Optimal Dispatch of Connected and Autonomous Electric Vehicles to Enhance Short-Term Grid Flexibility in Smart Cities
作者: Nikolas Sacchi, Giacomo Basile, Silvia Siri, Manuela Minetti, Andrea Bonfiglio, Antonella Ferrara
分类: eess.SY
发布日期: 2026-05-25
💡 一句话要点
提出基于车网协同的优化调度框架，提升智慧城市电网短期灵活性
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 车网协同 电动汽车调度 智慧城市 电网灵活性 模型预测控制
📋 核心要点
- 现有电网灵活性不足以应对智慧城市中日益增长的能源需求和波动，尤其是在短时间内响应能源请求方面。
- 论文提出一种车网协同的优化调度框架，通过动态调度互联自动驾驶电动汽车，利用其虚拟电池分区技术，向电网提供能量支持。
- 仿真结果表明，该框架在拉帕洛城市网络中具有良好的鲁棒性，能够有效应对交通拥堵带来的延误，满足电网的能源需求。
📝 摘要（中文）
本文提出了一种协同的能源-移动调度框架，用于在智慧城市中提供具有时间约束的电网支持服务。具体而言，考虑了一种分布式系统运营商在给定截止时间内请求特定能量的场景。配备虚拟电池分区的互联自动驾驶电动汽车车队被动态调度到车网互联充电站。路径规划问题被表述为周期性更新的资源约束最短路径问题，考虑了时间和能量约束，以及从动态交通模型导出的依赖于拥堵的行驶时间。在车辆层面，模型预测控制策略调节速度，以满足移动能源需求，同时确保符合截止时间。该框架通过在意大利拉帕洛城市网络上的仿真进行了验证，证明了其对拥堵引起的延迟的鲁棒性。
🔬 方法详解
问题定义：论文旨在解决智慧城市中，分布式系统运营商需要在短时间内获得特定能量支持的问题。现有方法可能无法有效利用城市中大量的电动汽车资源，并且难以应对交通拥堵等不确定因素，导致无法及时满足电网的能量需求。
核心思路：论文的核心思路是将电动汽车视为移动的能量存储单元，通过优化调度这些车辆，使其在满足自身出行需求的同时，能够向电网提供能量支持。这种车网协同的方式可以有效提升电网的灵活性和响应速度。
技术框架：该框架包含以下主要模块：1) 分布式系统运营商发出能量请求；2) 路径规划模块，基于资源约束最短路径算法，为每辆电动汽车规划最优行驶路线，考虑时间和能量约束，以及拥堵情况；3) 车辆层面的模型预测控制模块，调节车辆速度，确保在满足出行需求的同时，按时到达车网互联充电站；4) 虚拟电池分区模块，管理电动汽车的能量分配，确保既能满足出行需求，又能向电网提供能量。
关键创新：该论文的关键创新在于将动态交通模型与车网协同调度相结合，考虑了交通拥堵对电动汽车行驶时间和能量消耗的影响，从而提高了调度的鲁棒性和可靠性。此外，虚拟电池分区技术使得电动汽车能够在满足自身出行需求的同时，灵活地向电网提供能量。
关键设计：路径规划模块采用周期性更新的资源约束最短路径算法，以适应动态变化的交通状况。模型预测控制模块采用滚动优化策略，根据实时交通信息调整车辆速度。拥堵依赖的行驶时间从动态交通模型中获得，该模型能够反映交通流量、道路容量等因素对行驶时间的影响。
🖼️ 关键图片
📊 实验亮点
通过在意大利拉帕洛城市网络上的仿真实验，验证了该框架的有效性和鲁棒性。实验结果表明，即使在交通拥堵的情况下，该框架也能有效地调度电动汽车，按时到达充电站，并满足电网的能量需求。具体性能数据未知，但论文强调了其对拥堵的鲁棒性。
🎯 应用场景
该研究成果可应用于智慧城市能源管理、电动汽车充电站运营、电网调度等领域。通过优化调度电动汽车，可以有效提升电网的灵活性和可靠性，降低能源成本，并促进可再生能源的利用。未来，该技术有望应用于更大规模的城市网络，并与其他能源管理系统集成，实现更高效的能源利用。
📄 摘要（原文）
This paper proposes a coordinated energy-mobility dispatch framework for grid support service provision in smart cities under time constraints. In particular, a scenario in which a distributed system operator requests a specified amount of energy within a given deadline is considered. A fleet of connected autonomous electric vehicles equipped with virtual battery partitioning is dynamically dispatched toward vehicle-to-grid stations. The routing problem is formulated as a periodically updated resource-constrained shortest path, accounting for time and energy constraints with congestion-dependent travel times derived from a dynamic traffic model. At the vehicle level, a model predictive control strategy regulates speed to satisfy mobility energy requirements while ensuring deadline compliance. The framework is validated through simulations on the urban network of Rapallo (Italy), demonstrating robustness against congestion-induced delays.