看起来您提到要翻译某些内容，但没有提供具体的文本。请提供您想要翻译成中文的具体内容，我将立即为您翻译。 例如，如果您想翻译关于阿拉斯加农村地区混合可再生能源系统优化规模的学术论文或技术文档，请提供完整文本，我将准确翻译成中文

《Journal of Cleaner Production》：Optimal sizing of hybrid renewable energy systems in rural Alaska

　　

•偏远电力网中发电容量规划与调度的综合框架。•联合规划与调度筛选楚纳克清洁能源路径。•多元化可再生组合降低楚纳克微电网的成本和排放。•技术可获得性决定楚纳克柴油替代的速度。•风电和水电是模式化路径中减少柴油发电的关键。

**引言**

阿拉斯加农村地区有超过200个偏远社区运行着孤立微电网，这些微电网严重依赖通过有限季节性运输窗口运抵的进口柴油（Alaska Center for Energy and Power, 2015, Dolan et al., 2024, Isherwood et al., 2000, Meadows et al., 2025）。天气中断或交付延误可能威胁年度燃料供应，而运输、储存和处理环节导致阿拉斯加部分地区成为美国电价最高的地区之一（Dolan et al., 2024, Isherwood et al., 2000, U.S. Energy Information Administration, 2025）。柴油依赖还带来环境和运营负担，包括燃料泄漏风险、发电机磨损，以及在弱电网、低惯量系统中维持同步发电和预留容量的需求（Alaska Center for Energy and Power, 2015, Meadows et al., 2025, Isherwood et al., 2000）。

可再生能源可以减少燃料风险敞口，在柴油配送成本较高的社区中即使不为排放赋予货币价值也可能具有经济竞争力（Dolan et al., 2024, Isherwood et al., 2000, Simpkins et al., 2015）。然而，北极地区的部署受到极端低温、结冰、永久冻土、季节性黑暗以及较高的建设和维护成本的制约（Dolan et al., 2024, Meadows et al., 2025）。资源可用性也具有高度季节性：冬季太阳能产出有限，而冬季需求可能很高，同时可再生能源渗透率提高可能需要储能、高级控制和持续的柴油支持（Isherwood et al., 2000, Alaska Center for Energy and Power, 2015, Meadows et al., 2025）。这些条件促进了阿拉斯加风力-柴油系统、电池储能系统（BESS）、飞轮、热储能和构网型逆变器应用的发展（Alaska Center for Energy and Power, 2015, Meadows et al., 2025）。因此，核心规划问题不仅仅是可再生能源技术能否与柴油竞争，而是哪种组合能在满足孤立北极微电网逐时运行要求的同时降低长期成本和排放。

近期研究证明了混合可再生能源系统在降低成本和减少化石燃料依赖方面的价值。例如，Mohapatra等（2025）使用黑翅鸢算法优化了光伏、风能和电池系统，报告了在容量优化和成本性能方面优于基准方法的改进。类似地，Mojumder等（2025）使用HOMER Pro和MATLAB/Simulink评估了孟加拉国的农村电气化替代方案，表明混合配置可以改善成本性能并减少柴油使用。这些研究支持在地理隔离系统中使用多元化可再生组合，尽管其项目背景和建模目标与阿拉斯加农村微电网的长期投资规划有所不同。

能源规划研究采用多种方法学途径，包括情景模拟、基于主体的建模、优化和混合工作流。模拟工具如LEAP支持构建内部一致的能源和排放路径，而基于主体的模型在表征异质性主体和行为交互方面尤为有用（Stockholm Environment Institute, 2026, Bonabeau, 2002）。由于本研究探讨的是在哪种替代经济、物流和政策条件下，柴油、光伏、风电、水电和电池储能的哪种组合能最小化长期系统成本，因此基于优化的发电容量扩展方法更符合研究目标。

现有微电网规划工具处理的是相关但不同的问题。HOMER广泛用于通过逐时模拟用户定义的配置和调度策略来进行项目级别的技术容量优化和全生命周期成本比较（Lambert et al., 2006）。DER-CAM将分布式能源资源投资和运行建模为混合整数优化问题，并已扩展到表征技术选址和受网络约束的调度（Stadler et al., 2014, Mashayekh et al., 2017）。相比之下，长期规划模型如Temoa、TIMES、MESSAGEix和Switch在成本、资源、排放和政策约束下优化多个投资期的技术部署（Hunter et al., 2013, Loulou and Labriet, 2008, Huppmann et al., 2019, Johnston et al., 2019）。这些模型通常使用代表期或时间序列聚合来保持计算可行性，这可能会简化时序承诺、爬坡和跨期储能行为（Poncelet et al., 2020, Teichgraeber and Brandt, 2022）。

选择Temoa作为规划模型是因为其开源多期结构支持技术年限、分阶段容量扩建、现有资产退役、技术成本演变和透明的情景分析。这些能力对于楚纳克的研究至关重要，因为该研究必须在替代燃料价格、碳价格、技术可获得性和资本支持假设下表征2025年至2045年间的可再生能源部署和柴油退役。然而，Temoa的代表性时间切片无法完全保持时序发电机组承诺、爬坡、逐时可再生能源变异性或电池荷电状态连续性。因此，滚动时域UCM被用作补充性的运营筛选层，而非长期规划模型的替代品。

由于基础设施决策在数十年间展开，柴油替代需要对资本部署、技术寿命、燃料价格条件和政策约束进行协调考虑（Hunter et al., 2013, Pfenninger et al., 2014, DeCarolis et al., 2017）。Temoa是一个开源的自下而上的能源系统优化模型（ESOM），通过参考能源系统（RES）表征能源技术和商品，并在定义规划期内识别最低成本路径（Hunter et al., 2013）。其Pyomo实现支持透明的线性规划（LP）公式和可重现的情景分析（Bynum et al., 2021, Hart et al., 2011）。技术年限允许模型表征分阶段建设、退役和跨期技术成本变化，而其情景结构支持评估碳定价、排放约束和相关政策干预（Hunter et al., 2013, Nicoli et al., 2022, Colucci et al., 2023）。这些特征及其开源结构共同提供了社区规模和政策敏感性分析所需的透明度和灵活性（Morrison, 2018, Nicoli et al., 2022）。

仅凭容量扩建结果无法证明某一组合能够满足详细的逐时运行约束。在孤立微电网中，供需不平衡必须在本地解决，可行调度取决于发电机组承诺、爬坡、可再生能源变异性、储能运行和功率平衡（DeCarolis et al., 2017, Alaska Center for Energy and Power, 2015, Meadows et al., 2025）。UCM公式表征了承诺逻辑、发电限制、爬坡、启停决策和与预留容量相关的运行要求（Wood et al., 2014）。在微电网中，机组组合（UC）和经济调度（ED）（UC/ED）分析还可以揭示在聚合规划结果中不可见的循环、弃电和荷电状态（SoC）约束（Nemati et al., 2018, Pandey et al., 2020）。这些考量在阿拉斯加尤为重要，因为最低负荷运行实践、季节性可再生能源变异性以及对储能和灵活资源的依赖会形可行调度（Alaska Center for Energy and Power, 2015, Meadows et al., 2025, Dolan et al., 2024）。滚动时域结构通过求解顺序运行窗口并前传发电机组承诺和SoC状态来提高时序表征能力（Costley et al., 2017, de Queiroz et al., 2019）。此前阿拉斯加的研究还表明，深度燃料削减可能需要可再生能源超容量配置、储能、灵活负荷和弃电管理（Simpkins et al., 2015, Meadows et al., 2025）。

UCM仍然是运营抽象模型而非完整的电网稳定性模型。频率响应、电压行为、惯量、保护协调和扰动性能在小型孤立系统中可能施加额外限制（Kundur, 1994, Ulbig et al., 2014, Zhou et al., 2024）。与互联电网不同，阿拉斯加农村微电网无法依赖相邻系统提供惯量或平衡支持，在某些运行条件下可能需要同步柴油发电保持在线（Kundur, 1994, Alaska Center for Energy and Power, 2015, Ulbig et al., 2014）。现场经验已证明了BESS、构网型逆变器和可调度热负荷的潜在贡献，但残余柴油运行和可再生能源弃电可能仍然源于技术约束而非资源稀缺（Alaska Center for Energy and Power, 2015, Meadows et al., 2025, Zhou et al., 2024, Isherwood et al., 2000, Simpkins et al., 2015）。

这一区分促使采用多尺度框架，在更高分辨率的时序约束下筛选长期投资组合。长期ESOM通常简化亚小时级动态和最小同步发电要求，而滚动UC/ED公式表征有限预见范围内的顺序运营决策（DeCarolis et al., 2017, Ulbig et al., 2014, Wood et al., 2014, Padhy, 2004, Nemati et al., 2018, Costley et al., 2017, de Queiroz et al., 2019）。

因此，对于本研究考察的研究问题，单独依靠长期规划或短期运营建模均不充分。此前研究已将机组组合约束纳入发电扩建模型，并将长期规划工具与短期运营模型相关联（Koltsaklis and Georgiadis, 2015, Poncelet et al., 2020, de Queiroz et al., 2019）。因此，本研究的贡献并非来自规划与运营建模的一般性结合，而在于将开源Temoa与滚动时域UCM工作流适应于孤立阿拉斯加农村微电网的条件。规划层表征2025年至2045年间分阶段容量扩建、技术年限、柴油退役、燃料价格条件、资源季节性、物流限制和政策干预。所得组合随后在逐时发电机组承诺、爬坡、功率平衡、可再生能源利用和电池荷电状态约束下进行筛选。与基于HOMER的研究相比，该框架强调多期组合演变而非单一项目配置的选择。与常规长期发电容量扩建分析相比，它增加了发电机组和储能行为的时序运营筛选。与先前阿拉斯加微电网研究相比，它在一个透明工作流中评估长期组合发展和逐时调度可行性。

该框架应用于阿拉斯加楚纳克，以考察经济、运营、季节性和物流条件如何在一个孤立微电网中相互作用。所得技术组合、成本和排放结果因此应解读为特定于楚纳克及所述假设，而非代表所有阿拉斯加农村或北极社区。主要的可迁移贡献是规划与运营筛选框架，在针对本地需求、可再生资源、技术成本、基础设施约束和运营实践进行校准后，可适用于其他孤立系统。在对北极脱碳路径得出更广泛结论之前，需要更多的社区案例研究。

本文其余部分组织如下。第2节介绍Temoa发电容量扩建模型和滚动时域UCM。第3节描述楚纳克案例研究、输入数据、假设和情景定义。第4节展示并讨论结果，第5节总结结论、政策启示和局限性。

**方法学摘录**

**方法论**

图1展示了所提议方法学的主要步骤，呈现了不同阶段数据处理与优化过程之间的逻辑联系。具体来说，第2.1节讨论如何使用Temoa进行投资规划，第2.2节介绍用于确保极端天气条件下技术可行性的UCM模型。为明确研究流程，方法论遵循六个顺序步骤。首先，楚纳克需求、现有发电……

**案例研究**

本节将所提议的优化框架应用于阿拉斯加西北北极自治市的楚纳克农村社区。楚纳克反映了阿拉斯加偏远微电网的常见条件：高度依赖进口柴油、面临燃料供应风险和高昂的能源配送成本。同时，该社区最近部署了光伏-BESS系统，使其成为在现实北极约束下评估深度燃料削减路径的相关测试平台（Northwest Arctic……

**结果与讨论**

优化结果显示楚纳克存在明确的技术经济分叉。在缺乏强价格信号的情况下（BAU），系统将演变为光伏-柴油混合模式，在冬季可靠性方面严重依赖化石燃料。

相反，任何显著的经济压力，无论是来自燃料价格冲击 (HDP) 还是碳政策 (NZ/SUBSIDY)，都会推动向多样化的、具有冬季韧性的风能和径流式水电组合进行根本性的结构转变。值得注意的是这些差异
结论
本研究应用了一种软链接规划与运营框架，以评估申纳克 (Shungnak) 微电网的长期脱碳路径。Temoa 被用于确定 2025 年至 2045 年的最低成本容量扩展组合，而滚动时域机组组合 (UCM) 则在每小时机组启动、爬坡、功率平衡、可再生能源利用和电池荷电状态约束下对这些组合进行筛选。
结果表明，受约束的业务如常 (BAU) 路径产生了一个太阳能主导的系统
CRediT 作者贡献声明
Jose M. Bardales：撰写 – 审阅与编辑，撰写 – 初稿，可视化，验证，软件，项目管理，方法论，调查，正式分析，数据管理。Hai Van Le：撰写 – 审阅与编辑，撰写 – 初稿，可视化，验证，软件，方法论，调查，正式分析，数据管理。Jessica Kaminsky：验证，监督，方法论，概念化。Anderson R. de Queiroz：验证，监督，方法论，
关于稿件撰写过程中生成式人工智能和人工智能辅助技术的声明
在准备本工作期间，作者使用 OpenAI ChatGPT 5.6 及早期版本协助进行来源识别、起草和语言润色，并使用 Cursor 和 OpenAI Codex 协助进行代码审查和仓库准备。所有输出结果均由作者审阅和编辑，作者对本文章的内容负全部责任。
利益冲突声明
作者声明，他们没有已知的竞争性经济利益或个人关系，这些利益或关系可能会影响本文所报告的工作。
致谢
作者感谢 Halle Evans 和 Tyler Wyka 与我们分享 AVEC 和 Alaska Native Tribal Health Consortium (ANTHC) 的数据。
Jose M. Bardales|Hai Van Le|Jessica Kaminsky|Anderson R. de Queiroz