《Engineering Science and Technology, an International Journal》：A comprehensive review of optimizing hybrid renewable energy system using optimization techniques
编辑推荐：
这篇综述将混合可再生能源系统(HRES)的容量规划与优化调度作为两个相对独立又内在关联的研究方向，构建了一个结构化的评述框架。它系统地对现有研究进行了分类与比较，涉及优化模型、求解算法、系统配置（离网与并网）及运行时间尺度，全面总结了HRES优化的研究现状，并对优化方法、工具的选择及未来趋势提供了清晰的指导。
在全球加速向绿色低碳未来转型的背景下，可再生能源(RES)的渗透率不断提升，但因其固有的间歇性和不确定性，也给电力系统的稳定运行带来了显著挑战。混合可再生能源系统(HRES)通过整合多种可再生能源，利用其互补特性，已成为提高供电可靠性、支持低碳能源发展的有效解决方案。
这篇综述首次将容量规划和优化调度视为一个统一的研究对象，构建了结构化的评述框架。其总体研究框架清晰地展示了从引言、优化模型构建、优化技术、容量规划应用、优化调度应用到未来挑战与结论的逻辑脉络。
优化模型的构建
HRES的优化模型旨在基于数学公式解决能源问题，广泛应用于容量规划和优化调度，目标是提高系统可靠性、降低成本并支持战略规划。这些模型可根据目标数量分为单目标优化和多目标优化。
单目标优化专注于单个标准的优化，其目标是基于成本等指标，在需求约束下找到最优解。与多目标优化相比，单目标建模更简单，计算复杂度更低，但无法捕捉多个性能标准之间的权衡。
多目标优化与帕累托最优性密切相关，它同时处理多个目标函数的优化，提供了更大的解决方案多样性、更广的搜索空间以及更低的陷入局部最优的风险。然而，它也面临诸多挑战，例如目标函数之间的内在冲突可能阻碍同时优化，需要在多个目标之间进行仔细权衡。
应用于HRES的优化技术
为实现这些优化目标，研究人员开发了各种方法，通常分为传统优化技术、基于人工智能(AI)的优化技术、混合优化技术和软件工具。
传统优化技术基于微分学来获得模型，包括数值方法、图解法、迭代法、概率法和解析法。这些方法更容易找到连续和可微分的最优解，但在处理不连续和/或不可微的目标函数时，其适用范围有限。
人工智能优化技术本质上是利用机器执行模拟人类思维的计算。对于HRES，AI常被用作优化工具。常见算法包括：
- •
遗传算法(GA)：受自然遗传系统和自然选择原理启发，是一种随机自适应启发式搜索方法。其优点包括能够处理具有大量可行解的问题、易于解释以及可无缝集成到现有仿真框架中。但其局限性包括容易收敛到局部最优或次优点而非全局最优，并且不能保证一致的收敛时间。
- •
粒子群优化(PSO)：源于生物体中观察到的社会行为，是一种元启发式技术。因其搜索速度快、计算过程简单而受到重视，比许多替代算法更易于实现。
- •
蜣螂优化器(DBO)：一种基于群体的启发式算法，模拟了蜣螂的滚动、繁殖、觅食和偷窃等全局搜索行为。
- •
蜜獾算法(HBA)：受蜜獾动态狩猎策略的启发，结合了寻蜜和挖掘行为，能有效处理复杂的优化问题。
混合优化技术是将各种优化方法集成到单一方法中的概念，广泛用于复杂的多目标问题，特别是HRES规划。通常有两种混合模式：结合多种AI算法，或将AI与经典优化技术相结合。与单一算法相比，混合算法表现出更高的准确率，是优化研究的重要发展趋势。
软件工具集成了多种计算模块，被广泛用于HRES的容量规划和优化调度，常见的包括：
- •
混合可再生能源优化模型(HOMER)：广泛用于HRES的规划和调度，其优化过程包括模拟、优化和灵敏度分析三个阶段。HOMER对许多资源如风力涡轮机(WT)、光伏(PV)阵列、燃料电池(FC)、小型水电、生物质、转换器、电池和常规发电机进行建模，并考虑并网和离网模式下的HRES。
- •
混合可再生能源与系统优化模型第2版(HYBRID2)：使用从10分钟到1小时的模拟时间步长，从而提供高精度。
- •
瞬态系统模拟程序(TRNSYS)：包含一个数值求解器内核和一个带有可定制组件的模型库。虽然缺乏内置优化功能，但它能提供高精度模拟以及图形和其他细节。
优化技术在容量规划中的应用
在HRES容量规划中，系统规模确定对于决定运行效率和经济可行性至关重要。容量过大可能会提高供电可靠性，但会显著增加建设和运营成本；反之，容量不足可能会降低净现值成本(NPC)，但可能无法满足长期负荷需求，影响供电安全。因此，通过最优容量规划来平衡经济效率和供电可靠性，仍然是HRES研究和实施的核心挑战。
基于并网模式，容量规划通常分为离网(OG)系统和并网(GC)系统。离网系统主要部署在电网接入有限的偏远地区和农村地区。该领域的研究侧重于系统可靠性、稳定性和经济性能，目标是通过优化能源结构来提高整体效率并降低成本。并网系统则允许双向能量交换：当系统发电不足以满足负荷需求时从电网购电，当发电过剩时将多余电力出售回电网。对于并网系统，关键目标在于提高现场能源消纳、系统混合利用和环境保护。
根据系统规模，系统又分为中小型（0 kW至100 kW）和大型（>100 kW）。容量规划的流程图展示了从负荷评估、资源评估、技术选择、约束定义，到应用优化算法、执行模拟、评估可行方案，最终进行敏感性分析和选择最优方案的全过程。
1. 离网混合可再生能源系统的容量规划
在偏远农村地区，由于地理限制和能源供应不稳定，经常出现能源短缺和频繁停电。由于建设成本高，并网供电系统通常在经济上不可行。HRES因其能有效解决资源分散且丰富的农村地区的能源短缺问题而受到相当多的关注。离网HRES特别适合偏远地区，因为它们不依赖大规模电网，适用性高。然而，离网HRES在规划阶段仍面临一些挑战，例如HRES输出与居民负荷曲线之间存在不可避免的不匹配，以及组件容量的最优确定仍需进一步研究。
对于中小型系统，其容量规划侧重于负荷评估和优先级划分。在确保可靠本地能源供应、减少对化石燃料和电网依赖的同时，也降低了柴油发电机(DG)的燃料和维护成本，并支持减少排放和环境影响的可再生能源发电。然而，离网系统仍面临独特的挑战，包括偏远地区、居住点分散、基础设施有限和资金限制。
对于大型离网系统（指装机容量超过100 kW且未接入主电网的HRES），其经济性尤为关键。当前对大型离网HRES容量规划的研究中，优化技术的应用主要集中在几个方面，例如在单目标优化建模中评估系统性能，关注HRES经济性，研究不同的系统规划类型，以及关注计算效率和社会经济及政策考量。
2. 并网混合可再生能源系统的容量规划
近年来，研究人员对并网系统的兴趣日益增长。这一趋势反映了研究重点从离网系统向与现有电网整合的转变，与全球电网扩张的趋势一致。并网HRES的容量规划应根据系统架构、能源结构和容量比进行优化。在确保供电可靠性的同时，最大化可再生能源渗透率是提高经济性和环境性能的关键。然而，在规划阶段综合考虑各种能源的分布特征和影响因素来优化系统选址和容量仍然存在困难。因此，如何有效构建多能互补发电系统是当前研究的一个关键问题。另一个挑战涉及在HRES布局中优化分配各种组件，以最大限度地减少整体输电和配电损耗。
对于中小型并网HRES，其容量规划主要用于解决系统运行期间的供电不稳定问题。此类系统不仅可以提高供电可靠性，还可以通过上网电价产生收入，从而实现经济效益和环境效益的协同提升。然而，规划受到高额输电线路和基础设施成本的限制，特别是在偏远或地形崎岖的地区，电网扩展困难且缓慢。长距离输电也会导致能量损失、效率降低和更大的环境影响。
对于大型并网HRES（通常指接入公共电网的系统），它们满足当地需求并输出多余电力。然而，大型并网系统在容量规划方面仍面临若干挑战，包括需要靠近能源传输线、交通路线和城市区域，以及土地适宜建设和低成本。减少对电网电力的依赖仍然是一个重要目标。
当前，针对大型并网HRES容量规划的优化技术侧重于几个关键领域。一个主要优先事项是提高可再生能源的比例，例如应用优化算法来最小化电网使用系数并增加RES份额。在多目标优化建模方面，应用多目标优化技术进行容量规划，目标函数设定为最小化电力供应不足概率(LPSP)和能源成本(COE)，同时最大化系统的可再生能源比例作为第三个目标。也有研究应用多目标遗传算法来最小化年度化成本和最大化系统效率，在成本效益和系统性能之间取得平衡，以增强灵活性。还有研究关注与系统扩展相关的土地需求。
优化技术在优化调度中的应用
HRES的优化调度主要涉及调整系统的运行策略，以提高能源经济性和系统鲁棒性。根据调度时间尺度，优化调度可分为实时短期调度以及中长期调度。
实时短期优化调度
实时短期优化调度对于HRES优化至关重要，它在秒到小时的时间尺度内运行，能够有效管理负荷和RES输出的快速波动。然而，在电力系统完全实现可再生能源化之前，电网仍必须在确保安全稳定运行的同时，最大限度地整合可再生能源。事实上，日负荷曲线的不确定性是不可忽视的，其特点是高度的分散性和可变性。这种不确定性源于与工业、商业和居民活动相关的随机因素以及意外事件的组合。实时短期优化调度面临几个挑战。首先，缺乏能同时考虑源侧和负荷侧不确定性的多能源系统综合优化调度模型。在实际运行中，两侧的不确定性并存并可能相互影响。
中长期优化调度
中长期调度通常涉及周、月、季度和年度周期。与实时短期调度不同，中长期调度利用季节性径流特征，在较长时间内实现水电水库的最佳和多阶段性能。通过预测未来的能源需求、供应和市场趋势，它能够制定全面的生产策略，从而优化整个系统的经济效率、可靠性和环境可持续性。然而，中长期优化调度也面临一些挑战。水库流入的不确定性是水电调度中最关键的挑战之一， inflow的不确定性可能导致水库运行效率低下。此外，RES固有的间歇性和波动性给中长期调度带来了额外的复杂性，需要更复杂的预测模型和鲁棒性更强的优化策略来处理这些不确定性。
未来与挑战
尽管HRES的优化研究取得了显著进展，但仍面临诸多挑战。多源不确定性、实际工程约束、规划与调度之间的协调、复杂优化问题的解决以及缺乏标准化评估框架是主要难点。未来的研究应致力于开发更先进的优化算法和软件工具，建立统一的性能评估标准，并加强规划与调度阶段的协同优化，以推动HRES从理论优化走向实际工程应用。
