承办单位：⼴东电⽹有限责任公司

设计⾯向“⻋⽹互动”的⻋桩资源全局最优分配算法，在区域电⼒资源约束条件下，通过动态调节充电负荷分配策略，实现⻋桩资源利⽤和运营收益的协同优化。

赛题背景：

在全球能源转型与交通电动化深度融合的浪潮下，广东省作为中国新能源汽车产业的高地和新型电力系统建设的先行区，正加速构建“车-桩-网”协同发展的能源生态。2023年7月，广东省能源局发布《广东省新型电力系统技术创新研究指南》，提出研究“车网互动”技术解决虚拟电厂运营商对区域移动储能资源灵活管控及源-储-荷协同优化需求。当前，广东省新能源汽车保有量突破400万辆，充电基础设施规模与覆盖率稳居全国首位，海量车桩运行数据与动态负荷特征为资源优化配置提供了丰富的场景基础。

随着新型电力系统建设向纵深推进，车桩资源的高效调度不再局限于传统供需匹配逻辑，而是需要融合多尺度时空预测、分布式资源聚合、多主体博弈协同等前沿技术。然而，车桩资源供需时空错配、充电负荷聚合调控滞后等问题日益凸显，据2023年数据显示，全省公共充电桩平均利用率不足40%，而高峰时段用户平均等待时间却超过90分钟。这种结构性矛盾不仅制约新能源汽车产业发展，更对新型电力系统的灵活调节能力提出严峻考验。因此，进行车桩资源分配算法创新，实现车-桩-网资源的秒级响应与全局最优资源配置，不仅是破解能源转型与交通电动化协同发展瓶颈的破局之钥，更是推动“双碳”目标下能源互联网从理论架构向落地实践跨越的必然选择。

比赛任务：

根据不同场景（居民小区、办公场所等）充电站的特点，结合充电站信息、车桩充电信息、天气数据和节假日数据等数据，利用机器学习、深度学习、最优化等技术对车桩充电负荷进行合理预估，设计面向“车网互动”的车桩资源全局最优分配算法，在区域电力资源约束条件下，实现车桩资源利用和运营收益的协同优化。

点击进入报名参赛