省钱的踩踏效应：分散式价格优化如何把配变推上 478%——arXiv 电力论文解读

深度 · tech · 2026-10-09 · NewdPower 研究 · 阅读约 40 分钟 · 万字深度+行业分析

图 1 · 乡村低压馈线：所有"聪明"的设备看向同一张价格表时，便宜的电时段本身会成为稀缺资源（NewdPower 配图）

需求响应的基本承诺是：给用户一个时变价格，用户自动把负荷挪到便宜时段，电网的峰值压力随之缓解。2026 年 10 月 5 日提交至 arXiv 的一篇论文用 160 次仿真对这个承诺做了一次压力测试，结论是反直觉的——当馈线上每一户都独立地对同一个价格信号做成本最小化调度时，电动汽车与热泵的负荷会在最便宜的夜间时段精确聚拢，变压器峰值反而冲到无序充电的两倍以上；在 90% 电动车渗透率下，这个数字是额定的 478%。省钱的行为，在系统层面酿成了踩踏。

这篇编号 arXiv:2610.05916 的论文题为《Price-Optimized EV and Heat-Pump Scheduling Can Exceed Uncoordinated Feeder Peaks》（价格优化的电动车与热泵调度可能超过无序充电的馈线峰值），来自德国汉堡赫尔穆特·施密特大学（Helmut Schmidt University）自动化技术研究所。它把一个长期停留在直觉层面的担忧变成了可复现的量化结论，并且顺带检验了德国《能源产业法》第 14a 条（EnWG §14a）新推出的时变网费机制——检验结果同样不乐观：对热泵驱动的同步化，时变网费几乎没有缓解作用。

本文基于论文原文独立解读：先拆实验设计与设备模型，再逐层复现四个核心结果（参考场景的 253% 夜峰、渗透率缩放的十二倍放大、最长支臂的空间失守、夏季光伏地板），然后给出验证边界，最后把这套机制映射到中国的分时电价、有序充电与热泵下乡场景做工程推演。论文的假设与本文的推演将严格分开标注。

一、论文信息卡与导读

一句话导读：这篇论文证明了“人人最优”不等于“系统最优”在低压配电网里有多严重——分散式成本最小化在 30% 电动车+30% 热泵渗透率下把变压器推到 253%，比无序充电高一倍多；热泵是主要放大器；只有把变压器约束写进优化问题的集中式调度能消除越限；而德国立法者寄予厚望的 §14a 时变网费，对热泵同步化的缓解为零。对正在推进分时电价与智能充电的市场，这组结论有直接的政策含义。

论文提出三个研究问题：RQ1，馈线峰值对电动车、热泵、光伏渗透率增长的响应曲线是什么形状；RQ2，同步化引发的过载与电压越限在馈线空间上如何分布；RQ3，价格型协调（日内市场价格、§14a 网费）相对无序充电是缓解还是放大同步化，变压器感知的集中式优化又能做到什么。三个问题分别对应本文第四、六、七章的解读。

二、价格信号的合成谬误：一个问题史

经济学教科书把“个体理性、集体非理性”称为合成谬误。在电力系统里，这个问题有一个精确的物理载体：低压馈线上的所有用户共享同一台配电变压器，任何一户的负荷决策都通过这台变压器与邻居耦合，但没有任何一户在决策时能看到这种耦合。价格信号本应是协调器——它把系统稀缺性翻译成个体成本；但当所有设备都盯着同一个价格表、用同构的优化算法做决策时，价格就成了指挥棒：它把灵活性从“时间上分散”重新排列成“时间上集中”，而集中的位置恰好在最便宜的几个小时。

论文的相关工作梳理显示，这个问题此前只在公共充电场景被量化过。Panda 等人对荷兰 1200 多个公共充电桩的研究发现，在日前价格下做成本最小化充电，会使聚合峰值需求比不做优化时增加最多 16%——充电集中到同一个低价时段是直接原因。但该研究不含热泵、不做馈线级潮流。另一条研究线（Zimmermann 等）在德国能源转型路径仿真中发现，负荷应力几乎全部表现为变压器过载与电压带越限，辐射状拓扑把热应力集中在变压器与馈线入口线路，而电压最低点出现在馈线远端。第三条线研究网络侧控制与监管性限电（如 §14a 阻断-复归事件中热泵的回弹行为，Barta 等；以及基于智能体的分散优化，Galys 等在 IEEE-33 测试系统上消除了热越限），但没有一篇检验价格诱发的同步化峰值。

论文用六项要求给既有文献打分：联合建模电动车与热泵（R1）、评估价格型协调（R2）、对比网络侧控制（R3）、覆盖至少两个季节（R4）、测试 §14a 类监管机制（R5）、在馈线内部逐母线解析越限（R6）。结论是：没有既有工作同时满足六项，且 §14a 模块 3 激励的孤立电网效应、光伏反送超过需求侧应力的临界点，此前都未被量化。这两处空白正是本文的立足点。

论文的问题意识带着鲜明的德国政策背景。EnWG §14a 允许可控用电设备（电动车充电桩、热泵）接受电网运营商在阻塞时的调控，换取电网费折扣；其“模块 3”把折扣升级为叠加在电能价格上的连续时变网费——这正是论文检验的机制。德国的立法逻辑是：只要价格信号设计得当，分散决策就能自我调度。论文的答案是：这条逻辑在热泵面前失效，因为热泵的热缓冲让它们把全部可移负荷都堆进最便宜的深夜时段，时变网费的低费窗口（00:00-06:00）恰好与市场价格最低的时段重合，信号叠加而不是对冲。

三、实验设计：馈线、设备模型与七种策略

论文的仿真框架分四层：设备层（电动车、热泵、光伏的物理模型）、信号层（德国连续日内市场的 15 分钟成交量加权价格，以及 Stadtwerke Norderstedt 2026 年费率表的 §14a 模块 3 网费）、优化层（线性规划，分散式为每台设备独立求解、集中式为全网联合求解，求解器 Gurobi，7 天 672 个 15 分钟步长的完整预见窗口）、电网层（pandapower 牛顿-拉夫逊潮流，逐时步求解 97 母线网络）。评估指标四个：变压器峰值载荷、线路峰值载荷、最低母线电压、越限小时数（变压器过载小时与电压越限小时），电压约束按 EN 50160 标准取 [0.9, 1.1] p.u.。

设备模型是本文解读的重点，因为论文的结论强度与设备设定直接相关。电动车每辆配 60kWh 电池、11kW 家用壁充、充电效率 0.95，可用电量区间 6-60kWh（对应 10%-100% 荷电状态），周初电量 45kWh 且周末须不低于此值。出行模型是随机的：工作日通勤 7:30±0.8 小时出发、17:00±1.5 小时返回，单程耗电 9.0±2.5kWh；25% 概率有 19:00±1 小时的晚间第二行程（耗电 3.0±1.5kWh）；周末 60% 概率单次出行。电量递推式为 E(t) = E(t-1) + p(t)·η·Δt，p(t) 受“在家指示变量”约束——车不在家时不能充电，出发前须保证足够电量。

热泵模型值得完整展开，因为它埋着论文结论的钥匙。每台热泵服务一户，逐时步热需求 Q(t) = max(15℃ − T_out(t), 0) × 0.15 kW/K × Δt：室外温度低于 15℃ 才采暖，建筑综合散热系数 0.15 kW/K，气温数据取德国诺德施泰特（53.67°N）的 15 分钟实测序列。热缓冲的演化式为 B(t) = B(t-1) + COP × p(t) × Δt − Q(t)，其中 COP=3.5、热泵额定电功率 8kW、缓冲容量 10kWh（下限 2kWh，周初与周末不低于 5kWh）。两个数字值得演算：其一，最冷时刻（约 −3℃）户均热需求为 (15−(−3))×0.15 = 2.7kW，折合电功率仅 2.7/3.5 ≈ 0.77kW——但热泵额定 8kW，若满功率运行，缓冲净充热速率是 8×3.5−2.7 = 25.3kW，把 8kWh 可用缓冲充满只需约 19 分钟（论文表述约 20 分钟）。其二，在最冷时段，8kWh 缓冲最多让热泵延迟运行 2-3 小时。这意味着热泵拥有巨大的短时移负荷能力，且所有热泵的“充缓冲”动作都被价格引导到同一批最便宜的时刻。论文明确说明：8kW 的额定功率显著超过户均热需求，这是一种刻意同质化、促进同步化的压力测试设定，而非典型工程配置——这个设定是解读结论时必须记住的前提。

光伏容量从正态分布 N(10, 3) kWp 抽取并裁剪至 [3, 20] kWp，出力曲线来自 renewables.ninja 在诺德施泰特的容量因子序列；上网电价设为零，保证优化器优先自发自用。设备渗透率按固定随机种子（42/44/43）抽取负荷点排列，保证低渗透率的设备集合是高渗透率的严格子集——增量效应不被“哪些户被选中”的抽样噪声污染。这套可复现性设计（全部随机数固定种子、代码开源）是论文方法论上最扎实的部分。

策略谱系是理解全文的地图。七种策略按协调程度排布：三种无优化（基线、固定时刻、固定随机）、两种价格协调（分散式、分散式+网费）、两种网络协调（集中式成本、集中式削峰）。论文的戏剧性发现将出现在谱系的“错位”上：价格协调本应优于无协调，实际却在热泵存在时劣于所有固定策略；而集中式削峰能把变压器峰值压回电气化之前的水平——37.9%，与基线完全一致。

四、参考场景：253% 的夜间尖峰

先看参考场景：电动车、热泵、光伏各 30% 渗透率（99 个接入点中各 30 个），冬季周（第 3 个日历周，热泵负荷最高）。论文表 III 给出了七种策略的完整指标，本文完整复现如下。

逐行读这张表，信息量远超一个“253%”的标题数字。第一，固定时刻策略（所有车 18:00 起充两小时）把变压器推到 167.6%，每周过载整 14 小时——每天晚上 2 小时，精确可预测。第二，把起始时刻随机化（固定随机）就能把峰值压到 112.4%、过载小时减半到 6.5——纯粹的时间分散，不涉及任何优化，就消除了大部分压力。第三，分散式成本优化把峰值推到 253.2%，是固定随机的 2.25 倍，且首次出现电压越限（最低 0.870 p.u.，每周 1.25 小时）——每台设备独立地把负荷挪进 00:00-05:00 的最低价时段，而线性规划的成本最小解并不把负荷摊开在整个低价窗口：所有设备面对相同的价格排序，于是在完全相同的几个 15 分钟时段满功率运行。论文特意指出，尽管便宜窗口长达数小时，同步依然发生——这不是窗口太窄的问题，是优化目标里根本没有“分散”这一项。

第四个信息在集中式策略行。集中式成本在优化里显式加了变压器约束，峰值被压在 102.4%——超出 100% 的 2.4 个百分点来自约束建模的是有功平衡、而报告的载荷是含无功与损耗的视在功率。更值得盯住的是过载小时数：12.75 小时/周，几乎是固定随机（6.5 小时）的两倍。约束把“峰有多高”换成了“顶了多久”——优化器把每一个可用时段都填满到约束上限，把尖峰削成了持续的高位平台。集中式削峰则是唯一把所有需求侧越限清零的策略：峰值 37.9%，与电气化之前的基线完全相同——变压器好像从未迎来过电动车与热泵。

季节维度上结论稳健：分散式峰值在春季 255.1%、秋季 253.6%（春季比值最大，因子 2.5，论文原文——因热需求低使热泵缓冲灵活性更大）、夏季 158.2%（仅靠电动车的夜间优化）。固定随机在夏季已降到额定以下（96%），分散式仍比它高 62 个百分点。任何场景下电压最高只到 1.096 p.u.，未越出 1.1 上限——过电压从未成为问题，在这组仿真的所有场景里，应力问题全部落在低端。

五、渗透率缩放：478% 与热泵的十二倍放大器

参考场景只是快照，渗透率扫描才给出风险的生长曲线。电动车扫描（热泵=光伏=0，冬季）显示：分散式协调下峰值随渗透率近似线性增长，30% 渗透率时 143%，90% 时 478%——单条乡村馈线上，每三户一辆车就已经把变压器推过 40% 的过载，每十户九辆时峰值接近额定的五倍。这个线性关系意味着在论文扫描的渗透率区间内不存在“安全的渗透率拐点”：问题不在于电动车多少，而在于它们是否看向同一个价格。

纯电动车场景里还有一个反直觉排序：90% 渗透率下，固定时刻策略的峰值（504%）反而超过分散式（478%）——硬编码的 18:00-20:00 充电窗把全部车队需求精确叠在居民晚峰上，比价格引导的夜间聚集更致命。固定随机则因插枪时间的天然分散，90% 渗透率下“仅”289%。集中式成本策略把所有渗透率档的峰值都钉在 102% 附近，但过载小时从 30% 渗透率的 6.5 小时增长到 90% 的 22.0 小时——硬顶之下，新增负荷全部转化为更长的满载时长。集中式削峰在所有档位保持 30-32%。

真正的转折发生在热泵进入时。热泵扫描（电动车固定 30%，冬季）显示：分散式协调下，热泵渗透率每增加 30 个百分点，变压器峰值增加约 110 个百分点——从 143%（热泵 0%）到 253%（30%）再到 371%（60%）。而固定策略下同样的渗透率增量只带来 8-10 个百分点：热泵渗透率从 0% 升到 60%（两个增量档）的过程中，固定随机从 104% 升到 121%、固定时刻从 158% 升到 177%，平均每 30 个百分点渗透率仅抬升峰值 8-10 个百分点。110 对 8-10，这就是论文摘要里“约十二倍”的出处。放大器的物理来源在第三章的模型演算里已经埋下：8kW 额定功率对 0.77kW 的均摊电功率需求，让热泵拥有超过十倍的短时过载能力，而价格信号把这份能力整齐地投向同一批时刻。热泵是“带缓冲的价格响应负荷”，缓冲让它比电动车更彻底地服从价格——电动车至少受出行可用性约束，热泵全天候可移。

过载时长同样随渗透率复利式增长：集中式成本策略在热泵 0%/30%/60% 档的过载小时分别为 6.5/14.5/28.0 小时——每个渗透率增量让过载时长翻倍。全部 160 次仿真中最长的过载记录是每周 30.5 小时（电动车 90%+热泵 30%+光伏 30%，最低电压 0.94 p.u.）。把每周 168 小时里的 30.5 小时翻译成工程语言：这台变压器将有近五分之一的时间（约 18%）运行在额定之上，绝缘寿命加速折损不再是理论风险。

光伏在冬季扫描中几乎不改变需求侧策略的峰值（143% 保持不变），只在基线与集中式削峰策略下让午间反送成为新的“峰值”（光伏 60% 时从 30% 升至 88%，论文原文）。光伏的真正戏份在夏季，那是下一章的主题。

六、空间分布：最长的支臂先失守

同步化尖峰打在馈线的哪个位置，论文的答案是：由拓扑决定，且高度不对称。在分散式协调的最坏时刻（周三 00:45），过载不均匀分布——与变压器相连的三条短支臂全部保持在限值以内，而电气距离最长的那条支臂集中了全部同步化效应。在这条长臂内部，线路载荷在分支点后的首段最高（180%）：全部下游负荷都要流经这一段，随后每过一个节点、负荷逐段分走，载荷逐渐缓解；电压则是另一幅图景：沿臂累积的阻抗让电压逐节点下降，臂末端的母线跌到 0.870 p.u.，击穿 EN 50160 的 0.9 下限。作为对照，固定随机策略的最坏时刻（周五 19:45）线路峰值只有 77%，全线未越限，也没有任何电压越限。

这张空间地图对配网运营方的含义是直接的：同步化风险的排查清单不需要覆盖全网，只需要识别每条馈线的“最长臂”——通常是最远的村庄、最末端的台区。论文的一个细节佐证了“同步化而非拓扑决定失守”：在起始时刻随机化的固定随机策略下，长臂末端的电压越限完全消失——同样的拓扑、同样的设备，只是把负荷在时间上摊开，末端电压就回到了带内。拓扑是应力集中的路径，价格同步化才是应力的来源。

七、两种失灵：夏季光伏地板与 §14a 网费

夏季场景揭示了同步化问题的镜像。在光伏高渗透率下（电动车 30%、夏季），午间反送功率逐渐取代夜间需求成为变压器应力的主导：光伏渗透率 60% 时，除固定时刻外的所有策略收敛到同一个 128.9% 的“地板”——这是光伏反送功率的物理上限，任何需求侧调度策略都无法在不弃电或加装储能的情况下突破它。固定时刻策略以 149.8% 成为唯一例外，因为它硬编码的 18:00-20:00 晚间充电峰独立于午间反送存在。论文把这条地板称为供给侧约束：一旦过载由供电侧（反送）而非需求侧驱动，需求侧协调就失去了杠杆——这是“用价格调度负荷”这条路线的能力边界，第一次被一条清晰的水平线画出来。

第二个失灵是监管侧的。§14a 模块 3 时变网费（高费窗 18:00-22:00、低费窗 00:00-06:00，仅一季度与四季度生效）叠加到日内价格上，冬季没有任何缓解——30/60/90% 电动车渗透率下分散式峰值维持 143%/287%/478% 不变，原因是网费的低费窗口与市场价格的最低时段完全重合，两个信号同向叠加。秋季出现 4-5 个百分点的降幅（第 42 周的夜间价格低谷不那么深，网费获得一点边际激励空间）；混合参考场景下 18.4 个百分点的绝对降幅，相对幅度也不过 7.3%。热泵扫描在两个季节均为零降幅——热泵已经把全部可移热负荷堆进最便宜的深夜时段，缓冲约束没有给网费留下任何可操作的剩余灵活性。论文据此给出对监管设计的直接判断：没有通向馈线状态的信道（如智能体方案中的实时阻塞信息），仅靠时变费率无法提供可比的缓解。

两种失灵合起来构成一个完整的政策教训：价格信号能调动灵活性，但调动起来的灵活性需要一个电网感知的落点；否则价格调动的规模越大，同步化的烈度越高。德国的 §14a 模块 3 是“纯价格路线”的代表性实验，论文的检验结果表明这条路线在热泵主导的场景里不成立。

八、论文的验证边界与成立条件

按论文解读的纪律，先划清结论的边界。论文自述四项局限，本文再加三项解读性提醒。

论文自述的局限：其一，所有优化都假设 7 天窗口的完全预见——实际系统必须在预测不确定性下滚动决策，分散式的同步化可能因预测差异而略弱，但集中式的收益同样会打折，两个方向的偏差都存在；其二，设备群完全同质——相同电池、相同热泵额定与缓冲、相同建筑散热系数、恒定 COP、仅空间采暖需求，论文承认这种设定“可能放大同步化程度”；其三，单一参考拓扑，结论对其他馈线形态的外推未经验证；其四，模块 3 的零结果依赖于所用的日内价格曲线与 Norderstedt 费率表——若价格最低点落在网费低费窗口之外，结论会改变。

本文的解读性提醒：第一，250kVA/99 点的乡村馈线是容量裕度偏紧的样本，城市馈线（电缆网、更高配变容量）的绝对数值会不同，但机制不变；第二，30% 渗透率在德国乡村是 2030 年代的前瞻场景，在中国东部农村电网（煤改电+电动车普及）却是正在发生的状态，时间尺度的错位不应被读成“问题还很远”；第三，论文比较的是策略族，不是具体产品——市面上的智能充电桩若都默认“谷段开始即满功率”，其行为接近固定时刻而非分散式，风险图谱要按实际控制逻辑对号入座。

九、中国推演：分时电价、有序充电与热泵下乡

以下内容为本文基于论文机制的工程推演，非论文结论。

第一张地图：居民分时与定时谷充。中国居民电价的峰谷时段由省级价格主管部门划定，谷段普遍在深夜（各省不一，常见 22:00-次日 6:00 或 0:00-8:00 附近）。大量电动车车主的用电习惯是“插枪+定时谷充”——充电桩或车机在谷段起点同时启动满功率充电。对照论文的策略谱系，这不是分散式，而恰是固定时刻策略：全部车队对齐谷段起点。论文中固定时刻在 90% 电动车渗透率下峰值 504%、是纯电动车场景的最差策略——如果一条乡村馈线的电动车渗透率与定时谷充比例同时爬升，馈线峰值将循着那条最陡的曲线增长。工商业侧，直接参与市场交易的工商业用户自 2026 年 3 月起告别固定分时电价、电价逐 15 分钟浮动，价格引导的负荷调度正在从政策文本变成默认设置，分散式同步化的土壤同步形成。

第二张地图：热泵下乡与煤改电存量。中国节能协会热泵专业委员会口径显示，截至 2026 年 6 月国内空气能热泵保有量突破 5000 万台，覆盖约 32% 的采暖与热水终端，其中约 2000 万台是 2015-2018 年“煤改电”高峰期装机、正批量进入 8-10 年更换周期；仅京津冀运行超 8 年的户式热泵就超过 680 万台（产业在线口径）。叠加“热泵下乡”与清洁取暖延续政策，北方农村的热泵渗透率正处上升通道。农村配变容量普遍在 100-400kVA 量级、供电半径长、电压裕度薄——与论文的 250kVA 乡村馈线高度同构。若新一代热泵标配“谷段预加热”智能控制（营销话术往往是“自动省钱”），热泵的十二倍放大器机制将在谷段与电动车定时充电正面叠加。论文的警示在此处最为锋利：热泵+电动车的混合渗透率在价格引导下产生的峰值，会超过两类负荷无协调简单相加的水平。

第三张地图：聚合商层面的同步化复现。中国虚拟电厂与车网互动试点正在扩围，充电聚合商、负荷聚合商的调度算法普遍以现货或峰谷价格为输入。若多家聚合商对同一价格信号做成本最小化（哪怕各自内部是“集中式”），同步化将在聚合商之间复现——论文的机制不区分决策主体是设备还是聚合商，只区分它们是否共享同一个信息结构。这是论文机制对虚拟电厂产业最容易被忽略的推论（本文推演口径）：聚合本身不消除同步化，只有把电网约束（哪怕只是本地配变容量）引入优化目标才消除。分散式与集中式的分界线，画在“优化问题里有没有电网”，而不是“谁来解优化问题”。

图 7 · 车库里的两台设备：电动车与热泵在同一张价格表下各自“聪明”，在配变上合谋出同一个尖峰（NewdPower 配图）

三张地图共同指向一个部署原则：有序充电与智能热泵的“智能”，必须包含对本地电网状态的感知——哪怕只是台区容量上限这一条约束。论文证明这条约束的性价比极高：集中式削峰策略把它写进目标函数后，全部需求侧越限清零、峰值回到电气化前水平。对中国的落地启示是：台区智能融合终端（已随配网智能化批量部署）恰好可以充当这条约束的载体，把“台区容量”作为本地信号下发给充电桩与热泵控制器——技术上只比纯价格调度多一个约束项，工程上却是“踩踏”与“无感”的分界。

十、产业链、利润池与竞争格局

同步化问题在商业上定义了一个正在打开的市场：让灵活性“不踩踏”的市场。产业链从下往上分四段：终端设备（智能充电桩、带控制器的热泵、双向充电桩）、本地控制与感知（台区智能终端、智能电表、HAN 家庭局域网网关）、聚合与调度平台（虚拟电厂平台、负荷聚合商、车网互动运营商）、市场接口（现货报价、需求响应申报、调度系统集成）。利润池的分布规律与论文的机制直接相关：越是“知道电网在哪”的环节，越拿得到防踩踏的溢价——台区级感知与约束嵌入、支持分布式优化的聚合调度软件，是链条上技术壁垒最陡的两级；单纯的设备制造（桩体、充电模块）与单纯的信息搬运（转发价格的 App）都拿不到这部分价值。

竞争格局两端高度不对称。充电运营侧，截至 2026 年 8 月底全国公共充电设施 516.0 万个，桩数口径 CR3 约 44.4%、充电量口径 CR3 约 53.8%——头部运营商（特来电 2026 年 8 月底运营终端达 100.6 万台、日充电量约 8000 万度，星星充电、云快充等）既有规模也有调度能力，是车网互动的主导候选；热泵侧，行业 CR5 约 42%、CR10 约 65%（行业咨询机构口径），海尔、美的、格力等白电巨头主导整机，但“热泵+智能控制”的电网交互能力尚未成为竞争维度——这恰是论文指出的价值空白。下表给出两个市场的关键口径。

把论文结论翻译成竞争语言：当同步化风险从学术讨论变成台区事故报告，监管将不可避免地要求聚合调度嵌入电网约束——先行具备该能力的运营商与设备商，将在“有序”成为准入门槛时收割份额。这是充电运营 CR3 与热泵 CR5 之外，第三个值得盯的集中度指标：电网感知能力的集中度。

十一、市场规模三档情景与上游风险

对“终端灵活性智能调度”市场做三档情景测算（本文推演）。假设链：公共充电设施保持增长至 2030 年约 700 万个（增速较 2022-2026 放缓）；有序充电/车网互动调度服务覆盖的桩占比与单桩年调度价值（削峰收益与价格套利分成）为两个自由变量；热泵侧按 5000 万台保有量（仍在增长）与电网交互参与率、单台年调度价值估算；聚合平台按服务费模式计入。三档情景给出 2030 年市场规模（年化）。

验算基准档：公共充电设施 700 万个×30%×2500 元 = 52.5 亿元；热泵 5000 万台（2030 年保有量更高，此处保守用现值）×6%×100 元 = 30 亿元；合计约 82.5 亿元，取整为约 80 亿元量级。保守档：21 亿元 + 12 亿元 = 33 亿元，取整约 30 亿元；激进档：105 亿元 + 60 亿元 = 165 亿元，取整约 160 亿元。三档的分歧变量不是设备保有量，而是“电网约束是否成为调度的必选项”——这正是论文用 160 次仿真证明的那个开关。市场规模的意义在于节奏：当监管从“鼓励响应”转向“强制有序”，曲线将从保守档直接跳入激进档，中间档的停留时间可能很短。

上游风险沿价值链排列。设备端：智能充电桩与双向桩的核心是功率模块，SiC/IGBT 器件的产能与价格波动直接决定改造成本；热泵压缩机与换热器国产化率已接近 95%（行业咨询口径），供给风险低，但“可控热泵”所需的控制器与通信模组（HAN 网关、标准协议栈）供给尚未规模化，是短板环节。平台端：调度算法的同质化是本论文揭示的最大隐性风险——若各家聚合商的优化算法收敛到同一族目标函数与同一价格输入，算法多样性本身就成了稀缺品；监管在审批聚合商资质时是否要求“去同步化设计”（如随机化参数、差异化响应曲线），将决定这个行业是复制论文的踩踏还是避开它。数据端：台区级负荷数据的可得性与颗粒度，是电网约束嵌入的前提，数据接口标准化的滞后会拖慢整个市场——这不是技术风险，是协调风险。

十二、边界与局限

本文的解读与推演有五点边界。第一，论文结果的成立条件：同质化设备群、完全预见、单一乡村馈线、德国价格体系——机制层面的结论（价格同步化、缓冲放大、空间集中、供给侧地板）外推性强，具体数值不可直接搬运；第二，热泵十二倍放大的基数（8-10 个百分点/步）来自固定策略在论文同质化设定下的表现，异质化现实中放大倍数会低于十二倍，方向不变；第三，中国推演章的场景映射（定时谷充≈固定时刻、聚合商同构优化）为本文判断，实证依据尚待国内台区数据检验；第四，市场规模三档情景的全部假设链均列于正文，参数（单桩年调度价值、参与率）无公开基准，仅为量级推演；第五，充电桩、充电量、热泵保有量等中国侧数据沿用本站既有口径（公共充电设施 516.0 万个、6 月单月公共充电量约 108.4 亿度、空气能热泵保有量超 5000 万台），更新周期与统计口径以原始来源为准。本文观点仅供参考，不构成投资建议。

十三、结论与观察指标

论文用一条 97 母线的乡村馈线回答了三个问题。峰值如何生长：价格协调下渗透率线性抬升峰值，30% 电动车+30% 热泵即达 253%、90% 电动车达 478%，热泵以每 30 个百分点渗透率约 110 个百分点的斜率成为最强放大器；应力落在哪里：最长支臂的首段线路与末端电压，短臂无恙；什么能救：只有显式嵌入变压器约束的集中式调度能清零需求侧越限，时变网费对热泵同步化无效，供给侧的光伏反送地板则任何需求侧策略都无法撼动。对任何推行分时电价与智能充电的市场，这篇论文的价值不在预测某个数字，而在给出一张完整的失效机理图。

最后回到那个容易被标题淹没的细节：论文里唯一把峰值压回 37.9% 的策略，不是更聪明的价格，而是把一台 250kVA 变压器的容量写进优化问题的那行约束。电力系统的许多“智能”，最后比拼的都是有没有把物理约束诚实地写进目标函数——这句话对分时电价的设计者、虚拟电厂的产品经理与热泵下乡的规划者，同样成立。