近日，人工智能学院协同控制团队的研究成果在智慧交通领域国际顶级刊物《IEEE Transactions on Intelligent Transportation Systems》（一区TOP，IF 7.9）上发表。论文题为《Dynamic Energy-Aware EV Charging Navigation in Interacting Transportation and Distribution Networks》，介绍了团队在智能交通与新能源交叉领域的最新进展。

随着电动汽车的普及和充电设施的快速发展，交通网络与配电网之间的耦合关系日益紧密。电动汽车充电行为不仅影响交通网络的运行效率，还会对配电网的负载分布和稳定性产生显著影响。如何实现交通-配电网协同优化，降低充电成本并减少对电网的冲击，成为当前智能交通与能源领域的研究热点。

本研究提出了一种双层协同充电导航模型，如图1，2所示。该模型的上层以最小化电动汽车充电导航总成本为目标，通过建立动态时空能耗估计模型，精确计算电动汽车在不同交通流条件下的行驶能耗；下层则致力于减少充电站与主电网之间的能量交换，最大化本地可再生能源的利用率。为应对可再生能源发电的间歇性问题，研究创新性地引入车网互动（V2G）技术，有效缓解了充电负载对电网的冲击。

提出的双层协同充电导航模型和优化算法，不仅能够降低电动汽车用户的充电成本，还能提高电网的稳定性和可再生能源的利用率，为实现绿色低碳交通和能源转型提供了有力支撑。实验结果表明，该模型不仅提供了低成本的充电导航方案，还将充电站与主电网之间的能量交换显著降低，有效避免了负载波动引发的安全问题。同时，电动汽车能耗估计的准确性提升了5.1%-6.7%，如图3所示。该研究成果为智能交通与能源系统的协同优化提供了理论支持和技术路径，具有重要的学术价值和应用前景。

图1：提出的双层协同充电导航模型框架

图2： 提出的双层协同充电导航模型的通讯框架

图3： 相同路段与车速下电动汽车行驶能耗估计结果

本项工作主要由2022级研究生郭子豪同学在焦飞翔、张延宇老师的联合指导下完成。该研究工作为河南大学、龙子湖新能源实验室、加拿大女王大学、河南省车联网协同技术国际联合实验室的联合研究成果。该成果受到国家重点研发计划“政府间国际科技创新合作”重点专项、河南省科技攻关项目和中国博士后项目等支持。

论文链接: https://ieeexplore.ieee.org/document/10854544