讲座信息

【演讲人】

谢依芸 副教授

【主持人】

欧士琪 教授

【讲座主题】

电池换电网络驱动的V2X协同调度与预测免依赖能源管理方法

【时间地点】

时间：2026年4月20日周一上午10:00-11:30 (北京时间)

地点：线上（Microsoft Teams 会议: 会议 ID: 933 090 462 157 7,  密码: eh74if）

讲者简介

谢依芸博士为台湾大学土木工程学系电脑辅助工程组的副教授，并兼任化学工程学系联合聘任教师，同时担任能源、经济与环境研究中心（NTU E3 Center）负责人。她于台湾大学取得化学工程与财务金融双学士学位，并于美国麻省理工学院（MIT）取得化学工程博士学位。谢教授的研究聚焦于人工智慧驱动的能源系统分析、低碳运输、电动车与电网整合（V2X）、再生能源预测以及能源政策评估，致力于发展跨领域数据驱动方法以支持净零转型决策。近年来，她结合真实世界运转数据与优化模型，推动智慧能源管理、绿色物流系统以及城市尺度能源—交通耦合分析研究。谢教授目前亦担任Communications Earth & Environment编委（Energy & Resources研究领域），并长期参与政府部门与产业界合作，推动电动运具发展、碳减排策略与智慧能源系统规划相关研究。

报告摘要

汇报题目：电池换电网络驱动的V2X协同调度与预测免依赖能源管理方法

摘要：随着交通电动化进程加速，大规模电池基础设施正逐步由单一补能设施转变为重要的分布式能源资源。其中，高密度部署的电动机车换电站网络为实现车网互动（V2G）与建筑侧能源协同（V2B）提供了新的系统级机会。本报告首先介绍台湾电动机车换电网络的发展现状，并探讨其作为分布式储能资源参与电网协同调度的潜力。研究结果表明，通过综合考虑电网负载结构与碳排放强度变化，可设计兼顾削峰能力、运营成本与碳排放优化的换电站V2G调度策略，从而提升城市能源系统韧性。进一步地，本报告提出一种预测免依赖型（forecast-free）的能源管理系统框架，以混合整数线性规划模型作为教师模型生成最优调度策略，并利用监督式深度学习训练神经网络控制器，实现无需未来负载或光伏预测即可进行实时能源调度。该方法在保持接近最优调度性能的同时显著降低计算复杂度，并提升系统在随机需求环境下的鲁棒性。整体而言，本报告展示了电池换电网络在交通—能源系统深度耦合中的关键作用，并为构建可扩展的V2X协同调度架构提供了新的研究路径。