基于数据驱动的电动汽车充电行为优化与碳减排分析
碳强度是影响碳排放的最关键因素，充电时段的选择比充电总量更重要
V1G有序充电策略可实现约3,024 kg碳减排，减排效率达4.2 g/kWh
充电高峰（18-22时）与高碳时段高度重叠，存在显著的负荷转移减排空间
绿电消纳比例每提高1%，可降低碳排放约2.3%
整合充电行为数据、电网碳强度数据、可再生能源发电数据，进行数据清洗与特征工程。
使用随机森林回归模型分析"充电行为—电网运行—碳排放"之间的关系，识别关键影响因素。
通过格兰杰因果检验和脉冲响应函数分析，识别变量之间的动态因果关系。
构建基准情景、V1G有序充电、V2G双向互动三种情景，量化车网协同的碳减排潜力。
识别最优低碳充电窗口，在用户行为约束下优化充电时序，实现碳排放最小化。
提炼核心结论，提出可操作的减排建议和实施路径。