电动汽车与清洁能源融合发展技术研究与展望

朱明 季金华 金盛 季毓婷 别一鸣

摘 要： 以光电、风电为代表的清洁能源发电技术可为电动汽车提供清洁的电力供给，减少全生命周期碳排放，助力交通领域“双碳”战略目标的实现， 因此近年来得到迅猛发展。为了推动交能融合技术的应用，明确相关研究中的关键问题，该文综述了国内外学者过去10 年在电动汽车与清洁能源融合技术方面的研究进展。首先，介绍了二者融合发展的必要性与现实意义；其次，将已有研究成果分为公路环境与城市道路环境两类，分别从电网、充电站、车辆3 个层面归纳了当前电动汽车与清洁能源融合技术的研究成果；最后，考虑到清洁能源发电以及电动汽车充电存在较强的随机波动，对未来发展提出了加强公共领域交能融合发展、构建多种互补型清洁能源发电策略、建立“源—网—荷—储”集成优化技术、强化分布式微电网能源自洽调度、加强无线光伏充电公路运营管理等建议。

关键词： 电动汽车；清洁能源；融合发展；设施规划；运营管理；效益评价

中图分类号： U 491.2 文献标识码： A DOI： 10.3969/j.issn.1674-8484.2024.01.001

面对全球气候变化带来的严峻挑战，中国政府积极推动节能减排，促进经济社会发展全面绿色转型。2020 年9 月中国政府明确提出了“2030 年碳达峰、2060 年碳中和”的双碳战略。此后，加快降低碳排放步伐、引导绿色技术创新已经成为社会各界的共識。交通领域是中国最大的温室气体与空气污染物排放源之一，其碳排放约占中国每年碳排放总量的10%[1] ；其中中国汽车碳排放又占交通领域碳排放的80%以上[2]。因此，如何降低汽车碳排放成为中国交通领域能否顺利完成“双碳”战略目标的关键。

与燃油汽车相比，电动汽车在使用阶段具有显著的节能减排优势。因此，近年来中国大力推进电动汽车的发展，其保有量迅速上升。表1 给出了2018—2022年的纯电动汽车与新能源汽车保有量及电动化比例情况。由该表可以看出，中国纯电动汽车保有量在5 年内从211 万辆增加至1 045 万辆，一直占新能源汽车比例80% 左右[3]。根据专家估计，如果在2030 年电动汽车占全部汽车保有量达到20%，那么届时可以累计减少碳排放量约4.86 亿t [4]。

然而电动汽车需要消耗电能，而电能的生产仍将产生碳排放。图1 给出了不同能源发电技术的单位温室气体排放强度。从中可以看出，传统能源发电技术（ 煤、石油和天然气） 的温室气体排放强度要比清洁能源（ 光伏、风能等） 发电技术高数倍甚至数十倍[5]。尤其在当前中国仍以煤电为主的背景下，单位度电的温室气体排放强度较高，这也限制了电动汽车节能减排效益的提升。

因此，在当前电动汽车保有量迅速增长的情况下，只有在能源供给侧降低发电产生的碳排放，才能降低电动汽车全生命周期碳排放，这是当前实现电动交通系统节能减排的关键。而水电、风电、光伏发电等清洁能源产生的碳排放极少，是天然的绿色能源。中国在《“十四五”可再生能源发展提速》 中提出了2025 年可再生能源消费总量达到10 亿t 标准煤左右和“十四五”期间可再生能源消费增量在一次能源消费增量中的占比超过50% 的任务[7]。截至2023 年11 月底，中国太阳能发电装机容量约为5.6 亿kW、风电装机容量约为4.1亿kW，二者合计占全国发电总装机容量的34% [8]。

由以上描述可知，电动汽车具有强烈的清洁电能需求，能够提供潜力巨大的清洁电能消纳场景，助力中国清洁能源产业的发展；而清洁能源发电技术可为电动汽车提供清洁和相对廉价的电能供给，并从供给侧降低电动汽车运行耗电所产生的碳排放，充分发挥电动汽车在节能减排方面的优势。在这种情况下，有必要将原本处于“割裂”状态的电动汽车技术与清洁能源发电技术融合发展，协同优化电能的“生产-存储-消纳”，不仅可以降低设施建设与运营成本，提高系统运营效率，还可以促进电动汽车产业与清洁能源产业的健康可持续发展。

近年来电动汽车与清洁能源协同融合发展的理论与实践成果不断涌现。在理论方面，通过查询中国专利信息检索数据库、中国知网、Web of Science 等数据库以及国家科技项目立项情况，可以发现在2012 年前后开始出现电动汽车与清洁能源融合方面的研究，并在2020 年前后涌现出大量成果。在实践方面，2022 年8月四川省在攀枝花至大理的高速公路上建设了分布式光储项目，日发电量基本能满足项目运营其自身用电需求并有剩余。中国于2023 年建成了首个全路域的交通与能源融合示范项目，即山东枣菏高速公路交通与能源融合（ 源网荷储一体化） 示范工程。它利用服务区、边坡、收费站和互通区匝道等设置了分布式光伏电站，并建设了充电桩、智慧路灯、风机、储能系统；年均发电量1.36亿kWh，每年可为电网节约标煤约4.15 万t，减排CO2约11.4 万t。2023 年12 月，云南省昆明市西北部客运站、读书铺服务区的“光储充一体化示范站”投入使用，前者配置了分布式屋顶光伏电站、储能系统及全液冷超充设备，后者配置了服务区边坡光伏电站和全液冷超充设备。

然而已有研究成果尚未实现电动汽车与清洁能源的深层次融合，在研究场景、研究对象、研究方法方面不成体系。鉴于此，为了更好地指导电动汽车与清洁能源的融合发展，本文综述了国内外的相关成果，并根据研究环境的差异，将已有成果划分为公路环境与城市道路环境2 类；并从电网、充电设施、电动车辆3个层面分别对2 类成果进行综述，具体思路如图2 所示；最后探讨了电动汽车与清洁能源融合技术的未来可能发展方向与潜在挑战。

1 公路环境下电动汽车与清洁能源融合策略

在公路环境下电动汽车的出行距离较长、充电频次相对较低，但是充电时间相对较长。以低碳化为特征的绿色公路通常结合太阳能、风能等清洁能源进行发电，并在公路服务区建设分布式充电站，为电动汽车提供清洁电力供给[9-12]。现有研究成果主要集中在充电站选址与定容、充电站运营调度、电动汽车充电调度与充电站经济效益评估4 个方面，如图3 所示。

1.1 充电站选址与定容

选址问题是指确定充电站的建设位置。选址时应综合考虑地理位置、环境等因素，确保清洁能源被充分利用。定容问题则是指确定充电站配置的储能容量大小，由清洁能源发电量和电动汽车耗电量共同决定。

充电站选址优化。J. Nishanthy 等[13] 考虑风能与太阳能发电潜力地理位置的矛盾性，结合高速公路周边用地性质，建立了清潔能源充电站位置规划模型。S.Hisoglu 等[14] 面向可以在高速公路上安装充电站点的区域，以太阳辐射、坡度、坡向、土地利用/ 土地覆被、交通量以及与道路的接近程度、路线标准为输入特征，建立了多准则充电站位置决策方法。 J. L. da Paixao等[15]考虑车流量、电网邻近性以及地方人口经济数据等多种特征参数，建立了快速充电站选址模型。

充电站容量配置。陈艳波等[16] 考虑高速公路服务区分布式光伏约束、充电站约束以及混合储能系统约束，以日均总成本最小为目标，建立了计及源荷不确定性的2 阶段鲁棒容量配置优化模型。SHI Ruifeng 等[17]提出了一种融合不确定风电和光伏发电量的高速公路自洽能源系统供能模式，并建立了自洽能源系统的多能源容量配置优化模型。J. P. Sausen 等[18] 在车辆与电网互动（vehicle-to-grid，V2G） 环境下，建立了一种高速公路电动汽车快充微电网存储容量优化方法，有效降低运营成本的同时充分利用当地清洁能源发电。

充电站选址与定容协同优化。赵峰等[19] 针对高速公路并网光储充电站的选址和定容协同优化问题，兼顾充电站利益及用户满意度建立了2 阶段鲁棒规划模型，并利用风险理论模型将原模型转化为混合整数优化模型求解。李建霞等[20] 考虑生命周期内建设成本、运行成本、置换成本、环境成本等，建立了混合储能条件下的高速公路光伏充电站选址与容量协同优化模型，并采用HOMER 和禁忌算法进行求解。侯甜甜[21]以降低用户损耗成本、投资方成本、电压偏移和电能损耗为目标，以用户等待时间、装置利用率和节点电压偏移等为约束，建立了一种考虑配电网电压与网损的充电站选址定容协同优化模型。XIE Rui 等[22] 提出了一种高速公路网络上电动汽车充电站选址和容量协同优化的2 阶段方法；在第1 阶段，基于Monte Carlo 模拟获得车辆服务需求，建立了确定最佳充电站位置的整数规划模型；在第2 阶段，以光伏发电面积和储能单元的容量为优化变量，建立了容量鲁棒优化模型。

1.2 充电站运营调度

充电站运营调度主要关注高速公路服务区内清洁能源和配电网的协同利用以及充电价格的制定，以提高清洁能源的利用率。戚野白等[23] 通过整合高速公路服务区典型可控负荷，提出了一种高速公路服务区光伏发电系统与典型用电负荷构成的虚拟电厂协同互动控制策略。李爱[24] 考虑分时电价、充电负荷分布以及光照强度，通过调控电网、光伏储能设备出力时间，制定了光储充电站运行策略。J. Nishanthy 等[25] 考虑风能和太阳能的互补性，分析不同气候区内高速公路充电站的经济性，并建立混合整数规划模型对充电站进行了运营调度。

1.3 电动汽车充电调度

电动汽车充电调度问题侧重于设计有序充电策略，使电动汽车在清洁能源发电高峰期使用电能。相对来讲，公路环境下的电动汽车充电调度研究成果较少。崔巍[26] 充分考虑高速公路地段的环境优势，提出将光能、风能转化为电能供电动汽车使用，并根据风光互补原理建立电动汽车无线充电调度模型。LI Bowen 等[27]考虑分布式光伏与分布式储能在高速公路服务区同时应用的情况，建立了协调多种资源的充电策略，提高电动汽车充电效率和电动汽车用户的满意度。A.Mourad[28]面向高速公路网络上电动汽车和重型卡车充电需求，制定了多模式充电策略，建立了充电调度优化模型。

1.4 充电站经济效益分析

目前世界上并未将清洁能源发电技术大规模应用在公路环境中，主要原因是企业对其盈利性与可持续性仍持怀疑态度。因此，一些学者针对公路场景下的电动汽车与清洁能源融合方式进行经济性分析。武程浩[29] 基于可持续发展理念对高速公路服务区光伏发电站的投资决策问题进行研究，深入分析了高速公路服务区光伏发电站的经济、社会、环境等多重效益。HEHaonan 等[30] 面向光伏无线充电公路，基于多维数据对该技术进行了成本评估，结果显示：电价波动、建设投资成本和太阳能电池板能量转换效率等显著制约了光伏无线充电路面技术的应用。H. L. F. Nishimwe 等[31]提出了一种在公路路侧建立小型充电桩为电动汽车进行充电的方法，并根据实际购置成本进行了经济性评估。D. L. Pamuttu 等[32] 测算了公路上太阳能与风能的发电潜力，设计实验测试了在公路服务区使用清洁能源发电的经济可行性。

2 城市道路环境下电动汽车与清洁能源融合策略

在城市道路环境中，电动汽车出行具有单次行程距离短、充电频次高和单次充电时间短的特点，与公路环境下存在较大差异。在城市交通绿色化发展和能源低碳转型政策的推动下，采用清洁能源作为电动汽车充电的设施在城市范围内被广泛布局。现有城市道路环境下电动汽车与清洁能源融合技术成果较多，但是在城市环境下电动汽车的充电需求及其随机波动将更加剧烈，使得研究方法更加复杂。本文将从配电网规划与运营、充电站规划与运营、车辆设计与能量管理、电动汽车充电调度4 个方面对现有成果进行总结。

2.1 配电网规划与运营

在大量电动汽车充电负荷和清洁能源接入公共电网的情况下，配电网规划与运营技术成为了提高配电网稳定性、安全性与运营效率的关键。现有的配电网相关技术研究主要集中在并网负荷预测、配电网规划、配电网重构、配电网无功优化和配电网可靠性分析5个方面，如图4所示。其中，准确估计电动汽车和光/风清洁能源并入配电网负荷是规划配电网位置、容量以及改投建线路的前提；通过配电网开关状态调整改变网络拓扑结构，利用电压控制装置和补偿装置对配电网进行无功优化，基于多种启发式算法评估配电网可靠性，是提高配电网的效率和稳定性的主要技术手段。

2.1.1 并网负荷预测

并网负荷预测是指对电动汽车充电负荷和清洁能源并入配电网的负荷进行准确估计。其中，并网负荷的短期预测是当前研究的主要方向[33-34]。

光电并网环境下负荷预测。贾颗鑫[35]考虑了大量无序电动汽车充电负荷冲击电网的实际情况，提出了一种储能、负荷协同优化的“日前-日内-实时”多时间尺度能量管理方法以确保电力系统的稳定运行。M.Jurado等[36]提出了一种考虑负荷消耗和光伏分布式发电的短期净负荷预测模型，该模型能够通过Monte Carlo和核密度估计扩展到概率方法，进而预测负荷的概率分布。

风电并网环境下负荷预测。孙婉璐[37] 提出了一种基于总体平均经验模态分解和机器学习算法的风电并网负荷预测方法。HAO Quan 等[38] 提出了一种基于神经网络的负荷预测方法，以更少的参数进行问题表述，并在短时间内构建更高质量的负荷和风电发电量预测区间。

风/光电并网环境下负荷预测。姚娟等[39]基于多种深度网络预测方法，构建了风光互补电力系统的等效短期负荷预测模型。P. Anand等[40]使用基于预测期间的实质性功率演化策略，设计了一种风光互补能源电荷短期预测的方法。

2.1.2 配电网规划

配电网规划是指在分析未来负荷增长情况以及城市配电网现状的基础上，对未来系统扩建和改造方法进行设计[41-42]。

光电并网环境下配电网规划。严欢等[43] 考虑电网运行特性，将电动汽车灵活性资源和光储联合运行参数作为变量纳入配电网规划中，在合理规划配电网的同时减少了线路扩建成本。张逸凡[44] 基于接入光伏的分布式电源出力与电动汽车负荷功率历史数据，建立优化模型以生成配电网的位置和容量规划方案。M. R.Elkadeem 等[45] 以净现值成本、能源成本最低为优化目标，建立了一种光伏并网下的配电网规划和运行模型。

风/光电并网环境下配电网规划。孔顺飞等[46]考虑电池组与电动汽车的充电需求，利用多场景技术和时序法对风力发电、光伏发电的电网和负荷建模，生成配电网与交通网协同下的配电网规划方案。A. Allouhi等[47]考虑用电负荷变化，提出了光伏/风能并网的混合发电系统以生成最佳配电网系统配置方案。

2.1.3 配电网重构

配电网重构是指通过配电网开关状态的调整改变网络拓扑结构以达到均衡负荷、降低线损和改善供电电压质量的技术手段[48]。

光电并网环境下配电网重构。范永刚[49] 基于含光伏、电动汽车的配电网潮流计算仿真分析方法，建立了配电网动态重构模型，并使用改进的多目标粒子群算法求解，生成配电网节点网络动态重构配置方案。SUXiaoping 等[50] 以最小化故障期有功电网损耗和负荷均衡为目标，以配电网络拓扑结构为优化变量，对光伏出力和电动汽车的随机充电负荷进行了预测。QIN Liwen等[51] 针对配电网的电流测量系统，提出了一种基于图卷积神经网络的测量超分辨率重建方法，实验表明该方法对于处理配电网拓扑结构的频繁重新配置具有明显优势。

风/光电并网环境下配电网重构。王志平[52]围绕风力发电、光伏发电的分布式电源和电动汽车接入对配电网重构的影响，构建了配電网动态重构模型，并基于改进的狼群算法求解获得分布式电源接入前后配电网的优化拓扑结构。A. Jafar-Nowde等[53]考虑风力、光伏发电和电动汽车充电负荷的不确定性，建立了配电网动态重构模型，减小功率损耗，改善系统的电压分布和稳定性。

2.1.4 配电网无功优化

无功优化是指在系统结构参数及负荷情况给定的情况下，通过对某些变量的优化控制，使系统内某一个或多个性能指标达到最优的调节手段。具体来说，配电网的无功优化主要包含2 个方面：无功补偿装置的优化规划[54-56] 与电压无功优化控制[57]。

光电并网环境下配电网无功优化。汤清权[58] 考虑分布式光伏和电动汽车充电时序特性对配电网的电压影响，建立了一种区域电压控制模型。D. J. Kim 等[59]以电动汽车的充电负载和光伏发电功率估计值为基础，提出了一种基于干扰观测器的模型预测电压无功控制方法，改善了配电网中电池储能系统的电能质量。WANGLusha 等[60] 提出了一种考虑光伏逆变器和电动汽车有功和无功功率补偿的分散式电压控制算法，在满足电动汽车充电需求的同时为电压调节做出贡献。

风电并网环境下配电网无功优化。刘伟等[61] 考虑电动汽车的用户行为特性，以分档补偿器最佳动作策略为研究对象，建立了含电动汽车、风力发电和无功补偿装置的2 阶段优化模型。XU Biao 等[62] 在电动汽车接入到具有风力发电的配电网的背景下，以最低线损、电压偏差和最高静态电压稳定裕度为优化目标确定无功调节策略。

风/光电并网环境下配电网无功优化。 江智军等[63]以最小化主动配电网运行成本和电压偏差及最大化系统稳定性为优化目标，建立了一种含新能源和电动汽车充电站并网的主动配电网无功优化模型。LI Xinyu等[64]考虑风力、光伏发电组的无功优化设备及电动充电站的无功支持能力，提出了一种兼顾风力、光伏发电和有源配电网中电动汽车充电站的双尺度无功优化模型。

2.1.5 配电网可靠性分析

配电网可靠性分析是指根据系统的结构和元件功能之间的逻辑关系，运用模拟、解析等方法对配电网可靠性进行分析的研究过程[65-66]。

光电并网环境下配电网可靠性分析。刘仕豪[67] 通过分析光伏发电和电动汽车并网对配电网可靠性产生的影响，建立了配电网系统负荷点、光伏发电、元件设备等状态模型，利用Monte Carlo 模拟法求解了不同状态下的可靠性指标，并进行评估。N. Narasimhulu 等[68]利用改进的粒子群优化、蚁群优化以及蜉蝣优化分析了光伏电动汽车并网对配电网电能质量的影响。M. P.Anand 等[69] 基于随机理论捕捉电动汽车与光伏发电之间的复杂相互作用，构建了一种考虑电动汽车和混合动力能源的配电网可靠性分析方法。

风/光电并网环境下配电网可靠性分析。 徐鹏程[70]构建了一种电动汽车负荷和风/光/储微网的平衡运行状态空间模型，并基于序贯Monte Carlo模拟方法探究了电动汽车有序充放电以及风/光/储微网接入对配电网可靠性的影响。王辉等[71]基于Copula理论建立了风光互补供电系统联合出力概率模型，提出了动态分时电价的电动汽车有序充放电控制策略，同样以序贯Monte Carlo模拟为基础对配电网进行可靠性分析。

2.2 充电站规划与运营

充电站是清洁能源技术与电动汽车融合的实际落脚点。现有文献主要从充电站配置规划、运营调度和效益评估3 个方面展开研究，以提高充电站运营效率，促进清洁能源的就地消纳。

2.2.1 充电站配置规划

充电站配置规划通常以系统成本、排放以及损耗最小为优化目标，协同优化充电站选址、充电桩配置、储能容量和发电装置 [72-78] 等内容，在清洁能源和电网混合供电模式下满足电动汽车用户用电需求，以提升充电站的效益[79]，具体如表2 所示。

光能供电下充电站配置规划。徐岩等[80] 考虑光伏发电和电动汽车充电需求的不确定性，基于机会约束规划理论建立了光储充一体化系统的储能系统容量配置模型。李科等[81] 考虑电动汽车充电负荷和储能系统的寿命衰减，建立了储能系统配置双层优化模型。XIAFangzhou 等[82] 结合电动汽车充电需求，构建了一个光储充电站双目标优化模型，对充电站的位置和充电桩的数量进行规划。WU Zhouquan 等[83] 基于电动汽车到达时间和剩余电量状态分布，给出充电站储能系统容量、额定功率和光伏板尺寸的最佳配置方法。

风能供电下充电站配置规划。石玉东等[84] 考虑风力发电随机波动对电网的影响，建立了多目标鲁棒规划模型，对风电机组、充电站、储能装置的选址和容量配置进行协同优化。刘晓艺[85] 挖掘了风力发电和充电负荷的随机特征，以弃风惩罚成本和储能电池寿命周期成本最小为优化目标，建立了充电站储能系统容量的优化配置模型。H. Mehrjerdi 和R. Hemmati [86] 考虑风力发电的不确定性，构建了随机混合整数规划模型，并分析了有无储能装置对充电设施规划的影响。ZHANG Jingqi 等[87] 以降低配电系统的总投资成本和能源损失、提高利用的风力流量为目标，构建了一个多目标规划模型，对系统中的充电站选址和充电装置数量进行优化。

风光互补供电下充电站配置规划。郝苓羽[88] 协同优化了微电网模型中的电动汽车充电站、风力发电、光伏发电和储能容量，并模拟分析了并网状态、离网孤岛状态下的运行效果。张颖达等[89] 综合考虑电动汽车的用电需求和储存电量的能力，构建了风光互补系统容量配置优化模型。R. Arivalahan 和S. Balaji [90] 考虑分时电价、清洁能源分布和电网需求响应，提出了电动汽车充电站的风力发电、光伏发电、储能系统的容量配置的协同优化方法。SUN Baojun [91] 面向风能、太阳能和储能系统组成的充电站，构建了储能系统容量配置的多目标优化模型。

2.2.2 充电站运营调度

充电站运营调度研究的主要目标是协同调度清洁电力资源与外部电网资源，以提高充电桩的运营效率。图5 给出了典型的充电站运营调度框架，它考虑2 种类型电力输入，通过定价策略来调控电动小汽车充电行为[92-93]，促进电网削峰填谷，提高清洁能源的消纳率。

光能供电下充电站运营调度。梁海峰等[94] 提出电动汽车“绿电”收费策略与“绿电”补贴策略，以促进电动汽车对光伏出力的消纳，降低充电成本及碳排放。李睿雪等[95] 考虑光伏发电的随机变化，提出了光储充电站的日间充电服务价格滚动优化策略。M. Tostado-Véliz 等[96] 考虑充电需求、光伏发电和能源价格的不确定性，建立了多模式光伏辅助充电站的随机优化调度模型。RUI Tao 等[97] 基于光伏发电的上网电价和正常电网电价，计算了光伏充电站的盈利和电动汽车的充电成本，建立了光伏充电站的系统运营模型。

风能供电下充电站运营调度。王明君[98] 分析各类型驾驶员用车习惯，结合风力发电的效率确定分时电价，同时在能量的互流均衡、能量的源容量约束下，构建风力充电站运营调度方法。YANG Shengchun 等[99] 针对风电的高渗透率和高峰期负荷下电力系统的供需平衡问题，建立了能灵活升压的电动汽车充电站运行模型和多时间尺度处置策略。GUO Qun 等[100] 基于电动汽车模型的Wohler 曲线和交流电方程，构建了双层多目标微电网优化调度模型。

风光互补供电下充电站运营调度。张可信[101]根据电动汽车充电负荷特性，给出了充电和放电的定价策略，并建立了分布式充电站日前优化调度和短时优化调度模型。LI Huaidong等[102]考虑电动汽车的各种充电/放电模式，提出了一种Monte Carlo模拟场景的日前调度模型。

2.2.3 充电站效益评估

对于清洁能源发电与电动汽车充电站的融合，从经济效益、低碳效益等的角度出发，建立综合效益分析体系[103]，分析充电站的经济可行性和社会可行性，以促进清洁能源和电动汽车进一步发展和融合。

光能供电下充电站效益评估。杨猛[104] 考虑光储充电站的经济效益和充电站对社会环境、电网的影响，建立了光储充电站的综合效益评估体系。P. Denholm等[105] 通过模拟得克萨斯州的电网，确定了大规模部署光伏电源和电动汽车以降低峰值用电需求以及用户电费方面的效益。

风光互补供电下充电站效益评估。卢志刚等[106] 引入低碳效益分析风力发电、光伏发电和电动汽车充电站协调规划的減排效率，并给出基于低碳效益的风光发电、电动汽车充电站的协调投资模型。GUO Qun 等[107]考虑清洁能源、电动汽车充电需求和电价的不确定性，研究了包括清洁能源的高渗透率、电动汽车停车场和需求响应的微电网风险评估，并给出风险规避策略模型。LI Chong 等[108] 利用HOMER 软件仿真，对中国5 个地区采用光伏发电、风力发电的电动汽车充电站的经济效益进行了对比分析。

2.3 车辆设计与能量管理

如图6 所示，部分电动汽车（ 如光能电动汽车、风能电动汽车） 制造时会通过设计汽车能量转换装置[109-114]将光能、风能等转化为汽车行驶所需的电能，并利用电池能量管理系统监测电池状态，管理控制能源系统的运行，延长电池使用寿命。下面将从汽车结构设计、能量管理2 个方面对相关成果进行阐述。

2.3.1 电动汽车结构设计

太阳能电动汽车结构设计。海涛等[115] 针对电动汽车应用光伏发电系统充电时间长、充电电压波动大和最大功率点跟踪速度慢的问题，基于最大功率点跟踪（maximum power point tracking，MPPT） 控制器设计了太阳能电动汽车。王晓璨等[116] 分析了太阳能电动汽车电源控制系统的需求，设计了太阳能电动汽车电源电路和蓄电池boost 电路，很好地满足了太阳能电动车供电需求。M. Nivas 等[117] 设计了一种可以避免过充和深度放电的太阳能电动汽车，采用MPPT 追踪在各种情况下太阳能电池板的输出功率，并将其输送到升压变换器中调整到规定功率后，再为电动汽车电池充电。DUAN Chen 等[118] 设计了适应于不同行驶与放电、停车与充电场景下的太阳能电动汽车，实现最大程度的太阳能收集的同时，避免传统有源、无源电池平衡方案中的能量损失。

风能电动汽车结构设计。王超[119] 基于Betz 理论设计了一种车载风能发电装置，利用汽车行驶过程中风能发电再回馈给汽车利用，并探究了不同风能下的发电性能。李傲雪[120] 从回收电动汽车迎面气流能量的角度，在电动汽车前舱空间设置了风能回收系统，将风能转化为电能，实现了纯电动汽车续航里程的增加。Z.A.Khan等[121] 提出了在车辆顶部安装小型风力涡轮机为电动汽车供电，并基于ANSYS 软件的空气动力学分析确定了最佳发电方向。ZHAO Zhen 等[122] 设计了一种安装可调垂直轴风力发电机的电动汽车，将风能转化为电能为电动汽车供电。

风光互补电动汽车结构设计。熊昭[123] 设计了基于风电和光电2 种清洁能源互补的电动汽车充电控制系统，并构建了一种能同时对风电和光电进行MPPT 的电路结构和控制方法。蔡鹏[124] 通过研究风力发电技术及太阳能充电技术对电机驱动系统的电量补充方式，确定了智能风光互补新能源汽车的设计方案，并分析了车辆在停止及驾驶状态下风光互补系统对整车续航里程提升的可行性。K. Prakash [125] 设计了一种基于光能、风能等清洁能源的电动汽车，仿真实验表明车辆可以行驶相当长的距离，为零燃料零排放电动汽车提供了新思路。H. Fathabadi 等[126] 提出了一种电池、光伏、风能混合动力电源，构建了小型光伏模块和微型风力发电机组成的电力系统，并搭建样机验证了车辆的续航里程和功率能效的有效性。

2.3.2 电动汽车能量管理

本部分研究主要面向太阳能电动汽车。熊连松等[127] 针对太阳能电动汽车的混合动力储能系统需求，建立了一种太阳能、蓄电池和超级电容能量分配、协调和优化的能量管理控制算法，改善了车辆的动态运行性能，延长了电池的使用寿命。范志鹏[128] 提出了一种超级电容和光伏系统的复合能量管理策略，通过光伏电池持续给超级电容供电，在超级电容辅助供能下减小动力电池电流压力，缓解了动力电池衰退，增强了车辆续航能力。WU Bin 等[129] 研究了太阳能电动汽车上太阳能电池板、电池和超级电容器这3 种能源存储装置的协同控制策略，并提出了一种太阳能电池板充电的滞后控制算法和一种双向DC/DC 变换器控制方法，使电池放电电流保持在一定范围内。CHEN Hongjun 等[130]基于模糊控制理论提出了一种太阳能电池板、超级电容器和电池组成的电动汽车能源管理系统，有效降低了电池瞬时电流，延长了电池使用寿命，提高了电动汽车的性能。M. T. Güneser 等[131] 利用模糊逻辑控制系统改进了名为YILDIZ 的太阳能汽车能量管理系统，并基于MATLAB 对该系统下的太阳能电池、蓄电池和电机驱动组件的适用性进行了仿真验证。

2.4 电动汽车充电调度

大规模电动汽车无序充电会扰乱供电系统的正常运行，通过制定优化调度策略引导电动汽车和电动公交车有序充电，可以保障电网安全，同时降低排队等待时间[132-134]。主要从有线充电调度和无线充电调度2个方面对相关文献展开研究。

2.4.1 有线充电调度

当前大部分电动汽车主要依赖于有线充电方式进行电能的补给。许多文献面向有线充电系统开展研究[135-137]，其框架如图7 所示。控制中心根据充电信息、配电网与储能系统的负荷情况以及可再生能源的供应情况，实时调整充放电计划来降低电动汽车用户的等待时间，实现错峰充电和充分消纳可再生能源。

基于光伏发电的电动汽车充电调度。在私家车调度方面，赵滨滨等[138] 提出了一种充分利用太阳能的电动汽车调度模型，仿真表明该模型在不同光伏渗透率下均能有效平抑清洁能源波动，减少负荷峰谷差。HAOYing 等[139] 提出了一种基于扩展功率预测的电动汽车有序充电引导方法，提高微电网清洁能源的局部消耗。P.J. Tulpule 等[140] 提出了一种电动汽车充电调度策略，并研究了停车场设置电动汽车光伏充电站的投资回收期和碳排放。在公交车调度方面，范春阳等[141] 针对基于光伏发电系统的电动公交车集中充电站，构建了多阶段优化调度模型，合理安排电动公交车的充电行为和功率，提高光伏发电消纳能力。LIU Xiaohan 等[142] 提出了一种光伏储能系统下考慮电动公交电池容量衰减的可持续公交电池调度与梯队利用框架，以最大限度地减少充电、更换电池和碳排放成本。A. Moradipari 等[143]优化了光伏发电储能系统下公交车队的车辆调度方案和充电计划，以降低公交系统运营成本。Y. Tomizawa等[144] 提出了一种考虑公交车站安装光伏板场景下的电动公交充电调度方法，建立了混合整数线性规划模型，提升光伏发电利用率。

基于风力发电的电动汽车充电调度。葛晓琳[145] 和王若谷[146] 均考虑风力发电的不确定性建立了电动汽车2 阶段经济调度优化模型，降低系统备用容量，提高风电消纳能力。WU Junjie 等[147] 研究了风能发电充足与不足2 种情景下电动汽车最优充电调度问题，为大规模电动汽车充电调度提供了解决方案。JIA Qingshan等 [148] 研究了风力发电下共享电动汽车的最优充电调度问题，提供了一种对松散型较小、处理时间长的车辆赋予优先等级的电动汽车充电调度算法。

基于风光互补发电的电动汽车充电调度。王锐[149]考虑电动汽车充电负荷需求，以系统运营成本最低、负荷峰谷差最小、联络线的功率值最小为目标，建立了在涵括光伏、风力发电模式的微电网下基于分时电价的电动汽车调度策略，以引导电动汽车合理充放电。侯慧等[150] 提出优先使用风、光能，以储能单元和电动汽车群综合运行成本最少和消纳清洁能源最大为目标，建立了源荷级车辆调度模型。JIANG Xiuli 等[151] 以等效负荷方差最小为目标，考虑电动汽车行驶行为和电池容量约束，对电动汽车进行充放电调度。LU Xinhui 等[152]在光伏、风力发电场景下，建立了考虑微电网系统运行成本和环境保护成本的多目标车辆调度模型，降低了车辆用电成本及环境污染，保障微电网稳定运行。

2.4.2 无线充电调度

无线充电技术凭借灵活便捷、安全高效等优点得到较多的关注，其技术框架如图8 所示。动态无线充电技术允许电动汽车在行驶过程中，通过埋在地面下的发射线圈以高频磁场的形式将电能传输给地面上车辆的接收线圈，实现车辆边行驶边充电[153-154]。随着基于清洁能源发电的微电网系统的提出和应用，無线充电技术也迎来了新的机遇，但相关技术还处于起步阶段。

光伏发电条件下电动汽车无线充电。王呈轩等[155]开发了一种电动汽车智能无线充电系统，将光伏发电与储能结合起来为电动汽车供电。周玮等[156] 探究了光储直流微电网中无线充电和V2G 模式下电动汽车的能量流动方式。H. S. Lee 等[157] 为加强电池负载和无线充电负载的最大功率转换效率，提出了一种光储组合微电网下的无线汽车充电方法。P. S. Subudhi 等[158] 设计了一种电动汽车光伏无线充电方法，保障在不同光照强度下直流母线电压的稳定性。

风光互补条件下电动汽车无线充电。刘杰[159] 在光伏、风电和蓄电池构成的风光互补微电网下，建立分层控制策略并设计无线电传输系统，为电动汽车进行稳定可靠的充电。冯依一[160] 通过风光互补电站系统的可行性和电力计算，设计了以提升用户体验为目标的电动汽车无线充电设施。XIAO Zhaoxia 等[161] 考虑风光互补系统供电下，融合电动汽车无线充电技术的微网规划、控制策略，实现了电动汽车利用清洁能源进行无线充电。ZHOU Ze 等[162] 在风光互补微电网结构下，提出一种利用动态无线充电技术使车辆参与到微电网的能量调节中的方法。

3 结论与展望

在过去10 年左右时间里，国内外学者在电动汽车与清洁能源融合发展方面取得了大量的研究成果。随着清洁能源发电技术的进步、智能运营技术的提升以及应用场景的不断拓展，电动汽车与清洁能源的融合发展将迎来更多的机遇和挑战。尤其在光能、风能等清洁能源丰富的地区，多相继出台了鼓励交通与清洁能源融合发展的政策与文件。今后可以从以下5 个方面进行理论研究和技术突破。

1） 加强公共领域电动车辆与清洁能源融合发展

私家车的充电行为具有非常强的随机性，给充电站运营管理带来较大困难。公共领域的车辆（ 如公务用车、公交车、环卫车、机场用车、邮政快递车、城市物流配送车） 一方面具有比较明显的运营规律以及充电特征，另一方面可能存在较大的停车空间， 便于布设清洁能源发电设施以及充电桩。2023 年11 月工业和信息化部、交通运输部等8 部门印发了《关于启动第一批公共领域车辆全面电动化先行区试点的通知》，选择15个城市作为试点，打造公共领域车辆全面电动化先行区。这也为公共领域电动车辆与清洁能源的融合提供了契机。

2） 优化不同清洁能源规模配比，为电动汽车构建互补性供电模式

不同类型清洁能源的季节性出力分布特征和昼夜出力分布特征存在着较大差异，例如太阳能辐射强度在春季和夏季较高，在秋季和冬季较低，而风能资源的季节性分布正好相反。通过将具有互补特性的不同类型清洁能源结合起来发电、供电，优化各类清洁能源规模配比，能够减轻清洁能源发电的间歇性和波动性对供电系统可靠性产生的影响。

3） 建立“ 源-网-荷-储 ”集成优化技术

强化电源侧、电网侧、储能侧、负荷侧的协调互动；基于供给侧电力资源的充分整合和需求侧负荷特性的深度挖掘，统筹优化各类资源的规划与运营问题，以确定电源合理规模与配比、发挥电网调节能力、科学配置储能资源、改善电动汽车负荷曲线，从而提升清洁能源的消纳能力以及供电系统的运行效率和经济效益。

未来若干年中国将有大量的电动汽车电池退役，而电池退役时尚存在70%～80% 的剩余容量，可以基于退役电池建设充电站的储能系统，以平抑清洁能源的随机波动，并提高退役电池的利用效率。

持续加强充电站的信息化建设，使电动汽车驾驶者能够实时快捷地查询到充电站的排队情况、充电所需时间、充电价格等关键基础信息，提高充电站的运营调度水平。采用价格手段调节电动汽车的充电需求，一方面避免充电扎堆现象，另一方面使充电需求与清洁能源电力供给能力尽量匹配，避免清洁能源浪费。

4） 强化分布式微电网能源自洽调度

强化分布式微电网内部的调度技术，特别是面向V2G 车电互联的场景，使清洁能源尽可能地就地消纳。在清洁能源供应充足时，电动汽车和储能设备可以吸收多余的电能；在用电高峰或清洁能源供应不足时，这些电能再次被释放以满足本地需求。与此同时，弱化分布式微电网与配电网之间的连接，在临时性电力不足或电力过剩时再选用配电网进行供电，以提升配电网的整体安全性。

5） 加强无线光伏充电公路运营管理

无线光伏充电公路是一种具有前瞻性的技术，其利用太阳能发电，能够实现电动汽车边走边充电，但是在建设初期和后期维护过程中需要投入大量的资金，严重限制了其发展。未来随着无线充电技术的成熟，其建设与维护成本将会下降。在电动汽车逐渐普及的情况下，建设无线光伏充电公路的可行性将进一步增强。可以根据电动汽车的行驶路线和速度特征，合理规划无线光伏充电公路的布局，优化材料性能和管理流程，在保证电动汽车充电便捷性、稳定性和安全性的同时，降低无线光伏充电公路的运营成本，提高其经济可行性。

参考文献（References）

[1] 李晓易， 谭晓雨， 吴睿， 等. 交通运输领域碳达峰、碳中

和路径研究[J]. 中国工程科学， 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] 李世齐. 中国交通领域成品油消费趋势及减排潜力研究

[D]. 北京： 中国石油大学， 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. 全国新能源汽车保有量达1821 万辆[N]. 人民日

报， 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] 万宣燃.“ 双碳”目标加速汽车业碳减排新能源汽车减排

优势明显[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] 郑名扬. 地球的一半｜“环保”电动汽车如何做到全生命

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] 王轶辰.“ 十四五”可再生能源发展提速[N]. 经济日报，

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] 国家能源局. 国家能源局发布1—10 月份全国电力工业统

计数据[N]. 中国电力报， 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] 许雪记， 徐文文， 殷承启， 等. 江苏省高速公路站区光伏

能源综合利用研究[J]. 能源环境保护， 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] 陳春红. 高速公路服务区停车场储能式充电站的解决方

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] 陈艳波， 田昊欣， 刘宇翔， 等. 计及电动汽车需求响应的

高速公路服务区光储充鲁棒优化配置[J]. 中国电机工程

学报， 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] 赵峰， 李建霞， 高锋阳. 考虑不确定性的高速公路光储充

电站选址定容[J]. 电力自动化设备， 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， 赵峰， 高锋阳. 基于HOMER 和禁忌算法的高

速公路光储充一体化电站容量优化[J]. 电源学报， 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. “车-路-电”三网融合下的充电设施选址定容方

法研究[D]. 北京： 北京交通大学， 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， 劉开欣， 刘杰， 等. 高速公路服务区光伏与虚

拟电厂协同控制策略研究[J]. 交通节能与环保， 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] 李爱. 城际高速路网中的光储充电站规划运行研究[D].

成都： 西南交通大学， 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， 陈姝伊， 蒋盼盼. 风光互补高速公路电动汽车无线

充电系统的研究[J]. 电气时代， 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. 可持续视角下高速公路服务区光伏发电站投资

决策研究[D]. 北京： 华北电力大学， 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] 張涛. 考虑风电并网和新型柔性负荷接入的配电网负荷

预测研究[D]. 南京： 东南大学， 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] 贾颗鑫. 光伏充电站短期负荷预测及能量管理研究[D].

太原： 太原科技大学， 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] 孙婉璐. 计及风电并网的短期负荷EEMD 与神经网络预

测方法[D]. 成都： 西南交通大学， 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， 张晓文， 宋嘉， 等. 计及光伏及风电并网的电力系

统短期负荷预测[J]. 电力大数据， 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] 劉晋源， 吕林， 高红均， 等. 计及分布式电源和电动汽

车特性的主动配电网规划[J]. 电力系统自动化， 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] 严欢， 胡俊杰， 黄旦莉， 等. 考虑电动汽车虚拟电厂灵活

性和高比例光伏接入的配电网规划[J]. 电力建设， 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] 张逸凡. 考虑分布式电源与电动汽车充电站的配电网规

划[D]. 北京： 北京交通大学， 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] 孔顺飞， 胡志坚， 谢仕炜， 等. 考虑分布式储能与电动汽

车充电网络的配电网多目标规划[J]. 电力科学与技术学

报， 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] 王涛. 计及风电相关性和电动汽车充/ 放电模式的配电网

动态重构[D]. 南昌： 南昌大学， 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. 含分布式光伏与电动汽车的配电网动态重构方

法研究[D]. 西安： 西安理工大学， 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. 考虑电动汽车和分布式电源的配电网重构[D].

南昌： 南昌大学， 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， 孙昊， 等. 高比例光伏和电动汽车接入配

电网的无功优化[J]. 智慧电力， 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] 杨劭炜. 含新能源和电动汽车并网的配电网无功优化研

究[J]. 电气自动化， 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] 汤清权. 计及光伏发电和电动汽车接入影响的配电网电

压协同控制研究[D]. 广州： 华南理工大学， 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] 刘伟， 杨光亮， 刘慧岩， 等. 含电动汽车、风力发电和无

功补偿装置的配电网两阶段优化策略[J]. 化工自动化及

仪表， 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， 袁轩， 邱文浩，等. 含新能源和电动汽车充电站

并网的主动配电网无功优化模型[J/OL]. 电力系统及其

自动化学报， （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] 吴志山. 计及分布式电源和电动汽车的配电网供电可靠性

评估[D]. 广州： 广东工业大学， 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] 刘仕豪. 计及光伏出力和电动汽车并网的配电网可靠性

评估[D]. 保定： 华北电力大学， 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. 含电动汽车有序充放电和风/ 光/ 储微网的配电

网可靠性评估[D]. 呼和浩特： 内蒙古工业大学， 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] 王辉， 李旭阳， 王宝全， 等. 含分布式电源和电动汽车

的配电网可靠性评估[J/OL]. 重庆大学学报， （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. 考虑交通网和光储系统的电动汽车充电站规划

与运营研究[D]. 广州： 广东工业大学， 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] 吴万禄， 韦钢， 谢丽蓉，等. 基于机会约束规划的风电源

与充电站的优化配置[J]. 电网与清洁能源， 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] 刘宇航. 计及电动汽车时—空特性的分布式电源和充电站

联合规划[D]. 吉林： 东北电力大学， 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] 虞小辉. 计及多能互补的电动汽车充电站优化配置及规

划研究[D]. 南京： 南京邮电大学， 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， 譚阳红， 等. 含光伏分布式电源配电网的

电动汽车充电站机会约束规划[J]. 电力系统及其自动化

学报， 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， 陈泽雄， 于博文， 等. 基于机会约束的电动汽车

充光储一体化充电站容量优化方法[J]. 智慧电力， 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， 李梦超， 等. 光—储一体电动汽车充电

站储能规划[J]. 电力系统及其自动化学报， 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] 石玉东， 蒋卓臻， 高红均， 等. 促进风电消纳的配电网分

布式电源与电动汽车充电站联合鲁棒规划[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] 刘晓艺. 电动汽车快充站储能容量优化配置与运行策略

研究[D]. 济南： 山东大学， 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. 考虑风光储一体式电动汽车充电站微电网容量

优化研究[D]. 广州： 华南理工大学， 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] 张颖达， 刘念， 张建华， 等. 含电动汽车充电站的风光

互补系统容量优化配置[J]. 电力系统保护与控制， 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] 王学婧. 面向光伏消纳的电动汽车有序充电策略研究[D].

北京： 华北电力大学， 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] 陈先龙， 王秀丽， 陈洁， 等. 考虑分布式可再生能源交易

的风电商与电动汽车充电站协同优化调度[J]. 电网技术，

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， 谭杰， 曹煜祺， 等. 考虑碳排放的电动汽车与

光伏协同的调度策略[J/OL]. 华北电力大学学报（ 自

然科学版）. （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. 电动公交车光储充电站日运行随机优化

策略[J]. 电网技术， 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. 电动汽车换能与风电场运行协同优化调度策略

研究[D]. 兰州：兰州理工大学， 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] 张可信. 含电动汽车充电站的风/光/柴微电网多时间尺度

分层优化调度研究[D]. 天津工业大学， 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， 黄海丽， 雷鸣，等. 电动汽车充电与风电协同调

度的碳减排效益分析[J]. 电力系统自动化， 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. 光储充一体化电动汽车充电站容量配置及综合效

益研究[D]. 北京： 华北电力大学， 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] 卢志刚， 姜春光， 李学平， 等. 清洁能源与电动汽车充电

站协调投资的低碳效益分析[J]. 电工技术学报， 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] 李學达. 车载太阳能光伏系统输出功率及发电量预测模

型研究[D]. 吉林：吉林大学，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] 海涛， 朱浩， 石磊， 等. 一种带MPPT 的车载太阳能充电

系统设计[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] 王晓璨， 张朋松， 张丽华， 等. 太阳能电动车电源控制系

统的研究[J]. 机械与电子， 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. 基于汽车风速的风能发电系统研究[D]. 北京： 北

京交通大学， 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. 电动汽车迎面气流能量回收装置设计与实验研

究[D]. 镇江： 江苏大学， 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. 基于風光互补的电动汽车智能充电控制系统的研

究与设计[D]. 南宁： 广西大学， 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] 蔡鹏， 张军， 邓全冰， 等. 智能风光互补新能源车设计[J].

流体测量与控制， 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] 熊连松， 吴斌， 卓放， 等. 太阳能电动车混合储能系统的

能量管理策略研究[J]. 电源学报， 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] 范志鹏. 新能源汽车的一种能量管理策略研究[D]. 恩施：

湖北民族大学， 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] 別一鸣， 朱奥泽， 从远. 电池健康程度差异下的电动公交

线路车辆调度方法[J]. 华南理工大学学报（ 自然科学版），

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] 张学清， 梁军， 张利， 等. 计及风光电源的一种地区电网

电动汽车充电调度方法[J]. 电工技术学报， 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， 刘亚君， 陈雨薇， 等. 城市电动公交车辆运营管

理：综述与展望[J]. 汽车安全与节能学报， 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] 赵滨滨， 王莹， 徐晓萌， 等. 计及电动汽车充电与可再生

能源协同调度的负荷特性分析[J]. 河南理工大学学报（自

然科学版）， 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] 范春阳， 张海波， 张贺， 等. 含分布式光伏的公交充电站

多阶段优化调度[J]. 电力需求侧管理， 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， 郝广东， 夏澍， 等. 考虑规模化电动汽车与风

电接入的随机解耦协同调度[J]. 电力系统自动化， 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， 陈果， 王秀丽， 等. 计及风电与电动汽车随机性

的两阶段机组组合研究[J]. 电力建设， 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] 王锐. 计及电动汽车的风-光-储微电网容量配置与经济调

度研究[D]. 兰州： 兰州理工大学， 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， 薛梦雅， 陈国炎， 等. 计及电动汽车充放电的微

电网多目标分级经济调度[J]. 电力系统自动化， 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] 別一鸣， 郝明杰， 王琳虹. 专用道条件下电动公交线路

静态无线充电设施布局优化[J]. 中国公路学报， 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] 王呈轩， 李弘昌， 樊艳芳， 等. 由光伏直接供电的电动汽

车无线充电系统控制策略[J]. 科学技术与工程， 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， 蓝嘉豪， 麦瑞坤， 等. 无线充电电动汽车V2G 模

式下光储直流微电网能量管理策略[J]. 电工技术学报，

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] 刘杰. 风光互补微电网为电动汽车无线充电研究[D]. 天

津： 天津工业大学， 2017.

LIU Jie. Research on wind-solar complementary microgrid

for wireless charging of electric vehicles [D]. Tianjin：

Tiangong University， 2017. （in Chinese）

[160] 冯依一. 基于新能源技术的电动汽车充电系统设计研究

[D]. 北京： 北京工业大学， 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， 王硕， 杨福源. 电动汽车无线充电技术的研究进

展[J]. 汽车安全与节能学报， 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.