2.4 优化算法
遗传算法[18]是模拟生物进化论自然选择和遗传学机理的生物进化过程的计算模型,是一种通过模拟自然进化过程搜索最优解的方法。其通过逐渐剔除劣等的配置组合,保留优秀的配置组合,最后找出最优的配置组合结果。
遗传算法可以表达为
SGA=(C,E,P0,M,ϕ,Γ,Ψ,T)SGA=(C,E,P0,M,ϕ,Γ,Ψ,T) (21)
式中：C是个体的编码方法;E是个体适应度评价函数;P0是初始群体;M是群体大小;ϕϕ是选择算子;ΓΓ是交叉算子;ΨΨ是变异算子;T为遗传运算终止条件。
3 算例分析
现选取某岛屿(地理位置为22∘37′N22∘37′N,120∘16′E120∘16′E)作为研究对象。根据该岛一年的风速、光照和基准负荷数据,进行系统容量配置优化计算。该岛基准峰荷为960 kW,平均负荷为499.8 kW。岛上平均风速为6 m/s,平均光照强度为0.174 61 kW/m2。详细数据如图4—6所示。
3.1 不考虑补贴和负荷增长
本文基于上述优化方法自主开发了一款软件MSOP,并以此作为本文研究工作的仿真平台。由于美国能源部可再生能源实验室开发的HOMER[19]软件没有考虑补贴和负荷增长因素,本文暂设置补贴和年负荷预测增长率均为0,与HOMER优化结果进行对比分析。系统寿命周期为25年,最大年负荷缺额率为0.1%,贴现率为6%。详细的各电源元件参数见附录1。
利用自主开发的MSOP软件和HOMER软件分别计算得到的优化结果如表1所示。
图4 太阳能资源
Fig. 4 Solar resource
图5 风能资源
Fig. 5 Wind resource
图6 负荷数据
Fig. 6 Load data
表1 MSOP和HOMER的配置优化结果
Tab. 1 Optimized result of MSOP and HOMER
由表1所示,MSOP得到的最优结果和HOMER相比,各类电源配置容量差异都很小,均在6%以内。总净现成本方面,MSOP的优化结果和HOMER也只差了1.81%。在此配置下系统年运行数据对比如表2所示。
从运行数据来看,两款软件配置的运行电量差异均很小。除了柴油发电机年发电量MSOP略大于HOMER,风电和光伏年发电量均略小于HOMER,表明本文设计的运行模式可再生能源发电比例较HOMER略小。同时由于MSOP的总发电量和舍弃电量更少,表明了其能源利用效率高于HOMER。
表2 MSOP和HOMER的运行数据
Tab. 2 Operation datas of MSOP and HOMER
总体来看,两款软件无论从配置容量优化结果、总净现成本,还是运行数据方面误差均很小,考虑到运行模式的不同,属于正常差异。由此结果,可以验证本文所提出优化方法的正确性和有效性。
