基于光伏与电池储能的电动汽车充电站多目标优化调度策略研究及其在配电网中的应用

为解决电动汽车(EV)大规模接入配电网导致的功率损耗、经济成本和环境污染问题，研究人员采用多目标优化算法(MOROA)对集成光伏(PV)和电池储能系统(BESS)的电动汽车充电站(EVCS)进行容量配置与充电调度优化。研究通过IEEE 33总线系统验证，实现了总功率损耗降低26.79%、年度成本优化及碳排放减少，为智能电网与清洁交通协同发展提供了创新解决方案。

　　

随着全球能源转型加速，电动汽车(EV)的普及对传统配电网提出了严峻挑战。大规模EV充电需求不仅加剧电网峰值负荷，还可能导致线路过载、电压波动和碳排放增加。与此同时，光伏(PV)发电的间歇性与EV充电需求的时空不匹配问题，使得单纯依赖可再生能源难以保障充电站稳定运行。如何协调EV、PV与电池储能系统(BESS)的协同运行，成为实现清洁交通与智能电网融合的关键科学问题。

针对这一挑战，国内研究人员在《Green Energy and Intelligent Transportation》发表研究，提出了一种创新的多目标优化框架。该研究首次将改进的鮣鱼优化算法(MOROA)应用于EVCS的选址与容量配置问题，同时整合了基于层次分析法(AHP)的电动汽车用户请求(EVUR)智能排序机制，构建了涵盖技术、经济、环境三重目标的综合评价体系。

研究采用四大关键技术方法：(1)基于IEEE 33总线径向配电系统(RDS)建立仿真模型；(2)开发多目标鮣鱼优化算法(MOROA)求解PV/BESS容量配置与EVCS选址；(3)设计包含到达时间(AT)、离开时间(DT)、充电状态(SOC)等6项指标的EVUR权重排序系统；(4)构建分时电价引导的能源管理策略，实现PV-BESS-EV协同调度。

系统建模与优化目标
研究建立了包含负荷、PV、BESS和EVCS的完整数学模型。其中PV输出功率考虑温度与辐照度影响（式3-7），BESS充放电动态通过SOC变化描述（式8-11）。创新性地提出三重优化目标：最小化总功率损耗（式30）、最小化年度综合成本（含PV/BESS投资与电网购电成本，式31-37）以及最小化上游电网碳排放（式38）。

MOROA算法创新
相较于传统MOPSO、MODE等算法，MOROA通过"自由游动"探索阶段（式54）和"深思摄食"开发阶段（式58-65）的独特设计，在四个测试函数中均展现出最优性能（表4）。例如在F₁函数中，MOROA的平均误差低至1.79×10^-124，显著优于对比算法。

案例验证结果
通过四个典型案例对比分析：基础案例（无EV/PV/BESS）、仅EV接入、PV+EV组合、PV+BESS+EV全配置。结果显示：

1. 技术性能：案例4实现总功率损耗降低26.79%，电压稳定性最佳（图14），因BESS在晚高峰放电有效平抑负荷波动；
2. 经济效益：尽管PV+BESS增加初始投资，但通过谷时充电/峰时放电策略，案例4的年度总成本仍优于案例3；
3. 环境效益：案例4碳排放量较纯电网供电的案例2显著降低，但略高于无BESS的案例3，反映系统配置需要权衡。

EV智能调度机制
提出的AHP权重排序系统（图3）成功处理了80-150辆EV的充电请求竞争问题。通过6项标准（AT、DT、SOC、期望SOC、距离、充电站空位率）的综合评估（式22-28），实现了有限充电资源的高效分配。图15-16显示，40辆EV在EVCS1和80辆在EVCS2均能在停留时间内完成充电至90%SOC。

该研究开创性地将MOROA算法应用于电-交通耦合系统优化，其创新价值体现在三方面：首先，提出的PV-BESS-EVCS协同规划框架，解决了可再生能源与动态负荷的时空匹配难题；其次，开发的EVUR智能排序机制，为充电站商业化运营提供了决策支持工具；最后，构建的多目标优化模型，为政策制定者平衡技术、经济、环境目标提供了量化分析手段。研究成果对推进配电网升级改造和交通领域碳中和具有重要实践指导意义。