本文献属于类型A，以下是根据内容生成的学术报告。
本研究由上海电力大学经济与管理学院的赵文会（Wenhui Zhao）、郭慕天（Mutian Guo，通讯作者）、昆明冶金学院电气与机械工程系的包雄建涛（Xiongjiantao Bao）以及华北电力大学经济与管理学院的鞠立伟（Liwei Ju）共同完成。该研究成果于2025年9月13日在线发表于国际知名期刊《Energy》（卷337，文章编号138467）。
一、学术背景与研究动机
在全球能源危机和“双碳”目标的驱动下，交通领域的电动化转型已成为必然趋势。换电式电动重型卡车（battery-swapping electric heavy-duty trucks, bs-ehdts）因其零碳排放和可与电网互动的特性，以及换电模式在解决充电时间长、缓解里程焦虑方面的显著优势，正逐渐成为重卡领域的主流技术方案，其市场规模迅速扩大。然而，bs-ehdts大规模并入配电网，其无序的换电和充电行为将对电网的调度控制、电压质量和系统稳定性构成严峻挑战。因此，精准建模并分析bs-ehdt负荷的时空分布，是实现车网友好互动、保障电网稳定并提升各方经济效益的关键前提。现有研究大多集中于轻型电动汽车，且普遍存在不足：一是缺少整合交通路线、定价机制和电网状态等多源信息的双向反馈机制，难以模拟实际工况；二是模型多为静态或单场景框架，无法应对未来开放的运营生态。本研究旨在突破这些局限，建立一个考虑多源信息交互的多场景bs-ehdt负荷时空分布模型。
二、研究流程与详细方法
为实现上述目标，本研究设计了一套系统性的建模与仿真框架，其核心工作流程分为五个主要步骤。 第一步，基础要素独立建模。研究首先对构成系统的四个核心部分进行了单独建模。1）路网模型：将区域路网抽象为由节点（道路交叉口或端点）和边（路段）组成的双向拓扑图。引入速度-流量模型来动态计算车辆在特定道路和时刻的行驶速度，该速度取决于道路的自由流速度、最大通行能力以及实时交通流量和饱和度，从而更准确地模拟交通状况对车辆能耗和路径选择的影响。2）车辆动态出行模型：为刻画bs-ehdt出行的随机性，采用蒙特卡洛模拟（Monte Carlo Simulation, MCS）方法。出行参数的概率分布由实际全球定位系统（Global Positioning System, GPS）轨迹数据拟合得到：使用高斯混合模型（Gaussian Mixture Model, GMM）拟合出行起始和结束时间的多峰分布，用广义极值（Generalized Extreme Value, GEV）分布拟合停车时长，并利用起讫点（Origin-Destination, OD）矩阵方法模拟车辆的出发地和目的地，以体现其高度的时空不确定性。3）电池换电行为模型：该模型创新性地将环境温度和行驶速度纳入单位能耗计算。首先，通过数据拟合得到不同道路等级下能耗（单位里程能耗）与车速的函数关系；其次，引入电池充放电效率与环境温度的函数关系，最终建立了温度与速度双重修正的能耗模型，用于动态更新荷电状态（State of Charge, SOC）。当SOC低于驾驶员心理阈值（20%）时，触发换电需求。4）配电网模型：采用标准的IEEE 33节点配电系统，通过交流潮流计算模拟电网运行状态，以获取各节点的电压等关键参数。 第二步，多源信息耦合与平台机制构建。本研究的最大创新在于不再孤立看待各个子系统，而是通过一个云平台机制，将以上四个模型动态、系统地耦合在一起。该云平台充当信息交互的枢纽，实时汇集来自配电网（节点电压、基础电价）、换电站（可用电池数量、队列长度）和交通网络（实时路况）的异构信息，并与车辆进行同步。车辆通过车载终端接收实时状态信息，为其自主决策提供数据基础。 第三步，多场景设计与换电站选择策略开发。基于当前政策和未来趋势，研究设计了两种运营场景。1）封闭场景（Closed Scenario）：模拟当前电池标准不统一、换电站服务范围受限的现状。每辆车被指定去往固定的换电站，无选择权，若无空闲电池则排队等待。2）开放场景（Open Scenario）：假设未来电池已标准化，可实现跨站、跨品牌互换。基于云平台提供的信息，车辆可自主选择最优换电站。为此，研究者提出了一种基于成本最小化的多换电站选择模型，车辆前往换电站i的总成本由三部分组成：行程成本（由行程时间与时间价值决定）、能耗成本（补充至满电所需能量与电价乘积）和排队成本（由预测排队时间与时间价值决定）。其中，电价模型尤为关键，研究引入并改进了一种基于电压的动态定价机制：电价不仅包含固定服务费和基础电价，还增设了一项与供电节点实时电压偏差相关的调整项，并加入补偿项以保障不同地理位置换电站间的价格公平性。 第四步，仿真模拟实施。以中国北方某城市的实际路网（25平方公里，72个节点，144条道路）为基础，共设置6座换电站，并为它们配置了相同数量的电池（7块）和充电机（7台，固定功率240千瓦），总模拟了240辆bs-ehdt的行为。所有车辆的关键出行参数均通过蒙特卡洛方法从已拟合的概率分布中随机抽样生成。仿真以0.001小时为步长，在MATLAB R2022a环境中推进，模拟每个时刻所有车辆的状态，当SOC低于阈值时，根据当前场景模型和实时信息进行路径规划与换电站选择。 第五步，结果验证与对比分析。通过模拟，获取了两个场景下的换电事件次数、充电负荷的时空分布、排队时间以及对配电网整体负荷的影响。为验证模型有效性，研究者将封闭场景下的模拟结果与上海某换电站运营商的实际运营数据进行了对比，两条充电负荷曲线均呈现一致的双峰形态，皮尔逊相关系数分别达到0.822和0.813。
三、主要研究结果
模拟结果清晰地揭示了两种场景下的巨大差异。在封闭场景下，bs-ehdt的充电负荷表现出高度的集中性。所有换电站的负荷曲线在全天均呈现出显著的早晚双峰形态，其中早高峰更为尖锐集中。全网充电量在凌晨5点开始激增，于6点达到峰值9.52兆瓦时（MWh），而后迅速下降，在中午12点达到谷值1.74兆瓦时。这种集中行为导致部分换电站在高峰期严重过载，个别站负荷高达1680千瓦，车辆平均等待时间为0.12小时，但最大等待时间可长达0.73小时。从对配电网的影响看，bs-ehdt集群接入后，区域峰值负荷增加了约4.01%，峰谷差率从39.30%恶化至40.08%。
相比之下，开放场景下的负荷分布更为均衡和分散。全网每小时的换电事件数量虽然仍保有早晚高峰的特征，但峰值显著降低，而午间需求则大幅增加。充电负荷曲线从封闭场景的双峰模式转变为多峰模式，一天的负荷分布更为平缓。全网最大小时充电量从9.52兆瓦时降至约6兆瓦时，而午间平均小时充电量则从1.83兆瓦时升至3.2兆瓦时。这种时空上的优化带来了显著的运营效益：车辆的平均等待时间减少了0.03小时，最大等待时间减少了0.45小时。最为关键的是，在开放场景下，虽然区域配电网的峰值负荷依然增加，但增幅仅为2.06%，且峰谷差率从基准的39.30%改善至38.07%，电网峰值负荷相比封闭场景降低了4.08兆瓦，实现了削峰填谷的积极效果。
四、研究结论与价值
本研究得出以下重要结论：第一，所构建的多源信息耦合模型能够有效模拟bs-ehdt在不同场景下的出行与换电行为，相比局限于单站或单系统的既有研究，该模型的系统性和通用性更强。第二，封闭场景下的集中式负荷会加剧电网峰谷差，造成局部服务压力和资源浪费；而开放场景下，通过云平台引导和成本响应机制，换电行为在时空上得到优化，实现了资源利用率的提升和排队时间的降低，负荷形态更为平滑。第三，开放场景展现出的削峰填谷效应，证明了车辆到电网（Vehicle-to-Grid, V2G）协调优化的巨大潜力。 本研究的科学价值在于，提出了一个将车辆行为、交通网络、换电站运营和配电网响应动态耦合的机制导向型框架，弥补了现有研究在反馈机制和多源信息集成方面的不足，为bs-ehdt领域的负荷建模提供了新的方法论。在应用价值层面，该研究为制定统一的电池标准、实施动态电价政策和协调站间调度提供了坚实的模型证据和定量分析支撑，表明标准化不仅能带来商业便利，更能通过促进资源共享来改善电网的负荷分布，助力换电重卡系统的可持续发展。
五、研究亮点
本研究的亮点主要体现在三个方面：一是其系统性的多源耦合框架，通过云平台机制实现了“车-站-路-网”四者的双向信息反馈与互动，使得模拟更贴近真实的动态运营环境。二是其动态驱动的换电站选择与定价策略，自主研发了综合考虑行程、能耗与排队成本的最小化选择模型，并引入了基于供电节点电压、兼顾公平性的动态定价机制。三是其前瞻性的多场景对比分析，首次系统性地建模并比较了当前封闭运营与未来开放共享两种场景，为政策从概念设计走向落地部署提供了量化的决策参考和验证工具。