优化有无储能的离网住宅混合系统：面向成本、可靠性与排放权衡的收缩系数粒子群优化方法

《Energy Strategy Reviews》：Optimizing off-grid residential hybrid systems with and without energy storage: A constriction-coefficient PSO approach to cost, reliability, and emissions trade-offs

　　

研究人员针对离网住宅混合能源系统，分别在有电池储能（BES）和无储能的条件下进行优化设计。提出改进收缩系数粒子群优化（ICC-PSO）方法，以实现稳健的技术经济优化。与基准算法相比，ICC-PSO能够降低总净年成本（TNAC）和二氧化碳（CO₂）排放，并具有更快的收敛速度。该方法与多种粒子群优化（PSO）变体、和声搜索（HS）和模拟退火（SA）进行了基准对比。研究人员进一步针对可靠性、燃料价格、光伏（PV）成本和碳税进行敏感性分析，以支持具有韧性的系统设计。

全球电力需求持续快速增长，国际能源署（IEA）预测未来五年年均用电需求增幅将比过去十年平均水平高约50%；尽管可再生能源扩张有望使电力部门CO₂排放在2030年前后趋于平稳，化石燃料仍是温室气体排放的主要来源。全球约18%人口无电可用，多位于农村或岛屿地区，集中电网延伸困难且经济性差，因此柴油发电机（DG）被广泛使用，但其运行成本高、燃料价格波动大且环境负担重。混合可再生能源系统（HRES）通过整合光伏（PV）、风力发电机（WT）、柴油发电机和电池储能（BES），可降低燃料依赖、提高供电可靠性并减少排放。然而，HRES容量优化需要同时权衡成本、可靠性与环境影响，属于复杂的非线性约束优化问题。现有研究多局限于单一配置、单一地点或单一目标，且许多改进粒子群优化（PSO）仅在较窄条件下验证。为此，研究人员提出改进收缩系数粒子群优化（ICC-PSO）框架，对离网住宅混合能源系统进行技术经济优化，并在多种配置和情景下与标准PSO、五种PSO变体、和声搜索（HS）和模拟退火（SA）进行系统对比。该研究发表在《Energy Strategy Reviews》。

在关键技术方法方面，研究人员以伊朗霍拉桑省Davarzan地区8760小时逐时太阳辐射、风速、环境温度及住宅负荷数据为输入，建立PV、WT、DG和BES的数学模型与能量管理策略，以总净年成本（TNAC）最小为目标，以失负荷概率（LPSP）、CO₂排放和容量上下限为约束，采用ICC-PSO进行求解；每个案例独立运行30次以评估算法鲁棒性，并与多种元启发式算法对比；随后针对可靠性要求、燃料价格、光伏成本与碳税进行敏感性分析。

研究结果如下。

5.1 优化算法性能对比：通过PV/BES/DG与WT/BES/DG两种配置的30次重复优化，ICC-PSO的TNAC均值最低，PV/BES/DG配置的标准差接近零（2.9×10^-11），说明其收敛一致性强；HS和SA的均值与波动明显更大。ICC-PSO平均计算时间约4.44–4.46秒，与HS相当，且低于多数PSO变体。

5.2 迭代次数的影响：在ICC-PSO中将最大迭代次数从50增至100时，PV/BES/DG的TNAC均值从71,360美元/年降至70,801美元/年，标准差从3007降至接近零；继续增加迭代次数仅增加计算时间而不改进目标值，因此100次迭代是平衡精度与计算成本的合理设置。

5.3 系统配置对比：对五种配置优化后，PV/BES/DG（84 kW PV、31 kW DG、354