基于ε约束与模糊多准则法的可再生能源智能电动汽车停车场排放与成本协同优化研究

本研究针对可再生能源智能电动汽车停车场(SPL)的经济与环境协同管理难题，提出融合光伏(PV)、风电(WT)、氢储能系统(HSS)和实时电价(RTP)的二元优化框架。通过ε约束法与模糊决策算法，实现运营成本降低1.27%(至3307.45美元)和碳排放减少4.80%(至26454.43千克)，验证了动态定价在多能源系统中的增效潜力。

　　

随着全球交通领域脱碳进程加速，电动汽车(EV)的普及为电力系统带来双重挑战：既加剧电网负荷压力，又蕴含作为分布式储能资源的潜力。智能电动汽车停车场(SPL)作为整合可再生能源(RES)与EV充放电管理的枢纽，其经济性与环境效益的平衡成为关键科学问题。现有研究多孤立分析成本或排放目标，且鲜少探讨实时电价(RTP)与氢储能系统(HSS)的协同效应。河南工业大学的研究团队在《Renewable Energy》发表论文，构建了首个同时优化SPL运营成本与碳足迹的二元模型。

研究采用ε约束法生成帕累托前沿，结合模糊决策算法筛选最优折衷方案。通过建立含光伏(PV)、风机(WT)、柴油发电机(LDG)和HSS的多能源系统模型，在±20%风光波动范围内测试鲁棒性。数据源自实际电网参数与PJM电力市场交易记录，采用混合整数线性规划(MILP)求解。

【方法论和二元模型】
构建包含PV/WT发电量、HSS充放电效率及EV充放电行为的系统模型。通过RTP机制激励用户转移负荷至可再生能源高发时段，降低峰值购电成本。

【问题表述】
数学建模显示，RTP方案较传统分时电价(TOU)更具灵活性。当电价峰值时段与风光发电低谷重叠时，HSS可平抑42%的功率波动。

【数值结果】
案例研究表明：1) RTP使总成本下降42.76美元，主要源于谷段购电比例提升19%；2) 碳排放减少1334.1千克，因煤电依赖度降低；3) 系统在150%负荷突变时仍保持电压稳定。

【结论与建议】
该研究开创性地将模糊集理论应用于SPL多目标决策，证实动态定价可使RES利用率提升至78.3%。未来需探索V2G(车辆到电网)技术对边际成本的敏感性。

这项工作的核心价值在于：1) 为含高比例RES的SPL提供可量化的运营范式；2) 开发的决策支持工具可适配不同碳税政策；3) 氢电耦合模式为园区级微网设计提供新思路。研究结果对实现交通-能源协同减排具有里程碑意义，特别适用于中国等风光资源丰富但调峰能力不足的新兴市场。