李敏，苏小林，阎晓霞，张艳娟

（山西大学，山西太原 030001）

我国已制定和颁布了适合国情的电动汽车发展规划，以推进电动汽车产业化进程，提高车网融合程度[1-4]。电动汽车大规模接入电网，将对电力系统规划和运行带来诸多方面的影响，尤其是配电网。在配电网中，电动汽车无论是通过分布式的充电桩接入，还是通过集中式充换电站接入，在无序充电的情况下，将会导致配电网升级扩容压力[5]。采用电动汽车时空协调的有序充电控制，可以实现在满足电动汽车用户充电需求的前提下，最大限度地利用现有配电网并减少其对配电网的影响。作为电网友好型设备，采用V2G（vehicle to grid）技术依靠先进的通信基础设施及通信协议，电动汽车和电网之间能量与信息的双向互动将得以实现[5-6]。电动汽车可以为电网提供辅助服务[7]，如调频，增加旋转备用等，不仅能减小对电网产生的负面影响，而且可以为电动汽车用户增加额外收益，实现电网企业与电动汽车用户的双赢。

电动汽车规模接入电网的研究工作涉及诸多方面，如商业运营模式、充换电站规划、新能源与电动汽车联合调度、机组组合、有序充放电控制策略、充换电设备等，本文仅对电动汽车有序充放电控制与利用的最新研究进展进行评述，并指出可能的研究方向。

1 充电负荷计算

充电负荷是研究有序充电问题的基础。目前，对充电负荷的建模和计算有确定性方法和不确定性方法2类。

1.1 确定性充电负荷计算

确定性方法是假设传统汽车电动化后不会对原有出行需求产生影响。此方法以传统汽车的原有确定性出行数据为基础，结合电动汽车渗透率，计算电动汽车充电负荷[8-9]。确定性出行数据可取自车载GPS行驶数据记录统计或政府部门公布的车辆调查结果。

这种方法没有考虑影响电动汽车充电的诸多不确定性因素，如电池的荷电状态（state of charge，SOC）、充电时间、充电地点等。这些影响因素随机性大，所以采用确定性方法对电动汽车充电负荷进行建模误差较大。

1.2 不确定性充电负荷计算

不确定性方法是将电动汽车充电作为一个随机过程，以概率统计方法来计算充电负荷。目前，对这类方法的研究和应用主要集中在蒙特卡洛仿真法[10-16]和基于充电站的充电负荷仿真法[17-19]。

蒙特卡洛仿真法的实质是通过大量随机试验来建模，当试验次数趋于无穷大时，可用事件出现的频率来近似作为事件概率[10-11]。其基本步骤如图1所示。

图1 蒙特卡洛仿真法基本步骤Fig.1 Basic steps of the Monte Carlo Simulation method

1）通过分析，构造出或拟合出影响电动汽车充电负荷关键因素的概率密度。

2）采用蒙特卡洛仿真法随机抽取获得关键因素的值，计算出每一台车的充电负荷曲线，叠加得到所有车辆总充电负荷曲线。

3）检验总充电负荷曲线是否收敛。重复过程2）直至满足收敛精度要求。求所有总充电负荷曲线的期望。

蒙特卡洛仿真法的关键在于构造出符合实际的影响充电负荷关键因素的概率密度。例如，文献[12]对电动汽车进行分类，针对不同行驶行为的电动汽车构造出起始荷电状态和充电时间的概率密度；文献[13]采用实际数据拟合出起始充电时刻和日行驶里程的概率密度；与文献[13]类似，文献[14-16]也从不同的角度出发得到充电功率的概率分布；文献[8]以条件概率的形式考虑了行驶距离和出行时刻之间的相关性，成功地得到了更为精确的充电负荷仿真结果。

蒙特卡洛仿真法的不足之处在于只能得到时序上的充电负荷曲线，无法将电动汽车的空间分布考虑在内，只能在时间维度上宏观地反映电动汽车的充电需求。

基于充电站的充电负荷仿真法[17-19]，主要是根据实际交通流量和排队论模型，以充电站为研究对象对电动汽车的充电行为进行仿真。其仿真的基本步骤为：

1）根据充电站或居民小区不同的仿真场景，采用不同的排队论概率分布模型。随机抽取在同一时刻正在充电的电动汽车数量n。

2）对这n台电动汽车中的每一辆电动汽车，随机选择为不同类型的电动汽车，随机选择行驶里程等相关参数。

3）随机抽取充电时间并计算出充电功率，最终计算出所有车辆的总充电功率。

如图2所示，这种方法的优势在于可对电动汽车的到站、排队等候和充电进行全过程仿真。

图2 充电站内排队论模型示意图Fig.2 The model of queuing theory in the charging station

针对不同的充电站所进行的仿真，实际上已将电动汽车的空间不确定性考虑在内了。在已有研究中，有的研究是基于充电站的电动汽车不受控制的假设进行的[17]，未考虑电动汽车的有序充电情况；有的研究是基于流体动力学模型预测到达某一充电站待充电的电动汽车数量，再以排队论进行充电负荷曲线预测[18]，但研究中只涉及高速公路网上的充电站，未涉及一般城市路网的分析。

2 电动汽车规模接入对电网产生的影响

电动汽车大规模接入配电网，由于其充电时间、地点的高度随机性，会对配电网网损，电能质量，可靠性，稳定性等方面产生影响[20-28]。国内外专家学者在该方面做了大量的研究工作，迄今为止，大部分研究集中在网损和电能质量两方面。

2.1 对配电网网损的影响

电动汽车规模化接入增加了配网负荷，改变了潮流分布，主要影响配网馈线和变压器的损耗。文献[21]分析表明电动汽车在高渗透率下，峰荷时段充电最高可增加40%的网损。文献[22]采用蒙特卡洛仿真法研究了充电负荷对两个岛屿配电网网损的影响。文献[23]研究了不同渗透率下的电动汽车充电负荷对100 kV·A配电变压器的有功损耗、温度、老化速度的影响。并预测在2020年25%的汽车电动化后，由于配电变压器的损耗和油温限制，现有配电网将无法接纳电动汽车的充电需求。

2.2 对配电网电能质量的影响

对电能质量的影响研究主要集中在充电产生的谐波污染、电压跌落和三相不平衡。电动汽车的充电方式有快充和慢充，有直流充电和交流充电，应该注意到不同充电方式、不同充电机对电能质量的影响也有所区别。

电动汽车充电负荷属于非线性负荷，单台电动汽车充电产生的谐波污染微不足道，但多台电动汽车同时充电产生的谐波对配电网的影响不容忽视[24]，持续畸变的谐波会增加变压器损耗，引起变压器温升，加速变压器老化和过早故障。也有研究指出电动汽车在夜间充电，将成为电网主要的谐波源[25]。

高渗透率充电导致的电压跌落也同样不容忽视，文献[26]对一个典型的低压配电馈线系统进行实验，表明当电动汽车渗透率达到20%～40%时，配电网将到达安全运行的极限；当渗透率超过40%时，三相电压将降低到0.8 pu。充电地点的变化对配电网电压影响较大，由于接入地点的随机性，充电负荷将产生严重的三相不平衡问题[26]，在研究时需要将三相分开研究。

2.3 对配电网可靠性的影响

规模化电动汽车未经合理的调度和管理接入电网，会增加电网负荷峰值，若不能增加额外的发电量，就会损失部分负荷。此外，大量电动汽车集中在某节点接入配电网，很可能导致配电网阻塞，降低配电网的供电可靠性。因此，有研究者提出应采用V2G技术，即在需要时由电动汽车反向电网提供额外的电能。通过优化电动汽车充电和放电，在负荷低谷时充电，在负荷高峰时释放额外电能，以达到削峰填谷的效果，增加供电可靠性[27]。

2.4 对电网稳定性的影响

高渗透率电动汽车接入电网，特别是大量采用V2G技术后，会在电网和电动汽车之间增加许多双向潮流。当电动汽车群响应动态电价，频繁在充电和放电之间切换，将会在网络上产生大量的功率摇摆，势必会影响电网稳定性。因此，已有研究针对电动汽车群充放电切换产生的功率摇摆，通过优化广域控制系统的调制指数，增加系统的阻尼，以减小其对电网稳定性的影响[28]。

3 电动汽车有序充电控制

电动汽车有序充电控制可以有效缓解大规模电动汽车接入电网所带来的负面影响。按照电动汽车用户的充电行为是否接受电网或第三方控制，可分为直接控制和间接控制两类，如图3所示。

图3 电动汽车有序充电控制分类Fig.3 The category of PEV coordinated charging control methods

3.1 直接控制

直接控制是基于全部或部分电动汽车充电行为受电网或第三方操纵的控制模式。按照时空两个维度可细分为时间可控[29-34]和空间可控[35]。其中，时间可控即优化控制电动汽车用户充电的时间，如起始充电的时间，充电时长等；空间可控即控制用户充电的位置，如驶达哪个充电站或充电桩进行充电。时间控制和空间控制不可分离，但在理论研究上可以进行一些假设进行简化，如充电设施覆盖密度很大，可只研究时间维度的有序控制。目前大多数研究侧重于在时间维度上进行优化。

有序充电控制本质上是优化问题。由于优化的目标函数多种多样，控制策略各不相同，优化求解方法也不尽相同。如何构建符合实际的目标函数，快速高效的求解方法是解决有序充电问题的关键。

早期文献采用单一目标函数进行优化：如以第三方运营的充电站利润为目标函数[29]；以配网网损为目标函数[30]，通过优化电动汽车充电功率，使网损最小。为减少计算时间并加快收敛速度，文献[31]进一步提出以负荷率和负荷方差代替网损作为目标函数。

宝宝的哭闹都有个原因，简单地说，就是“无路可走”。这个“路”包括两个方面：一是满足要求，一是获得情绪上的抚慰，让宝宝感觉自己受到关爱。

相比于单一目标函数，采用多目标函数分层进行优化更具有实际指导价值：如以发电成本和网络损耗为目标函数[32]；以响应分时电价和负荷波动最小为目标函数[33]，实施两层优化的有序充电控制等。

恰当的约束条件对优化结果也至关重要，一般采用配电变压器容量、用户充电需求[29]和电网安全[30]等作为约束条件。文献[34]新增加了节点电压波动作为约束条件，设定只有在电压波动最大节点的波动在限值范围内时才能进行充电。

在时间可控的基础上，已有研究者开始考虑空间可控的问题。例如，文献[35]假定充电负荷在各充电站均匀分配的条件下，以到充电站的路程、充电时间最小为目标函数，采用粒子群算法和遗传算法分别对问题进行优化求解，研究电动汽车充电负荷的空间优化分配问题。但存在的问题是负荷均匀分配是否为配电网运行的最佳状态，同时也需要进一步考虑用户改变充电地点的成本等问题。

3.2 间接控制

间接控制方法通过电价机制对电动汽车充电进行引导，电网或第三方并不直接干预用户的充电行为，由用户自行进行决策，通过响应电价达到有序充电。间接控制的优势在于避免直接控制电动汽车用户，减少充电机频繁启停对电池寿命的影响，给予用户自主权，更加易于实际应用。在进一步研究工作中还需加强用户对电价响应[36]方面的研究。

如图3所示，电价机制可以分为静态电价和动态电价。静态电价是指电价机制固定，不会随电动汽车充电负荷变化而调整，如峰谷电价。动态电价是随充电负荷的变化而实时地调整电价，以引导电动汽车接入电网的时间和地点，进而达到控制目的。

动态电价机制由于其灵活性和自适应性而成为当前国内外研究的热点：文献[6]提出了一种分布式的动态电价机制，其电价是全网负荷的函数。特别的是其电价的计算是分布式进行的，并不存在一个集中式的计算控制中心。文献[36]新提出了一种基于非线性电价的需求管理方法。该方法的突出特点是考虑了电动汽车用户对电价的响应，并通过需求管理来解决配电网阻塞的问题。有的研究者还利用博弈论原理设计动态电价，如文献[37]提出了一种激励相容的动态电价机制，使电网与电动汽车用户的博弈达到纳什均衡状态。通过充电负荷的异步更新过程，使单台电动汽车充电的最优解收敛于整个电网效益的最优解，从而实现用户充电费用最省和电网效益最大的共同最优。

4 电动汽车为电网提供辅助服务

V2G技术指电动汽车采用适当的与电网的连接技术与控制方法，释放额外的储存在电池内的能量，以向电网送电的方式参与电网调控。V2G技术将电动汽车转化为可移动的大规模分布式电源，与传统电源相比，电动汽车具有响应速度快，单位电价高，时空不确定性的特性，该技术使得用户与电网的协调互动成为可能。采用V2G技术不仅可以在同等条件下增加接入数量，减少对电网的影响，还可以向电网提供辅助服务。目前研究热点主要集中在提供调频，旋转备用，电压支持等服务。电动汽车向电网提供辅助服务与储能设备类似，其区别在于要考虑电动汽车用户的出行需求。

4.1 电动汽车参与调频

鉴于电动汽车具有快速的响应能力和灵活的调节能力，因此其适合参与电网频率调节。文献[38]提出了一种分布式的V2G控制方法，该方法能实现在考虑电动汽车用户充电需求的情况下控制车辆参与电网一次调频，文中提出的BSH（Battery SOC Holder）和CFR（Charging with Frequency Regulation）控制方法，分别实现在电网频率降低时的放电控制和在SOC不能满足用户出行需求时的充电控制。

4.2 电动汽车提供旋转备用

4.3 电动汽车提供电压支持

研究车网协调技术，使电动汽车为新能源提供电压支持是新的研究方向。通过优化协调电动汽车与新能源的随机性，利用电动汽车充放电的灵活性与快速响应性，可以减小新能源对电网电压的影响，增加新能源消纳。例如，文献[41]根据电价以及光伏的输出，控制电动汽车的充电功率，为光伏提供电压支持。仿真表明，提供电压支持的成本为每车每年50美元，优于改造、维护有载调压变压器的费用。不足之处在于文章只考虑充电功率可控的情形，并未涉及V2G技术。

5 结论

电动汽车作为一种用户所有的可移动负荷和储能设备，由于其存在时空不确定性，可以被电网侧控制，以达到网侧优化运行的目的。采用有序充电控制作为电网友好型设备接入电网，可以减少配电网升级扩容压力，降低配网网损，稳定电压。同时可以将风能、光伏等新能源与电动汽车联合调度考虑在内，增加电网对新能源的消纳，降低碳排放。V2G技术使电动汽车合理释放所储存的电能，作为激励接入电网，可以提供调频、旋转备用、稳定电压等辅助服务，降低了电动汽车用户的成本，丰富了电网运行方式。所以，深入研究电动汽车充放电负荷特性以及相应调度控制策略十分必要。

在进一步的研究中需要注意以下问题：在充放电负荷特性研究中要体现电动汽车的时空随机性；在控制策略研究中，要考虑满足用户的出行需求，还需要考虑将控制策略具体分解到每一辆受控的电动汽车；采用电价机制进行间接控制时，需要加入用户对电价响应的环节；研究电动汽车提供V2G辅助服务需要权衡成本与收益。为此，有以下几个研究方向值得特别关注。

1）电动汽车对电网影响综合评价研究。电动汽车规模接入对配电网网损、电能质量、可靠性、稳定性等各方面会产生不同影响，需要进行综合分析和评价，以指导配电网的规划、运行和控制等。

2）分区分层协调的有序充电控制。充电站内，以站内电动汽车充电最优为目标进行控制；充电站间，以系统运行最优为目标进行控制。进行分区分层协调的有序充电控制研究对电网侧应对大规模电动汽车接入有重要意义。

3）考虑电动汽车时空协调的有序充电控制。从时间与空间两个维度对电动汽车有序充电进行优化，将更加细致和实际，但复杂性也会更大。基于时空协调的有序充电有利于有限的电力资源的充分利用，有利于电网安全与经济运行水平的提高，有利于减少大规模电动汽车充电对电网产生的影响。

4）风-车、光伏-车、新能源-车联合调度优化。新能源与电动汽车均有高度的随机性特点，研究其联合调度不仅可以降低新能源的随机性对电网的影响，增加新能源消纳，更可以实现电动汽车的清洁化、低碳化。

5）电动汽车用户对电价的响应。在实际应用中，电价发生波动时用户不会即刻响应。研究用户在何种程度以何种方式响应电价对电价机制的最终实现效果有很大的指导意义。

6）有序充电控制器的设计。不论采用何种充电控制策略体系，均需最终落实在物理层面，能否设计出优质、高效、准确实现控制策略的有序充电控制器非常关键。

7）V2G辅助服务的成本与收益。电动汽车提供的辅助服务当其收益大于成本时才有研究和应用的价值。对于其成本与收益的分析研究对日后V2G应用推广有很大参考价值。

8）电动汽车低碳性评估。根据我国能源结构[42-44]，节能技术[45-47]，从充电的来源上评估电动汽车的低碳性，研究在哪些区域推广电动汽车更加低碳。

[1]王锡凡，邵成成，王秀丽，等．电动汽车充电负荷与调度控制策略综述[J]．中国电机工程学报，2013，33（1）：1-10．WANG Xifan，SHAO Chengcheng，WANG Xiuli，et al.Survey of electric vehicle charging load and dispatch control strategies[J].Proceedings of the CSEE，2013，33（1）：1-10（in Chinese）.

[2]贾俊国，倪峰．电动汽车充电接口标准化探[J]．电力系统自动化，2011，35（8）：76-80．JIA Junguo，NI Feng.A discussion on standardization of electric vehicle’s charging coupler[J].Automation of Electric Power Systems，2011，35（8）：76-80（in Chinese）.

[3]傅小康.新一轮新能源汽车补贴政策细则正式出台[EB/OL].[2013-09-17].http://auto.people.com.cn/n/2013/0917/c1005-22951929.FU Xiaokang.A new round of new energy vehicles subsidy policy rules formally introduced[EB/OL].[2013-09-17].http://auto.people.com.cn/n/2013/0917/c1005-22951929（in Chinese）.

[4]闫晓虹.专家：2015年底50万辆新能源汽车产销目标有望实现[EB/OL].[2013-12-12].http://finance.chinanews.com/auto/2013/12-12/5612985.shtml.YAN Xiaohong.Experts:0.5 million of new energy vehicles is expected to sell by the end of 2015[EB/OL].[2013-12-12].http://finance.chinanews.com/auto/2013/12-12/5612985.shtml（in Chinese）.

[5]MOHSENI P，STEVIE R G.Electric vehicles:Holy grail or fool’s gold[C]//Power and Energy Society General Meeting.Calgary，IEEE，2010:1-5.

[6]ZHONG Fan.A distributed demand response algorithm and its application to PHEV charging in smart grids[J].IEEE Transactions on Smart Grid，2012，3（3）:1280-1290.

[7]LUO Zhuowei，HU Zechun，SONG Yonghua，et al.Economic analyses of plug-in electric vehicle battery providing ancillary services[C]//Electric Vehicle Conference（IEVC）.Greenville，IEEE，2012:1-5.

[8]ASHTARI A，BIBEAU E，SHAHIDINEJAD S，et al.PEV charging profile prediction and analysis based on vehicle usage data[J].IEEE Transactions on Smart Grid，2012，3（1）:341-350.

[9]GUO Qinglai，WANG Yao，SUN Hongbin，et al.Factor analysis of the aggregated electric vehicle load based on data mining[J].Energies，2012，5:2053-2070.

[10]Wikipedia，Monte carlo method[EB/OL].[2013-11-11].http://en.wikipedia.org/wiki/Monte_Carlo_method.

[11]荆朝霞，钟童科，林志龙，等．电动汽车充电行为对电网负荷曲线的影响[J]．南方电网技术，2013，7（1）：80-84．JING Chaoxia，ZHONG Tongke，LIN Zhilong，et al.The impact of electric vehicles charging behavior on the load curve of power grid[J].Southern Power System Technology，2013，7（1）：80-84（in Chinese）.

[12]罗卓伟，胡泽春，宋永华，等．电动汽车充电负荷计算方法[J]．电力系统自动化，2011，35（14）：36-42．LUO Zhuowei，HU Zechun，SONG Yonghua，et al.Study on plug-in electric vehicles charging load calculation[J].Automation of Electric Power Systems，2011，35（14）：36-42（in Chinese）.

[13]田立亭，史双龙，贾卓．电动汽车充电功率需求的统计学建模方法[J]．电网技术，2010，34（11）：126-130．TIAN Liting，SHI Shuanglong，JIA Zhuo.A statistical model for charging power demand of electric vehicles[J].Power System Technology，2010，34（11）：126-130（in Chinese）.

[14]QIAN Kejun，ZHOU Chengke，ALLAN M，et al.Modeling of load demand due to EV battery charging in distribution systems[J].IEEE Transactions on Power Systems，2011，26（2）:802-810.

[15]DARABI Z，FERDOWSI M.Aggregated impact of plug-in hybrid electric vehicles on electricity demand profile[J].IEEE Transactions on Sustainable Energy，2011，2（4）:501-508.

[16]DI Wu，ALIPRANTIS D C，GKRITZA K.Electric energy and power consumption by light-duty plug-in electric vehicles[J].IEEE Transactions on Power Systems，2011，26（2）:738-746.

[17]GAN Li，ZHANG Xiaoping.Modeling of plug-in hybrid electric vehicle charging demand in probabilistic power flow calculations[J].IEEE Transactions on Smart Grid，2012，3（1）:492-499.

[18]SUNGWOO B，KWASINSKI A.Spatial and temporal model of electric vehicle charging demand[J].IEEE Transactions on Smart Grid，2012，3（1）:394-403.

[19]LEUNG K K，MASSEY W A，WHITT W.Traffic models for wireless communication networks[J].IEEE Journal on Selected Areas in Communications，1994，12（8）:1353-1364.

[20]GREEN R C，WANG Lingfeng，ALAM M.The impact of plug-in hybrid electric vehicles on distribution networks:a review and outlook[C]//Power and Energy Society General Meeting.Minneapolis，IEEE，2010:1-8.

[21]FERNANDEZ L P，ROMAN T G S，OSSENT R，et al.Assessment of the impact of plug-in electric vehicles on distribution networks[J].IEEE Transactionson Power System，2011，26（1）:206-213.

[22]SOARES F J，LOPES J A P，ALMEIDA P M R，et al.A monte carlo method to evaluate electric vehicles impacts in distribution networks[C]//IEEE Conference on Innovation Technologies for Efficient and Reliable Electricity Supply（CITRES）.Waltham，2010:365-372.

[23]KAZEROONI M，KAR N C.Impact analysis of EV battery charging on the power system distribution transformers[C]//Electric Vehicle Conference（IEVC）.Greenville，IEEE International，2012:1-6.

[24]AL-MUSAWI L，TRAN R.The impact of EV/PHEV chargers on residential loads-A case study[C]//Transportation Electrification Conference and Expo.Detroit，2013:1-4.

[26]RICHARDSON P，FLYNN D，KEANE A.Impact assessment of varying penetrations of electric vehicles on low voltage distribution systems[C]//Power and Energy Society General Meeting.Minneapolis，IEEE，2010:1-6.

[27]CHAKRABORTY S V，SHUKLA S K，THORP J.A detailed analysis of the effective-load-carrying-capacity behavior of plug-in electric vehicles in the power grid[C]//Innovative Smart Grid Technologies（ISGT）.Washington，IEEE，2012:1-8.

[28]MITRA P，VENAYAGAMOORTHY G K.Wide area control for improving stability of a power system with plug-in electric vehicles[J].Generation，Transmission and Distribution，IET，2010，4（10）:1151-1163.

[29]徐智威，胡泽春，宋永华，等．充电站内电动汽车有序充电策略[J]．电力系统自动化，2012，36（11）：38-43．XU Zhiwei，HU Zechun，SONG Yonghua，et al.Coordinated charging of plug-in electric vehicles in charging stations[J].Automation of Electric Power Systems，2012，36（11）：38-43（in Chinese）.

[30]占恺峤，宋永华，胡泽春，等．以降损为目标的电动汽车有序充电优化[J]．中国电机工程学报，2012，32（31）：11-18．ZHAN Kaijiao，SONG Yonghua，HU Zechun，et al.Coordination of electric vehicle charging to minimize active power losses[J].Proceedings of the CSEE，2012，32（31）：11-18（in Chinese）.

[31]SORTOMME E，HINDI M M，MACPHERSON S J，et al.Coordinated charging of plug-in hybrid electric vehicles to minimize distribution system losses[J].IEEE Transactions on Smart Grid，2011，2（1）:198-205.

[32]DEILAMI S，MASOUM A S，MOSES P S，et al.Realtime coordination of plug-in electric vehicle charging in smart grids to minimize power losses and improve voltage profile[J].IEEE Transactions on Smart Grid，2011，2（3）:456-467._nf54649de600ad42c78c94ffb8ecc49fa5.

[33]DAI Wang，WANG Hanlin，JIANG Wu，et al.Optimal aggregated charging analysis for PEVs based on driving pattern model[C]//Power and Energy Society General Meeting（PES）.Vancouver，2013:1-5.

[34]MOGHBEL M，MASOUM M S，SHAHNIA F.Coordinated charging of PEVs in unbalanced residential network based on worst node voltage profile[C]//Power and Energy Society General Meeting（PES）.Vancouver，2013:1-5.

[35]田文奇，和敬涵，姜久春，等．电动汽车充电负荷空间分配优化算法[J]．电工技术学报，2013，28（3）：269-276．TIAN Wenji，HE Jinghan，JIANG Jiuchun，et al.Electric vehicle charging load spatialallocation optimization algorithm[J].Transactions of China Electrotechnical Society，2013，28（3）：269-276（in Chinese）.

[36]MATTHIAS D G，ANDERSSON G.Demand management of grid connected plug-in hybrid electric vehicles（phev）[C]//Energy 2030 Conference.Atlanta，IEEE，2008:1-8.

[37]GHAVAMI A，KAR K，BHATTACHARYA S，et al.Pricedriven charging of plug-in electric vehicles:nash equilibrium，social optimality and best-response convergence[C]//Information Sciences and Systems（CISS）.Baltimore，2013:1-6.

[38]HUI Liu，HU Zechun，SONG Yonghua，et al.Decentralized vehicle-to-grid control for primary frequency regulation considering charging demands[J].IEEE Transactions on Power Systems，2013，28（3）:3480-3489.

[39]DALLINGER D，KRAMPE D，WIETSCHEL M.Vehicleto-grid regulation reserves based on a dynamic simulation of mobility behavior[J].IEEE Transactions on Smart Grid，2011，2（2）:302-313.

[40]张谦，史乐峰，任玉珑，等．计及V2G备用服务的交易模式[J]．中国电机工程学报，2012，32（31）：59-67．ZHANG Qian，SHI Lefeng，REN Yulong，et al.The reserve trading model considering vehicle-to-grid reserve[J].Proceedings of the CSEE，2012，32（31）：59-67 （in Chinese）.

[41]FOSTER J M，TREVINO G，KUSS M，et al.Plug-in electric vehicle and voltage support for distributed solar:theory and application[J].IEEE Systems Journal，2013，7（4）:881-888.

[42]王桂荣，苏锦辉，赵敏，等．中外发展低碳经济的比较分析[J]．节能技术，2012，30（175）:458-460．WANG Guirong，SU Jinhui，ZHAO Min，et al.Comparison analysis of the low carbon economic development between Chinese and foreign countries[J].Energy Conservation Technology，2012，30（175）:458-460（in Chinese）.

[43]刘俊杰，李树林，范浩杰，等．情景分析法应用于能源需求与碳排放预测[J]．节能技术，2012，30（171）:70-75．LIU Junjie，LI Shulin，FAN Haojie，et al.Energy demand and carbon emissions forecasting by the method of scenario analysis[J].Energy Conservation Technology，2012，30（171）:70-75（in Chinese）.

[44]林伯强．中国能源战略调整和能源政策优化研究[J]．电网与清洁能源，2012，28（1）:1-3．LIN Boqiang.Research on China’s energy strategies adjustment and energy policy optimization[J].Power System and Clean Energy，2012，28（1）:1-3（in Chinese）.

[45]黄生琪，周菊华．我国节能减排的意义、现状及措施[J]．节能技术，2008，26（148）:172-175．HUANG Shengqi，ZHOU Juhua.Studies on energy saving and pollution reduction[J].Energy Conservation Technology，2008，26（148）:172-175（in Chinese）.

[46]施强，乌晓江，徐雪元，等．整体煤气化联合循环（IGCC）发电技术与节能减排[J]．节能技术，2009，27（153）:18-20．SHI Qiang，WU Xiaojiang，XU Xueyuan，et al.IGCC powerplantwith energy conservation and emissions reduction[J].Energy Conservation Technology，2009，27（153）:18-20（in Chinese）.

[47]杨春，王灵梅，刘丽娟．电力工业节能减排政策及现状分析[J]．节能技术，2010，28（161）:232-235．YANG Chun，WANG Lingmei，LIU Lijuan.Current status of energy-saving and emission-reduction in electric power industry[J].Energy Conservation Technology，2010，28（161）:232-235（in Chinese）.