随着电动汽车保有量的增长,电动汽车的充电负荷会对电网造成一定的影响,含光伏电源的电动汽车充电站不但可以改善这一问题,而且有利于节能减排,但光伏充电站内电动汽车的充电功率和光伏电源的发电功率均有较强的随机性和波动性,站内电动汽车的无序充电会造成光伏发电的浪费并且会对配电网造成一定的影响。为了实现光伏充电站内光伏发电的就地消纳、减少电动汽车无序充电负荷对的电网的影响,需要提前一天对站内的光伏发电功率进行预测,并根据预测的结果引导用户有序充电。本文以河南豫北地区某高校待建的光伏充电站为研究对象,提出了含光伏电源的电动汽车充电站充电优化策略。首先,提出了两种光伏发电功率组合预测模型。分别构建以线性核函数、多项式核函数、高斯径向基核函数为核函数的支持向量机预测模型作为组合预测模型中的单项模型,再分别利用BP神经网络和深度信念网络对三种单项模型的预测结果进行组合优化输出,并进行了算例仿真验证,结果表明,基于支持向量机和深度信念网络的光伏发电功率组合预测模型的平均绝对误差百分比最高为15.50%,相较于其它预测模型具有更高的预测精度,因此选择该模型对光伏充电站内的光伏发电功率进行预测。其次,根据光伏发电功率的预测结果,提出了有序充电优化策略。以各时段充电价格差和各充电时段的峰谷平属性为自变量,电动汽车充电功率为因变量,建立了有序充电功率模型。以有序充电功率能够有效的跟踪光伏发电的预测功率为目标,以充电价格、配电容量、充电价格差等条件为约束,采用遗传算法对次日各时段的最优充电价格差和时段属性进行了求解,然后计算出次日各时段的最优充电价格。并进行了算例仿真验证,结果表明,通过该策略能使光伏充电站内光伏发电的消纳率达到99%。最后,为了将本文方法应用于实际中,设计了光伏充电站信息化管理平台,将本文所提的相关方法嵌入到平台中,并对平台的构架及软件系统的功能进行了设计。通过本文的充电优化策略,为河南豫北地区某高校待建的光伏充电站及同类型的光伏充电站将来的运营模式提供了参考。