随着环境问题的不断恶化,电动汽车因清洁环保而受到全世界广泛关注且逐渐普及到世界各地,但其无序的充电方式不仅会降低充电站内的能量利用率,还会对相关的配电网造成冲击。在低碳理念的大背景下,光储充一体化充电站不仅可以有效的解决这些问题,还可以为未来越来越多的电动汽车提供充电设施。但是,由于充电站内的充电负荷及光伏发电功率均具有明显的非平稳性,本文为了实现光储充一体化充电站内光伏发电最大程度的就地消纳,并减少电动汽车用户的无序充电对配电网的影响,需要提前4个小时预测充电站内的光伏发电功率,然后根据预测结果进而制定有序充电优化策略,引导用户有序充电。本文以河南省郑州市某高校的光储充一体化充电站为研究对象,提出了一种光储充一体化充电站充电优化策略。首先,建立了光伏发电功率预测模型。模型第一阶段采用VMD算法将原始功率序列分解为若干个不同的模态,并对其建立对应的LSTM网络模型进行预测,通过对各模态的预测结果求和得到初始预测功率;第二阶段采用LSTM网络对误差序列进行误差补偿预测,然后将初始预测功率和误差补偿预测功率求和得到最终的预测结果,在建立的两个LSTM网络中,使用模拟退火遗传算法对网络中的超参数权重和偏置值进行优化。通过仿真表明,该预测模型相对于SVM、LSTM、VMD-LSTM等其它预测模型具有更高的预测精度。然后,由第一部分的预测结果,提出了一种光储充一体化充电站的有序充电优化策略。该策略首先建立了有序充电功率模型,该模型将每个时段的充电价格差以及各个充电时段的峰-平-谷属性作为自变量,电动汽车充电功率作为因变量;然后,确定了基于模拟退火遗传算法优化的约束条件,即充电价格差、储能系统性能、电价成本以及配电容量等,求解出未来4个小时内每个时段的最优充电价格;最后,经过仿真验证表明,本文研究的光储充一体化充电站充电优化策略可以有效的提高充电站内的光伏发电利用率。最后,对光储充一体化充电站信息化管理平台进行了设计,其中包括平台的架构以及软件系统,为实现本文的充电优化策略在实际中的应用提供了基础。