0引言

全球经济增长导致化石能源过度消耗，加剧环境污染。电动汽车因其环保优势迅速崛起，预计到2030年中国电动汽车保有量将达到6000万辆。这有助于减少化石能源依赖，推广绿色出行，但也对电网稳定性构成挑战。因此，研究有序充电策略至关重要。现有研究多关注充电站成本小，忽略多方利益平衡。本文提出基于优劣解距离法的优化策略，旨在降低充电成本，实现电网负荷削峰填谷。同时，构建综合考虑配电网交互功率、充电站收益、电池损耗及放电成本的调度模型，全面评估优化充电过程。针对分布式能源随机性，本文构建多目标两阶段优化模型，通过精细调度策略平抑能源波动、降低充电成本，并提出含分布式电源和电动汽车充电的优化重构模型，支持电网稳定运行和成本效益提升。为适应含光伏和储能单元的社区环境，提出基于鼠群优化算法的双层多目标有序充电策略，展示智能算法在电动汽车充电管理领域的潜力。最后，设计基于云边协同的调度架构，利用云计算和边缘计算优势，实现数据快速处理与实时响应，为电动汽车充电管理的智能化、高效化提供技术支撑。

1光储充一体化社区无序充电分析

1.1光储充一体化社区系统结构

图1呈现了一个集成了光伏发电、储能与充电功能的社区系统，该系统由光伏单元、储能单元及变压器三大核心组件构成。图中箭头清晰标注了电能的流动路径：光伏单元与电网共同作为电能供应源，而充电桩与常规负荷则作为电能消耗端。值得注意的是，储能单元在系统中扮演着双重角色，它既能作为电源供电，也能作为负载消耗电能。为便于模型分析，此处将储能单元在充电状态下的功率视为正值，放电时则视为负值，从而将其简化为一种特殊的用电负荷。

图1光储充一体化社区系统结构

当光伏出力超过充电负荷时，首先供给充电桩使用，随后为储能单元充电，剩余部分则供给常规负荷；若光伏出力不足，则由储能单元提供电力，差额部分则由电网进行补充。

1.2社区无序充电负荷

居民的充电行为虽具有个体随机性，但其整体趋势却深受生活习惯与出行规律的双重影响。本文依据2017年美国交通部发布的统计数据，并经过精心调整以更贴近中国居民的出行实际情况。图2展示了居民出行规律的概率密度分布，为我们深入理解这一现象提供了直观依据。

图2居民出行规律概率密度分布

图2明确展示了电动汽车的充电行为主要集中在每日的16:00至21:00时段开始，并在次日的06:00至10:00时段结束充电。此外，这些电动汽车的日行驶里程普遍较短，大多不超过50公里。

1.3无序充电负荷模拟

本文采用蒙特卡洛法来模拟居民电动车的无序充电行为。我们设定电动车每日充电一次，直至电量完全充满，且充电过程维持恒定功率，同时选取了符合社区特性的常规充电方式作为模拟基础。电动车无序充电负荷的具体模拟流程已在图3中详细展示，其主要步骤如下。

图3无序充电负荷模拟流程

1）输入仿真次数和电动汽车数量，并进行初始化操作；

2）依据概率模型随机生成充电时间及行驶里程数据；

3)  计算各次充电的电量，并累加以得到总负荷；

4)  当达到设定的仿真次数后，输出平均充电负荷曲线。

1.4社区无序充电仿真分析

社区电动汽车充电负荷、储能设备和光伏单元的输出功率如图4(a)所示。叠加社区常规负荷后，得到无序充电下的整体负荷情况，如图4(b)。光伏单元在08:00至17:00为主要出力时段，此间光伏发电量足以覆盖充电负荷和储能设备能耗，并为常规负荷供电，实现电力就地消纳，降低能源损耗。但电动汽车充电负荷高峰与社区常规负荷高峰重叠，增大峰谷差，加剧电网波动。储能设备在此时释放电能供给充电桩，降低负荷峰值，支持电网稳定运行。

图4无序充电仿真结果

在晚上六点到十点时段内，社区电力负荷常常超出变压器的承载能力，进而引发过载现象，并加速了其老化进程。相较于传统社区，光储充一体化社区虽在负荷峰值及越限时长上有所缓解，但问题仍旧未得到根本解决，持续威胁着居民用电的安全性与稳定性。因此，深入探索电动汽车充电的有序调度策略，显得尤为重要且迫切。。

2基于鼠群优化算法的双层多目标有序充电策略

2.1双层多目标有序充电策略

本策略精心构建了一个双层多目标优化模型，其核心目的在于有效缩减社区负荷的峰谷差异，并极力降低用户的充电成本。此模型的双层结构清晰分明：第一层聚焦于电网层面，以削减峰谷差为主要目标；第二层则深入用户层面，旨在通过优化减少用户的充电费用，同时，将电网层的运算结果作为重要约束条件，以确保整个社区负荷的平稳运行。详细的操作流程请参阅图5。

图5双层多目标有序充电策略流程

1) 获取未来24小时社区负荷和光伏预测数据，动态获取用户充电信息，包括充电时间及充电量；

2) 若有新车接入或用户改变充电信息，电网层优化社区负荷峰谷差，输出充电时间、光伏充放电功率和充电负荷；

3) 电网层充电负荷作为用户层优化模型约束，用户层优化用户充电费用，输出充电时间、光伏充放电功率；

4) 重复步骤2)和3)，直至达到迭代次数，输出新的充电计划；

5) 若无新车接入或用户改变充电信息，遵循上一时段充电计划；

6) 重复步骤2)—5)，直至优化时段达到时段数。

2.2基于云边协同的调度架构

电动汽车有序充电调度通常采取集中式架构设计，然而，在大规模接入场景下，云主站处理海量数据可能会引发计算延迟甚至错误。为此，我们依据“云管边端”的先进理念，创新性地提出了云边协同的有序充电调度架构。

图7基于云边协同的调度架构

基于云边协同的调度架构涵盖感知端侧、边缘侧与云端侧，其调度流程精炼如下：

用户借助APP向云平台发送充电请求；

1)云平台汇聚用户信息、储能与充电桩状态，并整合光伏出力和负荷预测数据

2)云平台通过求解优化模型，确定充电时间、储能功率及负荷分配，并将相关参数下发至边缘侧；

3)边缘侧则负责部署并执行优化模型，接收并处理参数后，将结果上传回云平台；

4)此过程循环进行，直至达到迭代次数，最终生成充电计划；

5)充电计划的执行指令则由边缘侧直接传达至感知端侧设备，实现精准控制。

3算例分析

本文深入探讨了湖南某光储充一体化社区的详细参数。具体而言，该社区的光伏单元容量为200kW，发电成本维持在每千瓦时0.35元的水平；储能单元则拥有200kWh的容量，其充放电功率高达50kW，且放电深度可达90%。此外，该社区的配电网变压器容量达到1000kVA，功率因数保持在0.9的优异水平。

在社区构成方面，共有300户居民，每户均配备一辆电动汽车，其中电动汽车的渗透率达到50%，即总共有150辆电动汽车。每辆电动汽车的电池容量为50kWh，百公里耗电量为25kWh，而充电桩的功率则设定为7kW/h。

在电价策略上，该社区采用分时电价制度，时间间隔设定为∆t=1，具体电价信息请参考表1。

3.2结果分析

本文通过仿真深入剖析了五种充电场景，具体包括：普通社区的无序充电模式、光储充一体化社区中的无序充电实践、电网层级的有序充电策略、用户层级的有序充电规划，以及双层多目标优化的有序充电方案。

1)5种充电场景下充电负荷和社区负荷

仿真结果明确显示，尽管社区已经配备了光储单元，但无序充电的方式仍然未能有效解决负荷越限和波动的问题。针对此，电网层与用户层的有序充电策略，以及更为复杂的双层多目标有序充电方案的仿真结果，已分别呈现在图8至图10中。

图8明确揭示了电网层有序充电的显著优势：在充分满足用户充电需求的基础上，成功地将负荷转移至电价低谷时段，进而实现了削峰填谷的目标。然而，值得注意的是，随着电动汽车数量的持续增长，一个不可忽视的趋势显现——更多负荷将不可避免地流向电价平时段，这一变化直接导致充电成本的攀升，进而可能削弱用户对有序充电策略的积极响应度。

图9显示，用户层的有序充电策略有效满足日常需求，并将用电负荷转移至电价低谷和光伏供电时段，显著降低费用。然而，尽管储能单元在电价高峰提供电力支持，缓解用电压力，但在低谷时段可能引发新的负荷高峰，加剧电网波动。

图10显示了双层多目标有序充电策略在负荷分布上的优势，它能有效分散充电负荷，实现削峰填谷，降低峰谷差值，并减少用户充电成本，提高经济效益。

2)5种充电场景下负荷波动对比分析

分析了社区电动汽车在无序和有序充电策略下的负荷状况，详见表2。

表2显示，在无序充电状态下，社区负荷超过变压器极限，导致过载，峰值达970.89kW，峰谷差率为54.25%。尽管光储充一体化社区通过光伏和储能系统减少了负荷峰值和峰谷差率，分别降低45.23kW和2.23%，但未能解决负荷越限问题。相比之下，三种有序充电策略有效降低负荷峰谷差，保持峰值在900kW以下。特别是电网层有序充电和双层多目标有序充电策略，分别减少峰谷差223.34kW和194.89kW，峰谷差率下降20.81%和17.37%。

3)5种充电场景下用户充电费用对比分析

社区电动汽车无序与有序充电策略的充电情况对比分析结果见表3。

根据数据分析，无序充电模式，电力负荷主要集中在电价高峰和平时段，从而导致费用增加，而有序充电策略将负荷转移至电价低谷和光伏时段，可以有效降低费用。用户层和双层多目标有序充电实践效果显著，均价分别下降0.43元/kWh和0.4元/kWh。

三种有序充电策略均有效，但用户层策略可能引发新的负荷高峰，对减少峰谷差构成挑战。电网层策略在降低用户成本方面考虑不足，可能减弱用户响应积极性。

双层多目标有序充电策略在平衡需求方面表现优异，有效降低负荷峰谷差和用户费用，提升经济效益和用户响应积极性，是电动汽车充电管理优化的理想选择。

4解决方案

图11平台结构图

充电运营管理平台依托物联网与大数据技术，实现对充电桩的精准监控、智能调度与高效管理，旨在提升充电桩的使用效率与充电速率，进而优化用户的充电体验。用户可便捷预约充电时段，有效规避排队等待，同时为充电站提供精准的需求预测数据，助力其实现精细化管理。该平台能够实时追踪充电桩的各项运行参数，迅速响应并处理各类故障，精准调控充电功率，确保电网负荷维持在合理区间，保障能源供应的稳定与安全。

5安科瑞充电桩云平台具体的功能

平台监控充电桩，并对光伏发电、储能及供电系统进行集中化管理，旨在提升整体运行的可靠性并有效降低成本。系统架构详情请参考图示。

图12充电桩运营管理平台系统架构

大屏展示充电站设备统计、使用率排行榜、运营统计图表及节碳量统计等关键数据。

图13大屏展示界面

站点监控功能全面，实时呈现设备状态、详尽设备列表、日志记录以及状态统计等关键信息。

图14站点监控界面

设备监控：实时展示设备信息、配套设备状态、设备运行曲线、相关订单详情及充电功率变化曲线等。

图15设备监控界面

运营趋势统计概览：全面呈现运营信息查询、站点对比曲线图、日月年详尽报表、及站点对比列表等核心功能。

图16运营趋势界面

收益查询系统：全面展示收益汇总概览、精确提供实际收益报表、直观呈现收益变化曲线、详尽分析支付方式占比等核心功能。

图17收益查询界面

故障分析：涵盖故障汇总、故障状态饼图展示、故障趋势深度剖析以及故障类型饼图呈现等功能。

图18故障分析界面

订单记录功能升级，包括实时和历史订单查询、订单终止、详尽详情查看、订单导出、运营商应收信息、充电明细、交易流水查询及充值余额追踪。

图19订单查询界面

6产品选型

7现场图片

8结论

光储充一体化社区通过鼠群优化算法实现双层多目标有序充电策略，既满足电网和用户利益，减少峰谷差，又降低充电成本。云边协同调度架构有效应对大规模电动汽车接入。算例分析显示，该策略优于无序和单层有序充电，实现削峰填谷，节约成本，确保电网安全稳定。未来研究将考虑不同电动汽车型号、电池类型，扩展至更广泛场景。

参考文献

[1]康童,朱吉然,冯楚瑞,范敏,任磊,唐海国.面向光储充一体化社区的有序充电策略研究

[2]张延宇,饶新朋,周书奎,等.基于深度强化学习的电动汽车充电调度算法研究进展[J].电力系统保护与控制,2022,50(16):179-187.

[3]李景丽,时永凯,张琳娟,等.考虑电动汽车有序充电的光储充电站储能容量优化策略[J].电力系统保护与控制,2021,49(7):94-102.

[4]邓慧琼,张晓飞,曾凡淦,等.动态分时电价机制下的电动汽车充放电调度策略研究[J].智慧电力,2023,51(3):59-66,78.

[5]安科瑞企业微电网设计与应用手册2022.5版.