面向边缘智能和网络弹性的电动汽车与分布式能源资源在现代配电网中的协调

交通运输的快速电气化及分布式能源资源 (DERs) 的普及正在将配电网转变为高度动态、数据密集和网络物理系统。尽管强化学习 (RL)、多智能体协调和边缘计算为自适应控制提供了强有力的工具，但它们在安全关键的公用事业环境中的部署引发了对稳定性、认证兼容性、网络弹性和监管接受度的担忧。本文提出了一种面向架构的框架，旨在实现电动汽车 (EVs) 和 DERs 的边缘智能和网络弹性协调，将自适应学习与确定性安全保证相结合。所提出的分层边缘-云架构在结构化控制层次中集成了多智能体系统 (MAS) 协调、约束不变的强化学习和嵌入式网络安全机制。学习支持的边缘代理专门在标准合规的安全范围内操作，这些安全范围通过监督约束投影、控制屏障函数和李雅普诺夫一致性稳定性保障来强制实施。保护关键功能保持确定性，并与自适应层隔离，从而保持与 IEEE 1547 及现有公用事业保护计划的兼容性。该框架进一步结合了异常触发的策略冻结、安全故障回退模式和基于通信的弹性机制，以防止在非稳定的分布环境中出现不安全的瞬态行为。与仅通过仿真进行学习的方法不同，该架构通过软件在环 (SIL)、硬件在环 (HIL) 和电力硬件在环 (PHIL) 测试嵌入逐步验证，以实证方式验证瞬态稳定性、约束合规性和网络弹性，尤其是在现实的时序和干扰条件下。除了技术性能之外，本文将边缘智能置于标准演变、治理结构、劳动力转型、技术经济评估和公平部署路径的背景下。通过将自适应控制框定为一个有界的、可审计的增强层，而非对认证基础设施的颠覆性替代，所提出的架构为配电系统的渐进式现代化提供了一条务实的路线图。