在源负载不确定性条件下，基于模糊概率约束的多目标优化方法用于建筑光伏辅助分布式能源系统的配置与运行优化

《Renewable Energy》：Fuzzy chance-constrained multi-objective optimization of configuration and operation of building-photovoltaics-assisted distributed energy system under source-load uncertainties

光伏建筑一体化分布式能源系统多目标优化研究。通过构建双层模糊机会约束模型，结合场景生成方法与ε约束法，优化系统配置与运行策略，在平衡经济、能源、环保效益与电网依赖性时，系统自主性提升5.71%。

　　随着全球能源结构向可再生能源转型，尤其是太阳能的广泛应用，建筑一体化光伏（Building-Integrated Photovoltaics, BIPV）技术在分布式能源系统（Distributed Energy Systems, DES）中的重要性日益凸显。BIPV不仅能够有效利用建筑表面进行太阳能发电，还能够与分布式能源系统相结合，实现对建筑电力、热能和冷能需求的全面覆盖。然而，太阳能发电的波动性以及建筑和电动汽车（Electric Vehicles, EVs）负荷的不确定性，使得BIPV在实际应用中面临诸多挑战。这些问题不仅影响系统的可靠性，还对能源调度策略和系统配置提出了更高的要求。因此，如何在不确定环境下优化BIPV与DES的协同运行，成为当前研究的热点之一。

本研究针对上述问题，提出了一种基于模糊机会约束的双层优化模型，用于优化BIPV辅助的分布式能源系统配置和能源调度策略。该模型综合考虑了太阳能发电的不确定性以及建筑负荷和电动汽车充电需求的波动性，通过设定特定的置信水平来平衡系统可靠性与经济性。此外，研究还引入了系统依赖度（System Dependence Degree, SDD）作为优化目标之一，以衡量系统对外部能源供应的依赖程度，从而增强系统的自主性和灵活性。通过实际案例的验证，研究结果表明，随着置信水平的提高，系统的经济性、能源效率和环境效益略有下降，但系统独立性则显著提升，显示出该模型在应对不确定性方面的有效性。

在分布式能源系统的设计与运行中，系统配置和调度策略的选择至关重要。传统的优化方法往往局限于单一目标，如最小化投资成本或最大化能源利用率，而未能全面考虑系统的多目标特性。因此，本研究提出了一种多目标模糊机会约束优化模型，该模型不仅考虑了经济性、能源效率和环境效益，还引入了系统独立性作为优化目标。这一多目标优化框架使得决策者能够在不同置信水平下，灵活调整系统配置和调度策略，以满足不同场景下的需求。例如，在高置信水平下，系统会更加注重可靠性，而在低置信水平下，则可能更倾向于经济性。这种灵活性对于应对复杂多变的能源环境具有重要意义。

太阳能发电的不确定性主要体现在其受天气条件、地理位置和季节变化等因素的影响，而建筑负荷和电动汽车充电需求的波动性则与用户的使用习惯、设备运行状态以及外部环境条件密切相关。为了有效处理这些不确定性，本研究采用了一种基于场景生成的方法，结合模糊逻辑来构建不确定性模型。这种方法不仅能够捕捉到各种可能的运行情景，还能在一定程度上处理数据的模糊性和不精确性，从而提高模型的适应性和实用性。通过设定特定的置信水平，研究者可以控制模型对不确定性的容忍度，进而优化系统的运行策略。

在系统配置方面，研究结合了多种能源技术，如太阳能、电网电力和天然气，以满足建筑社区的综合能源需求。这种多能源协同的配置方式不仅提高了系统的灵活性，还增强了其在不同环境条件下的适应能力。此外，研究还考虑了不同建筑类型和规模对系统配置的影响，例如住宅楼、高层住宅和商业建筑在能源需求特征上的差异。通过分析这些差异，研究者能够更准确地设计适合不同应用场景的系统配置方案，从而提升整体系统的运行效率。

在能源调度策略方面，研究采用了一种双层优化模型，分别针对系统配置和调度策略进行优化。这种双层结构使得模型能够同时考虑长期系统设计和短期运行调度，从而实现多目标的协同优化。例如，在系统配置阶段，研究者可以确定最佳的光伏装机容量、储能设备类型和规模以及能源转换设备的配置；而在调度策略阶段，则可以制定最优的能源分配方案，以确保系统在不同运行条件下都能稳定高效地运行。这种分层优化方法不仅提高了模型的计算效率，还增强了其在实际应用中的可行性。

为了验证所提出的优化模型的有效性，研究选取了北京市的一个典型住宅社区作为案例。该社区包括四栋六层住宅楼、一栋九层高层住宅楼和一栋商业建筑，总面积约为30,000平方米，屋顶面积约为4,300平方米。在该案例中，研究者假设所有屋顶均安装光伏面板，倾斜角度固定为37.55°，以最大化发电效率。通过模拟不同置信水平下的运行情景，研究者发现，随着置信水平的提高，系统的经济性、能源效率和环境效益有所下降，但系统独立性显著提升。这一结果表明，通过合理设定置信水平，可以在系统可靠性和经济性之间找到最佳平衡点，从而为实际工程应用提供科学依据。

此外，研究还探讨了不同能源存储技术对系统性能的影响。例如，电能存储（Electrical Energy Storage, EES）可以用于平衡光伏发电的波动性，而热能存储（Thermal Energy Storage, TES）则有助于应对建筑负荷的不确定性。氢能源存储（Hydrogen Energy Storage, HES）和压缩空气能源存储（Compressed Air Energy Storage, CAES）等新型存储技术也在研究中被提及，它们在特定应用场景下能够提供更高的灵活性和可靠性。然而，不同存储技术的选择往往受到具体能源需求和优化目标的影响，例如，若目标是成本最小化，则可能倾向于采用电能存储；若目标是提高系统独立性，则可能需要结合多种存储技术。

在优化方法的选择上，本研究采用了一种确定性优化方法，将原本的模糊机会约束模型转化为具有特定置信水平的确定性模型。这种方法不仅简化了模型的计算过程，还提高了其在实际应用中的可操作性。通过ε-约束法，研究者能够在满足多个优化目标的同时，找到最优的系统配置和调度策略。这种方法的优势在于，它能够将复杂的多目标优化问题转化为单目标优化问题，从而提高求解效率。同时，通过设定不同的置信水平，研究者可以灵活调整模型的优化方向，以适应不同的运行需求和环境条件。

研究结果表明，所提出的双层模糊机会约束优化模型在处理源荷不确定性方面具有显著优势。通过结合模糊逻辑和机会约束，该模型能够在不确定环境下提供更加稳健和可靠的优化方案。此外，模型在不同置信水平下的表现也显示出其在实际应用中的灵活性。例如，在置信水平从0.5提升至0.9的过程中，系统的经济性、能源效率和环境效益均有所下降，但系统独立性却显著提高。这一发现对于指导实际工程中的系统设计和运行策略具有重要参考价值。

综上所述，本研究通过构建一种基于模糊机会约束的双层优化模型，有效解决了BIPV与DES在源荷不确定性下的系统配置和调度优化问题。该模型不仅考虑了经济性、能源效率和环境效益等传统优化目标，还引入了系统独立性作为新的优化维度，从而提升了系统的整体性能。通过实际案例的验证，研究结果表明该模型能够在不同置信水平下实现多目标的协同优化，为未来的分布式能源系统设计和运行提供了新的思路和方法。