导言
近年来，为了有用削减碳排放并完成绿色开展，具有清洁和简直零排放优势的电动汽车（Evs）得到了更多用户的喜爱与支持[[1], [2], [3], [4]]。现在，Evs的电池能量供应首要经过充电和换电完成，其间后者因其便捷性和快速性而受到EV客户和服务供给商的喜爱[5,6]。根据NIO换电体系截至2023年底的运营数据，累计用户换电次数已达3000万次，为用户供给的累计电力已达15.5亿度，日均供给换电服务超过6万次。但是，在换电方式下，现有的换电站（BSSs）严重依靠电网而非自产绿色动力进行供能，这添加了对电力网络的干扰。此外，它们缺少储能设备，下降了运转的灵敏性[7,8]。为了脱节这些困扰，光伏换电-充电-储能站（PBSCSS）的建设得到了推行。在我国，国务院办公厅在2023年6月19日的《关于进一步完善高质量充电基础设施体系的指导意见》中指出，应努力推进光储充换一体化站点的试点演示工作。
PBSCSS集发电、储能和换电功用于一体，可作为大规模储能体系和备用电源。特别是，与仅依靠调整用户换电需求来完成储能功用的一般BSS不同[[2], [3], [4],9,10]，因为其结构丰富，PBSCSS还能够经过优化内部储能、电池充放电及换电战略，并结合用户的需求呼应[[11], [12], [13]]，更灵敏地完成储能功用。这处理了归纳动力体系中对储能的紧迫需求。关于归纳动力体系而言，因为其不可或缺的能量调理功用[14,15]，储能至关重要。但是，迄今为止，高昂的制造和维护本钱约束了高功能储能设备的大规模使用[16,17]。PBSCSS为归纳动力体系中的储能供给了一条经济且灵敏的优化途径。装备PBSCSS的归纳动力体系已成为动力使用的新场景。
但是，在集成之后，一个重要的特征是引入了PBSCSS中固有的电池模块。该模块办理多个电池，而且需求合理且有用地调度电池的活动[18]。作为集成体系的新组成部分，其调度面临着巨大的应战。一方面，作为电池活动的核心设备载体，它操控替换电池从低电量到满电量的转化[19,20]，因而需求进行合理的调度以满意用户的换电需求，这是PBSCSS的首要使命。另一方面，PBSCSS的储能功率依靠于其内部组件（包含电池模块的调度）的协同运转。因而，电池模块的调度也需求遵守整个体系的指令以完成大局利益。显然，这两项使命之间存在杂乱的耦合联系。但是，这两项使命之间的平衡在研讨中一直被忽视[21,22]。这导致集成体系的调度不合理，从而造成资源糟蹋并添加本钱。因而，怎么根据PBSCSS中的耦合联系完成集成体系的大局优化是一个值得咱们重视的关键问题。
此外，在归纳体系中，可再生动力发电不可避免地表现出随机性和波动性[[23], [24], [25]]，这给安全经济运转带来了应战[[26], [27], [28], [29], [30]]。现在，energy system的调度首要会集在多时刻标准研讨上[[31], [32], [33]]，日前阶段的成果为多个时刻标准供给了参考。但值得注意的是，在拟定energy system的最优运转战略过程中，因为可再生动力存在巨大的不确认性，日前调度本身具有很强的波动性[34,35]。为了应对不确认性对日前阶段调度的影响，一般触及stochastic optimization和robust optimization办法。比较之下，robust optimization使用区间来描述不确认性，对随机变量概率散布的信息需求比stochastic optimization更少。但是，在当前的多时刻标准框架下，当在日前阶段使用robust技能时，往往会呈现过于保存或核算杂乱度较高的状况，这不利于优化过程和实践使用。因而，为了更好地处理不确认性，怎么将robust optimization办法使用于多时刻标准和谐调度是关键所在。
近年来，multi-energy system已成为一个关键的研讨范畴，因为它们使用不同动力方式的互补性来提高功率并削减碳排放[36,37]。它呈现在多种使用场景中[32,33,38,39]，如农村地区、社区、工业园区等。但是，multi-energy system中可再生动力的波动性给确保动力供应稳定性带来了应战[14,15]。因而，储能技能成为动力供应过程中重要的稳定因素，也是multi-energy system不可或缺的组成部分[40,41]。multi-energy system中的储能触及多种动力方式，如电力、热能和天然气[[42], [43], [44], [45]]。值得注意的是，因为可再生动力的开展和对电力的巨大需求，电力储能仍然是重中之重。例如，Liang等人改进了传统抽水蓄能模型（CPSM）的缺乏之处，并将工况切换损耗纳入模型考虑，建立了一个高保真储能模型[46]。Gabrielli等人使用氢储能技能来抵消动力生产与消费之间的不匹配[47]。Shen等人使用multi-energy system中的电池储能来提高体系的可靠性、经济性和运转灵敏性[48]。但是，电池和氢储能的高昂价格[17]，以及有限的地舆条件……
近年来，绿色交通开展迅速[50,51]，充电站和电池交流站等多样化的基础设施相继呈现[18,52]。考虑到此类设施能够经过调整车辆调度计划发挥储能功用，多动力体系与这类基础设施的集成也随之呈现[53,54]。Yan J提出了一种根据BSS的智能社区动力体系的实时能量办理战略，使用VREs为Evs电池和惯例住宅负荷供电[55]。Shen Z经过归纳考虑实时电价、电力和热需求以及EVs行为的不确认性，将EVs电池用作储能调理器，以下降多动力体系中的时刻平均运转本钱[56]。根据这些使用，PBSCSS也能够作为一种可行的储能途径，并参加多动力体系的能量调理。此外，值得注意的是，PBSCSS中存在杂乱的电池模块，电池模块与供能及储能体系的和谐调度为PBSCSS在多动力体系中的储能功率供给了许多潜力。一起，在电池模块内部，从用户处替换下来的电池需求进行恰当的内部调度，使其成为充满电的电池，以便继续为其他用户供给电池交流服务[[18], [19], [20]]。这些使命使得PB内部存在耦合联系。
此外，在包含可再生动力的体系中，有必要考虑可再生动力的不稳定输出[57]。现在，经济本钱对动力体系的影响首要会集在多时刻标准研讨[[27], [28], [29], [30],58]，这能够有用使用负荷侧资源呼应特性，从而增强体系调理才干并促进可再生动力消纳。例如，Li等提出了一种新式两阶段能量办理战略，以最小化混合AC/DC MG的运转本钱[[42], [43], [44]]。日前调度阶段确认散布式发电机（DGs）用于一次和二次调频的最优功率预留，而日内调度阶段根据实时更新的猜测信息调整日前功率预留计划。Chen等提出了一种开创性的多时刻标准可继续调度模型，并考虑了高能耗负荷与储能在风电消纳中的协同参加[59]。针对不同调度周期中碳排放本钱带来的应战，Zhu等提出了一种新的碳约束机制，并将其引入多时刻标准调度优化中，建立了IES多时刻标准低碳最优调度模型[60]。Ma等开发了一个归纳体系的多时刻标准动态呼应模型，该模型在电气侧与毫秒级耦合，而在千秒级...
此外，在拟定动力体系最优运转战略的过程中，因为可再生动力存在巨大的不确认性，日前调度战略在实践执行时一般会呈现误差。怎么处理不确认性对调度战略的影响是一个有必要处理的问题[34,35]，这一般触及随机规划和鲁棒随机理论[62]。随机优化是应对可再生动力不确认性的一种通用计划。该办法根据不确认参数的PDFs生成若干具有相应概率的情形，并模仿这些不确认性的或许使用状况[[63], [64], [65]]。在考虑散布的基础上，相关学者进行了更深化的探讨。Ahmadi等人提出了一种根据渐进对冲算法的新式去中心化双层随机优化办法，用于多能微电网（MEMGs）中的多智能体体系（MAS），以增强网络灵敏性[66]。Zhong等人经过情形树建模的随机过程捕捉了天然水流入量以及风/太阳能发电功率的不确认性，并为梯级水电体系（CHS）的中期归纳发电与检修计划开发了一种多阶段随机优化（MSO）办法[67,68]。Kim提出了一种两阶段随机p-鲁棒最优能量交易办理办法用于微电网，包含...
鲁棒优化旨在完成鲁棒解，即在不确认性调集界说的所有或许场景下均满意约束条件，且最坏场景下的方针值也是最优的[71]。Ju等人规划了一种根据农村生物质废弃物动力转化体系（BWs）的微型动力网（BWs-MEG），并使用鲁棒优化理论表征风电场（WPP）和光伏发电（PV）的不确认性，构建了以最小误差本钱为方针的翻滚调度优化模型[34,35]。Zeng等人提出了一种双层鲁棒规划模型，用于处理氢能体系的合理装备问题，考虑了在风电渗透率不断提高的归纳电-热-氢动力体系（IEHHES）中风电不确认性的影响[72]。Li等人描述了一种改进配电网调度的技能，经过使用散布式储能体系的四象限功率输出，来处理因很多散布式电源接入配电网而导致的电压误差和电网损耗问题[73]。虽然这种静态鲁棒办法核算简便、处理简略，但实践上其决议计划缺少反馈机制，也就是说没有调整或弥补的过程，因而其最优计划往往过于保存[[2], [3], [4]]。考虑到过于保存的缺点以及……的存在
两阶段鲁棒优化作为单阶段静态鲁棒技能的扩展，其特点是跟着时刻的推移，不确认性会逐步显现，因而运转人员能够根据不确认性的完成状况做出一系列决议计划调整[67,68]。在两阶段鲁棒优化中，部分决议计划变量需求在不确认性之后才干确认[77]。虽然其建模比单阶段RO更杂乱，但因为动态RO的决议计划机制愈加灵敏，其保存性一般低于静态RO[78]。此外，两阶段鲁棒技能比其他改进技能更容易处理，而且存在有用的算法[79]。上述优势招引了越来越多的重视，因而该办法已被使用于电力体系中的各种调度问题。但是，现在关于多时刻标准的研讨在日前阶段一般较少触及使用两阶段鲁棒技能处理不确认性，而是侧重于使用其他鲁棒技能[34,35,80]。这为咱们供给了进一步的研讨空间。
综上所述，咱们发现了现有文献中的两个首要缺乏。首先，作为一种新式储能途径，PBSCSS在接入归纳动力体系时，其内部的电池模块既需求满意用户的换电需求，又需求接收来自归纳体系的调度指令。这种耦合联系在现在的归纳动力体系中没有得到广泛考虑。此外，在现有的多时刻标准动力体系调度研讨中，针对可再生动力不确认性的鲁棒技能过于保存或核算难度过大，疏忽了具有可调理性、鲁棒性和高效求解才干的二阶段鲁棒技能的使用。因而，关于怎么构建一个全面且合理的调度模型，以处理将PBSCSS作为经济型储能途径使用于归纳动力体系的问题，仍然存在常识空白。
为了填补常识空白，本文提出了一种考虑PBSCSS调度的先进多动力体系多时刻标准鲁棒优化办法。与现有文献比较，本文的首要奉献如下：（1）规划了一种集成PBSCSS的新式多动力体系结构，该结构根据散布式动力、多能互补技能和需求呼应等。集成后，PBSCSS内部的电池模块既需求经过本身的合理调度满意用户的换电需求，又要接收来自集成体系的调度指令，这添加了施行难度。为处理这一问题，在集成多动力体系的调度中首次考虑了这种耦合联系。（2）针对可再生动力的不确认性和波动性，建立了包含PBSCSS的多动力体系多时刻标准归纳调度优化模型。在日前阶段，引入两阶段鲁棒技能以精确表征可再生动力的不确认性，避免过于保存的成果和杂乱的核算。一起结合翻滚优化和实时调整技能来优化短时刻标准，增强了模型的鲁棒性和实时功能。经过协同优化完成了最优功能。
