Price-Optimized EV and Heat-Pump Scheduling Can Exceed Uncoordinated Feeder Peaks
作者: Tatjana Hein, Lukas P. Wagner, Alex Bernhard, Felix Ocker
分类: eess.SY
发布日期: 2026-10-05
🔗 代码/项目: GITHUB
💡 一句话要点
提出价格优化的电动汽车与热泵调度以解决配电峰值问题
🎯 匹配领域: 支柱四：生成式动作 (Generative Motion)
关键词: 电动汽车 热泵 配电网络 负荷调度 智能电网 可再生能源 电压监控
📋 核心要点
- 现有方法未能有效协调电动汽车和热泵的充电，导致配电网络负荷过高。
- 论文提出通过中心调度来优化电动汽车和热泵的充电策略，以降低配电网络的压力。
- 实验结果显示，在高渗透率下，中心调度显著降低了变压器负载，避免了电压违规现象。
📝 摘要（中文）
电动汽车和热泵为低压配电网络增加了大量灵活负荷。当每个家庭独立最小化充电成本时，这种灵活需求会集中在最便宜的时段，导致配电网络的压力超过无协调操作。本文量化了这一效应，基于160次模拟运行，涵盖七种场景、四个季节及电动汽车、热泵和光伏的渗透率从0%到90%。在每种设备30%渗透率时，去中心化的成本最小化使变压器负载达到额定容量的253%，而在90%电动汽车渗透率下则高达478%。研究表明，热泵的渗透显著加剧了价格驱动的峰值，只有中心调度能够消除这些需求驱动的违规现象。
🔬 方法详解
问题定义：本文旨在解决电动汽车和热泵独立充电导致的配电网络负荷过高的问题。现有方法未能有效协调这些灵活负荷，导致在高渗透率下出现电压违规现象。
核心思路：论文的核心思路是通过中心调度来优化电动汽车和热泵的充电策略，避免因价格驱动的需求集中而导致的配电网络压力过大。这样的设计能够有效分散负荷，降低变压器的负担。
技术框架：整体架构包括需求预测、负荷调度和电压监控三个主要模块。首先，通过需求预测模块评估未来的负荷需求，然后在负荷调度模块中实施中心调度策略，最后通过电压监控模块确保配电网络的电压在安全范围内。
关键创新：最重要的技术创新点在于提出了一种中心调度机制，该机制能够显著降低因热泵渗透而导致的电压违规现象，与传统的去中心化调度方法形成鲜明对比。
关键设计：在参数设置上，论文考虑了不同季节和渗透率下的负荷变化，采用了动态调度算法来优化充电时间。此外，设计了适应性损失函数，以平衡经济性与电压稳定性之间的关系。
🖼️ 关键图片
📊 实验亮点
实验结果显示，在电动汽车渗透率达到90%时，中心调度能够将变压器负载降低至478%的峰值，显著优于无协调充电的情况。研究还发现，热泵的渗透显著加剧了价格驱动的峰值，中心调度是解决这一问题的有效策略。
🎯 应用场景
该研究的潜在应用领域包括智能电网管理、可再生能源集成以及电动汽车充电基础设施的优化。通过优化调度策略，可以有效降低电网负荷，提高电力系统的稳定性和经济性，具有重要的实际价值和未来影响。
📄 摘要（原文）
Electric vehicles and heat pumps add large, time-flexible loads to low-voltage distribution feeders. When each household independently minimizes its own charging cost against the same electricity price, this flexible demand piles into the cheapest hours, and the resulting synchronization can stress the feeder more than uncoordinated operation does. This work quantifies that effect on a rural low-voltage feeder (97 buses, 250 kVA transformer) across 160 simulation runs spanning seven scenarios, four seasons, and electric-vehicle, heat-pump, and photovoltaic penetration from 0 to 90 %. At 30 % penetration of each device, this decentralized cost minimization drives the transformer to 253 % of rated capacity, more than twice the level of uncoordinated charging, and up to 478 % at 90 % electric-vehicle penetration, with the first undervoltage violations at the far end of the longest feeder arm. The ranking is device-mix dependent: each 30 pp of heat-pump penetration adds about twelve times more to the price-based peak than to any fixed schedule, so price-based scheduling becomes the worst strategy once heat pumps are present. Only a central schedule that explicitly caps the transformer removes these demand-driven violations, while at high photovoltaic penetration a summer floor from midday reverse power flow bounds what any demand-side strategy can achieve. A regulated time-variable grid tariff added to the spot price provides no relief for heat-pump-driven synchronization and only marginal relief for electric-vehicle-driven synchronization in autumn. The simulation and optimization code is available at https://github.com/lukas-wagner/SynchronizationEffectsAnalysis.