（西安理工大學(xué)自動化與信息工程學(xué)院，陜西西安710048）

我國海島眾多，海岸線長，由于遠(yuǎn)離大陸導(dǎo)致其無法與大電網(wǎng)相連。已開發(fā)的海島都是以柴油機(jī)為主要發(fā)電設(shè)施。柴油機(jī)發(fā)電需要運(yùn)輸大量柴油，浪費(fèi)人力、物力、財(cái)力，而且單一發(fā)電形式可靠性低，環(huán)境污染嚴(yán)重。但是，海島地區(qū)可再生資源豐富，比如風(fēng)能、太陽能、潮汐能等[1-4]。由于可再生能源受天氣影響較大，存在較大的波動性，需要儲能裝置來平抑可再生能源的波動性[5]。于是通過構(gòu)建多能源復(fù)合的微電網(wǎng)來為電動汽車充電成為了一種綠色低碳且能平抑可再生能源波動的最優(yōu)選擇。

國內(nèi)外已經(jīng)有部分文獻(xiàn)對這種多能源復(fù)合微電網(wǎng)進(jìn)行了研究。文獻(xiàn)[6-8]介紹了國內(nèi)外一些已經(jīng)建設(shè)完成并且投入使用的光伏發(fā)電電動汽車充電站及其運(yùn)行策略。文獻(xiàn)[9]構(gòu)建了一個考慮分布式光伏發(fā)電、風(fēng)力發(fā)電、儲能鋰電池組、柴油機(jī)發(fā)電的微電網(wǎng)互聯(lián)運(yùn)行優(yōu)化模型。提出了分時優(yōu)化調(diào)度與實(shí)時定功率控制相結(jié)合的微電網(wǎng)互聯(lián)運(yùn)行控制策略，通過對下一時段光伏與風(fēng)機(jī)發(fā)電功率進(jìn)行預(yù)測，使用最優(yōu)潮流算法以兩微電網(wǎng)發(fā)電量最小為目標(biāo)，實(shí)現(xiàn)多個微電網(wǎng)系統(tǒng)的互聯(lián)運(yùn)行，完成能源互補(bǔ)。文獻(xiàn)[10]針對新能源發(fā)電的波動性，提出基于多代理技術(shù)的微網(wǎng)社區(qū)雙階段能量調(diào)度策略，不僅考慮了日前調(diào)度，而且考慮了日內(nèi)實(shí)時調(diào)度，并運(yùn)用粒子群算法求解最優(yōu)日前調(diào)度計(jì)劃。文獻(xiàn)[11]提出普適性的多時間尺度微電網(wǎng)能量管理優(yōu)化調(diào)度方案，包括日前預(yù)測和日內(nèi)優(yōu)化調(diào)度兩部分。文獻(xiàn)[12]在考慮峰谷電價的基礎(chǔ)上，構(gòu)建了基于電量電價彈性矩陣的用戶多時段電價響應(yīng)模型，并提出分時電價下儲能充放電策略及微網(wǎng)優(yōu)化運(yùn)行策略。

以上研究成果對多能源復(fù)合微電網(wǎng)的運(yùn)行提供了理論依據(jù)，但多考慮的是城市地區(qū)的情況，沒有考慮到一些可再生能源豐富地區(qū)的情況，例如大部分的海島地區(qū)。

綜上所述，本文首先給出了多能源復(fù)合電動汽車充電站的基本構(gòu)成，分析了各部分模塊的功能。然后以系統(tǒng)投資運(yùn)營成本最小和可再生能源利用率最大為優(yōu)化目標(biāo)構(gòu)建數(shù)學(xué)模型，用儲能電池組吸收多余的光伏和風(fēng)力發(fā)電電量。考慮柴油發(fā)電功率約束、光伏和風(fēng)機(jī)發(fā)電系統(tǒng)功率約束、儲能系統(tǒng)約束、系統(tǒng)功率平衡約束等約束條件，運(yùn)用NSGA-II算法對算例進(jìn)行求解，通過對不同優(yōu)化模型的結(jié)果分析以及不同情況下各模塊的功率平衡分析和電量平衡分析驗(yàn)證了所建數(shù)學(xué)模型的有效性。

1 電動汽車充電站概述

1.1 系統(tǒng)結(jié)構(gòu)

本文所研究的多能源復(fù)合電動汽車充電站主要由光伏陣列、風(fēng)力發(fā)電機(jī)組、柴油發(fā)電機(jī)組、儲能系統(tǒng)、變流模塊、中央控制器組成。充電站系統(tǒng)結(jié)構(gòu)圖如圖1所示。

圖1 充電站系統(tǒng)結(jié)構(gòu)圖Fig.1 Charging station system structure drawing

1.2 系統(tǒng)各部分功能

1）可再生能源發(fā)電系統(tǒng)由大規(guī)模光伏板串、并聯(lián)組成，光伏板吸收太陽能并轉(zhuǎn)化為電能經(jīng)輸電線輸送到充電站。

2）儲能系統(tǒng)在光伏以及風(fēng)力發(fā)電量大的時候，將多余電量存儲在儲能電池中，在發(fā)電量不足的時候釋放儲存的電量，起到了平抑光伏和風(fēng)機(jī)波動的作用，并提高系統(tǒng)可再生能源的利用率。

3）柴油發(fā)電機(jī)在多能源復(fù)合發(fā)電系統(tǒng)中作為平抑可再生能源波動的主要方式。

4）變流器模塊作為光伏電池陣列、風(fēng)力發(fā)電機(jī)組、柴油發(fā)電機(jī)組、水輪機(jī)組和電動汽車充電系統(tǒng)中的變流單元。

5）中央控制器調(diào)控各部分的能源流動，監(jiān)測充電站是否安全運(yùn)行，完成系統(tǒng)的監(jiān)測與控制功能。

1.3 系統(tǒng)能源交換策略

光伏發(fā)電和風(fēng)力發(fā)電的首要目標(biāo)是對電動汽車進(jìn)行充電。如果二者的發(fā)電量大于站內(nèi)電動汽車需求電量，則開始對儲能電池組進(jìn)行充電；如果二者的發(fā)電量小于站內(nèi)電動汽車需求電量，則由儲能電池組進(jìn)行補(bǔ)充，如果仍不能滿足需求則啟動柴油發(fā)電機(jī)進(jìn)行發(fā)電為電動汽車充電。

由系統(tǒng)功率的平衡關(guān)系可知，儲能電池組處于充電狀態(tài)時，如果光伏電池組的發(fā)電功率和風(fēng)機(jī)組的發(fā)電功率之和小于儲能電池組充電功率、電動汽車充電功率、充電站常規(guī)負(fù)荷功率之和，即

那么此時需要柴油機(jī)進(jìn)行能量補(bǔ)充，柴油機(jī)此時功率Pdgi為

式中：Pevi為電動汽車在i時段的充電總功率；Pbi為常規(guī)負(fù)荷在i時段的用電功率；Psei為儲能系統(tǒng)在i時段的用電功率；Ppvi為光伏電池組的發(fā)電功率，由光伏板數(shù)量、光伏板傾角、光照強(qiáng)度決定；Pwdi為風(fēng)力發(fā)電機(jī)組的發(fā)電功率，在優(yōu)化過程中根據(jù)以往數(shù)據(jù)以及未來氣象數(shù)據(jù)進(jìn)行預(yù)測；ηdd為DC-DC變流模塊效率；ηad為AC-DC變流模塊效率。

當(dāng)光伏發(fā)電功率和風(fēng)機(jī)組的發(fā)電功率之和大于或等于儲能電池組充電功率、電動汽車用電功率、常規(guī)負(fù)荷功率之和的時候，即

此時則不需要柴油機(jī)進(jìn)行發(fā)電。柴油機(jī)此刻的功率為0。調(diào)整儲能系統(tǒng)的功率使儲存電量盡可能的大，最大限度地利用光伏電池組和風(fēng)機(jī)組發(fā)的電，即

當(dāng)儲能系統(tǒng)處于放電狀態(tài)時，如果此時光伏電池組的發(fā)電功率和風(fēng)機(jī)組的發(fā)電功率以及儲能系統(tǒng)的放電功率之和小于電動汽車充電功率和常規(guī)負(fù)荷用電功率之和時，即

此時可再生能源發(fā)電系統(tǒng)不能滿足系統(tǒng)用電需求，需要柴油機(jī)工作發(fā)電，且柴油機(jī)此刻的發(fā)電功率為

如果此時光伏電池組的發(fā)電功率和風(fēng)機(jī)組的發(fā)電功率以及儲能系統(tǒng)的放電功率之和等于電動汽車充電功率和常規(guī)負(fù)荷用電功率之和，則無需啟動柴油發(fā)電機(jī)組。此時儲能系統(tǒng)的功率如下式所示：

通過對以往電動汽車的停放數(shù)據(jù)[13]進(jìn)行分析可以得到電動汽車的充電時間規(guī)律以及電量需求，即

式中：te為單臺電動汽車的充電時間；Ee為電動汽車完成充電時的電量值；E0為電動汽車的初始電量值；Qm為電動汽車蓄電池的額定容量；Ph為電動汽車充電功率（此處取恒功率充電）。

2 充電站容量優(yōu)化配置模型

2.1 目標(biāo)函數(shù)

2.1.1 系統(tǒng)投資運(yùn)營成本

在整個充電站的能源結(jié)構(gòu)中，系統(tǒng)的總體建設(shè)成本是各模塊的購買費(fèi)用?？稍偕茉窗l(fā)電一旦建好就不需要另外的購電費(fèi)用，所以充電站的主要運(yùn)營成本是柴油機(jī)的發(fā)電費(fèi)用及各模塊維護(hù)費(fèi)用。系統(tǒng)的投資運(yùn)營成本可表示為

式中：Cm為系統(tǒng)總投資運(yùn)營成本；Cpv，Cwd，Cdg，Cse，Cdc，Cfc分別為光伏模塊投資運(yùn)營成本、風(fēng)力發(fā)電機(jī)組投資運(yùn)營成本、柴油發(fā)電機(jī)組投資運(yùn)營成本、儲能系統(tǒng)投資運(yùn)營成本、系統(tǒng)變流模塊投資運(yùn)營成本、柴油機(jī)發(fā)電費(fèi)用。

系統(tǒng)各模塊投資運(yùn)營成本如下：

1）光伏模塊投資運(yùn)營成本為

式中：Npv為光伏板個數(shù)；Upv為光伏板單價；μ0為系統(tǒng)折現(xiàn)率；n為系統(tǒng)運(yùn)營時長；Ea為系統(tǒng)的維護(hù)成本。

2）風(fēng)力發(fā)電機(jī)組投資運(yùn)營成本為

式中：Nwd為風(fēng)力發(fā)電機(jī)臺數(shù)；Uwd為風(fēng)力發(fā)電機(jī)單價；Eb為風(fēng)力發(fā)電機(jī)組維護(hù)費(fèi)用。

3）柴油發(fā)電機(jī)組投資運(yùn)營成本為

式中：Ndg為柴油發(fā)電機(jī)臺數(shù)；Udg為單臺柴油發(fā)電機(jī)價格；Ec為柴油發(fā)電機(jī)組維護(hù)費(fèi)用。

4）儲能系統(tǒng)投資運(yùn)營成本為

式中：Nse為儲能電池組個數(shù)；Use為單個儲能電池組的價格；Ed為儲能系統(tǒng)維護(hù)費(fèi)用。

5）系統(tǒng)變流模塊投資運(yùn)營成本為

式中：Ndc為變流模塊個數(shù)；Udc為單個變流模塊的價格；Ee為變流模塊維護(hù)費(fèi)用。

6）柴油發(fā)電機(jī)油耗成本為

式中：Pc為柴油機(jī)單位油耗費(fèi)用，元（/kW·h）；Pfci為i時段柴油發(fā)電機(jī)總功率；ΔTi為i時段的時長。

在光伏以及風(fēng)力發(fā)電量大的時候，將多余電量存儲在儲能電池中；在發(fā)電量不足的時候釋放儲存的電量，起到了平抑光伏和風(fēng)機(jī)波動的作用，提高了系統(tǒng)可再生能源的利用率。

2.1.2 可再生能源利用率

要想真正實(shí)現(xiàn)綠色環(huán)保，就需要最大限度地利用可再生能源，即

式中：R為可再生能源利用率；Wm為系統(tǒng)的年用電量；Wfc為柴油發(fā)電系統(tǒng)的年發(fā)電量；Pev(t)為t時刻電動汽車充電功率；Pb(t)為系統(tǒng)t時刻充電站常規(guī)負(fù)荷用電功率；Pfc(t)為t時刻柴油機(jī)的發(fā)電功率。

2.2 模型的約束條件

1）柴油機(jī)發(fā)電功率約束為

柴油發(fā)電機(jī)一般都有一個最大運(yùn)行功率和最小運(yùn)行功率限制，如果超出范圍很可能會損壞。

2）光伏風(fēng)力發(fā)電機(jī)組約束。光伏發(fā)電受光照強(qiáng)度（對于特定地區(qū)光照強(qiáng)度是規(guī)律的）、光伏陣列傾角α、光伏電池板數(shù)量Npv等條件影響，而風(fēng)力發(fā)電機(jī)組則受風(fēng)力強(qiáng)度、風(fēng)機(jī)組功率Pwd、風(fēng)力發(fā)電機(jī)組數(shù)量Nwd等條件的影響。具體約束條件為

式（18）中各條件上限由具體情況決定。

3）儲能電池組約束。儲能電池組一般從出廠就標(biāo)注了最佳充電范圍，其充電功率約束為

4）系統(tǒng)功率平衡分析。整個充電站的各個模塊滿足功率平衡條件，當(dāng)儲能電池組處于充電狀態(tài)時，滿足：

當(dāng)儲能電池組處于放電狀態(tài)時，滿足：

3 模型求解

分析所構(gòu)建的模型可知，該模型是典型的多目標(biāo)優(yōu)化問題。擬采用帶精英策略的非支配排序遺傳算法（non-dominated sorting genetic algorithms-II，NSGA-II）進(jìn)行求解。NSGA-II采用快速非支配排序，該方法的時間復(fù)雜度O(n)為O(MN2)，其中M為優(yōu)化對象的數(shù)量，N為種群大小。引入精英策略，使種群中的個體多樣性得到保留。采用擁擠度和擁擠度比較算子，不但克服了NSGA中需要人為指定共享參數(shù)的缺陷，而且將其作為種群中個體間的比較標(biāo)準(zhǔn)，使得準(zhǔn)Pareto域中的個體能均勻地?cái)U(kuò)展到整個Pareto域，保證了種群的多樣性[14]。該模型的計(jì)算步驟如下：

1）計(jì)算系統(tǒng)各模塊的建設(shè)運(yùn)營費(fèi)用，可由式（10）～式（14）求出。

2）根據(jù)歷史數(shù)據(jù)以及未來天氣情況以及式（18）的約束條件計(jì)算光伏發(fā)電系統(tǒng)和風(fēng)力發(fā)電系統(tǒng)的發(fā)電。求出儲能系統(tǒng)的充放電功率，在式（19）和式（20）的約束條件下求出儲能系統(tǒng)的充放電功率。

3）根據(jù)汽車行為規(guī)律計(jì)算出汽車用電需求，根據(jù)系統(tǒng)功率平衡約束條件，求出柴油機(jī)發(fā)電量及發(fā)電費(fèi)用。

4）計(jì)算目標(biāo)函數(shù)之系統(tǒng)投資運(yùn)營成本，由各模塊建設(shè)維護(hù)費(fèi)用和柴油機(jī)發(fā)電費(fèi)用結(jié)合式（9）～式（15）可求出。

5）計(jì)算目標(biāo)函數(shù)之可再生能源利用率，根據(jù)各個模塊發(fā)電量，結(jié)合式（16）可以求出。

圖2為NSGA-II算法求解流程圖。

圖2 NSGA-II算法求解流程圖Fig.2 Flow chart of solving NSGA-II algorithm

4 充電站容量優(yōu)化配置算例分析

4.1 研究對象及基礎(chǔ)數(shù)據(jù)

本模型中以中國南部某地區(qū)海島作為研究對象，通過容量優(yōu)化配置，根據(jù)系統(tǒng)的目標(biāo)函數(shù)和各約束條件收集該地區(qū)不同月份的日照情況以及風(fēng)力情況。通過數(shù)據(jù)進(jìn)行優(yōu)化分析，并對系統(tǒng)各模塊功率平衡條件進(jìn)行分析對比，得出最優(yōu)容量配置方案。

圖3為該島嶼月太陽光輻射量平均值[15]。圖4為根據(jù)隨機(jī)抽取的100輛電動汽車計(jì)算出的電動汽車行為規(guī)律及用電量需求。

圖3 輻射量平均值Fig.3 Mean dose of radiation

圖4 電動汽車充電需求Fig.4 Demand for charging electric cars

風(fēng)速不同，風(fēng)力發(fā)電機(jī)組的功率也會有變化，選取圖5所示兩種風(fēng)速下風(fēng)力發(fā)電機(jī)組的功率作為基礎(chǔ)數(shù)據(jù)[16]。

圖5 兩種典型情況風(fēng)力發(fā)電機(jī)發(fā)電功率Fig.5 Two typical cases of wind turbine power generation

充電站在運(yùn)行的時候儲能系統(tǒng)初始荷電狀態(tài)SOC（state of charge）也會對優(yōu)化策略產(chǎn)生影響。充電站建設(shè)各模塊的功率配置如表1所示。

表1 能源類型及其相關(guān)參數(shù)Tab.1 Energy types and related parameters

4.2 優(yōu)化結(jié)果分析

4.2.1 最優(yōu)解分析

利用Matlab軟件編寫NSGA-II算法對以上算例進(jìn)行求解，設(shè)定種群數(shù)量為500，最大迭代次數(shù)為400，交叉率0.9，變異率0.1。Pareto最優(yōu)解如圖6所示。

圖6 Pareto最優(yōu)解分布情況Fig.6 Pareto optimal solution distribution

由圖6優(yōu)化結(jié)果可知，隨著系統(tǒng)投資運(yùn)營成本的提高，可再生能源利用率也在不斷增加。圖中的Pareto解分布范圍廣泛，可以為投資者提供詳細(xì)的決策方案。根據(jù)所求得的Pareto解的分布情況可以尋找合適的建設(shè)方案。成本和可再生能源利用率之間是相互沖突的，如果投資者資金有限，則優(yōu)先考慮成本低的優(yōu)化方案；如果投資者資金充足，則從長遠(yuǎn)來看應(yīng)選擇可再生能源利用率高的優(yōu)化方案。總之，投資者可以根據(jù)具體的需求來挖掘最優(yōu)解的信息，選擇一個適合的優(yōu)化方案。

4.2.2 系統(tǒng)各組件功率分析

從Pareto最優(yōu)解中選取3種優(yōu)化方案進(jìn)行系統(tǒng)功率平衡分析。方案1：可再生能源利用率為10%，成本為100萬元。方案2：可再生能源利用率為30%，成本為187萬元。方案3：可再生能源利用率為50%，成本為324萬元。選取夏季6月某典型日、冬季12月某典型日，對系統(tǒng)各個組件進(jìn)行功率平衡分析。3種方案下的各個模塊容量配置情況如表2所示。

表2 三種典型方案容量配置情況Tab.2 Capacity configuration of three typical schemes

圖7為方案1充電站功率平衡圖。由圖7可知，充電站內(nèi)的電動汽車充電所需的能量由柴油機(jī)、光伏發(fā)電系統(tǒng)及風(fēng)力發(fā)電系統(tǒng)共同提供。白天主要是光伏發(fā)電系統(tǒng)、柴油發(fā)電系統(tǒng)及風(fēng)力發(fā)電系統(tǒng)供能；晚上主要是風(fēng)力發(fā)電系統(tǒng)和柴油發(fā)電系統(tǒng)供能。

圖7 方案1充電站功率平衡圖Fig.7 System power balance of charging station under scheme 1

光伏發(fā)電系統(tǒng)和風(fēng)力發(fā)電系統(tǒng)受天氣影響較大，夏季天氣炎熱，太陽光強(qiáng)度大，光照時間長，光伏板發(fā)電量大于冬季。夏季風(fēng)力強(qiáng)度波動性比較小，風(fēng)力發(fā)電系統(tǒng)供能也比較穩(wěn)定，冬季風(fēng)力強(qiáng)度波動較大，風(fēng)力發(fā)電系統(tǒng)供能不穩(wěn)定[17]。此時沒有為系統(tǒng)加入儲能系統(tǒng)，所以系統(tǒng)不能平抑光伏和風(fēng)力發(fā)電的波動，系統(tǒng)出現(xiàn)棄風(fēng)棄光現(xiàn)象。

圖8為方案2充電功率平衡圖。由圖8可以看出，當(dāng)可再生能源利用率為30%的時候，充電站內(nèi)建設(shè)了儲能系統(tǒng)，在光伏發(fā)電的高峰期儲能系統(tǒng)把多余太陽能轉(zhuǎn)換為化學(xué)能儲存起來，等到太陽能發(fā)電的低谷階段，儲能系統(tǒng)和風(fēng)機(jī)發(fā)電一起為系統(tǒng)提供能量[18]。圖中出現(xiàn)了負(fù)值的情況，此時儲能系統(tǒng)開始將多余的可再生能源發(fā)電量儲存起來。通過比較冬季和夏季的情況可以發(fā)現(xiàn)，夏季光照強(qiáng)、輻射量大，儲能系統(tǒng)可以儲存更多的能量。通過投建的儲能系統(tǒng)可以明顯地平抑太陽能和風(fēng)能的波動，提高了可再生能源利用率。

圖8 方案2充電站功率平衡圖Fig.8 System power balance of charging station under scheme 2

圖9為方案3充電站功率平衡圖。由圖9可知，當(dāng)可再生能源利用率為50%時系統(tǒng)中可再生能源就可以滿足用電需求，儲能系統(tǒng)可以持續(xù)地工作，油機(jī)發(fā)電基本處于停滯狀態(tài)。

圖9 方案3充電站功率平衡圖Fig.9 System power balance of charging station under scheme 3

通過對以上3種情況的分析，隨著可再生能源利用率的增大，光伏發(fā)電功率也在增加，系統(tǒng)的投資金額也隨之增加。當(dāng)可再生能源利用率為10%時，充電站以柴油機(jī)發(fā)電為主，所以出于投資最小化考慮，充電站不建設(shè)儲能系統(tǒng)。

4.2.3 系統(tǒng)電量平衡分析

三種方案下，一年中每月電動汽車用電量、光伏發(fā)電量、風(fēng)力發(fā)電量、柴油機(jī)發(fā)電量的情況分別如圖10～圖12所示。

圖10 方案1充電站電量平衡圖Fig.10 System energy balance of charging station under scheme 1

圖11 方案2充電站電量平衡圖Fig.11 System energy balance of charging station under scheme 2

圖12 方案3充電站電量平衡圖Fig.12 System energy balance of charging station under scheme 3

分析圖10～圖12可知，當(dāng)可再生能源利用率為10%的時候，系統(tǒng)以柴油發(fā)電機(jī)發(fā)電為主；當(dāng)系統(tǒng)可再生能源利用率為30%的時候，各模塊基本均勻出力；當(dāng)系統(tǒng)可再生能源利用率為50%的時候，柴油機(jī)基本停止使用，系統(tǒng)以可再生能源發(fā)電為主。考慮一定的系統(tǒng)損失，不同月份系統(tǒng)各模塊發(fā)電量基本等于電動汽車用電量需求。在光伏發(fā)電量大的月份（如7月～10月）出現(xiàn)一定的棄光棄風(fēng)現(xiàn)象，為系統(tǒng)配置的儲能系統(tǒng)能在一定程度上平抑光伏和風(fēng)機(jī)的波動。

5 結(jié)論

本文建立了含風(fēng)、光、柴、儲的多能源復(fù)合電動汽車充電站容量優(yōu)化配置模型。利用某海島已知數(shù)據(jù)作為條件，以系統(tǒng)投資運(yùn)營成本最小和可再生能源利用率最大為優(yōu)化目標(biāo)，通過NSGA-II算法對算例進(jìn)行求解，得到Pareto最優(yōu)解，并對系統(tǒng)各模塊進(jìn)行了功率平衡分析。

根據(jù)各地區(qū)的實(shí)際情況以及投資需求選擇合適的建設(shè)方案，通過對成本和可再生能源利用率進(jìn)行綜合分析，以及對系統(tǒng)各模塊功率平衡分析，可以知道，所構(gòu)建的目標(biāo)函數(shù)以及各約束條件符合實(shí)際。選取了實(shí)際的數(shù)據(jù)信息對系統(tǒng)進(jìn)行驗(yàn)證，結(jié)果符合本文的預(yù)期。所構(gòu)建的優(yōu)化配置模型可以為海島地區(qū)的充電站建設(shè)提供理論和技術(shù)支持，具有實(shí)際的利用價值。

后續(xù)工作可以將系統(tǒng)各模塊的詳細(xì)損耗考慮進(jìn)去，做更加精確的分析。也可以考慮將抽水儲能或者潮汐能考慮在內(nèi)進(jìn)行規(guī)劃計(jì)算。