【正文】 效率。 基于遺傳算法， Yang 等人設(shè)計(jì) 了 混合 太陽能風(fēng)力 發(fā)電項(xiàng)目。始建 的 電力來自可再生能源 供應(yīng)一個(gè)沿中國東南沿海偏遠(yuǎn)的島嶼（ Dalajia 島）的電信 [1,4]。為正常的電信站的操作包括 1300WGSM 基站 RBS2206 消耗（ 24VAC）和 200W 微波通信（ DC24V） 提供電力 。根據(jù)項(xiàng)目需求和技術(shù)的考慮，選擇 的 連續(xù) 1500W 作為能源消耗的需求負(fù)荷，詳細(xì)的設(shè)計(jì)參數(shù)如表 1所示。此外，根據(jù)一年期的試點(diǎn)項(xiàng)目 的 時(shí)間序列字段 的 數(shù)據(jù) Zhou 等人 [5]研究了系統(tǒng)的行為和性能。 人工神經(jīng)網(wǎng)絡(luò)被稱為“神經(jīng)網(wǎng)絡(luò)”，是一個(gè)基于生物神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)模型或計(jì)算模型的網(wǎng)絡(luò) 。它由一個(gè)相互聯(lián)系的人工神經(jīng)元和流程信息聯(lián)結(jié)的方法計(jì)算。 Kalogirou 利用人獨(dú)立混合太陽能風(fēng)力發(fā)電系統(tǒng)的最佳規(guī)模的研究現(xiàn)狀 10 工神經(jīng)網(wǎng)絡(luò)和遺傳算法 [ 97 ]提出了一種太陽能系統(tǒng)優(yōu)化的數(shù)學(xué)模型。使用一個(gè) TRNSYS電腦程序系統(tǒng)建模塞浦路斯的氣候條件，包括典型氣象 數(shù)據(jù) 。人工神經(jīng)網(wǎng)絡(luò)使用少數(shù)的TRNSYS模擬進(jìn)行訓(xùn)練。隨后采用遺傳算法來估算最佳配置，最大限度地節(jié)約 了 生命周期：設(shè)計(jì)時(shí)間 也 大幅減少。 表 1 試點(diǎn)混合太陽能風(fēng)力發(fā)電項(xiàng)目的詳細(xì)設(shè)計(jì)參數(shù) 加載 光伏陣列 風(fēng)力發(fā)電機(jī) 組電池容量 設(shè)計(jì)參數(shù) 1500W (+24 V) MBFP100 WT6000/024 GFM1000 (2 V) 100W 78 = kW 6 kW 2 = 12 kW 5000 Ah (24 V) (176。傾角 ) 混合動(dòng)力車 太陽能風(fēng)力 系統(tǒng)的主要的問題在于控制及相關(guān)能量分配和監(jiān)督。電源的穩(wěn)定性和質(zhì)量的關(guān)鍵問題 在于 動(dòng)態(tài)交互可再生能源和負(fù)載之間， 但 可能導(dǎo)致 的因素 在傳統(tǒng)的電力系統(tǒng) 中 不是很常見。管理建議混合動(dòng)力系統(tǒng) 中 確保在整個(gè)連續(xù) 的 能量流電源負(fù)載是必不可少的。 傳統(tǒng)的方法，根據(jù)使用的各種混合系統(tǒng)需求的負(fù)載要求控制電源。在傳統(tǒng)的方法中，電力電子基于 DCDC轉(zhuǎn)換器提取最大的能量用于太陽能和風(fēng)能資源，并控制整個(gè)混合 動(dòng)力系統(tǒng)。一些研究人員使用不同常規(guī) 的方法 控股不同組合的混合能源技術(shù) [ 98]系統(tǒng)。 Park等人 [99]提出了功補(bǔ)償系統(tǒng)控制通過混合能源系統(tǒng)負(fù)載能量流。 Valenciaga 和 Puleston[100]和Onar 等人 [101]開發(fā)混合動(dòng)力系統(tǒng)的控制器。 Valenciaga 和 Puleston [100]開發(fā)了 三種操作模式 ， 他們使用 其中的 滑?？刂品椒?[102]控制該混合動(dòng)力系統(tǒng)。 除了傳統(tǒng)方法外，一些先進(jìn)的控制技術(shù) 也 存在， 它們 可以拔下電源波動(dòng)而引起可能影響的可再生能源的可變性的質(zhì)量傳遞到負(fù)載的功率 上 。 ElShater 等 [ 103 ]討論和管理了混合太陽能風(fēng)力燃料系統(tǒng) 的 能量流。 用 三個(gè)能 量 源的控制 技術(shù) ， 達(dá)到 最佳效率模糊邏輯控制技術(shù) 來 提供能量，它實(shí)現(xiàn) 了 最大功率跟蹤太陽能和風(fēng)能的能量， 達(dá) 到一個(gè)固定的 DC電壓總線的最大功率。 Chedid 和 Rahman[ 104 ]設(shè)計(jì)的控制器 用來 監(jiān)控獨(dú)立或電網(wǎng)連接的系統(tǒng)的操作。該控制器確定 了 每個(gè)系統(tǒng)的能量組件和系統(tǒng)的環(huán)保積分。該模型可以給 出 生產(chǎn)成本，未滿足的和溢出的能量，和電池充電和放電的損失 方面的數(shù)據(jù) 。基于模糊邏輯和遺傳算法技術(shù) 上 一些新的方法 [ 105， 106 ]也提出了在電池和柴油的調(diào) 度 上 生成 太陽能風(fēng)力 柴油混合系統(tǒng)。 我們 總是希望 在任何工程現(xiàn)場(chǎng)開展設(shè)計(jì)它是可能的，同時(shí)我們 也 希望有幾個(gè)典型的目標(biāo) 發(fā)生沖突 [107]。在最佳大小 的太陽能風(fēng)力 柴油混合系統(tǒng) 中 ，我們進(jìn)行設(shè)計(jì)希望同時(shí)考慮至少兩個(gè)目標(biāo)（成本和污染物排放）。因?yàn)檫@兩個(gè)目標(biāo)發(fā)生沖突時(shí)， 比如 設(shè)計(jì)成本的降低意味著污染物排放量上升反之亦然。 因此，在這方面的問題 上 得到了良好的效果的任務(wù)實(shí)物（多目標(biāo)）是復(fù)雜的。給定的復(fù)雜性樣的問題，因?yàn)?有 大量的變量，通常認(rèn)為，經(jīng)典優(yōu)化技術(shù)應(yīng)用的數(shù)學(xué)模型可能會(huì)占用過多的 CPU時(shí)間，甚至不能 考慮到所有相關(guān)的特征所帶來的問題。在專業(yè)技術(shù)文獻(xiàn) [ 27,70,108 ]， 這些系統(tǒng)的設(shè)計(jì)通常是通過搜索配置或控制， 以 產(chǎn)生最低的總通過安裝的使用壽命成本 為設(shè)計(jì)依據(jù) 。然而，對(duì)環(huán)境的這種類型安裝的相關(guān)問題也應(yīng)該在設(shè)計(jì)過程中加以考慮。到現(xiàn)在為止，計(jì)算后獲得的污染物排放量通常 以 最大限度地降低成本 為 設(shè)計(jì)標(biāo)準(zhǔn) 。在某些情況下，如在 HOMER程序 里 它可能考慮經(jīng)濟(jì)的污染物 的 排放量 為 估值，因此成為一個(gè)部分的成本目標(biāo)函數(shù)。這映射排放的成本是主觀的，并影響 了 設(shè)計(jì)的結(jié)果。沈陽農(nóng)業(yè)大學(xué)學(xué)士學(xué)位論文外文翻譯 11 HOMER 的方法 是 使用多目標(biāo)設(shè)計(jì)的已知作為權(quán)重的方法 [1]。多 目標(biāo)的設(shè)計(jì)任務(wù) 從 多目標(biāo)進(jìn)化算法中脫穎而出，被應(yīng)用在眾多的論文 中。 Pelet 等 [109]為三間酒店 和 突尼斯撒哈 拉熱電供應(yīng)的一個(gè)鎮(zhèn)的獨(dú)立的混合動(dòng)力系統(tǒng)的成本和二氧化碳排放量系統(tǒng)進(jìn)行了多目標(biāo)進(jìn)化算法的優(yōu)化。 BernalAgust237。 等人 [ 71 ]提出了多目標(biāo)優(yōu)化（全國人大與二氧化碳排放量）的混合型太陽能電池系統(tǒng)基于 MOEAS 多目標(biāo)進(jìn)化算法的存儲(chǔ)。 DufoL243。pez 和 BernalAgust237。n[110]提出了三重的多目標(biāo)優(yōu)化，同時(shí)最大限度地減少整個(gè)安裝過程的污染物排放的二氧化碳（ CO2）和未負(fù)載以提高使 用壽命。用 一個(gè)多目標(biāo)進(jìn)化算法和遺傳算法 的方法 ， 去找該混合動(dòng)力系統(tǒng)被用于最佳組合的部件和控制策略。 Pareto 強(qiáng)度進(jìn)化算法也適用于多目標(biāo)設(shè)計(jì)的混合動(dòng)力系統(tǒng)。 該方法作為 構(gòu)成優(yōu)化問題的解決方案，允許獲得系統(tǒng) 的 配置以及控制策略，同時(shí) 提高了 使用壽命，最大限度地減少了總成本安裝和污染物的排放量。 根據(jù)上面給出的詳細(xì)說明，表 2顯示了不同的優(yōu)化軟件和技術(shù)的相對(duì)優(yōu)點(diǎn)和缺點(diǎn) 。 不同的優(yōu)化方法的相對(duì)優(yōu)點(diǎn)和缺點(diǎn) 優(yōu)點(diǎn) 缺點(diǎn) 軟件工具 HOMER 不能直觀地選擇適當(dāng)?shù)南到y(tǒng)組件 HOGA 開 展遺傳算法，可以是單或多目標(biāo) HYBRIDS 優(yōu)化變量，需要更高的系統(tǒng)配置水平 僅模擬一個(gè)時(shí)間 的 一個(gè)配置 優(yōu)化技術(shù) 圖形 建設(shè) 法 消除時(shí)間序列數(shù)據(jù)的需要 不能代表動(dòng)態(tài)變化系統(tǒng)的性能 概率法 計(jì)算 量多 解決方案 不理想 人造情報(bào)法 尋找全球最佳的系統(tǒng)配置相計(jì)算對(duì)簡(jiǎn)單 多目標(biāo)設(shè)計(jì) 法 可以同時(shí)優(yōu)化至少兩個(gè)沖突的目標(biāo) 表 2 在 世界各地獨(dú)立的混合型太陽能風(fēng)力發(fā)電系統(tǒng)是一個(gè)可替代電網(wǎng)供電或 以 常規(guī)燃料為基礎(chǔ)的偏遠(yuǎn)地區(qū) 的 電力供應(yīng)。它通常只 需要 一個(gè)能源的電力供應(yīng)，比電網(wǎng)應(yīng)用系統(tǒng)更適合。不過設(shè) 計(jì)混合動(dòng)力系統(tǒng)的控制和優(yōu)化通常 是 非常復(fù)雜的任務(wù)。 本文綜述了這項(xiàng)技術(shù)的最新進(jìn)展，其中包括可行性研究，模擬分量，系統(tǒng)優(yōu)化和控制技術(shù) 優(yōu)化 。研究了時(shí)間序列氣象數(shù)據(jù)基地和氣象統(tǒng)計(jì)數(shù)據(jù)基地 的 可行性。 用 大多數(shù)常用的標(biāo)準(zhǔn)， 在 系統(tǒng)成本的影響評(píng)估系統(tǒng)供電 的 可靠性。各種優(yōu)化包括圖形建設(shè)技術(shù)法，概率法，迭代技術(shù)，人工智能法，多目標(biāo)設(shè)計(jì)等。 本文中，詳細(xì)在第一階段設(shè)計(jì)的 對(duì) 可再生能源資源分析 ， 混合型 太陽能風(fēng)力 系統(tǒng)的最佳大小和根據(jù)負(fù)載需求的最佳資源分配 對(duì) 該混合動(dòng)力系統(tǒng)的初始成本和運(yùn)行成本 分析 是必不可少的。此外，包括人工智能的一部分，在 未來的能源管理系統(tǒng)，絕對(duì)可以幫助運(yùn)營商進(jìn)一步降低系統(tǒng)的成本。 參考文獻(xiàn) (略 ) 原文出處： Wei Zhou et al. Current status of research on optimum sizing of standalone hybrid solar–wind power generation systems[J] Applied Energy 87 (2022) 311– 319