Probabilistic Assessment Method for Dispatchable Potential of Electric Vehicles Based on User Charging Behavior Profiles

DONG Xiaohong; LI Xinzhen; WANG Mingshen; YU Xiaodan; MU Yunfei; JIA Hongjie

doi:10.7500/AEPS20250622002

您当前的位置：

首页 >

文章列表页 >

Probabilistic Assessment Method for Dispatchable Potential of Electric Vehicles Based on User Charging Behavior Profiles

Basic Research | 更新时间：2026-11-04

- Probabilistic Assessment Method for Dispatchable Potential of Electric Vehicles Based on User Charging Behavior Profiles
- Automation of Electric Power Systems Vol. 50, Issue 21, Pages: 174-184(2026)
- 作者机构：
  
  1.智能配用电装备与系统全国重点实验室（河北工业大学），天津市 300130
  2.国网江苏省电力有限公司电力科学研究院，江苏省南京市 211103
  3.智能配用电装备与系统全国重点实验室（天津大学），天津市 300072
- 作者简介：
- 基金信息：
  
  National Natural Science Foundation of China(52277116);China Postdoctoral Science Foundation(2024M750716);Tianjin Science and Technology Planning Project(25JCYBJC01000)
- DOI：10.7500/AEPS20250622002
  CLC：
- Received：22 June 2025，
  
  Revised：2025-12-23，
  
  Online First：26 May 2026，
  
  Published：10 November 2026
- 稿件说明：
移动端阅览
董晓红,李心真,王明深等.基于用户充电行为画像的电动汽车可调度潜力概率评估方法[J].电力系统自动化,2026,50(21):174-184.

DONG Xiaohong,LI Xinzhen,WANG Mingshen,et al.Probabilistic Assessment Method for Dispatchable Potential of Electric Vehicles Based on User Charging Behavior Profiles[J].Automation of Electric Power Systems,2026,50(21):174-184.
董晓红,李心真,王明深等.基于用户充电行为画像的电动汽车可调度潜力概率评估方法[J].电力系统自动化,2026,50(21):174-184. DOI： 10.7500/AEPS20250622002.

DONG Xiaohong,LI Xinzhen,WANG Mingshen,et al.Probabilistic Assessment Method for Dispatchable Potential of Electric Vehicles Based on User Charging Behavior Profiles[J].Automation of Electric Power Systems,2026,50(21):174-184. DOI： 10.7500/AEPS20250622002.

摘要

随着电动汽车(EV)接入电网，规模化EV在参与电网调度中展现出巨大潜力。为准确评估EV参与电网调度的潜力，提出了一种基于用户充电行为画像的EV可调度潜力概率评估方法。首先，根据充电行为、车辆属性以及用户主观心理效应构建多维用户画像标签，并基于分类决策模型将各用户划分为不同集群，形成个体差异化行为画像；然后，针对单个用户构建不同置信度下的EV能量概率可行域与可调度功率模型，并提出考虑不同时段时间与能量价值的改进奇诺多面体近似方法，对EV能量概率可行域进行内近似；最后，基于用户画像结果所生成的不同EV集群，采用闵可夫斯基和方法对近似后的EV能量概率可行域进行聚合，并对集群内各EV不同置信度下的可调度功率进行聚合，生成对应的集群可调度功率，从而概率化评估不同集群的可调度潜力。

Abstract

With the integration of electric vehicles (EVs) into the power grid

large-scale EVs exhibit great potential for participating in grid dispatch. To accurately assess the potential of EVs in grid dispatch

a probabilistic assessment method for dispatchable potential of EVs based on user charging behavior profiles is proposed. First

multi-dimensional user profile labels are constructed according to charging behaviors

vehicle attributes and users’ subjective psychological effects. A classification decision model is adopted to categorize users into different clusters to establish individually differentiated behavior profiles. Second

for each individual user

EV energy probability feasible regions and dispatchable power models at different confidence levels are constructed. An improved zonotope approximation method considering time and energy values in different time periods is put forward to conduct inner approximation of the EV energy probability feasible region. Finally

for different EV clusters generated from user profile results

the Minkowski sum method is used to aggregate the approximated EV energy probability feasible regions. The dispatchable power of each EV within the cluster at different confidence levels is aggregated to yield the corresponding cluster dispatchable power

so as to probabilistically assess the dispatchable potential of different clusters.

关键词

Keywords

references

IEA . Global EV outlook 2026 ［EB/OL］. ［ 2025-05-28 ］. https：//www.iea.org/reports/global-ev-outlook-2026 https://www.iea.org/reports/global-ev-outlook-2026 .

黄学良，穆云飞，袁晓冬 . 特约主编寄语［J］. 电力系统自动化， 2024 ， 48 （ 7 ）： 1 - 2 .

Huang Xueliang ， Mu Yunfei ， Yuan Xiaodong . Message from the contributing editor-in-chief ［J］. Automation of Electric Power Systems ， 2024 ， 48 （ 7 ）： 1 - 2 .

杨晓东，任帅杰，张有兵，等 . 电动汽车可调度能力模型与日内优先调度策略［J］. 电力系统自动化， 2017 ， 41 （ 2 ）： 84 - 93 .

Yang Xiaodong ， Ren Shuaijie ， Zhang Youbing ， et al . Schedulable ability model and priority-based intraday scheduling strategy for electric vehicle ［J］. Automation of Electric Power Systems ， 2017 ， 41 （ 2 ）： 84 - 93 .

朱兰，刘伸，唐陇军，等 . 充放电不确定性响应建模与电动汽车代理商日前调度策略［J］. 电网技术， 2018 ， 42 （ 10 ）： 3305 - 3314 .

Zhu Lan ， Liu Shen ， Tang Longjun ， et al . Modeling of charging and discharging uncertainty and research on day-ahead dispatching strategy of electric vehicle agents ［J］. Power System Technology ， 2018 ， 42 （ 10 ）： 3305 - 3314 .

Demirci A ， Tercan S M ， Cali U ， et al . A comprehensive data analysis of electric vehicle user behaviors toward unlocking vehicle-to-grid potential ［J］. IEEE Access ， 2023 ， 11 ： 9149 - 9165 .

苏粟，王建祥，王磊，等 . 基于动态哈夫模型及双边匹配的电动汽车充电引导策略［J］. 电力系统自动化， 2024 ， 48 （ 7 ）： 181 - 189 .

Su Su ， Wang Jianxiang ， Wang Lei ， et al . Guidance strategy for electric vehicle charging based on dynamic Huff model and bilateral matching ［J］. Automation of Electric Power Systems ， 2024 ， 48 （ 7 ）： 181 - 189 .

Yong J Y ， Tan W S ， Khorasany M ， et al . Electric vehicles destination charging： an overview of charging tariffs， business models and coordination strategies ［J］. Renewable and Sustainable Energy Reviews ， 2023 ， 184 ： 113534 .

Zhou Y ， Wen R X ， Wang H W ， et al . Optimal battery electric vehicles range： a study considering heterogeneous travel patterns， charging behaviors， and access to charging infrastructure ［J］. Energy ， 2020 ， 197 ： 116945 .

石天琛，杨烨，刘明光，等 . 基于有限信息的电动汽车用户充电行为特征识别［J］. 电力建设， 2024 ， 45 （ 10 ）： 69 - 77 .

Shi Tianchen ， Yang Ye ， Liu Mingguang ， et al . Identification of charging behavior characteristics of electric vehicle users based on limited information ［J］. Electric Power Construction ， 2024 ， 45 （ 10 ）： 69 - 77 .

Pagani M ， Korosec W ， Chokani N ， et al . User behaviour and electric vehicle charging infrastructure： an agent-based model assessment ［J］. Applied Energy ， 2019 ， 254 ： 113680 .

刘海鸥，孙晶晶，苏妍嫄，等 . 国内外用户画像研究综述［J］. 情报理论与实践， 2018 ， 41 （ 11 ）： 155 - 160 .

Liu Haiou ， Sun Jingjing ， Su Yanyuan ， et al . Literature review of persona at home and abroad ［J］. Information Studies （Theory & Application）， 2018 ， 41 （ 11 ）： 155 - 160 .

Lam A Y S ， Leung K C ， Li V O K . Capacity estimation for vehicle-to-grid frequency regulation services with smart charging mechanism ［J］. IEEE Transactions on Smart Grid ， 2016 ， 7 （ 1 ）： 156 - 166 .

陈嘉敏，徐永海，张雪垠 . 基于电动汽车V2G响应能力的储能容量配置方法［J］. 电力建设， 2019 ， 40 （ 3 ）： 34 - 41 .

Chen Jiamin ， Xu Yonghai ， Zhang Xueyin . Energy storage sizing method considering V2G response capability ［J］. Electric Power Construction ， 2019 ， 40 （ 3 ）： 34 - 41 .

王杨洋，茆美琴，杨铖，等 . 面向多场景辅助服务的大规模电动汽车聚合可调度容量建模［J］. 电力系统自动化， 2024 ， 48 （ 7 ）： 103 - 115 .

Wang Yangyang ， Mao Meiqin ， Yang Cheng ， et al . Aggregated and schedulable capacity modeling of large-scale electric vehicles for multi-scenario auxiliary services ［J］. Automation of Electric Power Systems ， 2024 ， 48 （ 7 ）： 103 - 115 .

章攀钊，谢丽蓉，马瑞真，等 . 考虑电动汽车集群可调度能力的多主体两阶段低碳优化运行策略［J］. 电网技术， 2022 ， 46 （ 12 ）： 4809 - 4821 .

Zhang Panzhao ， Xie Lirong ， Ma Ruizhen ， et al . Multi-player two-stage low carbon optimal operation strategy considering electric vehicle cluster schedulability ［J］. Power System Technology ， 2022 ， 46 （ 12 ）： 4809 - 4821 .

杨德健，卢学炫，王枭，等 . 考虑用户特征与意愿的电动汽车调节功率刻画及频率支撑策略［J］. 电工技术学报， 2025 ， 40 （ 11 ）： 3560 - 3571 .

Yang Dejian ， Lu Xuexuan ， Wang Xiao ， et al . Adjusting power characterization and frequency support strategies for electric vehicles considering characteristics and willingness ［J］. Transactions of China Electrotechnical Society ， 2025 ， 40 （ 11 ）： 3560 - 3571 .

Cai S N ， Matsuhashi R . Optimal dispatching control of EV aggregators for load frequency control with high efficiency of EV utilization ［J］. Applied Energy ， 2022 ， 319 ： 119233 .

张睿骐，阳辉，王子睿，等 . 面向车-库-网多层级协调控制系统的电动汽车多时段可调度域的构建和分析［J］. 电工技术学报， 2025 ， 40 （ 13 ）： 4256 - 4275 .

Zhang Ruiqi ， Yang Hui ， Wang Zirui ， et al . Establishment and analysis of multi-stage dispatchable region in vehicles-garage-grid multi-level coordinated control system ［J］. Transactions of China Electrotechnical Society ， 2025 ， 40 （ 13 ）： 4256 - 4275 .

徐俊俊，程奕凌，张腾飞，等 . 计及充电行为特征与可调性的电动汽车集群优化调度［J］. 电力系统自动化， 2023 ， 47 （ 23 ）： 23 - 32 .

Xu Junjun ， Cheng Yiling ， Zhang Tengfei ， et al . Optimal scheduling of electric vehicle clusters considering characteristics and adjustability of charging behavior ［J］. Automation of Electric Power Systems ， 2023 ， 47 （ 23 ）： 23 - 32 .

朱旭，孙元章，杨博闻，等 . 考虑不确定性与非完全理性用能行为的电动汽车集群可调度潜力计算方法［J］. 电力自动化设备， 2022 ， 42 （ 10 ）： 245 - 254 .

Zhu Xu ， Sun Yuanzhang ， Yang Bowen ， et al . Calculation method of EV cluster’s schedulable potential capacity considering uncertainties and bounded rational energy consumption behaviors ［J］. Electric Power Automation Equipment ， 2022 ， 42 （ 10 ）： 245 - 254 .

赵文猛，黄豪江，朱建全，等 . 内近似约束空间整合的灵活性资源集群响应方法［J］. 电网技术， 2023 ， 47 （ 7 ）： 2621 - 2629 .

Zhao Wenmeng ， Huang Haojiang ， Zhu Jianquan ， et al . Flexible resource cluster response based on inner approximate and constraint space integration ［J］. Power System Technology ， 2023 ， 47 （ 7 ）： 2621 - 2629 .

周海浪，刘一畔，陈雨果，等 . 考虑灵活性收益的需求侧资源可行域聚合方法［J］. 中国电力， 2022 ， 55 （ 9 ）： 56 - 63 .

Zhou Hailang ， Liu Yipan ， Chen Yuguo ， et al . Demand side feasible region aggregation considering flexibility revenue ［J］. Electric Power ， 2022 ， 55 （ 9 ）： 56 - 63 .

Hreinsson K ， Scaglione A ， Alizadeh M ， et al . New insights from the Shapley-Folkman lemma on dispatchable demand in energy markets ［J］. IEEE Transactions on Power Systems ， 2021 ， 36 （ 5 ）： 4028 - 4041 .

崔雪原，刘晟源，金伟超，等 . 基于APAA和改进DBSCAN算法的户变关系及相位识别方法［J］. 电网技术， 2021 ， 45 （ 8 ）： 3034 - 3042 .

Cui Xueyuan ， Liu Shengyuan ， Jin Weichao ， et al . Consumer-transformer relationship and phase identification based on APAA and improved DBSCAN algorithm ［J］. Power System Technology ， 2021 ， 45 （ 8 ）： 3034 - 3042 .

张卫国，徐青山，陈堃，等 . 考虑电价敏感用户行为的电动汽车虚拟电厂外特性［J］. 高电压技术， 2023 ， 49 （ 4 ）： 1372 - 1379 .

Zhang Weiguo ， Xu Qingshan ， Chen Kun ， et al . External characteristics of electric vehicle virtual power plant considering electricity price-sensitive user behavior ［J］. High Voltage Engineering ， 2023 ， 49 （ 4 ）： 1372 - 1379 .

朱文俊，王毅，罗敏，等 . 面向海量用户用电特性感知的分布式聚类算法［J］. 电力系统自动化， 2016 ， 40 （ 12 ）： 21 - 27 .

Zhu Wenjun ， Wang Yi ， Luo Min ， et al . Distributed clustering algorithm for awareness of electricity consumption characteristics of massive consumers ［J］. Automation of Electric Power Systems ， 2016 ， 40 （ 12 ）： 21 - 27 .

黄淼，陈鑫，文旭，等 . 计及市场风险的含电动汽车风光互补微电网随机规划调度模型［J］. 电网技术， 2020 ， 44 （ 8 ）： 2883 - 2890 .

Huang Miao ， Chen Xin ， Wen Xu ， et al . Stochastic programming dispatching model for wind and photovoltaic microgrid integrated with electric vehicles considering market risk ［J］. Power System Technology ， 2020 ， 44 （ 8 ）： 2883 - 2890 .

Xu M ， Meng Q ， Liu K ， et al . Joint charging mode and location choice model for battery electric vehicle users ［J］. Transportation Research Part B： Methodological ， 2017 ， 103 ： 68 - 86 .

俞学豪，赵子岩，马应龙，等 . 基于BR和GBDT的电力信息通信客服系统多标签文本分类［J］. 电力系统自动化， 2021 ， 45 （ 11 ）： 144 - 151 .

Yu Xuehao ， Zhao Ziyan ， Ma Yinglong ， et al . Multi-label text classification for power ICT custom service system based on binary relevance and gradient boosting decision tree ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 11 ）： 144 - 151 .

Zhang H C ， Hu Z C ， Xu Z W ， et al . Evaluation of achievable vehicle-to-grid capacity using aggregate PEV model ［J］. IEEE Transactions on Power Systems ， 2017 ， 32 （ 1 ）： 784 - 794 .

姚一鸣，赵溶生，李春燕，等 . 面向电力系统灵活性的电动汽车控制策略［J］. 电工技术学报， 2022 ， 37 （ 11 ）： 2813 - 2824 .

Yao Yiming ， Zhao Rongsheng ， Li Chunyan ， et al . Control strategy of electric vehicles oriented to power system flexibility ［J］. Transactions of China Electrotechnical Society ， 2022 ， 37 （ 11 ）： 2813 - 2824 .

肖白，张博，王辛玮，等 . 基于组合模态分解和深度学习的短期风电功率区间预测［J］. 电力系统自动化， 2023 ， 47 （ 17 ）： 110 - 117 .

Xiao Bai ， Zhang Bo ， Wang Xinwei ， et al . Short-term wind power interval prediction based on combined mode decomposition and deep learning ［J］. Automation of Electric Power Systems ， 2023 ， 47 （ 17 ）： 110 - 117 .

徐天韵，陈涛，张鑫，等 . 基于奇诺多面体的虚拟电厂分布式资源广域聚合调控方法［J］. 电力系统自动化， 2024 ， 48 （ 18 ）： 139 - 148 .

Xu Tianyun ， Chen Tao ， Zhang Xin ， et al . Zonotope-based wide-area aggregation and regulation method for distributed resources in virtual power plant ［J］. Automation of Electric Power Systems ， 2024 ， 48 （ 18 ）： 139 - 148 .

张怀宇，昌力，曹路，等 . 基于改进奇诺多面体的需求侧资源可行域聚合研究［J］. 电力需求侧管理， 2024 ， 26 （ 2 ）： 1 - 7 .

Zhang Huaiyu ， Chang Li ， Cao Lu ， et al . Research on demand side resource feasible region aggregation based on improved zonotope ［J］. Power Demand Side Management ， 2024 ， 26 （ 2 ）： 1 - 7 .

龙禹，张悦，阮文骏，等 . 基于内盒近似模型的有序用电调度策略研究［J］. 电力需求侧管理， 2022 ， 24 （ 5 ）： 84 - 89 .

Long Yu ， Zhang Yue ， Ruan Wenjun ， et al . Ordered electricity consumption dispatching strategy based on inner box approximation model ［J］. Power Demand Side Management ， 2022 ， 24 （ 5 ）： 84 - 89 .

Chen X ， Li N . Leveraging two-stage adaptive robust optimization for power flexibility aggregation ［J］. IEEE Transactions on Smart Grid ， 2021 ， 12 （ 5 ）： 3954 - 3965 .

黄学劲，钟锦星，路京雨，等 . 基于用户画像的电动汽车充电负荷预测方法［J］. 吉林大学学报（工学版）， 2023 ， 53 （ 8 ）： 2193 - 2200 .

Huang Xuejin ， Zhong Jinxing ， Lu Jingyu ， et al . Electric vehicle charging load forecasting method based on user portrait ［J］. Journal of Jilin University （Engineering and Technology Edition）， 2023 ， 53 （ 8 ）： 2193 - 2200 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Convexification of Charging and Discharging Model and Constraint Set Contraction Method for Accurate Electric Vehicle Aggregation

Multi-dimensional Analysis and Prospect of Mechanism for Large-scale Electric Vehicles Participating in Electricity Ancillary Service Market

Real-time Decomposition Strategy of Aggregate Power for Large-scale Electric Vehicle Charging and Battery Swapping Facilities

Optimal Allocation of Reactive Power in Distributed Network for Ultra-fast Charging

Collaborative Dispatch Method for Distribution Network with Multiple Thermostatically-controlled Load Clusters Based on Aggregation Dimensionality-reduction

Related Author

WU Ziran

YU Tao

WU Yufeng

PAN Zhenning

WANG Keying

ZHANG Tianjin

HAO Shuai

SHI Lianjun

Related Institution

School of Electric Power, South China University of Technology

School of Economic and Management, North China Electric Power University

Beijing Key Laboratory of New Energy and Low-Carbon Development

Department of Electrical and Electronic Engineering, University of Hong Kong

State Grid Smart Internet of Vehicles Co., Ltd.

⁰