在光伏不确定性和银杉蓄电池功率约束下，集成电动汽车充电站的随机优化
发布时间：2026-08-11 22:03:01 点击： 次
基于关键设备的准确电力状态预测进行最佳调度，对于提升可再生能源利用率、减轻集成电动汽车充电站（EVCS）中主电网充电压力 至关重要，该充电系统集成了光伏（PV）和电池储能系统（贝丝）。然而，PV的多源电力预测不确定性和BESS复杂的放电/充电状态（SOP）约束在以往研究中较少被探讨，可能导致调度不理想甚至不可行。本研究提出了一种新的随机调度优化框架，用于PV-BESS-EVCS集成系统。在此框架下，开发了混合表征方法以描述PV功率的多源不确定性，并开发了分段线性模型以估计BESS的动态SOP约束。该框架的有效性通过一组典型商业区域情景得以展示。结果显示，与确定性模型的最优结果相比，所提框架可提升运营利润0.41%，同时分别减少等效碳排放 0.61%和3.05%的电力限制率。由此可见，所提出的框架为PV-BESS-EVCS集成系统在不确定性下的最佳调度提供了有前景的解决方案。
分布式光伏（PV）发电系统、电池储能系统（BESS）和电动汽车充电站（EVCS）的整合，有望提升可再生能源的利用率，缓解主电网的充电压力[1]。这一整合对于实现碳中和至关重要，并引起了广泛关注[2]。人们认识到，最优的电力调度策略能够提升PV-BESS-EVCS集成系统的技术、经济和环境性能[3]。然而，这需要对BESS电力状况、未来光伏发电和电动汽车充电需求有详细了解，这些内容难以准确预测或本身存在不确定性[4]。当这些不确定参数偏离预测值时，确定性情景中得出的调度策略可能不够优，甚至不可行[5]。因此，基于对这些不确定性的准确建模开发调度优化方法，对于提升集成系统的全面性能具有重要意义。
以往研究主要有两种方法用于表征PV-BESS-EVCS集成系统的不确定性和实现最优调度，包括实时优化和日提前优化[6]。实时优化是一种反应式方法，利用连续滚动优化来纠正实际值与预测值之间的偏差，以调整排度策略。代表性方法包括动态规划、模型预测控制和深度强化学习[8]。然而，当偏差过大时，仅靠实时优化可能无法完全缓解不确定性影响，通常需要与日常优化结合[9]。日向优化是一种预防性方法，旨在通过在某天或某些天之前，基于不确定参数的预测概率分布，制定稳健的排程策略来管理不确定性[10]。鲁棒优化和随机优化是两种最常用的日向不确定性优化方法[11]。鲁棒优化通过多面体不确定性集合内的有界区间来表征不确定性，并优化在最可能的最坏情况下表现良好的调度策略[12]。这种方法总是优于保守解，而保守解则适合对PV-BESS-EVCS集成系统的孤立或长期规划[13]。随机优化通过蒙特卡洛模拟生成多个随机场景来处理不确定性，优化调度策略以实现不同场景中的最佳整体性能[14]。该方法特别适合处理可再生能源系统固有的波动和间歇性，并已被广泛应用于光伏-贝斯-电磁系统集成系统的不确定性优化[15]。例如，Thomas等人[16]开发了一个随机混合整数线性规划框架，考虑PV不确定性和电动车的行驶计划。结果表明，随机方法的预期每日总成本低于确定性情形。Langenmayr等人[17]提出了基于两阶段随机优化的中央规划-分散操作员方法，用于调度本地电力流量，实现峰值负荷减少52%。
随机优化方法的有效性高度依赖于对不确定参数概率分布的准确描述[18]。然而，由于各种来源，在PV-BESS-EVCS集成系统中表征哪怕一个不确定性参数仍是一大挑战。例如，光伏输出功率的预测误差是积分系统中一个重要的不确定性参数[19]。已知光伏输出功率与气象条件（包括太阳辐照度、风速和环境温度）呈出复杂的非线性关系[20]。许多基于机制或数据驱动的方法已被开发出来捕捉这种非线性关系，例如等效电路模型和人工神经网络[21]。然而，气象条件固有的波动以及模型内部参数识别不准确导致不可避免的PV输出功率预测误差，增加了其不确定性[22]。这种不确定性会显著影响PV-BESS_EVCS集成系统中最优调度策略的有效性[23]。因此，有必要开发一种精确的光伏输出功率不确定性建模方法，考虑上述两个来源。
对PV、BESS和EVCS的准确功率预测可以减少模型预测误差带来的不确定性，支持PV-BESS-EVCS集成系统的最佳调度。此前的研究开发了多种光伏输出功率和电动汽车充电需求的预测模型，证明了它们在确定性调度优化中的有效性[24]。然而，对其在不确定情景下的表现进行系统分析仍然不足。此外，精准电池模型在调度优化中的应用仍有限于光伏和电动车。一些研究已纳入电荷状态（SOC）约束和容量降级，以增强调度策略的有效性[25]。例如，Wang等人[26]提出了一种依赖SOC的调度方法，以优化充放功率，从而实现BESS经济性能提升10.8%。Rehman等人[27]利用累积充放电能量概念，考虑PV-BESS-EVCS集成系统中的BESS寿命退化，确保规划内无需更换。然而，关于BESS调度优化中功率状态（SOP）估计的研究仍然不足。SOP定义了电池在指定时间范围内的最大允许充放电功率，直接影响BESS的峰值负载转移能力[28]。值得注意的是，当SOC过低或过高时，放电和充电SOP都表现出高度非线性的动态特性[29]。然而，以往的研究总是将SOP约束视为常数，忽略这些动态特性。这可能导致BESS的功率分配不理想甚至不可行，进一步降低集成系统的综合性能。因此，在PV-BESS-EVCS集成系统中实现最佳调度，融入动态SOP约束至关重要。
基于上述分析，本文提出了三项重要贡献：（a）开发了一种结合精确功率预测模型与蒙特卡洛模拟的混合方法，以表征光伏输出功率的多源不确定性;（b）一个分段线性 SOP 估计模型，用于平衡准确性与计算成本;（c）提出一种新的随机调度优化框架，考虑上述光伏功率不确定性和BESS功率约束，以提升PV-BESS-EVCS集成系统在各种调度场景下的综合性能。
简介
以往研究主要有两种方法用于表征PV-BESS-EVCS集成系统的不确定性和实现最优调度，包括实时优化和日提前优化[6]。实时优化是一种反应式方法，利用连续滚动优化来纠正实际值与预测值之间的偏差，以调整排度策略。代表性方法包括动态规划、模型预测控制和深度强化学习[8]。然而，当偏差过大时，仅靠实时优化可能无法完全缓解不确定性影响，通常需要与日常优化结合[9]。日向优化是一种预防性方法，旨在通过在某天或某些天之前，基于不确定参数的预测概率分布，制定稳健的排程策略来管理不确定性[10]。鲁棒优化和随机优化是两种最常用的日向不确定性优化方法[11]。鲁棒优化通过多面体不确定性集合内的有界区间来表征不确定性，并优化在最可能的最坏情况下表现良好的调度策略[12]。这种方法总是优于保守解，而保守解则适合对PV-BESS-EVCS集成系统的孤立或长期规划[13]。随机优化通过蒙特卡洛模拟生成多个随机场景来处理不确定性，优化调度策略以实现不同场景中的最佳整体性能[14]。该方法特别适合处理可再生能源系统固有的波动和间歇性，并已被广泛应用于光伏-贝斯-电磁系统集成系统的不确定性优化[15]。例如，Thomas等人[16]开发了一个随机混合整数线性规划框架，考虑PV不确定性和电动车的行驶计划。结果表明，随机方法的预期每日总成本低于确定性情形。Langenmayr等人[17]提出了基于两阶段随机优化的中央规划-分散操作员方法，用于调度本地电力流量，实现峰值负荷减少52%。
随机优化方法的有效性高度依赖于对不确定参数概率分布的准确描述[18]。然而，由于各种来源，在PV-BESS-EVCS集成系统中表征哪怕一个不确定性参数仍是一大挑战。例如，光伏输出功率的预测误差是积分系统中一个重要的不确定性参数[19]。已知光伏输出功率与气象条件（包括太阳辐照度、风速和环境温度）呈出复杂的非线性关系[20]。许多基于机制或数据驱动的方法已被开发出来捕捉这种非线性关系，例如等效电路模型和人工神经网络[21]。然而，气象条件固有的波动以及模型内部参数识别不准确导致不可避免的PV输出功率预测误差，增加了其不确定性[22]。这种不确定性会显著影响PV-BESS_EVCS集成系统中最优调度策略的有效性[23]。因此，有必要开发一种精确的光伏输出功率不确定性建模方法，考虑上述两个来源。
对PV、BESS和EVCS的准确功率预测可以减少模型预测误差带来的不确定性，支持PV-BESS-EVCS集成系统的最佳调度。此前的研究开发了多种光伏输出功率和电动汽车充电需求的预测模型，证明了它们在确定性调度优化中的有效性[24]。然而，对其在不确定情景下的表现进行系统分析仍然不足。此外，精准电池模型在调度优化中的应用仍有限于光伏和电动车。一些研究已纳入电荷状态（SOC）约束和容量降级，以增强调度策略的有效性[25]。例如，Wang等人[26]提出了一种依赖SOC的调度方法，以优化充放功率，从而实现BESS经济性能提升10.8%。Rehman等人[27]利用累积充放电能量概念，考虑PV-BESS-EVCS集成系统中的BESS寿命退化，确保规划内无需更换。然而，关于BESS调度优化中功率状态（SOP）估计的研究仍然不足。SOP定义了电池在指定时间范围内的最大允许充放电功率，直接影响BESS的峰值负载转移能力[28]。值得注意的是，当SOC过低或过高时，放电和充电SOP都表现出高度非线性的动态特性[29]。然而，以往的研究总是将SOP约束视为常数，忽略这些动态特性。这可能导致BESS的功率分配不理想甚至不可行，进一步降低集成系统的综合性能。因此，在PV-BESS-EVCS集成系统中实现最佳调度，融入动态SOP约束至关重要。
基于上述分析，本文提出了三项重要贡献：（a）开发了一种结合精确功率预测模型与蒙特卡洛模拟的混合方法，以表征光伏输出功率的多源不确定性;（b）一个分段线性 SOP 估计模型，用于平衡准确性与计算成本;（c）提出一种新的随机调度优化框架，考虑上述光伏功率不确定性和BESS功率约束，以提升PV-BESS-EVCS集成系统在各种调度场景下的综合性能。