本研究由Chuandang Zhao、Zhuoqian Yang和通讯作者Ke Han共同完成，三位作者均来自西南交通大学交通运输与物流学院。该研究成果于2026年6月13日在线发表在国际学术期刊《Energy》（第360卷，文章编号141609），标题为“Comparative optimization of replenishment modes for electric freight depots with on-site solar power”（电动货运车场补能模式与现场太阳能发电的比较优化）。
道路运输约占交通领域碳排放的75%，而货运车辆和公交车虽然仅占全球车辆保有量的8%，却贡献了约35%的道路运输排放。因此，货运车辆电动化成为交通脱碳的重要路径。然而，与乘用车相比，电动货运卡车在车辆采购和充电基础设施方面需要更高的前期投资，且其大容量、集中式的充电需求可能对车场级配电网给造成巨大压力，甚至引发昂贵且耗时的电网升级工程。
在此背景下，现场可再生能源发电为减少排放和降低车场净电力需求提供了有前景的解决方案。然而，电动卡车通常具有高能量需求、严格配送时间表和有限的车场停留时间，因此补能延迟会直接影响车辆利用率和车队规模。目前，业界主要存在三种补能模式：电池更换（Battery Swapping）、快速充电（Fast Charging） 和车网互动（Vehicle-to-Grid, V2G）。电池更换能够实现快速补能并提高卡车利用率，但需要大量电池库存和高额前期投资；快速充电可在短暂休息期间补充能量，但可能对本地电网造成巨大的峰值负荷；V2G则允许车辆在闲置期间向电网放电以获取收益，但其经济可行性及与其他模式的系统比较仍不清楚。现有研究多孤立地优化充电或换电，忽视了车队电池的放电潜力，并缺乏在车场级能源系统约束下的模式比较。
基于此，本研究旨在开发一个集成优化框架，用于比较货运车场在配备现场太阳能发电（Photovoltaic, PV）和固定电池储能（Battery Energy Storage, BES）条件下的电池更换、快速充电和V2G三种补能模式，通过协同优化车场能源基础设施和运输-能源调度，为车场运营商和政策制定者提供关于基础设施规划和运营决策的实用见解。
本研究建立了一个包含规划与运行两阶段的协同优化模型。规划阶段决策包括电动卡车数量、太阳能光伏装机容量、固定电池储能容量以及特定模式的补能设施数量。运行阶段则协调时间耦合的电力流，包括太阳能利用、电池充放电、电网购售电以及模式特定的补能操作。模型的目标函数是最小化总年化成本，包括投资成本和不同情景下的预期运营成本。
研究考虑了三种不确定性来源：太阳能发电出力和货运行程时长。为此，研究将太阳能出力状态（高、中、低）与交通时长状态（快速、适中、拥堵）相结合，生成了九个代表性情景，每个情景的概率由各自边际权重相乘得出。
为在不同模式间进行公平比较，模型设置了一系列通用约束（Common Constraints）。在规划层面，卡车数量、充电桩数量、光伏和储能容量均受车场实际空间和并网容量限制。太阳能出力通过基于容量因子的模型估算。固定电池储能的运行受限于其荷电状态（State of Charge, SOC）动态、充放电功率上限以及充放电互斥约束。电网交互约束则限制了购售电的最大功率并保证二者互斥。运输约束确保在变化的交通条件下，所有货运任务得到满足，并描述了卡车离开、返回和在外运行数量之间的动态平衡。
在此通用框架下，研究分别建立了三种补能模式的特定约束（Mode-specific Constraints）： 1. 电池更换模式（SW）：该模式的核心是备用电池库存的能量动态。模型通过变量追踪备用电池组和现场车辆的总能量水平，并约束更换电池的卡车数量不超过停车场的可用卡车数量。其功率平衡中，光伏和电网购电用于备用电池充电和向电网售电。 2. 快速充电模式（FC）：此模式下，卡车直接通过充电桩补能。模型的能量平衡方程描述了现场车队总能量随充电、出发和返回的变化。关键约束在于，正在充电的卡车数量不能超过快速充电桩数量和可用卡车数量，且总充电功率受限于充电设施的最大功率。功率平衡涉及光伏、购电和储能放电与充电负荷之间的平衡。 3. 车网互动模式（V2G）：该模式最为复杂，在能量平衡中同时纳入了充电和放电双向功率流。模型禁止同时间段内同时进行充放电，并约束进行充放电的车辆总数不超过V2G充电桩数量和现场可用车辆数。此外，充放电车辆的上限还受车队总能量和最小SOC的约束。功率平衡方程涉及光伏、购电、储能和车辆放电与储能充电、车辆充电之间的平衡。
研究以成都某建筑垃圾运输车队为例进行案例研究，该车场占地16000平方米，提供164个停车位，每日需完成2400吨的运输任务。所有模型均在Python中实现，并使用Gurobi优化求解器求解，混合整数规划（MIP）间隙设为0.05%。
在基线情景（Baseline）下，优化结果表明： * 总成本与车队规模：车网互动（V2G）模式实现了最低的总年化成本（2171万元人民币），比电池更换模式低7.9%，比快速充电模式低8.6%。然而，电池更换（SW）模式实现了最高的车辆利用率，所需车队规模最小（69辆），比快速充电（85辆）少18.8%。V2G需要最多的卡车（93辆），因为车辆在满足运输需求的同时还需作为移动储能提供灵活性。 * 基础设施投资：所有模式均将光伏装机容量选为最大值（1.5兆瓦），表明太阳能投资具有普遍的经济吸引力。但受限于车场实际空间，太阳能发电仅能贡献卡车充电能量的2%至11%。没有任何模式选择投资固定式电池储能，这表明在当前成本和电价条件下，其对于货运车场仍不具经济吸引力。 * 运营调度分析：在电池更换模式下，充电活动主要集中在电价低谷的凌晨和傍晚；在快速充电模式下，充电负荷时间分布更分散，但经常触及电网连接容量上限，对配电网造成显著压力；V2G模式下，停放的车辆在电价高峰时段（如9:00-11:00和17:00-20:00）作为分布式储能单元向电网放电，通过电价套利获取收益，其成本优势主要源于将车辆电池的灵活性转化为出口收入。
研究进一步通过多项扩展分析验证了模型的适用性和结果的稳健性： * 高光伏渗透率情景：若允许车场充分开发周边土地用于光伏，且根据“绿电直连”政策要求就地消纳大部分光伏电力，则太阳能可满足更多充电需求，V2G模式中卡车作为移动储能的价值因此降低，其最优车队规模从93辆降至85辆，与快充模式持平。 * 货运需求波动：在需求不确定的鲁棒优化中，所有模式的总成本均大幅增加，其中快速充电模式的资本支出增幅最大，表明其为应对需求波动更依赖增加设备容量。而V2G模式下的运营成本比快充低约14%，显示出车辆电池的缓冲价值。 * 内生化服务需求：当车场可根据利润最大化原则决定服务货运量时，车场会满额购买车辆和光伏容量，且快速充电和V2G模式开始投资储能以套利。此时，电池更换模式在长行驶时长下能维持更高服务水平，展现出更强的运营韧性。 * V2G电池衰减成本：随着电池衰减成本增加，V2G的放电量和出口收入减少，总成本上升并趋近于快充模式。当衰减成本达到约0.2元/千瓦时，投资双向充电设施的经济优势消失。
本研究的核心科学价值在于首次为货运车场构建了一个系统性的比较优化框架，该框架通过共享通用约束和差异化特定机制，能够一致地评估电池更换、快速充电和V2G三种补能模式的经济性和运营特征，填补了该领域的空白。方法论上的创新在于将车场能源基础设施规划与车队运输-能源调度进行协同优化，并以聚合的能量流模型刻画车辆与车场间的互动，有效平衡了模型精度与计算复杂性。
研究得出的重要观点包括：V2G虽需更多车辆但可通过电价套利实现最低系统成本；现场光伏投资普遍具有吸引力但其供电贡献有限；固定储能经济性仍不成熟；货运需求波动会带来显著的成本溢价；高光伏渗透率会削弱车辆移动储能的价值；电池衰减成本是V2G模式是否经济的关键阈值。
在应用价值层面，本研究的发现为货运车场运营商根据不同运输任务和电网条件选择补能模式、配置能源资产提供了直接决策支持；同时，也为政策制定者在设计分布式储能激励政策、V2G市场参与机制以及电网连接标准时提供了量化依据。研究也指出了未来方向，包括从聚合模型扩展到个体车辆优化、考虑多车场网络规划以及将V2G参与辅助服务市场的机制纳入模型。