编辑推荐：
随着电动汽车（EV）市场扩张，充电设施面临挑战，如充电时间长和电池损耗等问题。研究人员建立了 WEP-EVBSS 集群与区域电网的联合调度模型，并提出改进算法求解。结果表明该模型能降低电网峰谷差和方差，提升收益。这为相关领域提供了科学依据。
在当今社会，环境与能源问题日益严峻，电动汽车作为绿色出行的代表，受到了越来越多人的青睐。其数量的快速增长，让充电基础设施的建设成为了关键问题。传统的充电方式，存在着充电时间长、电池易因快充而加速老化等难题，这不仅影响了用户的使用体验，还对电池的使用寿命造成了威胁。与此同时，电动汽车换电站（EVBSS）虽然为这些问题提供了新的解决思路，但它在运行过程中对电网产生的压力，导致了供电与用电之间的不平衡，给电网的稳定运行带来了挑战。为了应对这些问题，湖北工业大学的研究人员开展了一项关于 “Coordinated multi-objective optimization scheduling for electric vehicle swapping station cluster and grid” 的研究，相关成果发表在《iScience》上。
在这项研究中，研究人员建立了一个高维目标联合调度模型，将风力涡轮机（WT）、电动汽车电池储能系统（EVBESS）和光伏（PV）集成到电动汽车换电站基础设施中，形成了 WEP-EVBSS，并与区域电网联合调度。为了解决这个复杂的模型，研究人员还提出了一种基于多更新策略的改进多目标优化算法（G-MOMUS）。
研究人员运用了多种关键技术方法。首先，他们通过建立数学模型来描述 WEP-EVBSS 集群和区域电网的运行情况，包括 WT、PV 系统以及 EVBESS 的功率计算和能量流动方程等。其次，采用改进的 G-MOMUS 算法求解模型，该算法结合了螺旋搜索、线性搜索等多种策略，以提高优化搜索能力。最后，利用 TOPSIS 和熵权法从模型的解集中选择最优方案，熵权法用于确定各指标权重，减少主观干扰，TOPSIS 则通过比较各方案与理想解的相似程度来选择最优解。
研究结果主要从算法比较和不同案例分析两方面展开。在算法比较中，将改进的 G-MOMUS 算法与 NSGA-III 和 θ-DEA 算法在测试函数 DTLZ1 - DTLZ5 上进行对比，通过超体积（HV）、世代距离（GD）和反转世代距离（IGD）等指标评估。结果显示，改进的 G-MOMUS 算法在这些指标上比其他两种算法有超过 75% 的数值优势，表明其在多样性、收敛性和搜索能力上表现更优。
在案例分析方面，设置了 6 种不同的案例。Case 1 模拟传统换电站，无 WT、PV，EVBESS 容量固定，结果显示其作为电网负荷会降低区域电网稳定性，增加调度难度。Case 2 引入 EVBESS 间电力互助策略且容量可变，相比 Case 1，EVBESS 配置成本降低 17.39%，区域电网峰谷差和方差分别减少 9.94% 和 4.92%，证明该策略能降低成本、平衡负荷。Case 3 增加了 WT 和 PV，利润提升，这得益于站内 WT 和 PV 系统减少购电支出，以及电力互助策略提高能源利用率。Case 4 中 WEP-EVBSS 可向电网放电，有效降低区域电网峰谷差和方差，但 EVBESS 容量配置较小，影响电网调峰能力。Case 5 中 EVBESS 电池数量作为决策变量，综合优化后各目标函数值得到改善，相比 Case 1，利润提高，区域电网峰谷差和方差显著降低，且确定了各站 EVBESS 的最优容量配置。Case 6 在特殊天气和高流量场景下验证了站间互助策略的有效性，相比 Case 1，利润提升 41.31%，区域电网峰谷差和负荷方差也有所降低。
综合研究结果，该研究建立的 WEP-EVBSS 集群模型不仅能降低区域电网的峰谷差和方差，提高了 WEP-EVBSS 集群的收益，还满足了电动汽车的用电需求，实现了换电站集群与区域电网之间的资源协调，达到了 “双赢” 局面。同时，所提出的电力互助策略有效平衡了 WEP-EVBSS 集群的负荷，降低了 EVBESS 的配置成本。改进的 G-MOMUS 算法在求解高维多目标问题时表现出色。然而，该研究也存在一定局限性，如未考虑风能和太阳能发电的不确定性以及站内车辆流量的变化等。未来的研究可以朝着更精准的预测和更大规模的调度方向展开，进一步提升研究成果的实用性，为电动汽车行业的发展和电网的稳定运行提供更有力的支持。
