一个基于徒步优化算法的电动车（EV）集成配电网多目标优化框架

电动车（EV）集成到配电网中引入了维持电网稳定、最小化运营成本和确保整体系统效率的重大挑战。为应对这些挑战，提出了一种新的多目标优化模型，该模型在24小时内同时最小化能源损失、能源采购成本、负荷削减和电压偏差，同时考虑与EV和电池管理相关的运营成本。该模型采用徒步优化算法（HOA）进行优化，该算法利用基于托布勒徒步函数的自适应搜索机制。该机制增强了对解空间的探索，有效避免了局部最优，从而相较于传统方法表现出更优的性能。在33个节点的配电网进行的仿真结果表明，随着EV的集成，运营成本减少了19.3%，能源损失下降了59.7%，负荷削减最小化了75.4%，电压偏差相对于未集成EV的情况改善了43.5%。此外，该模型消除了光伏（PV）限电，从而确保了可再生能源资源的最佳利用。在与其他优化技术基准比较中，HOA的总成本比科莫多Mlipir算法（KMA）低4.4%，相比粒子群优化（PSO）减少了24.5%的能源损失。这些结果清晰地表明了该模型在增强电网稳定性、优化成本和提高运营效率方面的有效性。所提出的方法为现代电网管理提供了一个可扩展且可靠的解决方案，适应不断增加的EV渗透率和可再生能源集成的背景。