通过创新优化离网生物质能/光伏能/蓄电池以及风能/光伏能/蓄电池混合系统，在多种气候条件下实现可持续的城市和社会发展

《Results in Engineering》：Sustainable cities and societies through innovative optimization of off-grid Biomass/Photovoltaic/Battery and Wind/Photovoltaic/Battery hybrid systems under diverse climatic conditions

混合能源系统优化与新型鲸优化算法研究 摘要：本文提出一种改进的鲸优化算法（WOAR），通过引入正交旋转算子增强探索能力，解决了高维优化中早熟收敛问题。经两种气候条件（ humid-equatorial和Sahelian）下的实证分析，WOAR在生物质/光伏/电池和风/光伏/电池混合系统中显著降低电价（LCOE低至0.0548 US$/kWh，较粒子群优化PSO降低66.9%），同时提升供电可靠性（LPSP降至0.129）和计算效率（运行时间减少约3%）。研究表明，WOAR通过动态旋转机制平衡探索与利用，适应不同资源条件和气候场景，为偏远地区可靠、经济能源系统设计提供新工具。

　　近年来，随着化石燃料资源的迅速枯竭和气候变化的紧迫性，全球范围内对可再生能源系统的关注日益增加。可再生能源系统，尤其是混合能源系统，因其能够结合多种能源来源，从而提高系统效率、降低成本，并增强系统的可靠性，成为实现可持续发展的关键手段。然而，这类系统的优化设计面临诸多挑战，包括如何在高维空间中实现有效的探索与利用，以及如何在不同气候条件下保持优化策略的普适性。本文提出了一种名为“带旋转动力学的鲸鱼优化算法”（WOAR）的新方法，旨在解决传统鲸鱼优化算法（WOA）在高维空间中容易陷入局部最优、探索能力较弱等问题。该方法通过引入正交旋转操作符，增强了搜索方向的多样性，提高了全局探索能力，同时在不牺牲局部优化性能的前提下，减少了算法在局部最优附近的停滞倾向。

WOAR的提出基于对现有优化算法局限性的深入分析。传统鲸鱼优化算法虽然在优化过程中具有良好的收敛特性，但在处理高维、非线性问题时，往往表现出过早收敛和探索不足的缺陷。此外，该算法对初始种群和参数设置较为敏感，这使得其在不同场景下的表现不够稳定。因此，研究者们尝试通过引入旋转机制来增强算法的探索能力，使其能够在复杂的优化空间中保持搜索的多样性，并有效避免局部最优的陷阱。通过这种方式，WOAR在保持计算效率的同时，提升了算法的全局搜索能力，使其能够更有效地找到最优解。

本文的研究重点在于验证WOAR在不同气候条件下的优化效果。为了测试该算法的适用性，研究者选取了两个具有代表性的地区：一个是赤道湿润气候的Littoral地区，另一个是萨赫勒气候的Far North地区。这两个地区在气候特征、资源分布以及负荷需求方面存在显著差异，这使得它们成为测试算法适应性的理想案例。通过在这些地区对混合能源系统（包括生物质/光伏/电池和风能/光伏/电池系统）进行优化，研究者发现WOAR不仅在优化效率上优于传统算法，还表现出良好的适应性和可扩展性。具体而言，WOAR在Littoral地区的生物质/光伏/电池系统中实现了更低的单位能源成本（LCOE），仅为0.0548美元/kWh，相比之下，WOA的LCOE为0.0957美元/kWh，PSO的LCOE为0.1657美元/kWh。这一结果表明，WOAR在优化能源系统方面具有显著的经济优势。

在Far North地区的风能/光伏/电池系统中，WOAR的优化效果同样突出。该系统在所有测试中展现出最低的净现值成本（NPC），仅为62,000美元，显著低于PSO的100,000美元和WOA的86,000美元。同时，WOAR的能源供应中断概率（LPSP）也被有效降低至0.129，远低于其他算法。这些结果表明，WOAR不仅在经济性方面表现优异，还能够在复杂系统中实现较高的可靠性。此外，WOAR的计算效率与传统算法相当，甚至在某些情况下更优，这使得其在实际应用中更具吸引力。

本文还对WOAR的算法原理进行了深入探讨。在传统的WOA中，鲸鱼的优化行为主要通过围绕目标的螺旋式移动来实现，这种机制在某些情况下可能导致搜索路径过于集中，从而限制了算法的探索能力。为了改善这一问题，WOAR引入了旋转矩阵，使得在每次迭代中，候选解的更新方向更加多样化。这种旋转机制不仅增强了全局搜索能力，还通过平衡探索与利用，提高了算法的收敛速度和解的质量。此外，旋转操作还帮助算法在不同气候条件下保持稳定性，从而支持跨区域的能源规划。

在实际应用方面，WOAR被用于优化两个混合能源系统：一个是Littoral地区的生物质/光伏/电池系统，另一个是Far North地区的风能/光伏/电池系统。这两个系统的设计不仅考虑了当地的气候条件，还结合了具体的资源分布和负荷需求。通过详细的建模分析，研究者能够评估不同优化算法在实际系统中的表现，并得出相应的优化策略。在生物质/光伏/电池系统中，WOAR的优化结果表明，该算法能够有效减少光伏模块的使用数量，同时保持系统可靠性。这不仅降低了初始投资成本，还提高了系统的整体经济性。而在风能/光伏/电池系统中，WOAR的优化方案进一步降低了净现值成本，并有效降低了能源供应中断概率，显示出其在复杂系统中的优越性。

此外，本文还探讨了不同优化算法在混合能源系统中的应用现状。研究者回顾了多种算法，包括遗传算法、粒子群优化算法（PSO）以及灰狼优化算法（GWO），并分析了它们在不同场景下的表现。这些算法虽然在某些方面具有优势，但普遍面临收敛速度慢、计算成本高以及对初始参数设置敏感等问题。相比之下，WOAR在保持计算效率的同时，提升了算法的探索能力，使其能够更全面地评估不同优化方案，并找到最优解。

在研究方法上，本文采用了多目标优化框架，以综合评估混合能源系统的性能。通过定义一系列优化指标，包括净现值成本、单位能源成本以及能源供应中断概率，研究者能够全面地衡量不同算法在优化过程中的表现。此外，研究还考虑了不同气候条件下的系统表现，这为实际应用提供了重要的参考依据。通过在两个不同气候区域的实验，研究者验证了WOAR在复杂环境下的适应性，证明了其在不同资源条件和负荷模式下的普适性。

在实际应用中，混合能源系统的设计需要综合考虑多种因素，包括技术性能、经济成本以及系统可靠性。为了确保系统的稳定性，研究者采用了详细的建模方法，包括对光伏模块、生物质发电系统以及电池储能系统的建模。这些模型不仅反映了系统的实际运行情况，还能够帮助优化算法更好地理解系统的动态特性。通过模拟不同气候条件下的系统运行，研究者能够评估WOAR在不同环境下的表现，并进一步验证其在实际场景中的适用性。

本文的研究成果不仅对优化算法的发展具有重要意义，还为混合能源系统的实际应用提供了有价值的参考。通过引入旋转机制，WOAR有效提升了算法的探索能力，使其能够在复杂的优化空间中找到更优的解决方案。此外，该算法在不同气候条件下的表现也表明，它能够适应多样化的资源环境，从而支持区域间的能源规划。这些发现为未来的研究提供了新的思路，尤其是在开发更加智能化、自适应的优化算法方面。

总体而言，本文提出了一种具有创新性的优化算法——WOAR，该算法通过引入旋转机制，显著提升了传统鲸鱼优化算法的性能。在实际应用中，WOAR表现出良好的经济性和可靠性，能够在不同气候条件下实现有效的系统优化。这些优势使其成为混合能源系统设计和优化的理想工具，特别是在偏远地区或资源分布不均的区域。未来的研究可以进一步拓展WOAR的应用范围，例如将其应用于更大规模的混合系统、与需求响应机制相结合的电网系统，以及涉及氢气生产与存储的混合系统等。这些扩展将有助于提高算法的适应性，并进一步推动可持续能源规划的发展。