為了優(yōu)化電力市場(chǎng)中新能源汽車(chē)充電場(chǎng)站樁群的聚合交易策略，本文提出了動(dòng)態(tài)分層優(yōu)化策略。首先，通過(guò)市場(chǎng)架構(gòu)分析確定樁群聚合商的市場(chǎng)準(zhǔn)入條件和交易品種；其次，利用日前優(yōu)化和實(shí)時(shí)調(diào)整兩層模型，基于長(zhǎng)短期記憶網(wǎng)絡(luò)（LSTM）預(yù)測(cè)和混合整數(shù)線(xiàn)性規(guī)劃（MILP）進(jìn)行策略制定，同時(shí)引入模型預(yù)測(cè)控制（MPC）以應(yīng)對(duì)實(shí)時(shí)市場(chǎng)的波動(dòng)。結(jié)果表明，該策略能有效平抑電網(wǎng)負(fù)荷波動(dòng)，提升經(jīng)濟(jì)效益和用戶(hù)滿(mǎn)意度，以期為新能源汽車(chē)充電場(chǎng)站樁群在電力市場(chǎng)中的聚合交易提供科學(xué)合理的決策參考。

新能源汽車(chē)規(guī)模迅速擴(kuò)張，充電場(chǎng)站無(wú)序充電加重電網(wǎng)負(fù)荷波動(dòng)，場(chǎng)站單獨(dú)參與電力市場(chǎng)議價(jià)能力不強(qiáng)，聚合交易優(yōu)化策略協(xié)調(diào)多樁群充電規(guī)劃，依據(jù)電力市場(chǎng)價(jià)格信號(hào)和電網(wǎng)運(yùn)轉(zhuǎn)需求，動(dòng)態(tài)調(diào)節(jié)充放電功率，達(dá)成峰谷電價(jià)差套利，獲得輔助服務(wù)收益并提高電網(wǎng)穩(wěn)定性。憑借智能算法預(yù)估負(fù)荷和電價(jià)，利用車(chē)網(wǎng)互動(dòng)技術(shù)，優(yōu)化資源分配效率，削減運(yùn)營(yíng)成本，有助于雙碳目標(biāo)下新能源消納和電力市場(chǎng)變革深入，成為推進(jìn)交通－能源交融發(fā)展的重要方向。

一、電力市場(chǎng)環(huán)境下的樁群聚合交易機(jī)制

（一）市場(chǎng)架構(gòu)分析

電力市場(chǎng)由現(xiàn)貨市場(chǎng)、 輔助服務(wù)市場(chǎng)與容量市場(chǎng)共同組成，每個(gè)市場(chǎng)都有自己的運(yùn)作規(guī)則和準(zhǔn)入條件。電力現(xiàn)貨市場(chǎng)的交易往往以小時(shí)或者十五分鐘為單位，價(jià)格依據(jù)市場(chǎng)供求狀況即時(shí)波動(dòng)[1]，輔助服務(wù)市場(chǎng)給電力體系供應(yīng)不可或缺的輔助服務(wù)，包含調(diào)頻、調(diào)壓等，它的交易準(zhǔn)則要求參與者迅速回應(yīng)頻率信號(hào)或者電壓變動(dòng)。容量市場(chǎng)保證電網(wǎng)在將來(lái)一段時(shí)間內(nèi)具備充足的發(fā)電能力，參與者通過(guò)長(zhǎng)期競(jìng)拍獲取穩(wěn)定收益。樁群聚合商屬于市場(chǎng)參與者，它進(jìn)入市場(chǎng)要具備一些條件，比如要有一定規(guī)模的聚合能力，掌握有效的負(fù)荷預(yù)測(cè)技術(shù)，還要有穩(wěn)定可靠的設(shè)備參數(shù)。在實(shí)際交易的時(shí)候，樁群聚合商靠協(xié)調(diào)充放電策略來(lái)參加很多種市場(chǎng)交易種類(lèi)。在現(xiàn)貨市場(chǎng)里，可以根據(jù)電價(jià)波動(dòng)去動(dòng)態(tài)改變充電功率。在輔助服務(wù)市場(chǎng)當(dāng)中，可以用電動(dòng)車(chē)電池提供調(diào)頻服務(wù)，而在容量市場(chǎng)之中，依據(jù)長(zhǎng)時(shí)間的負(fù)荷預(yù)測(cè)，給出穩(wěn)定的容量出力曲線(xiàn)。

（二）樁群資源聚合特性

在城市交通流量高峰時(shí)段，早7：00～9：00，晚5：00～7：00之間，電動(dòng)運(yùn)營(yíng)車(chē)輛處于運(yùn)營(yíng)狀態(tài)，充電站負(fù)載相應(yīng)減??；深夜低谷階段，由于充電費(fèi)用低，需求顯著增多，而且城市各個(gè)區(qū)域，因?yàn)橛猛静煌潆娦枨笠灿胁顒e，商業(yè)區(qū)充電站工作日白天負(fù)載較大。住宅區(qū)充電站夜晚負(fù)載更為集中，時(shí)空分布特征給聚合商優(yōu)化戰(zhàn)略提供了關(guān)鍵數(shù)據(jù)參照，就可調(diào)控潛能而言，依靠有序充電控制技術(shù)，聚合商把高峰期負(fù)載挪到低谷期，緩解電網(wǎng)壓力，V2G技術(shù)使得電動(dòng)車(chē)電池在需求大的時(shí)候向電網(wǎng)反向送電，不但能被動(dòng)回應(yīng)電網(wǎng)需求，還能夠主動(dòng)參加市場(chǎng)調(diào)控，提高資源配置效益，增進(jìn)經(jīng)濟(jì)收益[2]。但是電動(dòng)車(chē)到達(dá)時(shí)間、充電時(shí)長(zhǎng)、SOC狀態(tài)有著隨機(jī)特性，利用概率模型來(lái)描繪用戶(hù)行為分布特點(diǎn)是可行的，某個(gè)城市早高峰時(shí)段百分之七十的車(chē)輛SOC不足40%，充電時(shí)長(zhǎng)大致在1.5小時(shí)至2小時(shí)這個(gè)區(qū)間，經(jīng)過(guò)對(duì)不確定因素的統(tǒng)計(jì)剖析，聚合商就能較好地?cái)M定充放電方案，縮減誤差，增進(jìn)總體收益。

（三）交易模式設(shè)計(jì)

目前市場(chǎng)上聚合商根據(jù)過(guò)往的數(shù)據(jù)和負(fù)載預(yù)估，預(yù)先設(shè)定充放電方案，并以出力曲線(xiàn)的樣式提交上去，依靠完善的預(yù)估模型，例如長(zhǎng)短期記憶網(wǎng)絡(luò)（LSTM）配合真實(shí)的充電過(guò)往數(shù)據(jù)，預(yù)估之后一天的負(fù)載分配和電價(jià)走向，通過(guò)事先安排低峰期充電和高峰期放電，聚合商能用更低的成本得到能源，提升市場(chǎng)效益。

在即時(shí)市場(chǎng)上，實(shí)際負(fù)荷常常會(huì)和預(yù)測(cè)出現(xiàn)偏離，所以聚合商會(huì)憑借超短期負(fù)荷預(yù)測(cè)來(lái)動(dòng)態(tài)地調(diào)整投標(biāo)策略，而且運(yùn)用儲(chǔ)能系統(tǒng)和備用容量可以均衡風(fēng)險(xiǎn)，一旦實(shí)時(shí)負(fù)荷超過(guò)預(yù)測(cè)數(shù)值，儲(chǔ)能系統(tǒng)就可以迅速補(bǔ)充電力，維持市場(chǎng)投標(biāo)的履約能力。如果實(shí)時(shí)電價(jià)比預(yù)想的低，那就適度加大充電量來(lái)獲取套利機(jī)會(huì)。

二、多目標(biāo)優(yōu)化模型構(gòu)建

（一）目標(biāo)函數(shù)

1.經(jīng)濟(jì)效益最大化

經(jīng)濟(jì)效益最大化目標(biāo)旨在通過(guò)電力市場(chǎng)交易實(shí)現(xiàn)充電場(chǎng)站樁群運(yùn)營(yíng)收益的最大化。其數(shù)學(xué)表達(dá)式為：

公式（1）中，表示場(chǎng)站在時(shí)段t以?xún)r(jià)格向電網(wǎng)放電獲得的收入。表示場(chǎng)站在時(shí)段t以?xún)r(jià)格從電網(wǎng)購(gòu)電的成本。

電力市場(chǎng)通常采用分時(shí)電價(jià)或?qū)崟r(shí)電價(jià)，峰谷價(jià)差可達(dá)2～3倍。例如，在用電低谷時(shí)段（如夜間），較低，場(chǎng)站可集中充電；在高峰時(shí)段，較高，場(chǎng)站通過(guò)放電獲取套利收益。

在充放電功率約束方面，和需滿(mǎn)足充電樁物理限制（如單樁功率、最大充放電速率）及電池安全性約束（如SOC范圍）。例如，某充電樁額定功率為60kW，則其充放電功率需在0～60kW之間動(dòng)態(tài)調(diào)整。

運(yùn)營(yíng)成本包含設(shè)備折舊、人力管理、平臺(tái)運(yùn)維等固定成本，及與充放電功率相關(guān)的變動(dòng)成本（如電能損耗、電池衰減成本）。例如，電池循環(huán)充放電會(huì)導(dǎo)致容量衰減，需通過(guò)壽命模型量化長(zhǎng)期成本。

根據(jù)上述討論優(yōu)化方向有以下幾個(gè)方面：

（1）價(jià)格響應(yīng)策略：在實(shí)時(shí)市場(chǎng)中，當(dāng)gt;時(shí)，優(yōu)先放電；反之則充電。

（2）峰谷套利：利用日前市場(chǎng)預(yù)測(cè)電價(jià)，制定跨時(shí)段充放電計(jì)劃。例如，在電價(jià)低谷時(shí)段（0：00～6：00）低價(jià)儲(chǔ)電，在高峰時(shí)段（10：00～12：00）高價(jià)售出。

（3）多市場(chǎng)協(xié)同：在輔助服務(wù)市場(chǎng)中，通過(guò)快速響應(yīng)電網(wǎng)調(diào)頻信號(hào)獲取額外收益，進(jìn)一步增加總收入。

2. 電網(wǎng)負(fù)荷方差最小化

電網(wǎng)負(fù)荷方差最小化目標(biāo)通過(guò)平滑充電場(chǎng)站從電網(wǎng)吸收的功率曲線(xiàn)，降低電網(wǎng)調(diào)節(jié)壓力。其數(shù)學(xué)表達(dá)式為：

公式（2）中，負(fù)荷波動(dòng)量化為場(chǎng)站與電網(wǎng)交互的凈功率。為時(shí)段內(nèi)的平均負(fù)荷。通過(guò)調(diào)整充放電功率，使各時(shí)段負(fù)荷接近平均值，避免極端峰值對(duì)電網(wǎng)的沖擊。

3.目標(biāo)函數(shù)權(quán)重與權(quán)衡

實(shí)際優(yōu)化中，需通過(guò)權(quán)重系數(shù)平衡兩個(gè)目標(biāo)，即

綜合目標(biāo)=α·經(jīng)濟(jì)效益－β·負(fù)荷方差

權(quán)重選擇α和β反映聚合商的優(yōu)先級(jí)。例如，在電網(wǎng)緊急狀態(tài)下，可適當(dāng)增大β以強(qiáng)化負(fù)荷平滑效果。權(quán)重可根據(jù)市場(chǎng)規(guī)則、電網(wǎng)運(yùn)行狀態(tài)實(shí)時(shí)更新。如在可再生能源高波動(dòng)時(shí)段，提升負(fù)荷方差目標(biāo)的權(quán)重。

（二）約束條件

在多目標(biāo)優(yōu)化模型當(dāng)中，設(shè)定約束條件很關(guān)鍵，這可以保證解的物理可行，經(jīng)濟(jì)合理，市場(chǎng)合規(guī)。

首先，電網(wǎng)運(yùn)行約束。樁群聚合交易的運(yùn)行與電網(wǎng)直接相連，要滿(mǎn)足電網(wǎng)運(yùn)行的技術(shù)限定。電壓約束要求節(jié)點(diǎn)電壓保持在規(guī)定區(qū)間，通常處于0.95～1.05倍額定電壓之間，某個(gè)節(jié)點(diǎn)電壓若超出該范圍，或許造成設(shè)備損壞或者供電質(zhì)量出現(xiàn)問(wèn)題，線(xiàn)路潮流約束表明線(xiàn)路的功率流不得超越其熱容量極限，某條線(xiàn)路額定輸送容量為100MW時(shí)，實(shí)際潮流達(dá)到120MW就可能致使線(xiàn)路過(guò)熱乃至斷線(xiàn)，頻率調(diào)節(jié)約束意味著電網(wǎng)頻率需穩(wěn)定在額定值周邊50Hz，頻率波動(dòng)超出規(guī)定范圍會(huì)干擾用電設(shè)備的正常運(yùn)轉(zhuǎn)。

其次，樁群的物理約束。每個(gè)充電樁都有自己的技術(shù)參數(shù)限制，充電功率的上下限往往由設(shè)備規(guī)格決定，某型快充樁的充電功率范圍就在50kW到150kW之間，超出這個(gè)范圍就可能造成設(shè)備過(guò)載或者產(chǎn)生安全隱患，電池SOC范圍同樣是個(gè)重要的限制條件，要想延長(zhǎng)電池使用壽命并滿(mǎn)足車(chē)輛行駛需求，就得讓電池SOC保持在20%～90%之間運(yùn)行，充放電效率的約束還會(huì)涉及電能轉(zhuǎn)換的損耗，典型電池的充放電效率大概在90%～95%左右，在優(yōu)化的時(shí)候，一定要確保調(diào)度策略下功率輸出和電池狀態(tài)符合物理限制[3]。

最后，市場(chǎng)規(guī)則制約。電力市場(chǎng)有清楚的交易規(guī)則和合約條款，投標(biāo)容量限制意味著聚合商在市場(chǎng)上申報(bào)的充電功率不得超出其實(shí)際可用容量，某個(gè)樁群的總額定功率為1MW，投標(biāo)功率就得在這個(gè)范圍之內(nèi)，響應(yīng)速度需求表明市場(chǎng)參與者要在限定時(shí)間內(nèi)回應(yīng)調(diào)度指令，頻率調(diào)節(jié)市場(chǎng)要求在幾秒鐘到數(shù)分鐘內(nèi)迅速調(diào)整充放電功率，結(jié)算機(jī)制制約規(guī)定了市場(chǎng)交易的結(jié)算規(guī)則和價(jià)格清算周期，聚合商的策略要在符合實(shí)時(shí)結(jié)算和結(jié)算電價(jià)波動(dòng)的情況下進(jìn)行優(yōu)化。

三、動(dòng)態(tài)分層優(yōu)化策略

（一）日前優(yōu)化層

樁群聚合交易時(shí)，日前優(yōu)化層會(huì)提前預(yù)測(cè)第二天的充電需求和電價(jià)，然后向日前市場(chǎng)提交更為精準(zhǔn)的充放電方案，這樣就能提高市場(chǎng)收益，給后續(xù)的實(shí)時(shí)調(diào)整奠定穩(wěn)固的基礎(chǔ)。

優(yōu)化層依靠長(zhǎng)短期記憶網(wǎng)絡(luò)（LSTM）去預(yù)測(cè)充電需求和電力價(jià)格，LSTM是有著時(shí)間序列記憶能力的深度學(xué)習(xí)模型，該模型憑借挖掘歷史數(shù)據(jù)里的時(shí)序規(guī)律，精準(zhǔn)抓住充電需求的起伏和價(jià)格變動(dòng)的趨向，某個(gè)城市的充電站數(shù)據(jù)顯示，工作日和周末的充電需求分配明顯不同，工作日早高峰的需求量平均是2000kWh，周末是1500kWh，電價(jià)在工作日白天高峰期也許會(huì)達(dá)到0.8元/kWh，夜里低谷時(shí)段常常是0.3元/kWh。LSTM經(jīng)過(guò)學(xué)習(xí)這些歷史數(shù)據(jù)，推測(cè)出第二天不同時(shí)段的需求和價(jià)格，從而給出優(yōu)化供應(yīng)高品質(zhì)的輸入?yún)?shù)。根據(jù)預(yù)測(cè)結(jié)果，日前優(yōu)化層利用混合整數(shù)線(xiàn)性規(guī)劃（MILP）制造基準(zhǔn)運(yùn)行計(jì)劃。MILP屬于標(biāo)準(zhǔn)的優(yōu)化建模方法，適用于處理含整數(shù)變量像充電樁啟停狀態(tài)和連續(xù)變量像充電功率這樣的優(yōu)化問(wèn)題。在MILP模型里，目標(biāo)函數(shù)一般是讓總收益實(shí)現(xiàn)最大化，約束條件涵蓋充電樁的功率上下限，電池SOC范圍以及市場(chǎng)規(guī)則等。如果預(yù)測(cè)到第二天白天電價(jià)為0.6元/kWh，夜間電價(jià)為0.4元/kWh，某個(gè)樁群的總充電容量為10MWh，MILP就能算出在低谷電價(jià)時(shí)段集中充電，然后在高峰時(shí)段合理放電，從而獲取最大的價(jià)格差收益[4]，而且MILP的求解結(jié)合實(shí)際場(chǎng)景里更多的數(shù)據(jù)，比如不同區(qū)域充電站的地理分布，車(chē)輛到站時(shí)間分布等，從而進(jìn)一步提升基準(zhǔn)運(yùn)行計(jì)劃的精確性。

（二）實(shí)時(shí)調(diào)整層

實(shí)時(shí)調(diào)整層在電力市場(chǎng)里是應(yīng)對(duì)價(jià)格波動(dòng)、需求變化的重要手段，它采用超短期滾動(dòng)優(yōu)化機(jī)制，持續(xù)修正日前計(jì)劃，使得運(yùn)行策略變得更為靈活、精準(zhǔn)，尤其是引入模型預(yù)測(cè)控制（MPC）以后，聚合商根據(jù)最新的市場(chǎng)價(jià)格、負(fù)荷預(yù)測(cè)數(shù)據(jù)，在各個(gè)優(yōu)化窗口內(nèi)、動(dòng)態(tài)地調(diào)整充放電策略，這樣就達(dá)成了經(jīng)濟(jì)效益、系統(tǒng)穩(wěn)定性的雙重提高。

MPC在每一輪滾動(dòng)周期內(nèi)都會(huì)采用最新的電力市場(chǎng)價(jià)格、充電需求以及電池狀態(tài)的數(shù)據(jù)。比如SOC數(shù)據(jù)，以此來(lái)預(yù)測(cè)未來(lái)一段時(shí)間內(nèi)的系統(tǒng)運(yùn)行情況，進(jìn)而制定出最理想的充放電方案。假定一個(gè)標(biāo)準(zhǔn)的優(yōu)化時(shí)間跨度為15分鐘，那么MPC就可以在10：00這個(gè)時(shí)間段的末尾數(shù)分鐘依據(jù)即時(shí)價(jià)格預(yù)估出10：00－10：15之間最為合適的充放電策略，然后在下一個(gè)優(yōu)化區(qū)間也就是10：15時(shí)再次調(diào)整。在實(shí)際執(zhí)行過(guò)程當(dāng)中，聚合商會(huì)經(jīng)常設(shè)定電價(jià)臨界值來(lái)引導(dǎo)充放電策略，如果即時(shí)電價(jià)超過(guò)預(yù)先設(shè)定的臨界值，那就首先考慮放電從而獲取高價(jià)位帶來(lái)的利益。要是即時(shí)電價(jià)比臨界值低，那就加大充電量從而削減成本。打個(gè)比方說(shuō)，假如聚合商設(shè)定的臨界值是0.5元/kWh時(shí)，當(dāng)市場(chǎng)價(jià)格在10：00－10：15間上升到0.6元/kWh時(shí)，MPC馬上就會(huì)更改策略增大放電功率，從而實(shí)現(xiàn)收益的最大化。 要是價(jià)格在11：00－11：15間降至0.3元/kWh，MPC就會(huì)提高充電量，為接下來(lái)的高價(jià)時(shí)段做好準(zhǔn)備，不斷滾動(dòng)優(yōu)化之后，MPC可以及時(shí)抓住市場(chǎng)時(shí)機(jī)，而且可以減小由于預(yù)估錯(cuò)誤或者負(fù)載變動(dòng)而產(chǎn)生的偏離成本。此外，MPC還可以把體系狀態(tài)約束當(dāng)作優(yōu)化環(huán)節(jié)的一環(huán)，當(dāng)電池電量快達(dá)到最大值時(shí)，體系會(huì)削減充電功率，快要低于最小值時(shí)，就先充電來(lái)保證后面能用。

（三）分布式協(xié)同機(jī)制

多場(chǎng)站聚集起來(lái)的場(chǎng)景很復(fù)雜，想要達(dá)到高效協(xié)同并找出最理想的答案，可選擇基于交替方向乘子法，也就是ADMM的分布式算法。這個(gè)框架里面，每個(gè)充電場(chǎng)站都能單獨(dú)去解決自身的優(yōu)化小問(wèn)題，靠著全局協(xié)調(diào)變量來(lái)達(dá)成整體上的一致，最后反復(fù)運(yùn)算直到得出全球范圍內(nèi)的最佳答案。

ADMM把全局優(yōu)化問(wèn)題分成很多個(gè)子問(wèn)題，每個(gè)子問(wèn)題只和它的本地?cái)?shù)據(jù)有關(guān)，某個(gè)充電場(chǎng)站要優(yōu)化自己的充放電計(jì)劃，限制條件包含這個(gè)場(chǎng)站內(nèi)充電樁的功率上限下限，SOC范圍和站點(diǎn)本身的負(fù)荷預(yù)估等。利用ADMM，各個(gè)場(chǎng)站能夠獨(dú)立進(jìn)行這些運(yùn)算，不用和別的場(chǎng)站分享敏感信息，這樣既能保護(hù)隱私又能減少計(jì)算復(fù)雜程度。ADMM在每次迭代時(shí)借助全局協(xié)調(diào)變量，比如總充放電功率，來(lái)逐步統(tǒng)一各個(gè)子問(wèn)題的解答。如果樁群聚合的目的在于把總負(fù)荷波動(dòng)率限制在某一閾值之下，實(shí)現(xiàn)總收益最大，協(xié)調(diào)變量就會(huì)整合所有場(chǎng)站的充放電方案成為一項(xiàng)綜合指標(biāo)，然后反饋給各個(gè)場(chǎng)站展開(kāi)新一輪的調(diào)整，這個(gè)迭代流程在數(shù)學(xué)方面可逐漸趨向于全局最優(yōu)解[5]。

ADMM分布式協(xié)同機(jī)制具備多方面優(yōu)點(diǎn)。其一，各場(chǎng)站只需處理本地?cái)?shù)據(jù)，計(jì)算任務(wù)被分割成許多小部分，單個(gè)節(jié)點(diǎn)的計(jì)算壓力大幅減輕；其二，這個(gè)機(jī)制不必集中儲(chǔ)存全部場(chǎng)站的數(shù)據(jù)，從而降低了數(shù)據(jù)泄漏的危險(xiǎn)；其三，ADMM的收斂性和穩(wěn)定性促使它在分布式環(huán)境下運(yùn)作穩(wěn)定，特別是在實(shí)際樁群規(guī)模龐大、站點(diǎn)分布廣泛的狀況下效果更佳。

四、結(jié)語(yǔ)

綜上所述，本文探討了電力市場(chǎng)中新能源汽車(chē)充電場(chǎng)站樁群的聚合交易優(yōu)化策略，建立起多目標(biāo)優(yōu)化模型，提出動(dòng)態(tài)分層優(yōu)化策略，促使經(jīng)濟(jì)效益、電網(wǎng)穩(wěn)定性、用戶(hù)滿(mǎn)意度得到全面提高。未來(lái)，伴隨著新能源汽車(chē)數(shù)量的繼續(xù)增長(zhǎng)、電力市場(chǎng)的逐漸深入、聚合交易優(yōu)化策略將會(huì)變成推進(jìn)交通－能源融合發(fā)展的重要途徑，為新能源消納和電力市場(chǎng)改革提供新的解決方案。

參考文獻(xiàn)

[1]段雙明，夏馗峰，朱微.考慮多種應(yīng)用場(chǎng)景的鋰離子電池多階優(yōu)化充電策略[J].儲(chǔ)能科學(xué)與技術(shù)，2025，14（2）：779-790.

[2]王月雷.基于Simulink的電動(dòng)汽車(chē)充電安全防護(hù)系統(tǒng)優(yōu)化策略[J].汽車(chē)維修技師，2024，（18）：34-35.

[3]孫冰，譙函霖，王子怡.社區(qū)新能源汽車(chē)充電管理的困境分析及優(yōu)化策略研究——以自貢市為例[J].汽車(chē)知識(shí)，2024，24（11）：14-16.

[4]鐘英群，劉晶，鄭培.基于進(jìn)化算法的鋰離子電池充電策略?xún)?yōu)化[J].汽車(chē)實(shí)用技術(shù)，2025，50（1）：13-19.

[5]梁延.新能源汽車(chē)充電基礎(chǔ)設(shè)施優(yōu)化布局與智能調(diào)度策略研究[J].汽車(chē)維修技師，2025，（2）：46-47.

[作者單位：正泰安能數(shù)字能源（浙江）股份有限公司]