李俊青 陳星睿 李文涵 李慶華

( 山東師范大學(xué)信息科學(xué)與工程學(xué)院，250358，濟南 )

1 引 言

近日，國家能源局發(fā)布了《關(guān)于可再生能源發(fā)展“十三五”規(guī)劃實施的指導(dǎo)意見》，要求加強可再生能源發(fā)展規(guī)劃的引領(lǐng)作用，創(chuàng)新發(fā)展方式促進技術(shù)進步、降低成本，全力健全風電、光伏發(fā)電建設(shè)規(guī)模管理機制,能源對世界各地的社會和經(jīng)濟發(fā)展具有創(chuàng)造性的作用.隨著21世紀的開始，工業(yè)化得到了快速發(fā)展，這導(dǎo)致了全球范圍內(nèi)化石燃料以驚人的速度被開采.大規(guī)?；茉吹膽?yīng)用提高了人類的生活水平，同時也給我們的生態(tài)環(huán)境造成了嚴重破壞，為此每年都要蒙受巨大的經(jīng)濟損失.能源開發(fā)利用結(jié)構(gòu)不合理，能源可持續(xù)發(fā)展的意識、生產(chǎn)水平和工業(yè)設(shè)備落后，是造成了能源利用率低的主要原因.

在可再生能源的利用當中，我國水資源量豐富并且開發(fā)規(guī)模大，但是我國人口眾多，人均用電量及總量也在隨著社會的發(fā)展不斷增加，因此水電并不能滿足所有的用電需求.我國面臨著煤炭枯竭的狀態(tài)，所以學(xué)者都把目光投向其他可利用的新型能源.核能雖然前景較好，但是自然災(zāi)害和人為因素可能導(dǎo)致的核危害時刻威脅著我們，因此核能發(fā)展和應(yīng)用的審慎態(tài)度，使其利用規(guī)模還處于很低的水平.在新型可再生清潔能源當中，光伏發(fā)電及風力發(fā)電是最具有開發(fā)利用潛力的能源技術(shù)，獨立可再生能源系統(tǒng)如風能、太陽能的隨機性和不確定性等缺點，導(dǎo)致了這些資源利用率低、構(gòu)造成本高等問題.為了克服這些問題，混合可再生能源系統(tǒng)(Hybrid Renewable Energy System, HRES)引起了越來越多學(xué)者的關(guān)注和研究并得到了廣泛的應(yīng)用[1].

HRES適當組合不同類型的可再生能源與常規(guī)能源，能夠有效地克服獨立能源系統(tǒng)不穩(wěn)定的缺點.對于技術(shù)和經(jīng)濟落后偏遠地區(qū)，由于地形復(fù)雜，常規(guī)能源(如煤、石油和天然氣)的運輸困難，微電網(wǎng)的擴展也不具有成本效益，所以，HRES是在偏遠地區(qū)提供供電需求的最合適的解決方案.相比于獨立單一可再生能源系統(tǒng)，它更具有可靠性和經(jīng)濟性[2].HRES使用兩類或兩類以上不同的發(fā)電設(shè)備，并且結(jié)合儲能設(shè)備，如柴油發(fā)電機和蓄電池組等，以滿足高峰時刻的負荷需求，典型的HRES配置如圖1所示.

圖1 混合可再生能源系統(tǒng)

HRES依賴于組件的構(gòu)成，每個組件的準確建?？梢愿玫亓私庀到y(tǒng)性能.本文綜合敘述了基于光能、風能等可再生能源以及柴油發(fā)電機和蓄電池等備用能源裝置的混合能源系統(tǒng)的各種優(yōu)化方法和優(yōu)化準則.本文還討論世界能源形勢的最新趨勢以及在未來能源需求方面的研究，并提供相關(guān)參考資料.

2 混合可再生能源系統(tǒng)模型

HRES由太陽能光伏板、風力發(fā)電機、逆變器、電池組和其他元件組成，根據(jù)組成元件的不同，系統(tǒng)也分為不同的類型.如果可再生能源所產(chǎn)生的功率超過所需負荷需求，則超過剩余的功率來為電池組充電.當產(chǎn)生的功率不足以滿足負載需求時，電池組就會放電滿足負載需求.系統(tǒng)的組成元件決定了系統(tǒng)的配置結(jié)構(gòu)，同時系統(tǒng)的各個組成部分也有不同的建模方法，這些建模方法的選擇也會影響最終的系統(tǒng)功能與運行情況.

HRES的優(yōu)化設(shè)計是一個熱門的話題，并且有大量的文獻研究這個主題.HRES大多是由太陽能和風能，然后加上合適的儲能系統(tǒng)以及相應(yīng)的負載構(gòu)成.按照組成元件的不同，常見的混合可再生能源系統(tǒng)可分為混合光伏系統(tǒng)、混合風能系統(tǒng)、混合光伏/風能系統(tǒng)等[3].

2.1混合光伏系統(tǒng)太陽能光伏(Solar Photovoltaic System，SPV)系統(tǒng)利用太陽能來減少對化石燃料的依賴，其中包括光伏發(fā)電機，柴油發(fā)電機或者電池系統(tǒng).電池存儲增加了系統(tǒng)控制的靈活性，并增加了整個系統(tǒng)的穩(wěn)定性.SPV系統(tǒng)在炎熱的氣候中具有良好的應(yīng)用前景，是滿足偏遠地區(qū)能源需求有效的解決方案.文獻[4]對分散發(fā)電的混合SPV系統(tǒng)的經(jīng)濟可行性進行了研究，并證明了此系統(tǒng)滿足100多個家庭的小村莊供電需求.

當前已經(jīng)開發(fā)出許多光伏模型，包括用概率法來確定混合SPV系統(tǒng)的性能，并找到光伏發(fā)電機與柴油發(fā)電機的最佳組合.EL-Hefnawi[5]使用數(shù)字技術(shù)計算混合SPV系統(tǒng)的最小存儲天數(shù)和最小光伏矩陣面積.Shrestha等人[6]提出一種太陽輻射和負載的統(tǒng)計模型，用來尋找光伏陣列尺寸和電池的最佳組合，以滿足制冷負載的方法，計算出SPV系統(tǒng)最佳性能的傾角和方位角取決于地理位置.Bhuiyan等人[7]對孟加拉國的光伏電池系統(tǒng)進行了優(yōu)化，針對不同傾角和方位角的功率輸出，優(yōu)化了混合SPV系統(tǒng)的性能.

2.2風能系統(tǒng)風能是自然環(huán)境中可以利用并且無污染的能源，風力發(fā)電系統(tǒng)的發(fā)電性能取決于風勢，最可行的解決方案是選擇較高的風能地理位置，這也是風力發(fā)電系統(tǒng)技術(shù)實現(xiàn)的條件[8].針對風速和渦輪機的特性，文獻[9]比較了不同位置的不同風機性能，此外，還研究了不同位置的風能系統(tǒng)的各種約束條件，并采用可行性、最優(yōu)系統(tǒng)配置、滿足負荷需求、風能成本、能源安全、風電可利用性評估等參數(shù)進行了研究.

Kefayat等人[10]將蟻群算法和人工蜂群算法相結(jié)合，使用混合智能算法優(yōu)化風力系統(tǒng).Salameh等人[11]通過遺傳算法分析了風力系統(tǒng)的最優(yōu)配置.Feijoo等人[12]考慮了風力系統(tǒng)部件的各種約束，利用蒙特卡羅模擬方法進行評估.Stefanos等人[13]采用神經(jīng)網(wǎng)絡(luò)、回歸分析技術(shù)進行了經(jīng)濟性和可靠性的研究.Ahmad等人[14]采用不同的方法訓(xùn)練風能數(shù)據(jù)，提高了每年額定風機的輸出功率.Bohre等人[15]描述了風能系統(tǒng)的最優(yōu)配置，提出了相應(yīng)控制策略，通過利用備用電池組，有效地提高了系統(tǒng)性能，降低了能源成本并且增強了系統(tǒng)的可靠性.

2.3光伏/風能系統(tǒng)在自然環(huán)境中，可再生能源太陽能和風能資源是相互作用的.與單能源相比，太陽能和風能組成的混合系統(tǒng)全年生產(chǎn)更高的能源，并且效益比單能源更好.單源系統(tǒng)需要備用電池和獨立系統(tǒng)中的柴油發(fā)電機才能獲得更好的性能，這影響到混合系統(tǒng)的成本、可靠性、能源成本和環(huán)境排放等目標.

Deshmukh等人[16]討論了基于光伏的能源系統(tǒng)的現(xiàn)有規(guī)模和工作狀況，Sinha等人[17]提出了基于光伏-風能的混合能源系統(tǒng)，使用幾種方法來實現(xiàn)不同的目標.通過研究HRES的綜合文獻，我們得出了以下結(jié)論:

1) HRES是一種更好的替代方案，用混合系統(tǒng)共同發(fā)電替代單一系統(tǒng)發(fā)電.

2) 與單能源能源系統(tǒng)相比，整個系統(tǒng)具有多個能源的發(fā)電系統(tǒng)組成，具有更高的可靠性和可行性.

3) 最近的研究趨勢表明，更多學(xué)者研究多目標優(yōu)化和混合優(yōu)化方法確定系統(tǒng)元件尺寸，設(shè)計更可靠并且環(huán)境友好的HRES.

4) 光伏/風能系統(tǒng)具有備用能源單元，如電池組、柴油發(fā)電機和燃料電池，可以使系統(tǒng)降低能源成本，并提高系統(tǒng)的可靠性.

2.4光伏/風機/燃料電池系統(tǒng)光伏/風機/燃料電池系統(tǒng)由光伏板、風機、電解槽、氫氣罐、燃料電池和負載等組成.在該系統(tǒng)中，燃料電池大多是氫氣燃料電池，其功能是儲能系統(tǒng).當可再生能源發(fā)電功率大于負載需求時，多余電量會被傳送到電解槽，電解槽制取氫氣并存到氫氣罐中.當可再生能源系統(tǒng)發(fā)電不能滿足負載時，燃料電池會利用氫氣罐中的氫氣進行工作放電，從而為負載提供電能.相比蓄電池儲能的系統(tǒng)，這種系統(tǒng)的效率并不高，因此這類系統(tǒng)的研究并不是很多.

3 混合可再生能源系統(tǒng)的優(yōu)化目標

研究人員采用了一些基于經(jīng)濟性、可靠性、環(huán)境效益性等目標優(yōu)化設(shè)計HRES，下面簡要討論常用的優(yōu)化目標.

3.1系統(tǒng)成本HRES系統(tǒng)的一般壽命為20年，電池組通常每5年更換一次.能源成本還取決于投資成本、運行成本、維護成本、折舊期和一年產(chǎn)生的能量.隨著產(chǎn)量的增加，設(shè)備成本呈現(xiàn)下降趨勢[18].公式(1)給出了一個簡單的成本計算關(guān)系，

(1)

其中，CE是能量消耗，CCap是HRES 發(fā)電機和存儲設(shè)備的投資成本，R是年度資本成本折現(xiàn)率，ETot是產(chǎn)生的總能量，CO&M是每年的操作和維護費用.

許多學(xué)者使用發(fā)電成本來評估HRES，將出現(xiàn)電力短缺(斷電)的總體概率稱為負載丟失概率(Load Loss Probability，LOLP)，用每年的天數(shù)、每天的小時數(shù)或時間的百分比表示.HRES的生命周期成本(Life Cycle Cost，LCC)是指在系統(tǒng)生產(chǎn)生命周期內(nèi)發(fā)生的總成本[19].LCC用來確定系統(tǒng)的經(jīng)濟可行性，考慮系統(tǒng)是否折舊，LCC使用公式(2)和公式(3)計算.

(2)

PVD=(C+m)pv+(C+m)wind+(C+m)battery+(C+m)diesel-D,

(3)

其中，PV，PVD分別是沒有折舊和有折舊的系統(tǒng)現(xiàn)值，t是分析的時間，i是每年的利率,Ct是t年的成本，m是系統(tǒng)的維護費用，D是折舊的現(xiàn)值.

3.2系統(tǒng)穩(wěn)定性可靠性的優(yōu)化原則是確定電池數(shù)量、光伏模塊、風力發(fā)電機容量和其他可再生發(fā)電機的最佳數(shù)量[20].供電可靠性是不能滿足負荷需求的混合系統(tǒng)供電損失概率(Loss Of Power Supply Probability，LPSP)，LPSP可以定義為系統(tǒng)產(chǎn)能不能滿足負載需求的時間所占總時間比例.LPSP為1時表示不能滿足負載，而LPSP為0時表示始終滿足負載.

LPSP的方法可以概括為兩個步驟.

步驟一：在HRES產(chǎn)生的額外功率期間，剩余功率用于給電池充電，并計算新的充電狀態(tài)，直到電池容量滿為止，其中電池充滿電后的額外能量不能用于生產(chǎn)工作.

步驟二：在HRES產(chǎn)生的功率不足期間，使用存儲在電池中的能量來滿足需求負載，并計算新的放電狀態(tài)，直到電池組容量下降到最小水平，最后從負載中斷開.

LPSP可以使用公式(4)求出.

LPSP=Pr{EB(t)≤EBmin;fori≤T},

(4)

其中，t是任意時刻荷電狀態(tài)的概率，T是最大時間，比如以一年為例，每小時為步長，T的值為8 760 h，EBmin是小于或等于電池所提供能量的最小水平，EB(t)是在t時刻存儲在電池中的能量.

也有許多學(xué)者以負荷不足概率(Loss of load，LOL)作為穩(wěn)定性目標.HRES無法滿足每日峰值負荷，每當系統(tǒng)負載超過可用發(fā)電容量時，就會出現(xiàn)負荷不足概率，LOLP是由下列方程組給出:

(5)

其中，IS是負載的電流是在t小時的需求,In(t)是HRES在t時刻提供的電流，如果LOLP較低，會導(dǎo)致系統(tǒng)成本較高，LOLP較高，則會導(dǎo)致系統(tǒng)成本較低.

3.3環(huán)境效益在HRES中，柴油發(fā)電機主要排放的氣體是CO2，因此，許多文獻以CO2的排放量代表燃料的排放，并作為環(huán)境效益目標.燃料排放量通過公式(6)計算.

(6)

式中，F(xiàn)c(t)為柴油發(fā)電機在t時刻的燃料消耗量，Ef是排放因子，該參數(shù)取決于柴油發(fā)電機和燃料的性質(zhì).

4 混合可再生能源系統(tǒng)的優(yōu)化方法

在HRES的發(fā)電領(lǐng)域，機組規(guī)模優(yōu)化在文獻中有各種各樣的方法，圖2給出了用于HRES機組規(guī)模調(diào)整的方法.

圖2 HRES優(yōu)化的方法

在各種優(yōu)化算法中，人工智能方法用到的最多，表1列出了部分混合可再生能源系統(tǒng)的優(yōu)化方法.

4.1人工智能優(yōu)化Paliwal等人[21]建立了一個基于光伏-風能-柴油的集成系統(tǒng)，以滿足社會和經(jīng)濟的標準，并建立了在項目生命周期內(nèi)存儲單元的大小、循環(huán)次數(shù)和更換數(shù)量之間的關(guān)系.Askarzadeh等人[22]開發(fā)了一種基于離散混沌和聲搜索的模擬退火(DHSSA)算法，用于光伏-風能-電池集成系統(tǒng)的優(yōu)化，并將獲得的年成本與離散和聲搜索(HS)以及離散和聲搜索模擬退火(HSSA)算法進行了比較.Merei等人[23]結(jié)合三種電池技術(shù)(鉛酸、鋰離子、釩氧化還原液流電池)，對光伏-風能-柴油混合動力系統(tǒng)的最優(yōu)解進行了分析.針對光伏風力發(fā)電系統(tǒng)，Kumar等人[24]使用了一種生物地理學(xué)優(yōu)化(Biogeography-Based Optimization, BBO)算法，在這項研究中，BBO用來預(yù)測偏遠地區(qū)風光互補發(fā)電系統(tǒng)的最優(yōu)規(guī)模系數(shù)，在保證獲得能源的情況下，以混合能源系統(tǒng)總成本最小為目標，對最優(yōu)部件規(guī)模和運行策略進行評估，證明了該算法具有競爭性.Arabali等人[25]使用遺傳算法(GA)和兩點估計法，對具有電池存儲的集成系統(tǒng)進行優(yōu)化，在得到最小成本的同時也提高了系統(tǒng)效率，并且計算出不同負載轉(zhuǎn)移百分比下存儲系統(tǒng)的最大容量和過剩能量.Kaviani等人[26]通過對太陽風燃料電池系統(tǒng)、對可靠性指標進行近似評估，以每年1 h為步長進行仿真，得到了較高的精度，并討論了系統(tǒng)元件失效對可靠性和系統(tǒng)成本的影響.在電解槽燃料電池中，Hakimi等人[27]使用了多余的風力-燃料電池系統(tǒng)，并用粒子群算法進行模擬計算，當發(fā)電量不能滿足負荷需求時，用燃料電池來補充發(fā)電量的不足.Yang等人[28]提出了一種優(yōu)化方法來計算最優(yōu)系統(tǒng)配置，用遺傳算法計算出全局最優(yōu)，最優(yōu)系統(tǒng)配置可以實現(xiàn)用戶所需的LPSP，得出所需的LPSP的值分別為1%和2%.

表1 混合可再生能源系統(tǒng)優(yōu)化方法

圖3 多目標Pareto解

4.2多目標優(yōu)化在HRES中，多目標設(shè)計有兩種常見的方法.第一種是將所有目標函數(shù)合并為單個復(fù)合函數(shù)，第二種方法是確定整個Pareto最優(yōu)解集.如果所得到的解在解空間占主導(dǎo)地位，則稱其為Pareto最優(yōu)解.帕累托最優(yōu)解決方案不能在降低一個目標的情況下對其他目標進行改進，在降低系統(tǒng)成本的情況下，會導(dǎo)致污染物排放的增加.多目標優(yōu)化算法的主要目標是得到Pareto最優(yōu)集合中的解[29]，如圖3所示.

在多目標設(shè)計HRES的文獻中，Maheri等人[30]提出了一種獨立的風電-柴油發(fā)電機系統(tǒng)，設(shè)計系統(tǒng)成本和系統(tǒng)可靠性目標相互矛盾，對其進行不確定性建模并得出兩種情況：第一種情況，在成本約束條件下建立了最可靠的系統(tǒng)；第二種情況，在第二種可靠性約束情況下獲得了經(jīng)濟有效的系統(tǒng).Abbes 等人[31]為光伏風力一體化系統(tǒng)計算出120個Pareto優(yōu)化集，并滿足了95%居民用電需求的配置.Tant等人[32]提出了一種具有電池儲能系統(tǒng)的太陽能光伏多目標優(yōu)化方法，并將該方法應(yīng)用于公共低壓配電網(wǎng),得出了調(diào)峰和調(diào)壓目標之間的成本平衡曲線.Moura等人[33]提出了一種新穎的多目標優(yōu)化方法，以最小的成本為目標優(yōu)化HRES，最大程度滿足峰值負荷的需求,同時還考慮了大規(guī)模需求側(cè)和需求響應(yīng)技術(shù).Bernal-Austin等人[34]將加強帕累托進化算法 (SPEA)應(yīng)用于光伏-風能-柴油混合發(fā)電系統(tǒng)的多目標設(shè)計.

4.3迭代近似法在迭代方法中，HRES優(yōu)化模型通?？紤]用于電力可靠性和凈現(xiàn)值(Net Present Value，NPV)的LPSP模型.大多數(shù)研究者都考慮了光伏電池板的容量、風力系統(tǒng)的額定功率和蓄電池組容量等參數(shù)，對于期望的可靠性水平并沒有考慮.在這種方法中，系統(tǒng)成本是通過線性變化參數(shù)或線性規(guī)劃技術(shù)來最小化的.

在使用迭代近似法確定HRES系統(tǒng)元件大小的文獻中， Zhang等人[35]在優(yōu)化電力調(diào)度仿真的基礎(chǔ)上，提出了一種基于PV-柴油發(fā)電機組集成系統(tǒng)的元件尺寸調(diào)整算法.在優(yōu)化過程中，以能源成本最小化為目標，其中能源成本包括系統(tǒng)折舊成本、燃料成本、維護成本和排放成本等.Gupta等人[36]建立了混合整數(shù)線性規(guī)劃模型，講述了模型的運行模式、配置優(yōu)化、算法控制參數(shù)等.他們對成本進行了優(yōu)化，使成本較低的資源占總能源需求的比例更大.Yang等人[37]優(yōu)化了基于 LPSP 的太陽能風力電池集成系統(tǒng)的尺寸大小，并在最低 LCE的基礎(chǔ)上進行了成本分析和優(yōu)化配置.

4.4分析法在分析法中，HRES的模型用組件得出，并計算系統(tǒng)的可行性，因此，對于特定尺寸的組件，可以針對一組可行的系統(tǒng)配置來評估系統(tǒng)的性能.通過比較不同配置的單個或多個性能指標來評估HRES的最佳配置.Khatod等人[38]考慮了與太陽輻照度和風速、Beta和Weibull分布相關(guān)的不確定性，以模擬太陽輻射和風速.他們發(fā)現(xiàn)與蒙特卡羅模擬方法相比，提出的方法在計算上更有效，需要更少的時間和氣象邏輯數(shù)據(jù).Kaldellis等人[39]發(fā)現(xiàn)電池組件的份額超過系統(tǒng)生命周期能源需求總量的27%，顯示了基于光伏電池的系統(tǒng)中并網(wǎng)配置和獨立配置之間的差異.

4.5概率法在概率法中，研究的方法常用于考慮不確定性的HRES優(yōu)化，優(yōu)化設(shè)計考慮了日照和風速變化的影響，建立了恰當?shù)哪茉瓷珊托枨竽Ｐ?，通過這些模型的組合來創(chuàng)建風險模型.然而，這種優(yōu)化技術(shù)不能表現(xiàn)出混合系統(tǒng)的動態(tài)變化性能.Lujano-Rojas等人[40]使用了混合算法(Monte Carlo和Ann)，考慮了太陽能-風能-柴油混合系統(tǒng)中太陽輻射、風速、燃油價格和電池庫壽命的不確定性.Tina等人[41]研究了太陽風集成系統(tǒng)中，風機輸出對前四個矩(均值、方差、偏斜和峰度)的概率密度函數(shù)影響.他們還提出了利用雙軸跟蹤器代替單軸跟蹤器的改進方法.Tina等人[42]提出了一種基于卷積技術(shù)的概率方法，用來評價系統(tǒng)的長期性能，并用解析表達式來計算風力發(fā)電機和光伏輸出功率所產(chǎn)生的功率.

4.6圖解構(gòu)造法在該方法中，優(yōu)化只考慮了兩個決策變量，即SPV和電池，或者SPV和風力發(fā)電機組.一些重要因素，如SPV數(shù)量、SPV面積、SPV傾斜角、風機面積和風力機安裝高度完全忽略.Borowy等人[43]開發(fā)了一種用于計算獨立混合光伏/風機發(fā)電系統(tǒng)，提出了最佳電池組和光伏矩陣列尺寸的方法，并用實際數(shù)據(jù)計算出了最佳電池數(shù)量和SPV尺寸大小.Markvart[44]在需求供應(yīng)標準的基礎(chǔ)上優(yōu)化設(shè)計了基于太陽能-風能的集成系統(tǒng).

4.7商用的用于單位尺寸調(diào)整的計算機工具目前，各種計算機工具均可用于HRES的優(yōu)化配置.根據(jù)網(wǎng)絡(luò)的當前成本和性能，可以在不同的系統(tǒng)配置中找到最優(yōu)配置.在各種計算機工具中，可再生能源的混合優(yōu)化模型(Hybrid Optimization Model of Electric Renewable Energy, HOMER)是最流行的綜合系統(tǒng)優(yōu)化工具之一.HOMER 能夠根據(jù)電力系統(tǒng)的生命周期成本模擬電力系統(tǒng)的物理行為，即系統(tǒng)組件在系統(tǒng)壽命期間的安裝和維護費用總和.HOMER允許研究者根據(jù)他們的技術(shù)和經(jīng)濟優(yōu)點來比較不同的設(shè)計配置[45].

5 挑戰(zhàn)和未來展望

雖然可再生能源的發(fā)電是可持續(xù)發(fā)展的，但是基于HRES的發(fā)電仍然存在一些挑戰(zhàn)[46,47].

1) 與傳統(tǒng)發(fā)電技術(shù)相比，可再生能源發(fā)電的成本相對較高.

2) 在HRES中，在使用電源轉(zhuǎn)換器的能量轉(zhuǎn)換過程中損失了大量能量.

3) 需要使用新材料提高存儲技術(shù)，保證系統(tǒng)生命周期.

4) 無法使用可再生能源(太陽能、風能等)以滿足峰值電力需求.

5) 如何更好地利用優(yōu)化算法理論成果[48,49]，結(jié)合問題特征，更好地改進算法性能，優(yōu)化問題目標.

6 結(jié) 語

近年來，由于太陽能和風力發(fā)電機成本較低，HRES在偏遠地區(qū)和農(nóng)村發(fā)電方面越來越受歡迎.混合可再生能源系統(tǒng)通過綜合利用太陽能、風能等可再生能源和傳統(tǒng)能源實現(xiàn)了多種能源之間優(yōu)勢互補.筆者對HRES的相關(guān)方面進行了全面審查，總結(jié)了不同研究者用于確定集成系統(tǒng)組件大小的確定方法.通過閱讀文獻得出，人工智能(AI)技術(shù)提供了相對簡單的計算原理，以便找到全局最優(yōu)系統(tǒng)配置.遺傳算法(GA)、和聲搜索(HS)、粒子群優(yōu)化(PSO)、基于生物地理的優(yōu)化(BBO)是最流行的尺寸調(diào)整算法，這些算法在當前得到了廣泛的應(yīng)用.此外，這些技術(shù)可以處理太陽能或風能資源的隨機性.最后，筆者對未來的挑戰(zhàn)和展望做出了總結(jié)，為研究可再生能源系統(tǒng)優(yōu)化的學(xué)者提供了參考材料.