如 图1 所示，低压380 V直接供电方案直接从变电站的低压配电柜获取380 V电压，通过低压电线传输到各个负载点，无需进行电压转换，因此系统结构简单，维护成本较低。这种供电方式经济实惠，适合供电需求相对较小、距离较近的区域，如高速公路沿线的服务区、小型工厂等。

然而，低压380 V直接供电的局限性在于供电距离有限，一般不超过2公里，这意味着它可能无法满足远距离区域的电力需求。此外，虽然耐压等级要求较低，但长期使用仍需确保电缆和供电设施的正常维护，以防止因老化或故障导致的供电问题。

综上所述，低压380 V直接供电方案在成本效益和便捷性上具有优势，但在供电范围和容量上有所限制。选择哪种供电方案，需要根据实际的用电需求、预算和地理位置来综合考虑 [8] 。

如 图2 所示，高压10 kV间接供电方案是一种常见的工业电力供应方式。它通过变电站的高压柜，将电能提升至10 Kv (部分情况下为3 kV)，然后通过高压电缆传输到负荷中心。这种方案的优势在于供电距离远，供电能力强大。

然而，这种间接供电方式也存在一些特点。首先，由于涉及到电压等级的转换，系统设计和维护相对复杂，需要专业的电气知识和设备。其次，高压电缆和供电设备的耐压等级要求较高，以确保电力传输过程中的安全。此外，如果发生故障，故障排查和修复可能需要更多的时间和资源。

总的来说，高压10 kV间接供电方案在提供高效电力的同时，也带来了更高的初期投资和运营成本，故经济性低于低压直接供电方案 [9] 。

如 图3 所示，660 V的升降压供电方案是一种适用于中等规模的工业供电方式。它首先通过低压配电柜将380 V电能升压至660 V，然后通过电缆传输到负荷中心，再在负荷端降压至380 V供用户使用。这种方案的优势在于供电能力较强，供电距离适中，可以满足一些中等规模的供电需求。

然而，这种方案的经济性介于高压和低压之间，设备成本和维护成本相对较高。同时，由于涉及到电压的升压和降压，供电质量受线路负荷动态变化的影响较大。在长距离或负载分散的场景下，线路压降可能导致末端电压不稳定，影响设备的正常运行和用户体验。因此，对于对供电质量要求高的应用，如精密设备或电子设备，可能需要额外的电压稳定措施。

总的来说，660 V的升降压供电方案在一定程度上平衡了供电距离、能力与经济性，但对供电质量的控制和稳定性管理要求较高。在实际选择时，需要根据具体的应用需求、设备敏感度和预算来权衡 [8] 。

风光互补发电系统是一种创新的可再生能源解决方案，它整合了风能和太阳能的利用。核心组成部分包括风力发电机、太阳能光伏电池板、智能控制器、电池储能系统、逆变器，以及连接交流和直流负载的设备。如 图4 所示，这套系统巧妙地结合了风能和太阳能的发电优势，旨在提供稳定且环保的电力供应。简化来说，它就是利用风和阳光交替发电，以确保能源的持续供应。

然而，风光互补发电系统的应用范围相对有限，它主要适用于风速稳定且太阳能资源丰富的地区。具体来说，它要求年平均风速至少达到3.5米/秒，且年度太阳能辐射总量大于5000兆焦耳/平方米。这意味着在风力和日照条件较差的地方，这种系统可能无法达到最佳性能或经济效益。

总结起来，风光互补发电系统是一种高效且环保的电力来源，但在实际部署时需要考虑当地的气候条件和资源状况。它在适宜的环境下能提供可靠的电力供应，但对地理环境有一定的要求 [10] 。

如 图5 所示，分布式智慧节能供电方案采用三相380 V输入，利用IGBT等大功率逆变技术，将电能转换为单相220 V输出。这种技术允许电力从上端电源柜通过电缆传输到较远的用电点，传输距离可达4至30公里，具有较大的覆盖范围。由于是单相供电，无需担心三相负载的平衡问题，简化了系统设计。

然而，这种供电方式并不适用于所有场景。它特别适合供电距离较长且需求分散的区域，如工业区、商业园区或住宅区，但不适用于距离较短且设备布局呈放射状的场合，因为这可能导致电缆和设备的密集部署，可能增加成本和维护复杂性。此外，对于短距离的设备，可能需要考虑其他更直接、高效的供电方式。

总的来说，分布式智慧节能供电方案在远程、分散的电力需求中表现出色，但在设计和选择时，需要根据具体的应用场景和设备布局来权衡其适用性和效率 [11] 。

综上所述，目前传统的高速公路供电方案各有优缺点， 表1 列出了各种供电方案的优劣势。

据高速公路的用电特性以及光伏发电特性，市电 + 太阳能光伏分布式供电的组合方案如 图6 所示。每间隔100 km左右，在道路两旁安装太阳能光伏发电板以及蓄电池。每100 km预计可开发的光伏规模约为50 MW，在白天日照充分时，太阳能光伏直接给高速公路供电系统供电，同时剩余发电量给蓄电池充电；当阴天或者持续阴雨天时，光伏发电量不足于供给高速公路的用电时，由三电源切换器将光伏直接供电切换到蓄电池供电，由蓄电池给高速公路机电设备进行供电；在蓄电池电量不足情况下，由三电源切换器将蓄电池供电切换到公共市电，由市电对高速公路的用电设备进行供电。此供电方案即保证了高速公路供电的可靠性，且促进了新能源的消纳，实现了高速公路的减碳。

如 图6 所示，市电 + 太阳能供电系统主要包括光伏电源、储能电池及变流器设备，为保证其性价比，需要综合考虑经济效益和环境效益。一方面要降低建设成本和运行成本；另一方面，要尽可能的提高光伏发电占供电的能力比例。其系统配置属于多目标寻优问题，需要建立目标函数和相应的约束函数求解获得。

基于引入光伏的高速公路供电系统结构，建立各单元成本的数学模型和容量优化配置的目标函数。

在满足高速公路各级负荷用电需求的情况下，设计优化目标如下：系统总投资、运行成本最小；光伏发电的利用电量占总电量的比例(The Percentage of the Utilized PV energy, PUPT)最大。目标函数如式(1)所示。

$\{\begin{array}{c}\min C_{\sum =}\min \left(C_{PV}+C_B+C_{C\_PV}+C_{C\_BA}+C_{C\_G}+C_G\right)\\ \max PUPT=\max \frac{{{\displaystyle \int }}_0^{8760}(P_{PS}\left(t\right)-P_G\left(t\right))dt}{{{\displaystyle \int }}_0^{8760}{P}_{EV}\left(t\right)dt}\times 100\%\end{array}$ (1)

式中， $C_{\sum }$为系统总成本； $C_{PV},C_B,C_{C\_PV},C_{C\_BA},C_{C\_G},C_G$分别为光伏电池总成本、储能电池总成本、光伏变流模块总成本、储能变流模块总成本、并网变流模块总成本及从市电的购电费用。 $P_{PS}\left(t\right),P_G\left(t\right)$为t时刻高速公路的总消耗功率以及从电网吸收的功率。

对某一段高速公路来说，高速公路的用电需求和年日照规律是一定的。因此，光伏供电系统的决策变量为：光伏组件倾角θ、储能电池数量N_B、储能变流模块数量N_{C_BA}，约束条件如下：

$\{\begin{array}{l}0\le \theta \le 90˚\\ 0\le N_{PV}<N_{PV.\max }\\ 0\le N_{C\underset{\_}{}BA}<N_{C\underset{\_}{}BA.\max }\end{array}$ (2)

式中， $N_{PV.\max }$、 $N_{C\underset{\_}{}BA.\max }$由实际情况确定，储能电池及相关DC/DC模块数量需根据充电需求划定合理的上下限，以减小最优解的搜索空间。

优化模型的求解需要计算光伏充电站的系统投资、运行成本和光伏发电利用率。以建站成本、光伏发电利用率为优化目标，对组成光伏充电站的各单元进行容量优化配置，具有多目标、非线性、多约束的特点，所以带精英策略的快速非支配排序遗传算法(NSGA-II)算法予以求解。

1) 设定种群数量Np、终止迭代次数C、交叉率与交叉算子参数、变异率与变算子参数，设置决策变量的上下限值。

2) 种群初始化

根据步骤1)中设定的各项初始值，在决策变量的设定范围内随机生成Np个解，形成初始种群。

3) 快速非支配排序

(a)计算种群Pi中个体i ( $i=1,2,\cdots ,Np$)的参数ni (支配个体i的个体数)和Si (被个体i支配的个体集合)；

(b) 找出ni = 0的个体，保存于集合F1中；

(c) 对F1中的每个个体i，遍历其所支配的个体集合Si中的每个个体j，执行nj = nj − 1，若nj = 0，保存个体j于集合H中；

(d) 记F1中得到的个体为第一个非支配层的个体，以H为当前集合，重复上述操作，对整个种群进行分层。

4) 计算虚拟适应度(dummy fitness)

为保持个体多样性，防止个体在局部堆积，需要计算个体的拥挤距离。个体i的拥挤距离定义为二维欧式空间距离，该计算方法可使个体在目标空间较均匀地分布。

选择

5) 经过上述操作后，个体i有两个属性，即非支配排序Ranki和拥挤距离dj。采用轮赛制选择算子，即随机选择2个个体i和j，当Ranki < Rankj或Ranki > Rankj或di > dj时，认为个体i优于个体j。

6) 交叉和变异

采用SBX (simulated binary crossover)交叉算子和正态变异算子进行计算，二者相互配合可使遗传算法具有良好的全局和局部搜索性能，形成子代种群Qt。

7) 精英策略

(a) 将父代种群Pt和子代种群Qt合并为统一种群， $Rt=Pt\cup Qt$；

(b) 对Rt进行快速非支配排序，计算每一个个体的局部拥挤距离，按等级高低逐一选取，直至数量达到Np，形成新父代种群Pt + 1；

8) 重复3)~7)直到满足迭代终止条件，得到多目标优化问题的Pareto最优解集。