秦建華，李娜，金泰，李天奇，李悅，潘崇超*

(1.北京科技大學(xué)能源與環(huán)境工程學(xué)院，北京 100083；2.國(guó)網(wǎng)綜合能源服務(wù)集團(tuán)有限公司，北京 100053)

隨著環(huán)境的惡化和化石能源短缺現(xiàn)象的加劇，電動(dòng)汽車以其相對(duì)低廉的價(jià)格、契合綠色出行的理念、消納間歇性可再生能源電力等[1]特點(diǎn)，近些年在世界范圍內(nèi)都得到了較快的發(fā)展[2]。在相繼推出的《新能源汽車生產(chǎn)企業(yè)及產(chǎn)品準(zhǔn)入管理規(guī)定》[3]、《汽車產(chǎn)業(yè)中長(zhǎng)期發(fā)展規(guī)劃》[4]等政策指引下，以及新能源汽車財(cái)政補(bǔ)貼的刺激下，2020年中國(guó)市場(chǎng)共出售130萬輛電動(dòng)汽車，同比增長(zhǎng)8%，占全球電動(dòng)汽車銷量的41%，中國(guó)儼然成為電動(dòng)汽車保有量最大的國(guó)家[5]。而電動(dòng)汽車的大規(guī)模引入，也將給電網(wǎng)的安全運(yùn)行帶來嚴(yán)重的挑戰(zhàn)。文獻(xiàn)[6]分析了電動(dòng)交通工具給電力系統(tǒng)的影響，并采用生命周期評(píng)估方法完成對(duì)環(huán)境影響的分析。文獻(xiàn)[7]提出了一種概率方法來評(píng)估電動(dòng)汽車等負(fù)荷增加情況下的低壓住宅網(wǎng)絡(luò)中的電能質(zhì)量。文獻(xiàn)[8]將車輛功耗模型與配電網(wǎng)潮流仿真相結(jié)合，模擬了一定規(guī)模電動(dòng)汽車充電對(duì)配電網(wǎng)的影響。文獻(xiàn)[9]確定了低壓配電網(wǎng)電動(dòng)汽車建模的主要影響因素，為提高電動(dòng)汽車滲透率的影響評(píng)估提供了可靠的指導(dǎo)。文獻(xiàn)[10]通過案例分析，研究了電動(dòng)汽車價(jià)格和充電站布局對(duì)電動(dòng)汽車擴(kuò)散和電網(wǎng)的影響。文獻(xiàn)[11]以投資成本為優(yōu)化目標(biāo)，在滿足排隊(duì)時(shí)間約束、潮流約束的前提下，確定充電器以及主開關(guān)盤的容量。文獻(xiàn)[12]在總結(jié)電動(dòng)汽車大規(guī)模并網(wǎng)所帶來的挑戰(zhàn)之后，對(duì)高效充電控制算法進(jìn)行了綜述。文獻(xiàn)[13]分別從系統(tǒng)可靠性、電能質(zhì)量、系統(tǒng)運(yùn)行經(jīng)濟(jì)性研究電動(dòng)汽車給電網(wǎng)的影響。此外文獻(xiàn)[14]總結(jié)其對(duì)環(huán)境方面的影響：即減少有害氣體以及CO2的排放?？紤]到電動(dòng)汽車的充電行為具有較強(qiáng)的隨機(jī)性[15-16]，電動(dòng)汽車并入電網(wǎng)后，將極大增加電網(wǎng)的負(fù)荷，導(dǎo)致峰上加峰現(xiàn)象[17]的出現(xiàn)，進(jìn)一步加劇了電網(wǎng)的峰谷差，給電網(wǎng)的運(yùn)行調(diào)度帶來困難，且隨著電動(dòng)汽車滲透率[18]的提高，會(huì)加劇兩者之間的矛盾。然而，從某種程度來講，電動(dòng)汽車的引入對(duì)于電網(wǎng)的調(diào)峰工作也具有積極意義，因?yàn)殡S著Vehicle to Grid(V2G)技術(shù)[19-20]的不斷發(fā)展，未來可以實(shí)現(xiàn)電動(dòng)汽車與電網(wǎng)的良性互動(dòng)，車主可以從該過程通過分時(shí)電價(jià)賺取差價(jià)，給自身帶來經(jīng)濟(jì)利益[21]，電網(wǎng)也能通過該過程調(diào)整自身的負(fù)荷波動(dòng)情況，從而減緩在電網(wǎng)以及發(fā)電機(jī)組上的資金投入。

綜上所述，電動(dòng)汽車的充電負(fù)荷預(yù)測(cè)對(duì)于電網(wǎng)后續(xù)的擴(kuò)容建設(shè)以及針對(duì)電動(dòng)汽車進(jìn)行有序充電控制都具有重要的意義。為最大程度減少電動(dòng)汽車充電負(fù)荷給電網(wǎng)的巨大壓力，中外已有大量研究團(tuán)隊(duì)致力于電動(dòng)汽車充電負(fù)荷預(yù)測(cè)與調(diào)控的研究。然而當(dāng)前該領(lǐng)域的相關(guān)綜述研究從計(jì)量分析角度入手的較少，現(xiàn)首先針對(duì)中外該領(lǐng)域下所涉及的關(guān)鍵技術(shù)、研究要點(diǎn)、模型求解方法進(jìn)行分類，圍繞每一個(gè)要點(diǎn)進(jìn)行歸納和整理。而后采用文獻(xiàn)計(jì)量分析[22]的方法針對(duì)該領(lǐng)域近10年來的研究熱點(diǎn)進(jìn)行總結(jié)歸納，同時(shí)，整理分析了該領(lǐng)域的發(fā)文期刊分布情況，作者、機(jī)構(gòu)與國(guó)家之間的交流合作關(guān)系。最后，對(duì)電動(dòng)汽車充電負(fù)荷領(lǐng)域的未來發(fā)展做出展望，旨在為今后的研究人員提供參考意見。

1 電動(dòng)汽車充電負(fù)荷研究現(xiàn)狀

1.1 電動(dòng)汽車的充電負(fù)荷預(yù)測(cè)

電動(dòng)汽車的充電行為[23]是建立電動(dòng)汽車充電負(fù)荷預(yù)測(cè)模型的基礎(chǔ)。其中充電行為主要包括開始充電時(shí)間、充電電量、充電功率等。同時(shí)不同類型的電動(dòng)汽車其充電行為各不相同。文獻(xiàn)[24-25]針對(duì)電動(dòng)公交車、電動(dòng)出租車、電動(dòng)公務(wù)車以及電動(dòng)私家車采用蒙特卡洛算法完成負(fù)荷預(yù)測(cè)。文獻(xiàn)[26]研究了環(huán)境溫度對(duì)電動(dòng)汽車行駛里程以及充電負(fù)荷狀況的影響，結(jié)果表明在接近20 ℃時(shí)，電動(dòng)汽車單位電量的行駛里程最高。然而電動(dòng)汽車的充電行為同充電地點(diǎn)亦存在一定的關(guān)聯(lián)，文獻(xiàn)[27]按區(qū)域功能將某一區(qū)域分為居住區(qū)、工作區(qū)、娛樂區(qū)、休息區(qū)、其他區(qū)等，研究了道路的擁堵程度以及空調(diào)的使用給電動(dòng)汽車的充電負(fù)荷帶來的影響，比較了不同區(qū)域的電動(dòng)汽車的充電負(fù)荷差異性，完成時(shí)空分布的電動(dòng)汽車充電負(fù)荷預(yù)測(cè)。

1.2 電動(dòng)汽車充電設(shè)施的選址與建設(shè)

在完成電動(dòng)汽車充電負(fù)荷預(yù)測(cè)的基礎(chǔ)上，方可針對(duì)在電動(dòng)汽車充電需求較高的地區(qū)建設(shè)充電設(shè)施。文獻(xiàn)[28]總結(jié)了影響電動(dòng)汽車充電站選址的諸多因素，如土地成本、建設(shè)成本、道路交通流量、電網(wǎng)條件、周邊環(huán)境等，并運(yùn)用灰色關(guān)聯(lián)決策和灰色目標(biāo)決策理論對(duì)定性指標(biāo)進(jìn)行量化處理，得出最優(yōu)決策方案。文獻(xiàn)[29]站在充電設(shè)施所有者角度針對(duì)充電設(shè)施建立起一套綜合的風(fēng)險(xiǎn)指標(biāo)體系，以此來推動(dòng)充電設(shè)施的規(guī)?；踩ㄔO(shè)。文獻(xiàn)[30]研究了不同市場(chǎng)結(jié)構(gòu)下電動(dòng)汽車充電樁的質(zhì)量和最優(yōu)數(shù)量的變化。

1.3 電動(dòng)汽車的有序充電控制

針對(duì)電動(dòng)汽車的無序充電問題，可從不同角度來采用不同方式對(duì)電動(dòng)汽車進(jìn)行有序充電控制，以下將分別介紹這些控制方法。

1.3.1 分時(shí)電價(jià)

本質(zhì)上來講，分時(shí)電價(jià)[31-32]是一種價(jià)值激勵(lì)機(jī)制[33]，從經(jīng)濟(jì)角度來規(guī)范引導(dǎo)用戶的充電行為。文獻(xiàn)[34]提出了一種考慮用戶滿意度的電動(dòng)汽車充電時(shí)動(dòng)態(tài)定價(jià)策略，針對(duì)微電網(wǎng)[35]的調(diào)度需求，提出了電價(jià)策略，實(shí)現(xiàn)了基于價(jià)格信號(hào)的電動(dòng)汽車充電負(fù)荷的有效調(diào)度。文獻(xiàn)[36]在傳統(tǒng)電網(wǎng)分時(shí)電價(jià)的基礎(chǔ)上，考慮電動(dòng)汽車的充電負(fù)荷，制定了新的分時(shí)電價(jià)，克服傳統(tǒng)電網(wǎng)的分時(shí)電價(jià)針對(duì)負(fù)荷變化不敏感的缺點(diǎn)，能夠有效減少電網(wǎng)的峰谷差。

1.3.2 風(fēng)能與太陽能并入電網(wǎng)

風(fēng)能[37]與太陽能[38]并入電網(wǎng)可以在高峰期減緩火力發(fā)電機(jī)組的運(yùn)行，是從源頭緩解電網(wǎng)的壓力。文獻(xiàn)[39]建立了含風(fēng)力發(fā)電的電動(dòng)汽車充電站區(qū)間優(yōu)化調(diào)度模型，結(jié)果表明，削峰填谷效果更加明顯，提高了電網(wǎng)的穩(wěn)定性。文獻(xiàn)[40]以消納風(fēng)電量最多與負(fù)荷方差波動(dòng)最小為目標(biāo)函數(shù)，對(duì)風(fēng)電出力進(jìn)行優(yōu)化，減少了棄風(fēng)現(xiàn)象，提高了能源的利用率。

以上為電動(dòng)汽車與風(fēng)能的交互，電動(dòng)汽車與太陽能光伏的結(jié)合如今也更為頻繁。文獻(xiàn)[41]建立了夏季與冬季分布式光伏的出力模型，分析了光伏與電動(dòng)汽車的引入給居民區(qū)以及商業(yè)區(qū)的電力負(fù)荷帶來的影響。文獻(xiàn)[42]采用分布式光伏電源并入電網(wǎng)，針對(duì)光伏電源以及電動(dòng)汽車并入帶來的負(fù)荷峰谷差問題，采用自適應(yīng)遺傳算法求解，使得電動(dòng)汽車充電負(fù)荷避開高峰的同時(shí)，起到填谷的作用。

1.3.3 V2G技術(shù)

此外還可以通過V2G技術(shù)，引導(dǎo)用戶的充放電行為。文獻(xiàn)[43]分別以配電網(wǎng)方差負(fù)荷曲線最小，用戶充電費(fèi)用最小建立電動(dòng)汽車有序充放電優(yōu)化模型，求解得到單量電動(dòng)汽車的充放電計(jì)劃。文獻(xiàn)[44]基于峰谷分時(shí)電價(jià)根據(jù)電動(dòng)汽車接入、離開充電樁的時(shí)間制定了有序充放電策略。文獻(xiàn)[45]通過分析電動(dòng)汽車使用類型、電動(dòng)汽車用戶的充電偏好以及電動(dòng)汽車充電的緊急程度，來確定用戶是否參與到V2G的運(yùn)行，同時(shí)開發(fā)了多種面向用戶的V2G運(yùn)行方案，減少了電動(dòng)汽車的充電成本。文獻(xiàn)[46]通過可拓展的V2G優(yōu)化算法，減少了昂貴的配電基礎(chǔ)設(shè)置升級(jí)的需求。文獻(xiàn)[47]從經(jīng)濟(jì)角度分析了V2G技術(shù)，由于高昂的電池成本以及同用戶簽訂限制條件較多的V2G合同，消費(fèi)者可接受購(gòu)買V2G汽車的價(jià)格意愿始終低于不同電池成本的V2G電動(dòng)汽車的估計(jì)成本。

1.3.4 求解算法

在針對(duì)電動(dòng)汽車的有序充電策略研究中，往往需要通過求解器或者智能算法完成模型的計(jì)算與優(yōu)化。其中Cplex[48]以及Gurobi[49]作為兩大商業(yè)軟件均能實(shí)現(xiàn)并行計(jì)算[50]，在該領(lǐng)域得到了廣泛的應(yīng)用，同時(shí)當(dāng)參與調(diào)度的電動(dòng)汽車數(shù)量增多到一定規(guī)模時(shí)，采用求解器能顯著提高運(yùn)算速度。文獻(xiàn)[51]分別建立了以負(fù)荷曲線方差最小為目標(biāo)的有序充電模型，以及運(yùn)行成本最小為目標(biāo)的配電網(wǎng)優(yōu)化調(diào)度模型，采用Cplex完成求解計(jì)算。文獻(xiàn)[52]采用Cplex完成電動(dòng)汽車充電站的優(yōu)化調(diào)度問題，同時(shí)建立了仿真系統(tǒng)界面，方便操作與結(jié)果可視化。文獻(xiàn)[53]著眼于改善配電網(wǎng)的潮流分布，提升電壓質(zhì)量、降低配電網(wǎng)的峰谷差和網(wǎng)損，采用Gurobi完成求解。智能算法在求解包含多目標(biāo)函數(shù)的優(yōu)化模型中也有著廣泛的使用，主要包括粒子群算法[54]與遺傳算法[55]等，文獻(xiàn)[56]建立了電動(dòng)汽車集中充電的多目標(biāo)優(yōu)化模型，采用NSGA-Ⅱ完成求解，驗(yàn)證了可行性。文獻(xiàn)[57]提出了一種實(shí)時(shí)多目標(biāo)優(yōu)化方法，對(duì)電動(dòng)汽車充放電行為進(jìn)行實(shí)時(shí)調(diào)度，以達(dá)到不同目標(biāo)之間的平衡，即降低電力成本，最小化電池退化，減輕電網(wǎng)壓力。

綜上所述，當(dāng)前中外學(xué)者的研究大多還集中在特定區(qū)域電動(dòng)汽車充電負(fù)荷時(shí)間維度上的預(yù)測(cè)，缺乏時(shí)空維度的綜合預(yù)測(cè)。同時(shí)在負(fù)荷預(yù)測(cè)模型中作出較多的簡(jiǎn)化，使得預(yù)測(cè)結(jié)果同實(shí)際情況存在一定差距。如未考慮動(dòng)力電池的容量損耗問題等。在研究用戶充電行為過程中，缺乏實(shí)際充電數(shù)據(jù)的分析支持。針對(duì)有序充電控制來講，目前的目標(biāo)函數(shù)更多的是集中在用戶成本最低或者是電網(wǎng)負(fù)荷峰谷差最小上，未來應(yīng)更多關(guān)注實(shí)際情況，考慮用戶的充電滿意度，以及電網(wǎng)損耗等方面，將多個(gè)目標(biāo)聯(lián)合優(yōu)化。

2 研究方法與數(shù)據(jù)來源

2.1 研究方法

文獻(xiàn)計(jì)量分析[58]是探索圖書情報(bào)學(xué)最為重要的分析方法之一，主要用于對(duì)某一領(lǐng)域的研究現(xiàn)狀和發(fā)展趨勢(shì)通過數(shù)學(xué)方法進(jìn)行分析[59]，通常以關(guān)鍵詞分析、關(guān)鍵詞突現(xiàn)分析、發(fā)文作者、出版機(jī)構(gòu)與國(guó)家關(guān)系分析為主，將結(jié)果通過可視化圖譜呈現(xiàn)出來，旨在為后面的研究人員提供研究方向和指導(dǎo)方針[60]。

其中關(guān)鍵詞共現(xiàn)分析可以確定某一研究領(lǐng)域的熱點(diǎn)和知識(shí)結(jié)構(gòu)，當(dāng)幾個(gè)關(guān)鍵詞同時(shí)出現(xiàn)的頻率越高，表明各自的關(guān)聯(lián)較為密切。此外，該方法亦適用分析文獻(xiàn)作者關(guān)系，出版機(jī)構(gòu)關(guān)系，以及國(guó)家間的合作關(guān)系。

軟件Vosviewer[61-62]和Citespace[63-64]在文獻(xiàn)計(jì)量分析領(lǐng)域有著廣泛的應(yīng)用，兩者能夠完成對(duì)海量文獻(xiàn)的計(jì)量分析，表1為兩個(gè)軟件的功能對(duì)比。

表1 Vosviewer與Citespace軟件對(duì)比

2.2 數(shù)據(jù)來源

為了更好地比較中外該領(lǐng)域的研究進(jìn)展，分別針對(duì)中文文獻(xiàn)和外文文獻(xiàn)進(jìn)行量化分析，考慮到中國(guó)知網(wǎng)作為國(guó)內(nèi)最為知名的文獻(xiàn)檢索平臺(tái)，中文文獻(xiàn)均來源于中國(guó)知網(wǎng)，在高級(jí)檢索中以“電動(dòng)汽車”“充電負(fù)荷”作為檢索主題的檢索詞，文獻(xiàn)類型包括：期刊論文、學(xué)位論文和會(huì)議論文3種，語言設(shè)置為中文。針對(duì)外文文獻(xiàn)，Web of Science的子領(lǐng)域數(shù)據(jù)庫(kù)：科學(xué)引文索引(SCI)和社會(huì)科學(xué)引文索引(SSCI)核心合集包括不同研究領(lǐng)域最有影響力的科學(xué)文獻(xiàn)，選擇SCI和SSCI作為此次文獻(xiàn)計(jì)量分析的數(shù)據(jù)庫(kù)。高級(jí)檢索中以TS =(electric vehicle* AND Charging load demand)為檢索詞，語種選擇為English，時(shí)間跨度設(shè)置為2010—2021年，檢索時(shí)間2021年5月1日。

3 結(jié)果與分析

3.1 發(fā)文量隨時(shí)間的變化

圖1為2010—2021年針對(duì)電動(dòng)汽車充電負(fù)荷領(lǐng)域的中英文獻(xiàn)數(shù)量對(duì)比圖，可以得到從2010—2021年該領(lǐng)域共計(jì)發(fā)表2 439篇，其中中文1 359篇、英文1 080篇，且隨著時(shí)間的遷移，該領(lǐng)域的文獻(xiàn)數(shù)量呈現(xiàn)出上升趨勢(shì)，也印證著研究人員對(duì)于電動(dòng)汽車充電負(fù)荷領(lǐng)域的關(guān)注度在不斷提高。

圖1 2010—2021年發(fā)文數(shù)量變化圖

3.2 關(guān)鍵詞共現(xiàn)分析

而在電動(dòng)汽車發(fā)展過程中亦有很多問題亟待解決與優(yōu)化，如電動(dòng)汽車無序充電的問題、電動(dòng)汽車充電站的選址問題、電動(dòng)汽車的行駛里程問題等，“optimization”作為頻次排名第二的關(guān)鍵詞，也印證了這一觀點(diǎn)?！癲emand response”表明研究人員針對(duì)規(guī)模化電動(dòng)汽車的充電需求有著較為廣泛的研究，可以針對(duì)用戶需求側(cè)的管理實(shí)現(xiàn)電動(dòng)汽車的有序充電控制?！癳nergy”“renewable energy”“energy management”聚焦于可再生能源及其管理，風(fēng)能、太陽能這些可再生能源是最為清潔的能源?？稍偕茉吹囊?，能夠有效緩解電動(dòng)汽車給電網(wǎng)的負(fù)荷壓力以及火力發(fā)電機(jī)組運(yùn)行給環(huán)境的破壞。然而這些可再生能源受季節(jié)、晝夜以及地理位置等因素的影響，設(shè)備出力情況不穩(wěn)定，同時(shí)由于發(fā)電量大于當(dāng)?shù)叵{電量與傳輸電量之和，導(dǎo)致存在嚴(yán)重的棄風(fēng)，棄光問題，因此，針對(duì)多種形式能源的管理調(diào)度研究就顯得十分必要。除了發(fā)電側(cè)的管理外，針對(duì)用戶側(cè)的需求管理(demand response)亦是能量管理的一個(gè)重要途徑。“vehicle-to-grid”是未來研究的重點(diǎn)領(lǐng)域，將大量閑置下來的電動(dòng)汽車作為一個(gè)獨(dú)立的儲(chǔ)能單元與電網(wǎng)進(jìn)行交互，在電網(wǎng)負(fù)荷較高時(shí)期，將自身電量輸送給電網(wǎng)，在電網(wǎng)負(fù)荷較低時(shí)期，從電網(wǎng)購(gòu)電滿足自身的行駛需求，一方面能夠讓電動(dòng)汽車車主利用電網(wǎng)的峰谷差與電網(wǎng)互動(dòng)，獲得經(jīng)濟(jì)利益。另一方面能夠平衡電網(wǎng)的負(fù)荷波動(dòng)狀況，改善電網(wǎng)的電能質(zhì)量，從而減少電網(wǎng)在擴(kuò)容擴(kuò)建工程的資金投入。電網(wǎng)也因?yàn)閂2G的引入，以及與可再生能源的調(diào)度優(yōu)化發(fā)展成為“smart grid”，形成了車、網(wǎng)、源三者之間的互聯(lián)互通關(guān)系，促進(jìn)能源的高效智能運(yùn)用。

通過Vosviewer軟件分析2010—2021年該領(lǐng)域文獻(xiàn)，將共現(xiàn)頻次大于10的關(guān)鍵詞篩選后得到關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)圖，如圖2所示，圖2中的關(guān)鍵詞由139個(gè)節(jié)點(diǎn)3 903個(gè)連線組成。其中節(jié)點(diǎn)的大小代表該關(guān)鍵詞出現(xiàn)頻率的大小，節(jié)點(diǎn)與節(jié)點(diǎn)之間通過線條連接，連線的粗細(xì)代表了連接強(qiáng)度，也表明各個(gè)關(guān)鍵詞之間的緊密程度。圖3展示了關(guān)鍵詞共現(xiàn)的密度圖譜，圖譜中的顏色越趨近于暖色系，表明其研究的關(guān)注度越高[65]。

圖2 關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)圖

從圖3可以看出，近年來該領(lǐng)域的研究思路，以及發(fā)展?fàn)顩r逐漸從宏觀研究轉(zhuǎn)為更加細(xì)致化，更加具體化的研究，以此解決存在的實(shí)際問題。該領(lǐng)域研究多是圍繞電動(dòng)汽車、負(fù)荷預(yù)測(cè)、有序充電展開的，研究影響電動(dòng)汽車充電的各種因素，對(duì)充電行為、充電設(shè)施提供更加具體的指導(dǎo)和建議。

圖3 關(guān)鍵詞聚類密度圖

Vosviewer軟件能對(duì)不同的關(guān)鍵詞進(jìn)行聚類分析，相同顏色的節(jié)點(diǎn)表明從屬與同一個(gè)集群。本文研究中得到共計(jì)6個(gè)集群，各個(gè)集群的研究主題如表2所示，其中集群1、集群3分別集中在可再生能源、儲(chǔ)能、智能電網(wǎng)、V2G技術(shù)。通過各個(gè)系統(tǒng)間的靈活交互等策略實(shí)現(xiàn)集群4的有序充電。在求解過程中需要集群5中的多目標(biāo)優(yōu)化算法。集群2側(cè)重對(duì)電動(dòng)汽車充電負(fù)荷的預(yù)測(cè)，在其基礎(chǔ)上對(duì)充電站選址規(guī)劃。集群6聚焦于電動(dòng)汽車引入對(duì)電網(wǎng)產(chǎn)生的影響，如電能質(zhì)量的變化，以及電網(wǎng)的接納能力的變化等。

表2 關(guān)鍵詞集群

3.3 關(guān)鍵詞突現(xiàn)分析

關(guān)鍵詞是文章的核心概要，關(guān)鍵詞突現(xiàn)是指在某一個(gè)時(shí)間段內(nèi)頻次發(fā)生顯著變化的關(guān)鍵詞，對(duì)其進(jìn)行突現(xiàn)分析對(duì)了解該領(lǐng)域的未來發(fā)展?fàn)顩r具有獨(dú)特價(jià)值。采用Citespace軟件對(duì)該領(lǐng)域2010—2021年的關(guān)鍵詞進(jìn)行突現(xiàn)分析，結(jié)果如圖4所示?？梢园l(fā)現(xiàn)在2010—2015年由于電動(dòng)汽車市場(chǎng)還不夠成熟，更加關(guān)注電動(dòng)汽車的充電基礎(chǔ)設(shè)施建設(shè)以及充電模式上的研究。電動(dòng)汽車的大規(guī)模并入對(duì)于電力系統(tǒng)的安全評(píng)估上的研究也顯得十分必要?？紤]到高峰時(shí)期用電需求較多，2012—2015年針對(duì)儲(chǔ)能領(lǐng)域的研究也更為頻繁。電網(wǎng)建設(shè)以及變壓器容量配置等經(jīng)濟(jì)上投入過大，2019—2021年在電動(dòng)汽車無序充電的研究的基礎(chǔ)上開展分布式電源與智能電網(wǎng)的有效互動(dòng)，充分考慮到電網(wǎng)側(cè)、用戶側(cè)、發(fā)電側(cè)三方的利益，采用智能算法或者深度學(xué)習(xí)技術(shù)從而進(jìn)行多目標(biāo)優(yōu)化調(diào)度，同時(shí)如何細(xì)化調(diào)度方案值得進(jìn)一步研究。

“Keywords”與“Year”分別為關(guān)鍵詞介紹、關(guān)鍵詞出現(xiàn)時(shí)間;“Begin”與“End”分別為關(guān)鍵詞突的開始時(shí)間現(xiàn)與結(jié)束時(shí)間；“Strength”為關(guān)鍵詞的突現(xiàn)強(qiáng)度，強(qiáng)度越高表示影響力越大

3.4 期刊分布分析

統(tǒng)計(jì)了該領(lǐng)域2010—2021年的英文文獻(xiàn)，對(duì)文獻(xiàn)來源的期刊做出分析，結(jié)果如表3和表4所示，可以發(fā)現(xiàn)發(fā)文量前10大期刊出版總數(shù)為508，數(shù)量占比約為46.9%，是該領(lǐng)域的主流期刊，其中期刊Energies發(fā)文數(shù)量最多，但影響因子較小，為2.702。而AppliedEnergy發(fā)文數(shù)量排名第二，且影響因子高達(dá)8.848，排名第一，同時(shí)，表3中以3年為一個(gè)時(shí)間段，將2010—2021年分為三段，展現(xiàn)出不同時(shí)間階段，各個(gè)期刊出版次數(shù)以及排名情況。IEEETransactionsonSmartGrid同樣作為該領(lǐng)域著名期刊，在2010—2013年，2014—2017年發(fā)文總數(shù)始終排名第一，影響因子也僅次于AppliedEnergy。IEEEAccess近3年對(duì)該領(lǐng)域的研究關(guān)注度有了極大的提高，2018年之前的出版次數(shù)為0，2018—2021年出版次數(shù)高達(dá)59，排名第2，出版總數(shù)排名第4，表明該期刊未來在該領(lǐng)域會(huì)有較大的研究?jī)A斜。

表3 頻次最高的前10個(gè)關(guān)鍵詞

表4 發(fā)文量前10的期刊分布統(tǒng)計(jì)

3.5 作者、機(jī)構(gòu)與國(guó)家合作分布分析

通過對(duì)世界各地不同國(guó)家和機(jī)構(gòu)的研究人員進(jìn)行合作網(wǎng)絡(luò)分析，可以展現(xiàn)出電動(dòng)汽車充電負(fù)荷領(lǐng)域的學(xué)術(shù)交流與協(xié)作情況，將該領(lǐng)域的發(fā)文作者采用Vosviewer軟件進(jìn)行分析，將發(fā)文作者出現(xiàn)頻數(shù)大于3的篩選出來，得到英文文獻(xiàn)作者合作網(wǎng)絡(luò)圖，如圖5所示。共有25位作者在該領(lǐng)域發(fā)表至少3篇高水平文獻(xiàn)，共展現(xiàn)出6大集群，以Guo Qinglai、Hu Zechun、Yang Yu為代表的三大集群合作交流較為密切和頻繁。其中清華大學(xué)的Hu Zechun在AppliedEnergy期刊發(fā)表的“Pricing mechanisms design for guiding electric vehicle charging to fill load valley”共計(jì)獲得61個(gè)被引頻次。清華伯克利深圳研究所的Guo Qinglai在IEEETransactionsonSmartGrid期刊發(fā)表的“Rapid-Charging navigation of electric vehicles based on real-time power systems and traffic data”共計(jì)獲得82個(gè)被引頻次。Jia Qingshan在IEEETransactionsonSmartGrid期刊發(fā)表的“Matching EV charging load with uncertain wind: a simulation-based policy improvement approach”共計(jì)獲得69個(gè)被引頻次。除了這三大集群外，來自密歇根大學(xué)的Moura Scott J，以及來自美國(guó)阿貢國(guó)家實(shí)驗(yàn)室的Wang Jianhui也紛紛與以上團(tuán)隊(duì)交流互動(dòng)，共同致力于該領(lǐng)域的研究當(dāng)中。

圖6和圖7分別為該領(lǐng)域的機(jī)構(gòu)合作網(wǎng)絡(luò)和國(guó)家合作網(wǎng)絡(luò)圖，從圖6和7可以發(fā)現(xiàn)，有85個(gè)機(jī)構(gòu)參與到該領(lǐng)域的研究工作中，共計(jì)13個(gè)集群，其中來自中國(guó)的清華大學(xué)(Tsinghua Univ)、華北電力大學(xué)(North China Elect Power Univ)、上海交通大學(xué)(Shanghai Jiao Tong Univ)等彼此之間合作較為緊密。華北電力大學(xué)(North China Elect Power Univ)、清華大學(xué)(Tsinghua Univ)發(fā)文量分別為29篇、21篇，在國(guó)內(nèi)排名第一、第二，浙江大學(xué)(Zhejiang Univ)同10個(gè)機(jī)構(gòu)展開合作，且相對(duì)來說同國(guó)外機(jī)構(gòu)交流更為頻繁，發(fā)文量在國(guó)內(nèi)排名第三。來自伊朗的阿扎德大學(xué)(Islamic Azad Univ)同13個(gè)機(jī)構(gòu)建立了合作關(guān)系，發(fā)文量高達(dá)35篇，總排名第一。圖7為40個(gè)國(guó)家的合作網(wǎng)絡(luò)圖，共計(jì)6大集群。其中，最大的節(jié)點(diǎn)是中國(guó)，與32個(gè)國(guó)家均展開了合作，發(fā)文總量為299篇，美國(guó)同29個(gè)國(guó)家展開合作，發(fā)文總量為225，僅次于中國(guó)，且兩國(guó)之間的合作也較為密切。

圖6 機(jī)構(gòu)合作網(wǎng)絡(luò)圖

圖7 國(guó)家合作網(wǎng)絡(luò)圖

4 展望

發(fā)展電動(dòng)汽車是降低污染排放的有效途徑，也是擺脫對(duì)石油依賴，保障國(guó)家能源安全的重要戰(zhàn)略措施，從電網(wǎng)安全、充電成本等諸多角度針對(duì)電動(dòng)汽車的充電負(fù)荷及調(diào)度展開研究方可實(shí)現(xiàn)電動(dòng)汽車行業(yè)的安全平穩(wěn)發(fā)展，近年來該領(lǐng)域的研究也愈加頻繁，取得了較大的進(jìn)展，然而，還有以下幾點(diǎn)值得研究。

(1)用戶充電行為研究。目前由于缺乏電動(dòng)汽車充電的實(shí)際數(shù)據(jù)，針對(duì)電動(dòng)汽車充電負(fù)荷預(yù)測(cè)的研究大都采用的是美國(guó)全國(guó)家庭旅行調(diào)查(national household travel survey, NHTS)中燃油車的數(shù)據(jù)，同中國(guó)的實(shí)際情況可能存在較大的差異性。未來在獲得確切數(shù)據(jù)的前提下，可充分利用大數(shù)據(jù)、深度學(xué)習(xí)等技術(shù)對(duì)電動(dòng)汽車的充電負(fù)荷需求進(jìn)行準(zhǔn)確預(yù)測(cè)。

(2)負(fù)荷預(yù)測(cè)模型優(yōu)化研究。在負(fù)荷預(yù)測(cè)模型中，目前更多的是特定區(qū)域時(shí)間維度的預(yù)測(cè)，缺乏時(shí)空維度的綜合預(yù)測(cè)。為簡(jiǎn)化計(jì)算，模型中存在過多的假設(shè)，與實(shí)際情況存在一定差距，未來需要進(jìn)一步對(duì)負(fù)荷預(yù)測(cè)模型進(jìn)行優(yōu)化。

(3)優(yōu)化算法/求解器研究。在有序充電調(diào)度的過程中，隨著電動(dòng)汽車數(shù)量以及多個(gè)系統(tǒng)間的交互增多，調(diào)度難度顯著增大，難以平衡計(jì)算速度、精度、穩(wěn)定性之間的關(guān)系，未來針對(duì)高性能算法、求解器的需求更為迫切。

(4)V2G技術(shù)/系統(tǒng)平臺(tái)研究。由于與電網(wǎng)頻繁互動(dòng)，會(huì)對(duì)電池的壽命造成一定的影響，如何平衡車主經(jīng)濟(jì)利益、用車需求與電網(wǎng)削峰填谷需求的關(guān)系，如何研發(fā)V2G的電動(dòng)汽車、充電樁，搭建系統(tǒng)平臺(tái)，優(yōu)化電動(dòng)汽車充放電行為，實(shí)現(xiàn)對(duì)電動(dòng)汽車全生命周期的監(jiān)管，進(jìn)一步完善該領(lǐng)域的商業(yè)模式是未來研究的重點(diǎn)與難點(diǎn)。

(5)動(dòng)力電池梯次利用研究。未來隨著動(dòng)力電池退役高峰期的來臨，對(duì)動(dòng)力電池的梯次利用將成為一個(gè)新的難題，如何實(shí)現(xiàn)對(duì)動(dòng)力電池的回收、發(fā)揮動(dòng)力電池的剩余價(jià)值，實(shí)現(xiàn)電能資源的合理有效配置，值得深入研究。

5 結(jié)論

對(duì)近10年來電動(dòng)汽車充電負(fù)荷領(lǐng)域的文獻(xiàn)進(jìn)行了歸納總結(jié)，采用Vosviewer與Citespace軟件進(jìn)行了計(jì)量分析，得出以下結(jié)論。

(1)電動(dòng)汽車充電負(fù)荷領(lǐng)域更多的是著力于規(guī)?；妱?dòng)汽車的負(fù)荷預(yù)測(cè)、針對(duì)電動(dòng)汽車的有序充電控制、以及通過V2G同電網(wǎng)進(jìn)行有序良性互動(dòng)、可再生能源設(shè)備同電動(dòng)汽車的聯(lián)合調(diào)度等方面的研究。

(2)根據(jù)計(jì)量分析得出：①2010—2021年該領(lǐng)域的中英文發(fā)文數(shù)量呈現(xiàn)出穩(wěn)步增長(zhǎng)的態(tài)勢(shì)；②該領(lǐng)域發(fā)文量排名前三的英文期刊是Energies、AppliedEnergy、IEEETransactionsonSmartGrid。其中AppliedEnergy與IEEETransactionsonSmartGrid是該領(lǐng)域影響因子最高的兩大期刊，分別出版了87、77篇高質(zhì)量的文獻(xiàn)；③中國(guó)、美國(guó)作為在該領(lǐng)域有著深入研究的兩個(gè)大國(guó)，同世界各國(guó)均有著廣泛的合作。在國(guó)內(nèi)華北電力大學(xué)、清華大學(xué)、浙江大學(xué)是發(fā)文量最多的三所院校，來自清華大學(xué)的且在該領(lǐng)域最早投入研究的胡澤春(Hu Zechun)、宋永華(Song Yonghua)、徐智威(Xu Zhiwei)是該領(lǐng)域的領(lǐng)軍人物。本研究可以作為今后該領(lǐng)域的研究人員提供一定的幫助。

(3)文獻(xiàn)來源更多的是CNKI以及Web of Science，缺乏除中英文以外其他數(shù)據(jù)庫(kù)的文獻(xiàn)。同時(shí)如果聚焦于某一熱點(diǎn)技術(shù)的研究，需要將檢索范圍進(jìn)一步縮小。