《Buildings》：Multi-Objective Capacity Configuration of PV-Energy Storage Systems in Low-Carbon Buildings with Electric Vehicles: A Bi-Level Optimization Approach
编辑推荐：
为了支持低碳智能建筑，本研究提出了一种考虑有序电动汽车（electric vehicle，EV）充电负荷灵活性的光伏（photovoltaic，PV）-储能系统多目标容量优化方法。首先，基于价格引导充电的有序EV充电模型量化了EV充电负荷的灵活性潜力。然后，提
为了支持低碳智能建筑，本研究提出了一种考虑有序电动汽车（electric vehicle，EV）充电负荷灵活性的光伏（photovoltaic，PV）-储能系统多目标容量优化方法。首先，基于价格引导充电的有序EV充电模型量化了EV充电负荷的灵活性潜力。然后，提出了一种双层多目标容量配置模型。在上层，建筑运营商同时最小化经济成本和碳排放成本，联合优化PV-储能容量配置和EV充电价格。在下层，EV用户优化其充电计划，以响应充电价格来最小化其充电成本。为了求解该双层多目标问题，将两个目标归一化并加权为单目标函数，然后开发了一种基于遗传算法（genetic algorithm，GA）的启发式求解方法。案例研究结果表明，所提模式降低了建筑经济成本和与电力相关的碳排放，展示了在“双碳”目标下将碳排放纳入需求侧优化的益处。
全球应对气候变化背景下，低碳建筑是促进能源转型和实现“双碳”目标的重要路径。国际可再生能源署统计显示，建筑相关碳排放占全球碳排放的28%，其中运行阶段能耗与排放贡献最大；中国2024年建筑运行碳排放占全国总量22.1%，且在公共建筑、城市居住建筑和农村居住建筑的运行排放中，电力消费相关的间接排放占比分别高达78.3%、49.5%和77.3%。分布式光伏（photovoltaic，PV）和储能技术日趋成熟、成本持续下降，推动用户从被动用电者向主动能源管理者转变。然而，现有光伏-储能容量配置研究仍存在三方面不足：碳目标通常以刚性约束或主观权重方式引入，难以表征不同低碳偏好对资源配置的影响；建筑运营商与电动汽车（electric vehicle，EV）用户间的协调多依赖外部电网价格，无法反映建筑内部能量状态，互动定价机制薄弱；EV充电负荷的灵活性潜力未在容量优化中显式量化，可能限制储能投资减少与碳排放降低空间。为此，研究人员提出一种考虑EV有序充电灵活性的多目标容量优化方法，将经济成本与碳排放成本同时纳入优化目标，探索建筑光伏-储能系统容量配置与建筑-EV协同机制。研究表明，该方法可显著降低建筑经济成本和电力相关碳排放，为低碳建筑中光伏-储能与EV资源的协调规划提供了理论基础，对“双碳”目标的实现具有积极意义。
研究采用的主要技术方法可概括为三方面。第一，构建基于价格引导的有序EV充电模型，将EV视为具备灵活充电时间窗的柔性负荷，在满足充电需求、充电功率、充电可用性及充电桩数量约束的前提下，量化其充电负荷的灵活性潜力。第二，建立双层多目标容量配置模型，上层以包含PV-储能投资运维成本、购电成本、弃光惩罚和EV充电收益在内的年度经济成本及碳排放成本最小为目标，联合优化光伏-储能容量配置与EV充电价格，并满足功率平衡、PV弃光约束、储能充放电功率与SOC约束等；下层EV用户以充电成本最小为目标，响应充电价格优化充电计划。第三，采用归一化和加权和法将双目标转换为单目标，进而开发基于遗传算法（genetic algorithm，GA）的启发式求解框架，迭代更新EV充电价格；下层EV模型与上层建筑模型分别由商用求解器Gurobi求解。案例数据包括北京工业大学校园EV出行与充电行为调查、北京地区典型季节负荷曲线，以及基于MERRA-2数据集生成的光伏出力曲线。
4.1 案例数据
案例研究中，EV平均到达与离开时间分别为08:07和18:37，到达SOC服从N(0.59,0.21)的正态分布；EV电池容量为60 kWh，充电桩功率为7 kW，充电效率为95%，考虑30辆EV和10个充电桩。PV投资成本为3815.1 CNY/kW，储能投资成本为3851.1 CNY/kWh，弃光惩罚为0.3 CNY/kWh，电网购电的碳排放成本系数为0.01013 CNY/kWh。选取春、夏、秋、冬四个季节代表日开展运行模拟。
4.2 结果与讨论
为验证所提方法的有效性，研究设置了六个对比案例。结果表明，联合优化PV-储能容量配置与有序EV充电的案例I，相比无PV-储能规划且不考虑EV灵活性的案例VI，建筑总经济成本降低12.28%，碳排放成本降低21.24%。将碳排放目标纳入优化（案例I对案例II、案例III对案例IV）可在经济成本仅增加0.08%的情况下实现碳排放减少1.19%。优化EV充电可有效降低所需储能容量：案例I相比案例III，储能额定功率从43.935 kW降至8.222 kW，减少35.713 kW，约占充电桩总额定功率的51.02%；同时建筑总成本降低CNY 10,510，EV充电成本降低CNY 11,996。仅追求零碳电力目标（案例V）会产生过大且不切实际的容量配置。季节运行方面，春、秋、冬三季弃光几乎可忽略，夏季因光伏出力较高，储能系统充放电切换更频繁，弃光现象较明显。优化后的EV充电价格呈现先降后升趋势，11:00最低、15:00最高；充电需求主要集中于09:00—14:00及18:00左右，呈双峰形态。GA求解过程在41次迭代后收敛，9次独立运行统计显示碳排放成本波动较小，经济成本和EV充电成本存在一定波动，但总合作收益保持稳定；储能容量与EV充电灵活性具有部分可替代性，使储能容量优化结果变化大于PV容量，充电价格日内趋势保持一致。
4.3 敏感性分析
对目标权重、设备投资成本和弃光惩罚的敏感性分析表明，储能容量对目标权重设置较为敏感：经济权重较高时储能容量保持较低水平；碳权重较高且经济权重较低时储能容量显著增加，以提升光伏消纳、降低弃光和碳排放。PV容量呈类似变化趋势。PV投资成本是影响PV容量的主要因素，储能相关参数对储能容量影响最大；弃光惩罚增加会
