《Solar Compass》：Techno-Economic Optimisation of a Solar PV–Battery-Diesel Generator Microgrid Using Hybrid PSO–GA for Rural Electrification in Cameroon: A Case Study
编辑推荐：
撒哈拉以南非洲的农村电气化仍是一项重大挑战，特别是在偏远社区，传统柴油发电受到高运行成本和环境影响的制约。研究人员调查了喀麦隆Ekonjo村太阳能光伏（Photovoltaic, PV）–电池–柴油发电机混合微电网的技术经济优化（Techno-Economic
撒哈拉以南非洲的农村电气化仍是一项重大挑战，特别是在偏远社区，传统柴油发电受到高运行成本和环境影响的制约。研究人员调查了喀麦隆Ekonjo村太阳能光伏（Photovoltaic, PV）–电池–柴油发电机混合微电网的技术经济优化（Techno-Economic Optimisation），采用实测负荷数据和太阳能资源数据。研究人员在Python中实现了一种混合粒子群优化–遗传算法（Particle Swarm Optimisation–Genetic Algorithm, PSO–GA），以确定最优系统容量配置和能量管理。将优化配置与传统手工设计进行比较，指标包括总生命周期成本（Total Life-cycle Cost, TLCC）、平准化度电成本（Levelized Cost of Energy, LCOE）和供电损失概率（Loss of Power Supply Probability, LPSP）。PSO–GA被独立执行30次，以评估解的一致性。手工设计得到TLCC为173.29 million FCFA，LCOE为118.001 FCFA/kWh，而优化配置达到约47.95 million FCFA，平均LCOE为65.59 FCFA/kWh，分别降低72.33%和44.42%。柴油发电机容量在全部30次运行中收敛至0 kW，表明在指定条件下优化配置可利用PV和电池储能满足建模需求。平均LPSP从0.90%增至1.15%，相当于未满足需求小幅增加0.25个百分点。独立运行之间最优容量参数的低变异性表明收敛一致。总体而言，结果证明混合PSO–GA优化在保持可接受供电可靠性水平的同时，具有降低农村微电网成本的潜力，为喀麦隆基于可再生能源的农村电气化规划提供了实际依据。
论文解读
研究背景与问题：全球能源部门正经历由电力需求增长、环境关切和可持续能源转型驱动的快速变化。传统集中式电力系统受到容量扩展有限、输电损耗高、基础设施老化、变压器过载以及偏远地区并网困难等约束。这些问题在撒哈拉以南非洲尤为突出，约55%人口缺乏电力可及。2022年，城市电力可及率估计为81.0%，农村仅为30.7%。喀麦隆的城乡差距更严重，城市约94.0%，农村约25%。喀麦隆国家电力系统包括南部互联电网（Southern Interconnected Grid, SIG）、北部互联电网（Northern Interconnected Grid, NIG）和东部电网（Eastern Grid, EG），其中SIG最大，供应十个地区中的六个。发电结构以水电（61%）为主，其次为天然气（20%）、石油（18%）和其他可再生能源（1%）。装机容量近期增至约1,653 MW，Nachtigal水电站420 MW中360 MW于2025年1月部分投运。尽管有这些潜力，电力部门仍面临频繁停电和可靠性挑战，全国电气化率2022年约71%，但城乡差距显著。Ekonjo村位于喀麦隆西南区Fako Division的Buea Subdivision，属于Bakweri文化区，位于Mount Cameroon高地区域，海拔约540 m，约60栋建筑，存在频繁且 prolonged 停电、电网可靠性有限和能源成本高的问题。该地区太阳能潜力高，微网部署是可行且可持续的农村电气化方案。然而，现有微网设计优化研究多依赖单一优化技术，未充分处理农村背景下经济性能与系统可靠性之间的权衡，且针对喀麦隆或类似撒哈拉以南环境的混合优化技术研究有限。因此，研究人员开展太阳能PV–电池–柴油混合微电网技术经济优化研究，提出混合PSO–GA框架，使用实测负荷和太阳能资源数据，在Python中确定最优容量配置与能量管理，并与传统手工设计比较TLCC、LCOE和LPSP。研究结论显示，优化配置达到约47.95 million FCFA，平均LCOE为65.59 FCFA/kWh，分别较手工设计降低72.33%和44.42%；柴油发电机容量收敛至0 kW，LPSP由0.90%增至1.15%，增加0.25个百分点，但仍保持接近1%的高供应充足性。该研究为喀麦隆基于可再生能源的农村电气化规划提供了实际依据。
主要关键技术方法：研究样本来源于喀麦隆Ekonjo村，负荷数据来自50户家庭，采用35天现场实测负荷数据集；太阳能资源采用NASA POWER 2024年全球水平辐照度（Global Horizontal Irradiance, GHI）数据。研究人员建立太阳能光伏（PV）、锂离子电池（Lithium-ion Battery）、柴油发电机（Diesel Generator, DGen）和混合逆变器（Hybrid Inverter）模型，计算功率平衡（Power Balance Level, PBL）、电池荷电状态（State of Charge, SOC）、燃料消耗、总生命周期成本（TLCC）、平准化度电成本（LCOE）、净现值（Net Present Value, NPV）和供电损失概率（LPSP）。优化采用混合PSO–GA：遗传算法（Genetic Algorithm, GA）生成初始种群，粒子群优化（Particle Swarm Optimisation, PSO）更新速度和位置，再经锦标赛选择、交叉和变异，Python实现，种群100、迭代100、交叉概率0.8、变异率0.1；独立运行30次，以均值、标准差、变异系数（Coefficient of Variation, CV）和显著性水平0.05的双侧t检验评估稳健性。
研究结果：
3.1 太阳辐照与负荷曲线分析：通过NASA POWER的GHI月均数据和35天现场实测负荷，发现旱季辐照较高，降雨峰期因云量略降；负荷呈白天较低、傍晚尖峰的农村消费特征。光伏发电与负荷存在互补性错配，说明配置储能可将白天多余光伏转移至晚间，支持PV–电池微电网。
3.2 手动选型方法结果：通过手工计算和20年项目期，配置为PV 117.41 kW、电池359.29 kWh、柴油发电机38 kW、电池自主24 h；TLCC为173.29 million FCFA，LCOE为118.001 FCFA/kWh。柴油发电机因燃料消耗占系统总成本最高，导致系统成本较高且能量性能次优。
3.3 混合GA-PSO优化结果：通过Python实现的混合PSO–GA进行30次独立运行。最优PV容量均值为91.85 kW，标准差0.54 kW，CV为0.59%；电池容量均值345.30 kWh，CV为1.27%；逆变器容量均值49.99 kW，CV为0.084%；柴油发电机容量在全部30次运行中均为0 kW。统计结果显示LPSP均值1.27%、LCOE均值69.59 FCFA/kWh、TLCC均值47.95 million FCFA；最优系统列出LPSP为1.15%。收敛过程约在85次迭代达到近稳态，表明算法收敛到稳定近优解。
3.4 微网调度与能量分配分析：通过24 h调度分析，白天PV发电显著满足负荷，晚间和初夜光伏不可用时系统切换至电池放电，保持供电连续性。优化调度消除了柴油发电依赖，降低运行成本并提高可持续性。
3.5 经济性能分析：该节给出优化结果中NPC为47.95 million FCFA、LCOE为69.59 FCFA/kWh，系统包括91.85 kW PV、349.2 kWh锂离子电池和49.9 kW逆变器，实现全可再生能源渗透和柴油零使用。30次运行LCOE散点反映问题随机性，同时表明经济性能改善。
3.6 手动与混合优化方法比较经济分析：原文比较显示，LPSP由手工0.900%变为混合优化1.154±0.62%，相对增加28.22%；LCOE由118.001变为69.59±0.49 FCFA/kWh，原文列出相对变化?44.42%；TLCC由173.29 million变为47.95±0.34 million FCFA，相对降低72.33%。该节文字又称优化平均LCOE为65.59 FCFA/kWh。LPSP绝对增加0.254个百分点，仍接近1%。结果表明优化以小幅可靠性下降换取显著经济成本降低。
讨论总结：原文讨论认为，混合PSO–GA有效平衡探索与开发，提高解稳定性；优化通过合理容量配置和协调能量调度，显著降低总生命周期成本和平准化度电成本，并在指定条件下消除了柴油发电机使用。经济改善伴随LPSP小幅上升，但仍保持高供应充足性，体现农村微电网多目标优化中经济性与可靠性之间的权衡。
研究结论翻译：本研究调查了喀麦隆Ekonjo村太阳能光伏–电池–柴油发电机微电网的技术经济优化，使用代表研究地点的现场实测负荷数据和太阳能资源数据。研究人员开发了混合PSO–GA，以基于LCOE、TLCC和LPSP确定经济和技术合适的系统配置。优化在30次独立运行中显示高解一致性。最优PV容量均值为91.85 kW，标准差0.54 kW，变异系数为0.59%，电池和逆变器容量也表现出类似低变异性。柴油发电机容量在全部30次运行中收敛至0 kW，表明优化配置在指定资源、运行和技术经济条件下无需柴油发电即可满足建模需求。与手工设计系统相比，优化配置将LCOE从118.001降至65.59 FCFA/kWh，降低44.42%，TLCC从173.29 million FCFA降至约47.95 million FCFA，降低72.33%。这一经济改善伴随LPSP小幅增加，从0.90%升至1.15%，即未满足需求概率增加0.25个百分点。然而，所得LPSP仍接近1%，表明高供应充足性。结果表明，混合PSO–GA框架能够识别一致且显著低成本的系统配置，同时在所考虑的农村运行条件下保持可接受可靠性。这些发现为喀麦隆基于可再生能源的农村微电网规划提供了定量基础，尤其在投资成本和本地可再生资源高效利用是关键考虑因素时。
