混合可再生能源系统优化设计综述
发布时间：2021-12-01 18:45
人口的快速增长和化石燃料的快速消耗导致了能源短缺和环境污染等问题,面对能源和环境的双重压力,许多学者正努力研究从可再生能源中提取能源的新方法.集成多种能源的混合可再生能源系统可以有效地解决这一问题.在混合可再生能源系统中,优化机组规模是实现可再生能源高效利用的关键.研究趋势表明,人工智能方法越来越受研究者关注,可以在没有长期天气数据的情况下提供良好的系统优化.笔者在已发表的文献的基础上,对混合可再生能源系统优化技术的现状进行了全面的综述,介绍了混合可再生能源系统的概念,总结了多种不同的能源系统,比较了不同能源系统的差异,并分析了不同系统的物理模型,以及系统的优化方法和原则.进一步,对可再生能源产生电力的不确定性,进行了文献综述分析.最后总结了混合可再生能源系统在未来遇到的挑战.
【文章来源】：山东师范大学学报(自然科学版). 2020,35(03)
【文章页数】：9 页
【部分图文】：
混合可再生能源系统
在HRES的发电领域,机组规模优化在文献中有各种各样的方法,图2给出了用于HRES机组规模调整的方法.在各种优化算法中,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统的优化方法.
表1 混合可再生能源系统优化方法 优化方法 方法描述 系统配置 参考文献 人工智能法 使用智能优化算法,例如遗传算法(Genetic algorithms, GA)、人工神经网络(Artificial neural network, ANN)、粒子群优化(Particle swarm optimization, PSO)、蚁群优化(Ant colony optimization, ACO)、模拟退火(Simulated annealing, SA)、模糊逻辑(Fuzzy logic, FL)等,对混合可再生能源系统的组成元件进行优化,得出最优配置. PV/风能/柴油/电池 Paliwa[21],Askarzadeh[22],Merei[23],Kumar[24],Arabali[25],Kaviani[26], Hakimi [27], Yang[28] 迭代方法 优化模型通常考虑用于电力可靠性和净现值模型. 光伏电池 Zhang[35],Gupta[36],Yang[37]. 分析法 模型用组件得出,并计算系统的可行性. PV/风能/柴油/电池 Khatod[38],Kaldellis[39] 概率法 混合可再生能源系统的概率方法考虑了系统设计中日照和风速变化的影响. PV/风能/柴油/电池 Lujano-Rojas[40],Tina[41,42] 图解构造法 在优化中只考虑了两个决策变量 PV/光能/风能 Borowy[43],Markvart[44] 商用软件 利用各种商业软件,比较了不同组合的技术、经济和环境性能.根据网络的当前成本和性能,可以在不同的系统配置中找到最优配置. 光伏/风能/柴油/电池/电网连接 HOMER,HYBRID2,HOGA 多目标优化 多目标设计有两种常见的方法:第一种是将多个目标函数合并为单个复合函数,第二种是确定整个Pareto最优解集. PV/风能/柴油/电池 Maheri[30],Abbes[31],Tant[32],Moura[33]4.2 多目标优化
【参考文献】：
期刊论文
[1]混合可再生能源系统多目标优化综述[J]. 明梦君,张涛,王锐,刘亚杰,查亚兵. 中国电机工程学报. 2018(10)
[2]潮流能发电能源成本研究[J]. 于汀,李志川. 应用能源技术. 2017(02)
[3]求解模糊作业车间调度问题的混合优化算法[J]. 李俊青,潘全科. 机械工程学报. 2013(23)
[4]蛙跳优化算法求解多目标无等待流水线调度[J]. 潘玉霞,潘全科,李俊青. 控制理论与应用. 2011(10)
本文编号：3526860
【文章来源】：山东师范大学学报(自然科学版). 2020,35(03)
【文章页数】：9 页
【部分图文】：
混合可再生能源系统
在HRES的发电领域,机组规模优化在文献中有各种各样的方法,图2给出了用于HRES机组规模调整的方法.在各种优化算法中,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统的优化方法.
表1 混合可再生能源系统优化方法 优化方法 方法描述 系统配置 参考文献 人工智能法 使用智能优化算法,例如遗传算法(Genetic algorithms, GA)、人工神经网络(Artificial neural network, ANN)、粒子群优化(Particle swarm optimization, PSO)、蚁群优化(Ant colony optimization, ACO)、模拟退火(Simulated annealing, SA)、模糊逻辑(Fuzzy logic, FL)等,对混合可再生能源系统的组成元件进行优化,得出最优配置. PV/风能/柴油/电池 Paliwa[21],Askarzadeh[22],Merei[23],Kumar[24],Arabali[25],Kaviani[26], Hakimi [27], Yang[28] 迭代方法 优化模型通常考虑用于电力可靠性和净现值模型. 光伏电池 Zhang[35],Gupta[36],Yang[37]. 分析法 模型用组件得出,并计算系统的可行性. PV/风能/柴油/电池 Khatod[38],Kaldellis[39] 概率法 混合可再生能源系统的概率方法考虑了系统设计中日照和风速变化的影响. PV/风能/柴油/电池 Lujano-Rojas[40],Tina[41,42] 图解构造法 在优化中只考虑了两个决策变量 PV/光能/风能 Borowy[43],Markvart[44] 商用软件 利用各种商业软件,比较了不同组合的技术、经济和环境性能.根据网络的当前成本和性能,可以在不同的系统配置中找到最优配置. 光伏/风能/柴油/电池/电网连接 HOMER,HYBRID2,HOGA 多目标优化 多目标设计有两种常见的方法:第一种是将多个目标函数合并为单个复合函数,第二种是确定整个Pareto最优解集. PV/风能/柴油/电池 Maheri[30],Abbes[31],Tant[32],Moura[33]4.2 多目标优化
【参考文献】：
期刊论文
[1]混合可再生能源系统多目标优化综述[J]. 明梦君,张涛,王锐,刘亚杰,查亚兵. 中国电机工程学报. 2018(10)
[2]潮流能发电能源成本研究[J]. 于汀,李志川. 应用能源技术. 2017(02)
[3]求解模糊作业车间调度问题的混合优化算法[J]. 李俊青,潘全科. 机械工程学报. 2013(23)
[4]蛙跳优化算法求解多目标无等待流水线调度[J]. 潘玉霞,潘全科,李俊青. 控制理论与应用. 2011(10)
本文编号：3526860
本文链接：https://www.wllwen.com/kejilunwen/dongligc/3526860.html
