電動(dòng)汽車與清潔能源融合發(fā)展技術(shù)研究與展望

朱明 季金華 金盛 季毓婷 別一鳴

摘 要： 以光電、風(fēng)電為代表的清潔能源發(fā)電技術(shù)可為電動(dòng)汽車提供清潔的電力供給，減少全生命周期碳排放，助力交通領(lǐng)域“雙碳”戰(zhàn)略目標(biāo)的實(shí)現(xiàn)， 因此近年來得到迅猛發(fā)展。為了推動(dòng)交能融合技術(shù)的應(yīng)用，明確相關(guān)研究中的關(guān)鍵問題，該文綜述了國內(nèi)外學(xué)者過去10 年在電動(dòng)汽車與清潔能源融合技術(shù)方面的研究進(jìn)展。首先，介紹了二者融合發(fā)展的必要性與現(xiàn)實(shí)意義；其次，將已有研究成果分為公路環(huán)境與城市道路環(huán)境兩類，分別從電網(wǎng)、充電站、車輛3 個(gè)層面歸納了當(dāng)前電動(dòng)汽車與清潔能源融合技術(shù)的研究成果；最后，考慮到清潔能源發(fā)電以及電動(dòng)汽車充電存在較強(qiáng)的隨機(jī)波動(dòng)，對未來發(fā)展提出了加強(qiáng)公共領(lǐng)域交能融合發(fā)展、構(gòu)建多種互補(bǔ)型清潔能源發(fā)電策略、建立“源—網(wǎng)—荷—儲(chǔ)”集成優(yōu)化技術(shù)、強(qiáng)化分布式微電網(wǎng)能源自洽調(diào)度、加強(qiáng)無線光伏充電公路運(yùn)營管理等建議。

關(guān)鍵詞： 電動(dòng)汽車；清潔能源；融合發(fā)展；設(shè)施規(guī)劃；運(yùn)營管理；效益評價(jià)

中圖分類號： U 491.2 文獻(xiàn)標(biāo)識碼： A DOI： 10.3969/j.issn.1674-8484.2024.01.001

面對全球氣候變化帶來的嚴(yán)峻挑戰(zhàn)，中國政府積極推動(dòng)節(jié)能減排，促進(jìn)經(jīng)濟(jì)社會(huì)發(fā)展全面綠色轉(zhuǎn)型。2020 年9 月中國政府明確提出了“2030 年碳達(dá)峰、2060 年碳中和”的雙碳戰(zhàn)略。此后，加快降低碳排放步伐、引導(dǎo)綠色技術(shù)創(chuàng)新已經(jīng)成為社會(huì)各界的共識。交通領(lǐng)域是中國最大的溫室氣體與空氣污染物排放源之一，其碳排放約占中國每年碳排放總量的10%[1] ；其中中國汽車碳排放又占交通領(lǐng)域碳排放的80%以上[2]。因此，如何降低汽車碳排放成為中國交通領(lǐng)域能否順利完成“雙碳”戰(zhàn)略目標(biāo)的關(guān)鍵。

與燃油汽車相比，電動(dòng)汽車在使用階段具有顯著的節(jié)能減排優(yōu)勢。因此，近年來中國大力推進(jìn)電動(dòng)汽車的發(fā)展，其保有量迅速上升。表1 給出了2018—2022年的純電動(dòng)汽車與新能源汽車保有量及電動(dòng)化比例情況。由該表可以看出，中國純電動(dòng)汽車保有量在5 年內(nèi)從211 萬輛增加至1 045 萬輛，一直占新能源汽車比例80% 左右[3]。根據(jù)專家估計(jì)，如果在2030 年電動(dòng)汽車占全部汽車保有量達(dá)到20%，那么屆時(shí)可以累計(jì)減少碳排放量約4.86 億t [4]。

然而電動(dòng)汽車需要消耗電能，而電能的生產(chǎn)仍將產(chǎn)生碳排放。圖1 給出了不同能源發(fā)電技術(shù)的單位溫室氣體排放強(qiáng)度。從中可以看出，傳統(tǒng)能源發(fā)電技術(shù)（ 煤、石油和天然氣） 的溫室氣體排放強(qiáng)度要比清潔能源（ 光伏、風(fēng)能等） 發(fā)電技術(shù)高數(shù)倍甚至數(shù)十倍[5]。尤其在當(dāng)前中國仍以煤電為主的背景下，單位度電的溫室氣體排放強(qiáng)度較高，這也限制了電動(dòng)汽車節(jié)能減排效益的提升。

因此，在當(dāng)前電動(dòng)汽車保有量迅速增長的情況下，只有在能源供給側(cè)降低發(fā)電產(chǎn)生的碳排放，才能降低電動(dòng)汽車全生命周期碳排放，這是當(dāng)前實(shí)現(xiàn)電動(dòng)交通系統(tǒng)節(jié)能減排的關(guān)鍵。而水電、風(fēng)電、光伏發(fā)電等清潔能源產(chǎn)生的碳排放極少，是天然的綠色能源。中國在《“十四五”可再生能源發(fā)展提速》 中提出了2025 年可再生能源消費(fèi)總量達(dá)到10 億t 標(biāo)準(zhǔn)煤左右和“十四五”期間可再生能源消費(fèi)增量在一次能源消費(fèi)增量中的占比超過50% 的任務(wù)[7]。截至2023 年11 月底，中國太陽能發(fā)電裝機(jī)容量約為5.6 億kW、風(fēng)電裝機(jī)容量約為4.1億kW，二者合計(jì)占全國發(fā)電總裝機(jī)容量的34% [8]。

由以上描述可知，電動(dòng)汽車具有強(qiáng)烈的清潔電能需求，能夠提供潛力巨大的清潔電能消納場景，助力中國清潔能源產(chǎn)業(yè)的發(fā)展；而清潔能源發(fā)電技術(shù)可為電動(dòng)汽車提供清潔和相對廉價(jià)的電能供給，并從供給側(cè)降低電動(dòng)汽車運(yùn)行耗電所產(chǎn)生的碳排放，充分發(fā)揮電動(dòng)汽車在節(jié)能減排方面的優(yōu)勢。在這種情況下，有必要將原本處于“割裂”狀態(tài)的電動(dòng)汽車技術(shù)與清潔能源發(fā)電技術(shù)融合發(fā)展，協(xié)同優(yōu)化電能的“生產(chǎn)-存儲(chǔ)-消納”，不僅可以降低設(shè)施建設(shè)與運(yùn)營成本，提高系統(tǒng)運(yùn)營效率，還可以促進(jìn)電動(dòng)汽車產(chǎn)業(yè)與清潔能源產(chǎn)業(yè)的健康可持續(xù)發(fā)展。

近年來電動(dòng)汽車與清潔能源協(xié)同融合發(fā)展的理論與實(shí)踐成果不斷涌現(xiàn)。在理論方面，通過查詢中國專利信息檢索數(shù)據(jù)庫、中國知網(wǎng)、Web of Science 等數(shù)據(jù)庫以及國家科技項(xiàng)目立項(xiàng)情況，可以發(fā)現(xiàn)在2012 年前后開始出現(xiàn)電動(dòng)汽車與清潔能源融合方面的研究，并在2020 年前后涌現(xiàn)出大量成果。在實(shí)踐方面，2022 年8月四川省在攀枝花至大理的高速公路上建設(shè)了分布式光儲(chǔ)項(xiàng)目，日發(fā)電量基本能滿足項(xiàng)目運(yùn)營其自身用電需求并有剩余。中國于2023 年建成了首個(gè)全路域的交通與能源融合示范項(xiàng)目，即山東棗菏高速公路交通與能源融合（ 源網(wǎng)荷儲(chǔ)一體化） 示范工程。它利用服務(wù)區(qū)、邊坡、收費(fèi)站和互通區(qū)匝道等設(shè)置了分布式光伏電站，并建設(shè)了充電樁、智慧路燈、風(fēng)機(jī)、儲(chǔ)能系統(tǒng)；年均發(fā)電量1.36億kWh，每年可為電網(wǎng)節(jié)約標(biāo)煤約4.15 萬t，減排CO2約11.4 萬t。2023 年12 月，云南省昆明市西北部客運(yùn)站、讀書鋪服務(wù)區(qū)的“光儲(chǔ)充一體化示范站”投入使用，前者配置了分布式屋頂光伏電站、儲(chǔ)能系統(tǒng)及全液冷超充設(shè)備，后者配置了服務(wù)區(qū)邊坡光伏電站和全液冷超充設(shè)備。

然而已有研究成果尚未實(shí)現(xiàn)電動(dòng)汽車與清潔能源的深層次融合，在研究場景、研究對象、研究方法方面不成體系。鑒于此，為了更好地指導(dǎo)電動(dòng)汽車與清潔能源的融合發(fā)展，本文綜述了國內(nèi)外的相關(guān)成果，并根據(jù)研究環(huán)境的差異，將已有成果劃分為公路環(huán)境與城市道路環(huán)境2 類；并從電網(wǎng)、充電設(shè)施、電動(dòng)車輛3個(gè)層面分別對2 類成果進(jìn)行綜述，具體思路如圖2 所示；最后探討了電動(dòng)汽車與清潔能源融合技術(shù)的未來可能發(fā)展方向與潛在挑戰(zhàn)。

1 公路環(huán)境下電動(dòng)汽車與清潔能源融合策略

在公路環(huán)境下電動(dòng)汽車的出行距離較長、充電頻次相對較低，但是充電時(shí)間相對較長。以低碳化為特征的綠色公路通常結(jié)合太陽能、風(fēng)能等清潔能源進(jìn)行發(fā)電，并在公路服務(wù)區(qū)建設(shè)分布式充電站，為電動(dòng)汽車提供清潔電力供給[9-12]。現(xiàn)有研究成果主要集中在充電站選址與定容、充電站運(yùn)營調(diào)度、電動(dòng)汽車充電調(diào)度與充電站經(jīng)濟(jì)效益評估4 個(gè)方面，如圖3 所示。

1.1 充電站選址與定容

選址問題是指確定充電站的建設(shè)位置。選址時(shí)應(yīng)綜合考慮地理位置、環(huán)境等因素，確保清潔能源被充分利用。定容問題則是指確定充電站配置的儲(chǔ)能容量大小，由清潔能源發(fā)電量和電動(dòng)汽車耗電量共同決定。

充電站選址優(yōu)化。J. Nishanthy 等[13] 考慮風(fēng)能與太陽能發(fā)電潛力地理位置的矛盾性，結(jié)合高速公路周邊用地性質(zhì)，建立了清潔能源充電站位置規(guī)劃模型。S.Hisoglu 等[14] 面向可以在高速公路上安裝充電站點(diǎn)的區(qū)域，以太陽輻射、坡度、坡向、土地利用/ 土地覆被、交通量以及與道路的接近程度、路線標(biāo)準(zhǔn)為輸入特征，建立了多準(zhǔn)則充電站位置決策方法。 J. L. da Paixao等[15]考慮車流量、電網(wǎng)鄰近性以及地方人口經(jīng)濟(jì)數(shù)據(jù)等多種特征參數(shù)，建立了快速充電站選址模型。

充電站容量配置。陳艷波等[16] 考慮高速公路服務(wù)區(qū)分布式光伏約束、充電站約束以及混合儲(chǔ)能系統(tǒng)約束，以日均總成本最小為目標(biāo)，建立了計(jì)及源荷不確定性的2 階段魯棒容量配置優(yōu)化模型。SHI Ruifeng 等[17]提出了一種融合不確定風(fēng)電和光伏發(fā)電量的高速公路自洽能源系統(tǒng)供能模式，并建立了自洽能源系統(tǒng)的多能源容量配置優(yōu)化模型。J. P. Sausen 等[18] 在車輛與電網(wǎng)互動(dòng)（vehicle-to-grid，V2G） 環(huán)境下，建立了一種高速公路電動(dòng)汽車快充微電網(wǎng)存儲(chǔ)容量優(yōu)化方法，有效降低運(yùn)營成本的同時(shí)充分利用當(dāng)?shù)厍鍧嵞茉窗l(fā)電。

充電站選址與定容協(xié)同優(yōu)化。趙峰等[19] 針對高速公路并網(wǎng)光儲(chǔ)充電站的選址和定容協(xié)同優(yōu)化問題，兼顧充電站利益及用戶滿意度建立了2 階段魯棒規(guī)劃模型，并利用風(fēng)險(xiǎn)理論模型將原模型轉(zhuǎn)化為混合整數(shù)優(yōu)化模型求解。李建霞等[20] 考慮生命周期內(nèi)建設(shè)成本、運(yùn)行成本、置換成本、環(huán)境成本等，建立了混合儲(chǔ)能條件下的高速公路光伏充電站選址與容量協(xié)同優(yōu)化模型，并采用HOMER 和禁忌算法進(jìn)行求解。侯甜甜[21]以降低用戶損耗成本、投資方成本、電壓偏移和電能損耗為目標(biāo)，以用戶等待時(shí)間、裝置利用率和節(jié)點(diǎn)電壓偏移等為約束，建立了一種考慮配電網(wǎng)電壓與網(wǎng)損的充電站選址定容協(xié)同優(yōu)化模型。XIE Rui 等[22] 提出了一種高速公路網(wǎng)絡(luò)上電動(dòng)汽車充電站選址和容量協(xié)同優(yōu)化的2 階段方法；在第1 階段，基于Monte Carlo 模擬獲得車輛服務(wù)需求，建立了確定最佳充電站位置的整數(shù)規(guī)劃模型；在第2 階段，以光伏發(fā)電面積和儲(chǔ)能單元的容量為優(yōu)化變量，建立了容量魯棒優(yōu)化模型。

1.2 充電站運(yùn)營調(diào)度

充電站運(yùn)營調(diào)度主要關(guān)注高速公路服務(wù)區(qū)內(nèi)清潔能源和配電網(wǎng)的協(xié)同利用以及充電價(jià)格的制定，以提高清潔能源的利用率。戚野白等[23] 通過整合高速公路服務(wù)區(qū)典型可控負(fù)荷，提出了一種高速公路服務(wù)區(qū)光伏發(fā)電系統(tǒng)與典型用電負(fù)荷構(gòu)成的虛擬電廠協(xié)同互動(dòng)控制策略。李愛[24] 考慮分時(shí)電價(jià)、充電負(fù)荷分布以及光照強(qiáng)度，通過調(diào)控電網(wǎng)、光伏儲(chǔ)能設(shè)備出力時(shí)間，制定了光儲(chǔ)充電站運(yùn)行策略。J. Nishanthy 等[25] 考慮風(fēng)能和太陽能的互補(bǔ)性，分析不同氣候區(qū)內(nèi)高速公路充電站的經(jīng)濟(jì)性，并建立混合整數(shù)規(guī)劃模型對充電站進(jìn)行了運(yùn)營調(diào)度。

1.3 電動(dòng)汽車充電調(diào)度

電動(dòng)汽車充電調(diào)度問題側(cè)重于設(shè)計(jì)有序充電策略，使電動(dòng)汽車在清潔能源發(fā)電高峰期使用電能。相對來講，公路環(huán)境下的電動(dòng)汽車充電調(diào)度研究成果較少。崔巍[26] 充分考慮高速公路地段的環(huán)境優(yōu)勢，提出將光能、風(fēng)能轉(zhuǎn)化為電能供電動(dòng)汽車使用，并根據(jù)風(fēng)光互補(bǔ)原理建立電動(dòng)汽車無線充電調(diào)度模型。LI Bowen 等[27]考慮分布式光伏與分布式儲(chǔ)能在高速公路服務(wù)區(qū)同時(shí)應(yīng)用的情況，建立了協(xié)調(diào)多種資源的充電策略，提高電動(dòng)汽車充電效率和電動(dòng)汽車用戶的滿意度。A.Mourad[28]面向高速公路網(wǎng)絡(luò)上電動(dòng)汽車和重型卡車充電需求，制定了多模式充電策略，建立了充電調(diào)度優(yōu)化模型。

1.4 充電站經(jīng)濟(jì)效益分析

目前世界上并未將清潔能源發(fā)電技術(shù)大規(guī)模應(yīng)用在公路環(huán)境中，主要原因是企業(yè)對其盈利性與可持續(xù)性仍持懷疑態(tài)度。因此，一些學(xué)者針對公路場景下的電動(dòng)汽車與清潔能源融合方式進(jìn)行經(jīng)濟(jì)性分析。武程浩[29] 基于可持續(xù)發(fā)展理念對高速公路服務(wù)區(qū)光伏發(fā)電站的投資決策問題進(jìn)行研究，深入分析了高速公路服務(wù)區(qū)光伏發(fā)電站的經(jīng)濟(jì)、社會(huì)、環(huán)境等多重效益。HEHaonan 等[30] 面向光伏無線充電公路，基于多維數(shù)據(jù)對該技術(shù)進(jìn)行了成本評估，結(jié)果顯示：電價(jià)波動(dòng)、建設(shè)投資成本和太陽能電池板能量轉(zhuǎn)換效率等顯著制約了光伏無線充電路面技術(shù)的應(yīng)用。H. L. F. Nishimwe 等[31]提出了一種在公路路側(cè)建立小型充電樁為電動(dòng)汽車進(jìn)行充電的方法，并根據(jù)實(shí)際購置成本進(jìn)行了經(jīng)濟(jì)性評估。D. L. Pamuttu 等[32] 測算了公路上太陽能與風(fēng)能的發(fā)電潛力，設(shè)計(jì)實(shí)驗(yàn)測試了在公路服務(wù)區(qū)使用清潔能源發(fā)電的經(jīng)濟(jì)可行性。

2 城市道路環(huán)境下電動(dòng)汽車與清潔能源融合策略

在城市道路環(huán)境中，電動(dòng)汽車出行具有單次行程距離短、充電頻次高和單次充電時(shí)間短的特點(diǎn)，與公路環(huán)境下存在較大差異。在城市交通綠色化發(fā)展和能源低碳轉(zhuǎn)型政策的推動(dòng)下，采用清潔能源作為電動(dòng)汽車充電的設(shè)施在城市范圍內(nèi)被廣泛布局。現(xiàn)有城市道路環(huán)境下電動(dòng)汽車與清潔能源融合技術(shù)成果較多，但是在城市環(huán)境下電動(dòng)汽車的充電需求及其隨機(jī)波動(dòng)將更加劇烈，使得研究方法更加復(fù)雜。本文將從配電網(wǎng)規(guī)劃與運(yùn)營、充電站規(guī)劃與運(yùn)營、車輛設(shè)計(jì)與能量管理、電動(dòng)汽車充電調(diào)度4 個(gè)方面對現(xiàn)有成果進(jìn)行總結(jié)。

2.1 配電網(wǎng)規(guī)劃與運(yùn)營

在大量電動(dòng)汽車充電負(fù)荷和清潔能源接入公共電網(wǎng)的情況下，配電網(wǎng)規(guī)劃與運(yùn)營技術(shù)成為了提高配電網(wǎng)穩(wěn)定性、安全性與運(yùn)營效率的關(guān)鍵。現(xiàn)有的配電網(wǎng)相關(guān)技術(shù)研究主要集中在并網(wǎng)負(fù)荷預(yù)測、配電網(wǎng)規(guī)劃、配電網(wǎng)重構(gòu)、配電網(wǎng)無功優(yōu)化和配電網(wǎng)可靠性分析5個(gè)方面，如圖4所示。其中，準(zhǔn)確估計(jì)電動(dòng)汽車和光/風(fēng)清潔能源并入配電網(wǎng)負(fù)荷是規(guī)劃配電網(wǎng)位置、容量以及改投建線路的前提；通過配電網(wǎng)開關(guān)狀態(tài)調(diào)整改變網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，利用電壓控制裝置和補(bǔ)償裝置對配電網(wǎng)進(jìn)行無功優(yōu)化，基于多種啟發(fā)式算法評估配電網(wǎng)可靠性，是提高配電網(wǎng)的效率和穩(wěn)定性的主要技術(shù)手段。

2.1.1 并網(wǎng)負(fù)荷預(yù)測

并網(wǎng)負(fù)荷預(yù)測是指對電動(dòng)汽車充電負(fù)荷和清潔能源并入配電網(wǎng)的負(fù)荷進(jìn)行準(zhǔn)確估計(jì)。其中，并網(wǎng)負(fù)荷的短期預(yù)測是當(dāng)前研究的主要方向[33-34]。

光電并網(wǎng)環(huán)境下負(fù)荷預(yù)測。賈顆鑫[35]考慮了大量無序電動(dòng)汽車充電負(fù)荷沖擊電網(wǎng)的實(shí)際情況，提出了一種儲(chǔ)能、負(fù)荷協(xié)同優(yōu)化的“日前-日內(nèi)-實(shí)時(shí)”多時(shí)間尺度能量管理方法以確保電力系統(tǒng)的穩(wěn)定運(yùn)行。M.Jurado等[36]提出了一種考慮負(fù)荷消耗和光伏分布式發(fā)電的短期凈負(fù)荷預(yù)測模型，該模型能夠通過Monte Carlo和核密度估計(jì)擴(kuò)展到概率方法，進(jìn)而預(yù)測負(fù)荷的概率分布。

風(fēng)電并網(wǎng)環(huán)境下負(fù)荷預(yù)測。孫婉璐[37] 提出了一種基于總體平均經(jīng)驗(yàn)?zāi)B(tài)分解和機(jī)器學(xué)習(xí)算法的風(fēng)電并網(wǎng)負(fù)荷預(yù)測方法。HAO Quan 等[38] 提出了一種基于神經(jīng)網(wǎng)絡(luò)的負(fù)荷預(yù)測方法，以更少的參數(shù)進(jìn)行問題表述，并在短時(shí)間內(nèi)構(gòu)建更高質(zhì)量的負(fù)荷和風(fēng)電發(fā)電量預(yù)測區(qū)間。

風(fēng)/光電并網(wǎng)環(huán)境下負(fù)荷預(yù)測。姚娟等[39]基于多種深度網(wǎng)絡(luò)預(yù)測方法，構(gòu)建了風(fēng)光互補(bǔ)電力系統(tǒng)的等效短期負(fù)荷預(yù)測模型。P. Anand等[40]使用基于預(yù)測期間的實(shí)質(zhì)性功率演化策略，設(shè)計(jì)了一種風(fēng)光互補(bǔ)能源電荷短期預(yù)測的方法。

2.1.2 配電網(wǎng)規(guī)劃

配電網(wǎng)規(guī)劃是指在分析未來負(fù)荷增長情況以及城市配電網(wǎng)現(xiàn)狀的基礎(chǔ)上，對未來系統(tǒng)擴(kuò)建和改造方法進(jìn)行設(shè)計(jì)[41-42]。

光電并網(wǎng)環(huán)境下配電網(wǎng)規(guī)劃。嚴(yán)歡等[43] 考慮電網(wǎng)運(yùn)行特性，將電動(dòng)汽車靈活性資源和光儲(chǔ)聯(lián)合運(yùn)行參數(shù)作為變量納入配電網(wǎng)規(guī)劃中，在合理規(guī)劃配電網(wǎng)的同時(shí)減少了線路擴(kuò)建成本。張逸凡[44] 基于接入光伏的分布式電源出力與電動(dòng)汽車負(fù)荷功率歷史數(shù)據(jù)，建立優(yōu)化模型以生成配電網(wǎng)的位置和容量規(guī)劃方案。M. R.Elkadeem 等[45] 以凈現(xiàn)值成本、能源成本最低為優(yōu)化目標(biāo)，建立了一種光伏并網(wǎng)下的配電網(wǎng)規(guī)劃和運(yùn)行模型。

風(fēng)/光電并網(wǎng)環(huán)境下配電網(wǎng)規(guī)劃。孔順飛等[46]考慮電池組與電動(dòng)汽車的充電需求，利用多場景技術(shù)和時(shí)序法對風(fēng)力發(fā)電、光伏發(fā)電的電網(wǎng)和負(fù)荷建模，生成配電網(wǎng)與交通網(wǎng)協(xié)同下的配電網(wǎng)規(guī)劃方案。A. Allouhi等[47]考慮用電負(fù)荷變化，提出了光伏/風(fēng)能并網(wǎng)的混合發(fā)電系統(tǒng)以生成最佳配電網(wǎng)系統(tǒng)配置方案。

2.1.3 配電網(wǎng)重構(gòu)

配電網(wǎng)重構(gòu)是指通過配電網(wǎng)開關(guān)狀態(tài)的調(diào)整改變網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)以達(dá)到均衡負(fù)荷、降低線損和改善供電電壓質(zhì)量的技術(shù)手段[48]。

光電并網(wǎng)環(huán)境下配電網(wǎng)重構(gòu)。范永剛[49] 基于含光伏、電動(dòng)汽車的配電網(wǎng)潮流計(jì)算仿真分析方法，建立了配電網(wǎng)動(dòng)態(tài)重構(gòu)模型，并使用改進(jìn)的多目標(biāo)粒子群算法求解，生成配電網(wǎng)節(jié)點(diǎn)網(wǎng)絡(luò)動(dòng)態(tài)重構(gòu)配置方案。SUXiaoping 等[50] 以最小化故障期有功電網(wǎng)損耗和負(fù)荷均衡為目標(biāo)，以配電網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)為優(yōu)化變量，對光伏出力和電動(dòng)汽車的隨機(jī)充電負(fù)荷進(jìn)行了預(yù)測。QIN Liwen等[51] 針對配電網(wǎng)的電流測量系統(tǒng)，提出了一種基于圖卷積神經(jīng)網(wǎng)絡(luò)的測量超分辨率重建方法，實(shí)驗(yàn)表明該方法對于處理配電網(wǎng)拓?fù)浣Y(jié)構(gòu)的頻繁重新配置具有明顯優(yōu)勢。

風(fēng)/光電并網(wǎng)環(huán)境下配電網(wǎng)重構(gòu)。王志平[52]圍繞風(fēng)力發(fā)電、光伏發(fā)電的分布式電源和電動(dòng)汽車接入對配電網(wǎng)重構(gòu)的影響，構(gòu)建了配電網(wǎng)動(dòng)態(tài)重構(gòu)模型，并基于改進(jìn)的狼群算法求解獲得分布式電源接入前后配電網(wǎng)的優(yōu)化拓?fù)浣Y(jié)構(gòu)。A. Jafar-Nowde等[53]考慮風(fēng)力、光伏發(fā)電和電動(dòng)汽車充電負(fù)荷的不確定性，建立了配電網(wǎng)動(dòng)態(tài)重構(gòu)模型，減小功率損耗，改善系統(tǒng)的電壓分布和穩(wěn)定性。

2.1.4 配電網(wǎng)無功優(yōu)化

無功優(yōu)化是指在系統(tǒng)結(jié)構(gòu)參數(shù)及負(fù)荷情況給定的情況下，通過對某些變量的優(yōu)化控制，使系統(tǒng)內(nèi)某一個(gè)或多個(gè)性能指標(biāo)達(dá)到最優(yōu)的調(diào)節(jié)手段。具體來說，配電網(wǎng)的無功優(yōu)化主要包含2 個(gè)方面：無功補(bǔ)償裝置的優(yōu)化規(guī)劃[54-56] 與電壓無功優(yōu)化控制[57]。

光電并網(wǎng)環(huán)境下配電網(wǎng)無功優(yōu)化。湯清權(quán)[58] 考慮分布式光伏和電動(dòng)汽車充電時(shí)序特性對配電網(wǎng)的電壓影響，建立了一種區(qū)域電壓控制模型。D. J. Kim 等[59]以電動(dòng)汽車的充電負(fù)載和光伏發(fā)電功率估計(jì)值為基礎(chǔ)，提出了一種基于干擾觀測器的模型預(yù)測電壓無功控制方法，改善了配電網(wǎng)中電池儲(chǔ)能系統(tǒng)的電能質(zhì)量。WANGLusha 等[60] 提出了一種考慮光伏逆變器和電動(dòng)汽車有功和無功功率補(bǔ)償?shù)姆稚⑹诫妷嚎刂扑惴ǎ跐M足電動(dòng)汽車充電需求的同時(shí)為電壓調(diào)節(jié)做出貢獻(xiàn)。

風(fēng)電并網(wǎng)環(huán)境下配電網(wǎng)無功優(yōu)化。劉偉等[61] 考慮電動(dòng)汽車的用戶行為特性，以分檔補(bǔ)償器最佳動(dòng)作策略為研究對象，建立了含電動(dòng)汽車、風(fēng)力發(fā)電和無功補(bǔ)償裝置的2 階段優(yōu)化模型。XU Biao 等[62] 在電動(dòng)汽車接入到具有風(fēng)力發(fā)電的配電網(wǎng)的背景下，以最低線損、電壓偏差和最高靜態(tài)電壓穩(wěn)定裕度為優(yōu)化目標(biāo)確定無功調(diào)節(jié)策略。

風(fēng)/光電并網(wǎng)環(huán)境下配電網(wǎng)無功優(yōu)化。 江智軍等[63]以最小化主動(dòng)配電網(wǎng)運(yùn)行成本和電壓偏差及最大化系統(tǒng)穩(wěn)定性為優(yōu)化目標(biāo)，建立了一種含新能源和電動(dòng)汽車充電站并網(wǎng)的主動(dòng)配電網(wǎng)無功優(yōu)化模型。LI Xinyu等[64]考慮風(fēng)力、光伏發(fā)電組的無功優(yōu)化設(shè)備及電動(dòng)充電站的無功支持能力，提出了一種兼顧風(fēng)力、光伏發(fā)電和有源配電網(wǎng)中電動(dòng)汽車充電站的雙尺度無功優(yōu)化模型。

2.1.5 配電網(wǎng)可靠性分析

配電網(wǎng)可靠性分析是指根據(jù)系統(tǒng)的結(jié)構(gòu)和元件功能之間的邏輯關(guān)系，運(yùn)用模擬、解析等方法對配電網(wǎng)可靠性進(jìn)行分析的研究過程[65-66]。

光電并網(wǎng)環(huán)境下配電網(wǎng)可靠性分析。劉仕豪[67] 通過分析光伏發(fā)電和電動(dòng)汽車并網(wǎng)對配電網(wǎng)可靠性產(chǎn)生的影響，建立了配電網(wǎng)系統(tǒng)負(fù)荷點(diǎn)、光伏發(fā)電、元件設(shè)備等狀態(tài)模型，利用Monte Carlo 模擬法求解了不同狀態(tài)下的可靠性指標(biāo)，并進(jìn)行評估。N. Narasimhulu 等[68]利用改進(jìn)的粒子群優(yōu)化、蟻群優(yōu)化以及蜉蝣優(yōu)化分析了光伏電動(dòng)汽車并網(wǎng)對配電網(wǎng)電能質(zhì)量的影響。M. P.Anand 等[69] 基于隨機(jī)理論捕捉電動(dòng)汽車與光伏發(fā)電之間的復(fù)雜相互作用，構(gòu)建了一種考慮電動(dòng)汽車和混合動(dòng)力能源的配電網(wǎng)可靠性分析方法。

風(fēng)/光電并網(wǎng)環(huán)境下配電網(wǎng)可靠性分析。 徐鵬程[70]構(gòu)建了一種電動(dòng)汽車負(fù)荷和風(fēng)/光/儲(chǔ)微網(wǎng)的平衡運(yùn)行狀態(tài)空間模型，并基于序貫Monte Carlo模擬方法探究了電動(dòng)汽車有序充放電以及風(fēng)/光/儲(chǔ)微網(wǎng)接入對配電網(wǎng)可靠性的影響。王輝等[71]基于Copula理論建立了風(fēng)光互補(bǔ)供電系統(tǒng)聯(lián)合出力概率模型，提出了動(dòng)態(tài)分時(shí)電價(jià)的電動(dòng)汽車有序充放電控制策略，同樣以序貫Monte Carlo模擬為基礎(chǔ)對配電網(wǎng)進(jìn)行可靠性分析。

2.2 充電站規(guī)劃與運(yùn)營

充電站是清潔能源技術(shù)與電動(dòng)汽車融合的實(shí)際落腳點(diǎn)。現(xiàn)有文獻(xiàn)主要從充電站配置規(guī)劃、運(yùn)營調(diào)度和效益評估3 個(gè)方面展開研究，以提高充電站運(yùn)營效率，促進(jìn)清潔能源的就地消納。

2.2.1 充電站配置規(guī)劃

充電站配置規(guī)劃通常以系統(tǒng)成本、排放以及損耗最小為優(yōu)化目標(biāo)，協(xié)同優(yōu)化充電站選址、充電樁配置、儲(chǔ)能容量和發(fā)電裝置 [72-78] 等內(nèi)容，在清潔能源和電網(wǎng)混合供電模式下滿足電動(dòng)汽車用戶用電需求，以提升充電站的效益[79]，具體如表2 所示。

光能供電下充電站配置規(guī)劃。徐巖等[80] 考慮光伏發(fā)電和電動(dòng)汽車充電需求的不確定性，基于機(jī)會(huì)約束規(guī)劃理論建立了光儲(chǔ)充一體化系統(tǒng)的儲(chǔ)能系統(tǒng)容量配置模型。李科等[81] 考慮電動(dòng)汽車充電負(fù)荷和儲(chǔ)能系統(tǒng)的壽命衰減，建立了儲(chǔ)能系統(tǒng)配置雙層優(yōu)化模型。XIAFangzhou 等[82] 結(jié)合電動(dòng)汽車充電需求，構(gòu)建了一個(gè)光儲(chǔ)充電站雙目標(biāo)優(yōu)化模型，對充電站的位置和充電樁的數(shù)量進(jìn)行規(guī)劃。WU Zhouquan 等[83] 基于電動(dòng)汽車到達(dá)時(shí)間和剩余電量狀態(tài)分布，給出充電站儲(chǔ)能系統(tǒng)容量、額定功率和光伏板尺寸的最佳配置方法。

風(fēng)能供電下充電站配置規(guī)劃。石玉東等[84] 考慮風(fēng)力發(fā)電隨機(jī)波動(dòng)對電網(wǎng)的影響，建立了多目標(biāo)魯棒規(guī)劃模型，對風(fēng)電機(jī)組、充電站、儲(chǔ)能裝置的選址和容量配置進(jìn)行協(xié)同優(yōu)化。劉曉藝[85] 挖掘了風(fēng)力發(fā)電和充電負(fù)荷的隨機(jī)特征，以棄風(fēng)懲罰成本和儲(chǔ)能電池壽命周期成本最小為優(yōu)化目標(biāo)，建立了充電站儲(chǔ)能系統(tǒng)容量的優(yōu)化配置模型。H. Mehrjerdi 和R. Hemmati [86] 考慮風(fēng)力發(fā)電的不確定性，構(gòu)建了隨機(jī)混合整數(shù)規(guī)劃模型，并分析了有無儲(chǔ)能裝置對充電設(shè)施規(guī)劃的影響。ZHANG Jingqi 等[87] 以降低配電系統(tǒng)的總投資成本和能源損失、提高利用的風(fēng)力流量為目標(biāo)，構(gòu)建了一個(gè)多目標(biāo)規(guī)劃模型，對系統(tǒng)中的充電站選址和充電裝置數(shù)量進(jìn)行優(yōu)化。

風(fēng)光互補(bǔ)供電下充電站配置規(guī)劃。郝苓羽[88] 協(xié)同優(yōu)化了微電網(wǎng)模型中的電動(dòng)汽車充電站、風(fēng)力發(fā)電、光伏發(fā)電和儲(chǔ)能容量，并模擬分析了并網(wǎng)狀態(tài)、離網(wǎng)孤島狀態(tài)下的運(yùn)行效果。張穎達(dá)等[89] 綜合考慮電動(dòng)汽車的用電需求和儲(chǔ)存電量的能力，構(gòu)建了風(fēng)光互補(bǔ)系統(tǒng)容量配置優(yōu)化模型。R. Arivalahan 和S. Balaji [90] 考慮分時(shí)電價(jià)、清潔能源分布和電網(wǎng)需求響應(yīng)，提出了電動(dòng)汽車充電站的風(fēng)力發(fā)電、光伏發(fā)電、儲(chǔ)能系統(tǒng)的容量配置的協(xié)同優(yōu)化方法。SUN Baojun [91] 面向風(fēng)能、太陽能和儲(chǔ)能系統(tǒng)組成的充電站，構(gòu)建了儲(chǔ)能系統(tǒng)容量配置的多目標(biāo)優(yōu)化模型。

2.2.2 充電站運(yùn)營調(diào)度

充電站運(yùn)營調(diào)度研究的主要目標(biāo)是協(xié)同調(diào)度清潔電力資源與外部電網(wǎng)資源，以提高充電樁的運(yùn)營效率。圖5 給出了典型的充電站運(yùn)營調(diào)度框架，它考慮2 種類型電力輸入，通過定價(jià)策略來調(diào)控電動(dòng)小汽車充電行為[92-93]，促進(jìn)電網(wǎng)削峰填谷，提高清潔能源的消納率。

光能供電下充電站運(yùn)營調(diào)度。梁海峰等[94] 提出電動(dòng)汽車“綠電”收費(fèi)策略與“綠電”補(bǔ)貼策略，以促進(jìn)電動(dòng)汽車對光伏出力的消納，降低充電成本及碳排放。李睿雪等[95] 考慮光伏發(fā)電的隨機(jī)變化，提出了光儲(chǔ)充電站的日間充電服務(wù)價(jià)格滾動(dòng)優(yōu)化策略。M. Tostado-Véliz 等[96] 考慮充電需求、光伏發(fā)電和能源價(jià)格的不確定性，建立了多模式光伏輔助充電站的隨機(jī)優(yōu)化調(diào)度模型。RUI Tao 等[97] 基于光伏發(fā)電的上網(wǎng)電價(jià)和正常電網(wǎng)電價(jià)，計(jì)算了光伏充電站的盈利和電動(dòng)汽車的充電成本，建立了光伏充電站的系統(tǒng)運(yùn)營模型。

風(fēng)能供電下充電站運(yùn)營調(diào)度。王明君[98] 分析各類型駕駛員用車習(xí)慣，結(jié)合風(fēng)力發(fā)電的效率確定分時(shí)電價(jià)，同時(shí)在能量的互流均衡、能量的源容量約束下，構(gòu)建風(fēng)力充電站運(yùn)營調(diào)度方法。YANG Shengchun 等[99] 針對風(fēng)電的高滲透率和高峰期負(fù)荷下電力系統(tǒng)的供需平衡問題，建立了能靈活升壓的電動(dòng)汽車充電站運(yùn)行模型和多時(shí)間尺度處置策略。GUO Qun 等[100] 基于電動(dòng)汽車模型的Wohler 曲線和交流電方程，構(gòu)建了雙層多目標(biāo)微電網(wǎng)優(yōu)化調(diào)度模型。

風(fēng)光互補(bǔ)供電下充電站運(yùn)營調(diào)度。張可信[101]根據(jù)電動(dòng)汽車充電負(fù)荷特性，給出了充電和放電的定價(jià)策略，并建立了分布式充電站日前優(yōu)化調(diào)度和短時(shí)優(yōu)化調(diào)度模型。LI Huaidong等[102]考慮電動(dòng)汽車的各種充電/放電模式，提出了一種Monte Carlo模擬場景的日前調(diào)度模型。

2.2.3 充電站效益評估

對于清潔能源發(fā)電與電動(dòng)汽車充電站的融合，從經(jīng)濟(jì)效益、低碳效益等的角度出發(fā)，建立綜合效益分析體系[103]，分析充電站的經(jīng)濟(jì)可行性和社會(huì)可行性，以促進(jìn)清潔能源和電動(dòng)汽車進(jìn)一步發(fā)展和融合。

光能供電下充電站效益評估。楊猛[104] 考慮光儲(chǔ)充電站的經(jīng)濟(jì)效益和充電站對社會(huì)環(huán)境、電網(wǎng)的影響，建立了光儲(chǔ)充電站的綜合效益評估體系。P. Denholm等[105] 通過模擬得克薩斯州的電網(wǎng)，確定了大規(guī)模部署光伏電源和電動(dòng)汽車以降低峰值用電需求以及用戶電費(fèi)方面的效益。

風(fēng)光互補(bǔ)供電下充電站效益評估。盧志剛等[106] 引入低碳效益分析風(fēng)力發(fā)電、光伏發(fā)電和電動(dòng)汽車充電站協(xié)調(diào)規(guī)劃的減排效率，并給出基于低碳效益的風(fēng)光發(fā)電、電動(dòng)汽車充電站的協(xié)調(diào)投資模型。GUO Qun 等[107]考慮清潔能源、電動(dòng)汽車充電需求和電價(jià)的不確定性，研究了包括清潔能源的高滲透率、電動(dòng)汽車停車場和需求響應(yīng)的微電網(wǎng)風(fēng)險(xiǎn)評估，并給出風(fēng)險(xiǎn)規(guī)避策略模型。LI Chong 等[108] 利用HOMER 軟件仿真，對中國5 個(gè)地區(qū)采用光伏發(fā)電、風(fēng)力發(fā)電的電動(dòng)汽車充電站的經(jīng)濟(jì)效益進(jìn)行了對比分析。

2.3 車輛設(shè)計(jì)與能量管理

如圖6 所示，部分電動(dòng)汽車（ 如光能電動(dòng)汽車、風(fēng)能電動(dòng)汽車） 制造時(shí)會(huì)通過設(shè)計(jì)汽車能量轉(zhuǎn)換裝置[109-114]將光能、風(fēng)能等轉(zhuǎn)化為汽車行駛所需的電能，并利用電池能量管理系統(tǒng)監(jiān)測電池狀態(tài)，管理控制能源系統(tǒng)的運(yùn)行，延長電池使用壽命。下面將從汽車結(jié)構(gòu)設(shè)計(jì)、能量管理2 個(gè)方面對相關(guān)成果進(jìn)行闡述。

2.3.1 電動(dòng)汽車結(jié)構(gòu)設(shè)計(jì)

太陽能電動(dòng)汽車結(jié)構(gòu)設(shè)計(jì)。海濤等[115] 針對電動(dòng)汽車應(yīng)用光伏發(fā)電系統(tǒng)充電時(shí)間長、充電電壓波動(dòng)大和最大功率點(diǎn)跟蹤速度慢的問題，基于最大功率點(diǎn)跟蹤（maximum power point tracking，MPPT） 控制器設(shè)計(jì)了太陽能電動(dòng)汽車。王曉璨等[116] 分析了太陽能電動(dòng)汽車電源控制系統(tǒng)的需求，設(shè)計(jì)了太陽能電動(dòng)汽車電源電路和蓄電池boost 電路，很好地滿足了太陽能電動(dòng)車供電需求。M. Nivas 等[117] 設(shè)計(jì)了一種可以避免過充和深度放電的太陽能電動(dòng)汽車，采用MPPT 追蹤在各種情況下太陽能電池板的輸出功率，并將其輸送到升壓變換器中調(diào)整到規(guī)定功率后，再為電動(dòng)汽車電池充電。DUAN Chen 等[118] 設(shè)計(jì)了適應(yīng)于不同行駛與放電、停車與充電場景下的太陽能電動(dòng)汽車，實(shí)現(xiàn)最大程度的太陽能收集的同時(shí)，避免傳統(tǒng)有源、無源電池平衡方案中的能量損失。

風(fēng)能電動(dòng)汽車結(jié)構(gòu)設(shè)計(jì)。王超[119] 基于Betz 理論設(shè)計(jì)了一種車載風(fēng)能發(fā)電裝置，利用汽車行駛過程中風(fēng)能發(fā)電再回饋給汽車?yán)茫⑻骄苛瞬煌L(fēng)能下的發(fā)電性能。李傲雪[120] 從回收電動(dòng)汽車迎面氣流能量的角度，在電動(dòng)汽車前艙空間設(shè)置了風(fēng)能回收系統(tǒng)，將風(fēng)能轉(zhuǎn)化為電能，實(shí)現(xiàn)了純電動(dòng)汽車?yán)m(xù)航里程的增加。Z.A.Khan等[121] 提出了在車輛頂部安裝小型風(fēng)力渦輪機(jī)為電動(dòng)汽車供電，并基于ANSYS 軟件的空氣動(dòng)力學(xué)分析確定了最佳發(fā)電方向。ZHAO Zhen 等[122] 設(shè)計(jì)了一種安裝可調(diào)垂直軸風(fēng)力發(fā)電機(jī)的電動(dòng)汽車，將風(fēng)能轉(zhuǎn)化為電能為電動(dòng)汽車供電。

風(fēng)光互補(bǔ)電動(dòng)汽車結(jié)構(gòu)設(shè)計(jì)。熊昭[123] 設(shè)計(jì)了基于風(fēng)電和光電2 種清潔能源互補(bǔ)的電動(dòng)汽車充電控制系統(tǒng)，并構(gòu)建了一種能同時(shí)對風(fēng)電和光電進(jìn)行MPPT 的電路結(jié)構(gòu)和控制方法。蔡鵬[124] 通過研究風(fēng)力發(fā)電技術(shù)及太陽能充電技術(shù)對電機(jī)驅(qū)動(dòng)系統(tǒng)的電量補(bǔ)充方式，確定了智能風(fēng)光互補(bǔ)新能源汽車的設(shè)計(jì)方案，并分析了車輛在停止及駕駛狀態(tài)下風(fēng)光互補(bǔ)系統(tǒng)對整車?yán)m(xù)航里程提升的可行性。K. Prakash [125] 設(shè)計(jì)了一種基于光能、風(fēng)能等清潔能源的電動(dòng)汽車，仿真實(shí)驗(yàn)表明車輛可以行駛相當(dāng)長的距離，為零燃料零排放電動(dòng)汽車提供了新思路。H. Fathabadi 等[126] 提出了一種電池、光伏、風(fēng)能混合動(dòng)力電源，構(gòu)建了小型光伏模塊和微型風(fēng)力發(fā)電機(jī)組成的電力系統(tǒng)，并搭建樣機(jī)驗(yàn)證了車輛的續(xù)航里程和功率能效的有效性。

2.3.2 電動(dòng)汽車能量管理

本部分研究主要面向太陽能電動(dòng)汽車。熊連松等[127] 針對太陽能電動(dòng)汽車的混合動(dòng)力儲(chǔ)能系統(tǒng)需求，建立了一種太陽能、蓄電池和超級電容能量分配、協(xié)調(diào)和優(yōu)化的能量管理控制算法，改善了車輛的動(dòng)態(tài)運(yùn)行性能，延長了電池的使用壽命。范志鵬[128] 提出了一種超級電容和光伏系統(tǒng)的復(fù)合能量管理策略，通過光伏電池持續(xù)給超級電容供電，在超級電容輔助供能下減小動(dòng)力電池電流壓力，緩解了動(dòng)力電池衰退，增強(qiáng)了車輛續(xù)航能力。WU Bin 等[129] 研究了太陽能電動(dòng)汽車上太陽能電池板、電池和超級電容器這3 種能源存儲(chǔ)裝置的協(xié)同控制策略，并提出了一種太陽能電池板充電的滯后控制算法和一種雙向DC/DC 變換器控制方法，使電池放電電流保持在一定范圍內(nèi)。CHEN Hongjun 等[130]基于模糊控制理論提出了一種太陽能電池板、超級電容器和電池組成的電動(dòng)汽車能源管理系統(tǒng)，有效降低了電池瞬時(shí)電流，延長了電池使用壽命，提高了電動(dòng)汽車的性能。M. T. Güneser 等[131] 利用模糊邏輯控制系統(tǒng)改進(jìn)了名為YILDIZ 的太陽能汽車能量管理系統(tǒng)，并基于MATLAB 對該系統(tǒng)下的太陽能電池、蓄電池和電機(jī)驅(qū)動(dòng)組件的適用性進(jìn)行了仿真驗(yàn)證。

2.4 電動(dòng)汽車充電調(diào)度

大規(guī)模電動(dòng)汽車無序充電會(huì)擾亂供電系統(tǒng)的正常運(yùn)行，通過制定優(yōu)化調(diào)度策略引導(dǎo)電動(dòng)汽車和電動(dòng)公交車有序充電，可以保障電網(wǎng)安全，同時(shí)降低排隊(duì)等待時(shí)間[132-134]。主要從有線充電調(diào)度和無線充電調(diào)度2個(gè)方面對相關(guān)文獻(xiàn)展開研究。

2.4.1 有線充電調(diào)度

當(dāng)前大部分電動(dòng)汽車主要依賴于有線充電方式進(jìn)行電能的補(bǔ)給。許多文獻(xiàn)面向有線充電系統(tǒng)開展研究[135-137]，其框架如圖7 所示。控制中心根據(jù)充電信息、配電網(wǎng)與儲(chǔ)能系統(tǒng)的負(fù)荷情況以及可再生能源的供應(yīng)情況，實(shí)時(shí)調(diào)整充放電計(jì)劃來降低電動(dòng)汽車用戶的等待時(shí)間，實(shí)現(xiàn)錯(cuò)峰充電和充分消納可再生能源。

基于光伏發(fā)電的電動(dòng)汽車充電調(diào)度。在私家車調(diào)度方面，趙濱濱等[138] 提出了一種充分利用太陽能的電動(dòng)汽車調(diào)度模型，仿真表明該模型在不同光伏滲透率下均能有效平抑清潔能源波動(dòng)，減少負(fù)荷峰谷差。HAOYing 等[139] 提出了一種基于擴(kuò)展功率預(yù)測的電動(dòng)汽車有序充電引導(dǎo)方法，提高微電網(wǎng)清潔能源的局部消耗。P.J. Tulpule 等[140] 提出了一種電動(dòng)汽車充電調(diào)度策略，并研究了停車場設(shè)置電動(dòng)汽車光伏充電站的投資回收期和碳排放。在公交車調(diào)度方面，范春陽等[141] 針對基于光伏發(fā)電系統(tǒng)的電動(dòng)公交車集中充電站，構(gòu)建了多階段優(yōu)化調(diào)度模型，合理安排電動(dòng)公交車的充電行為和功率，提高光伏發(fā)電消納能力。LIU Xiaohan 等[142] 提出了一種光伏儲(chǔ)能系統(tǒng)下考慮電動(dòng)公交電池容量衰減的可持續(xù)公交電池調(diào)度與梯隊(duì)利用框架，以最大限度地減少充電、更換電池和碳排放成本。A. Moradipari 等[143]優(yōu)化了光伏發(fā)電儲(chǔ)能系統(tǒng)下公交車隊(duì)的車輛調(diào)度方案和充電計(jì)劃，以降低公交系統(tǒng)運(yùn)營成本。Y. Tomizawa等[144] 提出了一種考慮公交車站安裝光伏板場景下的電動(dòng)公交充電調(diào)度方法，建立了混合整數(shù)線性規(guī)劃模型，提升光伏發(fā)電利用率。

基于風(fēng)力發(fā)電的電動(dòng)汽車充電調(diào)度。葛曉琳[145] 和王若谷[146] 均考慮風(fēng)力發(fā)電的不確定性建立了電動(dòng)汽車2 階段經(jīng)濟(jì)調(diào)度優(yōu)化模型，降低系統(tǒng)備用容量，提高風(fēng)電消納能力。WU Junjie 等[147] 研究了風(fēng)能發(fā)電充足與不足2 種情景下電動(dòng)汽車最優(yōu)充電調(diào)度問題，為大規(guī)模電動(dòng)汽車充電調(diào)度提供了解決方案。JIA Qingshan等 [148] 研究了風(fēng)力發(fā)電下共享電動(dòng)汽車的最優(yōu)充電調(diào)度問題，提供了一種對松散型較小、處理時(shí)間長的車輛賦予優(yōu)先等級的電動(dòng)汽車充電調(diào)度算法。

基于風(fēng)光互補(bǔ)發(fā)電的電動(dòng)汽車充電調(diào)度。王銳[149]考慮電動(dòng)汽車充電負(fù)荷需求，以系統(tǒng)運(yùn)營成本最低、負(fù)荷峰谷差最小、聯(lián)絡(luò)線的功率值最小為目標(biāo)，建立了在涵括光伏、風(fēng)力發(fā)電模式的微電網(wǎng)下基于分時(shí)電價(jià)的電動(dòng)汽車調(diào)度策略，以引導(dǎo)電動(dòng)汽車合理充放電。侯慧等[150] 提出優(yōu)先使用風(fēng)、光能，以儲(chǔ)能單元和電動(dòng)汽車群綜合運(yùn)行成本最少和消納清潔能源最大為目標(biāo)，建立了源荷級車輛調(diào)度模型。JIANG Xiuli 等[151] 以等效負(fù)荷方差最小為目標(biāo)，考慮電動(dòng)汽車行駛行為和電池容量約束，對電動(dòng)汽車進(jìn)行充放電調(diào)度。LU Xinhui 等[152]在光伏、風(fēng)力發(fā)電場景下，建立了考慮微電網(wǎng)系統(tǒng)運(yùn)行成本和環(huán)境保護(hù)成本的多目標(biāo)車輛調(diào)度模型，降低了車輛用電成本及環(huán)境污染，保障微電網(wǎng)穩(wěn)定運(yùn)行。

2.4.2 無線充電調(diào)度

無線充電技術(shù)憑借靈活便捷、安全高效等優(yōu)點(diǎn)得到較多的關(guān)注，其技術(shù)框架如圖8 所示。動(dòng)態(tài)無線充電技術(shù)允許電動(dòng)汽車在行駛過程中，通過埋在地面下的發(fā)射線圈以高頻磁場的形式將電能傳輸給地面上車輛的接收線圈，實(shí)現(xiàn)車輛邊行駛邊充電[153-154]。隨著基于清潔能源發(fā)電的微電網(wǎng)系統(tǒng)的提出和應(yīng)用，無線充電技術(shù)也迎來了新的機(jī)遇，但相關(guān)技術(shù)還處于起步階段。

光伏發(fā)電條件下電動(dòng)汽車無線充電。王呈軒等[155]開發(fā)了一種電動(dòng)汽車智能無線充電系統(tǒng)，將光伏發(fā)電與儲(chǔ)能結(jié)合起來為電動(dòng)汽車供電。周瑋等[156] 探究了光儲(chǔ)直流微電網(wǎng)中無線充電和V2G 模式下電動(dòng)汽車的能量流動(dòng)方式。H. S. Lee 等[157] 為加強(qiáng)電池負(fù)載和無線充電負(fù)載的最大功率轉(zhuǎn)換效率，提出了一種光儲(chǔ)組合微電網(wǎng)下的無線汽車充電方法。P. S. Subudhi 等[158] 設(shè)計(jì)了一種電動(dòng)汽車光伏無線充電方法，保障在不同光照強(qiáng)度下直流母線電壓的穩(wěn)定性。

風(fēng)光互補(bǔ)條件下電動(dòng)汽車無線充電。劉杰[159] 在光伏、風(fēng)電和蓄電池構(gòu)成的風(fēng)光互補(bǔ)微電網(wǎng)下，建立分層控制策略并設(shè)計(jì)無線電傳輸系統(tǒng)，為電動(dòng)汽車進(jìn)行穩(wěn)定可靠的充電。馮依一[160] 通過風(fēng)光互補(bǔ)電站系統(tǒng)的可行性和電力計(jì)算，設(shè)計(jì)了以提升用戶體驗(yàn)為目標(biāo)的電動(dòng)汽車無線充電設(shè)施。XIAO Zhaoxia 等[161] 考慮風(fēng)光互補(bǔ)系統(tǒng)供電下，融合電動(dòng)汽車無線充電技術(shù)的微網(wǎng)規(guī)劃、控制策略，實(shí)現(xiàn)了電動(dòng)汽車?yán)们鍧嵞茉催M(jìn)行無線充電。ZHOU Ze 等[162] 在風(fēng)光互補(bǔ)微電網(wǎng)結(jié)構(gòu)下，提出一種利用動(dòng)態(tài)無線充電技術(shù)使車輛參與到微電網(wǎng)的能量調(diào)節(jié)中的方法。

3 結(jié)論與展望

在過去10 年左右時(shí)間里，國內(nèi)外學(xué)者在電動(dòng)汽車與清潔能源融合發(fā)展方面取得了大量的研究成果。隨著清潔能源發(fā)電技術(shù)的進(jìn)步、智能運(yùn)營技術(shù)的提升以及應(yīng)用場景的不斷拓展，電動(dòng)汽車與清潔能源的融合發(fā)展將迎來更多的機(jī)遇和挑戰(zhàn)。尤其在光能、風(fēng)能等清潔能源豐富的地區(qū)，多相繼出臺(tái)了鼓勵(lì)交通與清潔能源融合發(fā)展的政策與文件。今后可以從以下5 個(gè)方面進(jìn)行理論研究和技術(shù)突破。

1） 加強(qiáng)公共領(lǐng)域電動(dòng)車輛與清潔能源融合發(fā)展

私家車的充電行為具有非常強(qiáng)的隨機(jī)性，給充電站運(yùn)營管理帶來較大困難。公共領(lǐng)域的車輛（ 如公務(wù)用車、公交車、環(huán)衛(wèi)車、機(jī)場用車、郵政快遞車、城市物流配送車） 一方面具有比較明顯的運(yùn)營規(guī)律以及充電特征，另一方面可能存在較大的停車空間， 便于布設(shè)清潔能源發(fā)電設(shè)施以及充電樁。2023 年11 月工業(yè)和信息化部、交通運(yùn)輸部等8 部門印發(fā)了《關(guān)于啟動(dòng)第一批公共領(lǐng)域車輛全面電動(dòng)化先行區(qū)試點(diǎn)的通知》，選擇15個(gè)城市作為試點(diǎn)，打造公共領(lǐng)域車輛全面電動(dòng)化先行區(qū)。這也為公共領(lǐng)域電動(dòng)車輛與清潔能源的融合提供了契機(jī)。

2） 優(yōu)化不同清潔能源規(guī)模配比，為電動(dòng)汽車構(gòu)建互補(bǔ)性供電模式

不同類型清潔能源的季節(jié)性出力分布特征和晝夜出力分布特征存在著較大差異，例如太陽能輻射強(qiáng)度在春季和夏季較高，在秋季和冬季較低，而風(fēng)能資源的季節(jié)性分布正好相反。通過將具有互補(bǔ)特性的不同類型清潔能源結(jié)合起來發(fā)電、供電，優(yōu)化各類清潔能源規(guī)模配比，能夠減輕清潔能源發(fā)電的間歇性和波動(dòng)性對供電系統(tǒng)可靠性產(chǎn)生的影響。

3） 建立“ 源-網(wǎng)-荷-儲(chǔ) ”集成優(yōu)化技術(shù)

強(qiáng)化電源側(cè)、電網(wǎng)側(cè)、儲(chǔ)能側(cè)、負(fù)荷側(cè)的協(xié)調(diào)互動(dòng)；基于供給側(cè)電力資源的充分整合和需求側(cè)負(fù)荷特性的深度挖掘，統(tǒng)籌優(yōu)化各類資源的規(guī)劃與運(yùn)營問題，以確定電源合理規(guī)模與配比、發(fā)揮電網(wǎng)調(diào)節(jié)能力、科學(xué)配置儲(chǔ)能資源、改善電動(dòng)汽車負(fù)荷曲線，從而提升清潔能源的消納能力以及供電系統(tǒng)的運(yùn)行效率和經(jīng)濟(jì)效益。

未來若干年中國將有大量的電動(dòng)汽車電池退役，而電池退役時(shí)尚存在70%～80% 的剩余容量，可以基于退役電池建設(shè)充電站的儲(chǔ)能系統(tǒng)，以平抑清潔能源的隨機(jī)波動(dòng)，并提高退役電池的利用效率。

持續(xù)加強(qiáng)充電站的信息化建設(shè)，使電動(dòng)汽車駕駛者能夠?qū)崟r(shí)快捷地查詢到充電站的排隊(duì)情況、充電所需時(shí)間、充電價(jià)格等關(guān)鍵基礎(chǔ)信息，提高充電站的運(yùn)營調(diào)度水平。采用價(jià)格手段調(diào)節(jié)電動(dòng)汽車的充電需求，一方面避免充電扎堆現(xiàn)象，另一方面使充電需求與清潔能源電力供給能力盡量匹配，避免清潔能源浪費(fèi)。

4） 強(qiáng)化分布式微電網(wǎng)能源自洽調(diào)度

強(qiáng)化分布式微電網(wǎng)內(nèi)部的調(diào)度技術(shù)，特別是面向V2G 車電互聯(lián)的場景，使清潔能源盡可能地就地消納。在清潔能源供應(yīng)充足時(shí)，電動(dòng)汽車和儲(chǔ)能設(shè)備可以吸收多余的電能；在用電高峰或清潔能源供應(yīng)不足時(shí)，這些電能再次被釋放以滿足本地需求。與此同時(shí)，弱化分布式微電網(wǎng)與配電網(wǎng)之間的連接，在臨時(shí)性電力不足或電力過剩時(shí)再選用配電網(wǎng)進(jìn)行供電，以提升配電網(wǎng)的整體安全性。

5） 加強(qiáng)無線光伏充電公路運(yùn)營管理

無線光伏充電公路是一種具有前瞻性的技術(shù)，其利用太陽能發(fā)電，能夠?qū)崿F(xiàn)電動(dòng)汽車邊走邊充電，但是在建設(shè)初期和后期維護(hù)過程中需要投入大量的資金，嚴(yán)重限制了其發(fā)展。未來隨著無線充電技術(shù)的成熟，其建設(shè)與維護(hù)成本將會(huì)下降。在電動(dòng)汽車逐漸普及的情況下，建設(shè)無線光伏充電公路的可行性將進(jìn)一步增強(qiáng)。可以根據(jù)電動(dòng)汽車的行駛路線和速度特征，合理規(guī)劃無線光伏充電公路的布局，優(yōu)化材料性能和管理流程，在保證電動(dòng)汽車充電便捷性、穩(wěn)定性和安全性的同時(shí)，降低無線光伏充電公路的運(yùn)營成本，提高其經(jīng)濟(jì)可行性。

參考文獻(xiàn)（References）

[1] 李曉易， 譚曉雨， 吳睿， 等. 交通運(yùn)輸領(lǐng)域碳達(dá)峰、碳中

和路徑研究[J]. 中國工程科學(xué)， 2021， 23（6）： 15-21.

LI Xiaoyi， TAN Xiaoyu， WU Rui， et al. Paths for carbon

peak and carbon neutrality in transport sector in China [J].

Strat Stud CAE， 2021， 23（6）： 15-21. （in Chinese）

[2] 李世齊. 中國交通領(lǐng)域成品油消費(fèi)趨勢及減排潛力研究

[D]. 北京： 中國石油大學(xué)， 2018.

LI Shiqi. The refined oil consumption trends and emission

reduction potential analysis in transportation of China[D].

Beijing： China University of Petroleum， 2018. （in Chinese）

[3] 張?zhí)炫? 全國新能源汽車保有量達(dá)1821 萬輛[N]. 人民日

報(bào)， 2023-10-11（002）.

ZHANG Tianpei. The number of new energy vehicles

nationwide reached 18.21 million [N]. People's Daily，

2023-10-11（002）. （in Chinese）

[4] 萬宣燃.“ 雙碳”目標(biāo)加速汽車業(yè)碳減排新能源汽車減排

優(yōu)勢明顯[B/OL]. （2021-07-27）. http：//m.news.cctv.

com/2021/07/27/ARTIIXtVeYm7eCaPcMsY6GvH210727.shtml.

WANG Xuanran. The "dual carbon" target accelerates

the carbon emission reduction of the automotive industry

[B/OL]. （2021-07-27）. http：//m.news.cctv.com/2021/07/27/

ARTIIXtVeYm 7eCaPcMsY6GvH210727.shtml. （in

Chinese）

[5] 鄭名揚(yáng). 地球的一半｜“環(huán)保”電動(dòng)汽車如何做到全生命

周期碳中和[B/OL]. （2021-03-18）. https：//www.thepaper.

cn/newsDetail_forward_11677065.

ZHENG Mingyang. Half the planet | How 'environmentally

friendly' electric cars can become life-cycle carbon

neutral [B/OL]. （2021-03-18）. https：//www.thepaper.cn/

newsDetail_forward_ 11677065. （in Chinese）

[6] Emissions G G. Comparison of lifecycle greenhouse gas

emissions of various electricity generation sources [R/

OL]. World Nuclear Association， 2011. [2024-01-01].

https：//www.world-nuclear.org/uploadedfiles/ org/wna/

publications/working_group_reports/comparison_of_

lifecycle.pdf.

[7] 王軼辰.“ 十四五”可再生能源發(fā)展提速[N]. 經(jīng)濟(jì)日報(bào)，

2022-06-08（006）.

WANG Yichen. The "14th Five-Year Plan" accelerated the

development of renewable energy [N]. Economic daily，

2022-06-08（006）. （in Chinese）

[8] 國家能源局. 國家能源局發(fā)布1—10 月份全國電力工業(yè)統(tǒng)

計(jì)數(shù)據(jù)[N]. 中國電力報(bào)， 2023-11-22（002）.

The National Energy Administration. The National Energy

Administration released the statistics of the national power

industry from January to October [N]. China Electric

Power News， 2023-11-22（002）. （in Chinese）

[9] 許雪記， 徐文文， 殷承啟， 等. 江蘇省高速公路站區(qū)光伏

能源綜合利用研究[J]. 能源環(huán)境保護(hù)， 2020， 34（2）： 43-47.

XU Xueji， XU Wenwen， YIN Chengqi， et al．Study on

the comprehensive utilization of photovoltaic energy in

the expressway station area of Jiangsu province[J]. Energ

Envir Protect， 2020， 34（2）： 43-47. （in Chinese）

[10] 陳春紅. 高速公路服務(wù)區(qū)停車場儲(chǔ)能式充電站的解決方

案[J]. 公路， 2017， 62（7）： 241-243.

CHEN Chunhong. Solution of energy storage charging

station in highway service area parking lot [J]. Highway，

2017， 62（7）： 241-243. （in Chinese）

[11] ZHOU Suyang， QIU Yue， ZOU Fenghua， et al. Dynamic

EV charging pricing methodology for facilitating

renewable energy with consideration of highway traffic

flow [J]. IEEE Access， 2019， 8： 13161-13178.

[12] QU Xiaobo， KUANG Yan， Oh E， et al. Safety evaluation

for expressways： A comparative study for macroscopic

and microscopic indicators [J]. Traf Inju Prev， 2014， 15（1）：

89-93.

[13] Nishanthy J， Charles Raja S， Praveen T， et al. Technoeconomic

analysis of a hybrid solar wind electric vehicle

charging station in highway roads [J]. Intl J Energ Res，

2022， 46（6）： 7883-7903.

[14] Hisoglu S， Comert R. Gis-based optimum site selection

for solar electric vehicle charging station： Ankara-Istanbul

highway case [J]. Intl Arch Photo， Remo Sens Spat Info

Sci， 2021， 46： 267-272.

[15] da Paix?o J L， Abaide A R， Sausen J P， et al. EV fast

charging microgrid on highways： A hierarchical analysis

for choosing the installation site [C]// 2021 56th Intl Univ

Powe Engi Conf （UPEC）. IEEE， 2021： 1-6.

[16] 陳艷波， 田昊欣， 劉宇翔， 等. 計(jì)及電動(dòng)汽車需求響應(yīng)的

高速公路服務(wù)區(qū)光儲(chǔ)充魯棒優(yōu)化配置[J]. 中國電機(jī)工程

學(xué)報(bào)， 2023（11）： 1-16.

CHEN Yanbo， TIAN Haoxin， LIU Yuxiang， et al. Robust

optimization configuration of photovoltaic-energy storagecharging

integrated system in expressway service area

considering demand response of electric vehicles [J].

Proceed CSEE， 2023（11）： 1-16. （in Chinese）

[17] SHI Ruifeng， GAO Yuqin， NING Jin， et al. Research

on highway self-consistent energy system planning

with uncertain wind and photovoltaic power output [J].

Sustainability， 2023， 15（4）： No 3166.

[18] Sausen J P， Abaide A R， Correa C H， et al. Optimal power

dispatch for EV fast charging microgrid on highways： A

storage analysis [C]// 2021 56th Intl Univ Powe Engi Conf

（UPEC）. IEEE， 2021： 1-6.

[19] 趙峰， 李建霞， 高鋒陽. 考慮不確定性的高速公路光儲(chǔ)充

電站選址定容[J]. 電力自動(dòng)化設(shè)備， 2021， 41（8）： 111-117.

ZHAO Feng， LI Jianxia， GAO Fengyang. Siting and sizing

of photovoltaic-storage charging stations on highway

considering uncertainties [J]. Elect Powe Auto Equip，

2021， 41（8）： 111-117. （in Chinese）

[20] 李建霞， 趙峰， 高鋒陽. 基于HOMER 和禁忌算法的高

速公路光儲(chǔ)充一體化電站容量優(yōu)化[J]. 電源學(xué)報(bào)， 2022，

20（6）： 127-136.

LI Jianxia， ZHAO Feng， GAO Fengyang. Hierarchical

optimization for capacity of PV-integrated EV charging

station on expressway based on HOMER and Tabu

Algorithm [J]. J Powe Suppl， 2022， 20（6）： 127-136. （in

Chinese）

[21] 侯甜甜. “車-路-電”三網(wǎng)融合下的充電設(shè)施選址定容方

法研究[D]. 北京： 北京交通大學(xué)， 2022.

HOU Tiantian. Research on the method of locating and

sizing of charging facilities under the integration of

"vehicle-road-electricity" three networks [D]. Beijing：

Beijing Jiaotong University， 2022. （in Chinese）

[22] XIE Rui， WEI Wei， Khodayar M E， et al. Planning fully

renewable powered charging stations on highways： A

data-driven robust optimization approach [J]. IEEE Trans

Transport Elect， 2018， 4（3）： 817-830.

[23] 戚野白， 劉開欣， 劉杰， 等. 高速公路服務(wù)區(qū)光伏與虛

擬電廠協(xié)同控制策略研究[J]. 交通節(jié)能與環(huán)保， 2022，

18（2）： 15-21.

QI Yebai， LIU Kaixin， LIU Jie， et al. Study on cooperative

control strategy of photovoltaic and virtual power plant

in expressway service area [J]. Transport Energ Conse

Envir Protc， 2022， 18（2）： 15-21. （in Chinese）

[24] 李愛. 城際高速路網(wǎng)中的光儲(chǔ)充電站規(guī)劃運(yùn)行研究[D].

成都： 西南交通大學(xué)， 2021.

LI Ai. Research on planning and operation of optical

storage charging stations in intercity highway network [D].

Chengdu： Southwest Jiaotong University， 2021. （in

Chinese）

[25] Nishanthy J， Charles Raja S， Praveen T， et al. Technoeconomic

analysis of a hybrid solar wind electric vehicle

charging station in highway roads [J]. Intl J Energ Res，

2022， 46（6）： 7883-7903.

[26] 崔巍， 陳姝伊， 蔣盼盼. 風(fēng)光互補(bǔ)高速公路電動(dòng)汽車無線

充電系統(tǒng)的研究[J]. 電氣時(shí)代， 2019， 6： 122-124.

CUI Wei， CHEN Shuyi， JIANG Panpan. Research on

wireless charging system for electric vehicles on windsolar

complementary highway [J]. Elect Times， 2019， 6：

122-124. （in Chinese）

[27] LI Bowen， LOU Jie， SUN Huiru， et al. An integration

scheme for highway rest area integrating the distributed

photovoltaic generation and energy storage [J]. IEEE

Trans Ind Appl， 2024， 60（1）： 1083-1092.

[28] Mourad A， Hennebel M， Amrani A， et al. Analyzing

the fast-charging potential for electric vehicles with

local photovoltaic power production in French suburban

highway network [J]. Energies， 2021， 14（9）： No 2428.

[29] 武程浩. 可持續(xù)視角下高速公路服務(wù)區(qū)光伏發(fā)電站投資

決策研究[D]. 北京： 華北電力大學(xué)， 2022.

WU Chenghao. Investment decision of photovoltaic power

station inexpressway service area from the perspective of

sustainability [D]. Beijing： North China Electric Power

University， 2022. （in Chinese）

[30] HE Haonan， LI Shiqiang， WANG Shanyong， et al.

Investment strategies under stochastic electricity prices

and implications for charging infrastructure network

coverage： A case of photovoltaic pavements [J]. Comput

Ind Engi， 2022， 172： No 108523.

[31] Nishimwe H L F， Yoon S G. Combined optimal planning

and operation of a fast EV-charging station integrated with

solar PV and ESS [J]. Energies， 2021， 14（11）： No 3152.

[32] Pamuttu D L， Akbar M， Andika A P， et al. An investigation

of hybrid renewable energy potential by harnessing traffic

flow [J]. Intl J Heat Tech， 2023， 41（1）： 239-246

[33] 張濤. 考慮風(fēng)電并網(wǎng)和新型柔性負(fù)荷接入的配電網(wǎng)負(fù)荷

預(yù)測研究[D]. 南京： 東南大學(xué)， 2022.

ZHANG Tao. Research on load prediction of distribution

network considering wind power grid connection and new

flexible load access [D]. Nanjing： Southeast University，

2022. （in Chinese）

[34] WANG Hu， MAO Lei， ZHANG Heng， et al. Multiprediction

of electric load and photovoltaic solar power in

grid-connected photovoltaic system using state transition

method [J]. Appl Energ， 2024， 353： No 122138.

[35] 賈顆鑫. 光伏充電站短期負(fù)荷預(yù)測及能量管理研究[D].

太原： 太原科技大學(xué)， 2023.

JIA Kexin. Short-term load prediction and energy

management research of photovoltaic charging station [D].

Taiyuan： Taiyuan University of Science and Technology，

2023. （in Chinese）

[36] Jurado M， Samper M， Rosés R. An improved encoderdecoder-

based CNN model for probabilistic short-term

load and PV forecasting [J]. Elect Powe Syst Res， 2023，

217： No 109153.

[37] 孫婉璐. 計(jì)及風(fēng)電并網(wǎng)的短期負(fù)荷EEMD 與神經(jīng)網(wǎng)絡(luò)預(yù)

測方法[D]. 成都： 西南交通大學(xué)， 2013.

SUN Wanlu. The short-term load forecasting method

based on EEMD and ANN by considering grid-connectied

wind power [D]. Chengdu： Southwest Jiaotong University，

2013. （in Chinese）

[38] Quan H， Srinivasan D， Khosravi A. Short-term load

and wind power forecasting using neural network-based

prediction intervals [J]. IEEE Trans Neur Network Learn

Syst， 2013， 25（2）： 303-315.

[39] 姚娟， 張曉文， 宋嘉， 等. 計(jì)及光伏及風(fēng)電并網(wǎng)的電力系

統(tǒng)短期負(fù)荷預(yù)測[J]. 電力大數(shù)據(jù)， 2023， 26（7）： 10-22.

YAO Juan， ZHANG Xiaowen， SONG Jia， et al. Short-term

load forecasting of power system considering photovoltaic

and wind power grid connected [J]. Powe Syst Big Data，

2023， 26（7）： 10-22. （in Chinese）

[40] Anand P， Sundaram K M. FPGA based substantial

power evolution controlling strategy for solar and wind

forecasting grid connected system [J]. Microprocess

Microsyst， 2020， 74： No 103001.

[41] Mokryani G， Hu Y F， Papadopoulos P， et al. Deterministic

approach for active distribution networks planning with

high penetration of wind and solar power [J]. Renew

Energ， 2017， 113： 942-951.

[42] 劉晉源， 呂林， 高紅均， 等. 計(jì)及分布式電源和電動(dòng)汽

車特性的主動(dòng)配電網(wǎng)規(guī)劃[J]. 電力系統(tǒng)自動(dòng)化， 2020，

44（12）： 41-48.

LIU Jinyuan， LV Lin， GAO Hongjun. Planning of active

distribution network considering characteristics of

distributed generator and electric vehicle [J]. Autom Elect

Powe Syst， 2020， 44（12）： 41-48. （in Chinese）

[43] 嚴(yán)歡， 胡俊杰， 黃旦莉， 等. 考慮電動(dòng)汽車虛擬電廠靈活

性和高比例光伏接入的配電網(wǎng)規(guī)劃[J]. 電力建設(shè)， 2022，

43（11）： 14-23.

YAN Huan， HU Junjie， HUANG Danli et al. Distribution

network planning considering the flexibility of EV virtual

power plants and high penetration of PV [J]. Elect Powe

Construct， 2022， 43（11）： 14-23. （in Chinese）

[44] 張逸凡. 考慮分布式電源與電動(dòng)汽車充電站的配電網(wǎng)規(guī)

劃[D]. 北京： 北京交通大學(xué)， 2021.

ZHANG Yifan. Distribution system planning considering

distributed generation and electric vehicle charging

station [D]. Beijing： Beijing Jiaotong University， 2021. （in

Chinese）

[45] Elkadeem M R， Abido M A. Optimal planning and

operation of grid-connected PV/CHP/battery energy

system considering demand response and electric vehicles

for a multi-residential complex building [J]. J Energ Stor，

2023， 72： No 108198.

[46] 孔順飛， 胡志堅(jiān)， 謝仕煒， 等. 考慮分布式儲(chǔ)能與電動(dòng)汽

車充電網(wǎng)絡(luò)的配電網(wǎng)多目標(biāo)規(guī)劃[J]. 電力科學(xué)與技術(shù)學(xué)

報(bào)， 2021， 36（1）： 106-116.

KONG Shunfei， HU Zhijian， XIE Shiwei， et al. Multiobjective

planning of distribution network considering

distributed energy storage and electric vehicle charging

network [J]. J Elect Powe Sci Tech， 2021， 36（1）： 106-116.

（in Chinese）

[47] Allouhi A， Rehman S. Grid-connected hybrid renewable

energy systems for supermarkets with electric vehicle

charging platforms： Optimization and sensitivity analyses

[J]. Energ Report， 2023， 9： 3305-3318.

[48] 王濤. 計(jì)及風(fēng)電相關(guān)性和電動(dòng)汽車充/ 放電模式的配電網(wǎng)

動(dòng)態(tài)重構(gòu)[D]. 南昌： 南昌大學(xué)， 2019.

WANG tao. Dynamic reconfiguration of distribution

network considering the correlation among wind power

and the charging/discharging modes of electric vehicles

[D]. Nanchang： Nanchang University， 2019. （in Chinese）

[49] 范永剛. 含分布式光伏與電動(dòng)汽車的配電網(wǎng)動(dòng)態(tài)重構(gòu)方

法研究[D]. 西安： 西安理工大學(xué)， 2022.

FAN Yonggang. Research on dynamic reconfiguration

method of distribution network with distributed

photovoltaic and electric vehicle[D]. Xian： Xian

University of Technology， 2022. （in Chinese）

[50] SU Xiaoping， HAO Wenbin， ZENG Peng， et al. Fault

reconfiguration of distribution network with DG and EVs

[C]// 2022 4th Intl Conf Powe Energ Tech （ICPET）. IEEE，

2022： 530-535.

[51] Qin Liwen， Yu Xiaoyong， Gui Haitao， et al. Super

resolution distribution network measurement considering

distribution network topology reconstruction [J]. Energ

Report， 2022， 8： 313-320.

[52] 王志平. 考慮電動(dòng)汽車和分布式電源的配電網(wǎng)重構(gòu)[D].

南昌： 南昌大學(xué)， 2019.

WANG Zhiping. Distribution network reconfiguration

considering electric vehicles and distributed generation

[D]. Nanchang： Nanchang University， 2019. （in Chinese）

[53] Jafar-Nowdeh A， Babanezhad M， Arabi-Nowdeh S， et al.

Meta-heuristic matrix moth–flame algorithm for optimal

reconfiguration of distribution networks and placement of

solar and wind renewable sources considering reliability

[J]. Envir Tech Inno， 2020， 20： 101118.

[54] 佟曦， 侯朗博， 孫昊， 等. 高比例光伏和電動(dòng)汽車接入配

電網(wǎng)的無功優(yōu)化[J]. 智慧電力， 2023， 51（10）： 31-37+102.

TONG Xi， HOU Langbo， SUN Hao， et al. Reactive power

optimization of distribution networks with high proportion

of PV and EVs [J]. Smart Power， 2023， 51（10）： 31-37+102.

（in Chinese）

[55] WU Renbo， LIU Shuqing. Deep learning based mutiobjective

reactive power optimization of distribution

network with PV and EVs [J]. Sensors， 2022， 22（12）：

No 4321.

[56] 楊劭煒. 含新能源和電動(dòng)汽車并網(wǎng)的配電網(wǎng)無功優(yōu)化研

究[J]. 電氣自動(dòng)化， 2021， 43（5）： 4-6+12.

YANG Shaowei. Reactive power optimization of

distribution network with new energy and electric vehicles

[J]. Elect Auto， 2021， 43（5）： 4-6+12. （in Chinese）

[57] XU Biao， ZHANG Guiyuan， LI Ke， et al. Reactive

power optimization of a distribution network with highpenetration

of wind and solar renewable energy and

electric vehicles [J]. Protect Contr Mode Powe Syst， 2022，

7（1）： 51-63.

[58] 湯清權(quán). 計(jì)及光伏發(fā)電和電動(dòng)汽車接入影響的配電網(wǎng)電

壓協(xié)同控制研究[D]. 廣州： 華南理工大學(xué)， 2021.

TANG Qingquan. Research on coordinated control of

distribution network voltage considering the impact of

photovoltaic power generation and electric vehicle access

[D]. Guangzhou： South China University of Technology，

2021. （in Chinese）

[59] Kim D J， Kim B， Yoon C， et al. Disturbance observerbased

model predictive voltage control for electric-vehicle

charging station in distribution networks [J]. IEEE Trans

Smart Grid， 2022， 14（1）： 545-558.

[60] WANG Lusha， Dubey A， Gebremedhin A H， et al. MPCbased

decentralized voltage control in power distribution

systems with EV and PV coordination [J]. IEEE Trans

Smart Grid， 2022， 13（4）： 2908-2919.

[61] 劉偉， 楊光亮， 劉慧巖， 等. 含電動(dòng)汽車、風(fēng)力發(fā)電和無

功補(bǔ)償裝置的配電網(wǎng)兩階段優(yōu)化策略[J]. 化工自動(dòng)化及

儀表， 2020， 47（6）： 482-488.

LIU Wei， YANG Guangliang， LIU Huiyan， et al. Twostage

optimization strategy of power distribution

network for electric vehicles and fans and reactive power

compensators [J]. Contr Instru Chem Ind， 2020， 47（6）：

482-488. （in Chinese）

[62] XU Biao， ZHANG Guiyang， LI Ke， et al. Reactive

power optimization of a distribution network with highpenetration

of wind and solar renewable energy and

electric vehicles [J]. Protect Contr Mode Power Syst，

2022， 7（1）： 51-63.

[63] 江智軍， 袁軒， 邱文浩，等. 含新能源和電動(dòng)汽車充電站

并網(wǎng)的主動(dòng)配電網(wǎng)無功優(yōu)化模型[J/OL]. 電力系統(tǒng)及其

自動(dòng)化學(xué)報(bào)， （2023-07-10）. https：//doi.org/10.19635/j.cnki.

csu-epsa.001297.

JIANG Zhijun， YUAN Xuan， QIU Wenhao， et al. Reactive

power optimization model of active distribution network

with new energy and electric vehicles [J/OL]. Proceed

CSU-EPSA， （2023-07-10）. https：//doi.org/10.19635/j.cnki.

csu-epsa.001297. （in Chinese）

[64] LI Xinyu， MA Ping， LI Liwei， et al. Two-time scale

reactive power optimization with considering the

uncertainty of RESs and EV charging stations in active

distribution network [C]// 2023 5th Asia Energ Elect Engi

Symp （AEEES）. IEEE， 2023： 1514-1519.

[65] 吳志山. 計(jì)及分布式電源和電動(dòng)汽車的配電網(wǎng)供電可靠性

評估[D]. 廣州： 廣東工業(yè)大學(xué)， 2016.

WU Zhishan. Power supply reliability evaluation for

distribution networks distributed generations and electric

vehicles [D]. Guangzhou： Guangdong University of

Technology， 2016. （in Chinese）

[66] Talukdar B K， Deka B C， Goswami AK. Reliability

analysis of an active distribution network integrated with

solar， wind and tidal energy sources [J]. Intl Trans Elect

Energ Syst， 2021， 31（12）： e13201.

[67] 劉仕豪. 計(jì)及光伏出力和電動(dòng)汽車并網(wǎng)的配電網(wǎng)可靠性

評估[D]. 保定： 華北電力大學(xué)， 2020.

LIU Shihao. Reliability evaluation of distribution networks

considering photovoltaic output and grid-connectied

electric vehicles [D]. Baoding： North China Electric Power

University， 2020. （in Chinese）

[68] Narasimhulu N， Awasthy M， Pérez de Prado R， et al.

Analysis and impacts of grid integrated photo-voltaic and

electric vehicle on power quality issues [J]. Energies，

2023， 16（2）： No 714.

[69] Anand M P， Bagen B， Rajapakse A. Reliability oriented

distribution system analysis considering electric vehicles

and hybrid energy resources [J]. Intl J Elect Powe Energ

Syst， 2022， 137： No 107500.

[70] 徐鵬程. 含電動(dòng)汽車有序充放電和風(fēng)/ 光/ 儲(chǔ)微網(wǎng)的配電

網(wǎng)可靠性評估[D]. 呼和浩特： 內(nèi)蒙古工業(yè)大學(xué)， 2021.

XU Pengcheng. Reliability evaluation of distribution

network including orderly charging and discharging of

electric vehicles and wind/solar/storage microgrid [D].

Huhehaote： Inner Mongolia University of Technology，

2021. （in Chinese）

[71] 王輝， 李旭陽， 王寶全， 等. 含分布式電源和電動(dòng)汽車

的配電網(wǎng)可靠性評估[J/OL]. 重慶大學(xué)學(xué)報(bào)， （2022-

06-06）. https：//kns.cnki.net/kcms/detail/50.1044.

N.20220602.1838.002.html.

WANG Hui， LI Xuyang， WANG Baoquan， et al. Reliability

evaluation of distribution network with distributed

generation and electric vehicle [J/OL]. J Chongqing Univ.

（2022-06-06）. https：//kns.cnki.net/kcms/detail/50.1044.

N.20220602.1838.002.html. （in Chinese）

[72] 武小梅. 考慮交通網(wǎng)和光儲(chǔ)系統(tǒng)的電動(dòng)汽車充電站規(guī)劃

與運(yùn)營研究[D]. 廣州： 廣東工業(yè)大學(xué)， 2021.

WU Xiaomei. Research on electric vehicle charging

station planning and operation considering transportation

network with photovoltaic and battery energy storage

system [D]. Guangzhou： Guangdong University of

Technology， 2021. （in Chinese）

[73] 吳萬祿， 韋鋼， 謝麗蓉，等. 基于機(jī)會(huì)約束規(guī)劃的風(fēng)電源

與充電站的優(yōu)化配置[J]. 電網(wǎng)與清潔能源， 2014， 30（1）：

81-86.

WU Wanlu， WEI Gang， XIE Lirong， et al. Optimal

allocation for charging station and wind generation based

on chance-constrained programming [J]. Powe Syst Clean

Energ， 2014， 30（1）： 81-86. （in Chinese）

[74] 劉宇航. 計(jì)及電動(dòng)汽車時(shí)—空特性的分布式電源和充電站

聯(lián)合規(guī)劃[D]. 吉林： 東北電力大學(xué)， 2021.

LIU Yuhang. Joint planning of distributed generation

and charging stations considering the time-space

characteristics of electric vehicle [D]. Jilin： Northeast

Electric Power University， 2021. （in Chinese）

[75] 虞小輝. 計(jì)及多能互補(bǔ)的電動(dòng)汽車充電站優(yōu)化配置及規(guī)

劃研究[D]. 南京： 南京郵電大學(xué)， 2020.

YU Xiaohui. Research on optimal configuration and

planning of electric vehicle charging stations considering

multi-energy complementarity [D]. Nanjing： Nanjing

University of Posts， 2020. （in Chinese）

[76] Mozafar M R， Moradi M H， Amini M H. A simultaneous

approach for optimal allocation of renewable energy

sources and electric vehicle charging stations in smart

grids based on improved GA-PSO algorithm [J]. Sustain

Citi Soc， 2017， 32： 627-637.

[77] Leone C， Longo M， Fernández-Ramírez L M， et al. Multiobjective

optimization of PV and energy storage systems

for ultra-fast charging stations [J]. IEEE Access， 2022， 10：

14208-14224.

[78] WU Chuanshen， GAO Shan， LIU Yu， et al. Wind power

smoothing with energy storage system： a stochastic model

predictive control approach [J]. IEEE Access， 2021， 9：

37534-37541.

[79] 裴文杰， 汪沨， 譚陽紅， 等. 含光伏分布式電源配電網(wǎng)的

電動(dòng)汽車充電站機(jī)會(huì)約束規(guī)劃[J]. 電力系統(tǒng)及其自動(dòng)化

學(xué)報(bào)， 2017， 29（6）： 45-52.

PEI Wenjie， WANG Feng， TAN Yanghong， et al. Chanceconstrained

programming for electric vehicle charging

stations in distribution network containing photovoltaic

distributed generations [J]. Proceed CSU-EPSA， 2017，

29（6）： 45-52. （in Chinese）

[80] 徐巖， 陳澤雄， 于博文， 等. 基于機(jī)會(huì)約束的電動(dòng)汽車

充光儲(chǔ)一體化充電站容量優(yōu)化方法[J]. 智慧電力， 2021，

49（12）： 25-30+36.

XU Yan， CHEN Zexiong， YU Bowen， et al. Chanceconstrained

based capacity optimization method of

charging-PV-storage integrated station for electric vehicles

[J]. Smart Power， 2021， 49（12）： 25-30+36. （in Chinese）

[81] 李科， 皇甫霄文， 李夢超， 等. 光—儲(chǔ)一體電動(dòng)汽車充電

站儲(chǔ)能規(guī)劃[J]. 電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)， 2023， 35（8）：

82-93.

LI Ke， HUANGFU Xiaowen， LI Mengchao， et al. Energy

storage planning for integrated pv-energy storage electric

vehicle charging station [J]. Proceed CSU-EPSA， 2023，

35（8）： 82-93. （in Chinese）

[82] XIA Fangzhou， CHEN Hongkun， LI Hao， et al. Optimal

planning of photovoltaic-storage fast charging station

considering electric vehicle charging demand response [J].

Energ Report， 2022， 8： 399-412.

[83] WU Zhouquan， Bhat P K， CHEN Bo. Optimal

configuration of extreme fast charging stations integrated

with energy storage system and photovoltaic panels in

distribution networks [J]. Energies， 2023， 16（5）： 2385.

[84] 石玉東， 蔣卓臻， 高紅均， 等. 促進(jìn)風(fēng)電消納的配電網(wǎng)分

布式電源與電動(dòng)汽車充電站聯(lián)合魯棒規(guī)劃[J]. 可再生能

源， 2018， 36（11）： 1638-1644.

SHI Yudong， JIANG Zhuozhen， GAO Hongjun， et al. A

joint robust planning of distributed generation and electric

vehicle charging stations in distribution network to

promote accommodation of wind power [J]. Renew Energ

Resou， 2018， 36（11）： 1638-1644. （in Chinese）

[85] 劉曉藝. 電動(dòng)汽車快充站儲(chǔ)能容量優(yōu)化配置與運(yùn)行策略

研究[D]. 濟(jì)南： 山東大學(xué)， 2020.

LIU Xiaoyi. Optimal configuration and operation strategy

of energy storage of fast charging stations of electric

vehicles [D]. Jinan： Shandong University， 2020. （in Chinese）

[86] Mehrjerdi H， Hemmati R. Stochastic model for electric

vehicle charging station integrated with wind energy [J].

Sustain Energ Tech Assess， 2020， 37： No 100577.

[87] ZHANG Jingqi， WANG Shu， ZHANG Cuo， et al. Planning

of electric vehicle charging stations and distribution

system with highly renewable penetrations [J]. IET Elect

Syst Transport， 2021， 11（3）： 256-268.

[88] 郝苓羽. 考慮風(fēng)光儲(chǔ)一體式電動(dòng)汽車充電站微電網(wǎng)容量

優(yōu)化研究[D]. 廣州： 華南理工大學(xué)， 2021.

HAO Lingyu. Research on micro-grid capacity

optimization of electric vehicle charging station

considering integrated wind-solar storage [D]. Guangzhou：

South China University of Technology， 2021. （in Chinese）

[89] 張穎達(dá)， 劉念， 張建華， 等. 含電動(dòng)汽車充電站的風(fēng)光

互補(bǔ)系統(tǒng)容量優(yōu)化配置[J]. 電力系統(tǒng)保護(hù)與控制， 2013，

41（15）： 126-134.

ZHANG Yingda， LIU Nian， ZHANG Jianhua， et al.

Optimum sizing of a stand-alone hybrid PV/wind

generation system integrated with electric vehicle charging

stations [J]. Powe Syst Prot Contr， 2013， 41（15）： 126-134.

（in Chinese）

[90] Arivalahan R， Balaji S. An optimization framework for

capacity allocation and energy management of fast electric

vehicle charging stations-wind photovoltaic energy using

artificial transgender longicorn algorithm [J]. Intl J

Energ Res， 2022， 46（11）： 14827-14844.

[91] SUN Baojun. A multi-objective optimization model for

fast electric vehicle charging stations with wind， PV

power and energy storage [J]. J Clean Product， 2021， 288：

No 125564.

[92] 王學(xué)婧. 面向光伏消納的電動(dòng)汽車有序充電策略研究[D].

北京： 華北電力大學(xué)， 2020.

WANG Xuejing. Research on oderly charging strategy of

electric vehicles for photovoltaic energy dissipation [D].

Beijing： North China Electric Power University， 2020. （in

Chinese）

[93] 陳先龍， 王秀麗， 陳潔， 等. 考慮分布式可再生能源交易

的風(fēng)電商與電動(dòng)汽車充電站協(xié)同優(yōu)化調(diào)度[J]. 電網(wǎng)技術(shù)，

2023， 47（11）： 4598-4610.

CHEN Xianlong， WANG Xiuli， CHEN Jie， et al. Optimal

collaborative scheduling of wind power operators and

electric vehicle charging stations considering distributed

renewable energy trading [J]. Powe Syst Tech， 2023，

47（11）： 4598-4610. （in Chinese）

[94] 梁海峰， 譚杰， 曹煜祺， 等. 考慮碳排放的電動(dòng)汽車與

光伏協(xié)同的調(diào)度策略[J/OL]. 華北電力大學(xué)學(xué)報(bào)（ 自

然科學(xué)版）. （2022-10-20）. https：//kns.cnki.net/kcms/

detail/13.1212.TM.20221019.1749.004.html.

LIANG Haifeng， TAN Jie， CAO Yuqi， et al. Cooperative

scheduling strategy of electric vehicle and photovoltaic

considering carbon emission [J/OL]. J North Chin Elect

Powe Univ. （2022-10-20）. https：//kns.cnki.net/kcms/

detail/13.1212.TM.20221019.1749.004.html. （in Chinese）

[95] 李睿雪， 胡澤春. 電動(dòng)公交車光儲(chǔ)充電站日運(yùn)行隨機(jī)優(yōu)化

策略[J]. 電網(wǎng)技術(shù)， 2017， 41（12）： 3772-3780.

LI Ruixue， HU Zechun. Stochastic optimization strategy

for daily operation of electric bus charging station with

PV and energy storage [J]. Powe Syst Tech， 2017， 41（12）：

3772-3780. （in Chinese）

[96] Tostado-Véliz M， Kamel S， Hasanien H M， et al. A

stochastic-interval model for optimal scheduling of PVassisted

multi-mode charging stations [J]. Energy， 2022，

253： No 124219.

[97] RUI Tao， HU Cungang， LI Guoli， et al. A distributed

charging strategy based on day ahead price model for PVpowered

electric vehicle charging station [J]. Appl Soft

Comput， 2019， 76： 638-648.

[98] 王明君. 電動(dòng)汽車換能與風(fēng)電場運(yùn)行協(xié)同優(yōu)化調(diào)度策略

研究[D]. 蘭州：蘭州理工大學(xué)， 2020.

WANG Mingjun. Research on coordinated optimal

scheduling strategy of electric vehicle transform and wind

farm [D]. Lanzhou： Lanzhou University of Technology，

2020. （in Chinese）

[99] YANG Shengchun， CHANG Yifan， XIE Jun. Tight

power balance multi-time scale disposal strategy for wind

integrated system considering electric vehicle charging

station [J]. Front Energ Res， 2023， 11： No 1163891.

[100] GUO Qun， LIANG Xiaodan， XIE Dingnan， et al. Efficient

integration of demand response and plug-in electrical

vehicle in microgrid： Environmental and economic

assessment [J]. J Clean Prod， 2021， 291： No 125581.

[101] 張可信. 含電動(dòng)汽車充電站的風(fēng)/光/柴微電網(wǎng)多時(shí)間尺度

分層優(yōu)化調(diào)度研究[D]. 天津工業(yè)大學(xué)， 2021.

ZHANG Kexin. Multi-timescale hierarchical optimal

scheduling study of wind/light/diesel microgrid with

electric vehicle charging station[D]. Tiangong University，

2021. （in Chinese）

[102] LI Huaidong， Rezvani A， HU Jiankun， et al. Optimal

day-ahead scheduling of microgrid with hybrid electric

vehicles using MSFLA algorithm considering control

strategies [J]. Sustain Citi Soc， 2021， 66： No 102681.

[103] 于大洋， 黃海麗， 雷鳴，等. 電動(dòng)汽車充電與風(fēng)電協(xié)同調(diào)

度的碳減排效益分析[J]. 電力系統(tǒng)自動(dòng)化， 2012， 36（10）：

14-18.

YU Dayang， HUANG Haili， LEI Ming， et al. CO2

Reduction benefit by coordinated dispatch of electric

vehicle charging and wind power [J]. Auto Elect Powe

Syst， 2012， 36（10）： 14-18. （in Chinese）

[104] 楊猛. 光儲(chǔ)充一體化電動(dòng)汽車充電站容量配置及綜合效

益研究[D]. 北京： 華北電力大學(xué)， 2020.

YANG Meng. Research on the capacity configuration and

comprehensive benefits of electric vehicle charging station

integrated photovoltaic and energy storage [D]. Beijing：

North China Electric Power University， 2020. （in Chinese）

[105] Denholm P， Kuss M， Margolis R M. Co-benefits of

large-scale plug-in hybrid electric vehicle and solar PV

deployment [J]. J Powe Sourc， 2013， 236： 350-356.

[106] 盧志剛， 姜春光， 李學(xué)平， 等. 清潔能源與電動(dòng)汽車充電

站協(xié)調(diào)投資的低碳效益分析[J]. 電工技術(shù)學(xué)報(bào)， 2016，

31（19）： 163-171.

LU Zhigang， JIANG Chunguang， LI Xueping， et al. Lowcarbon

benefit analysis on coordinating investment for

clean energy and electric vehicle charging stations [J].

Trans Chin Electrotech Soc， 2016， 31（19）： 163-171. （in

Chinese）

[107] GUO Qun， Nojavan S， LEI Shi， et al. Economicenvironmental

analysis of renewable-based microgrid

under a CVaR-based two-stage stochastic model with

efficient integration of plug-in electric vehicle and demand

response [J]. Sustain Citi Soc， 2021， 75： No 103276.

[108] LI Chong， SHAN Yicai， ZHANG Lei， et al. Technoeconomic

evaluation of electric vehicle charging stations

based on hybrid renewable energy in China [J]. Energ

Strat Rev， 2022， 41： No 100850.

[109] DeLuchi MA， Ogden JM. Solar-hydrogen fuel-cell

vehicles [J]. Transport Res Part A： Polic Pract， 1993，

27（3）： 255-275.

[110] Oh M， Kim S M， Park H D. Estimation of photovoltaic

potential of solar bus in an urban area： Case study in

Gwanak， Seoul， Korea [J]. Renew Energ， 2020， 160： 1335-

1348.

[111] Hussain M Z， Anbalagan R， Jayabalakrishnan D， et al.

Charging of car battery in electric vehicle by using wind

energy [J]. Mater Today： Proceed， 2021， 45： 5873-5877.

[112] 李學(xué)達(dá). 車載太陽能光伏系統(tǒng)輸出功率及發(fā)電量預(yù)測模

型研究[D]. 吉林：吉林大學(xué)，2021.

LI Xueda. Research on vehicle-mounted solar PV system

output power & power generation prediction model [D].

Jilin： Jilin University， 2021. （in Chinese）

[113] Simoes M G， Franceschetti N N， Adamowski J C. Drive

system control and energy management of a solar powered

electric vehicle [C]// APEC'98 13th Annu Appl Powe Electr

Conf Exposit. IEEE， 1998， 1： 49-55.

[114] Arsie I， Rizzo G， Sorrentino M. Effects of engine thermal

transients on the energy management of series hybrid solar

vehicles [J]. Contr Engi Pract， 2010， 18（11）： 1231-1238.

[115] 海濤， 朱浩， 石磊， 等. 一種帶MPPT 的車載太陽能充電

系統(tǒng)設(shè)計(jì)[J]. 可再生能源， 2015， 33（1）： 21-26.

HAI Tao， ZHU Hao， SHI Lei， et al. Design for a type of

vehicle-mounted solar charging system with MPPT [J].

Renew Energ Reso， 2015， 33（1）： 21-26. （in Chinese）

[116] 王曉璨， 張朋松， 張麗華， 等. 太陽能電動(dòng)車電源控制系

統(tǒng)的研究[J]. 機(jī)械與電子， 2009， 12： 36-39.

WANG Xiaocan， ZHANG Pengsong， ZHANG Lihua， XIE

Wei. The design of solar vehicle power control system [J].

Mach Electr， 2009， 12： 36-39. （in Chinese）

[117] Nivas M， Naidu R K P R， Mishra D P， et al. Modeling and

analysis of solar-powered electric vehicles [J]. Intl J Powe

Elect Driv Syst， 2022， 13（1）： 480-487.

[118] DUAN Chen， WANG Caisheng， LI Zongzheng， et al. A

solar power-assisted battery balancing system for electric

vehicles [J]. IEEE Trans Transport Electrificat， 2018，

4（2）： 432-443.

[119] 王超. 基于汽車風(fēng)速的風(fēng)能發(fā)電系統(tǒng)研究[D]. 北京： 北

京交通大學(xué)， 2015.

WANG Chao. Research on wind power generation system

based on vehicle speed [D]. Beijing： Beijing Jiaotong

University， 2005. （in Chinese）

[120] 李傲雪. 電動(dòng)汽車迎面氣流能量回收裝置設(shè)計(jì)與實(shí)驗(yàn)研

究[D]. 鎮(zhèn)江： 江蘇大學(xué)， 2016.

LI Aoxue. Design and experimental research on the frontal

airflow energy recovery device of electric vehicle [D].

Zhenjiang： Jiangsu University， 2016. （in Chinese）

[121] Khan Z A， Sherazi H H R， Ali M， et al. Designing a wind

energy harvester for connected vehicles in green cities [J].

Energies， 2021， 14（17）： No 5408.

[122] ZHAO Zhen， LI Yongxin， ZHANG Baifu， et al. Design

and analysis of a novel adjustable SVAWT for wind energy

harvesting in new energy vehicle [J]. World Elect Vehi J，

2022， 13（12）： No 242.

[123] 熊昭. 基于風(fēng)光互補(bǔ)的電動(dòng)汽車智能充電控制系統(tǒng)的研

究與設(shè)計(jì)[D]. 南寧： 廣西大學(xué)， 2017.

XIONG Zhao. Research and design of intelligent charging

control system for electric vehicle based on wind and

solar [D]. Nanning： Guangxi University， 2017. （in Chinese）

[124] 蔡鵬， 張軍， 鄧全冰， 等. 智能風(fēng)光互補(bǔ)新能源車設(shè)計(jì)[J].

流體測量與控制， 2022， 3（3）： 27-30.

CAI Peng， ZHANG Jun， DENG Quanbing， et al. Design

of intelligent wind-complementary new energy vehicle [J].

Fluid Measure Contr， 2022， 3（3）： 27-30. （in Chinese）

[125] Prakash K， Mamun K A， Islam F R， et al. Hybrid electric

vehicle： designing a control of solar/wind/battery/

capacitor/fuel cell hybrid system [C]// 2019 29th Austra

Univ Power Engi Conf （AUPEC）. IEEE， 2019： 1-6.

[126] Fathabadi H. Utilizing solar and wind energy in plug-in

hybrid electric vehicles [J]. Energ Conver Manag， 2018，

156： 317-328.

[127] 熊連松， 吳斌， 卓放， 等. 太陽能電動(dòng)車混合儲(chǔ)能系統(tǒng)的

能量管理策略研究[J]. 電源學(xué)報(bào)， 2011（5）： 37-43.

XIONG Liansong， WU Bin， ZHUO Fang， et al. Energy

management strategy for hybrid energy system in solar car

[J]. J Power Supply， 2011（5）： 37-43. （in Chinese）

[128] 范志鵬. 新能源汽車的一種能量管理策略研究[D]. 恩施：

湖北民族大學(xué)， 2022.

FAN Zhipeng. A Research of Energy Management

strategy for electric vehicle[D]. Enshi： Hubei Minzu

University， 2022. （in Chinese）

[129] WU Bin， ZHUO Fang， LONG Fei， et al. A management

strategy for solar panel-battery-super capacitor hybrid

energy system in solar car [C]// 8th Intl Conf Power

Electr-ECCE Asia. IEEE， 2011： 1682-1687.

[130] CHEN Hongjun， LU Fei， GUO Fujuan. Power management

system design for small size solar-electric vehicle [C]//

Proceed 7th Intl Power Electr Motion Contr Conf. IEEE，

2012， 4： 2658-2662.

[131] Güne?er M T， Erdil E， Cernat M， et al. Improving the

energy management of a solar electric vehicle [J]. Advan

Electr Comput Engi， 2015， 15（4）： 53-62.

[132] 別一鳴， 朱奧澤， 從遠(yuǎn). 電池健康程度差異下的電動(dòng)公交

線路車輛調(diào)度方法[J]. 華南理工大學(xué)學(xué)報(bào)（ 自然科學(xué)版），

2023， 51（10）： 11-21.

BIE Yiming， ZHU Aoze， CONG Yuan. Electric bus

scheduling method considering differences in the state of

health of batteries [J]. J South China Univ Tech（Nat Sci

Edit）， 2023， 51（10）： 11-21. （in Chinese）

[133] 張學(xué)清， 梁軍， 張利， 等. 計(jì)及風(fēng)光電源的一種地區(qū)電網(wǎng)

電動(dòng)汽車充電調(diào)度方法[J]. 電工技術(shù)學(xué)報(bào)， 2013， 28（2）：

28-35.

ZHANG Xueqing， LIANG Jun， ZHANG Li， et al.

Approach for plug-in electric vehicles charging scheduling

considering wind and photovoltaic power in Chinese

regional power grids [J]. Trans Chin Electrotech Soc，

2013， 28（2）： 28-35. （in Chinese）

[134] 曲小波， 劉亞君， 陳雨薇， 等. 城市電動(dòng)公交車輛運(yùn)營管

理：綜述與展望[J]. 汽車安全與節(jié)能學(xué)報(bào)， 2022， 13（3）：

407-420.

QU Xiaobo， LIU Yajun， CHEN Yuwei， et al. Urban electric

bus operation management： Review and outlook [J]. J

Autom Safe Energ， 2022， 13（3）： 407-420. （in Chinese）

[135] BIE Yiming， JI Jinhua， WANG Xiangyu， et al.

Optimization of electric bus scheduling considering

stochastic volatilities in trip travel time and energy

consumption [J]. Comput-Aide Civi Infrast Engi， 2021，

36（12）： 1530-1548.

[136] JI Jinhua， BIE Yiming， WANG Linhong. Optimal electric

bus fleet scheduling for a route with charging facility

sharing [J]. Transport Res Part C： Emerg Tech， 2023，

147： No 104010.

[137] CONG Yuan， WANG Heqi， BIE Yiming， et al. Doublebattery

configuration method for electric bus operation in

cold regions [J]. Transport Res Part E： Logist Transport

Rev， 2023， 180： No 103362.

[138] 趙濱濱， 王瑩， 徐曉萌， 等. 計(jì)及電動(dòng)汽車充電與可再生

能源協(xié)同調(diào)度的負(fù)荷特性分析[J]. 河南理工大學(xué)學(xué)報(bào)（自

然科學(xué)版）， 2020， 39（1）： 107-115.

ZHAO Binbin， WANG Ying， XU Xiaomeng， et al. Load

characteristics analysis considering cooperative dispatch

of EV charging and renewable energy power generation [J].

J Henan Polytech Univ （Nat Sci）， 2020， 39（1）： 107-115. （in

Chinese）

[139] HAO Ying， DONG Lei， LIANG Jun， et al. Power

forecasting-based coordination dispatch of PV power

generation and electric vehicles charging in microgrid [J].

Renew Energ， 2020， 155： 1191-1210.

[140] Tulpule P J， Marano V， Yurkovich S， et al. Economic

and environmental impacts of a PV powered workplace

parking garage charging station [J]. Appl Energy， 2013，

108： 323-332.

[141] 范春陽， 張海波， 張賀， 等. 含分布式光伏的公交充電站

多階段優(yōu)化調(diào)度[J]. 電力需求側(cè)管理， 2023， 25（3）： 87-92.

FAN Chunyang， ZHANG Haibo， ZHANG He， et al.

Multi-stage optimal scheduling of bus charging stations

containing distributed photovoltaic [J]. Power Deman

Side Manag， 2023， 25（3）： 87-92. （in Chinese）

[142] LIU Xiaohan， SHANG Wenlong， de Almeida Correia G

H， et al. A sustainable battery scheduling and echelon

utilization framework for electric bus network with

photovoltaic charging infrastructure [J]. Sustain Citi Soc，

2024， 101： No 105108.

[143] Moradipari A， Tucker N， Zhang Tuo， et al. Mobility

aware smart charging of electric bus fleets [C]// 2020 IEEE

Power Energy Soc Gene Meet （PESGM）. IEEE， 2020： 1-5.

[144] Tomizawa Y， Iino Y， Ihara Y， et al. Charging schedule

optimization method for electric buses with PV installed

at bus stations： Sensitivity analysis of PV capacity based

on real city data [C]// 2020 Intl Conf Smart Grids Energy

Syst （SGES）. IEEE， 2020： 157-162.

[145] 葛曉琳， 郝廣東， 夏澍， 等. 考慮規(guī)模化電動(dòng)汽車與風(fēng)

電接入的隨機(jī)解耦協(xié)同調(diào)度[J]. 電力系統(tǒng)自動(dòng)化， 2020，

44（4）： 54-62.

GE Xiaolin， HAO Guangdong， XIA Shu， et al. Stochastic

decoupling collaborative dispatch considering lntegration

of large-scale electric vehicles and wind power [J]. Auto

Elect Power Syst， 2020， 44（4）： 54-62. （in Chinese）

[146] 王若谷， 陳果， 王秀麗， 等. 計(jì)及風(fēng)電與電動(dòng)汽車隨機(jī)性

的兩階段機(jī)組組合研究[J]. 電力建設(shè)， 2021， 42（8）： 63-70.

WANG Ruogu， CHEN Guo， WANG Xiuli， et al. Two-stage

stochastic unit commitment considering the uncertainty of

wind power and electric vehicle travel patterns [J]. Elect

Power Construct， 2021， 42（8）： 63-70. （in Chinese）

[147] WU Junjie， JIA Qingshan. On optimal charging scheduling

for electric vehicles with wind power generation [J/OL].

Fundament Res. （2022-06-30）. https：//www.sciencedirect.

com/science/article/pii/S2667325822002795.

[148] JIA Qingshan， WU Junjie. A structural property of

charging scheduling policy for shared electric vehicles

with wind power generation [J]. IEEE Trans Contr Syst

Tech， 2020， 29（6）： 2393-2405.

[149] 王銳. 計(jì)及電動(dòng)汽車的風(fēng)-光-儲(chǔ)微電網(wǎng)容量配置與經(jīng)濟(jì)調(diào)

度研究[D]. 蘭州： 蘭州理工大學(xué)， 2023.

WANG Rui. Research on capacity allocation and economic

dispatch of wind-solar-storage microgrid considering

electric vehicles [D]. Lanzhou： Lanzhou University of

Technology， 2023. （in Chinese）

[150] 侯慧， 薛夢雅， 陳國炎， 等. 計(jì)及電動(dòng)汽車充放電的微

電網(wǎng)多目標(biāo)分級經(jīng)濟(jì)調(diào)度[J]. 電力系統(tǒng)自動(dòng)化， 2019，

43（17）： 55-62.

HOU Hui， XUE Mengya， CHEN Guoyan， et al. Multiobjective

hierarchical economic dispatch for microgrid

considering charging anddischarging of electric vehicles

[J]. Auto Elect Powe Syst， 2019， 43（17）： 55-62. （in

Chinese）

[151] JIANG Xiuli， WANG Jinkuan， HAN Yinghan， et al.

Coordination dispatch of electric vehicles charging/

discharging and renewable energy resources power in

microgrid [J]. Proced Comput Sci， 2017， 107： 157-163.

[152] LU Xinhui， ZHOU Kaile， YANG Shanlin. Multi-objective

optimal dispatch of microgrid containing electric vehicles

[J]. J Clean Prod， 2017， 165： 1572-1581.

[153] 別一鳴， 郝明杰， 王琳虹. 專用道條件下電動(dòng)公交線路

靜態(tài)無線充電設(shè)施布局優(yōu)化[J]. 中國公路學(xué)報(bào)， 2023，

36（1）： 202-213.

BIE Yiming， HAO Mingjie， WANG Linhong. Layout

optimization of static wireless charging facilities for

electric bus routes with dedicated bus lanes [J]. China J

Highway Transport， 2023， 36（1）： 202-213. （in Chinese）

[154] JI Jinhua， WANG Linhong， YANG Menglin， et al. Optimal

deployment of dynamic wireless charging facilities for

electric bus route considering stochastic travel times [J].

Energy， 2024， 289： No 129873.

[155] 王呈軒， 李弘昌， 樊艷芳， 等. 由光伏直接供電的電動(dòng)汽

車無線充電系統(tǒng)控制策略[J]. 科學(xué)技術(shù)與工程， 2021，

21（29）： 12595-12602.

WANG Chenxuan， LI Hongchang， FAN Yanfang， et al.

Control strategy of electric vehicle wireless charging

system directly powered by photovoltaic [J]. Sci Tech

Engi， 2021， 21（29）： 12595-12602. （in Chinese）

[156] 周瑋， 藍(lán)嘉豪， 麥瑞坤， 等. 無線充電電動(dòng)汽車V2G 模

式下光儲(chǔ)直流微電網(wǎng)能量管理策略[J]. 電工技術(shù)學(xué)報(bào)，

2022， 37（1）： 82-91.

ZHOU Wei， LAN Jiahao， MAI Ruikun， et al. Research

on power management strategy of DC microgrid with

photovoltaic， energy storage and EV wireless power

transfer in V2G mode [J]. Trans China Electrotech Soc，

2022， 37（1）： 82-91. （in Chinese）

[157] Lee H S， Yun J J. Three-port converter for integrating

energy storage and wireless power transfer systems in

future residential applications [J]. Energies， 2020， 13（1）：

No 272.

[158] Subudhi P S， Subramanian K， Retnam B. Wireless

electric vehicle battery-charging system for solar-powered

residential applications [J]. Intl J Powe Energ Syst， 2019，

39（3）： 130-140.

[159] 劉杰. 風(fēng)光互補(bǔ)微電網(wǎng)為電動(dòng)汽車無線充電研究[D]. 天

津： 天津工業(yè)大學(xué)， 2017.

LIU Jie. Research on wind-solar complementary microgrid

for wireless charging of electric vehicles [D]. Tianjin：

Tiangong University， 2017. （in Chinese）

[160] 馮依一. 基于新能源技術(shù)的電動(dòng)汽車充電系統(tǒng)設(shè)計(jì)研究

[D]. 北京： 北京工業(yè)大學(xué)， 2020.

FENG Yiyi. Design and research on electric vehicle

charging system based on new energy technology [D].

Beijing： Beijing University of Technology， 2020. （in

Chinese）

[161] XIAO Zhaoxia， SHANGGUAM Xudong， ZHANG Xian，

et al. Control of DC microgrid for electrical vehicles （EV

s） wireless charging [C]// 2018 China Intl Conf Electr

Distribut （CICED）. IEEE， 2018： 2082-2087.

[162] ZHOU Ze， LIU Zhitao， SU Hongye， et al. Bi-level

framework for microgrid capacity planning under dynamic

wireless charging of electric vehicles [J]. Int J Elect

Powe Energ Syst， 2022， 141： No 108204.

[163] 高大威， 王碩， 楊福源. 電動(dòng)汽車無線充電技術(shù)的研究進(jìn)

展[J]. 汽車安全與節(jié)能學(xué)報(bào)， 2015， 6（4）： 314-327.

GAO Dawei， WANG Shuo， YANG Fuyuan. State-of-art of

the wireless charging technologies for electric vehicles [J].

J Autom Safe Energ， 2015， 6（4）： 314-327. （in Chinese）

[164] XU Liang， XU Jin， QU Xiaobo， et al. An origindestination

demands-based multipath-band Approach to

time-varying arterial coordination [J]. IEEE Trans Intel

Transport Syst， 2022， 23（10）： 17784-17800.