预测驱动的可再生能源微电网混合电池-氢储能系统优化定容与管理：基于混合元启发式优化方法

《Energy Conversion and Management-X》：Forecast-driven optimal sizing and management of hybrid battery–hydrogen energy storage systems for renewable microgrids using a hybrid metaheuristic optimization

　　

准确的短期负荷预测可以大幅改善可再生能源微电网中混合电池-氢储能系统的定容与监督能量管理。本研究提出了一种预测信息的优化框架，该框架将提前一小时的长期短期记忆网络预测与混合改进谐波搜索-模拟退火优化算法相结合，用于离网光伏-风能-电池-氢能-柴油微电网的最优定容和每小时监督调度。该框架使用一年的每小时实测负荷和气象数据以及五个预测特征集进行评估。在每个特征集的五次独立LSTM运行中，LOAD + ALL配置提供了最高的预测准确性和最稳定的预测性能。在可靠性约束下，通过40次独立优化运行，将所提出的算法与谐波搜索、模拟退火和粒子群优化进行了比较。结果表明，所提出的方法始终保持最低的平均总净年成本，同时保持了具有竞争力的计算性能和比基准算法更强的鲁棒性。针对可靠性目标和柴油燃料价格的额外敏感性分析揭示了经济成本、可靠性、可再生能源比例和生命周期CO₂排放之间的重要权衡。结果表明，将准确的短期预测与混合元启发式优化相集成，为可再生微电网的最优定容和监督能量管理提供了一个有效且实用的框架。

研究背景方面，储能对于可变可再生能源在微电网中的有效集成至关重要，因为它能够吸收供需之间的时间不匹配，支持系统可靠性，并实现更灵活的运行。在孤岛和偏远地区的应用中，混合电池-氢储能系统极具前景，因为电池提供了快速响应和高效率，而氢储能通过提供长时段的缓冲延长了系统的自治能力。然而，目前存在的主要设计挑战在于储能系统的性能受时变需求、间歇性充电机会、转换损耗、老化以及更换成本的综合影响。因此，基于平均配置文件或固定规则的定容方法可能导致储能系统容量过大且利用率不足，或者容量太小而无法维持所需的可靠性。尽管已有大量先前的研究，但仍存在几个研究空白。首先，很少有研究将集合提前一小时预测紧密整合到每小时滚动储能定容和调度循环中；其次，特征消融和配对统计评估在文献中并不常见；第三，许多元启发式算法要么进行全局探索，要么进行局部细化，缺乏两者的有效结合；第四，不同可靠性目标下成本、可靠性和排放之间的权衡尚未得到充分探索；最后，文献中的可重复性和不确定性传播往往有限。因此，为了填补这些空白，研究人员开展了这项研究，旨在开发一个综合的预测信息框架，用于离网光伏-风能-电池-氢能-柴油微电网的最优定容和实时调度。研究人员得出了结论，该框架在降低系统总净年成本的同时满足了可靠性约束。这项研究的重要意义在于为可再生微电网的最优定容和监督能量管理提供了一个有效且实用的框架，论文发表在《Energy Conversion and Management-X》。

关键的技术方法方面，研究人员主要用到了以下几种技术方法。首先是基于提前一小时的长期短期记忆网络预测技术，采用了24小时样本的滑动窗口，评估了五种特征集，并通过K=5的独立运行集成分担随机性。其次是混合改进谐波搜索-模拟退火优化算法，该算法将改进谐波搜索的全局搜索能力与模拟退火的Metropolis概率接受机制相结合，以增强早期探索并改善后期局部利用。在优化过程中，每个候选解通过每小时模拟模型评估一年8760个时间步长的系统运行情况。样本队列来源为使用一年的每小时实测负荷和气象数据（8760个样本）。

研究结果方面：

预测结果
通过消融实验研究得出，加入气象变量能够改善提前一小时的负荷预测。其中，LOAD + ALL配置提供了最佳的整体性能（平均均方根误差RMSE=0.782，平均平均绝对误差MAE=0.578，平均平均绝对百分比误差MAPE≈7.26%，平均决定系数R²≈0.973）。通过配对t检验和Diebold-Mariano检验等统计评估得出，使用LOAD + ALL特征集获得的改善在统计学上具有显著性，其预测误差显著小于单变量模型。

优化结果
通过40次独立运行对比研究得出，提出的H-HS-SA算法在所有研究的情景中始终保持最低的平均总净年成本，并且标准差显著小于谐波搜索、模拟退火和粒子群优化等竞争算法。通过收敛曲线对比得出，H-HS-SA在探索和利用之间取得了更好的平衡，收敛更快且鲁棒性更强。通过最优设计结果分析得出，基于预测的定容进一步降低了总净年成本，但较低的TNAC往往伴随着较低的可再生能源比例和较高的全生命周期CO₂排放量，这表明在追求经济最优时需在环境效益上做出妥协。

可靠性敏感性
将可靠性指标从0%变化到4%进行敏感性分析得出，随着可靠性要求的放宽，总净年成本在所有数据案例中均有所下降，但可再生能源比例普遍下降，全生命周期CO₂排放量上升。通过构建三维曲面图研究得出，成本、排放与可靠性之间存在权衡，基于预测的定容虽能降低成本，但不总是具有最佳的环境效益。

燃料价格的影响
将柴油燃料价格从0.5至1.2 $/L进行敏感性分析得出，燃料价格的增加导致总净年成本上升，但同时也促使优化器转向更高的可再生能源渗透率和更大的储能容量。这导致可再生能源比例增加，全生命周期CO₂排放量减少，证明经济激励能够同时改善可再生能源利用和环境性能。

总结讨论部分，研究结论如下：本研究通过整合提前一小时的长期短期记忆网络负荷预测与H-HS-SA优化器，提出了一个用于混合电池-氢储能系统最优定容和实时管理的预测信息框架。结果表明，LOAD + ALL特征集实现了最高的预测准确性（集合平均RMSE≈0.782，MAE≈0.578，MAPE≈7.26%，和R²≈0.973），并且预测信息的优化持续降低了总净年成本。在测试案例和独立运行中，H-HS-SA通过实现更低的最佳和平均总净年成本值，同时保持具有竞争力的计算性能，优于独立的谐波搜索、模拟退火和粒子群优化。在满足规定的失电概率（LPSP）≤2%的可靠性约束的同时，在几个预测信息场景中实现了约30%的总净年成本减少。可靠性和燃料价格敏感性分析进一步揭示了经济成本、可靠性、可再生能源比例和生命周期CO₂排放之间的重要权衡，表明经济最优的储能配置不一定是环境最优的。总体而言，所提出的框架为可再生微电网中混合电池-氢储能系统的最优定容和监督能量管理提供了一个有效且强大的决策支持工具。