一种孤岛混合可再生能源系统的多目标组合优化配置方法
【技术领域】
[0001] 本发明涉及一种孤岛混合可再生能源系统的多目标组合优化配置方法，具体而言 是考虑能源系统中的各单元的类型和数量的配置，最优化系统的各个目标，属于计算机领 域。
【背景技术】
[0002] 能源问题始终伴随着人类文明发展的整个进程，特别是进入21世纪后，工业经济 的急速发展对能源需求提出了更高的要求。然而煤、石油之类的化石能源日益枯竭，并且使 用化石燃料带来的环境问题日益凸显，能源安全和环境污染已经成为当前世界各国面临的 巨大挑战。为了应对能源和环境的双重危机，大力发展和利用可再生能源，如太阳能、风能 等，成为当务之急。
[0003]混合可再生能源系统（Hybrid Renewable Energy Systems,HRES)顾名思义，是一 种混合使用化石能源和可再生能源的系统。具体而言是包括风力发电、光伏发电、柴油发电 以及储能装置的能源系统。孤岛混合可再生能源系统指HRES没有接入系统电网。孤岛混合 可再生能源系统通常用于海岛之类的偏远地区。用户相对较少，用电量需求较低，引入大电 网比较困难且经济成本较高。
[0004] 孤岛混合可再生能源系统规划需要解决的问题是：如何合理配置风力机、光伏板、 柴油机以及储能设备以使得整个能源系统满足区域用能需求，同时经济成本最低、对环境 危害最小。
[0005] 目前关于孤岛混合可再生能源系统的组合优化配置研究主要集中于单目标的优 化模型，如在满足供需平衡下，最小化HRES全寿命周期成本或最小化HRES的温室气体排放 量等。然而，从实际角度出发，HRES的组合优化配置需要同时考虑全寿命周期成本、温室气 体排放量等评估指标，是一个多目标优化问题。同时，HRES的组合优化配置中涉及到风光柴 储设备的选择，柴油使用量等变量的规划，是一个多类型变量的（连续、离散变量)优化问 题。此外，HRES组合优化配置还需满足供需平衡约束。综上所述，HRES的组合优化配置是一 个多变量、多目标、带约束的复杂优化问题，目前关于HRES优化配置的相关研究(包括模型 及求解算法)远不能满足实际需求。
[0006] 所述的多目标优化问题是指：同时对多个目标进行优化，由于各个目标之间通常 是耦合在一起且互相制约、互相竞争，即某个目标的改善可能引起其他目标性能的降低，很 难找到一个真正意义上的最优解使得各个目标同时达到最优，因此多目标优化问题的最优 解通常不是单一的，而是一组多个互有利弊的非支配解，是一个非劣解的集合，即帕累托 (Pareto)最优解集。求解多目标优化问题的核心是找到一组分布均勾的Pareto最优解。
[0007] 所述的智能多目标优化算法是指:传统的处理多目标优化问题的方法，如加权法、 约束法、目标规划法等，通过构建一个评价函数，将多目标问题转化为单目标优化问题，然 后利用一般的求解方法计算得到问题的一个解。智能多目标优化算法是通过模拟某些自然 过程发展而来的基于种群的优化算法，其思想和内容涉及数学、生物学和计算机学科等。该 类算法不依赖于梯度信息，一次运行能够找到一组Pareto最优解，具有全局、并行、高效、鲁 棒和通用性强等特点。是求解复杂非线性多目标优化问题的有效方法。
【发明内容】
[0008] 本发明要解决的技术问题是如何合理配置风力机、光伏板、柴油机以及储能设备 以使得整个孤岛混合可再生能源系统满足区域用能需求，且经济成本最低、环境危害最小。
[0009] 为解决该问题，本发明所采取的技术方案是:建立HRES的组合优化配置模型，利用 智能多目标优化算法求解，得到一组分布均勾的Pareto最优解，从这组Pareto最优解中，选 择一个作为最终配置方案来对HRES进行配置。
[0010]步骤1:以HRES全寿命周期成本最低，HRES对环境危害最小为目标，以满足区域能 源需求为约束条件，建立HRES的多目标组合优化配置模型：
[0011]
[0012]
[0013]
[0014] 式（1)表示以最小化HRES的全寿命周期成本和系统的C〇2排放量为目标，以系统供 能满足用户用电需求为约束条件，构造出带约束的两目标优化模型；
[0015] 其中Fccist(x)表示HRES配置方案为X下的全寿命周期（T年）成本，包括孤岛风光柴 储能源系统中各类设备的初始安装费用和使用过程中的维护费用；
[0016] &〇2(Χ)表示HRES配置方案为X下系统的 C〇2排放量，包括HRES中风光柴储设备在生 产制造过程的c〇2排放量和柴油机使用过程中的c〇2排放量，其中风力机、光伏板以及储能设 备在使用过程中的c〇2排放量不予考虑；
[0017] Fsupply(x)表示HRES配置方案为X下的供电量；
[0018] Fdemand表示某一地区的用电需求量；
[0019] 所述配置方案X是指HRES系统中光伏组件、风力机、储能设备、柴油机四类组件的 配置数量以及柴油使用量，配置方案X表示如下：
[0020]
[0021] xi表示HRES中第i类型的光伏板个数，ie{l，2，. . .，NPV}; Vi表示HRES中第j类型 的风力机个数，je{l，2, . . .，Nwt};xvv^表示HRES中第k类型的储能设备个数，ke{l， 2，. . .，Nba}; 表示HRES中第 1 类型的柴油机个数，1 e {1，2，. . .，Nfg}; 示HRES中第1类型的柴油机的柴油使用量，单位为升，取值范围为[0，C]，C表示柴油使用量 的上限值，对于柴油发电机，若未使用某一类型的柴油机，那么其对应的柴油使用量设定为 〇;配置方案X的前Npv+N wt+Nba+Nfg个变量取值范围为(0，Nl]，Nl表示设备个数的上限值;N PV表 示光伏板的类型数，Nwt表示风力机的类型数，他3表示备选储能设备的类型数，心 8表示柴油 机的类型数；
[0022] Fccist(x)表示为：
[0023]
[0024] Fc〇stPV(x)表不腿S配置方案为x下的光伏板全寿命周期费用，匕燃(》) = 1:'-; <?", + C2n， Fcos· (x)表不HRE S配置方案为x下的风力机全寿命周期费用，4tWT W = Σ ,1卜n?β+ ""r) * 心他⑴表示TOS配置方案为x下的备选储能设备全寿命周期费用，，; FmstreW^^^RES配置方案为x下的柴油机周期费用， Clpvi表不第i类型光伏板的初装费用，C2pvi表不第i类型光伏板的维护费用；ClwTj表不第j类 型风力机的初装费用，C2叩表示第j类型风力机的维护费用;ClBAk表示第k类型备选储能设 备的初装费用，C2 BAk表示第k类型备选储能设备的维护费用;C1FC1表示第1类型柴油机的初 装费用，C2?表示第1类型柴油机的维护费用;C FG表示柴油价格；
[0025]
[0026]
[0027] Fc〇2PV(x)ifcrii?Sl￡Kir案为 X 下的光伏 表不HRES配置方案为X下的风力机全寿命周期碳排放量，= ; .&α2ΒΑ(χ_.)_ 表示HRES配置方案为X下的备选储能设备全寿命周期碳排放量，&2βα> = ΣΓ:;W
表不HRES配置方案χ下的柴油设备全寿命周期碳排放量，+~％.??.*+?.，*<)* Pm表示第i类型光伏板的额定功率;〇PVl表示制造单位面积的第i类型光伏板产生的碳排放 量;Own表示制造第j类型风力机产生的碳排放量;〇BAk表示制造第k类型备选储能设备产生 的碳排放量;〇 FC1表示第1类型柴油发电设备产生的碳排放量;表示燃烧每升柴油的碳排 放量；
[0028]
[0029]
[0030] Fsuppiypv(x)表不HRES配置方案为X下的光伏板发电量，.FsupplyPV(x) = i：、； L为HRES建设地区年平均光照强度，单位为勒克斯，相关数据可以通过查询当地历史天气数 据分析得到；FsupplyWT(X)表不HRES配置方案为X下的风力机发电量， AUpplyWT(X) = * Γ * ; V为年平均风速，单位为米/秒，相关数据可以通过查询当 地历史天气数据分析得到；FsupplyBA(x)表示HRES配置方案为X下的备选储能设备供电量， 巧upplyBA(X) = Σ?? * ' J :; FsupplyFG ( X )表不HRES配置方案为X下的柴油设备发电直， W / V ) - \ ^ ，Γ ρ '1·· γ 承：y .? Siippl5Hrv ~ Lui-^X · . -十/ ?卡1+"
[0031] PPVl表示第i类型光伏板的额定功率;PWTj表示第j类型风力机的额定功率，P BAk表示 第k类型备选储能设备的额定功率，ρ?表示第1类型柴油机的额定功率；
[0032] Fdemand表不为：
[0033] Fd_nd = Q，其中Q为某地区年平均用电量为Q(瓦）；
[0034] 步骤2:利用智能多目标优化算法NSGA-II求解HRES组合优化模型，具体过程如下：
[0035] 步骤2.1:设置算法参数:包括种群规模和终止条件，种群规模为N，取值范围100至 500，终止条件采用最大运行代数maxgen，取值范围50至500;
[0036] 步骤2.2:初始化种群：随机生成种群规模N= 100父代种群S;种群中每个个体X包 含η个编码值，其中n = Npv+Nwt+Nba+2*Nf g，令当前运行代数gen = 1;
[0037] 步骤2.3:基于当前种群S，通过交叉变异操作产生子代种群Sc