王 阳，刘希喆

（华南理工大学 电力学院，广东 广州 510641）

0 引言

近年来，随着能源短缺、气候变暖等能源环境问题的日益严峻，电动汽车EV（Electric Vehicle）行业得到了蓬勃发展，EV 充电站的数量也日益增多［1］。配置了光伏发电与储能系统的快充站在日照时段利用光伏发电满足部分日常负荷用电需求，基于分时电价，利用储能系统的“低储高放”获取最大的经济利益，通过“削峰填谷”平抑负荷波动，可在保证经济效益的同时促进节能减排。目前，对光储充电站的研究主要集中在优化容量配置与日前控制策略方面。文献［2-5］分别以投资成本与碳排放最小、电网出力曲线峰谷差减小、充电站经济效益最大作为优化目标，建立光储充电站容量配置模型，基于典型日或多场景负荷数据，利用粒子群、遗传算法等智能算法对模型进行求解，得到最优储能、光伏的容量配置。为了实现充电站每日的最优运营，提高储能的利用率，文献［6-8］在现有充电站配置的基础上建立储能日前优化模型，综合考虑充电站经济效益与储能系统的寿命损耗，求解出一日内储能系统的最优出力计划。日前计划能否适用于实际日的关键在于对日内负荷预测的准确性，由于负荷的经济敏感性，对负荷预测的较小偏差都会造成日内运行无法实现经济最优，因此，增强储能控制策略对不确定负荷的跟踪能力、实现光储充电站的日内滚动优化尤为重要。

关于微电网日内滚动优化的研究主要集中在发电侧与电网侧，通常微电网的可控制量较多，调控空间较大，储能仅作为一种辅助手段用于配合多尺度的调控计划或促进新能源的消纳。……