Power Management of Microgrid Integrated with Electric Vehicles in Residential Parking Station
近来，住宅停车站中电动车辆（EV）数量的增加已成为重要问题，因为过多的EV数量会在高峰时段期间使电力系统不稳定，需要高充电功率。当住宅停车站的电力系统采用微电网（MG）结构时，为电动汽车提供电力需要高效的电力管理方案。为了最小化MG的维护成本并保持电网稳定性，MG需要平衡停车站中的EV的充电/放电功率。为了实现这些目标，本文提出了一种充电/放电算法，适用于与电动汽车配置的MG的电源管理。对MG进行多目标优化，以最小化维护成本和电网依赖性，同时最大化光伏（PV）功率的使用和电动汽车作为储能系统（ESS）的利用。在我们的方法中，为了增加电动汽车放电功率的有用性，基本负载和光伏发电被考虑在一起进行功率管理，以减轻它们之间产生的不平衡。因此，所提出的方法表现出优越的电源管理性能相比，其他可比的。
2021-12-06 cs.SY eess.SY
A Bayesian Perspective on Residential Demand Response Using Smart Meter Data
University of California, Berkeley（加州大学伯克利分校）
本文通过引入隐变量区分用户用电行为类型，提升短期负荷预测精度，并发现使用智能家电的用户在需求响应中减少用电量更显著。
2016-08-12 cs.SY eess.SY
A Statistical Modelling and Analysis of Residential Electric Vehicles' Charging Demand in Smart Grids
National University of Singapore（新加坡国立大学）
本文基于随机过程建立电动车无协调充电模型，通过模拟不同充电时间分布揭示长期电网升级需求，并引入自主需求响应技术以管理充电需求，实现电网负载平衡。
2014-08-11 cs.CE cs.SY eess.SY
Integrated Modeling and Forecasting of Electric Vehicles Charging Profiles Based on Real Data
本文基于500辆北美实测电动汽车数据，提出一种个体住宅多充电算法并推导概率函数，用于建模日常充电曲线，在准静态时间序列视角下评估大量电动汽车接入对配电网的影响。
2024-08-25 cs.SY eess.SY
Non Cooperative Game Theoretic Approach for Residential Energy Management in Smart Grid
需求侧管理（DSM）是智能电网的主要功能之一，因为它允许消费者调整其能量消耗以进行有效的能量管理。现有的需求侧管理技术大多以能源成本最小化为目标，而没有考虑用户的舒适度。因此，在这两个相互冲突的目标之间保持平衡仍然是一项具有挑战性的任务。提出了一种基于非合作博弈的居民用户需求侧管理新方法，通过智能电网运营商实施的动态电价政策，激励各参与方重塑其电力消费模式。玩家被引导选择最佳策略，包括安排他们的电器，以尽量减少日常能源成本和他们的不适程度。采用非排序遗传算法NSGA-II求解能源管理博弈的纳什均衡。仿真结果表明，分布式非合作博弈方法的有效性，住宅能源管理问题，其中一个可观的能源成本降低达到，同时保持在一个可接受的水平的不适。
2019-08-23 cs.SY eess.SY
Design of Fast Response Smart Electric Vehicle Charging Infrastructure
University of California, Los Angeles（加州大学洛杉矶分校）
本文提出一种通过本地收集电力信息并定期传输至控制中心，以缩短智能充电站响应时间的方案，解决本地电网电力不足问题。
2013-11-23 cs.SY eess.SY
Smart Charging Benefits in Autonomous Mobility on Demand Systems
在本文中，我们研究了智能充电的电动汽车（EV）提供自主移动按需（AMoD）服务的车队的潜在好处。我们首先考虑一个利润最大化的平台运营商，他根据网络流模型做出路线、收费、再平衡和乘车定价的决策。显然，这些决策中的每一个都直接影响车队的智能充电潜力;然而，在经典网络流模型下，不可能直接表征各种系统参数对智能充电的影响。因此，我们提出了一个建模的变化，使我们能够解耦的运营商所面临的充电和路由问题。这种变化使我们能够提供封闭形式的数学表达式，将充电成本与车辆的最大电池容量以及车队运营成本联系起来。我们发现，投资更大的电池容量和运营更多的车辆进行再平衡可以降低充电成本，同时增加车队运营成本。因此，我们研究了运营商面临的权衡，分析了最低成本的车队充电策略，并提供了数值结果，说明了智能充电的好处，运营商。
2019-09-17 cs.SY eess.SY
Communication-Free Distributed Charging Control for Electric Vehicle Group
针对居民区电动汽车无序充电致变压器过载、现有充电控制依赖通信的问题，提出无通信分布式充电控制方案，结合GMM基线估计与概率控制实现自主充电规划，经真实数据验证可降低通信故障后变压器过载概率。
2023-12-17 cs.SY eess.SY
A Sufficient Condition to Guarantee Non-Simultaneous Charging and Discharging of Household Battery Energy Storage
在这封信中，我们建模的一天前的价格为基础的需求响应的住宅家庭与电池储能和其他可控负载，作为一个凸优化问题。进一步使用对偶理论和Karush-Kuhn-Tucker最优性条件，我们推导出一个充分的标准，该标准保证电池能量存储的非同时充电和放电，而无需将其明确建模为约束
2021-04-13 cs.SY eess.SY
Smart Charging for Electric Vehicles: A Survey From the Algorithmic Perspective
McGill University（麦吉尔大学）
本文从算法角度综述了智能电网、聚合商和电动汽车之间的智能互动，探讨了协调充电的三大视角：电网导向、聚合商导向和用户导向，分析了相关算法及未来研究方向。
2016-07-22 cs.SY eess.SY
A Unified Residential Energy Cost Optimization Model for Smart Grid - Significance and Challenge
Carleton University（卡尔顿大学）
本文提出统一住宅能源成本优化模型，整合多个子模型以更贴近实际场景，分析群体行为及组件特性，解决微电网能源交易中的公平性问题，并探讨模型计算复杂度挑战。
2015-05-04 cs.SY eess.SY
Optimal Coordination and Discount Allocation in Residential Renewable Energy Communities with Smart Home Appliances
本文针对意大利法规下的住宅可再生能源社区，提出一种协调智能家电用电需求以最小化成员成本的最优管理策略，并引入公平折扣分配政策，仿真验证了其有效性。
2023-08-11 cs.SY eess.SY
Real-Time Electric Vehicle Smart Charging at Workplaces: A Real-World Case Study
我们研究了电动汽车（EV）在工作场所停车场的实时智能充电算法，以最大限度地减少电力成本，同时确保EV的所有者获得足够的充电水平。值得注意的是，由于现实世界的限制，我们的算法是不可知的充电状态和离开时间的电动汽车，并使用场景生成占每个电动汽车的未知的未来离开时间，以及确定性等效控制占未知的电动汽车在未来的到来。来自加利福尼亚州谷歌园区的真实充电数据使我们能够为一周中的每一天建立现实的充电需求模型。然后，我们将智能充电算法的各种结果与Google停车场两周的现状进行比较。
2022-03-14 cs.SY eess.SY
Short-Term Forecasting of Thermostatic and Residential Loads Using Long Short-Term Memory Recurrent Neural Networks
本文研究了智能电网中恒温负荷的物联网设备建模，构建了基于长短期记忆循环神经网络的短期负荷预测模型，并利用仿真平台和住宅数据集验证了其有效性。
2024-12-20 cs.SY eess.SY
Uncertainty quantification in load profiles with rising EV and PV adoption: the case of residential, industrial, and office buildings
本文研究了电动汽车和光伏并网对负荷曲线不确定性的影响，提出了一种量化不确定性指标的比较方法，发现同时考虑电动汽车和光伏可有效降低不确定性。
2025-12-01 cs.SY eess.SY
Field Testing of Residential Bidirectional Electric Vehicle Charger for Power System Applications
针对住宅双向电动汽车充电技术缺乏实测试的问题，本文开展家庭部署的双向EV充电器现场测试，开发支持静态设定点调度与自动负荷跟随的控制软件，实测响应6-8秒、准确率超99%，验证其参与多种电网服务的可行性。
2023-08-25 cs.SY eess.SY
Optimizing Software Defined Battery Systems for Transformer Protection
本文针对住宅电动汽车充电导致的变压器过载问题，提出基于虚拟化的电池共享优化方案，在保持房主控制权的同时实现成本最优，实验表明可降低56%电费和48%变压器老化。
2025-06-05 cs.SY eess.SY
Smart Online Charging Algorithm for Electric Vehicles via Customized Actor-Critic Learning
随着物联网技术的进步，电动汽车（EV）在日常生活中变得更容易调度，这正在重塑电力负荷曲线。设计高效的充电算法以减轻电动汽车充电对电网的负面影响是非常重要的。研究了在电动汽车到达时间、离开时间和充电需求等未来信息未知的情况下，以降低充电成本同时削峰填谷为目标的电动汽车充电调度问题.首先，我们制定了一个电动汽车充电问题，以尽量减少电费的电动汽车车队和研究电动汽车充电问题，在一个在线设置不知道未来的信息。我们开发了一种基于行动者-评论家学习的智能充电算法（SCA），以调度电动汽车充电对电动汽车充电行为的不确定性。SCA通过连续充电动作而不是充电的离散近似来学习最佳EV充电策略。我们进一步开发了一个计算效率更高的定制的演员-评论家学习收费算法（CALC），通过减少状态维，从而提高计算效率。最后，仿真结果表明，与随机充电算法、在线充电算法、基于RL的自适应能量管理算法相比，本文提出的SCA算法可使电动汽车的期望成本分别降低24.03%、21.49%、13.80%。CALC的计算效率更高，其性能接近SCA，成本仅为5.56%。
2021-06-01 cs.SY eess.SY
Demand Response Management For Power Throttling Air Conditioning Loads In Residential Smart Grids
Lahore University of Management Sciences（拉合尔管理科学大学）；Singapore University of Technology and Design（新加坡科技设计大学）
本文提出一种算法以减少住宅智能电网中空调使用带来的高峰负荷影响，通过模拟发现增加一个额外的电力状态可显著降低高峰负荷，但随着状态数增加，可减少的高峰负荷逐渐减少。
2014-08-06 cs.SY eess.SY
A Deployable Online Optimization Framework for EV Smart Charging with Real-World Test Cases
我们提出了一个可定制的在线优化框架，用于实时电动汽车智能充电，以便在真正的大型充电设施中轻松实施。值得注意的是，由于现实世界的限制，我们围绕3个主要需求设计了我们的框架。首先，智能充电策略可针对各种设施、基础设施、目标和约束条件进行部署和定制。第二，在线优化框架可以容易地修改为在有或没有用户输入能量请求量和/或出发时间估计的情况下操作，这允许我们的框架在具有单向通信的标准充电器或具有双向通信的较新充电器上实现。第三，我们的在线优化框架优于其他实时策略（包括先到先服务，最小松弛优先，最早截止日期优先等）。在多个真实世界的测试案例中，具有不同的目标。我们展示了我们的框架与两个现实世界的测试案例与收费会话数据来源于SLAC和谷歌在湾区的校园。
2022-07-23 cs.SY eess.SY
Temperature-Controlled Smart Charging for Electric Vehicles in Cold Climates
本文提出温控智能充电技术，通过分析电池热惯性和动态充电模型优化加热与充电协调，并设计加速算法，实现太阳能充电站成本降低12.5%--18.4%。
2025-01-02 cs.SY eess.SY
Smart Charging Impact Analysis using Clustering Methods and Real-world Distribution Feeders
The University of Alabama（阿拉巴马大学）；Argonne National Laboratory（阿贡国家实验室）
本文通过聚类方法分析智能充电策略对配电网的影响，采用时间序列稳态负荷流分析，评估TOU定价和负载平衡策略在不同电动车参与场景下的性能，证明负载平衡策略在高参与率下更有效。
2025-08-20 cs.SY eess.SY
Adaptive Charging Networks: A Framework for Smart Electric Vehicle Charging
我们描述了自适应充电网络（ACN）的架构和算法，该网络于2016年初首次部署在加州理工学院校园，目前在美国其他100多个站点运行。该架构可实现实时监控，并支持电动汽车（EV）大规模充电。ACN采用基于凸优化和模型预测控制的灵活的自适应调度算法，并允许电力基础设施的显著超额订购。我们描述了现实世界充电系统中的一些实际挑战，包括不平衡的三相基础设施，非理想的电池充电行为和量化的控制信号。我们演示了自适应调度算法如何处理这些挑战，并将其性能与最后期限调度文献中的基线算法进行比较，使用从加州理工学院ACN和准确的系统模型记录的真实工作负载。我们发现，在这些现实环境中，我们的调度算法可以将运营商的利润提高3.4倍，超过不受控制的充电，并且在高度拥挤的系统中提供能量时始终优于基线算法。
2020-12-04 cs.SY eess.SY
Behaviour-neutral Smart Charging of Plugin Electric Vehicles: Reinforcement learning approach
大功率电动汽车（EV）充电会由于高峰需求充电而显著增加充电成本。本文提出了一种新的充电算法，该算法利用通常长的插件会话为国内充电器，并降低了整体充电功率的升压充电的EV短时间内，其次是低功率充电的插件会话的其余部分。通过对EV过去的充电会话进行训练，使用强化学习来获得升压和低功率充电阶段的最佳参数。与一些先前的工作相比，所提出的算法不试图预测插件会话持续时间，如分析中所示，由于人类行为的性质，在实践中很难准确预测插件会话持续时间。相反，收费参数被直接控制，并且随着时间的推移透明地适应用户的收费行为。对来自22，731个国内充电站的310万个充电会话的英国数据集进行的性能评估表明，所提出的算法可以减少31%的总峰值。实验还证明了历史大小对学习行为的影响，并通过将该算法应用于特定的充电点的案例研究得出结论。
2022-06-23 cs.SY eess.SY
Mixed integer nonlinear programming for Joint Coordination of Plug-in Electrical Vehicles Charging and Smart Grid Operations
University of Technology Sydney（悉尼科技大学）；The University of New South Wales（新南威尔士大学）
本文提出利用混合整数非线性规划优化插电式电动汽车充电与电网调度，通过bang-bang策略降低充电和发电成本，抑制电动车集成影响。
2018-06-07 cs.SY eess.SY
Value of Bidirectional V2G Smart Charging Responsive Services: Insights from a Simple CA Model
本文采用弹性需求的粒子跳跃元胞自动机（CA）模型，研究了采用V2 G响应服务对插电式电动汽车（PEV）聚合器的增值作用。CA模型用于研究负载筛选响应进行修改，以捕获放电/充电能力的V2 G。然后分析CA的斜坡响应结果，以讨论V2 G响应服务对系统可控性的小贡献。
2022-09-14 cs.SY eess.SY
Electric Road Systems for Smart Cities: A Scalable Infrastructure Framework for Dynamic Wireless Charging
Manipal University Jaipur（贾伊普尔马尼帕尔大学）
本文提出了一种可扩展的电力道路系统框架，用于在车辆行驶过程中实现动态无线充电，通过整合感应充电线圈、实时车-基础设施通信和智能电网协调管理，提升电动汽车充电效率和电池寿命。
2026-04-18 cs.SY eess.SY
Protecting residential electrical panels and service through model predictive control: A field study
本文提出并实地验证了一种基于模型预测控制的住宅电流管理系统，通过动态调节热泵和热水器设定点，在100 A配电盘和供电服务限值内安全支持住宅电气化，避免昂贵升级并节省数千美元。
2025-02-05 cs.SY eess.SY
Impact of Dynamic Tariffs for Smart EV Charging on LV Distribution Network Operation
针对配电网中电动汽车占比提升带来的容量限制问题，构建荷兰低压配电网公共充电优化模型，评估不同约束与动态电价的效果，发现动态电网电价可降拥堵，V2G可实现多利益相关方联合最优。
2023-06-19 cs.SY eess.SY
Modelling of the Electric Vehicle Charging Infrastructure as Cyber Physical Power Systems: A Review on Components, Standards, Vulnerabilities and Attacks
本文综述了将电动汽车充电基础设施建模为信息物理系统的组件、标准、漏洞与攻击，旨在缓解充电站拥堵并支持无住宅充电设施的车主。
2023-11-15 cs.SY eess.SY
Charge Manipulation Attacks Against Smart Electric Vehicle Charging Stations and Deep Learning-based Detection Mechanisms
本文研究了针对智能电动汽车充电站的充电操纵攻击（CMAs），提出可绕过现有协议保护的攻击方法并量化其对聚合器经济利润的影响，同时设计了基于无监督深度学习的检测机制以应对此类安全威胁。
2023-10-18 cs.CR cs.SY eess.SY
Mobility-Aware Smart Charging of Electric Bus Fleets
我们研究的联合路线分配和充电调度问题的公交系统调度员操作的电动巴士车队，以最大限度地提高太阳能集成和降低能源成本。具体来说，我们考虑了一个复杂的公交系统，该系统具有预先存在的路线、有限的充电基础设施、有限数量的电动公交车以及随时间变化的电价。我们提出了一个混合整数线性规划（MILP），产生最小成本的每日运营策略的船队（即，使用每日太阳能预测的路线分配和充电时间表）。我们从斯坦福大学的玛格丽特班车（一个大规模的电动巴士车队）的现实世界的案例研究中提出的数值结果，以证明我们的解决方案的有效性，并强调显着的成本节约相比，现状。
2019-12-11 cs.SY eess.SY
Customer Engagement Plans for Peak Load Reduction in Residential Smart Grids
Lahore University of Management Sciences（拉合尔管理科学大学）；Singapore University of Technology and Design (SUTD)（新加坡科技设计大学）
本文提出并研究了通过电网运营商对客户负载设置进行干预以削减峰谷负荷的客户参与计划，提出了两种计划类型：恒定偏差计划和比例偏差计划，并探讨了其在不同客户需求下的适用性。
2015-02-13 cs.SY eess.SY
A Survey of Algorithms for Distributed Charging Control of Electric Vehicles in Smart Grid
电动汽车（EV）是内燃机汽车的环保替代品。尽管电动汽车具有环境效益，但预期的电动汽车扩散所带来的巨大电力需求可能危及电网的安全和经济运行。因此，适当的充电协调策略将是未来电网不可或缺的。协调的EV充电方案可以实现为集中式、分散式和分级系统，其中后两种称为分布式充电控制系统。本文回顾了分布式充电控制方案的最新文献，其中计算分布在多个电动汽车和/或聚合器。首先，我们对电动汽车充电的优化问题进行了分类，包括运营方面和成本方面。然后，在每个类别下，我们提供了一个全面的讨论分布式电动汽车充电调度算法，考虑到电网运营商，聚合器和电动汽车用户的角度。我们还讨论了如何在文献中提出的某些算法处理分布式电动汽车充电控制问题固有的各种不确定性。最后，我们概述了几个需要进一步关注的研究方向。
2019-11-15 cs.SY eess.SY
Data-Driven EV Charging Load Profile Estimation and Typical EV Daily Load Dataset Generation
针对电动汽车普及给配电网带来的负荷挑战，本文基于真实电表数据提出两种数据驱动的居民充电负荷估计方法，得到经校验的U型日充电曲线，可支撑电网主动规划。
2025-11-17 cs.SY eess.SY
Algorithmic Control Improves Residential Building Energy and EV Management when PV Capacity is High but Battery Capacity is Low
本研究利用90个家庭真实数据，发现深度强化学习在电池容量低时能显著改善产消者家庭的能源管理与成本节约，高电池容量下算法控制价值有限。
2025-05-26 cs.AI cs.LG cs.SY
Dynamic Incentive Strategies for Smart EV Charging Stations: An LLM-Driven User Digital Twin Approach
本文提出一种基于LLM多智能体框架的电动汽车需求响应系统，通过构建用户数字孪生精准预测充放电决策，并结合数据与知识驱动的动态激励机制优化车网交互，显著提升了负荷平衡、用户满意度与电网稳定性。
2025-04-02 cs.SY eess.SY
Physics-Informed Reinforcement Learning for Large-Scale EV Smart Charging Considering Distribution Network Voltage Constraints
针对大规模电动汽车无协调充电威胁配电网电压稳定、现有强化学习方法忽略物理约束且大规模场景性能不足的问题，提出融合可微潮流与电压奖励的PI-TD3算法，在多节点电网测试中性能优于基线，可支撑配电网高效运行。
2025-10-22 cs.SY eess.SY
Cybersecurity of Electric Vehicle Smart Charging Management Systems
在概念上，智能充电管理系统（SCMS）优化了插电式汽车（PEV）的充电，并提供各种电网服务，包括电压控制，频率调节，调峰，可再生能源集成支持，旋转备用和紧急需求响应。这些功能在很大程度上取决于从各种实体收集的数据，例如PEV，电动汽车供电设备（EVSE），服务提供商和公用事业。由于网络和物理组件之间的相互作用和相互依赖性，SCMS可能容易受到网络和物理威胁（例如，中间人攻击，数据阴谋攻击，拒绝收费，物理攻击）。通过高度连接的恶意软件载体的网络物理威胁引起了各种担忧，包括对车辆操作员和附近人员的公共安全危害以及对电网运营的中断。本文介绍了SCMS的概念，并提供了一个全面的审查EVSE和SCMS的网络安全方面，其可能对电网和社会的影响。它还有助于制定供应链管理系统的网络安全措施。SCMS的各种功能，包括调峰，需求收费减少，频率调节，旋转备用，可再生能源集成支持，配电阻塞管理，无功补偿，和紧急需求响应与单向PEVs充电详细审查。此外，还提供了关于SCMS网络安全当前实践的关键文献调查，以探讨网络物理攻击的主要影响和挑战，并确定当前可用SCMS技术的研究差距和漏洞。
2020-08-17 cs.SY eess.SY
EV-based Smart E-mobility System -- Part I: Concept
这两篇论文系列的第一篇提出并阐述了基于电动汽车（EV）的电动交通系统的概念。为此，在文献中，设计用于获得电动汽车灵活性的益处的模型几乎完全将充电站视为利用电动汽车灵活性的积极参与者。这些车站被视为静态负载，只有当电动汽车连接到它们时才能提供灵活性。然而，这一观点受到两个主要问题的影响。首先，充电站需要预测进入的EV的一些重要参数，例如到达和离开的时间、EV的电池在到达时的能量状态以及在其离开时所需的能量状态。其次，它只在电动汽车连接到这些充电站时才观察电动汽车，从而忽略了电动汽车连接到其他充电站时的套利和充电机会。本文提出了一个新的观点，电动汽车被视为动态可移动存储系统，可以在任何充电站提供灵活性。本文定义了两个系统，现有的一个，其中的灵活性是从充电站的角度来看，和拟议的一个，其中的灵活性是从电动汽车的角度来看。
2019-09-23 cs.SY eess.SY
Optimizing electric vehicles charging through smart energy allocation and cost-saving
为满足电动汽车智能充电需求，本文提出一种优化充电站管理的数学模型，通过高效分配充电电力实现成本最小化与节能，仿真验证其在高车流量场景下效果显著。
2024-09-13 cs.SY eess.SY math.OC
Impact of Work Schedule Flexibility on EV Hosting Capacity: Insights from Analyzing Field Data
Arizona State University（亚利桑那州立大学）
本文通过引入考虑工作时间的优化模型，探讨工作时间灵活性与光伏发电结合对提升电动汽车驻留容量的影响。
2026-03-06 cs.SY eess.SY
A Comprehensive Multi-Period Optimal Power Flow Framework for Smart LV Networks
本文提出了一个广泛的多周期最优潮流框架，新的建模元素，智能低压配电系统，依靠住宅的灵活性，打击操作问题。对不同设置进行了详细的性能评估，包括：ZIP灵活负载（FL），配电系统运营商（DSO）对传统住宅设备（如电动汽车（EV）或光伏（PV））的不同程度的可控性（遵守客户相关限制）以及最先进的逆变器技术所提供的功能的充分利用。执行全面的模型相关影响评估，包括相位不平衡、中性线和地线以及负载相关性。突出了常见住宅设备的去拥塞潜力，分析了有功功率再分配、无功功率支持和相位平衡等功能。在DSO只能对客户配置文件进行部分调整而不是（通常）决定完整配置文件的设置中，探索了上述潜力。DSO和研究人员可以使用广泛的分析来对所需的建模细节级别、连接的设备和可控制性程度做出明智的决定。该公式计算效率高，可以很好地扩展到中等规模的系统，并可以作为一个很好的基础，建立更容易处理或更有针对性的方法。
2020-12-11 cs.SY eess.SY
Grid-Constrained Smart Charging of Large EV Fleets: Comparative Study of Sequential DP and a Full Fleet Solver
Swedish National Road and Transport Research Institute (VTI)（瑞典国家公路与交通研究所）；Linköping University（林雪平大学）
本文提出一种比较优化框架，通过启发式序贯动态规划方法，在满足电网、充电设施、车辆可用性和电池老化等约束条件下，降低电动车群充电成本。研究对比了序贯DP与全车队求解器的性能，证明了所提方法在成本和峰值功率控制上的有效性。
2026-03-20 cs.SY eess.SY
Distributed Privacy-Preserving Electric Vehicle Charging Control Based on Secret Sharing
协同电动汽车充电控制是电网边缘资源管理的重要组成部分。然而，客户的隐私仍然是大规模实施电动汽车充电控制的主要障碍。在本文中，我们开发了一个分布式的隐私保护EV充电控制协议的基础上秘密共享（SS），1）实现可扩展性超过EV人口规模; 2）具有更高的计算效率相比，同态加密（HE）为基础的方法;和3）保护隐私的参与电动汽车对诚实，但好奇的对手和外部窃听者。制定了合作电动汽车充电控制，以实现夜间山谷填充和框架到投影梯度算法（PGA）的结构作为一个分布式优化问题。SS被集成到PGA中，以实现原始变量和对偶变量的安全更新。理论安全分析和模拟在一个住宅区进行证明隐私保护的保证以及所提出的隐私保护方法的有效性和效率。广义上，所提出的方法可以很容易地扩展到各种GER控制应用。
2021-10-05 cs.SY eess.SY
Model Predictive Control for Smart Grids with Multiple Electric-Vehicle Charging Stations
University of Technology Sydney（悉尼科技大学）；The University of New South Wales Sydney（新南威尔士大学）；Queen’s University Belfast（贝尔法斯特女王大学）；Princeton University（普林斯顿大学）
本文提出基于模型预测控制的联合电动汽车充电调度与电力控制方法，以最小化居住和电动汽车的电力需求成本，无需假设电动汽车到达概率分布或充电容量限制。
2017-08-25 cs.SY eess.SY
ev-flow: A Reproducible, NHTS-Grounded Generator of Synthetic Plug-in Electric Vehicle Charging Behavior for Eight U.S. Regions
提出ev-flow开源Python包，基于2017年全国家庭旅行调查数据，通过九阶段流水线生成美国八个地区的合成插电式电动汽车充电行为，填补了美国本土化、NHTS驱动的充电行为生成工具空白。
2026-06-19 cs.SY eess.SY
Optimal Control Strategies for a Network of Electric Vehicle Charging Energy Hubs with Smart Scheduling via Distributed Optimization
Eindhoven University of Technology（埃因霍温理工大学）
本文针对电动汽车充电能源枢纽网络，提出基于ADMM的分布式优化方法，通过凸二次规划优化充电功率，可降低运营成本和排放超25%，并验证了与集中式解的一致性。
2026-09-16 cs.SY eess.SY
Distributed Control of Charging for Electric Vehicle Fleets under Dynamic Transformer Ratings
由于其巨大的电力消耗和不断增长的采用率，电动汽车（EV）将成为配电网的重大挑战。然而，通过适当的充电控制策略，可以在不需要昂贵的电网加固的情况下减轻挑战。本文提出并分析了新的分布式充电控制方法，以协调电动汽车充电非线性Transformer温度额定值。具体而言，我们评估所需的数据通信，计算效率和最优性保证不同的控制策略的基础上的凸松弛的底层非线性Transformer温度动态之间的权衡。经典的分布式控制方法，如那些基于对偶分解和交替方向的乘法器（ADMM）与新的增广拉格朗日为基础的交替方向不精确牛顿（ALADIN）方法和一种新的低信息，前瞻版本的分组能量管理（PEM）进行了比较。这些算法的实施和分析的两个案例研究住宅和商业电动汽车车队。仿真结果验证了新的方法，并提供关键的权衡见解。
2020-07-20 cs.SY eess.SY
The Untapped Potential of Smart Charging: How EV Owners Can Save Money and Reduce Emissions Without Behavioral Change
利用Rivian 2023年遥测数据发现72%家庭充电即插即充，通过优化插拔电窗口内的充电时间表，车主年均节省140美元并减少28%碳排放，无需行为改变。
2025-10-14 cs.SY eess.SY physics.soc-ph
Smart Residential Community Simulator for Developing and Benchmarking Energy Management Systems
提出一种可扩展的智能住宅社区模拟器，支持任意数量房屋在并网和离网模式下的DER配置建模，集成天气与负荷数据，并提供控制器基准测试，系统评估控制策略性能。
2025-08-12 cs.SY eess.SY
Fairness-Aware Optimization of Vehicle-to-Vehicle Interaction for Smart EV Charging Coordination
本文针对EV充电站提出一种结合V2V、V2G和G2V的成本最小化优化方法，通过引入三种公平性指标开发公平的能量传输策略以避免个别EV过度放电，仿真证明该方法能显著降低充电成本并揭示了公平性与成本间的权衡。
2023-04-05 cs.SY eess.SY math.OC
Capacity Estimation for Vehicle-to-Grid Frequency Regulation Services with Smart Charging Mechanism
Hong Kong Baptist University（香港浸会大学）；The University of Hong Kong（香港大学）
本文研究了车辆到电网系统中频率调节服务容量的估计问题，提出了一种智能充电机制以适应电动汽车特性，提升系统性能与分析模型的一致性。
2015-05-21 cs.SY eess.SY
Enhancing the Spatio-Temporal Observability of Residential Loads
随着分布式能源（DER）的日益普及，提高居民负荷的时空可观测性对于实现配电系统的安全和高效运行至关重要。本文提出了一个联合推理框架，利用分布式传感器的实时测量住宅负荷。具体而言，智能电表数据可用于几乎所有负载，但遗憾的是时间分辨率较低，而配电同步相量数据的速率非常快，但在有限的位置可用。通过将这两种类型的数据与各自的优势相结合，问题被转换为一个矩阵恢复一个观察比未知数少得多。为了提高恢复性能，我们引入了两个正则化项，以促进低秩加稀疏结构的负载矩阵通过差分变换。相应地，恢复问题可以被公式化为凸优化问题，该凸优化问题是有效可解的。使用真实住宅负荷数据的数值测试表明，我们提出的方法在识别家电活动和恢复光伏输出配置文件的有效性。
2019-10-04 cs.SY eess.SY
