用于独立光伏系统技术经济优化与可靠性提升的人工智能辅助框架

《ENERGY CONVERSION AND MANAGEMENT》：Artificial intelligence assisted framework for techno economic optimization and reliability enhancement of standalone photovoltaic systems

　　摘要
太阳能光伏能源是实现可持续且分散式电力生产的理想选择，尤其是在电网扩展在技术上困难或经济上不可行的地区。然而，太阳能资源具有间歇性，负荷需求会波动，电池性能也存在不确定性。鉴于此，有研究提出开发一种基于MATLAB的框架，用于独立光伏系统的最优设计及技术经济评估。该框架将分析建模、粒子群优化以及基于人工神经网络的非线性预测方法整合到统一的尺寸确定体系中。通过考虑太阳辐射强度、温度、电池充电状态以及能量平衡，在所设定的建模假设下，利用供电中断概率来评估系统可靠性。此外，还通过收益递减效应分析光伏和电池容量变化对系统成本与可靠性提升的影响，从而识别出额外增加容量所带来的可靠性提升逐渐减小的区域。该框架以印度金奈的气象数据为依据进行了验证。在选定的设计及运行条件下，优化后的系统供电中断概率为0.0206，对应约97.94%的供电可靠性，平准化电力成本约为0.13美元/千瓦时。通过分析模型与粒子群优化得到的尺寸样本训练出的人工神经网络替代模型，在评估数据集中的预测精度可达R≈0.99，表明其预测结果与实际尺寸之间存在较高一致性，有助于在选定设计范围内快速进行尺寸估算。这些结果体现了该综合框架作为决策支持工具的潜力，可同时用于分析独立光伏系统开发中的组件尺寸、经济性能、可靠性以及基于替代模型的估算。

引言
随着全球能源需求的持续增长，加之对气候变化和化石燃料枯竭的日益担忧，向低碳可持续能源系统的转型愈发重要。可再生能源为满足长期能源需求的同时减轻环境影响提供了可持续途径。在各类可再生能源技术中，太阳能光伏系统因其可扩展性、成本下降以及适合分布式发电的特点而发展迅速[1]。在政策激励和成本降低的推动下，印度过去十年间太阳能应用发展迅猛，到2025年其太阳能装机容量已超过100吉瓦[2][3]。尽管取得了这样的进展，屋顶太阳能仍仅占印度总太阳能发电量的较小比例，且各州的普及程度差异较大。如图1所示，那些屋顶太阳能装机容量较高的州并不一定具有较高的居民采用率。尽管技术上具备很大潜力，但居民层面的 adoption仍然有限[4][5]。这一差异表明，仅靠技术潜力并不能保证家庭层面的广泛应用，同时也凸显了经济、制度以及系统设计等方面因素的影响。通过综合考虑家庭用电需求与太阳能资源可用性，可以进一步了解居民屋顶太阳能应用的差距。如图2所示，标准化热力图显示，古吉拉特邦和拉贾斯坦邦等州既具有较高的用电需求，又具备良好的太阳能开发潜力，泰米尔纳德邦和马哈拉施特拉邦也具备较好的光伏应用条件。相比之下，卡纳塔克邦和德里等地则存在需求与资源利用之间的不匹配现象。这表明，居民采用率低主要是由于系统可靠性、经济因素及设计限制，而非太阳能资源本身的不足。在泰米尔纳德邦，由于经济状况、基础设施、政策落实程度以及消费者意识等方面的差异，不同地区的屋顶太阳能系统采用情况差异显著[5]。因此，在设计光伏系统时，应结合当地家庭用电特点及气象条件，以确保系统具有可靠的性能并具备良好的成本效益。独立光伏系统的组件尺寸是决定系统性能的关键因素，因为尺寸不当的组件可能导致系统无法满足需求，同时还会增加不必要的成本。为便于合理确定光伏系统组件的尺寸，本文提出了一种统一的技术经济框架，该框架整合了平准化电力成本、供电中断概率以及收益递减效应，从而在系统成本与可靠性之间实现平衡[6][7][8]。近期研究强调了混合光伏电池系统及优化技术在提升系统性能与可靠性方面的作用[9][10]。然而，传统的分析方法往往难以捕捉负荷、太阳能变化以及电池储能之间的非线性相互作用。虽然基于人工智能的方法，如人工神经网络和粒子群优化，能够实现高效且近乎最优的尺寸确定，但这些方法可能面临较高的计算难度，且可解释性较差[11][12]。此外，最新研究还表明，将电池储能与优化后的功率转换技术相结合，不仅能显著提升可再生能源的接纳能力，还能在负荷和资源条件变化的情况下实现更具成本效益的运行[10][13]。还有研究表明，准确模拟光伏组件在不同环境及运行条件下的行为至关重要。光伏组件的电气性能会受到太阳辐射强度、电池温度、遮荫以及热损耗等因素的强烈影响，而这些因素又会直接影响能量转换效率与系统输出[14]。为缓解温度带来的性能下降并提升系统的长期性能，人们提出了多种被动冷却技术、光伏/热联合配置[14][15]以及改进型的光伏组件模型。此外，人工智能技术也被广泛用于光伏功率预测、故障诊断、性能评估以及能源管理等方面。这些研究表明，准确描述光伏组件的行为能为基于优化的尺寸确定提供更贴近实际运行条件的性能估算，从而弥补优化方法的不足[16][17]。尽管取得了这些进展，但在独立光伏电池系统的综合评估方面仍存在一些方法上的缺陷。现有研究通常将组件尺寸确定、可靠性评估、技术经济分析以及数据驱动的预测视为相互独立的任务，难以在一致的边界条件下进行系统性比较[18][19]。目前，很少有研究致力于构建能够在统一计算环境中同时评估分析型尺寸确定、基于优化的解决方案、可靠性评估以及基于替代模型的预测的集成框架。此外，可靠性提升与额外系统投资之间的关联也尚未得到充分量化，这使得在特定气候和运行条件下规划独立光伏电池系统时，难以确定合理的可靠性成本权衡方案[20][21][22]。正是这些局限性促使人们开发出了本文提出的集成框架。为解决上述问题，本研究开发了一种基于MATLAB的集成框架，用于独立光伏电池系统的最优尺寸确定、可靠性评估以及技术经济分析。由于高分辨率的农村能源数据较为稀缺，该框架以印度金奈的居民用电负荷曲线及气象数据作为代表性案例进行了验证[4][5]。这些数据为在特定气候与运行条件下评估系统的尺寸、可靠性及技术经济性能提供了必要的输入，因此，相关结果应在所选研究区域及建模假设的范畴内进行解读，而不能直接代表所有农村或城郊地区的情况。本研究的主要贡献如下：首先，开发了一种集成计算框架，该框架结合了分析型尺寸确定、基于人工神经网络的替代模型估算、可靠性评估以及技术经济分析，可用于独立光伏电池系统的规划。其次，该框架采用了基于供电中断概率的可靠性评估方法，通过考虑特定地区的气象数据及电池充电状态的变化，来评估在给定运行与建模条件下的供电充足性。第三，通过收益递减效应分析，量化了光伏和电池容量微小变化所带来的可靠性提升幅度，进而识别出那些额外投资带来的可靠性提升逐渐减小的容量区间。第四，在一致的设计条件下，对比分析了分析型、基于粒子群优化的以及基于人工神经网络替代模型的尺寸确定方法，从而评估基准尺寸结果、优化后的设计方案以及在所研究设计范围内的快速替代模型估算效果。最后，开发了一种基于MATLAB的决策支持工具，该工具整合了负荷评估、组件尺寸确定、约束条件分析、全生命周期经济分析、平准化电力成本、供电中断概率以及收益递减效应等功能，有助于在独立光伏电池系统规划过程中，对尺寸、可靠性、经济性及计算成本等方面的差异进行直观比较。本文的结构如下：第二部分介绍系统描述与方法论，包括分析建模、优化方法以及基于人工神经网络的替代模型构建。第三部分阐述仿真结果及技术经济分析内容。第四部分总结本文的主要发现，并指出未来的研究方向。

章节摘录
独立光伏系统配置
本文提出的独立太阳能光伏系统配置如图3所示。该系统由太阳能光伏板、电池以及逆变器组成。太阳能光伏板将太阳辐射转换为直流电，该电能首先经过充电控制器调节，以便安全地为电池充电。电池负责储存能量，当负载需要时，逆变器再将储存的能量转换为交流电[20][23]。本研究考虑的主要系统组件包括光伏阵列……

结果与讨论
本节介绍了基于MATLAB的框架在设计和分析独立光伏系统技术经济性能方面的仿真结果。该集成系统模型包含四个主要功能模块：第一，负荷评估模块用于确定用户的日间及小时级能源需求；第二，组件尺寸确定模块采用三种不同的方法——分析法、粒子群优化法以及人工智能方法——来计算所需的光伏阵列、电池储能及逆变器的容量；第三，成本估算模块用于计算……

结论
本文开发了一种基于MATLAB的集成框架，可用于独立光伏电池系统的最优尺寸确定、技术经济评估以及可靠性分析。对于每日14.27千瓦时的能源需求，基于粒子群优化方法得出的系统配置为4.09千瓦的光伏发电容量、22.96千瓦时的电池储能容量以及4.18千瓦的逆变器容量，而采用分析方法得出的相应数值分别为4.16千瓦、25.47千瓦时和4.65千瓦。这些结果表明，粒子群优化方法降低了……

作者贡献声明
S. Manimegalai：撰写——审稿与编辑、撰写——初稿、可视化、软件、资源、方法论、研究实施、形式分析、数据整理、概念构建。D.R. Binu Ben Jose：撰写——初稿、资源、方法论。

利益冲突声明
作者声明不存在任何可能影响本文研究结果的已知财务利益或个人关系。

S. Manimegalai | D.R. Binu Ben Jose
印度泰米尔纳德邦金奈，韦洛尔理工学院电气工程系