电气化道路运输网络中实现动态净零平衡的产消者优化智能能源管理

电动汽车（EV）数量的增加导致能源需求上升，加剧了电网供电负担。目前已提出一些解决方案来降低电网负荷，例如使用储能系统存储电动汽车的剩余电能或进行分时供电。但这些方案成本高昂，且仅限于特定区域和时间。本文为大规模电气化道路运输网络提出了一种智能能源管理解决方案。该方案包括来自电网、充电站、可再生能源以及通过5G聚合器连接的电动汽车的能源供应。我们提出将电动汽车作为产消者（prosumers），它们既是能源消费者，也通过车网互动（Vehicle-to-Grid, V2G）技术回馈其剩余电能。我们利用机器学习预测可再生能源的每小时发电量、电动汽车的剩余供电量及其需求。提出了一种基于混合整数线性规划的电网成本最小化方案，以根据需求和电动汽车的能源供应动态调整供电。从理论上推导了电动汽车剩余供电量和需求的上限。提出了一种激励分配机制，以奖励提供剩余电能的电动汽车并抑制其自私行为，并利用囚徒困境博弈对此进行了分析。本文还给出了道路上的最佳充电站数量。仿真结果表明，即使电网供电受限，所提方案也能有效满足需求，并可平均降低38.21%的电网负荷。与不含产消者的优化相比，该方案平均成本降低了5.3%。在所提方案中，与化石燃料相比，通过使用可再生能源，所提出的二氧化碳排放惩罚性收费使成本降低了50%以上。所提方案的通信和计算复杂度通过5G聚合器得以降低。