7.3 电动汽车与电网互动（V2G）

7.3 电动汽车与电网互动（V2G）

数以亿计的电动车停进车库时，究竟是电网的麻烦，还是它等了一个世纪的灵活性资源？本节作为用户侧互动的收束，讨论体量最大、也最具戏剧性的新兴负荷：电动车如何从"怼在电网晚峰上的充电器"，进化成"停在轮子上的分布式储能"。前两节的响应机制与聚合逻辑在这里全部适用，只是资源换成了电池、桩与整车。

一个负荷的两副面孔

电动车之于电网，麻烦与宝藏是同一块电池的两副面孔。

作为负荷，它大得吓人：一台家用慢充七千瓦，抵得上两三户家庭的全部用电；快充桩几十上百千瓦，一台顶一个台区。充电行为又高度同步——下班到家插枪、早高峰前离场，无序充电的晚峰与居民负荷晚峰严丝合缝地叠在一起，城市台区变压器、小区配电的改造压力全都由此而来。

作为资源，它又大得迷人：私家车超过九成的时间处于停驶状态，车载电池平均每天只有一小部分容量被用掉。剩下的电量与停驶窗口组合起来，就是一块规模以亿千瓦时计的分布式储能——不需要新建厂房，车主已经把电池买好了。

三个阶段：从插枪就充到轮子上的储能

行业把车网互动的演进分成三级台阶。

无序充电：插枪即充、满功率充，车辆纯粹是负荷。当前的多数存量场景仍在这个阶段，台区改造压力最大。

有序充电（智能充电）：充电的时机与功率被调节，但能量仍单向从电网流向车。台区级控制器根据变压器容量错峰，聚合平台根据分时电价把充电推向低谷，车主设置"明天几点出发、要多少电"，其余交给算法。这一级不需要车辆支持放电，改造成本最低，是当前规模化推进的主力。

车网互动（V2G）：能量双向流动，车辆在电网紧张时反向放电。技术上依赖双向充电桩与支持放电的整车协议（国际上新车型已逐步标配双向能力），商业上则依赖三件事：放电电价要有吸引力、电池损耗要有人补偿、聚合规模要够大才能参与批发市场与调频。

V2G 的终极角色是调频与备用：车载电池的功率响应速度不逊于任何储能电站，聚合成千上万辆车后，就是一座响应毫秒级、随车分布的虚拟调频电厂——这正是 7.2 节聚合逻辑在最大单体资源上的应用。

图 7-3 无序与有序充电下的台区负荷对照

演练：台区里的充电排程对比

把无序与有序放在同一个台区里赛一场。十二辆车、晚归晨走，台区基础负荷自带晚峰，可用容量三百五十千瓦。无序策略"到车即充"，智能策略遵守两条纪律：离场前必须充满（截止期约束），非紧急充电只在谷价时段进行（谷段优先），代码把两种策略各推演一遍：

# 台区充电排程对比：无序 vs 智能有序（截止期约束 + 谷段优先）
cars = [(18,8,40),(19,7,45),(18,7,30),(20,8,50),(19,8,35),(18,8,42),
        (20,7,28),(19,8,38),(18,7,33),(20,8,46),(19,7,25),(18,8,40)]   # 到达时,离开时,需求kWh
base  = [180,175,170,168,170,185,220,260,290,310,320,330,340,330,300,280,260,250,255,270,290,280,240,200]
price = [0.32]*6 + [0.62,0.62,0.60,0.60,0.62,1.00,1.05,1.05] + [0.62]*5 + [1.00,1.00,0.62,0.45,0.38]
RATE, CAP, CHEAP = 7.0, 350.0, 0.40   # 单桩功率 kW，台区可用容量 kW，谷价阈值

def deadline(i):
    a, d, _ = cars[i]
    return d + 24 if d <= a else d     # 离开时刻折算到连续时间轴（次日凌晨）

def schedule(smart):
    need = {i: cars[i][2] for i in range(len(cars))}
    hourly = [0.0]*24
    for k in range(24):                                  # 从 18 时起按时序推演
        h = (18 + k) % 24
        room = CAP - base[h]                             # 智能模式尊重台区容量
        active = [i for i in range(len(cars))
                  if cars[i][0] <= h < deadline(i) or h + 24 < deadline(i)]
        if smart:
            urgent = sorted((i for i in active if need[i] > RATE*(deadline(i)-h-1)),
                            key=lambda i: deadline(i))   # 再不充就来不及的车
            order = urgent + ([i for i in sorted(active, key=lambda i: deadline(i))
                               if i not in urgent] if price[h] <= CHEAP else [])
        else:                                            # 无序模式：到车即充，不看容量与电价
            order, room = active, 1e9
        for i in order:
            if need[i] <= 0 or room <= 0: continue
            p = min(RATE, need[i], room)
            need[i] -= p; room -= p; hourly[h] += p
    cost = sum(price[h]*hourly[h] for h in range(24))
    return cost, hourly, need

for smart in (False, True):
    cost, hourly, need = schedule(smart)
    tag = "智能有序" if smart else "无序充电"
    peak = max(base[h] + hourly[h] for h in range(24))
    over = max(base[h] + hourly[h] - CAP for h in range(24))
    print(f"{tag}: 电费 {cost:.0f} 元，台区峰值 {peak:.0f} kW（容量 {CAP}），"
          f"最大过载 {over:.0f} kW，未满足 {sum(need.values()):.0f} kWh")
​

同一晚、同一批车，结果泾渭分明：无序充电撞上台区容量上限、晚峰过载二十四千瓦，电费近三百元；智能排程把充电整体搬进凌晨低谷，峰值回落到基础负荷水平，电费省下一半，车辆全部满电出发。读者可以再做两个实验：把谷价阈值收紧到零点三观察充电被挤到边缘时段；把一半车辆改成快充需求（时限两小时），体会"紧急程度压缩灵活性"的权衡——这个权衡正是所有充电运营商业策略的核心。

V2G 规模化的四个条件

有序充电改善的是"形状"，V2G 补上的才是"资源"。让轮子上的储能真正入列，四个条件缺一不可。机制上，放电补偿电价与电池衰减补贴要算得过账——车主最担心的不是技术，是"为几块钱电费折损几千块的电池"；硬件上，双向桩与整车放电接口的成本随规模下降，存量车改装经济性仍差；协议上，车辆与电网之间要就"何时充、何时放、放多少、留多少余量"自动达成一致，插枪即授权的体验是底线；聚合上，单体车辆的功率与电量都微不足道，只有聚合成万级规模才有资格进入调频与批发市场，7.2 节的可信容量逻辑原样适用。

对学习者的建议是把车网互动当作"需求响应 + 储能 + 聚合商"三课的综合案例来读——本章前两节的每一个概念，都在这个场景里找到了最大规模的落点。

把视角再放大一层：V2G 的聚合潜力以亿千瓦计，而它真正的稀缺资源是"停驶且插枪"的时间。这意味着未来的充电基础设施规划，泊位质量（车位、桩、通信三者齐备）比桩的数量更重要——一辆车停在有双向桩的车位上，才是电网的资源；停在普通车位上，只是停车场里的铁壳。城市更新与新建小区把"电网级泊位"纳入标准配置，是车网互动从示范走向基础设施的分水岭。

本节要点

• 电动车的麻烦与宝藏是同一块电池：无序时是晚峰放大器，聚合后是移动储能电站。
• 三级台阶依次是无序、有序、双向：有序充电先解决形状问题，V2G 再解决资源问题，台阶不可跳过。
• 排程算法的两个支点——截止期约束保出行、谷段优先降成本——十二行代码即可演示；规模化的瓶颈在机制而非算法。