使用多目标优化算法评估国家电力部门的可再生能源和储能容量

《Renewable Energy Focus》：Evaluation of renewable energy and storage capacities using multi-objective optimisation algorithm for national power sectors

　　

基于自下而上建模方法的国家能源系统，其中可变可再生能源（VRE）占比较高，由于环境、能源安全和成本效益等因素，在未来几年变得越来越重要。这种建模方法广泛应用于能源规划，能够模拟能源系统，包括评估能源平衡、总CO₂排放量和总成本。本文基于国际可再生能源机构（IRENA）马来西亚能源转型展望中的1.5-S RE90和RE100目标，为马来西亚开发了面向2050年的多目标优化（MOO）情景。研究人员使用EnergyPLAN和EPLANopt应用多目标优化（MOO），以获得马来西亚面向2050年的近似最佳权衡低成本和低排放解决方案。分析中将决策变量设定为能源容量和锂离子（Li-ion）电池储能系统（BESS）的参数。本文的结果将获得近似帕累托最优解，目标函数设置为最小化总CO₂排放量和总年成本。研究人员选择了两个目标函数之间近似最优的帕累托解的最佳权衡，并从高时间分辨率电力平衡结果、成本和CO₂排放方面进行评估。研究发现，当从高排放低成本情景转向低排放高成本情景时，屋顶太阳能在帕累托最优解的变化中发挥了重要作用。本文的研究结果可为政策制定者基于IRENA 1.5-S目标分析马来西亚电力部门面向2050年所需能源和BESS的最佳容量范围提供见解。

论文解读文章

**研究背景与问题**
国家能源规划需综合考虑环境、技术、社会和经济因素，以应对长期能源挑战。随着可变可再生能源（VRE）在电力系统中的占比提高，能源系统建模方法（特别是自下而上方法）在评估能源平衡、CO₂排放和成本方面变得至关重要。国际可再生能源机构（IRENA）发布的马来西亚能源转型展望提出了1.5-S RE90和RE100目标，要求到2050年可再生能源在电力结构中占据主导地位。然而，高比例太阳能光伏（PV）的整合会导致电力供需时空错配，需要储能系统（ESS）和跨境输电线路的支持。现有研究缺乏对马来西亚国家电力系统在IRENA目标下进行多目标优化（MOO）分析，以同时最小化CO₂排放和总年成本，并确定能源和储能的最佳容量范围。因此，本研究旨在填补这一空白，为政策制定者提供技术经济环境权衡的见解。论文发表在《Renewable Energy Focus》。

**主要技术方法**
研究人员采用两个关键工具：EnergyPLAN（一种高时间分辨率能源系统建模工具，用于模拟国家或区域能源系统，评估能源平衡、CO₂排放和成本）和EPLANopt（基于多目标进化算法（MOEA）的优化模型，使用非支配排序遗传算法II（NSGA-II）作为求解器，与EnergyPLAN耦合以生成帕累托最优解集）。决策变量设为10个，包括集中式发电厂、煤炭、石油、天然气、生物质、公用事业太阳能PV、屋顶太阳能PV的装机容量，以及锂离子（Li-ion）电池储能系统（BESS）的充放电容量和储能容量。目标函数为最小化总CO₂排放量和总年成本。输入数据基于IRENA 1.5-S RE90和RE100情景的容量范围，以及从文献、国际能源署（IEA）和马来西亚电网系统运营商（GSO）收集的成本和电力数据。基线模型采用马来西亚2020年高时间分辨率数据，并线性缩放至2050年。

**研究结果**

**4.1 多目标优化（MOO）**
通过运行MOO，设置种群规模200、世代数100，获得20000个备选解，再从中提取257个近似帕累托最优解。这些解分布在两个目标函数（CO₂排放和年成本）的权衡空间中，揭示了从高排放低成本到低排放高成本的情景变化。

**4.2 能源和Li-ion BESS的最优容量**
从帕累托解中选择第128号解作为近似最佳权衡解。该解对应的能源容量为：公用事业太阳能PV 78218 MW、屋顶太阳能PV 25068 MW、生物质6235 MW、石油43 MW、天然气6 MW、煤炭1 MW。Li-ion BESS的充放电容量为21213/38032 MW，储能容量为217 GWh。该解的总CO₂排放为0.134 Mt，总年成本为14773 MUSD。

**4.3 电力供需分析**
在选定解中，研究人员手动测试跨境输电线路容量，发现当容量设为42000 MW时，可避免关键进口和临界过剩电力生产（CEEP）。高时间分辨率分析显示，太阳能PV在白天峰值时段产生大量过剩电力，需通过BESS储能和出口管理；夜间或无光照时段则依赖电力进口和BESS放电。全年最大BESS充电功率为20982 MW，放电功率为20399 MW，最大储能为55745 MWh；最大进口和出口功率分别为37508 MW和42000 MW。

**4.4 成本与敏感性分析**
在输电线路容量定值后，总年成本调整为14720 MUSD。成本分解显示，太阳能PV的年度投资成本（8283 MUSD）和固定运营成本（1847 MUSD）占比最大。敏感性分析表明，总年成本对太阳能PV投资成本高度敏感（近线性关系），而对BESS投资成本敏感性较低。同时，跨境输电线路容量对CEEP和可出口过剩电力生产（EEEP）以及BESS充放电结果高度敏感。

**讨论与结论**
讨论部分指出，屋顶太阳能容量在帕累托前沿中从高排放低成本情景的25068 MW变化到低排放高成本情景的36540 MW，表明其在成本-排放权衡中起关键作用。MOO方法能提供不受偏好假设约束的全局最优解集，使政策制定者可根据环境或经济优先级选择合适情景。高VRE渗透率下，电网需引入快速频率响应BESS、旋转备用、无功补偿等辅助服务，以及先进的电网形成逆变器以提供合成惯性，确保稳定性。研究局限性包括未将输电线路容量作为决策变量（因缺乏详细成本数据），未考虑未来不确定性（如燃料价格和需求模式），以及未纳入东盟电网（APG）等区域互联影响。未来工作可扩展至更多决策变量（如交通和工业部门、绿色氢能、碳捕集利用与封存（CCUS））和更高种群规模。

研究结论翻译如下：
本研究的主要目标是使用多目标优化（MOO）方法找到马来西亚电力部门面向2050年的近最优配置。通过将EPLANopt和EnergyPLAN应用于IRENA 1.5-S RE90和RE100目标，基于两个目标最小化函数（总CO₂排放和总年成本）进行MOO。主要发现是选择了近似最佳权衡的帕累托最优解（第128号），其能源容量为：公用事业太阳能PV 78218 MW、屋顶太阳能PV 25068 MW、生物质6235 MW、石油43 MW、天然气6 MW、煤炭1 MW；Li-ion BESS的充放电容量为21213/38032 MW，储能容量为217 GWh，总CO₂排放0.134 Mt，总年成本14773 MUSD。在手动测试输电线路容量后，发现42000 MW可避免关键进口和CEEP，调整后总年成本为14720 MUSD。本研究为现有EPLANopt模型文献增添了价值，为政策制定者提供了马来西亚未来能源系统情景的优化技术经济环境解决方案，使其能根据环境或经济偏好灵活选择合适情景。