李軍祥，何雯婷，王金玲

上海理工大學管理學院，上海200093

中國是世界上二氧化碳排放量與溫室氣體排放量較嚴重的國家，也是世界上的能源消費大國，因此中國承擔著巨大的減排壓力[1]。隨著雙碳目標的提出，清潔能源和電動汽車受到了廣泛關注。電動汽車（electric vehicle,EV）作為一種新型能源汽車，能夠顯著減少交通領域的能源消耗，降低燃油汽車對環(huán)境的污染，具有廣闊的應用前景[2-4]。與此同時，共享出行的方式在近幾年快速發(fā)展，共享模式的應用能極大地改善城市環(huán)境以及基礎設備緊缺的現(xiàn)狀，而使用共享電動汽車在滿足用戶出行需求的同時可以省去汽車維修保養(yǎng)費用、停車費用等，是未來交通出行的新方式[5-6]。

現(xiàn)有文獻大多從車輛調度與停車位定位、充電站選址、行駛路徑優(yōu)化、需求預測等角度入手進行研究。在車輛調度與停車位定位方面，文獻[7] 提出了“共享電動汽車+共享停車位”相結合的方式，基于瓶頸經(jīng)濟學理論探討如何組合設計從而實現(xiàn)既能降低系統(tǒng)的交通排放，又能兼顧社會效益的目標。而文獻[8] 為確保共享汽車停放區(qū)域多目標選址的準確性，建立最優(yōu)目標搜索函數(shù)，通過反饋調節(jié)方法提高了共享汽車停放區(qū)域利用效率。在充電站選址方面，文獻[9] 結合城市交通網(wǎng)絡和城市配電網(wǎng)系統(tǒng)兩方面對未來城市發(fā)展中共享電動汽車混合充換電站的選址問題進行了分析，構建了綜合考慮用戶和電網(wǎng)雙方利益的規(guī)劃模型。文獻[10]通過預測每個充電站的共享電動汽車和停車位的需求來減少系統(tǒng)中的供需不平衡，通過對充電站的戰(zhàn)略性布局，對服務人員持續(xù)搬運車輛的需求顯著減少。在行駛路徑優(yōu)化方面，文獻[11] 針對電池續(xù)航能力不足而產(chǎn)生的電量不足的情況，靈活利用換車和充電方案，確定共享電動汽車的最優(yōu)行駛路徑。同樣，文獻[12] 從電動汽車所有者角度，尋求以經(jīng)濟高效的方式共享車輛，提出了一種考慮多時段多任務的電動汽車共享服務最優(yōu)路徑和充電調度優(yōu)化模型。在需求預測方面，文獻[13] 將長短期記憶網(wǎng)絡與微觀層面的格蘭杰因果檢驗相結合，構建了單程式共享電動汽車系統(tǒng)服務的需求預測模型，提高車輛重新定位效率以滿足用戶出行需求。

總體而言，鮮有文獻對于換電模式下電動汽車參與碳交易市場以及調峰輔助服務市場展開分析。然而，當前中國對于包括電動汽車和可再生能源發(fā)電在內(nèi)的低碳能源技術政策主要集中于進一步擴大產(chǎn)業(yè)生產(chǎn)規(guī)模和提升技術研發(fā)水平，對于如何消納由火力發(fā)電和可再生能源發(fā)電所產(chǎn)生的過剩電能以及如何從時間上管理電動汽車充電需求關注較少，這導致供需雙方產(chǎn)生結構性矛盾[14-15]。同時，隨著電動汽車的綠色屬性逐漸凸顯，通過合理的碳交易可以激勵電力市場參與減排。基于以上背景，本文在共享模式下引入碳交易市場以及電動汽車入網(wǎng)技術，有效地引導電動汽車運營商節(jié)能減排，有針對性地管理電動汽車充放電行為配合電力系統(tǒng)運行，系統(tǒng)性地平緩電網(wǎng)負荷波動。本文首先考慮了碳交易規(guī)制即當運營商每日碳排量低于政府所設定的初始碳配額時，會獲得一定的收益，又因為電動汽車自身在行駛過程中消耗二次能源，所以在整個過程中碳排放量的唯一來源在于火力發(fā)電，也就與火電機組發(fā)電量占比有關。其次，當有大規(guī)模其他電器設備接入電網(wǎng)時，電力系統(tǒng)會產(chǎn)生負荷波動，為此，電動汽車的接入能夠有效地平緩波動，由此產(chǎn)生了調峰輔助服務收入，該收入與電動汽車放電電量以及單位電量調峰服務收入有關?；诖?，本文提出了碳交易規(guī)制下的共享汽車雙層充放電優(yōu)化模型，在提高電動汽車運營商運營經(jīng)濟性的基礎上有效減小電網(wǎng)負荷的峰谷差。

1 共享電動汽車電池充放電調度模型

1.1 系統(tǒng)設計框架

本文考慮的是基于換電模式的共享電動汽車充放電場景，換電模式本身具有流程快捷、電池可調度性強等特點，且在共享模式下，要求所有生產(chǎn)制造商統(tǒng)一標準，電動汽車運營商無需擔心電池管理系統(tǒng)、接口、型號等問題，電池具有適配性。本文引入電池存儲倉庫，即運營商對電動汽車電池采用統(tǒng)一收取集中充電的方式，在電動汽車使用完返回共享服務網(wǎng)點后，對電池使用情況進行檢測、更換或者回收操作，將更換下來的電池集中運回電池倉庫，并進行統(tǒng)一的充放電調度，待達到電量閾值后再根據(jù)用戶需求配送至相應的服務網(wǎng)點[16]。此外，本文還對火電機組、風能、光伏和除電動汽車外用戶需求側其余維持社會運轉的電力負荷即電網(wǎng)常規(guī)負荷進行研究，由電池存儲倉庫、火電機組、風能、光伏對大電網(wǎng)電力負荷進行出力調控，同時電網(wǎng)還需供給電池倉庫和常規(guī)負荷進行用電調度，針對上述電力調度過程，構建系統(tǒng)的基本框架如圖1 所示。

圖1 電力調度框架Figure 1 Power dispatching framework

基于以上的電力調度框架，又考慮到在碳交易規(guī)制約束即政府給定每日初始碳配額下，當電動汽車運營商在整個電力系統(tǒng)內(nèi)所產(chǎn)生的日碳排放量低于這部分初始碳配額時可以通過售賣多余碳配額以獲得收益；另外，清潔能源發(fā)電不穩(wěn)定的特性以及大規(guī)模其他電器的接入會使電網(wǎng)產(chǎn)生負荷波動，而電池存儲倉庫的參與能夠起到為電網(wǎng)“削峰填谷”的作用，由此，本文構建了一個參與碳交易市場和調峰輔助服務市場的雙層電動汽車電池充放電優(yōu)化模型，可以在滿足用戶出行需求的同時，降低運營商的成本，提高運營商經(jīng)濟性，同時緩解電網(wǎng)由于大規(guī)模電器以及火電機組、風能、光伏接入電網(wǎng)導致的電網(wǎng)負荷波動。上層模型以電動汽車運營商日運營成本最小化為目標，對電動汽車電池充放電功率進行優(yōu)化，下層模型在上層模型基礎上減小了電網(wǎng)負荷的峰谷差，使電網(wǎng)能夠更加安全穩(wěn)定地運行。

本文以1 d 作為一個調度周期，以Δt為步長將其均等劃分為T個時段，即T為全天的優(yōu)化時段數(shù)。

1.2 上層優(yōu)化模型

1.2.1 目標函數(shù)

上層模型從運營商角度出發(fā)，以在碳交易規(guī)制下最小化電動汽車運營商每日運營成本為目標建立優(yōu)化模型，下面對運營成本進行具體分析。

1）用電成本

運營商的用電成本是指電池i于時刻t的這個調度周期內(nèi)向電網(wǎng)購電成本之和，而購電成本即單位電量交易成本與購電數(shù)量之積。本文為了刺激和鼓勵電動汽車運營商移峰填谷，優(yōu)化用電方式，降低用電成本，采用了分時電價定價方式，單位電量交易成本Kt和運營商總用電成本Cp表達式分別為

式中：Kv、Kp、Kn分別為低谷、高峰、平段時的電價；[tv1,tv2] 為低谷時段，[tp1,tp2] 為高峰時段。為第i塊電池在t時刻的實際充電功率；I為電池數(shù)量。

2）電池損耗成本

由于電池的充放電次數(shù)會直接影響電池使用壽命，因此電池損耗成本是不可忽略的一部分。電池損耗通常與電池自身品質即電池購買成本、充放電效率、放電深度、循環(huán)次數(shù)和充放電電量有關[16]，不妨將電池損耗成本平均到單位充放電量，則電池損耗成本可表示為單位電池損耗成本與電池實際充放電電量之積，表達式為

式中：CD=為單位電池損耗成本，其中CB為電池的購買成本，LC為標稱的電池充放電循環(huán)次數(shù)，EB為所選用的電池容量，d為與標稱循環(huán)次數(shù)對應的電池放電深度；為第i塊電池在t時間段內(nèi)的實際放電功率；ηc、ηd分別為電池充放電效率。

3）調峰服務收入

在電網(wǎng)使用高峰時期，電網(wǎng)負荷過大。為了緩解用電高峰，維持用電功率平衡，保持系統(tǒng)頻率穩(wěn)定，本文使電動汽車電池參與調峰輔助服務市場，增加額外輔助調峰服務，在用電高峰時期釋放一定電力，緩解電網(wǎng)使用壓力，使電網(wǎng)負荷波動趨于平緩。運營商參與調峰輔助服務市場所獲得的收入Ia可表示為其參與程度即電池實際放電量與單位電量調峰服務收入α的乘積，即

4）碳交易收入

為了鼓勵相關企業(yè)采取減排舉措，改善環(huán)境質量，政府會給電力運營商設定每日初始碳排放配額Ei。當每日實際碳排放量低于這個標準時，可以通過出售多余的碳配額以獲得收益[17]；反之，當每日實際碳配額高于所設標準時，則給予一定的懲罰，此時碳交易收入為負，也被稱為懲罰成本?？紤]到電動汽車在行駛過程中消耗二次能源不產(chǎn)生碳排放，且風力、光伏發(fā)電也不產(chǎn)生碳排放，于是可以認為本文中電動汽車運營商每日所產(chǎn)生的碳排放來自于火電機組發(fā)電，這個過程中產(chǎn)生的碳排放量與發(fā)電系統(tǒng)中火力發(fā)電量占總發(fā)電量的比值βt有關，表達式如式(5) 所示，則電動汽車充電時電網(wǎng)所產(chǎn)生的碳排放量[18]為Ec，表達式如式(6) 所示。當電動汽車運營商每日碳排放量低于政府所設初始碳配額時，碳交易收入Ig是政府初始碳配額與實際碳排放量之差乘以收益激勵系數(shù)ω1；當高于政府所設初始碳配額時，碳交易收入Ig是政府初始碳配額與實際碳排放量之差乘以懲罰成本系數(shù)ω2，表達式為

式中：G為火電機組總數(shù)；Pj,t為t時刻火電機組j的有功出力；Pw,t和Ppv,t為t時刻風能和光伏的有功出力；e1為邊際碳排放因子。

綜上，在一個調度周期內(nèi)，電動汽車運營商的日運營成本F1由用電成本Cp、電池損耗成本Cs、向電網(wǎng)提供輔助調峰服務收入Ia以及碳交易收入Ig四部分構成，目標函數(shù)表達式為

1.2.2 約束條件

為實現(xiàn)以上目標函數(shù)，需滿足以下約束：

1）系統(tǒng)功率平衡約束[19]

為了保證系統(tǒng)功率平等，整個系統(tǒng)中發(fā)電量與用電量是相等的，即火電機組發(fā)電、風力發(fā)電、光伏發(fā)電、電動汽車放電負荷之和等于電網(wǎng)基礎負荷加上電動汽車充電負荷。為了更加對稱地表達，將放電負荷移到等式右邊，表達式為

式中：Pl,t為t時刻電網(wǎng)的基本負荷。

2）電池電量等式約束

在文獻[20] 的基礎上，對t時刻第i塊電池的荷電狀態(tài)Si,t引入和這兩個0-1變量，用來表示第i塊電池在t時刻是否處于可調度狀態(tài)，公式為

為了確保每輛電動汽車的荷電狀態(tài)能滿足每位用戶的出行需求，給出電池電量約束

式中：Smin和Smax分別表示電動汽車荷電狀態(tài)的最小值與最大值。當電動汽車荷電狀態(tài)無法繼續(xù)滿足用戶最低出行需求時，需要統(tǒng)一收回電池存儲倉庫進行集中充電管理。

3）電池充放電功率約束

綜上，上層模型表達式如下：

1.3 下層優(yōu)化模型

下層優(yōu)化在上層優(yōu)化的基礎上，在保證運營成本F1不變的條件下以電網(wǎng)負荷波動最小為目標，進一步優(yōu)化電池存儲倉庫的充放電計劃，公式為

在以往文獻中，下層模型大多數(shù)采用的是最小化電網(wǎng)電荷最高點與最低點之差[21-22]，而考慮到方差能使整個電網(wǎng)負荷波動更平緩，相較于最高與最低點之差更能平衡電網(wǎng)負荷波動。同時，為了讓運營成本不發(fā)生變化，本文將電價分為3 個區(qū)間，使每個電價區(qū)間上層優(yōu)化后得到的總充放電功率等于下層優(yōu)化后所得到的總充放電功率，公式為

2 算法及流程

Yalmip 是適用于MATLAB 下的一種優(yōu)化求解工具，其最大特色在于集成許多外部的最優(yōu)化求解器，形成一種統(tǒng)一的建模求解語言，而所有的規(guī)劃問題都可以用這種統(tǒng)一的方式建模。本文所提出的共享電動汽車電池充放電優(yōu)化模型為線性規(guī)劃類問題，可以在MATLAB 環(huán)境下應用Yalmip 工具箱，然后調用CPLEX 求解器進行求解。

具體計算步驟如下：

步驟1初始化不同電池的最初電量負荷，輸入火電機組、風力、光伏出力和電網(wǎng)基本負荷的預測信息。

步驟2上層模型將電動汽車電池在每個時刻的充放電功率作為決策變量，以最小化共享電動汽車運營商的日運營成本為目標，對電池存儲倉庫充放電計劃進行優(yōu)化。

步驟3將上層優(yōu)化得到的結果，即峰、谷、平3 個時段電池的充放電電量作為已知量傳遞給下層。下層模型在保持運行成本不變的前提下以配電網(wǎng)的波動最小為目標，對電池存儲倉庫充放電方案繼續(xù)進行優(yōu)化。

3 數(shù)值仿真

3.1 參數(shù)設置

本文以共享電動汽車電池為研究對象，在此對仿真數(shù)據(jù)的設置給出如下說明：

1）本文假設某地區(qū)共享電動汽車運營商的車輛規(guī)模為20 輛，為保證共享運營為基本需求，不考慮因其他突發(fā)狀況而調整電池規(guī)模，設定電池數(shù)量與電動汽車比例為2∶1。

2）算例所設置的優(yōu)化周期為一天的0:00 至24:00，時長24 h，以Δt=1 h 為時間間隔。

3）分時電價采用北京市110 kV，電壓等級的一般工商業(yè)電價，如表1 所示。

表1 分時電價初始值Table 1 Initial ToU power price 元· (kW·h)-1

4）電動汽車電池初始電量負荷值[23]如圖2 所示。

圖2 電動汽車電池的初始電量負荷值Figure 2 Initial electric load value of EV battery

5）火電機組出力值如圖3 所示[24]。

圖3 火電機組出力Figure 3 Thermal power unit output

6）參考文獻[25]，對其他相關參數(shù)設置如表2 所示。

表2 其他相關參數(shù)Table 2 Other relevant parameters

7）典型日風力發(fā)電、火電出力、光伏發(fā)電和常規(guī)負荷預測值如圖4 所示[26]。

3.2 仿真結果與分析

為了證明本文所提出的共享電動汽車充放電調度模型具有良好的可行性，設置了3 種不同情景，并對其進行經(jīng)濟性分析，具體方案如下：

情景1僅考慮共享電動汽車運營商參與碳交易市場，不參與調峰輔助服務市場，此時共享電動汽車只用于充電，不額外向電網(wǎng)放電。

情景2僅考慮共享電動汽車運營商參與調峰輔助服務市場，不參與碳交易市場，此時電動汽車運營商無法獲得碳配額約束下的碳交易收入。

情景3考慮共享電動汽車運營商同時參與碳交易市場與調峰輔助服務市場的優(yōu)化調度，即在滿足運營商日運營成本最小的前提下對電動汽車電池存儲倉庫充放電功率進行優(yōu)化。

在3 種情景下，電動汽車運營商的日運營成本對比以及存儲倉庫充放電功率分別如圖5和6 所示。

圖5 3 種不同情景下的運營成本比較Figure 5 Comparison of operating costs under three diffierent scenarios

本文的電動汽車運營商日運營成本由用電成本、電池損耗成本、向電網(wǎng)提供輔助調峰服務收入以及碳交易收入構成。若某一時間段內(nèi)運營成本小于0，則說明運營商正處于盈利狀態(tài)；反之，若運營成本大于0，則說明企業(yè)正處于虧損狀態(tài)。通過圖5 可知，在經(jīng)濟收益方面，情景1 和3 中碳交易收入的引入能使運營商日運營成本下降，大大補貼了企業(yè)的用電成本以及電池損耗成本。對比而言，在情景2 中僅參與調峰市場的運營商因失去了這部分收入而使其每個時段的運營成本大大增加。然而，在情景1 中，共享電動汽車在負荷高峰期不參與向電網(wǎng)釋放電力的服務，致使在某些用電高峰期如18:00-21:00 間的運營商運營成本遠高于情景3。

圖6 是在3 種不同情景下電池存儲倉庫總充放電功率統(tǒng)計圖。由于情景1 中共享電動汽車電池沒有參與電網(wǎng)放電調度，電池存儲倉庫無法將存儲的多余電量通過調峰輔助行為釋放電力進入電網(wǎng)，因此在谷時、平時、峰時的充放電功率都為正數(shù)。情景2 中電動汽車電池參與電網(wǎng)調度，電池會通過放電行為緩解用電高峰，但是這種行為也會造成電池損耗，增加運營成本，同時由于未參與碳交易市場，失去了由碳交易市場下所獲得的碳交易收入，放電功率相較于情景3 來說變小了。然而，在情景3 下，僅以運營商日運營成本最小化為目標優(yōu)化得到的電網(wǎng)負荷峰谷差較大，所以還需要下層模型來平緩電網(wǎng)負荷的峰谷差。

圖6 3 種不同情景下電池充放電功率統(tǒng)計圖Figure 6 Statistics of battery charge and discharge power under three diffierent scenarios

在使用情景3 的前提下，電動汽車電池在各時刻的充放電功率與電價如圖7 所示。上層模型中，電動汽車運營商以每日運營成本最小化為目標，自主選擇參與調峰輔助服務市場，將自身負荷轉移到電價低谷期。綜合圖4 和7 可知，在22:00 至次日10:00 時間內(nèi)，電網(wǎng)基礎負荷處于低谷期，且風力、火電、光伏輸出也較低，此時電動汽車通過充電來消納過剩電能。在11:00-13:00 這3 個時段，基礎負荷逐漸升高，同時火電、光伏發(fā)電也達到峰值，此時電動汽車通過放電滿足負荷需求，同時在電價處于峰值時放電能降低日運營成本。在14:00-17:00 這4個時段，除風力負荷外，其余電力負荷驟然下降，因此電動汽車可以通過繼續(xù)充電消納過剩電量，同時為接下來的另一個電力負荷高峰做好放電準備。在18:00-21:00 這4 個時段，電網(wǎng)基礎負荷迎來了峰值，用電需求陡然增加，為此電動汽車通過持續(xù)放電來滿足用電需求，同時維持系統(tǒng)功率平衡。由此證明了本文所提出模型的合理性。

圖7 電池充放電功率與電價Figure 7 Battery charge and discharge power and electricity price

考慮到共享電動汽車在行駛過程中消耗的電力為二次能源，不會產(chǎn)生碳排放，且假設充電過程中風力發(fā)電與光伏發(fā)電均不產(chǎn)生碳排放，唯一的碳排放來源來自于火電出力，因此共享電動汽車運營商所產(chǎn)生的碳排放量與火電機組發(fā)電功率有關。而對于傳統(tǒng)燃油汽車來說，由于其所需要的燃料汽油本身含碳，因此在行駛過程中會產(chǎn)生碳排放，此時燃油汽車運營商所產(chǎn)生的碳排放量與燃油汽車行駛里程數(shù)有關?，F(xiàn)假設燃油汽車行駛單位公里的碳排放量為141.7 g，共享電動汽車消耗1 kW·h 電量可以行駛0.5 km。比較在行駛相同里程數(shù)下電動汽車所需要的電量在電網(wǎng)中由火電出力所產(chǎn)生的碳排放量與燃油汽車在行駛過程中所產(chǎn)生的碳排放量，以Δt=1 h 為時間間隔進行計算，最終計算結果如圖8 所示。

圖8 不同運營商在相同時間間隔下所產(chǎn)生的碳排放量對比Figure 8 Comparison of carbon emissions generated by diffierent operators at the same time interval

為了更直觀地比較在一個運營周期內(nèi)共享電動汽車運營商所產(chǎn)生的碳排放量與燃油汽車運營商的差值大小，將比較結果繪制成了一個餅圖，如圖9 所示?？梢姡谝粋€運營周期內(nèi)共享電動汽車運營商的碳排放量比燃油汽車運營商少了近25 kg，說明電動汽車的推廣是響應國家“雙碳”政策的，是未來需要重點推行的出行方式。

圖9 一個運營周期內(nèi)不同運營商的碳排放量對比Figure 9 Comparison of carbon emissions from diffierent operators over one operating cycle

本文采用了雙層優(yōu)化模型，優(yōu)化結果如圖10 所示。上層階段僅考慮以電動汽車運營商日運營成本最小化為目標，致使得到的配電網(wǎng)總負荷峰谷差值相差較大，所以考慮下層優(yōu)化，在保持運營商日運營成本不變的前提下減少電網(wǎng)負荷峰谷差。具體而言，在18:00-21:00 時，電網(wǎng)處于負荷高峰時段，下層優(yōu)化的結果顯著降低了電網(wǎng)負荷，在一個調度周期內(nèi)負荷分配更加均勻。由此可見，本文提出的碳排放規(guī)制下的共享汽車電池充放電雙層優(yōu)化模型能夠有效減小電網(wǎng)負荷波動，同時又能保護電動汽車運營商的利益。

圖10 雙層配電網(wǎng)總負荷曲線Figure 10 Total load curve of two-layer distribution network

此外，為了比較電動汽車運營商在參與入網(wǎng)程度不同時的優(yōu)化結果，以參與度為30%、70% 和100% 進行對比，對比結果如表3 所示，可以看出：當參與度為30% 時，電動汽車運營商參與放電調度程度較低，此時負荷峰谷差與負荷方差都較大，說明此時并沒有起到較好的“削峰填谷”作用，且運營成本為正，即此時運營商處于虧損狀態(tài)。隨著電動汽車運營商參與度的提升，負荷方差與負荷峰谷差在逐步減小，說明電動汽車運營商對配電網(wǎng)的調節(jié)能力在不斷提高，且運營成本由正轉為負，說明運營商收益也在逐漸增加。由此分析可知，若運營商參與度越高，則電網(wǎng)的負荷波動越低，運營成本越低，收益越高，也進一步證明了本文所提出的電動汽車入網(wǎng)行為即參與調峰輔助服務市場的有效性。

表3 電動汽車運營商不同參與度下的結果對比Table 3 Comparison of results under diffierent participation degrees of electric vehicle operators

4 結語

基于換電模式的共享電動汽車是未來發(fā)展所趨，是一個重要研究方向[27]。本文針對電網(wǎng)負荷壓力大及調峰難等問題，對共享模式下的電動汽車運營商開展研究，提出了碳交易規(guī)制下的共享汽車電池充放電的雙層優(yōu)化模型，通過使用CPLEX 求解器進行優(yōu)化求解，驗證了文中所提出的優(yōu)化策略可以在滿足用戶使用共享電動汽車的需求下降低運營商日運營成本，同時又能減輕電網(wǎng)負荷波動，這對電動汽車入網(wǎng)具有一定的借鑒意義。目前，本文僅考慮了電動汽車的充放電策略對電網(wǎng)的影響，并未考慮到電動汽車入網(wǎng)順序對電網(wǎng)負荷的影響。在接下來的工作中，應該要考慮到電動汽車有序充電和無序充電對碳排放量的影響以及對電網(wǎng)負荷的影響程度。此外，隨著未來共享電動汽車使用程度增加，規(guī)模擴大，在電動汽車運營商與發(fā)電商之間必然會出現(xiàn)博弈，進而影響兩者間的出清電價，這些都將在后續(xù)研究中更加深入地展開。