風光互補發(fā)電外文翻譯

1、<p>　　外 文 翻 譯</p><p>　　題 目： 獨立混合太陽能風力發(fā)電系統(tǒng)的最佳規(guī)模的研究現(xiàn)狀 </p><p>　　獨立混合太陽能風力發(fā)電系統(tǒng)的最佳規(guī)模的研究現(xiàn)狀</p><p>　　周煒 婁承芝 黎仲實 陸林 楊宏星</p><p>

2、;　　可再生能源研究小組（ RERG ），屋宇設備工程學系，香港理工大學，香港</p><p>　　環(huán)境科學與技術學院，天津大學，天津，中國</p><p>　　摘要：太陽能和風能可以說是無處不在，自由，環(huán)保，他們被視為最具有前途的發(fā)電來源之一?；旌闲吞柲茱L力發(fā)電系統(tǒng)，使用兩個可再生能源提高了系統(tǒng)的效率和功率的可靠性和減少了能量的存儲要求。本文著重優(yōu)化獨立太陽能風力混合能源系統(tǒng)，蓄電池存

3、儲和控制技術。研究發(fā)現(xiàn)在持續(xù)的研究和開發(fā)工作中，建立準確地預測它們的輸出和可靠的技術整合他們與其他可再生能源或常規(guī)能源共同發(fā)電系統(tǒng)性能這方面仍然需要改善。</p><p>　　關鍵詞：太陽能風力混合能源系統(tǒng)；可行性研究；建模；優(yōu)化</p><p><b>　　目錄</b></p><p>　　引言.. . . . . . . . . . . .

4、. . . . . . . . . . . . . . . . . . . . . . . . . .... .....1</p><p>　　氣象數據生成的可行性研究. . ... . . . . . . . . . .. . . .. . . . . . . . ... . . .....1</p><p>　　2.1.時間序列氣象數據 . . . . . . . . . ...

5、. . . . . . .. . . . . . . . . . . . ... . .....1</p><p>　　2.2.氣象數據統(tǒng)計. . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . .... . .....1</p><p>　　太陽能風力的混合動力系統(tǒng)組件的仿真建模. . ... . .. . . .

6、 . . . . . . .. . . . . . .....2</p><p>　　3.1光伏發(fā)電系統(tǒng)建模. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .....3</p><p>　　3.2風能系統(tǒng)建模. . . . . . . . . . . . . . . . . . . .. . . .

7、. . . . .. . . . . . .........3</p><p>　　3.3電池存儲系統(tǒng)的建模. . . . . . . . . . . . . . . .. .. . . . . . . . . . . . ... ..........3</p><p>　　4太陽能風力的混合動力系統(tǒng)優(yōu)化標準. . . . . ... . . . . . . .. . . . . . .

8、 . . . . .... ..........4</p><p>　　4.1電力可靠性分析 . . . .. . .. . . . . . . . . . . . . . . . . . . . . . .... ... .....4</p><p>　　4.2系統(tǒng)的成本分析 . . . .. . . . . . . . . . . . . . . . . . . . .

9、. . . . ....... .....4</p><p>　　5太陽能風力混合系統(tǒng)的優(yōu)化上漿方法. . . . . . . . . . . . . . . . . . . . . . .... . ........4</p><p>　　5.1模擬和優(yōu)化軟件. . . . . . . . . . . . . . . . . .. . . . . .. . . . . . . .

10、. . . . ........4</p><p>　　5.2太陽能風力的混合動力系統(tǒng)的優(yōu)化技術. . .. . . . . . . . . . . . . . . . . . . . . . .....5</p><p>　　5.2.1根據不同的氣象數據的優(yōu)化方案 . . . . . . . .. . . . . . . . .. . . . . . .... .. . .....

11、5</p><p>　　5.2.2最優(yōu)化技術 . . . . . . . . . .. . . . . . . . . .. . . . . . . . . . . . . . . . ..............5</p><p>　　5.3小結優(yōu)化技術 . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . ..

12、.... .............7</p><p>　　6結論 . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . ... . ................7</p><p>　　致謝 . . . . . . . . . . . . . . . . . . . . . . . . .

13、 . . . . . . ......... . . . . . . . . ........8</p><p>　　參考文獻 . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . ....... . . ............8</p><p><b>　　1.引言</b></p&

14、gt;<p>　　由于化石燃料資源的快速枯竭需在全球范圍內尋找替代能源，以滿足社會的需求。另一個關鍵原因，越來越多的證據表明我們對化石燃料的依賴是全球氣候變暖的主要原因。因此，當務之急是要尋找替代能源，以支付不斷增加的能源需求，同時減少對環(huán)境的負面影響。由于在其可用于偏遠地區(qū)的本地發(fā)電及可再生性，太陽能和風力發(fā)電系統(tǒng)被視為最具前途的能源之一。自20世紀70年代初的石油危機以來，太陽能和風能的利用已日益顯著，具有吸引力和成本

15、效益，。</p><p>　　然而，缺點在于太陽能和風能的不可預知性和依賴天氣和氣候的變化性，使得太陽能和風能的變化可負載需求的時間分布不匹配。這個缺點不僅影響系統(tǒng)的節(jié)能性能，而且還表現(xiàn)在電池的壽命過短。一般情況下，兩個獨立能源的聯(lián)合使用會造成相當的差距，這又使得設計費用相當昂貴。這不是獨立的太陽能能源系統(tǒng)，也不是風能系統(tǒng)可以提供連續(xù)的電源，而是季節(jié)性周期性變化[1]的獨立系統(tǒng)。</p><p

16、>　　幸運的是，引起這些問題的可變性質方面是可以部分或全部地克服，集成這兩個能源在適當的組合，使用一個源的優(yōu)勢，克服對方的弱點。相比之下（單一的可再生能源）不同的能量源的使用提高了系統(tǒng)的能源供應的效率和可靠性，并減少了將能量存儲的要求。與互補太陽能和風能的某些特性之間關系，混合型太陽能風力發(fā)電系統(tǒng)存儲以便提供高度可靠的電源[2]，這適用于更高的可靠性[3]的電氣負載。</p><p>　　當然，隨著增加的復

17、雜性與單能源系統(tǒng)比較，混合動力系統(tǒng)的優(yōu)化設計需要通過復雜的不確定的可再生能源供應和負載的需求，非線性特性的元件，高數的變量和參數，所以必須考慮到優(yōu)化設計，然而最優(yōu)的配置和最優(yōu)控制策略的系統(tǒng)是相互依存的。這種復雜性使得混合動力系統(tǒng)在設計和分析上更加困難。</p><p>　　為了有效地和經濟地利用可再生能源，一個最佳的測量方法是必要的。該最佳的測量方法可以幫助保證在最低的投資下充分利用光伏陣列，風力渦輪機和電池組，

18、從而使混合動力系統(tǒng)可以在最佳條件方面的投資和系統(tǒng)電源的可靠性。這類優(yōu)化包括經濟目標，它需要使系統(tǒng)的長期性能評估的可靠性和成本都達到最佳的折衷。</p><p>　　不同的測量方法，如圖形的施工方法，概率的方法，迭代的方法和人工智能方法，可以應用到達到一個技術，經濟最佳混合可再生能源系統(tǒng)。無論大小和優(yōu)化技術的使用，它們最終必須搜索以下參數：該系統(tǒng)的最佳組合的可靠性和系統(tǒng)成本。雖然預期的可靠性一個獨立的混合動力系統(tǒng)的

19、構成的一個重要標準優(yōu)化，該系統(tǒng)的成本是決定性因素，除非無限的預算是可用的。因此應仔細研究系統(tǒng)的可靠性和成本，使可以達到一個最佳的解決方案。本文將集中檢討當地的氣象數據生成的當前狀態(tài)，獨立的優(yōu)化和控制技術太陽能風力混合能源電池存儲系統(tǒng)，并嘗試發(fā)現(xiàn)進一步需要做的工作是什么。</p><p>　　2.氣象數據生成的可行性研究</p><p>　　氣候條件決定太陽能和風能在一個特定的場址的可用性和

20、幅度。對于不同的地區(qū)和位置，氣候條件，包括太陽輻射，風力速度，空氣溫度，等等，總是在不斷變化。為了更好地利用太陽能和風能資源應在開始階段分析潛在場址的太陽輻射的特性和風力狀況。</p><p>　　2.1.時間氣象序列數據</p><p>　　系統(tǒng)的長期性能是獨立混合太陽能風力發(fā)電系統(tǒng)最重要的設計標準。一些研究人員采用時間氣象序列的數據的可行性研究及設計混合動力系統(tǒng)。氣象數據含有每小時太陽

21、輻射，風速和環(huán)境溫度。</p><p>　　全局數據可以從網上獲得的[9 ]或者其他途徑，如當地的氣象站?；旌咸柲茱L力系統(tǒng)，可以在全球性的下天氣模式下進行評價，但最佳的可行的解決方案，通常還是需要以站點到站點的基礎氣象數據為主。到現(xiàn)在為止，很多關于太陽能和風能資源的研究已經完成分析，利用太陽能和風能的資源的可行性在許多地區(qū)或國家已有報道[10-14]。</p><p>　　2.2.氣象數

22、據統(tǒng)計</p><p>　　Knight等[15]指出，在許多地方每小時記錄的氣象變量不存長時間的變化。當要測得的位置的天氣數據不存在，它們可以通過以下兩種方法獲得。首先，天氣必要的數據可能會被合成為每月平均值的氣象數據。一些統(tǒng)計的太陽輻射和風速的屬性可以代表一個整體，用以產生數天的天氣數據以致一個月的數據[16 ]。其次，天氣數據可被外推，首先進行一些必要的調整從附近的一個站點推至另一個站點[17] 。<

23、/p><p>　　合成產生的天氣數據不完整時，可以使用天氣數據集，用于減少計算工作量模擬研究。</p><p>　　在研究太陽輻射，特別是風速和溫度的數據中，在戈登和Reddy開發(fā)的太陽輻射發(fā)生器上以小時為基礎[18] ，[20]隨機模擬每小時和每天的平均風速。 Knight等[15]提出的技術的代時的太陽輻射和環(huán)境溫度的數據，以及建議濕度和風速。Knight等開發(fā)的算法。 [15]需要輸入基

24、于每月平均太陽輻射和太陽輻射產生每小時的日常晴空指數累積頻率分布。</p><p>　　“典型氣象年（TMY）是一種最常見的天氣數據序列合成用于太陽能仿真系統(tǒng)。每小時TMY氣象數據通常包括12個月每小時的數據。每月選長期的天氣數據作為特定月份的最佳代表，或從幾年的天氣數據產生，（例如，平均太陽輻射和清晰度那些幾年的數據指數）。</p><p>　　最流行的方法，首先派生出的TMY數據（由H

25、all等人開發(fā)的）。[21]是一種經驗方法選擇個別月份不同年代使用Filkenstein謝弗統(tǒng)計方法[22]。參與研究的最終選擇統(tǒng)計每天干球溫度和持久性結構每天太陽總輻射量。其他的研究[23,24]派生出不同城市的TMYs 。在這些研究中，對不同的氣象參數的加權因子進行了審議。Yang和呂[25 ]開發(fā)了當地的太陽能和風能TMY的應用和評價。證明了他們的工作確定了適當的氣象參數及其權重因素為發(fā)展TMYs的不同種的可再生能源系統(tǒng)。<

26、/p><p>　　基于統(tǒng)計的氣象數據及各種混合太陽能風力系統(tǒng)可行性和性能的研究報告對性能進行評估[ 26-28 ] 。</p><p>　　圖1：混合太陽能風力發(fā)電系統(tǒng)框圖</p><p>　　3.太陽能風力混合系統(tǒng)仿真建模組件</p><p>　　太陽能風力的混合系統(tǒng)由光伏陣列，風力發(fā)電機組，蓄電池組，逆變器，控制器和其他配套設備電纜組成。一個

27、基本的混合動力系統(tǒng)的示意圖如圖1。光伏陣列和風力渦輪機的在一起工作，以滿足負載需求。當能量源（太陽能和風能）豐富產生的電力，滿足負荷需求后，將提供給電池直到它完全充滿。與此相反，當能源都較差，電池將釋放能量協(xié)助光伏陣列和風力渦輪機，以彌補負載要求直到存儲耗盡。</p><p>　　混合型太陽能風力系統(tǒng)的設計主要是依賴于各個組件的性能。為了預測系統(tǒng)的性能，各組成部分應仿照第一個，然后評估它們的組合，是否滿足需求的可

28、靠性。如果這些個體的輸出功率預測組件是不夠準確的，所得到的組合用最低成本提供電力。</p><p>　　3.1.光伏發(fā)電系統(tǒng)建模</p><p>　　光伏組件的性能在不同的操作條件下需要對知識有一個可靠的理解，正確的產品選擇和準確的預測是非常重要的。光伏組件的表面是由晶體硅做成的光伏模塊材料是一個關于溫度和太陽輻射光物理變量的函數。</p><p>　　在影響光伏模

29、塊/數組的性能的因素中已經做了很多的環(huán)境分析[29 - 31]。Radziemska Klugmann [30]提出溫度影響硅光電池的參數。對單晶太陽能電池和光電二極管進行了比較結果表明單晶太陽能電池的利用具有較大的光敏感區(qū)。西岡等[31]分析了系統(tǒng)性能的溫度系數對年產光伏系統(tǒng)在實際的操作環(huán)境中的影響。結果發(fā)現(xiàn)年度的太陽光發(fā)電系統(tǒng)的輸出的能量增加約1％改善為0.1％／℃的溫度系數。</p><p>　　在工程應用

30、中，許多研究人員在可預測的時間序列或平均性能光伏陣列可變的氣候條件下調查簡化的仿真模型，如功率效率模型[32-37]。</p><p>　　Overstraeten和梅爾滕斯[32]介紹了太陽能電池電路的模型，它的基本原理是任何進一步研究的前提?？藸柡涂咚筟29]提出了一種新的技術，它在測定電流-電壓（I-V）特性的光伏組件的基礎上可同時測量作為一個開路緩慢變化的光強度的函數的電壓。他們也給出了詳細的理論分析和

31、解釋關于準穩(wěn)態(tài)的開路電壓測量。Borowy和Salameh [33]給了我們一個最大的簡化模型該模型表明光伏組件的輸出功率在計算一次太陽輻射對PV模塊和環(huán)境溫度會被發(fā)現(xiàn)。</p><p>　　在工程應用性能預測的基礎上周等人。[34]提出了一種新的光伏陣列的仿真模型，光伏模塊的I- V曲線模型。介紹中提到光伏組件的性能依賴太陽輻射強度和光伏組件的溫度還有其他的復雜的參數。作者聲稱，該仿真模型是簡單的，有用的在實際

32、操作條件中工程師能夠在光伏組件制造商所提供的有限的數據理計算出實際的表現(xiàn)光伏組件的性能。Yang等人[2]建立一個模型，作為計算最大輸出功率為PV模塊的太陽能電池的等效電路的理論根據，使用8個參數，它們可以通過回歸分析確定變形蟲子程序或單純的從實驗數據中得出。這個模型的精度進行了實驗驗證，而且實驗數據具有很好的效果。</p><p>　　瓊斯和安德伍德[37]開發(fā)的效率模型中用填充因子的方法在光伏組件輸出功率的基

33、礎上 ，嘗試在既定的太陽輻射和溫度特性中考慮一般的光伏發(fā)電效率模式理論。該估計在光伏陣列輸出的交流電力上，一個單一的光伏組件產品輸出功率的光伏組件數量在陣列中逆變器的效率為：</p><p>　　測得的數據從一個仿真模型中，驗證39.5千瓦的建筑集成光伏陣列。光伏模塊的計算輸出功率需在兩組不同的氣候條件下（晴空條件下，陰云密布的條件下）編譯，收集一年內各個時期的數據。</p><p>　　

34、3.2.風能系統(tǒng)建模</p><p>　　進行文獻調查審查系統(tǒng)的性能，風力發(fā)電系統(tǒng)的評估表明，在有限的工作特定的時間段里風能已大多集中于區(qū)域風能評估，風速分布函數[39]，經濟[40]和區(qū)域風能風能方面政策[41]。不同的風力發(fā)電機有不同的輸出功率性能曲線。因此該模型描述的性能與預期的風力發(fā)電機是不同的。成功的規(guī)劃和實施風力發(fā)電項目風力渦輪機的功率模擬選擇合適的模型是非常重要的，它是一個先決條件。</p&g

35、t;<p>　　確定風力發(fā)電系統(tǒng)的長期性能一直是以小時模擬程序為主要的工具。風力發(fā)電系統(tǒng)基于每小時的風速數據，長期表現(xiàn)可以通過以下方式獲得。一般情況下，對于一個典型的風力渦輪機的輸出功率特性，可以假設在這樣一種方式，它開始在切口發(fā)電風速度，然后的輸出功率隨著風速的增加而線性從切口在額定風速的風速，增加當風速變化從額定功率的產生額定風速，切出風速，風力渦輪機出于安全考慮，將被關閉?；谏鲜黾僭O，最簡化的模型來模擬[42]所描

36、述的風力渦輪機的輸出功率。在其他情況下，研究[ 33,43,44 ]，有關類似的形式模型應用于威布爾形狀參數K。此外，二次表達式被應用于模擬其他類型的模型來描述的風力渦輪機的輸出功率[45,46]。</p><p>　　人們普遍認為，隨機的模擬程序需要相對應的風速數據，這顯然對許多地方來說是不可能的。因此，一些簡化設計算法[ 47,48 ]已經替代仿真方案，用以確定長期表現(xiàn)可再生能源系統(tǒng)。然而，人們普遍認為如果仿

37、真模型越簡單準確會越低。</p><p>　　在其他一些研究中，風力渦輪機功率根據用電負荷，平均風速和風力渦輪機的功率曲線來計算[49]。在計算的基礎上測試實際的風力速度和方向是很費時的，有時甚至是不可能的，可以使用平均風速代替。有時，所述風力渦輪機功率曲線不能完全代表風力渦輪機的輸出功率，因為曲線是風力渦輪機的輸出功率平均風速的函數忽略了瞬時風速的變化，因此，在一定程度上破壞了風力渦輪機的性能[50]。所以，考

38、慮風速的瞬時變化的影響可以提高混合動力系統(tǒng)的精度，但是考慮混合動力系統(tǒng)的實際風速幾乎是不可能的。ZamaniRiahy [51]提出了一種新的計算方法：考慮風力渦輪機的功率的風速變化。用風速的變化率的評估能量模式實際風因子（EPF），轉子速度和性能俯仰角控制器來評估一個新的因素——風渦輪可控（CA）。通過使用EPF和Ca ，由控制器修改考慮電源額外的電源捕獲曲線 。</p><p>　　3.3.電池存儲系統(tǒng)的建模

39、</p><p>　　可再生能源向之前介紹的一樣很好，但是進一步的收集技術和經濟方面的問題是需要著重解決的。它不像化石燃料和核能燃料是濃縮的能量來源，是容易儲存和運輸的，可再生能源以高度稀釋和擴散的形式出現(xiàn)。此外，他們的供應是間歇性和不可靠的。因此，電池也需要符合太陽能和風能分布的不規(guī)則性。</p><p>　　研究人員一直集對電池行為模型的發(fā)展研究了許多年。基于Gu 等給出的模型[52]

40、和由Ekdunge Simonsson研究的摻入擴散沉淀機制[53 ]在該反應負極的動力學，Kim和Hong[54 ]分析了影響被水淹沒的鉛酸電池單元的放電性能的數學建模。Bernardi和Carpenter [55]在鉛酸電池的數學模型的基礎上，通過添加氧重組反應。Nguyen等[56 ]提出了一個類似的淹沒模型的類型檢查電池在放電過程中冷起動安培和儲備能力的動態(tài)行為。</p><p>　　一般情況下，這些模型

41、是關于復雜的表達式和數量的參數。此外，需要通過多次測量內部參數或廣泛的實驗來確定組件的過程。因此，這些模型通常被用來評估在任意的操作條件下，理論電池的設計和性能是不是模擬實際的任意的電池性能。</p><p>　　另一種常見的電氣電路的設計建模方法是開發(fā)功能等效的電池[ 57,58]。該電路的元件可以代表內部組件的電池，例如電極和電解液阻力。這些模型的準確度取決于數的特性對它進行測試，以確定電路元素的值[57]。

42、在某些情況下，需要補償因子消除溫度的影響。此外，還需重新定性，以迎合由于電池老化所引起的變化[58]。</p><p>　　其他電池的行為的預測方法包括充電積累和經驗模型。Yang等人[2]，鉛酸蓄電池的特征在于由兩個索引，即狀態(tài)電量（SOC）和浮充電壓（或端子電壓）。Sabine Piller等相繼出臺了廣泛的SOC判定方法[59]。它的結論是這個時候對所有的系統(tǒng)最常用的技術是安培小時計算方法因為它是最直接，最

43、透明的方法而且在相當短的時間內應用可以取得令人滿意的精確的結果，特別是用在低到中等的范圍內SOC很容易地就能實現(xiàn)。Morgan等人[60]用自治的混合動力系統(tǒng)在各種溫度單位下研究了電池的性能，考慮電壓（SOV）的狀態(tài)中而不是國家電量（SOC）。按照目前的速度和電池充電狀態(tài)在文獻[61]描述了浮充電壓模擬模型和浮充電電壓之間的關系。</p><p>　　然而，在操作中電池充電是一個復雜的功能。因此，校正實驗確定因素

44、是必需的[62] 。通過觀察和實驗建立實證模型核實[63]。這些模型采用包括有關衡量的電池參數的電池狀態(tài)，例如，曲線擬合技術[ 64]。這些模型也需要相當多的實驗來取得目標電池的行為參數的特征。</p><p>　　4.太陽能風力混合動力系統(tǒng)優(yōu)化標準</p><p>　　為了選擇一個最佳組合的混合動力系統(tǒng)以滿足負載需求，評估必須對在考慮電源的可靠性和系統(tǒng)生命周期成本的基礎上進行。一個最佳的

45、混合動力系統(tǒng)的組合可以考慮二者之間的折衷目標：供電可靠性和系統(tǒng)成本。</p><p>　　4.1.電力可靠性分析</p><p>　　由于太陽輻射和風速間歇的特點，能源生產混合動力系統(tǒng)受到影響，所以供電可靠性分析通常被認為是任何此類系統(tǒng)的設計過程中最重要額一步。</p><p>　　也有一些方法用于計算混合動力系統(tǒng)的可靠性。最常用的方法是喪失電源的概率（LPSP）法

46、[65]。LPSP的概率是供電不足時無法產生滿足混合系統(tǒng)（光伏發(fā)電，風力發(fā)電和儲能）負載的需求[66]。獨立混合LPSP可以作為一個可靠的設計用以追求太陽能風力系統(tǒng)的參數。</p><p>　　有兩種方法用于設計一個獨立的混合LPSP太陽能風力系統(tǒng)。第一種是在實際模擬上。這種方法計算繁重需要跨越某個數據的一段時間的可用性。第二種方法使用概率技術將資源的負載波動化，從而消除所需要的時間序列數據。</p>

47、<p>　　其他一些電力可靠性標準也存在，如虧損負載概率（LOLP），系統(tǒng)性能等級（SPL）虧損負荷小時數（LOLH）。LOLP的概率是衡量一個系統(tǒng)在一個給定的時間內，期間的需求是否會超過系統(tǒng)的供電能力，往往表現(xiàn)為估計的天數超過長時間。Al-Ashwal和Moghram[67]在評估的基礎上提出了一種方法進行測試，決定混合式的太陽能和風能的系統(tǒng)最佳比例為最后貸款人（負載損失風險）。 SPL被定義為負載不能滿意概率[68]

48、。這兩個SPL和LOLH[69]的方法也應用廣泛。</p><p>　　4.2.系統(tǒng)的成本分析</p><p>　　一般來說，存在一些經濟條件，如凈現(xiàn)成本，均化能源成本和生命周期成本。該凈現(xiàn)成本被定義為一個時間序列的總現(xiàn)值現(xiàn)金流量，其中包括所有的系統(tǒng)組件的初始投資成本，項目使用壽命內任何組件發(fā)生的更換成本和維護成本。系統(tǒng)壽命通常被認為該光伏模塊的壽命的元素。更詳細的描述可以發(fā)現(xiàn)[70,71

49、 ] ，一些成本可能依賴于那些可能性的精選控制策略[ 70]。HOMER（可再生能源混合電優(yōu)化模型）使用總凈現(xiàn)值代表生命周期系統(tǒng)成本的成本，假定所有價格都在同一時間上升，并采取“每年實質利率”，而不是“名義利率” 。將這種允許通脹率的方法分解出來分析[72]。凈現(xiàn)成本也考慮到任何救助的成本，這是一個組件保持在該系統(tǒng)在項目生命周期結束的價值。HOMER假設直線折舊組件，這意味著一個組件殘值是直接正比于它的剩余壽命。它也假設在殘值的基礎上更

50、換初始投資成本，而不是成本。</p><p>　　均化能源成本的總的比率被定義為年系統(tǒng)成本和每年的電費交付系統(tǒng)的比[2]。它已被廣泛地用作評估混合型太陽能風力系統(tǒng)配置的一個客觀的術語[73]。其他經濟的方法，如系統(tǒng)的均化成本[1]和生命周期成本也被廣泛使用[74]。</p><p>　　5 .太陽能風力混合系統(tǒng)的優(yōu)化上漿方法</p><p>　　5.1.模擬和優(yōu)化軟

51、件</p><p>　　仿真程序是最常用的用于評估混合型太陽能風力系統(tǒng)的性能的工具。通過使用計算機仿真最優(yōu)配置，通過比較發(fā)現(xiàn)不同的系統(tǒng)性能和能源的生產成本配置。一些軟件工具，可用于設計混合動力系統(tǒng)，如HOMER， HYBRID2 ，HOGA 和HYBRIDS。</p><p>　　電動可再生能源的混合優(yōu)化模型（HOMER），由美國國家公共域軟件能源實驗室可再生能源生產，采用每小時到達最佳模

52、擬目標。這是一個長時間模擬器使用逐時負荷和環(huán)保的可再生能源系統(tǒng)評估的數據;基于凈現(xiàn)值成本對于一個給定的約束和靈敏度變量它有利于可再生能源系統(tǒng)的優(yōu)化。</p><p>　　在可再生能源系統(tǒng)驗證測試案例研究中[70]HOMER已被廣泛使用[75,76]。模擬所需要的時間取決于所使用的變量的數目，它操作簡單明了。該方案的局限性在于它使用戶不能夠直觀地選擇適當的元件作為算法和計算是不可見的。</p><

53、;p>　　HYBRID2由馬薩諸塞大學實驗室（RERL）可再生能源的研究所開發(fā) 。這是一款混合動力系統(tǒng)仿真軟件，仿真是非常精確的，因為它可以定義的時間間隔為10分鐘至1小時。國家可再生能源能源實驗室建議優(yōu)化HOMER系統(tǒng) ，一旦獲得最優(yōu)化的系統(tǒng)，然后提高設計使用HYBRID2 。</p><p>　　HOGA是一種由薩拉戈薩大學電機工程系（西班牙）開發(fā)的混合型的系統(tǒng)優(yōu)化方案 。通過遺傳算法進行優(yōu)化，并且可以

54、是單目標或多目標。1小時進行一次仿真，在此期間所有的參數保持不變?？刂撇呗砸膊捎眠z傳算法優(yōu)化。</p><p>　　HYBRIDS市售的應用程序所產生的的Solaris家園，評估一個給定的可再生能源技術的潛力配置系統(tǒng)，確定潛在的可再生能源分數和凈現(xiàn)值評估經濟可行性成本。HYBRIDS是一個基于Microsoft Excel電子表格可再生能源系統(tǒng)評估中的應用和設計工具，需要在一年內每天平均負載和估計每個月的環(huán)境數據

55、。不像HOMER，HYBRIDS只能模擬一個配置的時間，而不是提供一種優(yōu)化配置。從更高水平的可再生能源的知識系統(tǒng)配置來講HYBRIDS可再生能源系統(tǒng)變量和要求的詳細程度超過HOMER 。它是一個使用戶提高其可再生能源系統(tǒng)的設計技巧的應用程序。</p><p>　　5.2.太陽能風力混合動力系統(tǒng)的優(yōu)化技術</p><p>　　為了有效地和經濟地利用可再生能源，需要一個最佳的測量方法。該方法必

56、須滿足在可以幫助保證最低的投資下允許充分的利用系統(tǒng)組件，因此，該混合系統(tǒng)可以符合在最佳條件方面的投資，和系統(tǒng)電源的可靠性方面的要求。</p><p>　　5.2.1.根據不同的氣象數據的優(yōu)化方案</p><p>　　一些研究采用典型的氣象年數據[ 23-25 ]一個長時間的氣象數據[77]，用以混合動力系統(tǒng)的優(yōu)化?；诒憩F(xiàn)最差的一個月中也有許多最佳上漿的方法被開發(fā)[78-80 ] 。[79

57、]目前有兩個上漿方法用于獨立混合風力太陽能系統(tǒng)。第一種是“每年每月平均法”，其中光伏電池板和風力渦輪機的大小為每年的平均月度值。同樣地，負載用每年每月的平均價值表示。第二種方法是“最糟糕的一個月”的方法，它選擇了最糟糕的月份的太陽能和風能系統(tǒng)數據。類似Morgan開發(fā)的施膠方法[80]。相反“最好的月份”的方法，這種方法選擇了最糟糕的一個月為最大的光伏組件總面積風力發(fā)電機發(fā)電數據。</p><p>　　時間序列的

58、模擬方法是最常用的可再生能源系統(tǒng)優(yōu)化程序。一般情況下，研究人員使用的時間序列氣象站數據的可行性作為混合動力系統(tǒng)的研究和設計。該混合動力系統(tǒng)基于時間序列氣象輸入，計算行為數據，通常有一個分辨率為1小時的間隔。 BorowySalameh [43]開發(fā)了一種算法來優(yōu)化混合太陽能風系統(tǒng);提出的模型是基于長期的每小時太陽輻射和高峰負荷需求選擇的網站數據。其他應用程序，也可以使用時間序列的方法仿真包括Baring-Gould等[81]和Notto

59、n等[82]，他們分別使用增量為1小時，1分鐘的時間尺度。Notton等[82]還在獨立太陽能的功率曲線系統(tǒng)的基礎上研究了影響時間步長，輸入和輸出上漿結果的仿真程序。</p><p>　　時間步長的模擬方法的主要缺點是，它需要顯著的計算工作量。此外，時間序列環(huán)境輸入的數據，特別是風力數據，可能無法在許多地方使用。為了優(yōu)化混合動力系統(tǒng)的性能，以減少模擬的時間和減少使用的變量數已進行了許多努力。Celik[83]提出

60、了一種預測算法用月平均的風速分布參數和太陽輻射值，使系統(tǒng)能估計簡單的風力分布參數，從而消除了時間序列每小時數據的必要性。Protogeropoulos等[79]以每年平均法進一步簡化了這一過程。Muselli等[84]和Kaye[85]用這些預測算法進一步的形式的隨機動態(tài)優(yōu)化模型，對裝有需求的不確定性，組件故障天氣和行為的可再生能源系統(tǒng)的潛能進行了估計。</p><p>　　5.2.2.最優(yōu)化技術</p&g

61、t;<p>　　優(yōu)化變量的數目的增加數字的模擬也成倍增加，隨之所需時間和精力也在增加。因此，設計師需要找到一個可行的優(yōu)化技術選擇最佳的系統(tǒng)配置。</p><p>　　太陽能風力混合系統(tǒng)的各種優(yōu)化技巧在已報道的文獻中，如圖形建設方法，概率法，迭代技術，人工情報的方法，多目標設計法。使用可行的優(yōu)化方法優(yōu)化配置，以滿足負荷的要求，可以得到[1,2]。</p><p>　　5.2.2

62、.1.圖形的建設方法</p><p>　　Borowy和 Salameh用一個圖形化的建設技術基于長期使用的太陽輻射和風速的數據記錄為一個獨立的太陽能風力混合系統(tǒng)算出光伏陣列和電池的最佳組合[33]，在30年的日子里可每隔一小時。一個典型的空載功耗在馬薩諸塞州的房子作為混合動力系統(tǒng)的負載需求。為給定的負載和所希望的LPSP ，在最優(yōu)的配置或電池和光伏組件的數量計算的基礎上，該系統(tǒng)的成本最低。</p>

63、<p>　　Borowy 和Salameh [33]假設系統(tǒng)的總成本是線性相關的關于PV模塊的數量和電池數的函數。最小費用將在之間的關系的曲線的切點上，它表示數量的光伏組件的電池的數目。然后，用最佳的電池組的大小可以實現(xiàn)光伏陣列。</p><p>　　另一種圖形化的技術已由Markvart給出[86] ，考慮每月平均太陽能和風能的能量值以優(yōu)化設計混合太陽能風力發(fā)電系統(tǒng)。</p><

64、p>　　然而，這兩個圖形的方法，只有兩個參數（光伏電池，光伏和風力渦輪機）被列入優(yōu)化過程中，一些重要的因素（如光伏模塊的傾斜角和所述風力渦輪機的安裝高度）則被完全忽略。</p><p>　　5.2.2.2.概率的方法</p><p>　　用上漿概率的方法研究太陽能風力混合系統(tǒng)在太陽輻射的影響上風速的變化。</p><p>　　Bucciarelli [87]提

65、出了一種治療儲能上漿方法作為一個隨機游走的變化。在每天的概率密度遞增或遞減的存儲水平的基礎上近似劃分為兩個事件的概率分布[88]。該方法是由進一步用一天的效果之間的相關性擴展到每天的輻射值[89]。Gordon[90]和Bagul等對 Bucciarelli的方法進行了修改。 在混合所產生的能量相匹配的實際分布系統(tǒng)[88]中存儲的能量轉換近似為三事件概率的方法克服了傳統(tǒng)的兩事件的方法的局限性。</p><p>　

66、　Tina等[91]提出了一種基于卷積技術的概率方法[92]消除波動性的資源和負載，從而消除了需要長時間的時間序列數據，以評估太陽能風力的混合系統(tǒng)的長期表現(xiàn)，并可獨立并網應用。采用光伏陣列和風力渦輪機的概率模型研究混合動力系統(tǒng)的性能。最后，包括數值例子應用程序說明概率模型的有效性：將結果進行比較，以產生時間序列模擬。</p><p>　　這個概率方法的缺點是，它不能代表混合動力系統(tǒng)的動態(tài)變化的性能。</p&

67、gt;<p>　　5.2.2.3.迭代技術</p><p>　　Yang等人[2]提出了一種混合型太陽能風力系統(tǒng)優(yōu)化（HSWSO）模型，它利用LPSP模型迭代優(yōu)化技術和電源的可靠性和系統(tǒng)能量模型均化成本。對被認為是三個大小參數進行模擬，即光伏發(fā)電系統(tǒng)的容量，太陽能風力系統(tǒng)額定功率及電池組的容量。先確定所需的LPSP值最優(yōu)的配置最后反復搜索所有可能的套配置實現(xiàn)能源均化成本最低。</p>

68、<p>　　由Kellogg等提出迭代優(yōu)化方法[93 ]在一段時間內選擇風力發(fā)電機組的大小和PV模塊數字使用一個迭代過程的區(qū)別生成的和要求的功率（DP）盡可能地接近零。從這個迭代過程中，獲得了太陽能風力發(fā)電能力的幾種可能的組合。然后的年度總費由每個配置計算，并選擇具有最低成本的組合代表最佳的混合物。</p><p>　　對于迭代優(yōu)化法，優(yōu)化體系成本實現(xiàn)線性變化的值相應的決策變量采用線性規(guī)劃技術，導致在次

69、優(yōu)的解決方案中，要求增加計算工作量。此外，它通常不優(yōu)化光伏模塊傾斜角度和風力渦輪機的安裝高度，因此產生了能源生產方面和系統(tǒng)方面的成本。</p><p>　　5.2.2.4.人工智能方法</p><p>　　人工智能一個最廣泛意義上的術語，意味著一臺機器的能力或工藝能執(zhí)行類似人類思想的多種功能[94]。人工智能的方法，如遺傳算法，人工神經網絡和模糊邏輯，廣泛的用于優(yōu)化混合動力系統(tǒng)，以便最大限

70、度地發(fā)揮其經濟效益。</p><p>　　選擇遺傳算法是因為他們已經被證明是非常適用于非線性系統(tǒng)。案件的位置在哪里全局最優(yōu)，是一項艱巨的任務。由于概率開發(fā)方案的解決，并不局限于遺傳算法局部最優(yōu)，它可以找到全局最優(yōu)的系統(tǒng)配置與相對于傳統(tǒng)計算簡單的如動態(tài)規(guī)劃的優(yōu)化方法梯度技術。</p><p>　　Koutroulis等[77]提出了一種優(yōu)化設計太陽能風力的混合動力系統(tǒng)的方法。方法建議在市售的

71、列表系統(tǒng)設備的最佳數目和不同的單位下，以確保滿足20年一輪的系統(tǒng)總成本最小化的遺傳算法負載能量的要求，擺脫負荷的約束。Yang等人[1]采用典型氣象年數據的算法提出了一種基于遺傳算法的最佳上漿方法。這種優(yōu)化模型，提出了計算系統(tǒng)最優(yōu)配置，該配置可以實現(xiàn)以最小的所需LPSP系統(tǒng)的年度成本。作者用圖片說明光伏陣列傾斜角度和渦輪機的安裝高度兩個優(yōu)化變量是不常見的。Dufo-López[70] 和Seeling [ 12 ]用遺傳算法減

72、少模擬時間，一些組件將過去和未來的不確定的可再生能源需求解決能源的供應問題，負載的需求和非線性特性。遺傳算法也被廣泛使用在大電源的配電系統(tǒng)的設計[95] ，電力經濟調度的解決方案中[96 ]，因為他們有能力處理復雜的問題和線性或非線性的成本函數都準確的問題和效率。</p><p>　　基于遺傳算法，Yang等人設計了混合太陽能風力發(fā)電項目。始建的電力來自可再生能源供應一個沿中國東南沿海偏遠的島嶼（Dalajia島

73、）的電信[1,4]。為正常的電信站的操作包括1300WGSM基站RBS2206消耗（24VAC）和200W微波通信（DC24V）提供電力 。根據項目需求和技術的考慮，選擇的連續(xù)1500W作為能源消耗的需求負荷，詳細的設計參數如表1所示。此外，根據一年期的試點項目的時間序列字段的數據Zhou等人[5]研究了系統(tǒng)的行為和性能。</p><p>　　人工神經網絡被稱為“神經網絡”，是一個基于生物神經網絡數學模型或計算模

74、型的網絡。它由一個相互聯(lián)系的人工神經元和流程信息聯(lián)結的方法計算。Kalogirou利用人工神經網絡和遺傳算法[ 97 ]提出了一種太陽能系統(tǒng)優(yōu)化的數學模型。使用一個TRNSYS電腦程序系統(tǒng)建模塞浦路斯的氣候條件，包括典型氣象數據。人工神經網絡使用少數的TRNSYS模擬進行訓練。隨后采用遺傳算法來估算最佳配置，最大限度地節(jié)約了生命周期：設計時間也大幅減少。</p><p>　　表1試點混合太陽能風力發(fā)電項目的詳細設

75、計參數</p><p>　　5.2.2.5.系統(tǒng)能量流的控制和管理</p><p>　　混合動力車太陽能風力系統(tǒng)的主要的問題在于控制及相關能量分配和監(jiān)督。電源的穩(wěn)定性和質量的關鍵問題在于動態(tài)交互可再生能源和負載之間，但可能導致的因素在傳統(tǒng)的電力系統(tǒng)中不是很常見。管理建議混合動力系統(tǒng)中確保在整個連續(xù)的能量流電源負載是必不可少的。</p><p>　　傳統(tǒng)的方法，根據使

76、用的各種混合系統(tǒng)需求的負載要求控制電源。在傳統(tǒng)的方法中，電力電子基于DC-DC轉換器提取最大的能量用于太陽能和風能資源，并控制整個混合動力系統(tǒng)。一些研究人員使用不同常規(guī)的方法控股不同組合的混合能源技術[ 98]系統(tǒng)。Park等人[99]提出了功補償系統(tǒng)控制通過混合能源系統(tǒng)負載能量流。Valenciaga和Puleston[100]和Onar等人[101]開發(fā)混合動力系統(tǒng)的控制器。Valenciaga和Puleston [100]開發(fā)了三

77、種操作模式，他們使用其中的滑?？刂品椒╗102]控制該混合動力系統(tǒng)。</p><p>　　除了傳統(tǒng)方法外，一些先進的控制技術也存在，它們可以拔下電源波動而引起可能影響的可再生能源的可變性的質量傳遞到負載的功率上。</p><p>　　El-Shater等[ 103 ]討論和管理了混合太陽能風力燃料系統(tǒng)的能量流。用三個能量源的控制技術，達到最佳效率模糊邏輯控制技術來提供能量，它實現(xiàn)了最大功率

78、跟蹤太陽能和風能的能量，達到一個固定的DC電壓總線的最大功率。Chedid和Rahman[ 104 ]設計的控制器用來監(jiān)控獨立或電網連接的系統(tǒng)的操作。該控制器確定了每個系統(tǒng)的能量組件和系統(tǒng)的環(huán)保積分。該模型可以給出生產成本，未滿足的和溢出的能量，和電池充電和放電的損失方面的數據?；谀：壿嫼瓦z傳算法技術上一些新的方法[ 105，106 ]也提出了在電池和柴油的調度上生成太陽能風力柴油混合系統(tǒng)。</p><p>

79、　　5.2.2.6.多目標設計</p><p>　　我們總是希望在任何工程現(xiàn)場開展設計它是可能的，同時我們也希望有幾個典型的目標發(fā)生沖突[107]。在最佳大小的太陽能風力柴油混合系統(tǒng)中，我們進行設計希望同時考慮至少兩個目標（成本和污染物排放）。因為這兩個目標發(fā)生沖突時，比如設計成本的降低意味著污染物排放量上升反之亦然。</p><p>　　因此，在這方面的問題上得到了良好的效果的任務實物（

80、多目標）是復雜的。給定的復雜性樣的問題，因為有大量的變量，通常認為，經典優(yōu)化技術應用的數學模型可能會占用過多的CPU時間，甚至不能考慮到所有相關的特征所帶來的問題。在專業(yè)技術文獻[ 27,70,108 ]，這些系統(tǒng)的設計通常是通過搜索配置或控制，以產生最低的總通過安裝的使用壽命成本為設計依據。然而，對環(huán)境的這種類型安裝的相關問題也應該在設計過程中加以考慮。到現(xiàn)在為止，計算后獲得的污染物排放量通常以最大限度地降低成本為設計標準。在某些情況

81、下，如在HOMER程序里它可能考慮經濟的污染物的排放量為估值，因此成為一個部分的成本目標函數。這映射排放的成本是主觀的，并影響了設計的結果。HOMER的方法是使用多目標設計的已知作為權重的方法[1]。多目標的設計任務從多目標進化算法中脫穎而出，被應用在眾多的論文中。Pelet等[109]為三間酒店和突尼斯撒哈拉熱電供應的一個鎮(zhèn)的獨立的混合動力系統(tǒng)的成本和二氧化碳排放量系統(tǒng)進行了多目標進化算法的優(yōu)化。Bernal-Agustín

82、et等人[ 71 ]提出了多目標優(yōu)化（全國人大與二氧化碳排放量）的混合型太陽能電</p><p>　　Pareto強度進化算法也適用于多目標設計的混合動力系統(tǒng)。該方法作為構成優(yōu)化問題的解決方案，允許獲得系統(tǒng)的配置以及控制策略，同時提高了使用壽命，最大限度地減少了總成本安裝和污染物的排放量。</p><p>　　5.3.小結優(yōu)化技術</p><p>　　根據上面給出的

83、詳細說明，表2顯示了不同的優(yōu)化軟件和技術的相對優(yōu)點和缺點。</p><p>　　不同的優(yōu)化方法的相對優(yōu)點和缺點</p><p><b>　　表2</b></p><p><b>　　6.結論</b></p><p>　　在世界各地獨立的混合型太陽能風力發(fā)電系統(tǒng)是一個可替代電網供電或以常規(guī)燃料為基礎的

84、偏遠地區(qū)的電力供應。它通常只需要一個能源的電力供應，比電網應用系統(tǒng)更適合。不過設計混合動力系統(tǒng)的控制和優(yōu)化通常是非常復雜的任務。</p><p>　　本文綜述了這項技術的最新進展，其中包括可行性研究，模擬分量，系統(tǒng)優(yōu)化和控制技術優(yōu)化。研究了時間序列氣象數據基地和氣象統(tǒng)計數據基地的可行性。用大多數常用的標準，在系統(tǒng)成本的影響評估系統(tǒng)供電的可靠性。各種優(yōu)化包括圖形建設技術法，概率法，迭代技術，人工智能法，多目標設計等

85、。</p><p>　　本文中，詳細在第一階段設計的對可再生能源資源分析，混合型太陽能風力系統(tǒng)的最佳大小和根據負載需求的最佳資源分配對該混合動力系統(tǒng)的初始成本和運行成本分析是必不可少的。此外，包括人工智能的一部分，在未來的能源管理系統(tǒng)，絕對可以幫助運營商進一步降低系統(tǒng)的成本。</p><p><b>　　參考文獻(略)</b></p><p>