本發(fā)明涉及一種并網(wǎng)混合可再生能源系統(tǒng)的優(yōu)化設(shè)計方法，具體而言是考慮能源系統(tǒng)中的光伏板、風(fēng)力機(jī)、發(fā)電機(jī)等組件的數(shù)量及其安裝傾角、高度等的配置，最小化系統(tǒng)的年化成本、系統(tǒng)凈購電成本、碳排放量。

背景技術(shù)：

在全球化石能源日趨緊缺、化石能源的使用造成環(huán)境日益惡化的背景下，能源問題成為制約世界經(jīng)濟(jì)社會發(fā)展的重要因素之一?？稍偕茉匆蚱淙≈唤?、清潔環(huán)保等特點，越來越受到人們的重視，成為各方大力發(fā)展，用于應(yīng)對能源和環(huán)境問題的重要手段。然而，可再生能源存在地理上分散、規(guī)模小、生產(chǎn)不連續(xù)、存在隨機(jī)性和波動性等特點，無法像傳統(tǒng)化石能源一樣有效利用。

為克服單一可再生能源的間歇性、不穩(wěn)定性等缺點，學(xué)界和工業(yè)界陸續(xù)提出以合適的方式組合使用不同種類的可再生能源和化石能源的系統(tǒng)，即混合可再生能源系統(tǒng)(Hybrid Renewable Energy Systems,HRES)。根據(jù)HRES系統(tǒng)是否接入大電網(wǎng)，可分為離網(wǎng)和并網(wǎng)兩種情況。離網(wǎng)HRES沒有計入大電網(wǎng)，一般適用于海島、山區(qū)之類的偏遠(yuǎn)地區(qū)，此類地區(qū)接入大電網(wǎng)不夠經(jīng)濟(jì)，同時可再生能源豐富，一般可滿足負(fù)載需求。并網(wǎng)HRES接入了大電網(wǎng)，可100％滿足供電需求，同時有效利用可再生能源。具體而言，并網(wǎng)HRES就是包括光伏發(fā)電、風(fēng)力發(fā)電、柴油發(fā)電機(jī)發(fā)電并且連接大電網(wǎng)的能源系統(tǒng)。

目前關(guān)于并網(wǎng)HRES優(yōu)化設(shè)計的研究都只是考慮單個目標(biāo)的優(yōu)化，或者最小化年化成本、或者最小化碳排放量。考慮并網(wǎng)HRES的實際規(guī)劃建設(shè)中，年化成本、碳排放量、凈購電成本等是需要同時最小化的目標(biāo)，顯然現(xiàn)有的研究還不足以滿足實際應(yīng)用需求。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于提出一種并網(wǎng)混合可再生能源系統(tǒng)的多目標(biāo)優(yōu)化設(shè)計方法，其以最小化系統(tǒng)的年化成本、系統(tǒng)凈購電成本、碳排放量為優(yōu)化目標(biāo)，以系統(tǒng)中的光伏板、風(fēng)力機(jī)、發(fā)電機(jī)等組件的數(shù)量及其安裝傾角、高度等為決策變量，構(gòu)建了并網(wǎng)HRES的多目標(biāo)優(yōu)化設(shè)計模型，其次考慮到模型的復(fù)雜性，如決策變量包括離散、連續(xù)不同類型、優(yōu)化目標(biāo)為三個，給出了求解該模型的計算方法。

為實現(xiàn)上述技術(shù)目的，本發(fā)明的技術(shù)方案是，

一種并網(wǎng)混合可再生能源系統(tǒng)的多目標(biāo)優(yōu)化設(shè)計方法，包括以下步驟：

第一步，設(shè)計并網(wǎng)混合可再生能源系統(tǒng)的優(yōu)化目標(biāo)以及約束函數(shù)，建立并網(wǎng)混合可再生能源系統(tǒng)的多目標(biāo)優(yōu)化設(shè)計模型。

以最小化系統(tǒng)年化成本、系統(tǒng)凈購電成本、系統(tǒng)碳排放量為目標(biāo)，構(gòu)建帶約束的三目標(biāo)優(yōu)化問題，如下：

其中F_cost表示系統(tǒng)總的年度成本，包括：系統(tǒng)中各類設(shè)備的初始投資成本、使用過程中的操作與維修成本以及部分設(shè)備的替換成本；F_grid表示系統(tǒng)凈購電成本，即系統(tǒng)在仿真時間內(nèi)向電網(wǎng)賣出的電的收益減去向電網(wǎng)買電的成本。F_emission表示系統(tǒng)的碳排放量，只考慮柴油發(fā)電機(jī)使用過程中產(chǎn)生的CO₂排放。N_pv、N_wg、N_dg分別表示并網(wǎng)混合可再生能源系統(tǒng)中待優(yōu)化的光伏板、風(fēng)機(jī)和柴油發(fā)電機(jī)的數(shù)量；H_wg表示風(fēng)機(jī)的安裝高度，H_low和H_high分別表示風(fēng)機(jī)安裝高度H_wg的變化范圍的最小值和最大值，β表示光伏板的安裝傾角；

已知：a.組成并網(wǎng)混合可再生能源系統(tǒng)的各設(shè)備的型號，即光伏板、風(fēng)機(jī)和柴油發(fā)電機(jī)的性質(zhì)和設(shè)備參數(shù)是確定的；其中，光伏板參數(shù)包括開路電壓、短路電流、最大工作電壓、最大工作電流、額定工作溫度(NCOT)、初始投資成本、操作維修成本以及使用壽命；風(fēng)機(jī)參數(shù)包括額定功率、初始投資成本、操作維修成本以及使用壽命；柴油發(fā)電機(jī)參數(shù)包括額定功率、初始投資成本、每小時操作維修成本和使用壽命。b.并網(wǎng)混合可再生能源系統(tǒng)向電網(wǎng)買電和賣電的價格是固定的。c.F_emission考慮二氧化碳排放量，其主要來自于柴油發(fā)電機(jī)。

根據(jù)上述已知條件，闡述并網(wǎng)混合可再生能源系統(tǒng)的各個優(yōu)化目標(biāo)計算方法；

(1)并網(wǎng)混合可再生能源系統(tǒng)年化成本目標(biāo)函數(shù)為(以25年為項目周期)：

其中ACS表示混合可再生能源系統(tǒng)年度成本，PV表示光伏板，WG表示風(fēng)機(jī)，Tower表示風(fēng)機(jī)塔(用于將風(fēng)機(jī)安裝到一定高度)，DG表示柴油發(fā)電機(jī)，C_ainv是年度初始投資成本，C_aom是年度設(shè)備維護(hù)成本，C_arep是年度元器件總成本，分別用下式計算：

C_ainv＝∑C_inv·CRF(i,L_com) (3)

其中C_inv是每個元件的初始投資成本，元件包括并網(wǎng)混合可再生能源系統(tǒng)中的光伏板、風(fēng)機(jī)、風(fēng)機(jī)塔、電池組和柴油發(fā)電機(jī)，CRF是資本回收因子，L_com是元件壽命，單位是年；i是年實際利率，i_nom是名義利率，f是年通脹率；

C_arep＝C_rep·SFF(i,L_rep) (6)

C_aom(n)＝C_aom(1)·(1+f)ⁿ (8)

其中C_arep是年度元器件總成本，C_rep是每個元件的替換成本，元件包括光伏板、風(fēng)機(jī)、風(fēng)機(jī)塔、電池組和柴油發(fā)電機(jī)，SFF是沉默資金因子，L_rep是元件替換壽命，C_aom(n)是第n年使用過程中的操作與維修成本；

(2)并網(wǎng)混合可再生能源系統(tǒng)在T時間內(nèi)的碳排放量的目標(biāo)函數(shù)為：.

其中T是一年總的小時數(shù)即8760，Ef是排放因子，該參數(shù)取決于柴油發(fā)電機(jī)和燃料的性質(zhì)，它的值一般位于2.4-2.8kg/lit的范圍內(nèi)。F_cons為柴油發(fā)電機(jī)的燃料消耗，可以近似假設(shè)為它的功率輸出的線性函數(shù)，表達(dá)式如下所示：

F_cons＝A_dgP_{r_dg}+B_dgP_dg (10)

其中P_{r_dg}是柴油發(fā)電機(jī)的額定功率，P_dg是柴油發(fā)電機(jī)的輸出功率，A_dg和B_dg是燃料消耗曲線的系數(shù)，一般取A_dg＝0.08145,B_dg＝0.246。在并網(wǎng)混合可再生能源系統(tǒng)中，柴油發(fā)電機(jī)一般被用作備用電源，只有當(dāng)可再生能源發(fā)電小于負(fù)載需求時它才會工作。柴油發(fā)電機(jī)的引入雖然能進(jìn)一步提高混合可再生能源系統(tǒng)的可靠性，但是也會增加系統(tǒng)的成本，同時伴隨著柴油等化石燃料的消耗還會增加有害污染物以及溫室氣體的排放。

(3)并網(wǎng)混合可再生能源系統(tǒng)在T時間內(nèi)的凈購電成本目標(biāo)函數(shù)為：.

F_grid＝P_b·E_b-P_s·E_s (11)

其中E_b和P_b表示總的買電數(shù)量和價格，E_s和P_s表示總的賣電數(shù)量和價格。系統(tǒng)的凈購電成本可以為負(fù)值，當(dāng)該目標(biāo)值為負(fù)時，說明并網(wǎng)系統(tǒng)向電網(wǎng)賣電獲得了收益，此時該目標(biāo)值越小則表明并網(wǎng)的經(jīng)濟(jì)收益越大。一般情況下，賣電價格會稍高于買電價格，從而使得并網(wǎng)系統(tǒng)的用戶能夠從中獲得收益，以利于可再生能源系統(tǒng)的推廣發(fā)展。

下面闡述并網(wǎng)混合可再生能源系統(tǒng)的功率供應(yīng)過程：首先由光伏發(fā)電和風(fēng)力發(fā)電直接供給負(fù)載以滿足需求，當(dāng)光伏發(fā)電P_pv(t)和風(fēng)力發(fā)電P_wg(t)的功率大于負(fù)載需求P_load(t)時，多余的電量賣給電網(wǎng)；相反當(dāng)光伏和風(fēng)力的總發(fā)電量不能滿足負(fù)載時，首先由柴油機(jī)發(fā)電P_dg(t)，若仍不能滿足負(fù)載時，系統(tǒng)向電網(wǎng)買電P_grid(t)，用于滿足負(fù)載需求。在電網(wǎng)和可再生能源供給之間切換過程中，只需加入適當(dāng)?shù)哪孀兤骰蛘哒髌鞯?，模型的運(yùn)行過程不受影響。其中P_dg(t)表示在時間t內(nèi)柴油發(fā)電機(jī)的輸出功率P_dg，與柴油機(jī)的選型相關(guān)。P_grid(t)表示在時間t電網(wǎng)電量供給功率。

關(guān)于光伏和風(fēng)力機(jī)的輸出功率計算如下：

P_pv(t)表示光伏板在時間t內(nèi)的輸出功率，由(12-15)計算得到：

V_OC(t)＝V_OC,STC-K_V·T_C(t) (14)

P_pv(t,β)＝N_S·N_P·V_OC(t)·I_SC(t,β)·FF(t) (15)

＝N_pv·V_OC(t)·I_SC(t,β)·FF(t)

其中T_C(t)是在時間t時的光伏電池溫度，T_A(t)是時間t時的光伏板周圍環(huán)境溫度，NCOT是制造商提供的額定電池工作溫度，S_p(t,β)是垂直于光伏板傾斜表面上的太陽輻射，I_SC,STC和V_OC,STC是光伏板在標(biāo)準(zhǔn)測試條件下的(即溫度為25，太陽輻射為1kW/m²)短路電流和開路電壓，I_SC(t,β)是光伏板的短路電流，V_OC(t)表示光伏板的開路電壓，K_I和K_V是所選光伏板對應(yīng)電流和電壓下的溫度系數(shù)；P_pv(t,β)是由一個包含N_S個串聯(lián)，N_P個并聯(lián)光伏板的光伏陣列的輸出功率，N_pv表示光伏板的總數(shù)量，F(xiàn)F(t)是填充因子。

P_wg(t)表示風(fēng)機(jī)在時間t內(nèi)的輸出功率由公式(16)計算得到：

其中v是每一時刻的風(fēng)速，C_P是風(fēng)機(jī)性能系數(shù)，ρ是空氣密度，A_WG是風(fēng)機(jī)上轉(zhuǎn)子掃過的面積，P_WGR是風(fēng)機(jī)的額定功率；V_c是風(fēng)機(jī)的切入速度，V_r是風(fēng)機(jī)的額定風(fēng)速，V_f是風(fēng)機(jī)的切出風(fēng)速。

并網(wǎng)混合可再生能源系統(tǒng)優(yōu)化設(shè)計中所需的太陽輻射、風(fēng)速分布、溫度數(shù)據(jù)以及負(fù)載功率需求可根據(jù)所研究地區(qū)的歷史數(shù)據(jù)經(jīng)過相應(yīng)處理得到，如使用過去十年的平均數(shù)據(jù)，或者根據(jù)其分布函數(shù)產(chǎn)生模擬數(shù)據(jù)；同時，柴油發(fā)電機(jī)標(biāo)準(zhǔn)碳排放系數(shù)可根據(jù)所選的柴油機(jī)型號得知；向電網(wǎng)買電、賣電的成本可依據(jù)所研究地區(qū)的具體政策規(guī)定得到。

第二步，利用PICEA-g(Preference-inspired coevolutionary algorithm using goal vectors)算法求解并網(wǎng)混合可再生能源系統(tǒng)的多目標(biāo)優(yōu)化設(shè)計模型，如圖3所示，具體流程為：

(1)算法參數(shù)設(shè)置：主要包括種群規(guī)模和終止條件，這里種群N設(shè)置為200，終止條件采用最大運(yùn)行代數(shù)，設(shè)置為maxGen＝500。

(2)初始化種群，隨機(jī)生成N＝200個初始父代種群S。每個個體x有5個編碼，即x＝(N_pv,N_wg,N_bat,N_dg,H_wg,β)，其中0≤N_pv≤30，0≤N_wg≤20，0≤N_dg≤10，5≤H_wg≤30，0≤β≤90；同時，隨機(jī)生成200個參考點g＝(g₁,...,g_m)，作為偏好信息種群(記作父代參考點種群G)，即Ng＝200，Ng表示偏好信息種群的大小，其中0＜g_i＜1.2,i＝1,2,...,m，m表示目標(biāo)個數(shù)，這里m＝3。

(3)若滿足終止條件，則終止計算，輸出當(dāng)前的非支配解集；否則，基于當(dāng)前種群S，通過遺傳重組算子產(chǎn)生子代種群Sc，規(guī)模也為N；重新生成Ng＝200個新的參考點，記為種群Gc。所述的通過遺傳重組算子產(chǎn)生子代種群Sc，其具體操作步驟如下：

(a)針對當(dāng)前種群S內(nèi)的每個個體x_i，結(jié)合隨機(jī)選擇的另外兩個個體x_m和x_n，通過式(17)產(chǎn)生新的個體x_new。其中表示新個體的第k個變量值，表示一個臨時變量值，和分別表示個體i、個體m和個體n的第k個變量值，這里k＝[1,2,...,6]；F和CR分別為該操作的兩個參數(shù)，這里設(shè)置為0.9和0.05；rand表示位于區(qū)間(0,1)的隨機(jī)數(shù)；k_rand表示一個隨機(jī)產(chǎn)生的位于區(qū)間[1,6]整數(shù)；floor()表示向下取整函數(shù)。

(b)若產(chǎn)生的新個體非可行解，則采取以下措施將其修正為可行解。其中ub^k和lb^k分別表示第k個變量的上下界。所有的x_new構(gòu)成了子代種群Sc。

(4)將父代種群S與子代種群Sc合并，得到規(guī)模為2N的合種群S_all＝S∪Sc，將父代參考點種群G和子代參考點種群Gc合并，得到規(guī)模為2Ng的合種群G_all＝G∪Gc?；赟_all和G_all計算個體和參考點的適應(yīng)度，然后依據(jù)適應(yīng)度對所有個體和參考點進(jìn)行排序。

所述的個體和參考點的適應(yīng)度計算方法為：

(a)將種群中的個體歸一化：獲取每一個目標(biāo)函數(shù)f_m的最大值max(f_m)和最小值min(f_m)，目標(biāo)函數(shù)f_m是指公式(1)中的F_cost、F_grid和F_emission，然后依據(jù)下式將每個個體目標(biāo)函數(shù)值轉(zhuǎn)換到區(qū)間[0,1]。

其中，f_i(x)表示進(jìn)化過程中個體x的第i個目標(biāo)的原始目標(biāo)函數(shù)值，表示個體x歸一化后的目標(biāo)函數(shù)值；

(b)個體與參考點的支配關(guān)系統(tǒng)計：遍歷每一組個體與參考點，確定他們之間的Pareto支配關(guān)系。同時設(shè)定每個參考點攜帶的積分為1，當(dāng)某一參考點僅被一個個體支配，那么它的積分全部分配給該個體；當(dāng)參考點被多個(如n_r)個體支配，那么它的積分平均分配給這n_r個個體，即每個個體得到1/n積分。由此得到個體的初始適應(yīng)度計算公式，如(20)所示；

其中s_i表示第i個個體，g表示參考點，n_r表示參考點被個體s_i支配的個數(shù)，個體初始適應(yīng)度值等于該個體能夠支配的所有參考點賦予其的積分，若個體不能支配任何參考點，那么

對于每個參考點，若其被n_r個個體支配，則得到積分1/n，若不被任何個體支配，則得到積分0。由此得到參考點的適應(yīng)度其計算公式，如(21)所示；

依據(jù)個體和參考點的適應(yīng)度值和的值，對個體和參考點進(jìn)行從大到小排序。

(5)根據(jù)排序結(jié)果從前往后選取N個體和Ng個參考點作為新的父代種群S和參考點種群G。

(6)重復(fù)(3)至(5)步，直至滿足終止條件，即達(dá)到最大運(yùn)行代數(shù)，輸出S中的非支配個體作為所求解的解；

第三步，結(jié)合決策者的偏好信息，從多個Pareto最優(yōu)解中，選擇一個作為最后并網(wǎng)混合可再生能源系統(tǒng)的實施方案?？煽紤]以下三種情況：

(1)當(dāng)決策者偏重年度化成本F_cost和碳排放量F_emission時，則在滿足二者限制的條件下(給定的最大F_cost和F_emission容忍值，即F_cost<Cost且F_emission<Emission)，選擇使凈購電成本最低的方案，即F_grid最小化；

(2)當(dāng)決策者偏重凈購電成本F_grid和碳排放量F_emission時，則在滿足二者限制的條件下(給定的最大F_grid和F_emission容忍值，即F_grid<Cgrid且F_emission<Emission)，選擇使年度化成本最低的方案，即F_cost最小化；

(3)當(dāng)決策者偏重年度化成本F_cost和凈購電成本F_grid時，則在滿足二者限制的條件下(給定的最大F_cost和F_grid容忍值，即F_cost<Cost且F_grid<Cgrid)，選擇使碳排放量最低的方案,即F_emission最小化。

在本發(fā)明中：并網(wǎng)混合可再生能源系統(tǒng)規(guī)劃是指：如何確定合適數(shù)量的光伏板、風(fēng)機(jī)、柴油發(fā)電機(jī)、儲能設(shè)備以及安裝方式以使得整個能源系統(tǒng)盡可能滿足區(qū)域負(fù)載需求，同時最經(jīng)濟(jì)、最環(huán)保。

多目標(biāo)優(yōu)化問題是指：同時對多個目標(biāo)進(jìn)行優(yōu)化，由于各個目標(biāo)之間通常是聯(lián)系在一起且互相制約、互相競爭，即某個目標(biāo)的改善可能引起其他目標(biāo)的退化，很難找到一個真正意義上的最優(yōu)解使得各個優(yōu)化目標(biāo)同時達(dá)到最優(yōu)，因此多目標(biāo)優(yōu)化問題的最優(yōu)解通常是一個非劣解的集合，即Pareto最優(yōu)解集。求解多目標(biāo)優(yōu)化問題的核心是找到一組分布均勻的Pareto最優(yōu)解。

進(jìn)化多目標(biāo)優(yōu)化算法是通過模擬或揭示某些自然現(xiàn)象或過程發(fā)展而來的基于種群的優(yōu)化算法，其思想和內(nèi)容涉及數(shù)學(xué)、生物學(xué)和計算機(jī)學(xué)科等。該類算法不依賴于梯度信息，一次運(yùn)行能夠找到一組Pareto最優(yōu)解，具有全局、并行、高效、魯棒和通用性強(qiáng)等特點。是求解復(fù)雜非線性多目標(biāo)優(yōu)化問題的有效方法。它不同于傳統(tǒng)的處理多目標(biāo)優(yōu)化問題的方法，如加權(quán)法、約束法、目標(biāo)規(guī)劃法等，這些傳統(tǒng)方法通過構(gòu)建一個評價函數(shù)，將多目標(biāo)問題轉(zhuǎn)化為單目標(biāo)優(yōu)化問題，然后利用一般的求解方法計算得到問題的一個解。PICEA-g是進(jìn)化多目標(biāo)優(yōu)化算法中的一個經(jīng)典算法。

本發(fā)明的有益技術(shù)效果是：

(1)本發(fā)明采用多目標(biāo)建模的方法，同時考慮了最小化系統(tǒng)的年度化成本、碳排放量、系統(tǒng)凈購電成本等，進(jìn)行并網(wǎng)HRES的規(guī)劃，更符合實際情況、可行性更強(qiáng)。

(2)本發(fā)明求解問題時采用進(jìn)化多目標(biāo)優(yōu)化算法，能夠同時找到一組各有優(yōu)點的Pareto最優(yōu)解，供決策者根據(jù)不同的情況，選擇實施。

附圖說明

圖1典型并網(wǎng)混合可再生能源系統(tǒng)示意圖

圖2并網(wǎng)混合可再生能源系統(tǒng)設(shè)計方案編碼

圖3進(jìn)化多目標(biāo)優(yōu)化算法NSGAII求解并網(wǎng)HRES規(guī)劃問題的流程圖

圖4(a)為并網(wǎng)HRES多目標(biāo)優(yōu)化設(shè)計的Pareto非支配解集；圖4(b)、圖4(c)以及圖4(d)示出了三種不同決策情況下最優(yōu)方案的選擇效果圖。

具體實施方式

為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合附圖對本發(fā)明實施方式作進(jìn)一步地詳細(xì)描述。

本發(fā)明提供的一種并網(wǎng)混合可再生能源系統(tǒng)的多目標(biāo)優(yōu)化設(shè)計方法，具體步驟如下：

第一步,設(shè)計并網(wǎng)混合可再生能源系統(tǒng)的優(yōu)化目標(biāo)以及約束函數(shù)，建立并網(wǎng)混合可再生能源系統(tǒng)的多目標(biāo)優(yōu)化設(shè)計模型；

一個典型的并網(wǎng)混合可再生能源系統(tǒng)如圖1所示。針對這類典型系統(tǒng)，以最小化系統(tǒng)年化成本、系統(tǒng)凈購電成本、系統(tǒng)碳排放量為目標(biāo)，構(gòu)建帶約束的三目標(biāo)優(yōu)化問題，如下：

其中F_cost表示系統(tǒng)總的年度成本，包括：系統(tǒng)中各類設(shè)備的初始投資成本、使用過程中的操作與維修成本以及部分設(shè)備的替換成本；F_grid表示系統(tǒng)凈購電成本，即系統(tǒng)在仿真時間內(nèi)向電網(wǎng)賣出的電的收益減去向電網(wǎng)買電的成本。F_emission表示系統(tǒng)的碳排放量，只考慮柴油發(fā)電機(jī)使用過程中產(chǎn)生的CO₂排放。N_pv、N_wg、N_dg分別表示并網(wǎng)混合可再生能源系統(tǒng)中待優(yōu)化的光伏板、風(fēng)機(jī)和柴油發(fā)電機(jī)的數(shù)量；H_wg表示風(fēng)機(jī)的安裝高度，H_low和H_high分別表示風(fēng)機(jī)安裝高度H_wg的變化范圍的最小值和最大值，β表示太陽能光伏板的安裝傾角；

已知組成并網(wǎng)HRES系統(tǒng)的各設(shè)備的型號，即光伏板、風(fēng)機(jī)和柴油發(fā)電機(jī)的性質(zhì)和相關(guān)參數(shù)是確定的；這些設(shè)備的模擬數(shù)據(jù)分別如表1-4所示。其中光伏板參數(shù)包括開路電壓、短路電流、最大工作電壓、最大工作電流、額定工作溫度(NCOT)、初始投資成本以及操作維修成本等，風(fēng)機(jī)參數(shù)包括額定功率、初始投資成本、操作維修成本、使用壽命等，柴油發(fā)電機(jī)相關(guān)參數(shù)包括額定功率、初始投資成本、每小時操作維修成本和使用壽命等；并網(wǎng)HRES系統(tǒng)向電網(wǎng)買電和賣電的價格；柴油發(fā)電機(jī)排放因子；燃料消耗曲線的系數(shù)。

Ef是排放因子，該參數(shù)取決于柴油發(fā)電機(jī)和燃料的性質(zhì)，它的值一般位于2.4-2.8kg/lit。A_dg和B_dg是燃料消耗曲線的系數(shù)，分別為0.08145l/kWh和0.246l/kWh。

表1光伏板相關(guān)參數(shù)(假設(shè)每塊光伏板面積為1米²)

表2風(fēng)力機(jī)相關(guān)參數(shù)

表3買電賣電價格

表4柴油機(jī)相關(guān)參數(shù)

根據(jù)表1至4中提供的設(shè)備相關(guān)數(shù)據(jù)，建立針對并網(wǎng)的HRES多目標(biāo)優(yōu)化設(shè)計模型，具體而言，是指找出各類設(shè)備數(shù)量的最佳組合方式以及光伏板安裝傾角、風(fēng)機(jī)安裝高度等，使得HRES既經(jīng)濟(jì)又環(huán)保。

HRES規(guī)劃設(shè)計模型涉及到多個類型的變量，如：使用某類型設(shè)備的數(shù)量(整數(shù)變量)，光伏板安裝傾角、風(fēng)機(jī)安裝高度(實數(shù)變量)。具體一個實施方案的編碼規(guī)則如圖2。

方案編碼考慮了5個變量，包括光伏板數(shù)量、風(fēng)機(jī)數(shù)量、柴油機(jī)數(shù)量、風(fēng)機(jī)安裝高度以及光伏板安裝傾角。以下面編碼為例，若編碼顯示為(22,8,3,23.55，59.76)，那么使用22個給定的光伏板，8個風(fēng)力發(fā)電機(jī)，3個柴油發(fā)電機(jī)，同時風(fēng)機(jī)安裝高度為23.55米，光伏板安裝傾角為59.76°。

根據(jù)上述已知的各設(shè)備相關(guān)數(shù)據(jù)，以25年為項目周期，并網(wǎng)HRES系統(tǒng)各優(yōu)化目標(biāo)函數(shù)為：

(1)HRES系統(tǒng)年度化成本目標(biāo)函數(shù)為：

其中ACS表示混合可再生能源系統(tǒng)年度成本，PV表示光伏板，WG表示風(fēng)機(jī)，Tower表示風(fēng)機(jī)塔，DG表示柴油發(fā)電機(jī)，C_ainv是年度初始投資成本，C_aom是年度設(shè)備維護(hù)成本，C_arep是年度元器件總成本，分別用下式計算：

C_ainv＝∑C_inv·CRF(i,L_com) (24)

其中C_inv是每個元件的初始投資成本，元件包括光伏板、風(fēng)機(jī)、風(fēng)機(jī)塔、電池組和柴油發(fā)電機(jī)，CRF是資本回收因子，L_com是元件壽命，單位是年；i是年實際利率，i_nom是名義利率，f是年通脹率；

C_arep＝C_rep·SFF(i,L_rep) (27)

C_aom(n)＝C_aom(1)·(1+f)ⁿ (29)

其中C_rep是每個元件的替換成本，元件包括光伏板、風(fēng)機(jī)、風(fēng)機(jī)塔、電池組和柴油發(fā)電機(jī)，SFF是沉默資金因子，L_rep是元件替換壽命，C_aom(n)是第n年的操作與維修成本；

(2)HRES在T時間內(nèi)的碳排放量的目標(biāo)函數(shù)為:

其中T是一年總的小時數(shù)即8760，Ef是排放因子，該參數(shù)取決于柴油發(fā)電機(jī)和燃料的性質(zhì)，它的值一般位于2.4-2.8kg/lit的范圍內(nèi)。F_cons為柴油發(fā)電機(jī)的燃料消耗，可以近似假設(shè)為它的功率輸出的線性函數(shù)，表達(dá)式如下所示：

F_cons＝A_dgP_{r_dg}+B_dgP_dg (31)

其中P_{r_dg}是柴油發(fā)電機(jī)的額定功率，P_dg是柴油發(fā)電機(jī)的輸出功率，A_dg和B_dg是燃料消耗曲線的系數(shù)。在并網(wǎng)HRES中，柴油發(fā)電機(jī)一般被用作備用電源，只有當(dāng)可再生能源發(fā)電小于負(fù)載需求時它才會工作。柴油發(fā)電機(jī)的引入雖然能進(jìn)一步提高混合可再生能源系統(tǒng)的可靠性，但是也會增加系統(tǒng)的成本，同時伴隨著柴油等化石燃料的消耗還會增加有害污染物以及溫室氣體的排放。

(3)HRES在T時間內(nèi)的凈購電成本目標(biāo)函數(shù)為：.

F_grid＝P_b·E_b-P_s·E_s (32)

其中E_b和P_b表示總的買電數(shù)量和價格，E_s和P_s表示總的賣電數(shù)量和價格。系統(tǒng)的凈購電成本可以為負(fù)值，當(dāng)該目標(biāo)值為負(fù)時，說明并網(wǎng)系統(tǒng)向電網(wǎng)賣電獲得了收益，此時該目標(biāo)值越小則表明并網(wǎng)的經(jīng)濟(jì)收益越大。一般情況下，賣電價格會稍高于買電價格，從而使得并網(wǎng)系統(tǒng)的用戶能夠從中獲得收益，以利于可再生能源系統(tǒng)的推廣發(fā)展。

下面闡述并網(wǎng)HRES的功率供應(yīng)過程：首先由光伏發(fā)電和風(fēng)力發(fā)電直接供給負(fù)載以滿足需求，當(dāng)光伏發(fā)電P_pv(t)和風(fēng)力發(fā)電P_wg(t)的功率大于負(fù)載需求P_load(t)時，多余的電量賣給電網(wǎng)；相反當(dāng)光伏和風(fēng)力的總發(fā)電量不能滿足負(fù)載時，首先由柴油機(jī)發(fā)電P_dg(t)，若仍不能滿足負(fù)載時，系統(tǒng)向電網(wǎng)買電P_grid(t)，用于買足負(fù)載需求。在電網(wǎng)和可再生能源供給之間切換過程中，只需加入適當(dāng)?shù)哪孀兤骰蛘哒髌鞯?，模型的運(yùn)行過程不受影響。其中P_dg(t)表示在時間t內(nèi)柴油發(fā)電機(jī)的輸出功率P_dg，與柴油機(jī)的選型相關(guān)。P_grid(t)表示在時間t電網(wǎng)電量供給功率。關(guān)于光伏和風(fēng)力機(jī)的出力功率計算如下。

P_pv(t)表示光伏板在時間t內(nèi)的輸出功率由(12-15)計算得到：

V_OC(t)＝V_OC,STC-K_V·T_C(t) (35)

其中T_C(t)是在時間t的光伏電池溫度，T_A(t)是時間t時的周圍環(huán)境溫度，NCOT是制造商提供的額定電池工作溫度，S_p(t,β)是垂直于光伏板傾斜表面上的太陽輻射，I_SC,STC和V_OC,STC是光伏板在標(biāo)準(zhǔn)測試條件下的(溫度25，太陽輻射1kW/m²)短路電流和開路電壓，I_SC(t,β)是光伏板的短路電流，V_OC(t)表示光伏板的開路電壓，K_I和K_V是所選光伏板對應(yīng)電流和電壓下的溫度系數(shù)；P_pv(t,β)是由一個包含N_S個串聯(lián)，N_P個并聯(lián)光伏板的光伏陣列的輸出功率，N_pv表示光伏板的總數(shù)量，F(xiàn)F(t)是填充因子。

P_wg(t)表示風(fēng)機(jī)在時間t內(nèi)的輸出功率由公式(16)計算得到：

其中v是每一時刻的風(fēng)速，C_P是風(fēng)機(jī)性能系數(shù)，ρ是空氣密度，A_WG是風(fēng)機(jī)上轉(zhuǎn)子掃過的面積，P_WGR是風(fēng)機(jī)的額定功率；V_c是風(fēng)機(jī)的切入速度，V_r是風(fēng)機(jī)的額定風(fēng)速，V_f是風(fēng)機(jī)的切出風(fēng)速。

并網(wǎng)HRES優(yōu)化設(shè)計中所需的太陽輻射、風(fēng)速分布、溫度數(shù)據(jù)以及負(fù)載功率需求可根據(jù)所研究地區(qū)的歷史數(shù)據(jù)經(jīng)過相應(yīng)處理得到，如使用過去十年的平均數(shù)據(jù)，或者根據(jù)其分布函數(shù)產(chǎn)生模擬數(shù)據(jù)；同時，柴油發(fā)電機(jī)標(biāo)準(zhǔn)碳排放系數(shù)可根據(jù)所選的柴油機(jī)型號得知；向電網(wǎng)買電、賣電的成本可依據(jù)所研究地區(qū)的具體政策規(guī)定得到。

第二步，利用PICEA-g算法求解HRES多目標(biāo)優(yōu)化模型，如圖3所示，具體流程為：

(1)算法參數(shù)設(shè)置：主要包括種群規(guī)模和終止條件，這里種群N設(shè)置為200，終止條件采用最大運(yùn)行代數(shù)，設(shè)置為maxGen＝500。當(dāng)然針對不同的問題和問題規(guī)模，可以選擇不同參數(shù)值。

(2)初始化種群，隨機(jī)生成N＝200個初始父代種群S。每個個體x有5個編碼，即x＝(N_pv,N_wg,N_bat,N_dg,H_wg,β)，其中0≤N_pv≤30，0≤N_wg≤20，0≤N_dg≤10，5≤H_wg≤30，0≤β≤90；同時，隨機(jī)生成Ng＝200參考點g＝(g₁,...,g_m)的偏好信息種群，記作父代參考點種群G，其中0＜g_i＜1.2,i＝1,2,...,m，m表示目標(biāo)個數(shù)，這里m＝3。

(3)若滿足終止條件，則終止計算，輸出當(dāng)前的非支配解集；否則，基于當(dāng)前種群S，通過遺傳重組算子產(chǎn)生子代種群Sc，規(guī)模也為N；重新生成Ng＝200個新的參考點，記為種群Gc。所述的遺傳重組算子具體操作步驟如下：

(a)針對當(dāng)前種群S內(nèi)的每個個體x_i，結(jié)合隨機(jī)選擇的另外兩個個體x_m和x_n，通過下式產(chǎn)生新的個體x_new。其中表示新個體的第k個變量值，表示一個臨時變量值，和分別表示個體i、個體m和個體n的第k個變量值，這里k＝[1,2,...,6]；F和CR分別為該操作的兩個參數(shù)，這里設(shè)置為0.9和0.05；rand表示位于區(qū)間(0,1)的隨機(jī)數(shù)；k_rand表示一個隨機(jī)產(chǎn)生的位于區(qū)間[1,6]整數(shù)；floor()表示向下取整函數(shù)。

(b)若產(chǎn)生的新個體非可行解，則采取以下措施將其修正為可行解。其中ub^k和lb^k分別表示第k個變量的上下界。所有的x_new構(gòu)成了子代種群Sc。

(4)將父代S與子代Sc合并，得到規(guī)模為2N的合種群S_all＝S∪Sc，將父代參考點種群G和子代參考點種群Gc合并，得到規(guī)模為2Ng的合種群G_all＝G∪Gc?；赟_all和G_all計算個體和參考點的適應(yīng)度，然后依據(jù)適應(yīng)度對所有個體進(jìn)行排序。

所述的個體適應(yīng)度計算方法為：

(a)將種群中的個體歸一化：獲取每一個目標(biāo)函數(shù)f_m的最大值，max(f_m)和最小值，min(f_m)，目標(biāo)函數(shù)f_m是指公式(1)中的F_cost、F_grid和F_emission，然后依據(jù)下式將每個個體目標(biāo)函數(shù)值轉(zhuǎn)換到區(qū)間[0,1]。

其中，f_i(x)表示進(jìn)化過程中個體x的第i個目標(biāo)的原始目標(biāo)函數(shù)值，表示個體x歸一化后的目標(biāo)函數(shù)值；

(b)個體與參考點的支配關(guān)系統(tǒng)計：遍歷每一組個體與參考點，確定他們之間的Pareto支配關(guān)系。同時設(shè)定每個參考點攜帶的積分為1，當(dāng)某一參考點僅被一個個體支配，那么它的積分全部分配給該個體；當(dāng)參考點被多個(如n_r)個體支配，那么它的積分平均分配給這n_r個個體，即每個個體得到1/n_r積分。由此得到個體的初始適應(yīng)度計算公式，如(41)所示。所述Pareto支配關(guān)系為：個體x支配個體y(即個體x優(yōu)于個體y)，記作當(dāng)且僅當(dāng)。其中f表示的目標(biāo)函數(shù)。

其中s_i表示第i個個體，g表示參考點，n_r表示參考點被個體s_i支配的個數(shù)，個體初始適應(yīng)度值等于該個體能夠支配的所有參考點賦予其的積分，若個體不能支配任何參考點，那么

對于每個參考點，若其被n_r個個體支配，則得到積分1/n_r，若不被任何個體支配，則得到積分0。由此得到參考點的適應(yīng)度其計算公式，如(42)所示；

依據(jù)個體和參考點的適應(yīng)度值和的值，對個體和參考點進(jìn)行從大到小排序。

(5)根據(jù)排序結(jié)果從前往后選取N個體和Ng個參考點作為新的父代個體種群S參考點種群G。

(6)重復(fù)(3)至(5)步，直至滿足終止條件，即達(dá)到最大運(yùn)行代數(shù)，輸出S中的非支配個體作為所求解的解；

依據(jù)表1至4中的數(shù)據(jù)，以及模型中的其它已知的氣象數(shù)據(jù)如光照、風(fēng)速和溫度等，負(fù)載數(shù)據(jù)也可以由用戶端獲取。以1年為仿真周期，1小時為仿真步長，最終求解得到的Pareto最非支配集如圖4(a)所示。

第三步，結(jié)合決策者的偏好信息，從多個Pareto最優(yōu)解中，選擇一個作為最后并網(wǎng)HRES的實施方案?？煽紤]以下三種情況：

(1)當(dāng)決策者偏重年度化成本F_cost和碳排放量F_emission時，則在滿足二者限制的條件下(給定的最大F_cost和F_emission容忍值，即F_cost<Cost且F_emission<Emission)，選擇使凈購電成本最低的方案，即F_grid最小化，如圖4(b)；

(2)當(dāng)決策者偏重凈購電成本F_grid和碳排放量F_emission時，則在滿足二者限制的條件下(給定的最大F_grid和F_emission容忍值，即F_grid<Cgrid且F_emission<Emission)，選擇使年度化成本最低的方案，即F_cost最小化，如圖4(c)；

(3)當(dāng)決策者偏重年度化成本F_cost和凈購電成本F_grid時，則在滿足二者限制的條件下(給定的最大F_cost和F_grid容忍值，即F_cost<Cost且F_grid<Cgrid)，選擇使碳排放量最低的方案，即F_emission最小化，如圖4(d)；

以上包含了本發(fā)明優(yōu)選實施例的說明，這是為了詳細(xì)說明本發(fā)明的技術(shù)特征，并不是想要將發(fā)明內(nèi)容限制在實施例所描述的具體形式中，依據(jù)本發(fā)明內(nèi)容主旨進(jìn)行的其他修改和變型也受本專利保護(hù)。本發(fā)明內(nèi)容的主旨是由權(quán)利要求書所界定，而非由實施例的具體描述所界定。