随着“双碳”战略目标的提出与交通电气化进程的推进，大规模电动汽车成为支撑新型电力系统安全经济运行的重要需求侧灵活性资源。2021年10月，工业和信息化部印发《关于启动开云(中国)Kaiyun汽车换电模式应用试点工作的通知》，在北京等8个城市综合试点，计划推广换电车辆10万辆以上，建立换电站1000座以上。然而，在换电模式下充换电系统面向大规模换电汽车的高并发动态接入，需要同时考虑车辆换电、电池充电、电池物流等多重耦合决策问题，而传统充换电调度算法往往难以同时适配多重复杂耦合决策和大规模高并发动态接入需求。因此，亟需明晰多重复杂耦合约束下的多维最优控制决策机理，提出适应大规模电动汽车接入的充换电系统优化调度算法，进一步提高电力-交通网运行效益。

丁肇豪老师课题组针对换电模式下存在的相关问题，研究了大规模充换电系统的实时优化调度问题。综合考虑车辆装卸电池、电池充电、以及电池运输路径规划等多维复杂耦合约束，使用分布式部分可观马尔可夫决策（Dec-POMDP）框架进行建模，提出了融合多智能体深度强化学习（VDN、VDAC等算法）和经典整数规划的调度决策算法，实现了充换电系统实时优化决策。本研究所提出的VDN-BLP算法，将联合调度过程中动态变化的硬约束使用二进制整数规划嵌入到值分解网络中，解决了现有多智能体深度强化学习算法无法高效解决动态硬约束的难题，将计算效率提升25%以上，平均收益提升19.24%，实现了通过电价引导充电站决策进行需求侧响应，促进了电力-交通网协同优化高效运行，为新型电力系统建设提供关键支撑。

图1.面向大规模换电需求的充-换电系统决策框架

图2. 融合多智能体强化学习和整数规划的调度决策算法

图3.单日充电价格和充电负荷

 图4.电池物流调度决策

2022年6月，该研究工作的系列成果《Real-Time Operation Management for Battery Swapping-Charging System via Multi-Agent Deep Reinforcement Learning》和《Quality-of-Service Aware Battery Swapping Navigation and Pricing for Autonomous Mobility on Demand System》相继分别发表在行业顶级期刊IEEE Transactions on Smart Grid和IEEE Transactions on Industrial Informatics上。该研究还得到了国家重点研发计划、国家自然科学基金、中国科协青年人才托举等项目资助，并正与法电华朴在海南开展试点应用探索。

初审：李何筱

复审：张 洪

审核：彭跃辉