基于利润可预测 MILP 的含储能系统电动汽车快充在线调度

针对电网容量受限下 EV 与储能系统（ESS）充放电协调难题，该研究提出一种在线优化算法，用精心设计的 MILP 模拟神经网络来预测未来利润以辅助功率分配决策。算法同时考虑 EV 最大充电功率随电量接近满充而下降、到达与离开时间未知、等待行为不可预测及 TOU 电价波动等不确定性。基于生成的最优充电数据仿真显示，该方法较现有基线方法性能提升最高达 50%。