当智能体遇上电动公交车队运营：聚合框架中的定价行为、权衡与政策启示

# 当智能体遇上电动公交车队运营：定价行为、权衡与聚合框架中的政策启示

**来源**: https://arxiv.org/html/2606.26400

Jônatas Augusto Manzolli1,2,∗, Ali Eslami1,∗, Luis Miranda\-Moreno1, Jiangbo Yu1,†

1 加拿大魁北克省蒙特利尔市麦吉尔大学土木工程系

2 葡萄牙科英布拉大学 INESC Coimbra

∗ 这些作者对本文贡献相等。

† 通讯作者：[email protected]

###### 摘要

智能体系统通过连接异构数据源，正在改变复杂操作任务的协调方式，为简化任务、连接数据集和自动化流程引入了新的范式。电动公交车队为此范式提供了一个相关的测试案例。其运营需要在服务可靠性、电池荷电状态、充电桩可用性、电价、路线能耗不确定性以及车辆到电网（V2G）机会之间进行持续协调。本文提出了一种智能体聚合框架，通过将基于优化的电动公交车调度模型与用于扰动检测、电价适配和调度评估的监督智能体相结合，简化了这一决策环境。优化核心确保跨路线、充电桩、电池和V2G交换的物理可行性，而智能体层则解释不断变化的运行条件，在需要时触发实时重新优化，并定义灵活性价值如何在聚合器与公共交通运营商（PTO）之间分配。一个现实的车库案例研究评估了在基于利润和基于运营的协调模式下，日前和实时运行情况，考虑了服务延误、路线能耗偏差、电价冲击以及组合扰动。结果表明，智能体聚合能够通过维护可行调度、选择性触发重新优化以及改善充电和V2G灵活性的利用，来支持自适应的车队-电网协调。然而，结果也揭示了一个关键权衡：当围绕利润导向定价配置时，同一套能够降低运营复杂性的智能体能力，也可能从PTO身上提取价值。提示敏感性实验进一步表明，智能体定价行为会随着提示配置而变化，使得提示设计成为一个可重复性和治理变量。这些发现表明，智能体聚合器可以成为管理电动公交车V2G运营的有用工具，但在公共车队环境中部署需要透明的协调模式、可审计的电价制定以及明确的价值共享规则。

**关键词**: 电动公交车队；聚合器；智能充电；车辆到电网；能源市场；智能体AI

## 1 引言

人工智能正从被动的决策支持迅速转向能够协调任务、连接异构数据源、调用外部工具并自动化结构化工作流的智能体系统。这一演变对于能源和交通系统尤为重要，因为在这些系统中，运营决策依赖于碎片化的信息、物理约束、市场信号和实时扰动。在此背景下，智能体AI不应被理解为数学优化或工程模型的替代品，而应被视为一个监督层，能够简化围绕它们的复杂工作流：检测条件变化、准备决策输入、选择合适的分析工具，并解释由此产生的输出结果。

电动公交车队为此能力提供了一个及时的测试案例。随着公共交通电气化的扩展，电动公交车正在成为连接电力系统的大型、时变负荷[17](https://arxiv.org/html/2606.26400#bib.bib1)。其运营已经十分复杂，因为公共交通运营商（PTO）必须协调电池荷电状态（SOC）、充电桩可用性、路线分配、时刻表可靠性、充电时长、路线能耗不确定性以及车厂功率限制[21](https://arxiv.org/html/2606.26400#bib.bib26)。当引入车辆到电网（V2G）运行和能源交易时，这种复杂性进一步增加。车队不仅需要决定何时充电，还需要决定何时放电、出口多少能量，以及在何种电价或补偿结构下参与才具有吸引力。以往的优化研究表明，协调充电、电价感知调度和V2G策略能够降低成本并提高系统性能，尤其是在明确考虑电池老化、需求峰值和不确定性时[24](https://arxiv.org/html/2606.26400#bib.bib8), [29](https://arxiv.org/html/2606.26400#bib.bib5)。然而，在实践中部署这些策略仍然具有挑战性，因为所需信息在运行动态中持续变化。

在这种背景下，聚合器成为自然的协调实体[15](https://arxiv.org/html/2606.26400#bib.bib29)。在电力系统中，聚合器汇集分布式灵活性，与市场互动，并将系统级信号转化为跨用户和资产的协调决策[5](https://arxiv.org/html/2606.26400#bib.bib6)。对于电动公交车队，聚合器可被理解为电网需求与车队运营之间的中介。它接收市场和电网信号，将其转化为车队可行的充电和V2G操作，并定义灵活性经济价值如何在聚合器与PTO之间分配。这一角色超越了简单的套利，因为灵活性的价值无法与服务可靠性、终端SOC、充电桩接入、电池可行性以及PTO的参与意愿相分离。

现有研究已通过层级或市场导向的公式对聚合器-车队互动进行了建模，包括领导者-跟随者结构，其中聚合者定义交易条件，车队运营商则响应充电和放电决策[4](https://arxiv.org/html/2606.26400#bib.bib34), [1](https://arxiv.org/html/2606.26400#bib.bib35), [22](https://arxiv.org/html/2606.26400#bib.bib36)。这些模型为聚合器支持的电动公交车运行提供了重要的数学基础。然而，它们通常建立在预结构化输入、固定决策范围和预定义优化调用之上。因此，它们适用于规划和情景分析，但不太适合实时环境，在这种环境中，延误、路线能耗偏差、车辆状态不确定性和电价变化可能迅速使之前的调度方案过时。现有的电动公交车充电研究为成本最小化、基础设施利用和车队调度提供了强大的公式，但对决定这些模型在运行中何时以及如何使用的编排层关注较少[31](https://arxiv.org/html/2606.26400#bib.bib30), [39](https://arxiv.org/html/2606.26400#bib.bib31)。

智能体系统可以通过嵌入到聚合器中来解决这一差距。与其将聚合器仅视为一个电价设定优化问题，不如将智能体聚合器作为充电优化器周围的结构化监督系统来运行。一个触发智能体可以监控运营和市场偏差，并决定是否需要重新优化。一个定价智能体可以将选定的协调策略转化为充电和V2G交易的买入和卖出乘数。一个评估智能体可以评估由此产生的调度方案在经济和运营方面是否可接受。在此架构中，优化器仍然负责确保可行性，而智能体层则简化了周围的决策工作流。潜在的好处是运营和经济上的：系统可以更自适应地协调充电和V2G事件，减少人工干预，并在聚合器和PTO之间分配灵活性价值。同时，这种能力也带来了一个关键关切。如果智能体聚合器控制着定价指导，那么它的行为决定了谁捕获了V2G灵活性的价值。同一套能够简化电动公交车运行并保护PTO的系统，也可以通过利润导向的电价行为被配置成从中提取价值。这一关切尤其重要，因为智能体行为可能依赖于提示配置和协调模式指令，而这些对PTO来说不一定可见，也不容易被监管机构审计。因此，核心问题不仅在于智能体系统能否运行电动公交车V2G，还在于其行为如何影响协调、定价和价值分配。

尽管智能体AI在能源和基础设施应用中迅速涌现[36](https://arxiv.org/html/2606.26400#bib.bib42), [35](https://arxiv.org/html/2606.26400#bib.bib41), [11](https://arxiv.org/html/2606.26400#bib.bib33), [26](https://arxiv.org/html/2606.26400#bib.bib32)，但文献中仍缺乏对电动公交车队运营智能体聚合器的具体评估。特别是，关于此类系统应如何构建、如何与基于优化的充电模型交互、在日前和实时运行下的表现如何、以及不同定价行为如何同时影响聚合器和PTO，证据有限。关于智能体定价配置是否能在其他方面可行的运行调度下将价值从公共车队运营商转移到聚合器，也缺乏定量证据。

基于这一差距，本文提出了一种用于电动公交车充电和V2G协调的智能体聚合框架。该框架将基于优化的PTO调度模型与三个用于触发、定价和调度评估的监督智能体相结合。该系统在日前和实时条件下进行测试，包括服务时间扰动、路线能耗偏差、电价冲击以及组合压力情景。比较了两种协调模式：一种以利润为基础，优先考虑聚合器收益；另一种以运营为基础，优先考虑与PTO兼容的灵活性参与。本文的主要贡献如下：

- • 一种可追溯的智能体AI架构，用于自适应电动车聚合，将优化与触发、定价和评估智能体结合成一个统一流水线，分离了扰动检测、电价适配和调度接受。
- • 一种受控的日前和实时评估，比较基于利润和基于运营的聚合器协调模式，展示了智能体定价如何在延误、能耗、电价和组合扰动下重新分配聚合器和PTO之间的灵活性价值。
- • 对智能体聚合器定价方案和提示配置的应用评估，推导出关于电价透明度、价值共享以及PTO兼容参与V2G灵活性市场的政策和市场设计启示。

本文的其余部分组织如下。第2节回顾了关于电动车充电、聚合机制和能源系统中新兴智能体AI应用的相关文献。第3节介绍了提出的方法论，包括框架架构、智能体监督逻辑和优化接口。第4节描述了用于实例化该框架的案例研究。第5节报告并讨论了主要结果，包括日前运行、实时扰动、定价行为和提示敏感性。第6节总结全文，讨论政策启示，并指出未来研究方向。

## 2 文献综述

向电动公交车系统的转变代表了公共交通的根本性转变，其意义超越了车辆电气化，延伸至车队、基础设施和能源系统的协同管理。随着电气化规模的扩大，运营决策越来越与电力市场、电网约束和多主体互动相结合，需要整合优化、经济协调和系统级智能的方法。本文献综述考察三个汇聚的研究方向：基于优化的电动公交车充电与定价策略、通过聚合机制实现的车队-电网互动，以及新兴的用于系统编排的智能体AI框架。

### 2.1 基于优化的充电与定价策略

优化仍然是电动公交车充电管理的主要分析范式。大部分文献关注在电池约束、充电窗口、电价和基础设施限制下的充电活动调度。代表性示例包括充电桩部署与车队调度的综合模型[33](https://arxiv.org/html/2606.26400#bib.bib4)，在分时电价和充电站容量约束下的一般充电调度公式[3](https://arxiv.org/html/2606.26400#bib.bib13)，以及明确考虑出行时间、电池老化和充电技术选择不确定性的设施规划方法[41](https://arxiv.org/html/2606.26400#bib.bib14)。其他研究通过纳入季节性、功率匹配和基础设施设计扩展了运营范围[19](https://arxiv.org/html/2606.26400#bib.bib15)，通过联合优化跨多个车厂和充电技术的车队组成与调度[34](https://arxiv.org/html/2606.26400#bib.bib20)，或通过分支定界和自适应邻域搜索方法处理大规模网络级充电调度[40](https://arxiv.org/html/2606.26400#bib.bib21)。近期研究也显示出对适用于实际机构的可扩展启发式算法的兴趣，应用于时变电价下的车队电气化和充电桩分配[27](https://arxiv.org/html/2606.26400#bib.bib24)。

另一个重要的研究流派强调超越日常充电成本最小化的运营现实性。电池老化已通过动态规划方法纳入，匹配工作负荷与电池老化[32](https://arxiv.org/html/2606.26400#bib.bib22)，以及直接将老化嵌入网络级调度的公式[25](https://arxiv.org/html/2606.26400#bib.bib40)。相关研究还探索了将公交车充电与本地能源资源或电网服务相结合。例如，在公共交通环境中研究了电池充放电、需求响应和可再生能源整合[18](https://arxiv.org/html/2606.26400#bib.bib23)，而光伏-储能-充电协调被提出以减少外部电网购电并提高本地能源自主性[16](https://arxiv.org/html/2606.26400#bib.bib16)。

### 2.2 电动公交车聚合与车队-电网互动

最近，关于电动公交车系统的研究已越来越多地从车辆级可行性问题转向与充电基础设施和电力市场的车队级协调。早期研究证实，电动公交车的运营可行性很大程度上取决于路线特征、充电机会、基础设施选址以及实际能量消耗估算[28](https://arxiv.org/html/2606.26400#bib.bib2), [14](https://arxiv.org/html/2606.26400#bib.bib3)。最近的综述工作确认，电动公交车调度已演变为一个多层次问题，涉及车辆分配、充电管理、基础设施设计和鲁棒性考量，而非仅限于成本最小化[2](https://arxiv.org/html/2606.26400#bib.bib1), [7](https://arxiv.org/html/2606.26400#bib.bib7), [37](https://arxiv.org/html/2606.26400#bib.bib12)。