光储快充一体站的配电网随机-鲁棒混合优化调度[J]. 电网技术, 2021, 45(2): 507-519.

Hu Daihao, Guo Li, Liu Yixin, et al. Stochastic/ robust hybrid optimal dispatching of distribution networks considering fast charging stations with photovoltaic and energy storage[J]. Power Grid Technology, 2021, 45(2): 507-519.

[49] 胡俊杰, 周华嫣然, 李阳. 集群电动汽车平抑光伏波动实时调度策略[J]. 电网技术, 2019, 43(7): 2552- 2560.

Hu Junjie, Zhou Huayanran, Li Yang. Real-time dispatching strategy for aggregated electric vehicles to smooth power fluctuation of photovoltaics[J]. Power Grid Technology, 2019, 43(7): 2552-2560.

[50] 王明深, 穆云飞, 贾宏杰, 等. 考虑电动汽车集群储能能力和风电接入的平抑控制策略[J]. 电力自动化设备, 2018, 38(5): 211-219.

Wang Mingshen, Mu Yunfei, Jia Hongjie, et al. Smoothing control strategy considering energy storage capability of electric vehicle aggregators and wind power integration[J]. Electric Power Auto- mation Equipment, 2018, 38(5): 211-219.

[51] 崔金栋, 罗文达, 周念成. 基于多视角的电动汽车有序充放电定价模型与策略研究[J]. 中国电机工程学报, 2018, 38(15): 4438-4450, 4644.

Cui Jindong, Luo Wenda, Zhou Niancheng. Research on pricing model and strategy of electric vehicle charging and discharging based on multi view[J]. Proceedings of the CSEE, 2018, 38(15): 4438-4450, 4644.

[52] 张谦, 丁铸玮, 谭维玉, 等. 计及多代理的电动汽车放电电价两阶段谈判策略[J]. 电工技术学报, 2018, 33(增刊2): 616-627.

Zhang Qian, Ding Zhuwei, Tan Weiyu, et al. A two-stage negotiation strategy of discharging price for electric vehicle considering multi-agent[J]. Transa- ctions of China Electrotechnical Society, 2018, 33(S2): 616-627.

[53] 祝月艳, 石红, 方海峰. 我国电动汽车与电网协同发展现状分析与发展建议[J]. 汽车工业研究, 2021(4): 8-11.

Zhu Yueyan, Shi Hong, Fang Haifeng. Analysis of the current situation and development suggestions of the coordinated development of electric vehicles and power grids in my country[J]. Automobile Industry Research, 2021(4): 8-11.

[54] Hassija V, Chamola V, Garg S, et al. A blockchain- based framework for lightweight data sharing and energy trading in V2G network[J]. IEEE Transactions on Vehicular Technology, 2020, 69(6): 5799-5812.

[55] 崔岩, 胡泽春, 段小宇. 考虑充电需求空间灵活性的电动汽车运行优化研究综述[J]. 电网技术, 2022, 46(3): 981-994.

Cui Yan, Hu Zechun, Duan Xiaoyu. Review on the electric vehicles operation optimization considering the spatial flexibility of electric vehicles charging demands[J]. Power Grid Technology, 2022, 46(3): 981- 994.

[56] Sains N S, Ai-Anbagi I. Optimal charging and discharging for EVs in a V2G participation under critical peak conditions[J]. IET Electrical Systems in Transportation, 2018, 8(2): 136-143.

[57] 徐诗鸿, 张宏志, 石栋, 等. 面向智慧城市的快充负荷充电服务费制定策略[J]. 中国电机工程学报, 2020, 40(10): 3187-3201.

Xu Shihong, Zhang Hongzhi, Shi Dong, et al. Setting strategy of charging service fee for fast charging load of smart cities[J]. Proceedings of the CSEE, 2020, 40(10): 3187-3201.

[58] 姚一鸣, 赵溶生, 李春燕, 等. 面向电力系统灵活性的电动汽车控制策略[J]. 电工技术学报, 2022, 37(11): 2813-2824.

Yao Yiming, Zhao Rongsheng, Li Chunyan, et al. Control strategy of electric vehicles oriented to power system flexibility[J]. Transactions of China Electro- technical Society, 2022, 37(11): 2813-2824.

[59] Zheng Xueqin,Yao Yiping. Multi-objective capacity allocation optimization method of photovoltaic EV charging station considering V2G[J]. Journal of Central South University, 2021, 28(2): 120-128

[60] 阎坤, 李涛, 张孝杰. 基于MQTT的有序充电平台建设方案研究与应用[J]. 工业控制计算机, 2020, 33(8): 1-3.

Yan Kun, Li Tao, Zhang Xiaojie. Research and application of orderly charging platform based on MQTT[J]. Industrial Control Computer, 2020, 33(8): 1-3.

[61] 王赞, 陈光, 董晓, 等. 基于工业互联网的智慧能源服务系统架构研究[J]. 电力系统保护与控制, 2020, 48(3): 77-83.

Wang Zan, Chen Guang, Dong Xiao, et al. Research on the architecture of smart energy service system based on industrial internet[J]. Power system Pro- tection and Control, 2020, 48(3): 77-83.

[62] Grée F, Laznikova V, Kim B, et al. Cloud-based big data platform for vehicle-to-grid (V2G)[J]. World Electric Vehicle Journal, 2020, 11(2): 30.

[63] 杨永标, 丁孝华, 朱金大, 等. 物联网应用于电动汽车充电设施的设想[J]. 电力系统自动化, 2010, 34(21): 95-98.

Yang Yongbiao, Ding Xiaohua, Zhu Jinda, et al. Assumption of the internet of things in electric vehicle charging facilities[J]. Automation of Electric Power Systems, 2010, 34(21): 95-98.

[64] 2022-2027年中国货运车联网技术行业发展监测及投资战略咨询报告. https://www.huaon.com/channel/ internet/771097.html.

[65] Eiza M H, Shi Q, Marnerides A K, et al. Efficient, secure, and privacy-preserving PMIPv6 protocol for V2G networks[J]. IEEE Transactions on Vehicular Technology, 2019, 68(1): 19-33.

[66] 毛玲, 邓思文, 赵登辉, 等. 新能源汽车监测平台在行驶和充电场景中的应用与思考[J]. 电工技术学报, 2022, 37(1): 1-10.

Mao Ling, Deng Siwen, Zhao Denghui, et al. Application and thinking of big data technology of new energy vehicle monitoring platform in driving and charging scenarios[J]. Transactions of China Electrotechnical Society, 2022, 37(1): 1-10.

[67] Cao Yue, Song Houbin, Kaiwartya, et al. Mobile edge computing for big-data-enabled electric vehicle charging[J]. IEEE Communications Magazine, 2018, 56(3): 150-156.

[68] Tang Qiang, Wang Kezhi, Song Yun, et al. Waiting time minimized charging and discharging strategy based on mobile edge computing supported by software-defined network[J]. IEEE Internet of Things Journal, 2020, 7(7): 6088-6101.

[69] Cirimele V, Diana M, Bellotti F, et al. The fabric ICT platform for managing wireless dynamic charging road lanes[J]. IEEE Transactions on Vehicular Tech- nology, 2020, 69(3): 2501-2512.

[70] 袁泉, 汤奕. 基于路-电耦合网络的电动汽车需求响应技术[J]. 中国电机工程学报, 2021, 41(5): 1627- 1637.

Yuan Quan, Tang Yi. Electric vehicle demand response technology based on traffic-grid coupling networks[J]. Proceedings of the CSEE, 2021, 41(5): 1627-1637.

[71] 邢强, 陈中, 冷钊莹, 等. 基于实时交通信息的电动汽车路径规划和充电导航策略[J]. 中国电机工程学报, 2020, 40(2): 534-550.

Xing Qiang, Chen Zhong, Leng Zhaoying, et al. Route planning and charging navigation strategy for electric vehicles based on real-time traffic information[J]. Proceedings of the CSEE, 2020, 40(2): 534-550.

[72] Wan Zhiqiang, Li Hepeng, He Haibo, et al. Model- free real-time EV charging scheduling based on deep reinforcement learning[J]. IEEE Transactions on Smart Grid, 2019, 10(5): 5246-5257.

[73] 刘敦楠, 刘明光, 王文, 等. 充电负荷聚合商参与绿色证书交易的运营模式与关键技术[J]. 电力系统自动化, 2020, 44(10): 1-9.

Liu Dunnan, Liu Mingguang, Wang Wen, et al. Operation mode and key technologies of charging load aggregator participating in green certificate trading[J]. Automation of Electric Power Systems, 2020, 44(10): 1- 9.

[74] 程亦直, 张沛超. 配电网中电动汽车的实时滚动交易式充电管理[J]. 中国电机工程学报, 2019, 39(19): 5703-5713, 5898.

Cheng Yizhi, Zhang Peichao. Real-time rolling transactive charging management of electric vehicles in distribution network[J]. Proceedings of the CSEE, 2019, 39(19): 5703-5713, 5898.

[75] Gao Xiang, Chan Kawing, Xia Shiwei, et al. A multiagent competitive bidding strategy in a pool- based electricity market with price-maker participants of WPPs and EV aggregators[J]. IEEE Transactions on Industrial Informatics, 2021, 17(11): 7256-7268.

[76] 北极星微电网官网. https://shupeidian.bjx.com.cn/ html/20200521/1074220.shtml.

Research Status and Prospects of Fusion Technology of Vehicle-Charging Pile-Power Grid

（College of Electrical Engineering Shanghai University of Electric Power Shanghai 200090 China）

The interactive and integrated development of electric vehicles (EVs), charging piles(CPs), and power grid can improve grid flexibility and stability, promote energy-clean and low-carbon transformation, and foster new drivers for developing the EVs industry. Scholars at home and abroad have conducted extensive and in-depth research on EVs-CPs-power grid interactive and integration technology. This paper systematically reviews the current situation and progress of EVs-CPs power grid interactive and integration technology. First, this paper investigates the research background and then summarizes the status of EVs-CPs-power grid interactive and integration technology from disorder-charging and order-charging to V2X. Second, the integration architecture of the EVs-CPs-power grid is summarized from the physical layer, platform layer, and fusion layer. This paper also analyzes the sensing and communication technologies when EVs and CPs are connected. The key issues of the EVs dispatching technology are discussed, and the flexible multi-party transactions of EVs-CPs-power grid interactive and integration technology are explored. After that, the typical application practice of EVs-CPs-power grid integration is introduced. Finally, the research on the EVs-CPs-power grid integration is prospected to provide a reference for the research and implementation of integrating EVs-CPs-power grid.

Vehicle-charging piles-power grid interactive and integrated, Electric vehicle, Vehicle to X, the integration architecture

10.19595/j.cnki.1000-6753.tces.211267

TM73

国家自然科学基金资助项目（51777120）。

2021-08-15

2022-06-12

毛 玲 女，1981年生，博士，硕导。主要研究方向为新能源及电动汽车供给技术、锂电池的状态估计。E-mail: maoling2290@shiep.edu.cn

赵晋斌 男，1972年生，博士，教授。主要研究方向为现代电力电子技术在电力系统中的应用、新能源发电技术。E-mail: zhaojinbin@shiep.edu.cn（通信作者）

（编辑 郭丽军）