何胜利，刘现涛，张甜，陈中

(1.南瑞集团(国网电力科学研究院)有限公司，江苏 南京 211106；2.国电南瑞南京控制系统有限公司，江苏 南京 211106；3.东南大学电气工程学院，江苏 南京 210096)

0 引言

截至2020年底，中国电动汽车(electrical vehicle,EV)保有量已达约500万辆。规模化EV的发展推动了交通与能源行业的融合[1—3]，这不仅拓宽了电网的业务范围[4—5]，也为含高比例可再生能源电力系统的随机性平抑提供了优质的用户侧资源[6—8]。

EV与电力系统融合的优化调度策略研究主要集中在2个层面：(1)合理调整EV充电的地点、时间和功率，减小规模化EV充电对配电系统负面影响，降低用户及运营商的用电成本[9—11]。(2)视EV群为分布式的储能系统，设计相应的调度及通信架构、优化算法和激励措施，为电网提供移峰填谷、频率调节等服务[12—14]。

用户行为对EV与电网融合有着深入影响，将成为信息-物理-社会融合系统中的重要环节[15]。在建模与优化控制的过程中，必须对非完全理性用户的决策行为进行研究[16]。期望效用理论(expected utility theory,EUT)是风险状态下用户决策的经典规范性理论，建立了不确定条件下对理性人选择进行分析的框架[17]。而前景理论(prospect theory,PT)将心理学研究应用在经济学中，由诺贝尔奖得主丹尼尔·卡内曼及其合作伙伴共同提出[18]，是面向非完全理性人决策的描述性模型。

EV充电与分布式新能源(distributed renewable generation,DRG)具有潜在的协同性[19，且目的地充电是用作日常通勤的EV充电的主要方式之一[20]，文中以含有DRG、常规负荷、储能的多元充电站(multi-element charging station,MCS)为研究场景。当前的研究中[21]，往往将用户的充电需求作为约束条件，而对用户充电决策的主观性考虑不足。……