文档类型判断： 类型a - 该文档报告了一项单一的原创性研究。

应用报告：灵活与双向充电对加州中重型卡车脱碳路径的影响研究

一、 研究概况

本研究论文题为《Impact of flexible and bidirectional charging in medium- and heavy-duty trucks on California’s decarbonization pathway》，由加州大学河滨分校（University of California, Riverside）电气与计算机工程系的 Osten Anderson 和 Nanpeng Yu（通讯作者），以及劳伦斯伯克利国家实验室（Lawrence Berkeley National Laboratory）的 Wanshi Hong 和 Bin Wang 共同完成。该成果发表于学术期刊《Applied Energy》2025年第377卷，论文编号为124450，并于2024年9月26日在线发表。

二、 研究背景与目的

随着全球对气候变化的应对，电力系统与交通领域的深度耦合已成为必然趋势。加州制定了雄心勃勃的脱碳目标，包括依据参议院法案SB 100和SB 350，到2045年实现电网的完全脱碳，以及通过加州空气资源委员会（CARB）的先进清洁车队法规推动车队的快速电动化。在此背景下，中型和重型卡车（medium- and heavy-duty trucks, MHD）的电动化预计将在未来二十年加速。然而，大量电动车的接入将对电网造成巨大冲击。因此，如何将这两个领域的转型统筹规划，以实现成本最优和电力系统可靠运行，成为一个关键议题。

既有研究多集中于电动乘用车（light-duty battery electric vehicles, LD BEVs）的灵活充电（V1G）和双向充电（V2G）技术，且大多从车主经济效益或短期电网服务的角度出发。然而，本研究关注到中重型电动卡车（MHD BEVs）在此方面的独特优势：其预计保有量远小于乘用车（到2035年加州预计仅有约40万辆，而乘用车将超过1500万辆），更易于集中控制和协调；单车电池容量更大，充电桩功率更高；且多为车队化、专业化运营，驾驶行为随机性更低，参与电网调控的意愿和能力更强。因此，MHD BEVs是实现V1G和V2G服务的理想候选者。

本研究旨在填补现有文献中对MHD BEVs在长期电网规划中作用的关注不足，通过分析加州的脱碳投资路径，实证量化在MHD卡车中推广灵活充电（V1G）和双向充电（V2G）服务，对于电力系统发电和储能基础设施投资的潜在成本节约效应，并进一步权衡电池衰减、充电设施升级等隐性成本，以全面评估其商业价值。

三、 研究流程与方法

为实现研究目标，该团队开发并部署了一个大规模的混合整数线性规划（Mixed-Integer Linear Program, MILP）脱碳规划模型。研究流程主要分为以下几个步骤：

1. 模型构建与核心算法： 研究构建了一个双时间尺度的优化模型。

   • 投资规划层：以年为单位，决策发电机组的建设、退役，以及可再生和储能资源的容量扩张，时间跨度覆盖2025年至2045年。
   • 运行模拟层：以小时为单位，进行机组组合（Unit Commitment, UC）和经济调度建模。模型采用了基于代表性周期的选取方法，从全年中选取10个为期3天的代表性时段，以在保证模型精度的同时降低计算复杂度。
   • 核心模型集成：MHD BEVs被建模为一种需求侧资源。为了降低计算复杂度，研究通过将充电开始和结束时间相似的单车进行聚合，形成“虚拟电厂”集群。模型通过控制集群的充电功率（charging power）、放电功率（discharging power）和充电状态（State of Charge, SOC）三个变量，来实现对车辆的优化调度。
   • 求解算法：为了解决包含大量整数变量带来的计算挑战，研究采用了代理拉格朗日松弛（surrogate Lagrangian relaxation）技术，该方法通过松弛区域电力平衡约束，将其违反程度乘以拉格朗日乘子后加入目标函数，从而将原问题分解为更易求解的对偶问题，并迭代更新乘子直至收敛，最终再返回原问题求解近似最优解，极大地提升了计算效率。

2. 场景设定与数据输入： 为了评估行驶模式对结果的影响，研究设置了两套基于不同数据源的MHD BEV行驶和充电行为场景：

   • HEVI-LOAD情景（Scenario HL）：基于劳伦斯伯克利国家实验室与加州能源委员会（CEC）合作开发的代理式驾驶与充电模拟工具“HEVI-LOAD”的输出结果。该工具整合了多源数据，精细模拟了未来零排放汽车（ZEVs）的集成化驾驶、停车和充电行为。
   • Fleet DNA情景（Scenario FD）：通过从历史卡车驾驶数据集“Fleet DNA”中提取行驶开始时间、结束时间和车辆行驶里程（Vehicle Miles Traveled, VMT）等关键信息，结合卡车效率映射表和加州的卡车采纳预测（CEC 2023 AAEE3），采用自举法（bootstrapping）生成未来车队的驾驶行为。该情景假设每辆车每天都会进行充电。

   两种情景在技术基础上（如卡车保有量、充电桩功率、能耗效率）保持一致，但关键区别在于充电可用性的时间分布，这为研究V1G和V2G的潜在效益范围及其对行程时间模式的敏感性提供了更全面的视角。

3. 实验设计： 在两种情景下，研究均模拟了三种充电模式：

   • 基准模式（Fixed）：无控制的固定充电模式。
   • 灵活充电模式（V1G）：仅允许控制充电功率和时间，但不允许回馈电网。
   • 双向充电模式（V2G）：允许车辆向电网放电。

4. 成本分析： 在获得规划优化结果后，研究进一步量化了与V1G和V2G服务相关的隐性成本：

   • 电池衰减成本：引入BLAST电池衰减模型，输入SOC时间序列，计算在不同充电模式下，锂-铁-磷酸、镍-钴-铝和镍-锰-钴三种电池化学体系的平均衰减百分比。并假设电池组可按比例更换电芯进行翻新，以100美元/千瓦时的成本计算线性衰减成本。
   • 充电设施成本：估算V2G所需的额外设备（如孤岛开关和DC-AC逆变器）的潜在增项成本，并比较了在不同充电行为假设下（是否每车每日充电），所需充电桩数量的差异及总硬件成本。

四、 主要研究结果

研究结果从系统投资、运行及附加成本三个维度，全面揭示了V1G和V2G服务的价值：

1. 投资成本节省： 在所有场景下，V1G和V2G都显示出降低可再生和储能资源投资的效果。

   • 在HEVI-LOAD情景下，相较于固定充电模式，V1G和V2G分别在加州独立系统运营商（CAISO）区域内节省了3.5%和4.6%的总成本。
   • 在Fleet DNA情景下，成本节省分别为1.8%和3.0%。以绝对数值计，V2G带来的总成本节省潜力高达约160亿美元。
   • 从投资结构看，节省主要体现在降低了储能电池的装机需求。例如，储能系统的时长从固定充电模式下的约8.0小时，下降至V2G模式下的7.4小时。

2. 系统运行机制：

   • 负荷转移：V1G和V2G的核心价值在于负荷时序转移。分析2035年的典型日负荷曲线可见，V1G和V2G将MHD卡车的充电负荷从可再生能源出力较低的时段转移至光伏出力充沛的中午时段。
   • V2G的独特贡献：V2G进一步在清晨负荷高峰时段（凌晨4点至8点）向电网提供电力注入，有效削减了系统净负荷的早高峰，随后在上午8点至10点车辆离开前，利用激增的光伏发电进行快速充电，从而平抑了净负荷曲线。研究指出，由于大部分车辆在傍晚虽然停靠在停车场，但必须在次日凌晨前充满电以应对早间驾驶，因此它们对削减晚间净负荷高峰的作用非常有限，这揭示了驾驶时间表对V2G价值的决定性影响。

3. 成本效益分析：

   • 电池衰减：V1G和V2G服务带来的额外电池衰减相对温和。与固定充电相比，V1G使电池在5年周期内的额外衰减增加了约0.2%，V2G增加了约0.5%。由此产生的额外衰减成本，对于V1G约为1亿美元，V2G约为2亿美元，与其带来的数十亿美元级系统节省相比，相差一个数量级，这表明电池衰减并非关键阻碍。
   • 充电基础设施：充电桩的成本是巨大的不确定因素。在Fleet DNA情景中，若为每辆车安装专用充电桩，总成本可能高达616亿美元，远超服务本身带来的收益。但如果采用功率共享，即一个充电桩连接多辆车，根据峰值充电需求配置桩数，所需成本可降至145亿美元。此外，若为V2G服务增加逆变器等设备，可能会增加约11亿美元的额外成本，这在一定程度上削弱了V2G相对于V1G的经济性优势。

五、 研究结论与价值

本研究的核心结论是，在加州中重型电动卡车车队中推广灵活充电和双向充电服务，能够通过对充电负荷的时间迁移和能量回馈，显著降低电力系统为达成脱碳目标所需的发电和储能投资，实现数十亿美元的规模经济节省。其中，相较于给车辆增加额外的放电带来的电池衰减成本，其所带来的电网系统侧经济效益是巨大的。

本研究的科学价值在于，它构建了一个长期投资规划与短期运行调度相耦合的大型MILP模型，并通过对中重型卡车这一特殊群体进行高精度的集群建模，为交通-能源耦合系统的规划研究提供了一个强有力的分析框架和实证案例。其应用价值在于，为政策制定者和电网规划者提供了量化的决策依据，表明将MHD卡车纳入需求侧管理具有极高的经济可行性，应被整合进加州的脱碳路径规划中。同时，研究也清醒地指出，实现这些潜在价值的关键前提是确保高参与率以及大幅降低充电基础设施的成本。未来研究应更细致地关注车队运营商和聚合商如何从中获益的具体商业模式。

六、 研究亮点

1. 研究对象的独特性：本研究专注于以往较少被关注的中重型电动卡车车队，并系统性地论证了其相对于电动乘用车在提供电网灵活性服务方面的天然优势。
2. 研究视角的宏观性：摒弃了单纯从车主收益出发的短期视角，而是从中央电力系统规划者的角度出发，在长达数十年的脱碳投资路径上进行全景式的成本效益评估。
3. 成本分析的全面性：不仅量化了V1G和V2G的显性“收益”（节省的投资成本），还深入剖析了其隐性的“成本”端，特别是对电池衰减和充电基础设施成本进行了扎实的量化估算与讨论，使得对技术方案的评估更为客观和平衡。
4. 方法论上的创新：通过“HEVI-LOAD”和“Fleet DNA”两种截然不同的数据源构建对比情景，有效揭示了驾驶和充电行为模式的不确定性对最终结论的影响范围，增强了研究结果的稳健性。