《Energies》：Resilience Planning for Coupled Power–Transportation Systems Based on Scenario-Feature Identification and Adversarial Reinforcement Learning
编辑推荐：
在“双碳”战略（碳达峰与碳中和）背景下，世界各国致力于推进新能源在交通领域的应用。这促进了电动汽车（EV）的快速发展，并对充电基础设施的研究与建设提出了更高要求。为解决光伏-储能-充电一体化电站在日常调度中面临的日购电成本高、并网功率波动剧烈的问题，以及传统粒
在“双碳”战略（碳达峰与碳中和）背景下，世界各国致力于推进新能源在交通领域的应用。这促进了电动汽车（EV）的快速发展，并对充电基础设施的研究与建设提出了更高要求。为解决光伏-储能-充电一体化电站在日常调度中面临的日购电成本高、并网功率波动剧烈的问题，以及传统粒子群优化（PSO）采用随机或混沌初始化时存在的局限性——包括对电站分时电价（TOU）和储能荷电状态（SOC）的工程先验知识利用不足、初始种群中大量劣质解、易于过早收敛等——研究人员建立了一个兼顾日购电成本与并网功率波动的双目标优化调度模型。该模型整合了光伏出力、EV充电负荷、储能充放电计划以及多类运行约束。基于“谷段充电、峰段放电”的经济运行原则，提出了一种具有电价SOC联合引导初始化（PriceSOC-PSO）的改进PSO算法。通过设置分段SOC目标、引入随机扰动以及实施储能计划的闭环修正，生成高质量初始粒子，同时在种群中混入随机粒子以保持多样性。建立了包括无储能情形、标准PSO、混沌初始化PSO、所提出的PriceSOC-PSO、灰狼优化器（GWO）、哈里斯鹰优化（HHO）和麻雀搜索算法（SSA）在内的多种仿真场景，以进行目标权重灵敏度分析和跨算法对比分析。结果表明，与无储能情景相比，在权重配置 下，所提出的策略分别使日购电成本和并网功率波动降低了11.7%和74.9%。当权重配置调整为（时，这两个指标分别降低了14.8%和62.6%。
在“双碳”战略下，新能源交通应用加速推进，电动汽车（EV）普及对充电基础设施提出了更高要求。光伏-储能-充电一体化电站通过协调光伏（PV）出力、储能充放电与EV充电负荷，可促进新能源消纳并利用峰谷电价套利，但大规模EV同时快充会导致并网功率波动加剧、电网调峰压力增大、日运行成本上升。传统粒子群优化（PSO）采用随机初始化，初始种群缺乏对分时电价（TOU）和储能荷电状态（SOC）的工程先验知识，大量粒子落入劣质解区域，易过早收敛；现有混沌初始化缺乏物理规律利用，改善有限。为此，研究人员构建了兼顾日购电成本与并网功率波动的双目标优化调度模型，并提出了一种电价-SOC联合引导初始化策略（PriceSOC）。该策略依据“谷充峰放”经济原则，通过分段设定SOC目标、构建带随机扰动的引导轨迹、末端闭环平滑修正、反推储能功率序列等步骤生成高质量初始粒子，并混合50%随机粒子保持种群多样性。基于此改进的PSO算法（PriceSOC-PSO）在多个仿真场景中与标准PSO、混沌PSO、灰狼优化器（GWO）、哈里斯鹰优化（HHO）和麻雀搜索算法（SSA）进行了对比。结果表明，在不同目标权重下，PriceSOC-PSO均能显著降低日购电成本和平抑并网功率波动，算法收敛速度和解的稳定性优于对比方法。该研究为光伏-储能-充电一体化电站的经济稳定运行提供了有效调度手段，论文发表在《Energies》。
在技术方法上，研究人员采用了以下主要关键方法：建立光伏出力模型，采用国网新能源发电功率预测竞赛公开数据集（2019年夏季某太阳能电站8号场址，额定容量30MW，按比例缩放到200kWp）获得典型日光伏出力曲线；建立储能系统模型，采用磷酸铁锂电池，额定容量280kWh，额定功率160kW；通过蒙特卡洛方法（500次随机模拟）生成200辆EV充电负荷曲线，其中40%为7kW交流慢充，60%为60kW直流快充；构建以日购电成本和并网功率波动标准差为双目标的优化模型，采用基线归一化线性加权转化为单目标；提出PriceSOC初始化策略，融入TOU电价时段和SOC协同引导，并设置牵引系数和随机扰动幅度参数。
研究结果如下：
1. 基本仿真设置：在MATLAB R2024a平台上搭建日前调度仿真模型，调度间隔15分钟，每日96个时段。PSO种群规模40，最大迭代300次，惯性权重0.7，学习因子1.5，PriceSOC牵引系数峰、谷、平分别为0.025、0.02、0.01，SOC扰动幅度0.01。设置了无储能、标准PSO、混沌PSO、PriceSOC-PSO、GWO、HHO和SSA等对比场景。
2. 主案例分析：在权重配置ω1=0.3、ω2=0.7下，无储能场景日净购电成本539元，并网功率标准差17.1kW。引入储能优化调度后，标准PSO和混沌PSO均能改善指标，但PriceSOC-PSO综合性能最优：平均日购电成本476元（略高于混沌PSO的471元），但并网功率标准差仅4.3kW，远低于其他方案，且各指标标准差极小，解稳定性显著优。从收敛曲线看，PriceSOC-PSO的初始综合目标值最低，迭代次数少即可收敛到更优稳态。
3. 目标权重灵敏度分析：当调整为经济导向权重ω1=0.7、ω2=0.3时，所有方案的日购电成本均下降，PriceSOC-PSO平均成本降至459元，并网功率波动升至6.4kW。横向对比显示，PriceSOC-PSO仍优于随机初始化和混沌初始化，表明所提初始化策略的性能提升不依赖特定权重配置，鲁棒性好。
4. 算法对比分析：与GWO、HHO、SSA相比，PriceSOC-PSO在降低日购电成本和抑制并网功率波动两个指标上均取得最优值，且指标标准差保持较低水平，验证了该算法对光伏-储能-充电一体化电站优化调度问题的有效性和优越性。
讨论部分：研究人员指出当前工作仍存在局限。首先，日前调度基于确定性典型日光伏出力和EV充电负荷均值预测，属于确定性优化，未考虑光伏和负荷的预测不确定性，实际出力偏离预测时调度方案鲁棒性不足。其次，所提策略属于离线日前优化，未考虑充电站、电网和储能系统之间的通信延迟和数据采集滞后，调度指令下发与执行存在时间偏差。第三，固定时间尺度的日前优化缺乏对日内运行状态的实时感知与在线调整机制。针对这些不足，未来可引入场景法、鲁棒优化或分布鲁棒优化以刻画不确定性；考虑通信延迟和指令执行滞后，探索轻量级低延迟在线调度算法；结合模型预测控制等滚动优化框架，实现日前调度与日内滚动的联合修正；并通过示范工程或硬件在环测试验证实际工程适用性。
研究结论如下：(1)构建了以日购电成本和并网功率波动最小为目标的双目标优化调度模型，通过基线归一化线性加权转化为综合目标，实现充电站经济运行与电网友好运行协同优化。(2)提出基于“谷充峰放”经济原则的PriceSOC策略，通过分段设定SOC目标、逐步构建带随机扰动的引导轨迹、末端闭环平滑修正、反推储能功率序列四个步骤系统生成符合工程特征的高质量初始粒子，从种群初始化角度提升算法收敛速度和解质量，弥补了现有无先验知识改进策略的不足。(3)仿真分析表明，无论优化目标偏向电网稳定性还是运行经济性，PriceSOC-PSO与两种传统初始化方案相比均能获得更优的综合调度性能，对多种运行偏好具有较强的鲁棒性。(4)与GWO、HHO、SSA三种主流元启发算法对比，PriceSOC-PSO在日购电成本和并网功率波动两项指标上均获取最优值，且指标标准差低，验证了该方法用于光伏-储能-充电一体化电站优化调度的有效性与优越性。
