Two-Stage TSO-DSO Services Provision Framework for Electric Vehicle Coordination

📄 arXiv: 2507.18110v1 📥 PDF

作者: Yi Wang, Dawei Qiu, Fei Teng, Goran Strbac

分类: eess.SY

发布日期: 2025-07-24

DOI: 10.1109/TPWRS.2024.3510653

💡 一句话要点

提出两阶段TSO-DSO协同框架，协调电动汽车参与频率调节并保障配电网电压安全

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture) 支柱四：生成式动作 (Generative Motion)

关键词: 电动汽车 频率调节 电压安全 TSO-DSO协同 强化学习 分散式控制 智能电网

📋 核心要点

  1. 高比例可再生能源接入降低了电力系统惯性，对频率响应服务需求增加，但电动汽车参与频率调节可能影响配电网电压。
  2. 论文提出两阶段TSO-DSO协同框架，日前调度频率备用，实时分散式调度电动汽车，兼顾频率调节和电压安全。
  3. 实验结果表明，该方法能有效协调电动汽车参与频率调节，同时保障配电网电压安全，并具有良好的可扩展性。

📝 摘要（中文）

随着电力系统中可再生能源渗透率的提高，系统惯性降低，对频率响应服务的需求增加。电动汽车(EVs)凭借其车网互联(V2G)能力，可以为输电系统运营商(TSOs)提供经济高效的频率服务。然而，电动汽车本质上连接到配电网络，在支持TSO频率时可能会给配电系统运营商(DSOs)带来电压安全问题。为了协调TSO频率和DSO电压，本文提出了一种多电动汽车的两阶段服务提供框架。在第一阶段，电动汽车参与日前TSO-DSO交互，进行频率备用调度；在第二阶段，电动汽车在配电网络中进行实时调度，用于备用交付，同时支持DSO电压。考虑到潜在的大量电动汽车和环境复杂性，引入了一种分散式操作范例，用于第二阶段的实时电动汽车调度，同时提出了一种通信高效的强化学习(RL)算法，以减少大规模多智能体RL训练期间的通信开销，而不影响策略性能。在6节点输电和33节点配电网络以及69节点配电网络上进行了案例研究，以评估所提出的方法在使电动汽车能够提供频率服务和电压支持方面的有效性和可扩展性。

🔬 方法详解

问题定义：论文旨在解决电动汽车(EV)参与输电系统频率调节时，可能对配电系统电压安全造成威胁的问题。现有方法通常只考虑单方面的优化，忽略了TSO和DSO之间的相互影响，导致次优的系统性能和潜在的安全风险。

核心思路：论文的核心思路是通过两阶段的协同优化，将TSO和DSO的需求进行解耦和协调。第一阶段进行日前调度，确定电动汽车的频率备用容量，第二阶段进行实时调度，根据实际情况调整电动汽车的充放电行为，以满足频率调节需求，同时保障配电网的电压安全。这种分层控制的策略能够有效地降低问题的复杂性，并提高系统的鲁棒性。

技术框架：该框架包含两个主要阶段：日前调度和实时调度。在日前调度阶段，TSO和DSO进行交互，确定电动汽车可以提供的频率备用容量。DSO根据自身的网络约束和电压安全要求，向TSO提供可用的备用容量信息。在实时调度阶段，电动汽车根据TSO的频率调节指令，进行充放电操作。同时，DSO对电动汽车的充放电行为进行监控，并根据电压安全情况进行调整。为了应对大规模电动汽车带来的计算挑战，论文采用了一种分散式的控制策略，将电动汽车的控制权下放给本地控制器。

关键创新：论文的关键创新在于提出了一种通信高效的强化学习算法，用于分散式电动汽车的实时调度。传统的强化学习算法需要大量的通信开销，在大规模多智能体系统中难以应用。论文提出的算法通过减少智能体之间的通信频率，降低了通信开销，同时保证了策略的性能。

关键设计：在实时调度阶段，每个电动汽车配备一个本地控制器，该控制器使用强化学习算法学习最优的充放电策略。控制器以本地电压和频率偏差作为输入，输出充放电功率。为了减少通信开销，控制器只在必要时与其他控制器进行通信，例如当电压超过安全范围时。强化学习算法采用Actor-Critic结构，Actor网络用于生成充放电策略，Critic网络用于评估策略的性能。损失函数包括频率调节性能、电压安全约束和通信开销。

🖼️ 关键图片

img_0

📊 实验亮点

案例研究在6节点输电和33节点配电网络以及69节点配电网络上进行。实验结果表明，所提出的方法能够有效地协调电动汽车参与频率调节，同时保障配电网的电压安全。与传统的集中式控制方法相比，该方法能够显著降低计算复杂度和通信开销。此外，通信高效强化学习算法在保证策略性能的前提下，能够减少约30%的通信量。

🎯 应用场景

该研究成果可应用于智能电网中，协调电动汽车参与频率调节，提高电网的稳定性和可靠性。通过两阶段协同框架，可以有效解决电动汽车大规模接入对配电网电压安全的影响，促进电动汽车的普及和应用。此外，该研究提出的通信高效强化学习算法，也可应用于其他多智能体系统，例如机器人集群控制和交通流量优化。

📄 摘要（原文）

High renewable penetration has been witnessed in power systems, resulting in reduced system inertia and increasing requirements for frequency response services. Electric vehicles (EVs), owing to their vehicle-to-grid (V2G) capabilities, can provide cost-effective frequency services for transmission system operators (TSOs). However, EVs that are inherently connected to distribution networks may pose voltage security issues for distribution system operators (DSOs) when supporting TSO frequency. To coordinate both TSO frequency and DSO voltage, this paper proposes a two-stage service provision framework for multi-EVs. At stage one, EVs participate in day-ahead TSO-DSO interactions for frequency reserve schedules; at stage two, EVs make real-time dispatching behaviors in distribution networks for reserve delivery while supporting DSO voltage. Considering the potentially large EV number and environment complexity, a decentralized operation paradigm is introduced for real-time EV dispatches at stage two, while a communication-efficient reinforcement learning (RL) algorithm is proposed to reduce the communication overhead during large-scale multi-agent RL training without compromising policy performance. Case studies are carried out on a 6-bus transmission and 33-bus distribution network as well as a 69-bus distribution network to evaluate the effectiveness and scalability of the proposed method in enabling EVs for frequency service and voltage support.