本文是一篇计算机软件论文，本文以离网式混合可再生能源系统为研究对象，建立了系统模型，并用改进头脑风暴优化算法对模型进行求解，从而得到了离网型混合可再生能源系统的最优配置方案。主要的有以下创新点。1. 本文首次将头脑风暴优化算法（BSO）应用到离网式混合可再生能源系统的多目标规划设计，在检验了头脑风暴优化算法性能的同时，丰富了离网式混合可再生能源系统多目标规划领域的理论研究。2. 针对头脑风暴优化算法求解多目标优化问题，本文将非支配排序用于保持种群的特定数量，并在头脑风暴优化算法 K-Means 聚类中，使用欧式距离作为计算类之间的距离，得到了与种群数量一样的 Pareto 解集。3. 本文研究了风光互补的混合可再生能源系统的能量优化问题，增强了资源能源利用率。以实际背景为案例，建立了离网型混合可再生能源系统模型，分别以系统经济性、系统稳定性和环保效益为目标，得到了不同情况的解决方案。决策者可以根据不同喜好选择合适的解决方案。
第一章 绪论
1.1 课题研究背景及研究意义
1.1.1 研究背景
近年来，随着我国的人口增加和工业化发展，导致能源的消耗呈现急速增长的趋势，全球气候变暖等问题也越来越严峻。联合国大会通过可持续发展目标，为实现地球可持续发展提供了强大的框架。大会要求大幅增加可再生能源在全球能源的比重，加快提高全球能源效率，发展清洁能源成为未来发展的主题。常规能源储量有限，被称为一次性能源。这些常规能源产生的二氧化碳浓度，对环境的影响越来越大，从而导致全球变暖。建立可再生能源的管理机制，减少能源消耗成为一个热门话题。人们需要合理利用可再生能源，可再生能源技术主要问题是对风速、太阳辐照度等环境条件的依赖。适合长期发展，是目前最具有发展潜力的能源。同时，这些能源有不稳定的缺点，对自然环境的依赖性高，容易受到当地气候特征的影响[1]，因此，由常规能源和可再生能源结合的混合可再生能源系统成为热门的研究课题。
中国是农业和人口大国，并且中国拥有较好的自然资源。在我国的偏远地区，适合发展太阳能风能等清洁能源。在农村、海岛等地发展清洁能源可以减少国家电网的压力。这些能源技术具有较低的稳定性和较强的随机性，随着季节的变化，产生的电量也是不同的。从而导致了可再生能源系统的发电质量与负荷要求不匹配，造成了供电缺失，社会效益减少等不利影响[2]。太阳能系统不能在晚上运行，而风能系统可以在任何有风的条件下运行，太阳能系统与风能系统具有互补的特性。并且，两者产生的能量不会污染环境，可以有效的解决偏远地区用电运输困难，用电污染严重等问题。
.....................
1.2 研究现状
根据 REN21 发布的《Renewables 2019 global status report》数据显示，2018 年，全球可再生能源技术市场相对稳定。其中，太阳能光伏发电新增装机约 100GW，占可再生能源新增装机的 55%，其次是风力发电 51GW（28%）和水电 20GW（11%）。总体而言，可再生能源装机容量已增长到世界总装机容量的 33%以上[8]。
可再生能源在发电领域规模在持续增加，技术也在逐渐完善。HRES 设计可以利用风力涡轮机、光伏发电、微型水利发电和其他常规发电系统组成混合模型。混合系统可以从满足一个村庄或一个岛屿供电需求。HRES 对于许多偏远社区，特别是在发展中国家深受欢迎，可以根据不同的能源结构和组件，分成不同的混合系统。其中，在近年来研究呈现上升趋势（以 WOS 数据库为例），如图 1-2 所示。
...........................
第二章 HRES 结构及单元建模
2.1 混合可再生能源系统类型
混合能源系统由光伏，风能等多种可再生能源技术组成，通常比单一能源系统更具成本效益和可靠性。添加电池存储技术可以获得双向能量，允许在白天储存多余的能量，并在间歇和夜间维持满足负荷需求，用于电力发电。研究发现，混合型可再生能源的各种系统部件的选择可采用不同的选型标准，采用经济约束和优化方法等，对各种混合系统配置的能源生产成本和性能进行比较。在最近几年里，混合可再生能源关于尺寸优化技术得到了广泛的研究和开发。这些技术可以准确的预测发电情况，最终保证了系统的可靠性，降低了能源成本。化石燃料带来的污染，使得 HRES 在孤立的区域变得越来越流行。本节将介绍各种可再生能源系统跟混合可再生能源系统，并进行详细的建模分析，提出系统优化的目标以及功率平衡策略。
2.1.1 光伏系统
2018 年，全球光伏发电装机增加容量超过了 100GW。目前，虽然光伏发电装机容量增长速度缓慢，但其已经成为世界上增长最快的能源技术，并在越来越多的国家拥有 GW 规模的市场[35]。
太阳能光伏（Solar Photovoltaic System，SPV）系统利用太阳能来减少对化石燃料的依赖，其中包括光伏发电机，柴油发电机或者电池系统。电池存储增加了系统控制的灵活性，并增加了整个系统的稳定性。SPV 系统在炎热的气候中具有良好的应用前景，是满足偏远地区能源需求有效的解决方案。文献[36]对分散发电的混合 SPV 系统的经济可行性进行了研究，并证明了此系统满足 100 多个家庭的小村庄供电需求。
........................
2.2 混合可再生能源系统单元建模
离网式混合可再生能源系统依赖于自然条件，本节对离网式混合可再生能源系统组件原件进行建模。其中考虑电力系统的成本、可靠性和环境效益。考虑到电力系统的成本、可靠性和效率。离网式混合可再生能源系统配置有多种类型，系统根据区域内资源设定，这些配置在经济上是可行的。通常，在一个地区的太阳能资源丰富，风速值可能处于较低的水平，混合光能系统适合当地的情况。对于偏远地区，由于技术经济限制，接入国家电网的可能性微乎其微，HRES 被视为一种很好的替代方案。
2.2.1 光伏系统建模
系统中电池存储系统是为了满足可再生能源不能满足的负载需求，当可再生能源系统产生过剩能源时，由电池系统吸收过剩能量，并进行存储。电池大小取决于最大放电深度、温度校正、额定电池容量和电池寿命等因素。电池系统建模采用荷电状态（SOC），在可再生能源产生过多电力的情况下，多余的电力用于给电池组单元充电。当通过 HRES 不能满足负载需求时，利用电池组的该备用电源。因此，当 HRES 没有足够的发电可用时，电池组提高了效率。电池系统随着电池放电大小、热量和寿命上限而改变。在 HRES 中，电池用于存储，电池在供应和负载需求之间平衡功率。分为以下三种情况[57]。
........................
第三章 基于头脑风暴优化算法的混合可再生能源调度 ......................... 25
3.1 群智能优化 .............................. 25
3.2 头脑风暴优化算法 ................... 25
第四章 案例研究与结果分析 .................................. 37
4.1 引言 ....................... 37
4.2 数据分析 ................................. 37
第五章 结束语 ......................... 53
第四章 案例研究与结果分析
4.1 引言
混合可再生能源系统在不联网的情况下，应用在偏远地区。其中，“混合”一词常用于描述有多种发电机的电力系统，通常是由柴油或燃气发动机驱动的常规发电和再生能源混合发电。近年来，利用离网型混合可再生能源系统满足偏远地区的电力需求吸引了一些研究人员的关注。
案例研究是基于 Sharafi[83]和 Elmekkawy 所提出的研究，使用各种 LPSP 和 CO2排放限制进行了不同的测试。在他们的研究中，负荷由太阳能和风力发电提供，多余的能量被用来给电池充电。如果电池已充电到其最大负荷状态，则其余剩余能量都将保存到电解槽，产生氢气并存储在氢气罐中。当太阳能和风能资源不足时，电池将供应不足，直到达到其最小放电状态。如果电池不能满足全部剩余负荷，那么燃料电池将满足剩余负荷，前提是氢气箱中有足够的氢气。如果燃料电池不能满足所需的负荷部分，那么发电机将满足剩余的负荷需求。一旦柴油发电机满足负载，任何剩余能量都将用于给电池组充电，因为这将确保在独立系统中最大限度地利用所产生的能量，从而将过剩能量降至最低。
.........................
第五章 结束语
可再生能源储量非常丰富。然而，可再生能源系统的缺点是：由于可再生能源资源取决于气候和天气条件，仅使用一种可再生能源系统不能连续发电。可以将两个或多个可再生能源系统集成到一个混合系统中来克服这一问题，这样当一种资源不能发电时，另一种可以继续生产能源。可再生能源的另一个缺点是：不能在每个地理位置都可用。它们的使用在以下方面最有优势，比如生态价值很高的偏远地区。因此，确定可再生能源系统的较佳位置是一个决策问题，需要评估资源的潜力以及经济和环境限制。所以，本文以离网式混合可再生能源系统为研究对象，建立了系统模型，并用改进头脑风暴优化算法对模型进行求解，从而得到了离网型混合可再生能源系统的最优配置方案。主要的有以下创新点。
1. 本文首次将头脑风暴优化算法（BSO）应用到离网式混合可再生能源系统的多目标规划设计，在检验了头脑风暴优化算法性能的同时，丰富了离网式混合可再生能源系统多目标规划领域的理论研究。
2.&nb
