技术巡猎 蔚来 充换电负荷互补潜力评估方法、介质及控制装置---其实关于能源的内容，才是蔚来的底色，对么？这个专利的话，它说的倒不是“怎么调度充电/换电”，而是一个更基础的东西---调度之前，需要考虑清楚“谁跟谁配一对更划算”，很多补能运营做不起来，是因为一开始没考虑好“波峰波谷”的事情。
普通人能感受到的场景是这样的：春节高速服务区好多人，回到城市，居民区晚上扎堆慢充，白天一片寂静；商圈则是反过来，中午下午最忙。换电站又是另一种节奏，它更像“中央厨房”---你并不是说非要当场做饭，但你必须提前备好多少“成品电池”，不然订单来了交不出去。于是同一张配电网下面，这些负荷不是“大小不同”，而是“作息不同”。
专利的开始，实际上是一个“运营”的动作。在配对之前，先把站点按场景类型和负荷类型分门别类。场景比较实在---住宅区、商业区、高速服务区；负荷类型也很直白---家用充电桩、公共充电桩、换电站。然后优先在同一场景里找“负荷类型不同”的两类对象去算互补潜力。
意思就是：不要拿两个同样夜里爆单、白天睡觉的兄弟互相安慰，没意义；要找一个夜里忙、一个白天忙的，才可能真的互相实现峰谷互补。
专利抓的核心变量叫“可调节能力”。你可以把它理解成：在未来某个时段里，这个站点在不影响基本服务的前提下，功率还能在多大区间里上下调整。把每个时段的这个区间串起来，就是一条“可调曲线”。它的做法主要是先预测，再算边界。
对充电桩来说，它用负荷预测模型去预测未来各时段的充电功率P，然后把最大可调功率设成P，最小可调功率先取0，二者差值就是该时段的可调节能力---这时段你原本要吃多少电，你理论上就能腾出多少电给别的地方用。
对换电站，它先做订单预测：未来每个时段大概会来多少单a。然后算两条底线---最低得给这些订单充出对应的电量，所以有一个“最小可调功率”；站里一共b块电池，如果你想把所有电池都充满，会对应一个“最大可调功率”。两者差值，就是换电站在该时段真正能被调用的余量。专利举例用CRNN去训练负荷预测和订单预测模型，输入里除了历史充换电数据、用户行为，还提到配网容量、光伏出力、储能充放电等电网侧信息---这就很“国网味儿”了，不是只盯站内而已。
有了两条可调曲线，接下来就是“配对”。把两个负荷的可调曲线叠加，算两个互补指标：一个叫水平互补度，衡量叠加后曲线整体有多平滑（平均值/最大值这种思路）；另一个叫垂直互补度，衡量叠加后峰谷差有多大（最小值/最大值这种思路）。直觉很好理解：两个人轮流干活，排班越均匀越好；一天里最忙和最闲的差距越小，越不容易把变压器干到报警。然后它用水平互补度和垂直互补度算出互补度得分Ccom，其实相加也行，但乘法区分度更明显。
但“互补”还不够，现实里还得讲距离。它又算了两个站点的欧式距离，归一化到[0,1]，给出距离得分Dcom（例子里甚至写成Dcom=1-dnorm）。最后综合得分S=α*Ccom+β*Dcom，α+β=1。运营方可以按需求调权重：你想追求系统性平滑，就让互补权重大一点；你想追求就近快速支撑，就让距离权重大一点。
这套东西像看似“打分游戏”，但落到用户侧其实是好使的：当某个站点突然有响应需求（比如某条线负荷顶上去，或者某个区域补能高峰压过来），平台不再是随机限功率、随机分流，而是优先调用那些“作息互补、距离又近”的对象去承接容量。做得好的话，排队会少一点，功率会稳一点，电价/服务波动也会少一点。
当然，专利本身是评估方法，并不是最终的调度策略。距离用的是几何欧式距离，现实里还会被馈线拓扑、台区容量、相别不平衡这些东西卡脖子；换电站的最小功率也不只是订单，温控、倍率、SOC目标都能把边界收紧。当然了，这些都能被塞回“最大/最小可调功率”的定义里继续迭代。
把充电桩和换电站放进同一套可调框架里是有意思的，一个是“用户到哪我到哪”的散点负荷，一个是“备货交付”的库存负荷。把两者的余量边界算出来，再谈虚拟电厂、需求响应、配网友好，这才是工程。
