基于元启发式算法的带净计量的并网社区微电网技术经济优化

《Renewable Energy》：Techno-economic optimization of a grid-connected community microgrid with net metering using metaheuristic algorithms

　　

• •
  在孟加拉国净计量上限约束下，确定净计量型光伏-电池社区微电网的规模。
• •
  通过非参数显著性检验，对30次运行中的GA、PSO和GOA进行了比较。
• •
  能源成本为0.0959美元/千瓦时，比可靠性匹配的电网基准低约9%。
• •
  在蒙特卡洛停电变异性下，稳健的规模设计满足1%的预期损失供电期望值（LPSP）。
• •
  风电在条件允许时可达零；电池规模设定用于限电备用。

引言

孟加拉国已实现近乎普遍的电力接入，然而供电质量和可负担性仍是紧迫问题，尤其是在城市边缘和乡村乌帕齐拉（upazila）城镇的社区负荷方面。配电网在傍晚高峰时段和热季季风前数月仍频繁发生限电，同时零售电价近年来已多次上调。与此同时，孟加拉国政府设定了从可再生能源发电20%的目标，并通过2025年批准的《国家屋顶太阳能计划》，计划在全国范围内新增2000至3000兆瓦屋顶光伏发电能力[1]、[2]。

可持续与可再生能源发展局发布的《2025年净计量指南》将允许的系统规模从核准负荷的70%提高到100%，并向单相消费者开放该计划，改善了用户自有发电的经济性；Li等人[3]综述了净计量与分时电价如何共同塑造分布式可再生能源的采用情况，并表明这两项政策之间存在强相互作用，这促使本文采用考虑电价的处理方法。这些进展使得并网型带储能混合微电网成为向社区负荷提供清洁、经济且可靠电力的有吸引力选项。

混合可再生能源系统组合两种或两种以上的发电和储能技术，其互补特性提高了可靠性并降低了成本，优于任何单一来源。这一结论已在多项互补性综述中得到确立：Sawle等人[4]比较了离网混合配置和组件模型，Twaha和Ramli[5]综述了分布式发电规模优化所采用的方法，Mahesh和Sandhu[6]专门关注风电-光伏互补性，Bhandari等人[7]编录了电力系统层面的设计方法，Motamedisedeh等人[8]特别综述了基于光伏的系统集成。设计任务是一个约束优化问题，其中组件容量必须在满足可靠性和技术限制的同时最小化全生命周期成本：Diaf等人[9]为自主光伏-风电系统提出了分析性规模确定方法，Kaabeche等人[10]将其扩展到以失电率标准进行离网运行，Rabbani等人[11]记录了此类系统在孟加拉国的特定资源和政策背景。HOMER[12]等确定性工具广泛用于此目的，并已被Nurunnabi等人[13]在孟加拉国情境中应用（量化了成本对资源变异性的敏感性），Bagdadee和Zhang[14]用于Kuakata的光伏-风电-水电-柴油系统，以及本作者之前的住宅和多地点研究[15]、[16]。然而，HOMER对离散化的决策空间进行穷举搜索，无法轻松容纳自定义控制策略或连续变量，这促使人们采用元启发式优化器将规模设计视为连续、非凸搜索，如Katsigiannis等人[17]的模拟退火-禁忌混合方法、Maleki和Askarzadeh[18]的人工智能方法比较、Ghorbani等人[19]的遗传-粒子群混合方法、Fathy[20]的矿爆算法，以及Youssef等人[21]的粒子群与HOMER组合方法。

受自然和社会现象启发的元启发式算法已成为混合系统规模确定的主导方法，因为它们无需梯度、能处理非线性约束并避免陷入局部最优。遗传算法（GA）由Goldberg和Holland[22]奠定理论基础，此后已被改编用于组合问题，如Lin等人[23]改进的混合公式化方法；粒子群优化（PSO）由Kennedy和Eberhart[24]提出；这两者仍是最广泛使用的方法，经常被互相作为基准进行比较，例如Yang和Li[25]使用多目标差分进化变体。较新的群体方法，包括Mirjalili等人[26]的灰狼优化器、Mirjalili和Lewis[27]的鲸鱼优化算法，以及Askarzadeh[28]的乌鸦搜索算法，在工程设计问题上显示出有竞争力的性能。由Saremi等人[29]提出并经Mirjalili等人[30]扩展到多目标问题的蝗虫优化算法（GOA），模拟了蝗虫群体中的吸引和排斥力，Araoye等人[31]将其应用于微电网规模确定并取得了令人鼓舞的结果，他们将其与HOMER结合用于农村电气化。

大量研究考察了孟加拉国及类似地区农村电气化的混合系统。Yadav等人使用HOMER研究了独立农村微电网[32]和多元能量存储的价值[33]，Nassar等人[34]考察了与光伏和风电发电配合的公用规模抽水蓄能，Brown等人[35]评估了东南亚农村电气化的微电网商业模式，Rahmat等人[36]分析了马来西亚的可再生能源整合投资。综述和并网研究较少：Alhawsawi等人[37]综述了校园微电网，Zhou等人[38]提出了并网水电-风电-光伏-电池系统的多目标调度方案，Alam等人[39]使用人工智能方法设计了低压社区微电网。本作者及同事已在孟加拉国报告了离网[40]、并网住宅[41]、[42]以及需求响应型微电网的技术经济分析和预测建模分析。这些研究中的大多数要么完全离网，要么依赖确定性仿真，相比之下，很少有研究在现实的分时电价和随机电网限电曲线条件下，对并网型、净计量社区微电网通过多种元启发式算法进行优化并跨算法进行基准比较。

为弥补这一空白，本文针对Naogaon地区Nazipur社区负荷，开发了一个并网型光伏-风电-电池-变流器微电网的逐小时技术经济模型，并采用净计量方式，使用遗传算法、粒子群优化和蝗虫优化算法优化其组件规模。与最接近的先前研究相比（包括本作者自己的并网住宅分析[41]、[42]），本文的具体贡献为：(i) 一个显式表示净计量、商业分时电价和基于已记录灾害模型生成的随机电网限电的逐小时资源、需求和基于规则的管理模型；(ii) 明确执行2025年净计量核准负荷容量限制和变流器直流到交流比率，以确保所报告的设计符合法规要求；(iii) 通过非参数显著性检验，在30次独立运行中对三种优化器进行统计学上严谨的比较，而非仅单次运行；(iv) 在多次停电实现下的随机可靠性评估以及场景再优化；(v) 对法规约束最优解进行透明的技术经济、可靠性和运行排放评估。论文其余部分依次描述了研究区域和资源优势、系统和优化模型、结果与讨论，最后是结论和未来工作。

章节摘要

研究区域与资源评估

该社区负荷位于孟加拉国西北部Naogaon地区Patnitala乌帕齐拉的Nazipur（北纬24.90°，东经88.75°）。逐小时气象输入数据源自NASA POWER数据库，使用该站点所在网格的2001年至2020年气候常值。由于NASA POWER提供的是日均和月均地表辐照度而非经验证的逐小时序列，因此通过结合晴空模型重构了8760小时的全球水平辐照度曲线

微电网架构

如图2所示，所提出的微电网包括太阳能光伏阵列、可选风力涡轮机、磷酸铁锂电池、双向变流器以及接入公用电网的净计量连接，所有组件均耦合到为社区负荷供电的公共交流母线上。变流器是并网电力转换接口，通过它光伏阵列和电池与母线交换电力，其额定功率是一个受以下条件约束的决策变量

算法比较与统计稳健性

三种优化器的收敛历史和运行间离散度如图3所示，30次独立运行的统计结果见表4。三种算法在报告精度下均识别出相同的标称组件配置，包括780千瓦光伏容量、0千瓦风电容量、312千瓦时电池和600千瓦变流器。对应的最佳平准化能源成本（COE）分别为0.0935、0.0934和0.0934美元/千瓦时，分别对应遗传算法（GA）、粒子群

结论与未来工作

本文针对Naogaon地区Nazipur的并网型、净计量社区微电网进行了技术经济优化，使用遗传算法、粒子群优化和蝗虫优化算法，并将2025年净计量核准负荷限制作为硬约束执行。在30次独立运行中，三种优化器均识别出相同的法规合规标称最低成本设计，包括780千瓦光伏、无风电、312千瓦时电池储能和一个

CRediT作者贡献声明

Md. Feroz Ali：撰写——初稿，可视化，验证，监督，软件，资源，方法学，调查，资金获取，形式分析，数据整理，概念化。Md. Shafiul Alam：撰写——审稿与编辑，验证，监督，资源，项目管理，方法学，调查，资金获取，形式分析，数据整理。S.M. Shakil：撰写——审稿与编辑，验证，资源，调查，形式分析，数据整理。

数据可用性声明

本研究中使用和/或分析的数据集可通过合理请求向通讯作者获取。

资助

本工作由科学研究院长办公室、研究生院与科学研究副主席办公室、沙特阿拉伯法赛尔国王大学资助[基金编号：KFU264547]。

利益冲突声明

作者声明，他们不存在任何已知的竞争性经济利益或个人关系，这些关系可能影响本文所报告的工作。

致谢

作者衷心感谢孟加拉国巴布纳科技大学（PUST）巴布纳-6600电气与电子工程系PUST可再生能源研究与创新实验室（PRERIL），以及沙特阿拉伯法赛尔国王大学，为可再生能源实验室及其他必要设施提供访问权限，支持本研究的顺利完成。

Md. Feroz Ali|Md. Shafiul Alam|S.M. Shakil|Mohammad Ali