无人光伏充电站的建设既能达到节能减排的目的,又能解决能源危机问题,同时还可以满足当前对电动汽车充电桩的日益需求。为保证无人光伏充电站的正常运行,一个科学合理的维修人员调度系统必不可少。当前关于无人光伏充电站的研究主要偏重于对充电站设备运行数据的采集、对设备故障的实时监控以及对设备的智能管理,而对维修人员的调度问题研究较少。有鉴于此,本文针对无人光伏充电站维修人员的调度问题开展了深入研究,通过改进粒子群优化算法以及神经网络算法,建立了有关维修人员调度的数学模型,并举例进行了仿真,验证了维修人员调度模型的准确性和高效性。本文主要完成工作如下:1.提出了一种多项式递减惯性权重的粒子群优化算法(PIW-PSO),并与标准粒子群优化算法(PSO)、线性递减惯性权重粒子群优化算法(LDIW-PSO)和指数递减惯性权重粒子群优化算法(EIW-PSO)就对6个典型测试函数的测试情况进行了对比分析,证明了该算法的优越性。2.完成了无人光伏充电站已知故障类型的分析和归类,以无人光伏充电站为研究对象,对维修任务及维修人员的属性进行了分析管理,并基于神经网络算法建立了设备维修时间的预测模型,完成了对设备维修时间的预测。3.完成了遍历无人光伏充电站的最短路径问题研究,并以维修人员最小花费时间为目标函数,建立了关于维修人员调度的数学模型,实现了对维修人员快速、准确的调度。4.利用Visual Basic 6.0平台建立了无人光伏充电站维修人员调度系统,实现了对维修人员信息的存储和处理,并将相关算法模型嵌入其中,实现了对维修人员的调度及管理。经验证,本文建立的维修人员调度模型可快速、准确地完成维修人员调度,设计的无人光伏充电站维修人员调度系统能够对维修人员进行有效的调度和管理,达到了预期的设计要求。