《Energy Conversion and Management-X》：Impact of uncertainties in meteorological databases on the design of off-grid microgrids and a new approach to ensure controlled sizing
编辑推荐：
得益于可再生能源发电技术的不断进步，微电网为偏远社区提供清洁电力供应提供了一种有前景的解决方案。在此背景下，设备容量配置至关重要。为解决此问题，设计人员依赖历史气象记录以最小化电力系统成本。这些气象数据通常来源于卫星数据库，因为其覆盖全球大部分地区并包含较长的
得益于可再生能源发电技术的不断进步，微电网为偏远社区提供清洁电力供应提供了一种有前景的解决方案。在此背景下，设备容量配置至关重要。为解决此问题，设计人员依赖历史气象记录以最小化电力系统成本。这些气象数据通常来源于卫星数据库，因为其覆盖全球大部分地区并包含较长的时间跨度。本研究强调了使用不同提供商的卫星数据时所观察到的差异。通过求解一个微电网最优设计问题作为基准，使用不同的数据库会导致非常显著的成本变化（从65到143 k�），并且在某些设计场景下，可能导致无法供应能源的情况。这一发现促使研究人员提出了五种合并卫星衍生数据的方法，当在决策支持视角下一并考虑时，这些方法可以大幅减少整个解空间的不确定性。基于与高质量气象站数据的比较，所提出的方法大幅缩小了潜在最优解的范围，无论所研究的气候条件如何。通过从未修改的卫星数据库切换到建议的合并数据集，可行空间边界与参考值之间的平均距离平均减少了3.2倍。更重要的是，边界之间距离的标准差平均减少了8.8倍，这显著降低了输入数据的变异性和不确定性。这一发现是本文的核心要点。
在全球能源消耗不断增长的背景下，离网微电网（Microgrids，能够独立于主电网运行的局部能源系统）使偏远社区能够获得可靠的电力供应。尽管历史上这些社区依赖化石燃料发电机，但随着可再生能源技术的发展，微电网正向高比例可再生能源发电转型。在这种转型中，锂基电池储能系统成为关键组件。然而，微电网的设计始终受制于成本和韧性这两个相互矛盾的主要参数。设计人员通常利用历史气象记录来最小化系统成本，这些数据多来源于卫星数据库。目前存在的问题是，不同提供商的卫星数据之间存在固有偏差和显著差异，这会导致微电网最优设计中出现巨大的成本变化甚至能源供应中断。由于地面气象站数据虽质量高但极其稀缺，设计人员在实际优化过程中被迫完全依赖不确定性极高的卫星数据。为了填补这一空白，探讨气象数据不确定性对微电网容量配置影响的机制，并寻找在无地面参考数据情况下提高卫星数据质量的方法，研究人员开展了本研究。该研究提出了一种基于数据融合的全新方法论框架，以确保受控的微电网容量配置。该研究发表在《Energy Conversion and Management-X》期刊上。
研究人员为开展研究采用了以下主要关键技术方法：首先，基于总拥有成本（TCO，涵盖投资、运行维护及替换成本）最小化原则和电力供应中断概率（LPSP，衡量系统可靠性的指标）为零的约束条件，构建了微电网最优容量配置优化模型。其次，选择了全球不同气候条件下的四个站点作为样本队列来源，包括法属留尼汪岛、法国卡尔庞特拉、美国沙漠岩石和纳米比亚戈巴贝布，每个站点均选取NASA、NREL和PVGIS三个卫星数据库数据，并引入当地气象站高质量测量数据作为基准参考。最后，基于测量值间的绝对距离原则，研究人员开发了五种数据融合方法（AVG-2B-D、AVG-2B-H、MIN-2B-D、MIN-2B-H、W-AVG），通过每日或每小时筛选最优的两个或三个数据库进行平均或加权计算，生成融合数据集，并采用世代距离（GD，衡量可行空间边界接近程度的指标）进行评估验证。
4. 结果与验证
4.1. 验证过程
研究人员将地面实测数据视为参考基准，以比较不同气象数据集的质量。由于获取准确的长期地面测量数据非常困难，这证实了依赖卫星数据的必要性。研究将重点放在比较使用不同气象数据集时可行空间的定义上。由于最优解位于可行空间的边界上，因此研究人员通过分析可行空间的边界来确定输入数据的影响。研究采用世代距离（GD）量化一个可行空间与参考空间的接近程度，GD值越低表明两个边界越接近。
4.2. 案例研究
研究人员在四个地点测试了五种数据融合方法。这四个地点涵盖了不同的柯本气候分类：法属留尼汪岛属于热带季风气候、卡尔庞特拉属于温带干热夏气候、沙漠岩石属于干旱沙漠冷气候、戈巴贝布属于干旱沙漠热气候。每个地点均提取了三个卫星数据库数据与地面气象站参考测量数据进行对比。
4.3. 结果
通过对比未修改的卫星数据集与融合数据集的GD值，研究发现，在某些案例中，原始卫星数据集可能偶然比融合数据集更接近参考边界，但这具有不可预测性，因为没有单一的首选数据库，且不同年份最优数据库会发生变化。更重要的是，原始数据库产生的最差结果偏差极大。数据显示，使用融合数据时，性能指数的标准差和平均值均显著低于使用原始卫星数据的情况。这表明，即使在缺乏地面参考测量的情况下，五种数据融合方法不仅提供了一个更接近理论参考的解空间，而且范围显著更窄。在所有12个案例研究中，融合数据集边界的范围始终比原始数据库更窄，且平均GD值在所有情况下均为最低。在五种方法中，MIN-2B-H最常产生最接近的可行空间定义。
5. 讨论
研究表明，尽管五种数据融合方法中的某一种在单独使用时通常优于未处理的卫星数据，但并未出现明显优于其他方法的情况。本研究的主要优势不在于分析单一数据集，而在于在缺乏地面测量数据的情况下，显著缩小了解空间周围的变异性。在实际设计中，设计人员无法得知哪个原始卫星数据库更接近真实参考，选择原始数据库面临高度的不确定性。而将五种融合数据集结合使用，能产生一个更加紧密的可行解范围，极大地降低了输入数据的变异性和不确定性，使得设计人员能够以更大的确定性确定可靠的最优解。此外，基于MIN-的方法会产生比基于AVG-的方法更保守的容量配置，为设计人员在平衡成本和可靠性时提供了灵活性。
6. 结论
Arnaud Minne等研究人员展示了在微电网规划背景下气象输入数据对最优解的影响。来自不同提供商的卫星衍生数据集表现出固有偏差，深刻影响了问题可能解空间的定义方式。该空间的边界在很大程度上由零LPSP约束决定，而该约束对时间序列数据的一小部分（通常对应于连续的低辐照度时期）很敏感。因此，数据集中的微小变化都会显著影响组件（如太阳能电池板面积P
pv和电池容量C
batt）的尺寸。由于最优解定义在该空间的边界上，使用不同数据集可能导致解决方案的显著差异。基于气象站数据基准的示例表明，使用NREL数据库时最优配置尺寸翻倍，而使用NASA或PVGIS数据时则配置不足。这凸显了微电网容量配置对气象数据的高敏感性。为改善原始数据库在优化算法中的应用，研究提出了五种基于测量值间距离原则的卫星数据聚合新方法。在四个地点的12个基准优化问题中，所有新提出的方法都能匹配或提供更好的可行空间定义。核心结果是，与未修改的卫星数据库相比，使用所提方法大幅缩小了可行解的范围，在无参考数据集的情况下提供了对当地气象条件的更优近似。此外，某些数据融合技术具有更高的保守性，赋予设计人员平衡成本与可靠性的灵活性，并通过调整组件容量来适应特定需求与气象不确定性。
