，種群規模也為N。所 述交叉變異操作實施方法如下：
[0038]步驟2.3.1:交叉操作；
[0039]步驟2.3.1.1:令q = 1，并初始化集合Sc '為空集；
[0040] 步驟2.3.1.2:選取個體12。-1和12。^2。-1三3，12。三3，，首先隨機生成一個位于區間
[l，n]之間的整數，作為交叉位置，記為i'，然后用X2H的前半段第1到第i'個編碼和^。的后 半段即第i'+l到最后一個編碼組成子個體的后半段即第i'+l到最后一個編碼和 x2q的前半段即第1到第i'個編碼組成子個體x'2q;將產生的個體^2< 1-1和1'2(1存入集合3(3'， 艮P Sc ' = Sc ' U X ' 2q-1 U X ' 2q ;
[0041 ] 步驟2.3.1.3:令9 = 9+1;若9>~/2，轉向步驟2.3.2，否則轉向步驟2.3.1.2;
[0042] 步驟2.3.2:變異操作，設置變異操作的概率為σ，σ e (〇，1);
[0043] 步驟2 · 3 · 2 · 1:令q = 1，初始化Sc為空集；
[0044] 步驟2 · 3 · 2 · 2 :針對個體xqe Sc '，隨機生成一個位于(0，1)區間的實數，記為rand。 若rand〈〇,則隨機選取一個變異位置v，ve [1，n]，若ve [1 ,η-Nfg]，則隨機選取[1，Nl]區間 的一個正整數代替個體Xq的第V個變量值，得到變異個體X'q,并存入集合SC，即SC = SC U X 'q;若ve[n-Nfg+l，n]，則隨機選取位于(0，C]區間的實數代替個體 Xq的第v個變量值，得到 變異個體X ' q，并存入集合Sc，即Sc = Sc U X ' q;若rand 2 〇，將Xq存入集合Sc，即Sc = Sc U Xq; [0045] 步驟2.3.2.3:令q = q+l;若q>N，轉向步驟2.4,否則轉向步驟2.3.2.2;
[0046]步驟2.4:將父代種群5與子代種群5(：合并，得到規模為2_勺合種群5311 = 51^(3，對 合種群Sall中的個體進行非劣分層，然后計算每一個非劣層的個體局部擁擠距離，最后依據 個體所處的非劣層及擁擠距離，對所有個體進行排序；
[0047] 步驟2.4.1:對種群Saii中的個體進行非劣分層。下面介紹非劣分層的方法；
[0048] 步驟 2.4.1.1:令h = l;
[0049] 步驟2.4.1.2:找出種群5311中不被任何個體Pareto約束支配的個體，并保存在集 合Ah中，即集合Ah中的個體均屬于第h非劣層;所述個體x Pareto約束支配個體y，是指當下 列其中一個條件滿足時：（i)個體X和y均滿足約束條件且κ y; (i i)個體X滿足約束條件，而 y不滿足約束條件；（i ii)個體X和y均不滿足約束條件，個體X違反約束條件的程度小于個體 y違反約束條件的程度，則稱個體X Pareto約束支配個體y;所述的關系式x *<y表示個體X Pareto支配個體y，是在所有目標函數值上，個體X的目標函數值都不大于個體y的目標函數 值即VX，f m(xHfm(y)，并且至少存在一個目標函數上個體X的目標函數值小于個體y的目 標函數值，即3九.上令)〈匕，（7)，所述匕，111=1，2為步驟1的公式（1)中的兩個目標函數4 1表 示目標函數F?st(x)的值，5表示目標函數巧。2(幻的值；
[0050] 步驟2.4.1.3 : WSaii中除去所有在集合Ah中的個體，判斷當前Saii是否為空集，若 是，則分層完畢，轉入步驟2.4.2;否則轉入步驟2.4.1.2，令h = h+l;
[0051] 步驟2.4.2:計算種群中個體的擁擠距離，擁擠距離越小，個體周圍越稠密;擁擠距 離具體計算方法如下：
[0052] 步驟2.4.2.1:計算種群Sall內每個個體的目標函數值，并對其進行排序;所述目標 函數值指在步驟1的公式(1)中的目標函數F? st(x)和匕):(x)的值；
[0053] 步驟2.4.2.2:計算擁擠距離;首先定義在種群中目標函數心或5最小的個體為邊 界個體，邊界個體的擁擠距離dist定義為無窮大；其次計算除邊界外的個體^擁擠距離 dist(q)為
[0054]
[0055] 其中./Γχ和./Γ分別表示當前種群中目標函數匕的最大和最小值；/T1和表 示個體X(rl和個體Xq+1的目標函數fVf直，fm=1表示目標函數Fc^stU)的值，fm=2表示目標函數 &>)的值；
[0056]步驟2.4.3:基于個體所處的非劣層及擁擠距離，對所有個體進行排序，排序準則 為:處于第h非劣層的個體排序在第h '非劣層的個體之前，其中h ' >h;若兩個個體處于同一 非劣層，那么擁擠距離大的個體排序在擁擠距離小的個體之前；
[0057]步驟2.5:在排序之后的個體種群中選取第1到N個個體作為新的父代種群S，令gen = gen+l ；
[0058]步驟2 · 6:判斷gen是否大于maxgen，若大于，則輸出種群S中的處于第1非劣層中的 個體作為步驟1中所確定的多目標優化模型的Pareto最優解集，轉步驟3;否則轉步驟2.3。 [0059]步驟3:從Pareto最優解集中選擇最優HRES方案；
[0060] 步驟3.1當要求整個系統的全壽命周期成本小于等于給定值CostA時，選擇Pareto 最優解集中目標函數值6:+00最小的解，即使系統C02排放量最小的個體X，作為最終的配 置方案X，所述CostA指HRES配置過程所要求的最大成本額度；
[0061 ]步驟3.2當要求整個系統的⑶2排放量小于等于給定值⑶2A時，選擇Pareto最優解 集中目標函數值F_t(X)最小的解，即使系統全壽命周期成本最小的個體X，作為最終的配 置方案X，所述C0 2#BHRES配置過程所要求的最大排放量；
[0062]本發明的優點在于：
[0063] (1)本發明針對HRES中設備的組合配置構建了帶約束的多目標組合優化模型，更 符合實際情況、方案可行性更強。
[0064] (2)本發明采用多目標智能優化算法求解問題，能夠同時找到一組Pareto最優解 集，滿足不同情況(即，對成本和環境污染的不同要求)下的HRES方案配置。
【附圖說明】
[0065] 圖1典型孤島混合可再生能源系統示意圖
[0066]圖2是利用智能多目標優化算法NSGA-II求解HRES組合優化配置問題的流程圖
[0067] 圖3 HRES方案設計編碼
[0068]圖4單點交叉和均勻變異算子示意圖
[0069]圖5個體非劣分層及擁擠距離計算示意圖
[0070]圖6 HRES規劃的Pareto最優解集
[0071] 圖7 HRES規劃的決策過程示意圖
【具體實施方式】
[0072] 下面結合附圖和實例對本發明作進一步的詳細說明。
[0073] 本發明提供的孤島混合可再生能源系統的多目標組合優化配置方法，具體步驟如 下：
[0074]表1至4給出了HRES系統（如圖1所示）中各設備的相關數據，同時已知在HRES建設 地區年平均光照強度L = 20(單位:勒克斯）、年平均風速V = 5(單位:米/秒）以及年平均用電 量Q=1000(單位:千瓦）；
[0075] 表1備選光伏板相關參數(假設每塊光伏板面積為1米2)
[0076]
[0077]表2備選風力機相關參數 [0078]
[0079] 表3備選儲能設備相關參數
[0080]
[0081 ]表4備選柴油機相關參數 [0082]
[0083] 步驟1:考慮HRES的全壽命周期T = 20年，以HRES全壽命周期成本 [0084]最低，系統排放C02量最小為目標，以滿足區域能源需求為約束條件，
[0085]建立HRES的多目標組合優化配置模型；
[0086] mLu(Fc〇st(x),FCOi(x)!
[0087] S.t.Fsupply(x) ^ Fdemand
[0088] 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，算法流程見圖 2,具體過程描述如下：
[0089] 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N設置為100，終止條 件采用最大運行代數maxgen，設置為maxgen = 100。
[0090] 步驟2.2:初始化種群:令當前運行代數8的=1。隨機生成~=100父代種群5。種群 中每個個體X包含η個編碼值，其中n = Npv+Nwt+Nba+2*Nfg，且N L取5，C取100;由表1 -4數據得 到，本實例中所考慮的光伏板類型數Npv = 5,風力機類型數Nwt = 5,儲能設備類型數Nba = 3， 柴油發電機類型數Nfg = 5,個體編碼長度n = 5+5+3+2*5 = 23,即每個個體包括23個編碼值。 圖3給出了針對此算例的一個個體編碼。
[0091]步驟2.3:基于當前種群S，通過交叉變異操作（如圖4所示)產生子代種群Sc，種群 規模也為N。所述交叉變異操作實施方法如下：
[0092]步驟2.3.1:交叉操作；
[0093]步驟2 · 3 · 1 · 1:令q = 1，并初始化集合Sc '為空集；
[0094] 步驟2.3.1.2:選取個體12。-1和12。^2。-1三3，12。三3，，首先隨機生成一個位于區間 [l，n]之間的整數，作為交叉位置，記為i'，然后用X2