对集成储能与电动汽车充电（EVC）的可再生动力体系（RES）进行技能经济评价，可为本钱效益和运转可行性供给见解。但是，由于可再生动力（RE）发电的不确定性、储能退化以及动摇的EV充电需求，此类评价可能会面临局限性。为了解决这些问题，本文提出了一种结合河豚优化算法（PFOA）与脉冲深度残差网络（SDRN）的新式技能，称为PFOA-SDRN技能。PFOA经过优化能量分配来保证可再生动力（RE）的高效运用及本钱效益，而SDRN则供给准确的动力供需猜测以维持运转安稳性。所提出的办法与几种现有办法进行了比照。在根据印度区域太阳能、风能和EV需求剖面建模的混合RES（HyRES）背景下，该办法将运营本钱（OC）下降至0.122 M$/年，并将CO₂排放量降至505.75千吨。这些成果证明，PFOA-SDRN办法在经济和生态功能方面均优于现有技能。
为了推动可继续动力解决计划，经过结合光伏（PV）和风力涡轮机（WT）发电、储能以及电动汽车充电（EVC）基础设施，构建了混合可再生动力体系（HyRES）[1]。对温室气体排放的日益重视以及对化石燃料的依靠，也推动了RES整合到现代电网中[2,3]。PV和WT动力清洁、可再生且资源丰富，这使得它们最适合作为混合体系运用[4,5]。WT和PV动力的结合将保证互补的能量生产，其中PV电力可在白日产生，而风力发电（WP）有助于在夜间或太阳能产量较低时平衡生产[6,7]。为了躲避RE的间歇性特征，电池储能体系（BESS）组件在贮存多余能量以备将来运用以及进步电力供给的一致性方面发挥着关键作用[8]。这种整合还能够经过依靠RES并增强可继续性来满意不断增加的EVC需求[9,10]。经过EVC设施完成HyRES的电气化削减了与交通燃料相关的碳排放，并进步了可再生动力（RE）的渗透率[11,12]。这些体系经过动态平衡发电、储能和消费，供给了更强的灵活性和耐性[13]。电力电子技能和能量办理（EM）的进步完成了HyRES的高效集成与运转[14]。智能操控策略
HyRES 与 BESS 和 EVC 的结合带来了一系列挑战，最显著的是在本钱、功率和减排之间到达最佳平衡[26]。RE 基础设施、BESS 以及先进操控技能所需的高额初始出资构成了重大的财政障碍[27]。此外，在应对 RESs 间歇性的一起坚持运转功率仍是一个关键问题，由于动摇的动力发电可能导致资源运用率缺乏[28,29]。并且，尽管整合 RESs 有助于削减排放，但由于在可再生动力发电量低期间依靠备用传统电力体系（PSs），完成继续的减排仍然具有挑战性[30]。c 文献综述
现有研讨中已提出了大量讨论集成RES和BESS的EVC的研讨，涉及各种技能和组件。下文对部分选定研讨进行了总结：
Nouri等人[31]经过一个根据智能Fuzzy Logic Control（FLC）的EV电池充放电办理体系证明了V2G结构的功率，该体系由Artificial Neural Network（ANN）结合Particle Swarm Optimization（PSO）支撑，以完成从PV高效且安稳的能量收集。Afzal等人[32]展现了一种选用结合ANN和FLC的自适应下垂操控的EV Battery Management System（BMS）。与传统的BMS体系比较，这种办法具有许多优势，包含去中心化的操控架构、更高的可靠性以及无需通信的功用。Sreekanth和Babu[33]引进了带有EV聚合器的RES-based MGs的EM。所引进的混合策略被称为Coati Optimization Algorithm和Constitutive ANN（COA-CANN）技能。Ramesh和Balachander[34]开发了一种Light Spectrum Optimizer-Deep Attention Dilated Residual Convolutional Neural Network（LiSO-DADRCNN）技能，用于在考虑EV集成的情况下优化HyRES的容量配置。Tan等人[35]运用数据聚类和定制的self-organizing feature map神经网络提出了一种数据驱动的多面体不确定集。此外，还引进了一个无需迭代的分层结构，用于履行大规模集成EV的多个MGs的三层EM。
Sahu [36] 在多种动态场景中引进了一种运用分数阶含糊PS安稳器（FO-Fuzzy PSS）的操控策略。该技能被证明对频率安稳性最为有用，且advanced-Sine Cosine Algorithm（ad-SCA）被确定为调理其操控器增益的最佳办法。Alzahrani等[37]运用根据Non-Dominated Genetic Sorting Algorithm（NDGSA）的MOO来削减污染以及RES中的OC。Wang等[38]提出了一项结构，用于评价英国房顶PV体系装备能量存储体系（ESS）的出资潜力，归纳考虑了方针演化、地理位置、消费情况和本钱因素。该研讨还讨论了EV作为ESS替代计划的可能性，并运用优化手段完成收益最大化。
Yadav等人[39]提出了一种具有多个ESS（MESS）的HyRES，包含电池以及氢储能。运用HOMER，他们优化了根据HyRES的MG的规划，该规划包含WT、PV、FC、电解槽、HSS以及BES，以下降NPC和COE。Kapsali和Fidas[40]提出了一种MOO，经过下降动力本钱并最大化赢利，来进步带有PV和BESS的并网EVCS的功率。该办法在动态定价和碳强度约束下，优化了EVC调度、BESS运转以及电网交互。表1展现了现有研讨与主张运用的比照，标明PFOA-SDRN办法在完成更低本钱和排放的一起，提高了可再生动力的运用率。d 研讨空白与动机
关于装备BESS和EVC的HyRESs评价的现有文献标明，EM方面取得了显著进展，但在完成全面优化方面存在显着的研讨空白。诸如根据FLC的智能充放电办理结合ANN和PSO的办法着重安稳的能量提取，但在解决更广泛的方针（如最小化CO2排放和最大化社会福利）方面仍显缺乏。选用自适应下垂操控结合ANN和FLC的技能增强了可靠性和去中心化，但未能充沛优化OC或RE运用率。混合策略如COA-CANN和LiSO-DADRCNN在RE集成和体系选型方面展现出潜力，但缺乏对减排、本钱效益和社会福利等归纳方针的重视。先进操控器如运用ad-SCA、NDGSA等算法调优的FO-Fuzzy PSS能有用安稳体系频率，但未全面整合可再生动力运用或经济优化。选用改善的自组织特征映射和数据聚类的分层结构优先考虑结构优化，但未能充沛解决环境影响或OC最小化问题。这些发现凸显了需要采纳归纳办法来下降本钱、削减CO2排放并优化RE运用，以完成可继续的EVC。e Contribution
以下是本手稿主要奉献的总结。• PFOA-SDRN技能经过保证平衡的资源分配，提高了集成BESS和EVC的HyRES在技能和经济方面的功能。• PFOA调整能量分配参数，保证高效的资源运用并削减CO₂排放，一起最大化RES动力的运用。• SDRN能够高精度地猜测动力需求和供给，然后完成正确的决策拟定，并在动摇的动力需求下维持体系安稳性。• PFOA-SDRN的集成完成了下降OC、提高社会福利以及优化可再生资源运用，以完成可继续的EM。• 仿真成果证明了PFOA-SDRN技能在最小化CO₂排放方面以及在HyRES体系中完成可靠功能的才能。f 新颖性
这项工作的立异之处在于引进了PFOA-SDRN办法，用于优化集成BESS和EVC的HyRES的技能经济评价。该办法协同了SDRN的猜测才能与PFOA的优化优势。SDRN被用于准确猜测动力需求与供给，然后促进精准决策以维持体系安稳性；而PFOA则优化动力分配参数，以最大化资源运用率并最小化CO₂排放。这种组合办法下降了OC，提高了社会福利，并保证了RESs的有用运用，为HyRES体系可继续且高效的EM做出了奉献。
