“人-车-桩-路-网”深度耦合下的配电网协同规划与运行优化

穆云飞，金尚婷，赵康宁，董晓红，贾宏杰，戚 艳

（1.智能电网教育部重点实验室（天津大学），天津市 300072；2.省部共建电工装备可靠性与智能化国家重点实验室（河北工业大学），天津市 300130；3.国网天津市电力公司电力科学研究院，天津市 300384）

0 引言

面对日益严峻的环境问题，发展清洁能源、保障能源安全、助力“碳达峰·碳中和”实现，已成为中国能源战略的核心目标之一［1-2］。电动汽车（electric vehicle，EV）作为连接交通电气化和电网清洁化的纽带和桥梁，可实现电力-交通-信息之间的深度耦合，推动绿色交通的发展。 据国际能源署（International Energy Agency，IEA）最新发布的《Global EV Outlook 2023》报告显示［3］，世界上的EV 及充电设施保有量持续增长。其中，中国、欧洲和美国的EV 发展最为成熟，且中国位居第一，约占全球EV 销量的60%。截至2022 年底，中国纯EV保有量达1 045 万辆，充电基础设施累计数量为521 万台。据预测，在可持续发展的场景下，2030 年全球EV 保有量预计将达到2.5 亿辆，充电桩数量将达到2.4 亿根；同期，中国EV 规模则有望达到1 亿辆，基本建成适度超前、车桩相随、智能高效的充电设施体系。届时，充电负荷将占到城市居民电力负荷的30%以上，极端条件下甚至将逼近全国总装机容量的25%，在无序充电场景下将给配电网的安全、经济运行带来巨大挑战，形势严峻［4］。

配电（网）直接面向终端用户，与“驾驶人(人)-EV（车）-充电桩（桩）-交通（路）”的耦合最为紧密，EV 充电经济性、可靠性、服务体验的提升，以及未来各种分布式绿色能源消纳等，均需通过配电网来完成。“人-车-桩-路-网”深度耦合下的信息融合与互动已成为一种趋势，并逐步形成典型的配电-交通融合系统（distribution-transportation integrated system，DTIS），但由此引入的EV 充放电行为多时空动态交织、电能流-交通流-信息流-行为流深度融合、多利益主体动态博弈等大量不确定性因素，将使得配电网的规划和运行优化边界条件发生重大转变［5］。

首先，EV 及其充电桩是配电网与交通网的重要基础设施。对配电网而言，其规划及运行需要考虑大规模EV 充电负荷带来的安全可靠与经济性问题，而充电桩的建设和运营也受到配电网容量及运行可靠性等方面的制约［6］；对交通网而言，EV 出行行为及充电桩的选址、定容会显著改变EV 交通流的时空分布，而交通流的分布也会影响充电桩的规划和运营。在信息通信系统的加持下，以EV 及充电桩为桥梁，可实现配电网、交通网两大复杂系统的深度耦合与协同［7］。例如，早、晚出行高峰期间，EV聚集在某些充电站进行充电的行为，可能会造成附近交通路段的拥堵加剧；同时，受交通流影响，EV充电负荷存在“时-空-量”上的多重不确定性，也会显著改变配电网功率的时空分布，严重时会带来负荷峰谷差加大、局部重过载、可靠性差等一系列问题［8］。另一方面，EV 也具有一定的移动储能灵活性，具备与配电网互动的能力，并由此衍生出EV 与电网互动（以下简称“车网互动”）（vehicle to grid，V2G）的概念。在智能交通领域，以车间通信（vehicle to vehicle，V2V）、车辆与路侧设施和基础建设之间通信（vehicle to infrastructure，V2I）、车辆与网络间通信（vehicle to network，V2N）、车联网（vehicle to everything，V2X）等为代表的相关技术和应用也得到了快速发展［9-10］。

EV 用户的出行及充放电行为，对电能流和交通流的分布起到了决定性作用。用户对外部信息（路网拥堵、充电设施状态、价格激励等）的感知与决策，在一定程度上会影响EV 的交通出行与充放电行为。通过对用户出行路径寻优或充放电行为进行激励或引导，可充分利用其时间可协调（时）、空间可移动（空）、功率可调节（量）的灵活性实现EV 的有序调度。这不仅能缓解无序充电状态下可能引发的配电网重过载等问题，还可进一步用于缓解交通路网阻塞等状况。若站在能源互联网的视角审视这一问题，可将配电网与交通网视为经由EV 及其充电桩产生物理耦合，并经由信息协同，与用户行为与决策形成的“人在环路”闭环架构。若能充分利用“人-车-桩-路-网”深度耦合所带来的海量多模态信息，引入有效优化手段串联起各环节，则有可能利用EV这一灵活性资源，在保障各方需求前提下，实现配电网-交通网的综合价值最优，这就需要构建起配电网与交通网一体化的规划及运行架构。

为此，本文面向“人-车-桩-路-网”深度耦合下的配电网，针对其未来发展电力-交通多要素融合后所带来的规划和运行优化问题，描述“人-车-桩-路-网”深度耦合下配电网的形态特征，分析新形态下配电网协同规划与运行优化所面临的挑战。进而，针对“人-车-桩-路-网”耦合下的EV 灵活性建模、灵活域构建及预测、协同规划、运行优化4 个方面关键技术的研究方向提出一些见解和观点，希望能够为“人-车-桩-路-网”深度耦合下的配电网协同规划与运行优化理论与技术的发展提供有益的思考和借鉴。

1 配电-交通融合下的灵活性挖掘和利用

1.1 配电-交通融合下的流结构形成

作为供电企业与电力用户的联系纽带，配电网的安全、经济、高效运行是国民经济发展的重要保障。配电网的形态结构、角色演化与经济社会发展需求紧密相关:在初级发展阶段，配电网以满足电力负荷基本需求、实现用电负荷全覆盖为目标，侧重一次网架以及粗放型供电服务平台的建设；随着用户对供电品质需求的不断提升，配电网进入了精益化发展阶段，以全局性的用户高供电可靠性为目标，致力于已有配电自动化系统和网架结构的升级改造，使配电网逐渐发展成为电力供应的优质服务平台。随着能源互联网热潮的兴起，配电网被赋予了更多责任，逐渐向以绿色、智能、灵活、可定制供电服务为目标的高级形态转变，在能源互联网络设施中起到核心枢纽与整合作用。配电网与交通网的深度耦合与互联就是其中典型形式之一［11-15］。

如图1 所示，“人-车-桩-路-网”的耦合结构中伴随着电能流-交通流-信息流的交互，构成一个物理空间、信息空间乃至社会空间多重耦合、多层次关联，包含连续、离散动态以及随机充放电和供用能行为的多域复杂系统，呈现出不同时空尺度的复杂动态特性，人的感知和决策行为（行为流）在其中处于核心地位，并通过信息流串联各要素。系统工程学认为，系统内部与外部环境之间不断进行着物质、能量和信息的交互，并在时间和空间上形成了物质流、能量流、信息流和行为流的交互，可以用“流结构”的概念描述。通过多流协同，可探析系统运行状态的变化过程，实现系统各组成要素之间及各子系统之间在运行过程中的合作、协调与同步［16］。

为此，可将图1 所示DTIS 抽象为图2 所示的一个包含“人-车-桩-路-网”不同主体的典型“流结构”。图中:能量流对应配电网电潮流；物质流对应交通网中的交通流；信息流对应“人-车-桩-路-网”各主体间传递的系统状态参量、激励和调控信号等；行为流对应“人-车-桩-路-网”的决策行为，如用户出行路径及充放电选择等。多流协同是“人-车-桩-路-网”下DTIS 可控性、可协调性的前提。要充分发挥EV 有序调度对配电、交通两大系统的“杠杆”作用，就需要综合考虑DTIS 的多流协同价值，在“流视域”下开展“人-车-桩-路-网”交互机理分析。

图2 “人-车-桩-路-网”的耦合关系Fig.2 Coupling relationship of drivers， vehicles， piles，traffic and networks

1.2 “人-车-桩-路-网”耦合下的灵活性

配电网与交通网之间以EV 及其充电桩为桥梁，形成了电力-交通一体化的能源体系，特别是在中低压配电网层面，大量充电桩在不同配电节点与台区密集接入，电能流-交通流-信息流-行为流相互交织，引入了多方面的复杂性:

1）“人-车-桩-路-网”各要素均处于一个时变动态的演化过程，且相互之间存在复杂的交互影响，伴随着大量不确定性因素，即使是某环节一个参数的微小变化，也有可能带来DITS 运行状态的重大改变。例如，配电网线路的重过载会导致连带的充电桩限电，用户感知到该信息，则会转向附近充电桩寻求电能补给，但该过程可能引发随后的车辆聚集、交通路网阻塞、EV 充电排队等一系列问题。

2）配电网与交通网之间物理属性和运行机理差异大，规划及运行优化需突破单一系统限制，权衡“人-车-桩-路-网”各要素的静/动态行为及安全性约束，同时计及大量随机行为等不确定性因素的影响，寻求一种综合价值最优。

3）“人-车-桩-路-网”各要素主体归属不同，配电网规划及运行优化需合理应对多利益主体的差异化诉求。

仅专注电力环节的配电网规划及运行优化方法，难以兼顾EV 交通工具和移动电力负荷双重属性所引入的行为复杂性与不确定性。但从另一个角度看，鉴于EV 充放电具有在“时-空-量”3 个维度上的可调节性，“人-车-桩-路-网”的深度耦合也给配电网规划及运行优化引入一定的灵活性。在配电网节点空间，该灵活性可定义为通过优化调整节点接入EV 群体的充放电控制策略所获得的调节该节点自身净负荷的能力。显然，该灵活性受到用户交通出行时空特征参数（起讫点、路径选择、充电站选择、出发时刻、期望在站时长），以及电量特征参数（入网时长、入网电量、期望离网电量、充放电功率、电池容量）的影响［17］。同时，配电网-交通网物理属性不同，灵活性潜力不仅来源于EV 的充放电效应，还表现为交通流相较于电能流的时移与延迟特性所带来的电能存储效应。可以看出，“人-车-桩-路-网”深度耦合下的灵活性统一建模需要综合考虑电能流-交通流-信息流-行为流的交互机理，计及“人-车-桩-路-网”各主体内部的静/动态安全性约束，进行统一标准化建模。

1.3 “人-车-桩-路-网”耦合下的灵活域

如1.2 节所述，“人-车-桩-路-网”耦合下的灵活性会随着时间推移、应用场景变化、配电网和交通网自身状态以及影响用户行为随机因素的改变而改变，难以量化。一种可行的思路是基于“域”的方法从不同角度定性和量化灵活性的大小。如图3 所示，“人-车-桩-路-网”涉及不同主体，由此产生的灵活性需充分考虑各主体不同的利益诉求，如EV 用户（人）交通出行及充电需求、EV 动力电池约束（车）、充电桩（桩）的运营及收益、交通网（路）的顺畅性，以及配电（网）运行安全性和经济性等。因此，在构建灵活域时，需要综合考虑“人-车-桩-路-网”的多重约束，由“人-车-桩-路-网”各要素自身优化可行域交集所组成的闭包区域构成。考虑到“人”的决策行为在“车-桩-路-网”的协同优化中至关重要，挖掘EV 充放电灵活性首先不能影响用户的交通出行及充电需求，故将其作为首要约束条件。

图3 “人-车-桩-路-网”耦合下的灵活域Fig.3 Flexible region under coupling of drivers，vehicles， piles， traffic and networks

无序或低效的EV 引导和充电策略，很难实现EV 灵活性的高效挖掘和最大化利用，此时的灵活域会收缩甚至消失。然而，若能面向配电网不同场景需求，采用价格等激励手段制定高效的充放电引导和有序充放电控制策略，则可从空间（配电网节点）和时间（峰谷段、光伏大发时段等）两个层面优化充电负荷时空分布，扩大配电网不同节点可调节功率的范围。此时，配电网灵活域可呈现出收缩或扩张的演化过程。灵活域越大，配电网规划及运行优化问题可行域的范围就越广，趋于更优目标解的能力也就越强。

1.4 配电-交通融合大数据应用价值分析

全国各地广泛建设的国家新能源汽车监管平台，智慧车联网平台，新能源汽车企业、地方、国家三级监管平台已积累了海量动力电池监测、车辆位置、整车等相关数据（如图4 所示），为开展EV 用户行驶与充放电行为分析、车辆及动力电池性能分析等奠定了完备的数据基础。例如，截至2023 年9 月底，国家新能源汽车监管平台累计接入新能源汽车1 610.3 万辆，其中，纯EV 1 273.3 万辆；目前，特来电充电网已接入产业链及生态互联互通平台236 家，“工业大数据”累计超过7 PB，日均数据量超过8 TB［18］。上述数据已经被应用于电池健康状态估计［19-21］、EV 充电行为预测［22-23］等领域。

图4 EV 出行和充放电大数据及平台Fig.4 Big data and platforms on EV traveling and charging and discharging

配电网规划及运行优化是配电-交通融合多模态大数据应用的重要领域之一［24-27］。将上述数据与交通网、配电网运行数据进行融合和利用，能够从海量数据中发掘出更多的有价值信息，加深对“人-车-桩-路-网”深度耦合下配电网“源-网-荷”行为特征，特别是EV 灵活调节潜力的理解，在“源-荷”功率精准预测、充放电行为特征分析及灵活性量化评估、规划及运行优化方案制定等方面具有巨大的应用潜力，贯穿于配电网规划、建设、运行、评估、改造的全过程，可全面推动配电网建设及运行水平的提升。

2 “人-车-桩-路-网”深度耦合下的配电网协同规划与运行优化的挑战

如图5 所示，“人-车-桩-路-网”深度耦合下，配电网在不同时空尺度与交通网形成了复杂的信息流及电能流交互，这在给配电网的安全经济运行带来严峻挑战的同时，也引入了一定的协同灵活性。如何利用“人-车-桩-路-网”深度耦合所带来的灵活性协同效应，减少不确定因素对配电网规划及运行的影响，延缓配电网建设，提升配电网的运行优化与分布式可再生能源消纳水平，是亟待突破的关键。该过程不仅要结合配电网自身运行及发展需求，对灵活性进行准确定义和精准量化，还需要设计全新的协同规划及运行框架；不仅要基于灵活性调整配电网自身约束，还要合理应对多主体随机行为的影响，实现配电网与交通网的整体协同。同时，电力流-交通流物理特征的差异性、动态多时间尺度互补性、配电网“源-网-荷”的互动性以及DTIS 具有的时序性和混杂性等，都会对配电网规划和运行优化过程中灵活性的挖掘和利用带来挑战。

图5 配电网规划与运行面临的挑战及应对方案Fig.5 Challenges and response strategies for planning and operation of distribution network

2.1 挑战1：如何对“人-车-桩-路-网”引入的灵活性进行统一建模和量化

1）“人-车-桩-路-网”的耦合模式与动态交互机理。“人-车-桩-路-网”的深度耦合广泛存在于动态相互交织的物质流（如交通流）、能量流（如电能流）、信息流、行为流之中，贯穿于配电网生产、分配、消费、存储各环节。各种“流”存在于一定的时间和空间中，其时序性和交叉性对配电网规划及运行优化水平有着重要影响，任何参量的一个扰动（如充电桩的离网、配电线路的过载或交通网的限流等）及其组合方式，均会在不同的阶段演化出不同的“流结构”，并产生一定的动态性和趋势性。交通流-电能流-信息流的流通及协同，是“人-车-桩-路-网”下DTIS 可控性、可协调性与安全性的前提。有序的“流结构”，可保障配电网各组成要素之间和各子系统之间在规划及运行过程中的合作、协调与同步，使系统整体上形成时间上、空间上和功能上的有序结构，这种有序化就是利用灵活性提升配电网规划及运行优化水平的本质。因此，如何考虑多“流”协同下耦合系统的演化复杂性以及动态行为差异性，对这种灵活性进行深度挖掘，是提升配电网协调规划与运行优化水平、发挥新形态下配电网综合效益最优的关键。

2）“人-车-桩-路-网”深度耦合下灵活性的统一分析与建模。科学的描述模型是“人-车-桩-路-网”耦合下的灵活性参与配电网规划及运行优化的前提。就配电网而言，其灵活性分析模型本身就已具有很高的复杂度［28］，再加上可类比于气体或液体分子在介质内流动的交通流慢动态环节，时间尺度跨度极大、非线性强，不同模型的天然复杂性和差异性使其相互之间的匹配和耦合极为困难。对某些环节的过度简化不利于分析其耦合关联特性，无法满足灵活性精准量化需求，但过于详细又会带来极高的变量维度和非线性，造成巨大的计算求解难度。尽管“数据-机理”混合建模为解决该问题提供了一种可行的思路［29-30］，但如何将积累的多模态大数据应用于配电网灵活性建模与量化分析，尚无成熟的方法可供借鉴。为此，构建“流”视域下灵活性的统一分析与建模方法，准确描述“人-车-桩-路-网”在不同时空尺度的互补协同性，是实现灵活性参与配电网规划及运行优化的关键难点之一。

3）“人-车-桩-路-网”深度耦合下灵活性的量化分析和预测。目前，在利用EV 参与配电网运行优化方面已开展了大量研究，如利用虚拟储能或聚合模型来量化EV 集群的电网响应能力［31-33］，但上述方法仍以电力环节为主，对交通流的大延迟与可引导性及各类随机因素的考虑存在过度简化的问题，大量灵活性潜力未能得到充分释放。有研究尝试考虑更多的复杂交通流因素［34-36］，但设置了大量理论假设，与实际情况存在一定的脱节，且未考虑多主体的差异性以及用户隐私保护的需求。基于“灵活域”来刻画“人-车-桩-路-网”之间的灵活性是一种潜在的可行思路［37-38］，但在传统配电网规划中，一般采用边界确定的刚性约束形成规划模型的可行域（约束条件），而在“人-车-桩-路-网”深度耦合下灵活性量化过程中，跨电力-交通系统的海量随机因素更加复杂，“域”边界的获取需要考虑更多因素，且灵活域边界会随着时间推移、应用场景变化、配电网及交通网运行状态以及影响用户行为随机因素的改变而改变。为此，如何在高置信水平下，基于“域”实现“人-车-桩-路-网”耦合下灵活性的精准量化及预测是需要解决的难点。

2.2 挑战2：如何将“人-车-桩-路-网”耦合灵活性应用于配电网的协同规划与运行优化

1）“人-车-桩-路-网”深度耦合下跨系统不确定性激增。明晰负荷需求变化、分布式电源出力、典型场景，掌握系统未来发展态势，是降低配电网规划及运行所面临风险的重要手段。然而，新形态下的配电网已从单一电能流扩展至交通流-电能流-信息流范畴，夹杂着大量EV 用户随机交通出行及充电行为等不确定性因素，亟须从配电网-交通网整体视角审视“多流”协同下配电网规划及运行优化边界的变化，这既受限于各子系统/主体自身约束，又要考虑“多流”之间相互协同的灵活性。为此，如何挖掘利用车联网与配电网既有海量多模态数据，又能结合已有认知经验，构建“流视域”下的配电网灵活域；如何从系统多维度视角更好地掌握配电网的未来发展态势及运行状态，将灵活域纳入配电网规划及运行优化模型之中，并通过有效的降维技术来捕捉问题的核心本质、降低问题计算面临的规模，是提升“人-车-桩-路-网”耦合下配电网规划及运行优化水平的关键点之一。

2）“人-车-桩-路-网”之间协同灵活性的科学规划。从配电网角度看，“人-车-桩-路-网”深度耦合下的灵活性可表现为节点灵活性、网络灵活性及系统灵活性［39］，可用对应参数空间灵活域的大小来描述，域边界的拓扑学性质及演化机理反映了“人-车-桩-路-网”之间各类复杂约束交集特征的变化，受到交通流-电能流-信息流的交互影响。灵活性视角下，配电网规划旨在以系统层面的灵活性供需匹配为目标，通过对各种灵活性资源进行优化规划，提升配电网在中长期尺度不确定性影响下能量平衡的能力。然而，不同规划方案所构筑的灵活域大小不同，对后续运行场景的适应性也存在差异。这就要求在规划阶段就要基于灵活域的准确量化，增强规划方案的针对性和有效性，以合理安排配电网扩建改造计划，避免投资与资源的浪费。因此，配电网运行阶段的不同影响要素，如“人-车-桩-路-网”多主体间的博弈、不同场景下的运行优化策略等，都需要以不同形式在规划模型中加以体现。同时，“人-车-桩-路-网”耦合下配电网的规划将面临更加丰富和多元化的规划和优化对象，除了传统的变电站、网架外，还融入了充电桩与分布式电源选址定容等新元素，这些都将出现在配电网相应的规划决策模型中，使决策变量类型与数量大幅增长，科学规划面临巨大挑战。

3）“人-车-桩-路-网”深度耦合下的运行优化:

（1）相较于电能流，交通流具有大延迟的特性，调度指令的下达可迅速改变配电网功率时空分布，但对交通流的作用则需要考虑运行指令与激励信号（信息流）在“人-车-桩-路-网”回路中的动态演化过程，交通流可能会在数十分钟乃至数小时后才发生改变，严重时甚至引发交通阻塞。该问题在连续时间断面下，存在明显的时序相关性。如何在配电网运行优化过程中考虑上述过程，实现电能流与交通流之间的动态均衡，需要新的技术手段。

（2）动态化的约束条件。电力-交通融合形态的不确定性、多利益主体博弈等动态因素大量出现，使得运行优化问题从单一断面发展为具有时空标度的动态连续问题，计算求解复杂。

（3）多样化的运行场景、多类型影响因素的耦合与交织使运行优化问题必须考虑更加复杂多样的场景需求。如何将不同技术需求进行有效的集成，提出考虑“人-车-桩-路-网”多种因素融合下的配电网运行优化方法，已成为亟待解决的关键问题。

3 “人-车-桩-路-网”深度耦合下的配电网协同规划与运行优化关键技术

面对上述挑战，需要在现有配电网规划及运行优化技术的基础上，以电力-交通-信息环节的有机协同为技术手段，形成有效的“人-车-桩-路-网”深度耦合下基于灵活域的配电网协同规划与运行优化理论、方法和技术，全面提升DTIS 规划和运行的安全性、经济性和灵活性。如图6 所示，本文将从灵活性建模、灵活域构建及预测、协同规划和运行优化4 个方面对DTIS 规划及运行优化关键技术展开讨论。其中，灵活性建模、灵活域构建及预测可为其他关键技术提供“人-车-桩-路-网”耦合下灵活性的量化分析结果，在此基础上，通过协同规划确保全寿命周期内DTIS 不同规划目标的实现，并通过配电网-交通网多速率分层协同运行优化实现DTIS 的高效、安全运行。

图6 “人-车-桩-路-网”深度耦合下配电网规划与运行优化关键技术架构Fig.6 Key technology framework for planning and operation optimization of distribution network under deep coupling of drivers， vehicles， piles， traffic and networks

3.1 “人-车-桩-路-网”耦合灵活性建模技术

DTIS 电能流-交通流-信息流的耦合与动态交互受到配电网-交通网物理属性差异、动态多时间尺度、差异化运行模式，以及EV 用户主观行为等随机因素的影响，具有极强的混杂性和强非线性，且不同阶段会演化出不同的“形变”，并产生一定的动态性和趋势性，难以完全由数学解析形式表达。同时，DTIS 涉及不同主体，耦合灵活性需充分考虑各主体不同的利益诉求，综合考虑各要素内部及其灵活调节特性等的静/动态安全性约束，计及大量不确定性因素的影响。

当前研究重点关注电力与交通系统的耦合机理。文献［40-41］对互联视角下的电力-交通融合网络协同进行了探讨，并指出人为因素的不确定性是电网与交通网融合的难点问题；文献［42］建立了车-网互动过程中的系统动力学模型，建立了车-网互动过程的因果回路图，明确了EV 与电网间的电能流-信息流关系。文献［43］借助复杂系统理论探究了电力网与通信网的耦合特征；文献［44-45］借助流的“势”与“阻”的概念，提出了系统物质流-能量流-信息流-资金流的多流协同与多级优化分析模型。“人-车-桩-路-网”深度耦合下的DTIS 是一种典型的复杂系统，电能流-交通流-信息流多流动态融合交织且夹杂高维随机不确定性，使得系统耦合机理分析变得更为困难。如何在“流视域”视角下分析DTIS耦合机理，亟待进一步研究。针对配电网灵活性建模，文献［46］研究了灵活性资源空间分布对配电网灵活性的影响；文献［47］定性分析了配电网灵活性的影响因素，从电源、配电网、负荷3 个方面建立了灵活性指标体系；文献［48］构建了有源配电网的节点-网络-系统多级灵活性模型，提出了运行灵活域的概念。现有研究从不同角度对配电网灵活性建模进行了深入研究，但总体来看，建模方法仍难以满足“人-车-桩-路-网”深度耦合下的配电网灵活性建模需求。具体表现为:1）灵活性资源独立建模，尚未形成标准统一的灵活性模型；2）应用场景单一且基本未考虑配电网多时间尺度运行需求。

为解决上述问题，需结合DTIS 的实际特征，从以下几个方面实现“人-车-桩-路-网”耦合灵活性建模关键技术突破:

1）需要明晰电能流-交通流-信息流在“人-车-桩-路-网”之间的耦合模式与交互机理，建立包含结构属性、流通属性、时空属性以及动态性与趋势性的多流分布及动力学特性分析模型，剖析耦合交互特性随着时间推移、空间分布、应用场景变化而变化的特性。

2）确定“人-车-桩-路-网”深度耦合下配电网灵活性的来源、组成及通用内涵，提出灵活性在配电网关键参数空间（节点、线路及系统全局）的降维表达方法，研究“人-车-桩-路-网”耦合灵活性在配电网不同应用场景下的多维度响应机理，建立“人-车-桩-路-网”耦合灵活性与配电网典型应用场景之间的映射关系。

3）研究满足配电网规划及运行优化应用场景的“人-车-桩-路-网”协同灵活性统一建模方法，给出灵活性模型参数定义及辨识方法，从不同角度定性和定量描述灵活性的多时空尺度响应特征，给出不同场景下灵活性的关键量化指标与计算方法。

3.2 多模态信息融合的灵活域高效构建及预测技术

“人-车-桩-路-网”耦合下的配电网灵活域面临着跨电力-交通系统的海量不确性因素，灵活域边界的获取更加复杂，灵活域的状态空间尚无明确定义。如何结合配电网规划及运行优化需求，优选配电网状态空间对灵活域进行表征，目前尚无成熟的方法。同时，灵活域边界会随着相关参数的变化产生相应的演化，剖析其存在性、封闭性、连续性、空洞性的拓扑学性质至关重要。同时，配电网灵活域状态空间维度高，边界计算面临“人-车-桩-路-网”相互交织的复杂动态特性与强非线性，导致灵活域边界的计算面临着难以承受的计算量。对其中某些关键环节模型的过度简化不利于分析其耦合关联特性，难以满足灵活域边界的精准计算需求，但过于复杂又会增加灵活域边界的计算与求解难度，二者权衡较难，亟需高效实用化的计算与表征方法。

有研究从“流视域”的角度对复杂系统进行优化分析［49］，各主体之间仅传递“域”空间边界信息，可避免大量隐私数据的跨主体交互。文献［48］采用灵活域描述配电网的运行灵活性，但针对“人-车-桩-路-网”耦合下的配电网灵活性研究仍处于定性描述的初步探索阶段，缺乏支撑配电网灵活性量化计算的分析方法。通常，灵活性量化的计算较为复杂，常建模为多时间尺度下的随机优化问题［50-51］；文献［52］从供需平衡等角度提出灵活性评估指标，并基于K均值场景聚类来简化计算复杂度；文献［53］基于鲁棒优化，将系统随机运行优化问题转化为确定性优化问题。然而，鲁棒优化仅考虑了随机优化问题的边界解，未能描述系统在不同运行状态下的具体灵活性裕度，特别是在随机变量预测出现误差时，难以对灵活性进行准确量化。采用灵活域描述配电网灵活性时，配电网规划及运行优化问题可转化为灵活域空间内的最优解求解问题。然而，灵活域边界具有强非线性与非凸特性微分拓扑性质，最优解的搜索空间极大。如何实现灵活域边界降维、近似逼近等实用化计算，以及如何在复杂运行工况下对“人-车-桩-路-网”深度耦合下的配电网灵活域进行准确、高效预测，相关技术亟待进一步突破。

基于上述需求，需要从以下几方面实现“人-车-桩-路-网”耦合下配电网灵活域计算及预测的突破:

1）定义灵活域的高维状态空间，研究“人-车-桩-路-网”深度耦合下配电网灵活域边界的计算方法，面向规划及运行优化需求，实现灵活域在配电网节点空间、网络空间以及系统全局的映射和降维表征。同时，剖析灵活域边界的动态演化及拓扑学性质，分析其随应用场景、时间推移、运行工况变化时的变化情况，解析灵活域的存在性、封闭性、空洞性演化机理。

2）研究配电网灵活域在不同应用场景下状态空间的聚合与空间映射降维技术，实现灵活域边界追踪，研究基于空间划分与数据和机理模型混合驱动的局部灵活域实用化近似及全局灵活域重组方法，减轻计算负担。

3）研究基于统一置信度的灵活域边界多时间尺度预测方法，对配电网不同空间尺度（节点-网络-系统全局等）、不同时间尺度（秒-分钟-小时-日-月-年）下的灵活域边界演化特征进行分析与预测，满足配电网规划及运行优化的不同需求。

3.3 基于灵活域的配电网协同规划技术

灵活性视角下，配电网规划需解决如何通过对各种灵活性资源进行集成利用，使配电网具备在中长期尺度不确定性影响下的能量灵活平衡能力。引入灵活域可使配电网规划方案在经济性、可靠性、低碳性等方面具备更强的不确定性应对能力，确保全寿命周期内配电网各类规划目标的实现，避免大量补偿投资风险。“人-车-桩-路-网”深度耦合下，配电网规划需要考虑多主体博弈及不确定性运行策略所引入的复杂性。此时，配电网的规划对象和利益主体不仅包括配电网投资方、运营方、使用方和监管方在内的多元主体，还融入了EV 用户、充电桩运营商、通信服务商等各类主体不同的利益诉求，并呈现出多方深度博弈的态势，规划方案要充分考虑实际运行中多主体博弈与各种不确定性运行策略的影响，避免资源的浪费和闲置。因此，如何在规划阶段就充分计及上述因素影响，基于灵活域使规划方案能够充分挖掘和有效利用各种灵活性资源，应对不确定性因素的影响，以降低建设成本、提高投资效益，是亟须解决的关键点。

针对多主体参与的配电网规划，现有研究主要采用博弈论方法权衡多主体利益诉求［54-57］。例如，文献［58］以运行经济性为目标，建立了EV、光伏充电站以及配电网三方非合作博弈的配电网协同规划模型；文献［59］提出了基于动态博弈的配电网扩展规划与光储选址定容的双层交替优化方法，优化了电网运营方与电源建设方在决策时间上的先后顺序；文献［60］通过引入虚拟博弈者，提出考虑多主体博弈的增量配电网“源-网-荷”协同规划方法。常见的配电网规划不确定建模方法包括场景法［61-62］、随机规划［63］、鲁棒优化［64-68］和模糊规划［69-70］等。场景法通常对问题中的不确定变量采用数学工具加以量化描述，将不确定性规划转为以期望最小为目标的规划问题；随机规划将不确定参数处理为一个随机不确定集合，根据决策规则的不同分为期望值模型、机会约束规划和相关机会规划3 种；鲁棒优化无须得到不确定变量的具体概率分布，而是采用不确定集给定不确定参数的边界，寻找极端鲁棒场景进行决策，约束条件严格成立，规划方案较为保守；模糊规划将目标函数与约束用模糊集合进行模糊化，处理为软约束，并采用隶属度函数描述约束满足的程度［71］，但需要依据个人决策来给定不确定参数的模糊隶属度函数。然而，上述方法未充分考虑如何利用“人-车-桩-路-网”深度耦合下的灵活域支撑配电网规划，具体表现为未考虑多主体博弈与配电网灵活域的关系，以及如何在强不确定性环境下提升配电网灵活性以拓展配电网运行灵活域边界，相关工作仍有待进一步深入。

为此，亟须突破基于灵活域的配电网协同规划技术，具体包括:

1）研究中长期尺度下配电网“节点-网络-系统”灵活性供应与需求的量化匹配机理，分析“节点-网络-系统”灵活域对配电网规划模型所需功率/电量等边界条件的影响。

2）研究面向灵活性提升的充电桩与分布式电源的时空布点与容量优化配置方法，研究灵活域约束下考虑多主体博弈与运行策略耦合影响的配电网架结构设计与扩容规划方法，实现增量/存量配电网、网络新建和网络扩容、“人-车-桩-路-网”各主体间的有机协同。

3）研究基于配电-交通融合大数据的EV 负荷特征挖掘技术，实现用户交通出行及充电行为特征精准辨识、EV 充电负荷发展预测、多时间尺度充电负荷需求场景设计等，为中长期配电网规划提供更精确的充电需求信息；充分发掘配电网运行数据、车联网数据、网络拓扑与地理数据等多模态异构信息，研究多模态大数据融合支撑下的配电网及充电桩的多时空尺度演进规划技术，包括基于大数据的充电桩与配电网多阶段协同规划、多阶段投资效益预测与决策、投资效果后评价等。

3.4 基于灵活域的多速率分层协同运行优化技术

EV 具有良好的移动储能特性，使得灵活域及其边界在“节点-网络-系统”不同时空尺度呈现出复杂的演化特征。EV 在有序调度过程中，受到交通网结构、拥堵状态和交通管制政策的影响，直接影响EV 行驶路径，而EV 充放电地点和时间选择又会显著影响充电负荷的时空分布，进而影响配电网的运行状态；反之，充电桩位置、容量、电价和充电排队时间也会影响EV 用户的出行计划和行驶行为，并反过来影响交通网的流量分布［72-75］。同时，对于配电、交通不同系统中的设备，其控制特性、变工况运行能力以及在运行优化中所起的作用各不相同，不同设备若采用统一的调度指令周期（速率），在实际执行时会存在一定的技术限制，并可能导致部分设备的运行维护费用因频繁调节而大幅增加，影响系统整体运行的安全性与经济性。为此，有必要弥补不同系统采用相同调度指令周期的不足，结合系统、设备特性，选择恰当的调度指令周期（速率），从而实现横向配电与交通系统间、纵向系统与设备间的协调运行。

当前研究集中于EV 充放电引导和电力-交通协同的配电网优化调度方面［76-78］。针对前者，文献［79］利用电力和交通实时数据，提出了一种EV 快速充电引导策略，以减小对配电网的冲击；文献［80］提出基于动态规划的在途EV 快速充电引导策略，以最小化出行成本为目标优化EV 行驶路径和充电行为；文献［81］综合考虑用户出行和配电网需求，提出基于电力-交通实时信息感知的EV 多目标充电引导策略；文献［82-83］通过对EV 的慢速充放电引导，提升配电网可再生能源消纳水平。随着EV 渗透率提升，考虑电力-交通协同的配电网运行优化研究已成为必然趋势。国内外在这方面已开展了大量研究。例如，文献［84-85］采用用户均衡模型和交通仿真模型来改善EV 的时空分布，以此作为参数输入进行配电网最优潮流计算，实现降损目标；文献［86］基于静态交通模型，研究了电力网-交通网协同运行问题，通过最优潮流计算模型与最优交通分配模型相互进行价格参数传递迭代寻优，在降低配电网网损的同时减少交通拥堵。尽管这种方式可在一定程度上实现配电网-交通网的协同运行，但未能结合灵活域边界随相关参数的动态演化过程，难以支撑DTIS 多主体的综合最优。不仅如此，大量高维参数传递过程会带来过大的通信和数据模态转换负担，也不利于运行方案实施。多速率分层协同运行优化是解决上述问题的可行思路之一，这里的多速率是指配电、交通不同子系统以不同的速率运行或响应的过程，包括混合分辨率建模和混合指令周期调度两层含义。其中，混合分辨率建模采用与配电网、交通网动态过程相匹配的模型分辨率，分别刻画电潮流和交通流的动态过程，以平衡模型的精确度与问题求解的复杂度，实现DTIS 动态过程的协同优化；混合指令周期调度立足于电潮流和交通流的传输特性差异，以及不同系统内部多类型设备的运行特性差异，兼顾确定性的影响，确定各子系统的最佳调度指令周期，实现配电网-交通网间的协调运行。

为此，需重点研究基于灵活域的多速率分层协同运行优化技术，包括如下内容:

1）基于分解协同理论，研究基于多时空尺度灵活域的配电网分层协同运行优化架构，明确各层各单元间信息流、能量流、交通流的多路径多向交互种类及交互模式。

2）研究EV 用户对交通状况、充电服务信息、激励机制信息等的感知与弹性行为决策模型，研究面向配电网多时间尺度应用业务场景（调峰、调压、可再生能源消纳等）灵活性提升的EV 充放电灵活性有序引导策略，在有限时间内优化得到时空激励价格、路径导航等决策信息的可行解。

3）在灵活域预测边界的约束下，研究基于复杂相依网络理论的配电网与交通网统一运行优化建模方法，研究计及电能流-交通流动态均衡的配电网多速率分层协同运行优化策略，实现配电网-交通网在时空两个层面的协同优化运行，同时达到保障配电网运行安全性、改善交通网运行效率的目的。

4 结语

伴随着能源转型的步伐，“人-车-桩-路-网”在信息协同下的深度耦合将是配电网未来发展的重要态势。受到电能流-交通流多时空、多耦合、多动态特性，以及时变延迟、强非线性、强不确定性、多主体等复杂因素的影响，电力-交通耦合下的配电网规划和运行优化面临着新的挑战。传统方法既难以充分挖掘“人-车-桩-路-网”耦合所引入的大量灵活性资源，以实现不同能源及信息环节的互补协同，又无法有效应对大量复杂随机性所带来的规划和运行风险，难以适应未来DTIS 的发展需求，这也成为亟待解决的关键问题。

本文面向“人-车-桩-路-网”深度耦合下的配电网协同规划与运行优化问题，从配电-交通融合下的形态演化驱动力入手，阐述了“人-车-桩-路-网”深度耦合下配电网的形态演化特征，分析了新形态下配电网协同规划与运行优化所面临的新挑战，并以灵活域的形式来刻画电能流-交通流-信息流有序协同下，配电网在“节点-网络-系统”多维空间上的电力/电量灵活调节潜力。进而，针对耦合灵活性建模、灵活域构建及预测、协同规划、运行优化4 个方面关键技术展开讨论，并对相关技术问题的研究方向进行了展望。希望“人-车-桩-路-网”深度耦合下的配电网协同规划与运行优化技术的研究，能在综合考虑EV 用户弹性决策行为的基础上，充分释放“人-车-桩-路-网”深度耦合所带来灵活性对配电网多场景规划和运行优化的支撑潜力，实现DTIS 的综合价值最优。