邱健蓄电池基于预测驱动随机优化的离网电动汽车充电电池储能系统鲁棒容量规划

电池储能系统是光伏阵列供电的离网型电动汽车充电站中成本敏感的关键组件，其容量配置必须在资本成本、运行可靠性与预测风险之间进行多目标交易。针对现有研究对预测不确定性处理不足的问题，本文开发了一种预测驱动的随机优化框架，量化分析需求变异性和预测误差如何传导至储能容量、运行状态及全生命周期成本。该框架将长短期记忆网络需求预测、蒙特卡洛负荷情景生成、样本平均逼近法与改进的禁忌迭代邻域搜索算法相结合，实现光伏组件、电池和变流器的协同优化配置。研究评估了四种场景：确定性需求、基于扰动的随机需求、LSTM单点预测设计以及50组LSTM预测实现的集成SAA方案，并以粒子群优化算法作为基准对照。基于整年高分辨率电动汽车充电数据的研究结果表明，禁忌增强求解器的收敛速度比粒子群优化算法快约25%，并实现小幅年度化系统成本改善（约降低0.22%）。相较于确定性基准模型，不确定性感知设计使生命周期成本降低约2.2%；光伏容量配置保持稳定，而电池容量是导致大多数变异性的主要因素（电池变异系数≈0.75）。集成样本平均近似法揭示了强右偏的成本分布特征，以及不确定条件下所需变流器额定容量的增加。该方法构建了一个以储能为核心、计算可行的决策工具，支持通过中位数与百分位数采购策略来实现稳健且成本可靠的光伏离网电动汽车充电方案。

引言

全球快速向电动出行转型是脱碳战略的核心要素，但这同时对充电基础设施提出了新的要求[1]。%%在电网扩建成本高昂且柴油备用方案会削弱环境效益的偏远离网地区，这些需求尤为迫切[2]。%%在此类场景中，由可再生能源发电与储能系统供电的离网/偏远地区电动汽车充电站(EVCS)，即光伏-电池微电网，为避免昂贵的电网升级同时提供低碳充电服务提供了可行路径[3]。
在系统组件中，电池储能通常是规模最大且对成本最为敏感的单元。光伏阵列可提供模块化、边际成本低的能源，但其昼夜与季节波动性要求配置适当容量的储能以实现供电可靠性目标[4]。因此，设计具有成本效益的光伏-电池系统需要在资本支出与置换成本、荷电状态（SOC）运行策略、生命周期及可靠性指标（如电力供应不足概率LPSP）之间进行限制级权衡。关键问题在于，储能容量规划对罕见但极端的电力需求场景高度敏感：若未考虑尾部事件，规划者将面临频繁电力短缺或储能容量过度投资的风险[5]。
文献中的多项研究采用不同建模与优化方法，探讨了与电力及储能系统集成的电动汽车充电站（EVCS）。[6]中构建了一个基于蓄电池存储、柴油发电机和光伏系统的并网EVCS模型，其中关键参数（如读档需求和太阳能资源）的不确定性通过概率分布表征。[7]提出了一种光伏-蓄电池系统，用于在温带气候条件下满足轻型电动汽车为期一年的充电需求，并采用基于MATLAB的简化模型评估系统性能指标。
Chandra Mouli等人[8]研究了荷兰太阳能驱动工作场所电动汽车充电的可行性，利用真实气象数据确定光伏最佳朝向。通过简化建模框架分析太阳辐照度的季节性变化以估算发电量。Al Wahedi和Bicer[9]对卡塔尔一个离网式电动汽车充电站进行了热力学分析，该充电站结合光伏、风力涡轮机和生物质蒸汽朗肯循环系统，可实现每日为80辆电动汽车快速充电。类似地，文献[10]针对卡塔尔四个城市提出了光伏-风能-氢储能-生物发电机混合型电动汽车充电站的技术经济评估，以确定能够满足每日充电需求的最优配置。
多项研究聚焦于电动汽车充电站（EVCS）的能源管理策略与成本优化。Kouka等人[11]提出了一种基于光伏板与蓄电池存储的住宅EVCS能源管理策略，该策略考虑了夏季与冬季辐照条件下的季节性差异。文献[12]利用HOMER软件研究了EVCS全生命周期成本最小化问题，同时将环境排放因素纳入考量。Nie等[13]提出基于自适应乘子交替方向法的四层协调框架，论证了配电系统运营商如何利用智能产消者、微电网及电动汽车停车基础设施来降低网络成本，凸显了柔性储能与需求侧资源的系统级价值。Tostado-Véliz等[14]提出了一种能源管理策略，研究表明利用车辆电池进行最坏情况下的鲁棒化处理可提升可靠性，但会显著增加成本，这凸显了韧性建设与采购支出之间的实际权衡关系——集成方法与百分位法正是旨在量化这种平衡。Karmaker等人[15]基于孟加拉国的电动汽车充电站（EVCS）分析了光伏-沼气-电池混合系统对减轻电网负荷的作用，并采用HOMER Pro软件开展技术经济评估。孟加拉国针对太阳能供电的电动汽车充电站（EVCS）开展了类似的基于HOMER软件的研究，着重探讨了特定区位设计考量与可持续性优势[16]。Muyeed等人[17]进一步研究了并网光伏-电池EVCS的净零排放影响，表明该系统可在24小时内支持多达54辆电动汽车充电。这些评估证实了可再生能源供电EVCS的技术可行性，并提供了有价值的基准容量配置与成本估算，但多数研究受限于确定性假设或仅针对有限运行工况进行分析。研究同时证实光伏-电池系统能够满足多地的电动汽车充电需求，并强调了本地化资源评估与读档特性分析的重要性。
离网混合系统同样受到广泛关注[18]。Dejkam与Madlener[19]运用HOMER软件对德国主要城市的光伏-风电-电池电动汽车充电站进行了技术经济评估，证明混合配置在多个地区能实现净现值成本最小化。Boddapati等[20]对丹麦四个地点的光伏-风电-柴油-电池电动汽车充电站性能进行了评估。其他研究采用数学规划方法（如混合整数线性规划）来优化电动汽车充电站设计与运行，目标包括利润最大化和成本最小化[21]。针对离网型电动汽车充电站与加氢站，亦有研究探索鲁棒优化与随机优化方法，以应对需求与可再生能源发电的不确定性[22]。
多种元启发式算法已被应用于电动汽车充电站（EVCS）优化问题。遗传算法[23]、粒子群优化（PSO）[24]、非支配排序遗传算法II[25]、樽海鞘群优化[26]以及其他基于群体智能的方法已被用于确定光伏基EVCS在不同目标[27]下的最优运行方式。与传统方法相比，这些研究普遍报告了经济性能和灵活性的提升。基于Walrus[28]和Red Panda[29]的混合优化技术也被提出，用于提升微电网基EVCS的电能质量、可靠性和预测精度。此外，若干研究还考察了考虑交通网络、电网约束和可再生能源整合的EVCS最优选址问题[30]。Mansouri等人[31]开发了一个分层框架，将深度学习预测与电力、热力和氢能市场的风险规避调度相集成，研究表明数据驱动的预测结合需求响应能显著降低峰值清算价格并提升市场效率。Jordehi等[32]采用随机混合整数规划模型对工业能源枢纽进行研究，证实移动式储能与集成多载体资源可显著提升极端情景下的系统韧性，这启发了需明确考虑尾部风险的容量配置方法。
这些元启发式和混合技术具有重要价值，因为它们能处理混合决策变量和复杂的生命周期成本模型，但在应用于大规模情景集合时，其收敛速度、鲁棒性和可重复性存在显著差异。尽管方法学上存在多样性，文献中仍明显存在两个反复出现的局限：首先，许多研究要么聚焦理想化的短期剖面（如24小时快照），要么采用确定性年度需求曲线，这低估了季节性变异和电动汽车充电行为的随机特性。其次，虽然已有研究提出集成或随机优化方法（例如随机规划、鲁棒p-鲁棒模型或情景分析），但现有实用框架很少系统性地将现代数据驱动预测（如长短期记忆LSTM模型）与蒙特卡洛采样及样本平均近似法SAA相结合，以量化预测不确定性如何传导至最优容量配置与全生命周期成本。因此，当未明确考虑极端尾端事件时，多篇研究指出的成本敏感度最高的组件——电池容量配置——可能出现低估或高估情况。
禁忌搜索及禁忌辅助混合算法在能源系统优化中展现出卓越性能。Xu等[33]应用禁忌搜索实现了离网光伏-蓄电池系统成本最小化，Katsigiannis等[34]与Tang等[35]的研究则表明，基于禁忌的方法能有效降低电力系统发电成本与系统读档。凭借其摆脱局部最优与平衡探索开发的能力，禁忌搜索算法在混合可再生能源系统优化领域得到了广泛应用。然而，与粒子群优化（PSO）等更常用的元启发式算法相比，这些方法在集成现代数据驱动预测与集合（蒙特卡洛/SAA）处理预测不确定性的预测感知型光伏-电池电动汽车充电站设计中的应用仍显不足。因此，目前仍需开发一种实用且计算高效的工作流程，该流程需整合高分辨率年度需求序列、数据驱动的预测集合、蒙特卡洛采样以及具备快速收敛特性的鲁棒元启发式算法。
为填补上述研究空白，本研究开发了一种新型混合预测感知随机优化框架，其核心在于针对离网电动汽车充电应用场景，实现光伏发电系统、蓄电池储能装置与变流器的鲁棒容量配置及调度优化。该框架耦合了数据驱动的需求预测（长短期记忆网络）、需求实现场景的蒙特卡洛抽样以及样本平均近似法，用以生成一组可信未来场景集合；针对每个实现场景，采用基于禁忌搜索增强的迭代邻域搜索求解器，确定光伏-电池-变流器的最优容量配置与小时级调度策略。我们基于全年高分辨率电动汽车充电数据集验证该方法，并以粒子群优化算法为基准进行性能对比，重点评估：（i）收敛特性，（ii）预测不确定性如何传导至最优容量与成本决策，以及（iii）指导中位数设计与百分位设计选择的实际可靠性Trade（如电力不足概率指标）。
本文的主要贡献包括：

• •
  一种针对重复性、基于集成的储能容量配置问题设计的禁忌增强型迭代邻域搜索算法，该算法可提升光伏-电池系统的收敛速度与求解质量。
• •
  提出了一种结合LSTM预测、蒙特卡洛需求抽样与样本平均近似法（SAA）的实用型预测-随机集成工作流，用于量化预测误差如何传导至光伏-储能系统容量配置、运行行为及全生命周期成本。
• •
  一项基于光伏-电池系统的实证研究，通过全年数据报告了容量分布、荷电状态轨迹、循环吞吐量与置换成本占比，并阐释了整体统计数据如何为中等百分位数与高百分位数（稳健）采购决策提供依据。
• •
  将所提方法与粒子群优化算法（PSO）进行对比的基准测试与敏感性分析，探讨可靠性交易（含电力不足概率LPSP）以及不确定性感知储能设计中变流器/充电器的潜在影响。

这些要素共同构成了一个以储能为核心、具备可操作性的决策工具，助力规划者和研究者在实际需求与预测不确定性条件下实现可靠性与成本的平衡。
本研究剩余部分的结构安排如下：第2节阐述系统模型与考虑的设计场景；第3节构建运营策略与目标函数；第4节详述禁忌增强型迭代邻域搜索方法；第5节讨论结果与敏感性分析；第6节总结核心研究发现。