電動汽車與清潔能源融合發展技術研究與展望

朱明 季金華 金盛 季毓婷 別一鳴

摘 要： 以光電、風電為代表的清潔能源發電技術可為電動汽車提供清潔的電力供給，減少全生命周期碳排放，助力交通領域“雙碳”戰略目標的實現， 因此近年來得到迅猛發展。為了推動交能融合技術的應用，明確相關研究中的關鍵問題，該文綜述了國內外學者過去10 年在電動汽車與清潔能源融合技術方面的研究進展。首先，介紹了二者融合發展的必要性與現實意義；其次，將已有研究成果分為公路環境與城市道路環境兩類，分別從電網、充電站、車輛3 個層面歸納了當前電動汽車與清潔能源融合技術的研究成果；最后，考慮到清潔能源發電以及電動汽車充電存在較強的隨機波動，對未來發展提出了加強公共領域交能融合發展、構建多種互補型清潔能源發電策略、建立“源—網—荷—儲”集成優化技術、強化分布式微電網能源自洽調度、加強無線光伏充電公路運營管理等建議。

關鍵詞： 電動汽車；清潔能源；融合發展；設施規劃；運營管理；效益評價

中圖分類號： U 491.2 文獻標識碼： A DOI： 10.3969/j.issn.1674-8484.2024.01.001

面對全球氣候變化帶來的嚴峻挑戰，中國政府積極推動節能減排，促進經濟社會發展全面綠色轉型。2020 年9 月中國政府明確提出了“2030 年碳達峰、2060 年碳中和”的雙碳戰略。此后，加快降低碳排放步伐、引導綠色技術創新已經成為社會各界的共識。交通領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域能否順利完成“雙碳”戰略目標的關鍵。

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

然而電動汽車需要消耗電能，而電能的生產仍將產生碳排放。圖1 給出了不同能源發電技術的單位溫室氣體排放強度。從中可以看出，傳統能源發電技術（ 煤、石油和天然氣） 的溫室氣體排放強度要比清潔能源（ 光伏、風能等） 發電技術高數倍甚至數十倍[5]。尤其在當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度較高，這也限制了電動汽車節能減排效益的提升。

因此，在當前電動汽車保有量迅速增長的情況下，只有在能源供給側降低發電產生的碳排放，才能降低電動汽車全生命周期碳排放，這是當前實現電動交通系統節能減排的關鍵。而水電、風電、光伏發電等清潔能源產生的碳排放極少，是天然的綠色能源。中國在《“十四五”可再生能源發展提速》 中提出了2025 年可再生能源消費總量達到10 億t 標準煤左右和“十四五”期間可再生能源消費增量在一次能源消費增量中的占比超過50% 的任務[7]。截至2023 年11 月底，中國太陽能發電裝機容量約為5.6 億kW、風電裝機容量約為4.1億kW，二者合計占全國發電總裝機容量的34% [8]。

由以上描述可知，電動汽車具有強烈的清潔電能需求，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業的發展；而清潔能源發電技術可為電動汽車提供清潔和相對廉價的電能供給，并從供給側降低電動汽車運行耗電所產生的碳排放，充分發揮電動汽車在節能減排方面的優勢。在這種情況下，有必要將原本處于“割裂”狀態的電動汽車技術與清潔能源發電技術融合發展，協同優化電能的“生產-存儲-消納”，不僅可以降低設施建設與運營成本，提高系統運營效率，還可以促進電動汽車產業與清潔能源產業的健康可持續發展。

近年來電動汽車與清潔能源協同融合發展的理論與實踐成果不斷涌現。在理論方面，通過查詢中國專利信息檢索數據庫、中國知網、Web of Science 等數據庫以及國家科技項目立項情況，可以發現在2012 年前后開始出現電動汽車與清潔能源融合方面的研究，并在2020 年前后涌現出大量成果。在實踐方面，2022 年8月四川省在攀枝花至大理的高速公路上建設了分布式光儲項目，日發電量基本能滿足項目運營其自身用電需求并有剩余。中國于2023 年建成了首個全路域的交通與能源融合示范項目，即山東棗菏高速公路交通與能源融合（ 源網荷儲一體化） 示范工程。它利用服務區、邊坡、收費站和互通區匝道等設置了分布式光伏電站，并建設了充電樁、智慧路燈、風機、儲能系統；年均發電量1.36億kWh，每年可為電網節約標煤約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站、讀書鋪服務區的“光儲充一體化示范站”投入使用，前者配置了分布式屋頂光伏電站、儲能系統及全液冷超充設備，后者配置了服務區邊坡光伏電站和全液冷超充設備。

然而已有研究成果尚未實現電動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，為了更好地指導電動汽車與清潔能源的融合發展，本文綜述了國內外的相關成果，并根據研究環境的差異，將已有成果劃分為公路環境與城市道路環境2 類；并從電網、充電設施、電動車輛3個層面分別對2 類成果進行綜述，具體思路如圖2 所示；最后探討了電動汽車與清潔能源融合技術的未來可能發展方向與潛在挑戰。

1 公路環境下電動汽車與清潔能源融合策略

在公路環境下電動汽車的出行距離較長、充電頻次相對較低，但是充電時間相對較長。以低碳化為特征的綠色公路通常結合太陽能、風能等清潔能源進行發電，并在公路服務區建設分布式充電站，為電動汽車提供清潔電力供給[9-12]。現有研究成果主要集中在充電站選址與定容、充電站運營調度、電動汽車充電調度與充電站經濟效益評估4 個方面，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位置。選址時應綜合考慮地理位置、環境等因素，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能容量大小，由清潔能源發電量和電動汽車耗電量共同決定。

充電站選址優化。J. Nishanthy 等[13] 考慮風能與太陽能發電潛力地理位置的矛盾性，結合高速公路周邊用地性質，建立了清潔能源充電站位置規劃模型。S.Hisoglu 等[14] 面向可以在高速公路上安裝充電站點的區域，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、路線標準為輸入特征，建立了多準則充電站位置決策方法。 J. L. da Paixao等[15]考慮車流量、電網鄰近性以及地方人口經濟數據等多種特征參數，建立了快速充電站選址模型。

充電站容量配置。陳艷波等[16] 考慮高速公路服務區分布式光伏約束、充電站約束以及混合儲能系統約束，以日均總成本最小為目標，建立了計及源荷不確定性的2 階段魯棒容量配置優化模型。SHI Ruifeng 等[17]提出了一種融合不確定風電和光伏發電量的高速公路自洽能源系統供能模式，并建立了自洽能源系統的多能源容量配置優化模型。J. P. Sausen 等[18] 在車輛與電網互動（vehicle-to-grid，V2G） 環境下，建立了一種高速公路電動汽車快充微電網存儲容量優化方法，有效降低運營成本的同時充分利用當地清潔能源發電。

充電站選址與定容協同優化。趙峰等[19] 針對高速公路并網光儲充電站的選址和定容協同優化問題，兼顧充電站利益及用戶滿意度建立了2 階段魯棒規劃模型，并利用風險理論模型將原模型轉化為混合整數優化模型求解。李建霞等[20] 考慮生命周期內建設成本、運行成本、置換成本、環境成本等，建立了混合儲能條件下的高速公路光伏充電站選址與容量協同優化模型，并采用HOMER 和禁忌算法進行求解。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，以用戶等待時間、裝置利用率和節點電壓偏移等為約束，建立了一種考慮配電網電壓與網損的充電站選址定容協同優化模型。XIE Rui 等[22] 提出了一種高速公路網絡上電動汽車充電站選址和容量協同優化的2 階段方法；在第1 階段，基于Monte Carlo 模擬獲得車輛服務需求，建立了確定最佳充電站位置的整數規劃模型；在第2 階段，以光伏發電面積和儲能單元的容量為優化變量，建立了容量魯棒優化模型。

1.2 充電站運營調度

充電站運營調度主要關注高速公路服務區內清潔能源和配電網的協同利用以及充電價格的制定，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區典型可控負荷，提出了一種高速公路服務區光伏發電系統與典型用電負荷構成的虛擬電廠協同互動控制策略。李愛[24] 考慮分時電價、充電負荷分布以及光照強度，通過調控電網、光伏儲能設備出力時間，制定了光儲充電站運行策略。J. Nishanthy 等[25] 考慮風能和太陽能的互補性，分析不同氣候區內高速公路充電站的經濟性，并建立混合整數規劃模型對充電站進行了運營調度。

1.3 電動汽車充電調度

電動汽車充電調度問題側重于設計有序充電策略，使電動汽車在清潔能源發電高峰期使用電能。相對來講，公路環境下的電動汽車充電調度研究成果較少。崔巍[26] 充分考慮高速公路地段的環境優勢，提出將光能、風能轉化為電能供電動汽車使用，并根據風光互補原理建立電動汽車無線充電調度模型。LI Bowen 等[27]考慮分布式光伏與分布式儲能在高速公路服務區同時應用的情況，建立了協調多種資源的充電策略，提高電動汽車充電效率和電動汽車用戶的滿意度。A.Mourad[28]面向高速公路網絡上電動汽車和重型卡車充電需求，制定了多模式充電策略，建立了充電調度優化模型。

1.4 充電站經濟效益分析

目前世界上并未將清潔能源發電技術大規模應用在公路環境中，主要原因是企業對其盈利性與可持續性仍持懷疑態度。因此，一些學者針對公路場景下的電動汽車與清潔能源融合方式進行經濟性分析。武程浩[29] 基于可持續發展理念對高速公路服務區光伏發電站的投資決策問題進行研究，深入分析了高速公路服務區光伏發電站的經濟、社會、環境等多重效益。HEHaonan 等[30] 面向光伏無線充電公路，基于多維數據對該技術進行了成本評估，結果顯示：電價波動、建設投資成本和太陽能電池板能量轉換效率等顯著制約了光伏無線充電路面技術的應用。H. L. F. Nishimwe 等[31]提出了一種在公路路側建立小型充電樁為電動汽車進行充電的方法，并根據實際購置成本進行了經濟性評估。D. L. Pamuttu 等[32] 測算了公路上太陽能與風能的發電潛力，設計實驗測試了在公路服務區使用清潔能源發電的經濟可行性。

2 城市道路環境下電動汽車與清潔能源融合策略

在城市道路環境中，電動汽車出行具有單次行程距離短、充電頻次高和單次充電時間短的特點，與公路環境下存在較大差異。在城市交通綠色化發展和能源低碳轉型政策的推動下，采用清潔能源作為電動汽車充電的設施在城市范圍內被廣泛布局。現有城市道路環境下電動汽車與清潔能源融合技術成果較多，但是在城市環境下電動汽車的充電需求及其隨機波動將更加劇烈，使得研究方法更加復雜。本文將從配電網規劃與運營、充電站規劃與運營、車輛設計與能量管理、電動汽車充電調度4 個方面對現有成果進行總結。

2.1 配電網規劃與運營

在大量電動汽車充電負荷和清潔能源接入公共電網的情況下，配電網規劃與運營技術成為了提高配電網穩定性、安全性與運營效率的關鍵。現有的配電網相關技術研究主要集中在并網負荷預測、配電網規劃、配電網重構、配電網無功優化和配電網可靠性分析5個方面，如圖4所示。其中，準確估計電動汽車和光/風清潔能源并入配電網負荷是規劃配電網位置、容量以及改投建線路的前提；通過配電網開關狀態調整改變網絡拓撲結構，利用電壓控制裝置和補償裝置對配電網進行無功優化，基于多種啟發式算法評估配電網可靠性，是提高配電網的效率和穩定性的主要技術手段。

2.1.1 并網負荷預測

并網負荷預測是指對電動汽車充電負荷和清潔能源并入配電網的負荷進行準確估計。其中，并網負荷的短期預測是當前研究的主要方向[33-34]。

光電并網環境下負荷預測。賈顆鑫[35]考慮了大量無序電動汽車充電負荷沖擊電網的實際情況，提出了一種儲能、負荷協同優化的“日前-日內-實時”多時間尺度能量管理方法以確保電力系統的穩定運行。M.Jurado等[36]提出了一種考慮負荷消耗和光伏分布式發電的短期凈負荷預測模型，該模型能夠通過Monte Carlo和核密度估計擴展到概率方法，進而預測負荷的概率分布。

風電并網環境下負荷預測。孫婉璐[37] 提出了一種基于總體平均經驗模態分解和機器學習算法的風電并網負荷預測方法。HAO Quan 等[38] 提出了一種基于神經網絡的負荷預測方法，以更少的參數進行問題表述，并在短時間內構建更高質量的負荷和風電發電量預測區間。

風/光電并網環境下負荷預測。姚娟等[39]基于多種深度網絡預測方法，構建了風光互補電力系統的等效短期負荷預測模型。P. Anand等[40]使用基于預測期間的實質性功率演化策略，設計了一種風光互補能源電荷短期預測的方法。

2.1.2 配電網規劃

配電網規劃是指在分析未來負荷增長情況以及城市配電網現狀的基礎上，對未來系統擴建和改造方法進行設計[41-42]。

光電并網環境下配電網規劃。嚴歡等[43] 考慮電網運行特性，將電動汽車靈活性資源和光儲聯合運行參數作為變量納入配電網規劃中，在合理規劃配電網的同時減少了線路擴建成本。張逸凡[44] 基于接入光伏的分布式電源出力與電動汽車負荷功率歷史數據，建立優化模型以生成配電網的位置和容量規劃方案。M. R.Elkadeem 等[45] 以凈現值成本、能源成本最低為優化目標，建立了一種光伏并網下的配電網規劃和運行模型。

風/光電并網環境下配電網規劃。孔順飛等[46]考慮電池組與電動汽車的充電需求，利用多場景技術和時序法對風力發電、光伏發電的電網和負荷建模，生成配電網與交通網協同下的配電網規劃方案。A. Allouhi等[47]考慮用電負荷變化，提出了光伏/風能并網的混合發電系統以生成最佳配電網系統配置方案。

2.1.3 配電網重構

配電網重構是指通過配電網開關狀態的調整改變網絡拓撲結構以達到均衡負荷、降低線損和改善供電電壓質量的技術手段[48]。

光電并網環境下配電網重構。范永剛[49] 基于含光伏、電動汽車的配電網潮流計算仿真分析方法，建立了配電網動態重構模型，并使用改進的多目標粒子群算法求解，生成配電網節點網絡動態重構配置方案。SUXiaoping 等[50] 以最小化故障期有功電網損耗和負荷均衡為目標，以配電網絡拓撲結構為優化變量，對光伏出力和電動汽車的隨機充電負荷進行了預測。QIN Liwen等[51] 針對配電網的電流測量系統，提出了一種基于圖卷積神經網絡的測量超分辨率重建方法，實驗表明該方法對于處理配電網拓撲結構的頻繁重新配置具有明顯優勢。

風/光電并網環境下配電網重構。王志平[52]圍繞風力發電、光伏發電的分布式電源和電動汽車接入對配電網重構的影響，構建了配電網動態重構模型，并基于改進的狼群算法求解獲得分布式電源接入前后配電網的優化拓撲結構。A. Jafar-Nowde等[53]考慮風力、光伏發電和電動汽車充電負荷的不確定性，建立了配電網動態重構模型，減小功率損耗，改善系統的電壓分布和穩定性。

2.1.4 配電網無功優化

無功優化是指在系統結構參數及負荷情況給定的情況下，通過對某些變量的優化控制，使系統內某一個或多個性能指標達到最優的調節手段。具體來說，配電網的無功優化主要包含2 個方面：無功補償裝置的優化規劃[54-56] 與電壓無功優化控制[57]。

光電并網環境下配電網無功優化。湯清權[58] 考慮分布式光伏和電動汽車充電時序特性對配電網的電壓影響，建立了一種區域電壓控制模型。D. J. Kim 等[59]以電動汽車的充電負載和光伏發電功率估計值為基礎，提出了一種基于干擾觀測器的模型預測電壓無功控制方法，改善了配電網中電池儲能系統的電能質量。WANGLusha 等[60] 提出了一種考慮光伏逆變器和電動汽車有功和無功功率補償的分散式電壓控制算法，在滿足電動汽車充電需求的同時為電壓調節做出貢獻。

風電并網環境下配電網無功優化。劉偉等[61] 考慮電動汽車的用戶行為特性，以分檔補償器最佳動作策略為研究對象，建立了含電動汽車、風力發電和無功補償裝置的2 階段優化模型。XU Biao 等[62] 在電動汽車接入到具有風力發電的配電網的背景下，以最低線損、電壓偏差和最高靜態電壓穩定裕度為優化目標確定無功調節策略。

風/光電并網環境下配電網無功優化。 江智軍等[63]以最小化主動配電網運行成本和電壓偏差及最大化系統穩定性為優化目標，建立了一種含新能源和電動汽車充電站并網的主動配電網無功優化模型。LI Xinyu等[64]考慮風力、光伏發電組的無功優化設備及電動充電站的無功支持能力，提出了一種兼顧風力、光伏發電和有源配電網中電動汽車充電站的雙尺度無功優化模型。

2.1.5 配電網可靠性分析

配電網可靠性分析是指根據系統的結構和元件功能之間的邏輯關系，運用模擬、解析等方法對配電網可靠性進行分析的研究過程[65-66]。

光電并網環境下配電網可靠性分析。劉仕豪[67] 通過分析光伏發電和電動汽車并網對配電網可靠性產生的影響，建立了配電網系統負荷點、光伏發電、元件設備等狀態模型，利用Monte Carlo 模擬法求解了不同狀態下的可靠性指標，并進行評估。N. Narasimhulu 等[68]利用改進的粒子群優化、蟻群優化以及蜉蝣優化分析了光伏電動汽車并網對配電網電能質量的影響。M. P.Anand 等[69] 基于隨機理論捕捉電動汽車與光伏發電之間的復雜相互作用，構建了一種考慮電動汽車和混合動力能源的配電網可靠性分析方法。

風/光電并網環境下配電網可靠性分析。 徐鵬程[70]構建了一種電動汽車負荷和風/光/儲微網的平衡運行狀態空間模型，并基于序貫Monte Carlo模擬方法探究了電動汽車有序充放電以及風/光/儲微網接入對配電網可靠性的影響。王輝等[71]基于Copula理論建立了風光互補供電系統聯合出力概率模型，提出了動態分時電價的電動汽車有序充放電控制策略，同樣以序貫Monte Carlo模擬為基礎對配電網進行可靠性分析。

2.2 充電站規劃與運營

充電站是清潔能源技術與電動汽車融合的實際落腳點。現有文獻主要從充電站配置規劃、運營調度和效益評估3 個方面展開研究，以提高充電站運營效率，促進清潔能源的就地消納。

2.2.1 充電站配置規劃

充電站配置規劃通常以系統成本、排放以及損耗最小為優化目標，協同優化充電站選址、充電樁配置、儲能容量和發電裝置 [72-78] 等內容，在清潔能源和電網混合供電模式下滿足電動汽車用戶用電需求，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劃。徐巖等[80] 考慮光伏發電和電動汽車充電需求的不確定性，基于機會約束規劃理論建立了光儲充一體化系統的儲能系統容量配置模型。李科等[81] 考慮電動汽車充電負荷和儲能系統的壽命衰減，建立了儲能系統配置雙層優化模型。XIAFangzhou 等[82] 結合電動汽車充電需求，構建了一個光儲充電站雙目標優化模型，對充電站的位置和充電樁的數量進行規劃。WU Zhouquan 等[83] 基于電動汽車到達時間和剩余電量狀態分布，給出充電站儲能系統容量、額定功率和光伏板尺寸的最佳配置方法。

風能供電下充電站配置規劃。石玉東等[84] 考慮風力發電隨機波動對電網的影響，建立了多目標魯棒規劃模型，對風電機組、充電站、儲能裝置的選址和容量配置進行協同優化。劉曉藝[85] 挖掘了風力發電和充電負荷的隨機特征，以棄風懲罰成本和儲能電池壽命周期成本最小為優化目標，建立了充電站儲能系統容量的優化配置模型。H. Mehrjerdi 和R. Hemmati [86] 考慮風力發電的不確定性，構建了隨機混合整數規劃模型，并分析了有無儲能裝置對充電設施規劃的影響。ZHANG Jingqi 等[87] 以降低配電系統的總投資成本和能源損失、提高利用的風力流量為目標，構建了一個多目標規劃模型，對系統中的充電站選址和充電裝置數量進行優化。

風光互補供電下充電站配置規劃。郝苓羽[88] 協同優化了微電網模型中的電動汽車充電站、風力發電、光伏發電和儲能容量，并模擬分析了并網狀態、離網孤島狀態下的運行效果。張穎達等[89] 綜合考慮電動汽車的用電需求和儲存電量的能力，構建了風光互補系統容量配置優化模型。R. Arivalahan 和S. Balaji [90] 考慮分時電價、清潔能源分布和電網需求響應，提出了電動汽車充電站的風力發電、光伏發電、儲能系統的容量配置的協同優化方法。SUN Baojun [91] 面向風能、太陽能和儲能系統組成的充電站，構建了儲能系統容量配置的多目標優化模型。

2.2.2 充電站運營調度

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

光能供電下充電站運營調度。梁海峰等[94] 提出電動汽車“綠電”收費策略與“綠電”補貼策略，以促進電動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] 考慮光伏發電的隨機變化，提出了光儲充電站的日間充電服務價格滾動優化策略。M. Tostado-Véliz 等[96] 考慮充電需求、光伏發電和能源價格的不確定性，建立了多模式光伏輔助充電站的隨機優化調度模型。RUI Tao 等[97] 基于光伏發電的上網電價和正常電網電價，計算了光伏充電站的盈利和電動汽車的充電成本，建立了光伏充電站的系統運營模型。

風能供電下充電站運營調度。王明君[98] 分析各類型駕駛員用車習慣，結合風力發電的效率確定分時電價，同時在能量的互流均衡、能量的源容量約束下，構建風力充電站運營調度方法。YANG Shengchun 等[99] 針對風電的高滲透率和高峰期負荷下電力系統的供需平衡問題，建立了能靈活升壓的電動汽車充電站運行模型和多時間尺度處置策略。GUO Qun 等[100] 基于電動汽車模型的Wohler 曲線和交流電方程，構建了雙層多目標微電網優化調度模型。

風光互補供電下充電站運營調度。張可信[101]根據電動汽車充電負荷特性，給出了充電和放電的定價策略，并建立了分布式充電站日前優化調度和短時優化調度模型。LI Huaidong等[102]考慮電動汽車的各種充電/放電模式，提出了一種Monte Carlo模擬場景的日前調度模型。

2.2.3 充電站效益評估

對于清潔能源發電與電動汽車充電站的融合，從經濟效益、低碳效益等的角度出發，建立綜合效益分析體系[103]，分析充電站的經濟可行性和社會可行性，以促進清潔能源和電動汽車進一步發展和融合。

光能供電下充電站效益評估。楊猛[104] 考慮光儲充電站的經濟效益和充電站對社會環境、電網的影響，建立了光儲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，確定了大規模部署光伏電源和電動汽車以降低峰值用電需求以及用戶電費方面的效益。

風光互補供電下充電站效益評估。盧志剛等[106] 引入低碳效益分析風力發電、光伏發電和電動汽車充電站協調規劃的減排效率，并給出基于低碳效益的風光發電、電動汽車充電站的協調投資模型。GUO Qun 等[107]考慮清潔能源、電動汽車充電需求和電價的不確定性，研究了包括清潔能源的高滲透率、電動汽車停車場和需求響應的微電網風險評估，并給出風險規避策略模型。LI Chong 等[108] 利用HOMER 軟件仿真，對中國5 個地區采用光伏發電、風力發電的電動汽車充電站的經濟效益進行了對比分析。

2.3 車輛設計與能量管理

如圖6 所示，部分電動汽車（ 如光能電動汽車、風能電動汽車） 制造時會通過設計汽車能量轉換裝置[109-114]將光能、風能等轉化為汽車行駛所需的電能，并利用電池能量管理系統監測電池狀態，管理控制能源系統的運行，延長電池使用壽命。下面將從汽車結構設計、能量管理2 個方面對相關成果進行闡述。

2.3.1 電動汽車結構設計

太陽能電動汽車結構設計。海濤等[115] 針對電動汽車應用光伏發電系統充電時間長、充電電壓波動大和最大功率點跟蹤速度慢的問題，基于最大功率點跟蹤（maximum power point tracking，MPPT） 控制器設計了太陽能電動汽車。王曉璨等[116] 分析了太陽能電動汽車電源控制系統的需求，設計了太陽能電動汽車電源電路和蓄電池boost 電路，很好地滿足了太陽能電動車供電需求。M. Nivas 等[117] 設計了一種可以避免過充和深度放電的太陽能電動汽車，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整到規定功率后，再為電動汽車電池充電。DUAN Chen 等[118] 設計了適應于不同行駛與放電、停車與充電場景下的太陽能電動汽車，實現最大程度的太陽能收集的同時，避免傳統有源、無源電池平衡方案中的能量損失。

風能電動汽車結構設計。王超[119] 基于Betz 理論設計了一種車載風能發電裝置，利用汽車行駛過程中風能發電再回饋給汽車利用，并探究了不同風能下的發電性能。李傲雪[120] 從回收電動汽車迎面氣流能量的角度，在電動汽車前艙空間設置了風能回收系統，將風能轉化為電能，實現了純電動汽車續航里程的增加。Z.A.Khan等[121] 提出了在車輛頂部安裝小型風力渦輪機為電動汽車供電，并基于ANSYS 軟件的空氣動力學分析確定了最佳發電方向。ZHAO Zhen 等[122] 設計了一種安裝可調垂直軸風力發電機的電動汽車，將風能轉化為電能為電動汽車供電。

風光互補電動汽車結構設計。熊昭[123] 設計了基于風電和光電2 種清潔能源互補的電動汽車充電控制系統，并構建了一種能同時對風電和光電進行MPPT 的電路結構和控制方法。蔡鵬[124] 通過研究風力發電技術及太陽能充電技術對電機驅動系統的電量補充方式，確定了智能風光互補新能源汽車的設計方案，并分析了車輛在停止及駕駛狀態下風光互補系統對整車續航里程提升的可行性。K. Prakash [125] 設計了一種基于光能、風能等清潔能源的電動汽車，仿真實驗表明車輛可以行駛相當長的距離，為零燃料零排放電動汽車提供了新思路。H. Fathabadi 等[126] 提出了一種電池、光伏、風能混合動力電源，構建了小型光伏模塊和微型風力發電機組成的電力系統，并搭建樣機驗證了車輛的續航里程和功率能效的有效性。

2.3.2 電動汽車能量管理

本部分研究主要面向太陽能電動汽車。熊連松等[127] 針對太陽能電動汽車的混合動力儲能系統需求，建立了一種太陽能、蓄電池和超級電容能量分配、協調和優化的能量管理控制算法，改善了車輛的動態運行性能，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的復合能量管理策略，通過光伏電池持續給超級電容供電，在超級電容輔助供能下減小動力電池電流壓力，緩解了動力電池衰退，增強了車輛續航能力。WU Bin 等[129] 研究了太陽能電動汽車上太陽能電池板、電池和超級電容器這3 種能源存儲裝置的協同控制策略，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。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汽車能源管理系統，有效降低了電池瞬時電流，延長了電池使用壽命，提高了電動汽車的性能。M. T. Güneser 等[131] 利用模糊邏輯控制系統改進了名為YILDIZ 的太陽能汽車能量管理系統，并基于MATLAB 對該系統下的太陽能電池、蓄電池和電機驅動組件的適用性進行了仿真驗證。

2.4 電動汽車充電調度

大規模電動汽車無序充電會擾亂供電系統的正常運行，通過制定優化調度策略引導電動汽車和電動公交車有序充電，可以保障電網安全，同時降低排隊等待時間[132-134]。主要從有線充電調度和無線充電調度2個方面對相關文獻展開研究。

2.4.1 有線充電調度

當前大部分電動汽車主要依賴于有線充電方式進行電能的補給。許多文獻面向有線充電系統開展研究[135-137]，其框架如圖7 所示。控制中心根據充電信息、配電網與儲能系統的負荷情況以及可再生能源的供應情況，實時調整充放電計劃來降低電動汽車用戶的等待時間，實現錯峰充電和充分消納可再生能源。

基于光伏發電的電動汽車充電調度。在私家車調度方面，趙濱濱等[138] 提出了一種充分利用太陽能的電動汽車調度模型，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，減少負荷峰谷差。HAOYing 等[139] 提出了一種基于擴展功率預測的電動汽車有序充電引導方法，提高微電網清潔能源的局部消耗。P.J. Tulpule 等[140] 提出了一種電動汽車充電調度策略，并研究了停車場設置電動汽車光伏充電站的投資回收期和碳排放。在公交車調度方面，范春陽等[141] 針對基于光伏發電系統的電動公交車集中充電站，構建了多階段優化調度模型，合理安排電動公交車的充電行為和功率，提高光伏發電消納能力。LIU Xiaohan 等[142] 提出了一種光伏儲能系統下考慮電動公交電池容量衰減的可持續公交電池調度與梯隊利用框架，以最大限度地減少充電、更換電池和碳排放成本。A. Moradipari 等[143]優化了光伏發電儲能系統下公交車隊的車輛調度方案和充電計劃，以降低公交系統運營成本。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公交充電調度方法，建立了混合整數線性規劃模型，提升光伏發電利用率。

基于風力發電的電動汽車充電調度。葛曉琳[145] 和王若谷[146] 均考慮風力發電的不確定性建立了電動汽車2 階段經濟調度優化模型，降低系統備用容量，提高風電消納能力。WU Junjie 等[147] 研究了風能發電充足與不足2 種情景下電動汽車最優充電調度問題，為大規模電動汽車充電調度提供了解決方案。JIA Qingshan等 [148] 研究了風力發電下共享電動汽車的最優充電調度問題，提供了一種對松散型較小、處理時間長的車輛賦予優先等級的電動汽車充電調度算法。

基于風光互補發電的電動汽車充電調度。王銳[149]考慮電動汽車充電負荷需求，以系統運營成本最低、負荷峰谷差最小、聯絡線的功率值最小為目標，建立了在涵括光伏、風力發電模式的微電網下基于分時電價的電動汽車調度策略，以引導電動汽車合理充放電。侯慧等[150] 提出優先使用風、光能，以儲能單元和電動汽車群綜合運行成本最少和消納清潔能源最大為目標，建立了源荷級車輛調度模型。JIANG Xiuli 等[151] 以等效負荷方差最小為目標，考慮電動汽車行駛行為和電池容量約束，對電動汽車進行充放電調度。LU Xinhui 等[152]在光伏、風力發電場景下，建立了考慮微電網系統運行成本和環境保護成本的多目標車輛調度模型，降低了車輛用電成本及環境污染，保障微電網穩定運行。

2.4.2 無線充電調度

無線充電技術憑借靈活便捷、安全高效等優點得到較多的關注，其技術框架如圖8 所示。動態無線充電技術允許電動汽車在行駛過程中，通過埋在地面下的發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，實現車輛邊行駛邊充電[153-154]。隨著基于清潔能源發電的微電網系統的提出和應用，無線充電技術也迎來了新的機遇，但相關技術還處于起步階段。

光伏發電條件下電動汽車無線充電。王呈軒等[155]開發了一種電動汽車智能無線充電系統，將光伏發電與儲能結合起來為電動汽車供電。周瑋等[156] 探究了光儲直流微電網中無線充電和V2G 模式下電動汽車的能量流動方式。H. S. Lee 等[157] 為加強電池負載和無線充電負載的最大功率轉換效率，提出了一種光儲組合微電網下的無線汽車充電方法。P. S. Subudhi 等[158] 設計了一種電動汽車光伏無線充電方法，保障在不同光照強度下直流母線電壓的穩定性。

風光互補條件下電動汽車無線充電。劉杰[159] 在光伏、風電和蓄電池構成的風光互補微電網下，建立分層控制策略并設計無線電傳輸系統，為電動汽車進行穩定可靠的充電。馮依一[160] 通過風光互補電站系統的可行性和電力計算，設計了以提升用戶體驗為目標的電動汽車無線充電設施。XIAO Zhaoxia 等[161] 考慮風光互補系統供電下，融合電動汽車無線充電技術的微網規劃、控制策略，實現了電動汽車利用清潔能源進行無線充電。ZHOU Ze 等[162] 在風光互補微電網結構下，提出一種利用動態無線充電技術使車輛參與到微電網的能量調節中的方法。

3 結論與展望

在過去10 年左右時間里，國內外學者在電動汽車與清潔能源融合發展方面取得了大量的研究成果。隨著清潔能源發電技術的進步、智能運營技術的提升以及應用場景的不斷拓展，電動汽車與清潔能源的融合發展將迎來更多的機遇和挑戰。尤其在光能、風能等清潔能源豐富的地區，多相繼出臺了鼓勵交通與清潔能源融合發展的政策與文件。今后可以從以下5 個方面進行理論研究和技術突破。

1） 加強公共領域電動車輛與清潔能源融合發展

私家車的充電行為具有非常強的隨機性，給充電站運營管理帶來較大困難。公共領域的車輛（ 如公務用車、公交車、環衛車、機場用車、郵政快遞車、城市物流配送車） 一方面具有比較明顯的運營規律以及充電特征，另一方面可能存在較大的停車空間， 便于布設清潔能源發電設施以及充電樁。2023 年11 月工業和信息化部、交通運輸部等8 部門印發了《關于啟動第一批公共領域車輛全面電動化先行區試點的通知》，選擇15個城市作為試點，打造公共領域車輛全面電動化先行區。這也為公共領域電動車輛與清潔能源的融合提供了契機。

2） 優化不同清潔能源規模配比，為電動汽車構建互補性供電模式

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

3） 建立“ 源-網-荷-儲 ”集成優化技術

強化電源側、電網側、儲能側、負荷側的協調互動；基于供給側電力資源的充分整合和需求側負荷特性的深度挖掘，統籌優化各類資源的規劃與運營問題，以確定電源合理規模與配比、發揮電網調節能力、科學配置儲能資源、改善電動汽車負荷曲線，從而提升清潔能源的消納能力以及供電系統的運行效率和經濟效益。

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

持續加強充電站的信息化建設，使電動汽車駕駛者能夠實時快捷地查詢到充電站的排隊情況、充電所需時間、充電價格等關鍵基礎信息，提高充電站的運營調度水平。采用價格手段調節電動汽車的充電需求，一方面避免充電扎堆現象，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。

4） 強化分布式微電網能源自洽調度

強化分布式微電網內部的調度技術，特別是面向V2G 車電互聯的場景，使清潔能源盡可能地就地消納。在清潔能源供應充足時，電動汽車和儲能設備可以吸收多余的電能；在用電高峰或清潔能源供應不足時，這些電能再次被釋放以滿足本地需求。與此同時，弱化分布式微電網與配電網之間的連接，在臨時性電力不足或電力過剩時再選用配電網進行供電，以提升配電網的整體安全性。

5） 加強無線光伏充電公路運營管理

無線光伏充電公路是一種具有前瞻性的技術，其利用太陽能發電，能夠實現電動汽車邊走邊充電，但是在建設初期和后期維護過程中需要投入大量的資金，嚴重限制了其發展。未來隨著無線充電技術的成熟，其建設與維護成本將會下降。在電動汽車逐漸普及的情況下，建設無線光伏充電公路的可行性將進一步增強。可以根據電動汽車的行駛路線和速度特征，合理規劃無線光伏充電公路的布局，優化材料性能和管理流程，在保證電動汽車充電便捷性、穩定性和安全性的同時，降低無線光伏充電公路的運營成本，提高其經濟可行性。

參考文獻（References）

[1] 李曉易， 譚曉雨， 吳睿， 等. 交通運輸領域碳達峰、碳中

和路徑研究[J]. 中國工程科學， 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. 中國交通領域成品油消費趨勢及減排潛力研究

[D]. 北京： 中國石油大學， 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] 張天培. 全國新能源汽車保有量達1821 萬輛[N]. 人民日

報， 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”目標加速汽車業碳減排新能源汽車減排

優勢明顯[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. 地球的一半｜“環保”電動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”可再生能源發展提速[N]. 經濟日報，

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. 國家能源局發布1—10 月份全國電力工業統

計數據[N]. 中國電力報， 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光伏

能源綜合利用研究[J]. 能源環境保護， 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. 高速公路服務區停車場儲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. 計及電動汽車需求響應的

高速公路服務區光儲充魯棒優化配置[J]. 中國電機工程

學報， 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充

電站選址定容[J]. 電力自動化設備， 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

速公路光儲充一體化電站容量優化[J]. 電源學報， 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”三網融合下的充電設施選址定容方

法研究[D]. 北京： 北京交通大學， 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. 高速公路服務區光伏與虛

擬電廠協同控制策略研究[J]. 交通節能與環保， 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. 城際高速路網中的光儲充電站規劃運行研究[D].

成都： 西南交通大學， 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. 風光互補高速公路電動汽車無線

充電系統的研究[J]. 電氣時代， 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. 可持續視角下高速公路服務區光伏發電站投資

決策研究[D]. 北京： 華北電力大學， 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. 考慮風電并網和新型柔性負荷接入的配電網負荷

預測研究[D]. 南京： 東南大學， 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. 光伏充電站短期負荷預測及能量管理研究[D].

太原： 太原科技大學， 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. 計及風電并網的短期負荷EEMD 與神經網絡預

測方法[D]. 成都： 西南交通大學， 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. 計及光伏及風電并網的電力系

統短期負荷預測[J]. 電力大數據， 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. 計及分布式電源和電動汽

車特性的主動配電網規劃[J]. 電力系統自動化， 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] 嚴歡， 胡俊杰， 黃旦莉， 等. 考慮電動汽車虛擬電廠靈活

性和高比例光伏接入的配電網規劃[J]. 電力建設， 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汽車充電站的配電網規

劃[D]. 北京： 北京交通大學， 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， 謝仕煒， 等. 考慮分布式儲能與電動汽

車充電網絡的配電網多目標規劃[J]. 電力科學與技術學

報， 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. 計及風電相關性和電動汽車充/ 放電模式的配電網

動態重構[D]. 南昌： 南昌大學， 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汽車的配電網動態重構方

法研究[D]. 西安： 西安理工大學， 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. 考慮電動汽車和分布式電源的配電網重構[D].

南昌： 南昌大學， 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. 高比例光伏和電動汽車接入配

電網的無功優化[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. 含新能源和電動汽車并網的配電網無功優化研

究[J]. 電氣自動化， 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. 計及光伏發電和電動汽車接入影響的配電網電

壓協同控制研究[D]. 廣州： 華南理工大學， 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. 含電動汽車、風力發電和無

功補償裝置的配電網兩階段優化策略[J]. 化工自動化及

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. 含新能源和電動汽車充電站

并網的主動配電網無功優化模型[J/OL]. 電力系統及其

自動化學報， （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. 計及分布式電源和電動汽車的配電網供電可靠性

評估[D]. 廣州： 廣東工業大學， 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. 計及光伏出力和電動汽車并網的配電網可靠性

評估[D]. 保定： 華北電力大學， 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. 含電動汽車有序充放電和風/ 光/ 儲微網的配電

網可靠性評估[D]. 呼和浩特： 內蒙古工業大學， 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汽車

的配電網可靠性評估[J/OL]. 重慶大學學報， （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. 考慮交通網和光儲系統的電動汽車充電站規劃

與運營研究[D]. 廣州： 廣東工業大學， 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. 基于機會約束規劃的風電源

與充電站的優化配置[J]. 電網與清潔能源， 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. 計及電動汽車時—空特性的分布式電源和充電站

聯合規劃[D]. 吉林： 東北電力大學， 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. 計及多能互補的電動汽車充電站優化配置及規

劃研究[D]. 南京： 南京郵電大學， 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的

電動汽車充電站機會約束規劃[J]. 電力系統及其自動化

學報， 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. 基于機會約束的電動汽車

充光儲一體化充電站容量優化方法[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—儲一體電動汽車充電

站儲能規劃[J]. 電力系統及其自動化學報， 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. 促進風電消納的配電網分

布式電源與電動汽車充電站聯合魯棒規劃[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. 電動汽車快充站儲能容量優化配置與運行策略

研究[D]. 濟南： 山東大學， 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. 考慮風光儲一體式電動汽車充電站微電網容量

優化研究[D]. 廣州： 華南理工大學， 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， 劉念， 張建華， 等. 含電動汽車充電站的風光

互補系統容量優化配置[J]. 電力系統保護與控制， 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] 王學婧. 面向光伏消納的電動汽車有序充電策略研究[D].

北京： 華北電力大學， 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

的風電商與電動汽車充電站協同優化調度[J]. 電網技術，

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. 考慮碳排放的電動汽車與

光伏協同的調度策略[J/OL]. 華北電力大學學報（ 自

然科學版）. （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. 電動公交車光儲充電站日運行隨機優化

策略[J]. 電網技術， 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. 電動汽車換能與風電場運行協同優化調度策略

研究[D]. 蘭州：蘭州理工大學， 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. 含電動汽車充電站的風/光/柴微電網多時間尺度

分層優化調度研究[D]. 天津工業大學， 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. 電動汽車充電與風電協同調

度的碳減排效益分析[J]. 電力系統自動化， 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. 光儲充一體化電動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， 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， 李學平， 等. 清潔能源與電動汽車充電

站協調投資的低碳效益分析[J]. 電工技術學報， 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] 李學達. 車載太陽能光伏系統輸出功率及發電量預測模

型研究[D]. 吉林：吉林大學，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

系統設計[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. 太陽能電動車電源控制系

統的研究[J]. 機械與電子， 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. 基于汽車風速的風能發電系統研究[D]. 北京： 北

京交通大學， 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. 電動汽車迎面氣流能量回收裝置設計與實驗研

究[D]. 鎮江： 江蘇大學， 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. 基于風光互補的電動汽車智能充電控制系統的研

究與設計[D]. 南寧： 廣西大學， 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. 智能風光互補新能源車設計[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. 太陽能電動車混合儲能系統的

能量管理策略研究[J]. 電源學報， 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， 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. 電池健康程度差異下的電動公交

線路車輛調度方法[J]. 華南理工大學學報（ 自然科學版），

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] 張學清， 梁軍， 張利， 等. 計及風光電源的一種地區電網

電動汽車充電調度方法[J]. 電工技術學報， 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. 城市電動公交車輛運營管

理：綜述與展望[J]. 汽車安全與節能學報， 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. 計及電動汽車充電與可再生

能源協同調度的負荷特性分析[J]. 河南理工大學學報（自

然科學版）， 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

多階段優化調度[J]. 電力需求側管理， 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. 考慮規模化電動汽車與風

電接入的隨機解耦協同調度[J]. 電力系統自動化， 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. 計及風電與電動汽車隨機性

的兩階段機組組合研究[J]. 電力建設， 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. 計及電動汽車的風-光-儲微電網容量配置與經濟調

度研究[D]. 蘭州： 蘭州理工大學， 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. 計及電動汽車充放電的微

電網多目標分級經濟調度[J]. 電力系統自動化， 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. 專用道條件下電動公交線路

靜態無線充電設施布局優化[J]. 中國公路學報， 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汽

車無線充電系統控制策略[J]. 科學技術與工程， 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， 藍嘉豪， 麥瑞坤， 等. 無線充電電動汽車V2G 模

式下光儲直流微電網能量管理策略[J]. 電工技術學報，

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. 風光互補微電網為電動汽車無線充電研究[D]. 天

津： 天津工業大學， 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. 基于新能源技術的電動汽車充電系統設計研究

[D]. 北京： 北京工業大學， 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. 電動汽車無線充電技術的研究進

展[J]. 汽車安全與節能學報， 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.