交通網絡和電力網絡融合承載力的研究綜述

摘 要：電動汽車作為交通電氣化的核心，對減少溫室氣體排放和提高能源效率起到了積極的作用。顯著增長的電動汽車保有量和市場占比對充電基礎設施產生了一定的影響，如充電設施不足和電網負荷波動等問題凸顯。本文深入梳理了交通網絡承載力和電力網絡承載力的基本概念、計算方法和評估指標，分析了交通與能源網絡兩網評估方法與兩網融合韌性，并探討了交通-電力融合系統潛在的挑戰與策略；揭示出目前亟待開展的研究領域并指出了未來的研究方向，以期提高充電設施效率，緩解交通擁堵，保障電網穩定運行。

關鍵詞：電動汽車；交通網絡；電力網絡；網絡承載力；交通電氣化；電網運行

Review on the integrated capacity of transportation and power networks

Abstract： Electric vehicles， as the core of transportation electrification， play an active role in reducing greenhouse gas emissions and improving energy efficiency. The significant growth in electric vehicle ownership and market share has impacted charging infrastructure， highlighting issues such as inadequate charging facilities and fluctuations in grid load. This paper provides a comprehensive review of the fundamental concepts， calculation methods， and assessment metrics related to transportation network capacity and power network capacity. It analyses the evaluation methods for the integration of transportation and energy networks and the resilience of their convergence. The paper explores potential challenges and strategies for transportation-power integration systems. It identifies urgent research gaps and outlines future research directions， aiming to optimize the efficiency of charging infrastructure， alleviate traffic congestion， and ensure the stable operation of the power grid.

Key words： electric vehicles; transportation networks; power grids; network capacity; traffic electrification; grid operation

交通電氣化被認為是實現節能減排、提高能源利用效率的重要措施之一。根據世界資源研究所的最新報告，僅在 2022 年，電動汽車就在其全生命周期內實現了約 8 000 萬t 的溫室氣體減排 ^[1]。中國電動汽車的減排貢獻顯著，乘用車電氣化對全球減排總量的貢獻近 30%。中國作為新能源汽車領域的領跑者和積極推動者，電動汽車的銷售與行駛里程正呈現迅猛的增長態勢。根據工業和信息化部統計數據，2023 年中國大陸新能源汽車的產量、銷量接近 1 000 萬輛，同比增長率達到 35.8% 和 37.9% ；新能源汽車在新車總銷量中的占比達到了31.6%，顯示出用戶對新能源汽車的強烈需求和認可^[2]。電動汽車數量的顯著增長帶來了對充電設施的迫切需求。截至 2023 年底，中國大陸充電基礎設施累計達 859.6 萬臺，同比增加 65%。目前，中國已建成世界上數量最多、輻射面積最大、服務車輛最全的充電基礎設施體系 ^[3]。

然而，新能源汽車為交通網絡和電力網絡帶來了巨大的壓力。一方面，充電設施的數量和分布尚未能滿足大規模新能源汽車的充電需求，導致了充電等待時間過長，加劇了交通擁堵的問題。2024 年五一假期期間，新能源汽車高速公路充電量累計達 29.1 GWh，同比增長 62.5% ；高速公路充電訂單 138.6 萬筆，同比增長 48.2% ^[4]。而充電設施的不足導致車輛長時間排隊等待，極大地影響了交通效率。另一方面，能源補給需求隨其保有量的增長而快速增長，對電網的影響較大。對電網而言，電動汽車充電負荷具備的隨機性、波動性、間斷性和移動性等特點，導致其對電網運行的影響方式多變 ^[5]，造成電網局部設備過載、部分支路潮流越限、電能質量下降、負荷峰谷差變大以及網損增加等區域性影響 ^[6]，進而影響電網的安全穩定運行。

交通網絡承載能力是區域交通網絡系統規劃中的重要概念，它指的是交通網絡可達到的最大吞吐量，是該網絡能夠容納的交通系統中起點和終點（origin-desti- nation，OD）之間交通流量需求量^[7]。對于常規燃油車而言，僅從物理角度刻畫區域交通網絡承載能力；而對于電動汽車而言，不僅要考慮道路空間意義上的交通網絡承載力，還要關注的等待充電時間與充電時間對交通網絡局部交通瓶頸和整體延誤的影響，也要關注電動汽車規模化接入電網后，導致區域電網運行過載和越限^[8]。

電動汽車的最大出行量不僅會影響到道路交通流量，還會體現出其充電供需關系和電力網絡的時空分布差異。剖析整個交通網絡中電動汽車的最大出行量可為有效的流量控制和需求管理提供了重要的信息，提高充電站利用效率，調和充電的供需矛盾，進而緩解交通擁堵、提升交通網運行效率，進一步緩解對電網的沖擊、提升電網運行效率。

本文以區域交通網和能源網為背景，從交通與能源網絡承載力的基本概念和關鍵指標入手，站在多個利益相關方角度進行承載力問題概述，并分析其相互影響。從交通承載力的計算和評估出發，到交通- 電力融合系統的承載力，包括計算框架、網絡魯棒性分析以及相關研究，并總結目前研究中的空白，展望未來研究方向。

1"" 基本概念

1.1"" 交通承載力

交通承載力是指在滿足一定服務水平、環境限制和安全性等因素的前提下，交通系統所能承受的最大容量。在量化過程中，交通系統的最大容量經歷了從靜止的交通實體總量到運行中最大交通量，再到抽象成最大交通起訖點 OD 出行需求量的發展過程。

最大容量，既可以指一個區域內同時容納的最大車輛數，即靜態容量。GAO Shanshan 和 YUAN Zhen- zhou [^{9] 將交通承載力定義為在特定時間內，基于交通設施狀況和服務水平，有限的道路空間能夠安全容納的最大行人和車輛數量。最大容量，也可以指單位時間內通過某一斷面的最大交通量，即動態容量。WU Lingsheng [10] 將交通承載力定義為：在資源和環境等外部因素的限制下，通過綜合運用交通設施和管理技術，來達到預期的交通服務水平和效率，城市路網能夠承載的最大交通流量。最大容量，還可以指交通系統在特定時間內所能滿足的最大出發地到目的地需求量，即需求容量。YANG Hai 等 [7] 將交通承載力定義為在給定的交通起訖點 OD 需求模式下，網絡能夠容納的額外需求的最大量，同時保證每個路段上的流量不超過給定上限。}

交通承載力受多種因素影響，包括環境、基礎設施容量、交通需求、土地使用規劃、政策和法規等。環境因素不僅影響道路條件，還可能導致限行政策的實施，影響交通流量。交通資源，尤其是基礎設施的容量和質量，是決定承載力的關鍵因素。良好的基礎設施可以提高交通效率、減少擁堵，從而增加總體交通容量。電動汽車能夠減輕交通環境負擔，降低碳排放和空氣污染，在環境保護的角度能夠提高交通承載力。

然而，大規模使用電動汽車也帶來挑戰，尤其是其不平衡的充電需求給充電基礎設施帶來前所未有的壓力，反而降低了交通資源的承載能力，并對現有交通網絡配置提出更高要求。本節將深入探討影響交通承載力的因素，并強調在電動汽車普及背景下，合理配置交通資源的重要性。

1. 交通環境承載力。

程繼夏^{[11] 將城市環境交通容量定義為特定道路和交通條件下某城市特定區域能容納的最大機動車數量。而劉志碩等 [12] 將交通環境承載力界定為環境系統能夠承受的交通系統排放污染物或資源利用的最大負荷量。李曉燕等 [13] 則提出了交通環境承載力的概念、組成體系和定量計算方法，強調在特定時期和區域內環境系統對動態交通排放的最大承受能力。}

在微觀層面，王振報等 ^{[14] 通過應用機動車尾氣擴}散的箱型模型，開發了一種道路環境交通容量的計算模型。在宏觀層面，程繼夏 ^{[11] 結合城市中的污染物濃度}的構成與擴散模式，得出了環境交通容量，但只選擇了單一的 NOx 作為主要因子進行評價。徐艷艷等 利用模糊物元理論和熵權法構建了北京市交通環境承載力預警模型，評估了其狀況并識別了主要障礙因素。高桂鳳等 建立了基于可持續發展的城市交通環境承載力評價指標體系，使用灰色預測模型和相對剩余容量法來量化評估了城市交通與環境的協調性及其可持續發展能力。袁振洲等^{[17] 則在城市群層面，通過實證分}析交通承載力與環境承載力的耦合協調度，建立了反映兩者發展水平的指標體系，并探討了兩者時空維度上的耦合過程和演變趨勢。

1. 交通資源承載力。

交通基礎設施作為交通資源的重要組成部分，其對交通承載力的影響更為顯著。蔣惠園與黃永燊 ^[18] 定義交通資源承載力為在特定經濟水平下，交通資源承擔人類活動開發強度和速度的能力，主要依賴于基礎設施供給、網絡完善和服務水平等因素。沈自豪 ^{[19] 采}用熵值法和綜合指數法結合，深入研究了城市交通基礎設施承載力，強調了交通設施用地面積率、城市公路里程和道路網密度對其影響的重要性。然而，上述研究僅從交通資源的單一角度出發，未能充分考慮社會經濟和人口等其他因素。為了彌補這一不足，張夢心 ^[20]從城市經濟學、區域經濟學和統計學角度全面研究了城市交通設施供求影響因素及其機理，探討特大城市交通設施特性。

3） 交通網絡承載力。

在交通網絡承載力計算上，YANG Hai 等 ^[7] 于 2000 年建立一個雙層規劃模型，結合均衡流量分配和出行生成量優化，求解交通網絡承載力和服務水平問題。在給定交通起訖點 OD 需求模式下，該方法有效地將現有和新增交通需求分配至交通網絡，確保所有道路流量不超過上限。在此基礎上，CHENG Lin 等^[21]考慮區域發展帶來的出行需求增長，提出了包含私家車和公共交通的交通網絡承載力模型。此后，多模式交通網絡承載力成為研究熱點，如黃翔月^{[22] 提出了基于}概率選擇模型的流量分配模型和雙層規劃模型，研究了城市多模式交通網絡承載力優化問題。

在交通網絡承載力評估上，曹宇程^[23]通過分析城市道路網交通承載力的影響因素，建立了基于時空消耗法的測算模型，探討了交通承載力與道路網規模等級的關系。朱吉雙和張寧^[24]深入分析了在均衡配流條件下影響城市道路網絡承載能力的關鍵因素，包括路段的通行能力、服務水平的需求、出行需求的結構以及出行者選擇路線的行為模式。熊志華^[25]通過交通網絡韌性的角度，對路網承載力的可靠性特性進行了細致的分析，并據此提煉出了一套用于評估路網承載力可靠性的時空評價體系。王曾珍^[26]側重交通供需關系，提出了基于交通需求與供給協調關系的城市交通承載力評價模型，通過耦合協調度模型分析了交通供需的協調性。李榮^[27]則采用系統動力學方法，構建了考慮交通承載力的人-車-路動力學模型，研究了城市交通系統的演化規律及其與承載力的相互作用。城市交通壓力的緩解并非僅靠道路建設就能實現，王世能和羅超^[28]利用城市路網的剩余承載力，并結合城市道路建設規劃，制定出一套推動城市交通可持續發展的策略。

1.2"" 電力網絡承載力

在區域間長距離出行中，電動汽車的充電需求日益增長，尤其是在位于配電網末端的高速公路和部分國省道服務區。這種急劇上升的充電需求對配電網構成了顯著壓力，對電力網絡承載力提出了新的挑戰。配電網承載力不僅關系到電網的穩定性和可靠性，也是衡量電網能否滿足未來能源需求的關鍵指標。

為了應對這一問題，陳衛等 ^{[29] 構建了一個綜合評}估模型，該模型從電網運行的安全性、經濟性和靈活性 3 個維度出發，運用模糊理論、信息熵理論和變權理論對配電網的承載能力進行了全面的量化評估。李怡然^{[30] 則著眼于電動汽車并網的時間和空間適應性，提}出了一種基于并網適應性的配電網電動汽車承載能力評估方法。李強等 ^{[31] 則提出了一種考慮靈活性的配電系}統評估與提升策略，在保障運行安全性和靈活性的基礎上，提高系統對電動汽車充電需求的接納能力。

隨著交通與能源融合的發展趨勢，基于雙網融合的建模方法逐漸成為研究的熱點。侯佳欣^[8]立足于路-電耦合網絡，建立了一個多目標優化評估模型，用以評估配電網接納電動汽車負荷的潛力，并提出了配電網承載力的量化評估方法。此外，作者還構建了一個綜合評估指標體系，該體系考慮了電動汽車的時空分布特性，并建立了配電網承載力優化模型，分析了不同并網規模的電動汽車對電網運行的影響。針對這種影響，陳麗丹等^[32] 提出了一個融合路網、交通、電網、天氣等多源信息的電動汽車充電負荷時空分布預測模型，考慮用戶出行行為和充電需求，通過Monte Carlo仿真和時間序列潮流計算，評估充電行為對電網負荷和穩定性的影響。為了進一步提高預測精度并量化電動汽車充電對電網的具體影響，楊曉倩^[33]通過建立“車—路—站—網”融合模型，應用Monte Carlo法和Bi-GRU-Seq2Seq深度學習算法，實現了高速公路電動汽車充電負荷的快速準確預測，并分析了其對配電網運行的影響，其結果表明：電動汽車滲透率的增加會導致配電網負荷峰谷差、網損率和電壓偏差有所增加，對電網穩定性構成挑戰。

1.3"" 交通網-能源網兩網融合機理

兩網融合涉及多個關鍵主體，包括充電站設施運營商、電網企業、交通管理部門、通信與互聯網服務提供商、車主 ^[34]。電網不僅需要滿足新能源汽車的補能需求，還應通過其可控性和靈活性來優化系統，降低整體投資和運營成本，通過完善分時電價機制和儲能價格機制，以及鼓勵提高對新能源、充電基礎設施和新型儲能建設的投入，可以促進電網的可持續發展 ^[35]。交通管理部門負責調控交通流量，而新能源汽車的補能決策則主要由車主或車輛運營企業決定。公交公司、網約車平臺和物流公司會依據運營需求和交通狀況進行車輛調度。通信與互聯網企業則為兩網融合提供必要的信息通信和數據存儲服務，支持交通管理部門和電網企業進行有效的決策，為駕駛員提供了實時的交通和充電站信息，使其能規劃更高效的路徑和充電計劃。兩網融合承載力研究是通過交通管理部門和電網企業的角度來考慮兩網融合承載力的計算與評估，但其涉及到的多元主體卻是相互影響的。 圖1 給出了多元主體下的交通網 - 能源網兩網融合機理。

傳統交通研究中的人、車、路 3 要素不同，兩網融合承載力中，電力系統與交通系統通過充電設施和電動汽車相互影響。充電設施的布局及車主的駕駛和充電行為會影響交通網絡流量；反之，交通網絡流量也會影響車主的駕駛和充電行為，從而影響電力系統的運行 [36]。

2"" 承載力計算

2.1" " 交通承載力

1） 時空消耗法。

兩網融合下的交通承載力測算，實質上是道路與電力資源在時空上的占用與利用的綜合考量。時空消耗法作為關鍵的計算方法，為具體承載力的測算提供了重要的切入點。早在 1996 年，周溪召等 ^{[37] 提出了時}空資源和交通空間容量的概念，定義為城市道路機動車道有效總長度與城市道路有效營運時間的乘積，考慮了車道長度、機動車實際行駛時間和動態車頭間距，計算交通空間容量并引入一系列參數修正時空差異。GAO Shanshan 和 YUAN Zhenzhou [^{9] 基于再利用系數、交叉口造成的減少系數和路網綜合利用系數，建立了基于}時空消耗的交通承載力計算模型。然而，上述 2 個研究的修正系數僅考慮了道路和交叉口的影響。曹宇程 ^[23]進一步引入了城市道路網規模、道路等級結構、土地空間結構、交通方式結構、交通設施和交通管理政策 6 個維度的交通承載力修正系數。隨著交通大數據的的發展，基于實時交通數據的道路網實際承載力時空消耗模型的構建，為城市道路網實際承載力的計算提供了新的思路。該模型依托實時交通數據，充分考慮了實際交通運行狀況對城市道路網實際承載力的影響，更好地反映了城市交通系統的復雜性和動態性 ^[38]。然而，時空消耗法在參數精確性、動態性考慮、實際交通狀況反映、復雜性和動態性處理、不同出行需求和管理措施作等方面存在一定的局限性。

2） 數學規劃法。

在兩網融合的交通承載力分析中，目標是在限制路網和電網容量的情況下，最大化滿足多種能源供給方式的交通需求。傳統的交通網絡分析則通常將交通承載力問題視為最小費用最大流問題。1956 年，L. R. Ford和 D. R. Fulkerson [^{39] 提出了標號算法解決單起訖點網絡中的最大穩定流量問題，將其歸納為單商品容量問題。而城市交通網絡復雜度較高，使用多個 OD 需求下的網絡最大流模型無法真正反應交通網絡的承載能力。Y. Iida [40] 提出了一種啟發式算法估算城市道路網絡的承載能力，但這些模型基于單層規劃，無法捕捉出行者路徑選擇的動態變化。}

相比之下，基于均衡理論的雙層規劃方法更符合實際情況。Y. Asakura 和 M. Kashiwadani ^[41] 將用戶均衡的概念結合進交通網絡承載能力估算模型，考慮了停車約束對分配結果的影響，并采用啟發式的增量分配算法進行求解。2000 年，YANG Hai 等 ^[7] 針對交通起訖點 OD 需求模式假設以及旅行者的路線和地點選擇行為，建立了一種雙層規劃模型，其中上層優化模型通過優化 OD 分布來最大化路網承載力，下層優化模型則處理用戶的均衡配流問題。隨著路網規模的越來越來大，需要有更宏觀的動態指標衡量路網承載力， ZHU Jishuang 和 ZHANG Ning ^[42] 摒棄了固定需求模式，并引入了OD 旅行時間，并提出了分區承載力的概念和計算方法。交管部門更加關注在一定社會政治因素影響下的交通網絡承載力，對此 LIU Zhiyuan 等 ^[43]提出了次優承載力的概念，通過對公交分擔率、碳排放、服務水平等進行約束，以計算在滿足一定的社會、經濟和環境指標下實際的交通網絡承載力。

因此，從模型設計的角度來看，雙層規劃方法更適合于研究兩網融合的問題。在規模上，采用分區融合的建模方法，有利于應對兩網融合復雜度的挑戰。在問題維度上，考慮到兩網融合涉及多方面因素，需要關注多重社會經濟環境指標對交通承載力的影響。

3） 仿真方法。

兩網融合涉及多個主體之間的相互交互與作用，基于仿真的精細化建模，尤其是多智能體仿真技術，能提供求解兩網融合下交通承載力的有效方法。H. Sbayti等^[44]提出的基于仿真的動態分配算法，通過車輛模擬和連續平均啟發式方法，在每次迭代中評估和更新路徑流量分配，實現對大型擁堵網絡中動態用戶均衡和系統最優狀態的逼近。劉俊峰^[45]通過引入動態仿真模型及采用Euler公式設計高峰小時通行能力水平遞增方法，判斷出路網臨界狀態，并以此作為測度標準，推導 “生產—吸引”（production-attraction，PA）的極大值作為路網容量，更準確地預測在不同交通需求下路網的承載能力。針對大型網絡的動態交通分配，M. Ameli等^[46]提出了模擬退火算法擴展和適應性遺傳算法兩種新的解決方案，通過并行化求解動態交通分配問題得到網絡承載力，進一步提高了動態交通分配問題的求解效率和準確性。

2.2"" 能源網承載力

在早期的研究中，缺乏成熟的體系來定量評估能源網對電動汽車的承載能力。HUANG Sikai和D. In?eld [4^7]研究了混合動力電動汽車對配電網的并網影響，將車輛的充電負載與現有家庭負載進行比較，分析在不同混合動力電動汽車滲透率下的電網負載變化。然而，上述研究僅對并網影響進行了定性分析，未能有效量化電動汽車對配電網的承載能力。

能源網承載力通過安全可靠性、經濟性、協調性、高效性和優質性 5 類指標進行計算和表征。這些指標反映能源網在穩定運行、成本效益、系統協調、能效水平及服務質量方面的綜合實力，為能源系統的規劃、建設、運營和優化提供科學依據和決策支持 ^[48]。劉兆元等 ^{[49] 考慮了分布式電源的作用，采用專家賦權與熵值法主客觀相結合的組合賦權法對指標進行加權，得出配網可靠性上的承載力計算。屈高強等 [50] 提出了一種面向新型負荷和高比例分布式電源接入后的配電網承載能力計算體系，并基于變權理論進行了模糊綜合評價的承載力計算。}

然而，這些方法在實際應用中主觀性較大，可能影響計算結果的可靠性和一致性，難以全面反映配電網的實際承載能力。為更客觀地計算配電網承載力，引入了數學規劃模型。李強等^[31]從負荷波動和支路運行安全的角度提出了兩類評價指標，包括支路容量裕度和負荷波動裕度，并建立了以最小化系統運行成本和最大化電動汽車充電負荷接納為目標的評估模型，得到電動汽車接入配電系統時配電系統的接納能力。侯佳欣^[8]提出了包含電動汽車與電網之間雙向互動（vehicle to grid，V2G）潛力評估方法以及電動汽車集群分布式調度策略的電動汽車充電負荷的集群優化調度模型。

隨著計算機仿真技術的發展，電動汽車充電需求生成和電網仿真的方法愈加成熟，指標體系也更加豐富。李夢娟 ^{[51] 提出了電動汽車充電對配電網影響的綜合評估模型，通過 Monte Carlo 模擬和粒子群優化算法，優化了充電策略，提升了電網接納能力和運行穩定性。黃巍 [52] 基于電力系統配電網仿真軟件} OpenDSS，構建了一個配電網絡的仿真模型，通過在網絡的不同節點接入分布式光伏發電系統，并逐步增加光伏系統的裝機容量，從而對系統在電壓偏差和諧波影響下的光伏發電系統承載能力進行了深入的分析。張俊等 ^{[53] 基于 DIgSILENT 仿真平臺，建立了一個包含風力發電場的電力系統仿真模型，將電壓和頻率作為關鍵的動態約束條件，通過仿真分析，確定了在保證電網動態安全穩定的前提下，風電系統的最大接入容量。段雪 [54] 建立了電動汽車充電需求的時空分布概率模型，結合用電負荷預測和配電變壓器總容量，提出了一種評估配電網對電動汽車充電負荷承載能力的方法。李怡然 [30] 研究了基波潮流和諧波潮流對電動汽車大規模接入的影響，提出了一種兼顧時間和空間的電動汽車并網適應性評分方法。侯佳欣 [8] 則從配電網、充電設施網和充電用戶 3個方面計算配電網的承載能力，以評價其綜合運行水平。}

為應對大規模電動汽車充電負荷的不確定性，一些學者研究了 V2G 技術，探索其作為可調節負荷和靈活儲能設備在電網調節中的潛力。S. V. Chakraborty 等^[55]通過計算電網在一定時間內無法滿足電動汽車負載需求的概率，衡量了插電式電動車在電力系統中的有效載荷承載能力（effective load carrying capacity，ELCC），分析了不同車隊規模對電網可靠性的影響。U. C. Chukwu和O. A. Nworgu [^{56] 通過使用 RDAP 軟件對 IEEE 測試饋線網絡進行了負載流分析，以評估 V2G 集成對變電站功率容量的影響，以衡量變電站網絡承載力。}

2.3"" 兩網融合的承載力計算

在兩網融合下，道路網絡和充電站的電力供給共同決定了兩網融合的承載力。多元異質的車輛充電需求在時間和空間上對交通網絡和能源網絡帶來了較大的沖擊。充電延誤和排隊可能導致交通擁堵，而電壓偏移和局部供電不足則影響電力系統的穩定性和可靠性。圖 2 闡明了兩網承載力現狀，并為兩網耦合建模仿真提出了指引和要求。交通承載力的時空消耗法，通過分析不同時段和區域內交通流量的分布，準確評估交通網絡的負荷情況 ^[23]。通過預測不同時間和地點的充電需求分布，優化電力資源配置，確保充電站在高峰時段能夠滿足需求，并減少對交通和電力系統的壓力 ^[54]。

兩網融合承載力計算需要通過耦合建模。二階段規劃和雙層規劃可以考慮多個層次的因素和情況，在兩網融合的承載力計算中具有獨特優勢。通過綜合考慮道路和電力資源的實際時空占用情況，以及基于及時完備的道路交通狀況和充電設施使用狀態，能夠準確模擬出行者的實際路徑選擇和充電決策行為^[57]。孔順飛等^[58]基于電力-交通耦合單元，聯系主動配電網和交通系統，提出了一種包含電動汽車充電站選址決策的主動配電網二階段魯棒規劃模型，以設計一個滿足特定承載力水平的配電網。侯佳欣^[8]建立了路-電耦合網絡的節點聚合模型來劃分供電區域，并通過配電網接納電動汽車負載潛力的多目標優化評估模型搭建，以定量評估配電網對電動汽車充電負荷的承載能力。

在兩網融合承載力的計算中，還需要結合先進的計算機仿真技術。精細化交通仿真工具，如 VISUM和 Symuvia，能夠分別模擬宏觀和微觀下不同交通流量的道路網絡運行情況，提供詳細的交通動態數據分析 ^[46]。而對于配電網仿真，Matlab 等工具可以精確模擬電力系統在不同負荷條件下的運行狀態，評估電壓偏移和供電能力 ^[30]。因此，需要建立一個聯合仿真框架，將交通網絡和配電網的仿真結合起來，整合交通和能源數據，模擬多種復雜場景和極端情況，提供全面的承載力評估和優化方案。

3"" 交通網-能源網兩網評估方法

3.1"" 評估指標與體系

兩網融合承載力綜合評估體系包含目標層、對象層、準則層和指標層4層，包含準則層的一級指標3個涵蓋安全可靠性、高效性和優質性，下有2級指標17個，具體結構如圖3所示。其中目標層為交通網-能源網兩網融合承載力綜合評估體系，對象層包含交通網絡、配電網絡、充電網絡3層，在此基礎上根據不同對象的需求特征確定了一級評價指標準則，并根據準則層建立了用于量化評估的2級評價指標。

交通網絡的綜合評估主要涉及 3 個關鍵方面：安全可靠性、高效性和優質性 ^[59]。在安全可靠性方面，評估著重于道路事故率和道路通行能力，前者直接關聯交通網絡的安全性，后者則體現了網絡在高峰時段的承載能力。高效性維度通過交通擁堵程度和平均行駛速度來衡量，反映了網絡的運行效率。優質性則通過路網的碳排放水平和電動汽車出行分擔率來評估，這涉及到環境影響和新能源利用效率。

配電網絡的評估體系同樣注重安全可靠性、高效性和優質性 3 個方面 ^[8]。在安全可靠性方面，評估重點在于線路重載率和配變過載率，這兩項指標直接關系到電力供應的穩定性和電網的安全運行。此外，還需考慮電網的冗余設計、故障自動隔離機制及應急電源配置，以確保在突發情況下的電力供應安全。高效性方面的評估，主要通過分析負荷波動率和系統負荷率來了解電網在不同時間段的負荷變化，以及電網調節峰谷負荷的能力。優質性評估則關注電壓偏移率和系統平均網損，前者影響電力設備的運行效率和壽命，后者關系到能源傳輸的效率。

充電網絡的綜合評估重點在于可靠性和高效性 2個方面 ^[8，59]。在可靠性方面，主要考察充電滿意率和充電設施的覆蓋范圍，以評估用戶對充電服務的滿意程度和設施的普及程度。高效性方面，分析充電等待時長、平均充電時長和充電站的利用率，以衡量充電網絡的運行效率和資源使用情況。

3.2"" 兩網融合韌性

交通網絡和能源網絡融合的主要問題在于資源的時空分布不均。在同一時間，不同地域的資源分布可能存在顯著差異，充電資源的供需失衡。同樣，在同一地點，不同時段的資源需求也會有顯著變化，高速公路上的充電樁平時利用率低，但節假日期間卻供不應求^[4]。圖3了探討兩網融合的魯棒性，通過分析和利用極端條件下2系統在物理、地理和信息維度上的關聯，可以有效挖掘電力和交通資源的雙重屬性，從而協同提升交通-電力系統的韌性^[60]。

在交通領域，CHEN Anthony等^[61]將承載力可靠性定義為網絡在考慮路徑選擇的情況下，能夠達到所需服務水平的概率，結合了可靠性與不確定性分析、網絡均衡模型，以評估退化道路網絡的韌性。H. Al-Deek和E. B. Emam^[62]基于概率分布和用戶滿意度評估交通網絡中因通行能力道路下降導致的旅行時間和容量可靠性問題，使用概率分布來模擬日常干擾，考慮了交通網絡中可能存在的多種降級運行狀態。

針對突發事件，A. Sumalee和F. Kurauchi [6^3]基于隱式規劃和Probit SUE模型的優化算法，并結合Monte Carlo模擬方法，評估和提供了提高重大災害后城市道路網絡容量可靠性的方法。唐少虎等^[64]通過分析道路交通系統安全韌性因素，劃分排水網、道路網、交通網及應急網，采用模糊層次分析法定性定量，評估暴雨內澇對城市道路交通系統的安全韌性影響。李莉莉^[65]通過構建和比較主方法和對偶法生成道路網模型，使用 Pajek軟件分析網絡統計特性，選擇了具有無標度特性的對偶法模型進行可靠性研究，通過模擬攻擊和恢復策略，評估了網絡的抗毀性和恢復性，并引入拓撲勢理論來識別關鍵路段和節點，提出了一種選擇性攻擊算法，考慮節點間的相互影響，更準確地評估了城市道路網絡的可靠性。

針對日常評估， 熊志華 ^{[25] 提出了基于速度與交}通量乘積的路網承載力模型，通過分析不同時間段的承載力變化和承載力的日變化，以及從路段、路徑到整個路網的空間層次評價，評估了路網的時空魯棒性。呂彪等 ^{[66] 提出以日變交通配流 （day-to-day traf?c assignment，DTA 考慮了重大擾動事件下交通流動態變化特性，提出了基于日變交通配流 （day-to-day traf?c}"assignment，DTA） 的城市道路網絡韌性評估模型，通過考慮出行者認知更新和行為慣性，構建了評估系統性能的韌性指標，強調了出行者行為、路段通行能力和路網擁擠度對路網韌性的重要影響。陳思妤等 ^{[67] 將宏觀基本圖與性能時序圖相結合對局部路網韌性進行量化，使用魯棒性指數等 5 個指標，并應用 Kendall 法和 CRITIC 賦權，開發了模糊邏輯評估模型，以量化局部路網的韌性，為緩解常發性擁堵提供了改善方案。}

在配電網領域，韌性是指該網絡在面對自然災害時，對關鍵負載的維持和恢復供電的能力^{[68] 。甄浩慶 [69]}對現有的配電系統優化措施做了簡要概括，主要是無功優化和網絡重構，包括兩者的基本概念和相應的數學模型。王成山 ^{[48] 通過建立配電系統供電能力計算方法和基于饋線分區的可靠性評估技術，提高了配電系統承載力和可靠性評價的效率和準確性。劉兆元 [49] 建立一個綜合評估體系，科學地分析了分布式電源接入對配電網承載力可靠性的影響，并驗證了分布式電源在提高配電網可靠性方面的積極作用。蘇明玉等 [70] 提出了一種混合整數線性規劃模型，在極端場景下最大化關鍵負荷恢復、最小化電壓差異和充電距離，同時考慮充電站數量、配電網運行和輸出功率約束，有效解決充電站布局問題。馬繼洋等[71] 考慮EV 和交通網不確定性因素，}建立交通網和配電網的實時調度模型，針對正常和故障狀態優化經濟性和韌性，實現狀態平滑切換。

4"" 兩網融合挑戰與策略

4.1"" 兩網融合問題

當前兩網融合的承載力研究存在以下2個主要問題，如圖5所示。1） 從實際運營反應的問題來說，承載力資源在時間和空間上的利用不充分；2） 從實際管理角度上來說，多方參與下的兩網融合運營管理難度大。

兩網的資源利用在時間和空間上存在不均衡現象，這是由于交通流狀態和電網狀態的動態變化造成的。首先，交通流動態變化是導致兩網資源不均的重要原因。交通流在不同時間和地點也存在明顯的波動，導致交通基礎設施的利用率不均，高峰時段交通擁堵與非高峰時段道路空閑對比明顯，浪費資源并增加交通管理成本。其次，電網供需關系動態變化導致兩網資源不均進一步加劇。高峰時段電動汽車集中充電會給電網帶來巨大壓力，導致供電緊張甚至停電；非高峰時段充電設施利用率低。這種不均衡現象影響電網穩定性和效率，增加運營成本和管理難度。以往的研究通常使用多方博弈模型來實現駕駛員選擇、充電運營商定價和配電網運行狀態的均衡。然而，這些研究假設所有相關信息都是完備且可獲得的，未充分考慮交通流動態變化、電價波動和充電服務定價更新的實際情況，在實用性上存在一定挑戰 ^[72-73]。

多方參與下的兩網融合運營管理難度較大，兩網融合涉及政府監管部門、能源供應商、交通管理部門、充電設施運營商、電動汽車制造商和終端用戶等多方參與，各自擁有不同的利益訴求和運營目標。如何有效協調各方利益，實現高效運營管理，是一項復雜挑戰。政府通過制定政策法規平衡各方利益，推動技術創新和市場發展，影響能源供應商的電力生產與分配，以及交通管理的整體規劃。政府還通過財政補貼和稅收優惠激勵充電設施建設和電動汽車推廣，推動市場可持續發展。充電設施運營商需根據交通管理部門規劃和電力供應能力，合理布局充電站，優化運營和維護，提升服務質量和用戶滿意度。電動汽車制造商應協同合作，推動技術創新，提高性能和續航能力，降低成本，確保充電接口和協議標準化。用戶的需求和反饋直接影響充電設施布局和服務質量，對市場發展方向起關鍵作用。

4.2"" 兩網融合難點

兩網融合過程中存在 3 大難點，如圖 6 所示。電動汽車車主在充電決策中需考慮多種因素，影響個人出行和交通流量。交通網與能源網融合需克服數據交互挑戰，如數據多樣性、管理不統一和競爭博弈，限制數據共享，影響決策和管理效率。此外，兩網融合在監管上面臨跨部門協調、數據共享、隱私保護、技術標準統一、動態監控、投資成本和政策支持等挑戰，有效合作是關鍵。

用戶的充電選擇是復雜的。一方面，人對充電決策、路徑選擇的感知和決策，同時受到交通流狀態、車輛狀態、充電設施狀態三者的共同影響。交通流狀態包括道路的擁堵程度、交通事故和施工等，影響路線選擇和行車時間；車輛狀態主要包括電量、續航里程和電池健康狀況，直接決定是否需要充電和能否到達目的地；充電設施狀態則涉及充電站的分布、充電樁的數量和可用性、充電速度及價格等，影響充電地點的選擇 ^[74]。

不同的充放電控制策略會導致車輛離網時的剩余電量有所不同，這將直接影響車主后續的駕駛行為以及下一次充電的地點和時間選擇，從而間接影響交通網絡的流量 ^[36]。部分駕駛員在高峰時段選擇避開擁堵路段，前往較為偏遠但充電設施更為充足的區域進行充電，這在一定程度上緩解了交通壓力。然而，這可能導致這些區域在特定時間段內出現充電需求的集中，從而需要對充電基礎設施進行更為精細的規劃和管理。其典型的研究思路是電動汽車車主以充電和出行總費用最小為目標，選擇充電地點和行駛路徑；充電運營商通過不同充電站的差異化定價來影響車主的充電選擇 ^[75]。

數據壁壘的存在是兩網融合的一個挑戰。交通網和能源網的數據來源各異，包括交通流數據、車輛數據、充電設施數據和電網運行數據等，由不同機構管理，數據格式和存儲方式不統一，導致數據整合和共享困難，數據來源多樣性、數據隱私和安全、數據質量和完整性、數據時空匹配、數據管理和處理技術以及跨領域合作等問題制約著兩網融合的發展。傳統單業務大數據的交互方式不適用于海量多源異構的交通能源融合數據交互，各系統之間的大數據存取交互難以統一^[76]。進一步，復雜的競爭博弈關系制約了數據共享。

在同一地區，新能源汽車充電站運營商之間存在競爭和策略博弈，同時充電運營商、新能源汽車車主和電網企業之間既有合作又有博弈 ^[34]。這導致數據整合和共享困難，使駕駛員難以獲取及時全面的信息，從而難以在充電和路徑選擇方面做出明智決策，交通管理部門也難以有效引導駕駛員前往合理的充電地點，緩解交通擁堵和充電站分布不均的問題。

交通網與能源網的融合在監管上面臨挑戰。主要包括跨部門協調、數據共享與隱私保護、技術標準統一、動態實時監控、投資和運營成本、政策與激勵措施、安全與可靠性等方面。交通能源融合涉及眾多部門和企業，需要在宏觀政策層面達成共識，并在微觀執行層面高效溝通。大量敏感數據的共享需保護用戶隱私，技術標準統一和實時監控系統的建立是關鍵，能提高互聯互通和運行效率 ^[77]。在解決思路上，由于基礎設施建設和維護成本高，能推動兩網融合，政府應通過稅收優惠和財政補貼等手段促進技術發展和應用。安全與可靠性需重點關注，復雜系統帶來更多安全風險，需建立完善的安全保障體系。有效的跨部門協調、數據共享、技術標準統一、實時監控、合理成本分配、政策支持和安全保障體系是推動綠色交通和能源轉型的關鍵 [78]。

4.3"" 兩網融合解決思路

面對兩網承載力資源在時間和空間上的利用不充分，以及多方參與下的兩網融合運營管理難度大的問題，需要克服用戶充電選擇復雜性、數據壁壘和監管困難這 3 個難點。本文借鑒交通管理中的交通需求管理和交通系統管理的概念和方法，從供需調節和系統管理的角度，闡述兩網融合的解決思路，具體細節如圖 7 所示。

在供給側，通過 V2G 技術讓電動汽車向電網供電，可以實現局部區域的有效電力供給，均衡時空荷載，并結合有序充電，使電動汽車能夠應對可再生能源發電的波動性，促進其消納 ^[79]。然而，由于電動汽車的基本工程特性和供能成本的限制，這種模式只能在消費者愿意支付較高額外費用下才能得以持續。分布式光伏發電提供了一種有效的解決方案，V2G 停車場系統配備光伏屋頂能夠潛在地減輕電網負擔并增強電網容量^[80-81]。光伏屋頂的集成不僅可以在高峰充電期間減少配電網的負載，還能在光伏屋頂產生過剩電力時向電網供電 [82]。

此外，其他形式的新能源發電也提供了解決方案。朱建全等 ^{[83] 建立了電網層、電源與負荷層的調度模型，以虛擬電廠的形式考慮了新能源發電和電動汽車的互補，實現了電力實時平衡調度；趙俊華等 [84] 考慮了電動汽車負荷和風電隨機特征，通過理論分析得到了 V2G 的電源出力的數學期望的解析表達式，建立了隨機經濟調度模型。然而，目前車網融合的時空資源供需調節主要依賴于供給側的擴展，這種模式在高速公路充電站等場景中存在局限性，其非高峰時段使用率較低，而在高峰時段又難以滿足需求，連續擴建充電站將導致資源的大量浪費 [85]}。因此，需求側管理的引入顯得尤為關鍵。

在需求側，通過多種策略優化電力和充電資源的使用。首先，動態電價策略類似于交通管理中的擁堵收費，通過調節電價引導用戶在非高峰時段進行充電，減輕高峰時段的電力負載^[34]。其次，引導充電需求的分散，通過提供實時充電信息和充電站預訂服務，讓用戶選擇負載較低的充電站進行充電 ^[86]。推廣智能充電技術，使充電過程更加高效和靈活，根據電網的實時負載情況動態調整充電功率，從而平衡供需 ^[87]。對時空資源調度進行協同優化，在時間上優化輸電網中電動汽車充電負荷與發電機的協同調度，在空間上優化配電網中電動汽車的 ^[88]。最后，考慮更長時間的決策周期和用戶價格彈性與行為特性，加強用戶教育和激勵機制，鼓勵用戶采用更加可持續和合理的充電習慣，進一步優化電力資源的配置 ^[34]。

進一步，從系統管理的角度解決兩網融合問題，需要整合車聯網、邊緣計算、云平臺等技術，研發建立交通-能源兩網融合大數據平臺^[89，76]，如圖8所示。

交通-能源兩網融合大數據平臺的核心控制系統負責關鍵數據的實時采集與深度分析，通過高效的信息通信網絡監測并集成發電輸出、電力負荷需求及儲能狀態等基礎數據，執行精確的電力調度規劃，并通過動態電價機制激勵交通負荷靈活響應可再生能源的發電波動，引導負荷側根據云端信息做出最優電力消費決策，同時儲能系統實時調節充放電操作，以確保供需間的動態平衡，實現整個系統的能源效率和經濟效益最優化^[90]。

從運營角度來看，通過車聯網技術，將電動汽車的充電數據采集、智能充電導航與結算、V2G調度與費用結算等功能集成到一個綜合平臺中。這個平臺不僅實現了電動汽車與電網的深度融合，還能有效連接各種利益相關方，包括電網運營商、車輛制造企業、運營企業、充電服務提供商、交通管理部門和最終用戶。各方更高效地協同工作，優化充電網絡的運行，提高充電基礎設施的利用率，并確保電動汽車用戶享受更便捷和可靠的服務。從資源配置角度出發，利用邊緣計算和云平臺等前沿信息技術，可以開發出分布自治和集中調控相結合的電力-交通協同運營調度平臺。邊緣計算技術使得數據處理可以在更靠近數據源的地方進行，減少數據傳輸的延遲，提高響應速度。而云平臺則提供了強大的計算和存儲能力，能夠處理大規模的數據分析和調度優化任務。這種結合不僅提升了系統的整體效率和靈活性，還能通過實時數據分析和智能算法，實現電力與交通資源的最優配置，確保在不同使用場景下的高效運行。

5"" 結論與展望

本文對綜合交通與能源電力網絡兩網融合系統中的電動汽車承載力進行了全面綜述，系統分析了交通網絡承載力和電力網絡承載力的基本概念、計算方法，涵蓋了不同的數學模型與求解算法，從安全可靠性、高效性和優質性 3 方面建立了評估指標體系，揭示了電動汽車充電需求對交通與能源網絡的相互影響，并探討了雙網融合系統中的承載力問題，分析了雙網融合面臨的挑戰與策略，最終總結了研究發現并對未來的研究方向進行了展望。

交通和電力網絡的承載力計算是確保兩網融合系統高效運行的關鍵。傳統的交通網絡承載力主要考慮道路空間和通行能力，而在電動汽車普及背景下，還需結合充電設施的布局和利用率進行綜合評估。電力網絡的承載力評估則需考慮電動汽車充電負荷的隨機性和波動性，以確保電網的穩定運行。供需調節和系統管理策略是解決兩網融合承載力問題的有效手段，通過 V2G 技術和分布式光伏發電實現局部區域的有效電力供給，并通過動態電價策略、充電需求分散和智能充電技術優化充電資源的使用。

未來的研究應進一步完善承載力評估方法，特別是針對交通和電力網絡的動態變化和不確定性因素，開發更為精確的評估模型。優化供需調節和系統管理策略，提升充電基礎設施的利用效率，并確保電網的穩定運行。推進大數據平臺的建設與應用，實現數據的高效整合和實時分析，支持智能化決策。進一步探索智慧城市、港口、城市群和航空交通系統中的兩網融合應用，推動綠色交通和清潔能源的普及，提升綜合交通與能源電力網絡的高效融合和可持續發展。通過多方協同和技術創新，構建更加智能、高效、可靠的兩網融合系統，為未來智慧交通的發展提供堅實的技術支持和保障。