一種孤島混合可再生能源系統的多目標組合優化配置方法
【技術領域】
[0001] 本發明涉及一種孤島混合可再生能源系統的多目標組合優化配置方法，具體而言 是考慮能源系統中的各單元的類型和數量的配置，最優化系統的各個目標，屬于計算機領 域。
【背景技術】
[0002] 能源問題始終伴隨著人類文明發展的整個進程，特別是進入21世紀后，工業經濟 的急速發展對能源需求提出了更高的要求。然而煤、石油之類的化石能源日益枯竭，并且使 用化石燃料帶來的環境問題日益凸顯，能源安全和環境污染已經成為當前世界各國面臨的 巨大挑戰。為了應對能源和環境的雙重危機，大力發展和利用可再生能源，如太陽能、風能 等，成為當務之急。
[0003]混合可再生能源系統（Hybrid Renewable Energy Systems,HRES)顧名思義，是一 種混合使用化石能源和可再生能源的系統。具體而言是包括風力發電、光伏發電、柴油發電 以及儲能裝置的能源系統。孤島混合可再生能源系統指HRES沒有接入系統電網。孤島混合 可再生能源系統通常用于海島之類的偏遠地區。用戶相對較少，用電量需求較低，引入大電 網比較困難且經濟成本較高。
[0004] 孤島混合可再生能源系統規劃需要解決的問題是：如何合理配置風力機、光伏板、 柴油機以及儲能設備以使得整個能源系統滿足區域用能需求，同時經濟成本最低、對環境 危害最小。
[0005] 目前關于孤島混合可再生能源系統的組合優化配置研究主要集中于單目標的優 化模型，如在滿足供需平衡下，最小化HRES全壽命周期成本或最小化HRES的溫室氣體排放 量等。然而，從實際角度出發，HRES的組合優化配置需要同時考慮全壽命周期成本、溫室氣 體排放量等評估指標，是一個多目標優化問題。同時，HRES的組合優化配置中涉及到風光柴 儲設備的選擇，柴油使用量等變量的規劃，是一個多類型變量的（連續、離散變量)優化問 題。此外，HRES組合優化配置還需滿足供需平衡約束。綜上所述，HRES的組合優化配置是一 個多變量、多目標、帶約束的復雜優化問題，目前關于HRES優化配置的相關研究(包括模型 及求解算法)遠不能滿足實際需求。
[0006] 所述的多目標優化問題是指：同時對多個目標進行優化，由于各個目標之間通常 是耦合在一起且互相制約、互相競爭，即某個目標的改善可能引起其他目標性能的降低，很 難找到一個真正意義上的最優解使得各個目標同時達到最優，因此多目標優化問題的最優 解通常不是單一的，而是一組多個互有利弊的非支配解，是一個非劣解的集合，即帕累托 (Pareto)最優解集。求解多目標優化問題的核心是找到一組分布均勾的Pareto最優解。
[0007] 所述的智能多目標優化算法是指:傳統的處理多目標優化問題的方法，如加權法、 約束法、目標規劃法等，通過構建一個評價函數，將多目標問題轉化為單目標優化問題，然 后利用一般的求解方法計算得到問題的一個解。智能多目標優化算法是通過模擬某些自然 過程發展而來的基于種群的優化算法，其思想和內容涉及數學、生物學和計算機學科等。該 類算法不依賴于梯度信息，一次運行能夠找到一組Pareto最優解，具有全局、并行、高效、魯 棒和通用性強等特點。是求解復雜非線性多目標優化問題的有效方法。
【發明內容】
[0008] 本發明要解決的技術問題是如何合理配置風力機、光伏板、柴油機以及儲能設備 以使得整個孤島混合可再生能源系統滿足區域用能需求，且經濟成本最低、環境危害最小。
[0009] 為解決該問題，本發明所采取的技術方案是:建立HRES的組合優化配置模型，利用 智能多目標優化算法求解，得到一組分布均勾的Pareto最優解，從這組Pareto最優解中，選 擇一個作為最終配置方案來對HRES進行配置。
[0010]步驟1:以HRES全壽命周期成本最低，HRES對環境危害最小為目標，以滿足區域能 源需求為約束條件，建立HRES的多目標組合優化配置模型：
[0011]
[0012]
[0013]
[0014] 式（1)表示以最小化HRES的全壽命周期成本和系統的C〇2排放量為目標，以系統供 能滿足用戶用電需求為約束條件，構造出帶約束的兩目標優化模型；
[0015] 其中Fccist(x)表示HRES配置方案為X下的全壽命周期（T年）成本，包括孤島風光柴 儲能源系統中各類設備的初始安裝費用和使用過程中的維護費用；
[0016] &〇2(Χ)表示HRES配置方案為X下系統的 C〇2排放量，包括HRES中風光柴儲設備在生 產制造過程的c〇2排放量和柴油機使用過程中的c〇2排放量，其中風力機、光伏板以及儲能設 備在使用過程中的c〇2排放量不予考慮；
[0017] Fsupply(x)表示HRES配置方案為X下的供電量；
[0018] Fdemand表示某一地區的用電需求量；
[0019] 所述配置方案X是指HRES系統中光伏組件、風力機、儲能設備、柴油機四類組件的 配置數量以及柴油使用量，配置方案X表示如下：
[0020]
[0021] xi表示HRES中第i類型的光伏板個數，ie{l，2，. . .，NPV}; Vi表示HRES中第j類型 的風力機個數，je{l，2, . . .，Nwt};xvv^表示HRES中第k類型的儲能設備個數，ke{l， 2，. . .，Nba}; 表示HRES中第 1 類型的柴油機個數，1 e {1，2，. . .，Nfg}; 示HRES中第1類型的柴油機的柴油使用量，單位為升，取值范圍為[0，C]，C表示柴油使用量 的上限值，對于柴油發電機，若未使用某一類型的柴油機，那么其對應的柴油使用量設定為 〇;配置方案X的前Npv+N wt+Nba+Nfg個變量取值范圍為(0，Nl]，Nl表示設備個數的上限值;N PV表 示光伏板的類型數，Nwt表示風力機的類型數，他3表示備選儲能設備的類型數，心 8表示柴油 機的類型數；
[0022] Fccist(x)表示為：
[0023]
[0024] Fc〇stPV(x)表不腿S配置方案為x下的光伏板全壽命周期費用，匕燃(》) = 1:'-; <?", + C2n， Fcos· (x)表不HRE S配置方案為x下的風力機全壽命周期費用，4tWT W = Σ ,1卜n?β+ ""r) * 心他⑴表示TOS配置方案為x下的備選儲能設備全壽命周期費用，，; FmstreW^^^RES配置方案為x下的柴油機周期費用， Clpvi表不第i類型光伏板的初裝費用，C2pvi表不第i類型光伏板的維護費用；ClwTj表不第j類 型風力機的初裝費用，C2叩表示第j類型風力機的維護費用;ClBAk表示第k類型備選儲能設 備的初裝費用，C2 BAk表示第k類型備選儲能設備的維護費用;C1FC1表示第1類型柴油機的初 裝費用，C2?表示第1類型柴油機的維護費用;C FG表示柴油價格；
[0025]
[0026]
[0027] Fc〇2PV(x)ifcrii?Sl￡Kir案為 X 下的光伏 表不HRES配置方案為X下的風力機全壽命周期碳排放量，= ; .&α2ΒΑ(χ_.)_ 表示HRES配置方案為X下的備選儲能設備全壽命周期碳排放量，&2βα> = ΣΓ:;W
表不HRES配置方案χ下的柴油設備全壽命周期碳排放量，+~％.??.*+?.，*<)* Pm表示第i類型光伏板的額定功率;〇PVl表示制造單位面積的第i類型光伏板產生的碳排放 量;Own表示制造第j類型風力機產生的碳排放量;〇BAk表示制造第k類型備選儲能設備產生 的碳排放量;〇 FC1表示第1類型柴油發電設備產生的碳排放量;表示燃燒每升柴油的碳排 放量；
[0028]
[0029]
[0030] Fsuppiypv(x)表不HRES配置方案為X下的光伏板發電量，.FsupplyPV(x) = i：、； L為HRES建設地區年平均光照強度，單位為勒克斯，相關數據可以通過查詢當地歷史天氣數 據分析得到；FsupplyWT(X)表不HRES配置方案為X下的風力機發電量， AUpplyWT(X) = * Γ * ; V為年平均風速，單位為米/秒，相關數據可以通過查詢當 地歷史天氣數據分析得到；FsupplyBA(x)表示HRES配置方案為X下的備選儲能設備供電量， 巧upplyBA(X) = Σ?? * ' J :; FsupplyFG ( X )表不HRES配置方案為X下的柴油設備發電直， W / V ) - \ ^ ，Γ ρ '1·· γ 承：y .? Siippl5Hrv ~ Lui-^X · . -十/ ?卡1+"
[0031] PPVl表示第i類型光伏板的額定功率;PWTj表示第j類型風力機的額定功率，P BAk表示 第k類型備選儲能設備的額定功率，ρ?表示第1類型柴油機的額定功率；
[0032] Fdemand表不為：
[0033] Fd_nd = Q，其中Q為某地區年平均用電量為Q(瓦）；
[0034] 步驟2:利用智能多目標優化算法NSGA-II求解HRES組合優化模型，具體過程如下：
[0035] 步驟2.1:設置算法參數:包括種群規模和終止條件，種群規模為N，取值范圍100至 500，終止條件采用最大運行代數maxgen，取值范圍50至500;
[0036] 步驟2.2:初始化種群：隨機生成種群規模N= 100父代種群S;種群中每個個體X包 含η個編碼值，其中n = Npv+Nwt+Nba+2*Nf g，令當前運行代數gen = 1;
[0037] 步驟2.3:基于當前種群S，通過交叉變異操作產生子代種群Sc