⚡ electrical engineering

Multi-objective scheduling of highway PV-storage-charging microgrid clusters with EV-load cascades

本研究提出了一种针对高速公路光储充微网集群的多目标调度框架，该框架集成了一个时空电动汽车负荷级联模型以考虑动态出行行为，成功生成了一个在确保严格遵守约束条件的同时，使运行成本和碳排放量均最小化的可行帕累托前沿。

原作者： Yanming Sun, Mohan Zhao, Pihong Gong

发布于 2026-07-01

📖 1 分钟阅读☕ 轻松阅读

原作者： Yanming Sun, Mohan Zhao, Pihong Gong

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一条繁忙的高速公路就像一条长长的汽车河流。沿着这条河流，有三个“服务站”（我们称之为 A 站、B 站和 C 站）。每个站点都配备了电动汽车（EV）充电桩、安装在屋顶上的太阳能电池板，以及一个巨大的电池组（就像是整个站点的巨型移动电源）。

本研究的目标是研究如何运行这三个站点，使其在降低成本和减少污染的同时，应对一个棘手的问题：交通拥堵会改变人们充电的需求。

以下是研究人员解决这一问题的过程，通过简单的语言进行了解释：

1. 交通的“多米诺骨牌效应”

通常，规划者会将充电需求视为固定的时间表：“A 站将在下午 5 点迎来 100 辆车。”但在现实生活中，驾驶员是很聪明的。如果 A 站出现了很长的排队队伍（队列），驾驶员可能会决定：“我跳过这一站，改去 B 站吧。”

研究人员建立了一个数字模型，它就像一个“多米诺骨牌效应”模拟器。

触发机制： 如果 A 站变得过于拥挤，意味着“等待时间”过长。
反应： 驾驶员会检查电池电量。如果他们的电量足以安全到达 B 站，他们就会跳过 A 站，转而前往 B 站。
结果： B 站会突然迎来一波意料之外的车辆激增。如果 B 站也变得过于拥挤，部分车辆可能会尝试跳过 B 站前往 C 站。

研究发现，这种“跳过”现象主要发生在第一站和第二站（A 和 B）之间。很少有车辆会一路跳到 C 站，因为他们可能会耗尽电池电量，或者不想为了节省几分钟时间而多跑更远的路。

2. 将三个站点视为一个大团队

研究人员并没有将 A、B、C 三个站点分开管理，而是将它们视为一个庞大的团队（一个“微电网集群”）。

太阳能电池板： 它们在白天产生免费、清洁的能源。
巨型电池： 这是团队的“储蓄账户”。它在阳光充足时储存多余的太阳能，并在车辆到达的夜晚释放能量。
电网： 这是与城市主电厂的连接。

挑战在于如何指挥电池何时充电、何时放电，以保持低成本和低污染，同时确保没有任何一个站点会断电。

3. “禁止作弊”的规则

研究人员使用了一种智能计算机算法（数字优化器）来寻找最佳方案。但他们加入了严格的“禁止作弊”规则，以确保该计划在现实世界中确实可行：

“电池空载”规则： 你不能在一天结束时把电池完全耗尽。必须将其补充回初始水平，以便为明天做好准备。（想象一下，你不能在需要买早餐钱的时候就把今天的工资全部花光）。
“禁止出口”规则： 电池不能为了赚取快速利润而将电力卖回给城市主电网。它必须仅用于为汽车充电。
“安全边际”规则： 电池不能充得太满或放得太空，否则可能会损坏。

4. 结果：一个平衡的方案

计算机生成了 500 个不同的“完美”方案。研究人员选择了其中一个能在节省资金和保护环境之间实现最佳平衡的方案。

获胜方案的表现如何？

节省的资金： 每日成本约为 13,516 元人民币（CNY）。
减少的污染： 每日碳排放量约为 12,068 千克二氧化碳（CO2）。
运作方式： 电池在白天太阳能工作高效时进行充电。然后，在傍晚车辆到达时，电池释放存储的能量为汽车充电。这意味着站点不需要从主电网购买那么多昂贵且高污染的电力。
安全检查： 该方案通过了每一项测试。电池从未枯竭，从未溢出，输电线路也从未过载。

核心启示

这项研究表明，你不能孤立地看待一个充电站。你必须观察整个高速公路走廊。当第一站发生交通拥堵时，它会向路面下方传递连锁反应，改变车辆的去向。通过理解这种“涟漪效应”，并将太阳能电池板和电池作为一个整体团队进行管理，高速公路站点可以运行得更便宜、更清洁且更可靠。

研究人员证明，如果你在制定计划时考虑了这些“现实世界”的交通行为和严格的安全规则，你得到的将不仅仅是一个屏幕上的数字，而是一个在明天就能实际投入使用的方案。

技术摘要：具有电动汽车负荷级联效应的高速公路光储充微网集群多目标调度研究

问题陈述
高速公路服务区正在演变为交通与能源耦合的节点，而电动汽车（EV）充电需求通常被建模为固定的外生负荷曲线。这种传统方法未能捕捉到长途旅行中的动态现实，即排队压力、剩余荷电状态（SOC）、行驶延迟以及跳站决策会导致充电需求沿走廊进行空间转移。此外，现有的调度模型通常将电动汽车需求视为静态，忽略了“跳站”行为，即驾驶员为了避开上游拥堵站点而选择前往下游站点充电。这种脱节导致了交通侧行为响应与能源侧微网运行之间的鸿沟。此外，微网的多目标优化经常依赖于软惩罚方法，这可能导致生成的解在目标空间（成本/排放）中看似最优，但在物理约束（如 SOC 边界、变压器容量或终端 SOC 要求）方面却存在违规，从而导致在实际操作中不可行。

研究方法
本研究提出了一个两层框架，将时空电动汽车负荷级联模型与走廊级聚合光储充微网调度模型相结合。

电动汽车负荷级联模型：
- 行为逻辑： 该模型将跳站视为一种受约束的行为响应，而非自由的重新分布。它利用二元 Logit 公式，根据广义成本计算跳站概率。这些成本综合考虑了排队等待时间、站间行驶延迟、剩余 SOC 以及续航风险。
- 物理约束： 一个硬约束确保只有在剩余 SOC 足以到达下一站并保持安全裕度的情况下，才允许跳站。
- 级联机制： 上游站点（如站点 A）被跳过的需求会因行驶时间产生延迟，并增加到下游站点（如站点 B）的到达率中，从而形成时空负荷级联。
微网调度模型：
- 系统范围： 将三个连续的服务区（A、B、C）聚合为一个走廊级微网集群，以评估共享光伏（PV）、储能系统（ESS）和变压器的联合运行。
- 目标： 模型最小化两个冲突的目标：每日净运营成本（包括购电、售电及 ESS 退化成本）和每日净碳排放量。
- 约束条件： 调度周期为 24 小时（144 个十分钟间隔）。关键约束包括 SOC 边界（[0.1, 0.9]）、变压器有功功率限制、终端 SOC 要求（最终 SOC $\ge$ 初始 SOC 以防止跨日能量借贷）以及禁止储能向电网送电（以防止电池介导的套利）。
优化工作流：
- 算法： 采用非支配排序遗传算法 II（NSGA-II）。
- 可行性保持： 与标准方法不同，该工作流集成了面向可行性的初始化、前向约束修复（对功率限制进行裁剪、按顺序调整 SOC）以及完全可行的帕累托过滤。
- 选择： 仅保留满足所有硬约束（在 SOC、变压器容量和终端 SOC 方面零违规）的调度方案。从这个“完全可行”的前沿面中，使用归一化隶属度得分（成本与碳排放权重相等）选择一个折中解。

核心贡献

耦合建模： 本研究明确地将排队诱发的交通响应（等待时间、跳站）与下游微网负荷输入相联系，超越了固定负荷曲线的模型。
走廊级聚合： 研究表明，虽然需求在节点层面发生重新分布，但运行调度必须考虑整个走廊的聚合资源（光伏、储能、电网容量）。
严格的可行性处理： 论文引入了一种工作流，在优化过程中强制执行硬约束（终端 SOC、禁止储能向电网送电），确保生成的帕累托前沿完全由可执行的调度方案组成，而非软惩罚近似值。
可复现性： 研究提供了一个完整的、可复现的 NSGA-II 工作流，具有固定的随机种子和特定的修复机制，产生了 500 个完全可行的帕累托解。

结果
案例研究聚焦于一个包含三个服务区的走廊。

负荷级联动态： 结果显示出不对称的负荷转移。服务区 A（上游）经历了显著的排队压力（等待时间高达 21.46 分钟），导致平均跳站概率为 0.215。这部分需求主要被服务区 B（下游）吸收，导致其负荷增加。向服务区 C 的转移较为有限（平均跳站概率为 0.041），这是受限于剩余 SOC 和行驶距离。
优化结果： 从 500 个完全可行的帕累托解中，选择了如下折中解：
- 净运营成本： 13,515.78 元/天。
- 净碳排放量： 12,067.92 kg CO₂/天。
- 运行指标： ESS 主要用于在走廊内进行能量转移（在光伏可用时充电，在傍晚高峰期放电），而非向电网送电。总的电网送电量、光伏上网电量以及储能向电网送电量均为 0.00 kWh。
- 约束满足情况： 该方案使 SOC 维持在 [0.2577, 0.9000] 范围内，将终端 SOC 恢复至初始值 0.5000，且在 SOC 边界、变压器容量和储能向电网送电方面记录为零违规。

意义与主张
论文主张，将高速公路充电需求视为一种受排队条件和续航约束影响的空间可转移过程，能够为交通动力学与能源系统运行之间提供更清晰的接口。这项工作的意义不在于优化器（NSGA-II）本身的新颖性，而在于可复现的耦合——即将排队驱动的负荷级联建模与保持可行性的走廊级调度相结合。

作者强调，通过强制执行终端 SOC 恢复并禁止储能向电网送电，所报告的成本-排放权衡更具可审计性和运行可解释性。所选的折中方案并非作为一个无约束的数值最优解，而是作为一个尊重微网物理极限和电动汽车驾驶员行为现实的可行调度方案。研究结论认为，此类框架支持技术可解释、约束可行且低碳的高速公路走廊微网集群运行，尽管同时也承认了在固定碳因子、单日调度周期以及缺乏交流潮流约束方面的局限性。