优化混合能源供应的原始框架

抽象的

本文提出了一种原始框架，用于优化混合能源系统。近期全球偏远地区混合能源系统的增长增加了可再生能源成本的增加，引发了混合能源系统的必然发展。混合能量系统始终构成了最近在过去的不同观点的成本优化的问题。本文提出了一种框架，以指导优化混合能源系统的技术。所提出的框架包括四个阶段，包括识别能量产生的输入变量，各个来源的能量产生模型，人工智能的发展，以及所选来源的最终总结。采用线性规划方法进行了对太阳能，风和水力混合系统的案例研究。在最小化电力成本的同时，在最终满足负载请求时获得了大量成果。发达的框架从其中包括个人能量来源的模型，使其具有甚至使优化问题更加复杂的事实。本文还对政策的发展产生了影响，这将鼓励可再生能源的整合和发展。

1.介绍

可再生能源的最新进展促进了混合能源系统的越来越多的部署作为用于在偏远地区提供电力的独立能量系统。混合能量系统或混合能量通常由两个或更多个可再生能源组成，这些能源一起提供了增加的系统效率以及能量供应中的更大平衡。在其他术语中，混合能量系统是两个或多个能量转换装置的组合或用于同一设备的两个或更多个燃料，当整合克服可能是固有的限制。已经完成了广泛的研究来汇总不同的能量来源以设计混合动力系统。此外，对混合能源系统的越来越感兴趣是通过识别大多数发展中国家在大多数发展中国家的巨额电力缺陷的动机。

In Ghana, for instance, based on the Volta River Authority’s (VRA) capacity demand and supply balance (2013–2025), and in line with Ghana’s power sector reform and major policy objectives, the country’s current total installed generating capacity requires to be increased to 5,175 MW by 2023 in order to address the current power shortages, ensure an adequate supply of electricity, meet the country’s forecast growth in demand, and improve the quality of service and reliability of the power system.

电力短缺是人口面临的一个重要问题，阻碍了各个方面的发展。Ackwa [1]调查了350个电力依赖的微小企业，发现，根据样品的三分之一，电力供应不足以他们的业务。发现能源赤字可以将公司的年销售额降低37-48％。考虑到加纳约90％的企业是中型企业（MSE），在加纳提供三分之二的就业机会，每10家公司只有一个备用备用发电机，电力供应差可被视为一个对业务运营的主要制约。参考 [1]的报告显示，目前，美国平均每天损失约220万美元，即每年损失792美元，这一数字仅由于能源危机就相当于每年GDP的2%。这说明了电力短缺对经济发展的严重影响。

我世纪许多国家拥有的这个问题最突出的解决方案之一是采用可再生能源来补充现有的电力供应赤字。然而，与传统的Hydro相比，这些可再生来源的一些尤其是太阳能和风的电力的成本更高，因此这包括限制因素。而不是充分采用这些可再生能源来满足负载要求，而是将其作为主电网的支持能源供应，以满足能量缺陷。这提出了一种以最大限度地减少电力供应成本的方式结合现有的可再生能源供应。

在这方面， [2[介绍了太阳风混合能源系统最佳施胶的计算模型。它们执行了所涉及的个人来源的数学建模，太阳能和风，并对气象和负载数据进行每小时测量。此外， [3.- - - - - -5他们也利用自己开发的算法来优化风能和太阳能混合系统，这些算法对优化问题的一般解决方案没有响应。他们的方法可以比作案例研究方法，其局限性在于解决方案大多不是全球性的;也就是说，它不能被推广或利用来解决约束中有一些变化的类似问题。

参考 [6]研究了不同负载和辅助能源单位成本条件下蓄电池储能光伏/风能一体化混合能源系统的优化。主要性能指标为混合能源系统成本，设计参数为PV尺寸、风力机转子掠面积和电池容量。使用ARENA软件和商业仿真软件对系统进行了仿真，并使用OptQuest工具进行了优化。同样地，[7，8都是基于一种叫做HOMER的软件。由于缺乏用于解决优化问题的精确数学方法的证据，上述软件的有效性和可靠性存在不确定性。此外(9开发了一种混合太阳能、风能和水能的计算优化技术。开发了人工智能实现优化功能，并使用Matlab软件执行。该系统的结果是令人满意的，可以可靠地组合可用的能源，以最低的电力成本供应特定的负荷。

此外，通过[综述动态混合能源系统的有效分析和优化的计算框架是由[10.]。他们的研究处理了具有多个输入和多个输出（MIMO）的微电网系统，该输出与Dymola环境中的Modelica语言建模。但是，使用MATLAB和其他工具实现了优化功能。通过对决策变量的线性和非线性约束施加线性和非线性限制，在两个优化问题上测试了两个优化问题，以考虑到操作和资本成本。参考 [11.]提出了一种混合能量系统建模和仿真框架，其针对多输入和多输出系统集成了太阳能，风力，水电，水电和生物量。他们的研究提出了一种能量优化工具，其评估了优化成本并显示了考虑成本的最佳能源混合。

然而，文献综述的主要限制之一是缺乏一个涵盖优化混合能源的所有方面的一般框架。上面描述的许多优化都是自行开发的方法，它们不遵循任何现有框架或指导原则，而这些框架或指导原则严格地强制遵循某些公共阶段。尽管[10.，11.[[foot译]试图为混合能源系统构建这样一个通用的优化框架，但他们没有研究混合能源系统组件本身的模型。他们宁愿为将来的研究推荐这些方面的模型。

需要填补所确定的间隙，以提高一般的混合能量系统优化。框架的发展将随后指导混合能源系统的实施，并提供公平可靠的评估其有效性的方法。因此，本文旨在开发一种用于优化混合能量系统的一般框架，该混合能量系统包括优化过程的所有方面，包括每个能源的各个建模。该框架将使用从Accra收集的样本数据进行测试。本文的其余部分的结构如下。部分2本节主要讨论材料和方法3.阐述结果和讨论，最后一节介绍了结论和建议。

2.材料和方法

2.1。发展框架

关于混合能量优化的提议框架在图中描绘1．数字1分为四个部分。第一部分由输入变量组成可再生能源，直接或间接地确定每个来源产生的一个月内产生的能量。例如，风速数据将有助于估计风力涡轮机产生的能量，太阳辐射和平均温度将确定由太阳能模块产生的能量，水流和头部还可以帮助确定水力发电设备产生的可用能量．

在第二阶段，基于标准分析模型，能量产生的单元模型将将可用的输入变量转换为能量。本阶段主要涉及各个模型如何将输入变量转换为能量的数学描述，并涉及对每个能源来源的能量转换理论深刻的深刻知识。在这种级别的困难在于，可再生能源的分析模型主要不是线性的，并且涉及输入和输出变量之间的许多差分和整数方程。因此，有时难以建立输入和输出之间的直接关系，并且这导致采用基于计算机的建模，如Simulink建模和其他。

第三阶段包括系统的大脑，正在实施人工智能。从图中1，人工智能框从第二阶段中的各个来源产生的所有能量的输入。

它还根据资本成本、资本回收因素、运营和维护成本等知识，估计每个单独的电源的电力成本。人工智能箱同样监视每个变量的加载请求和约束。然后，它实现一个优化解决方案，以确定将选择哪些不同的源来提供负载。这个选择是由一个控制系统来完成的，它应用在各种开关上，这些开关可以分别关闭或打开，选择或取消选择将提供负载的特定能源来源。

并通过图中的流程图很好地说明了人工智能盒的功能2．例如，对于太阳能，风和水电混合能量供应，要装载的输入数据将由风速，太阳辐射和温度，水电数据和负载请求组成。流程图中的下一步表明输入能量将以每个源的电力单位成本计算。具有对变量和负载满意度的限制的估计能量将用于根据成本来解决优化问题，使用一组定义的优化方法使用一种方法。可用的优化求解器包括用于许多输入的非线性问题的PSO等元型优化技术。一旦解决了优化问题，所选择的来源和它们在能量方面的贡献都是推导出来的。这进一步用于计算混合系统的平均电力成本，并节省结果。为所有可用的过程重复该过程最终比较优化技术和结果以确定将实现的全球最佳解决方案。

在第四阶段，将所选的源加在一起以提供负载，并不断重复该过程。下面的段落展示了如何估算太阳能、风能和水力混合动力系统的电力成本。

2.2。太阳能，风力和水力混合系统的电力成本估算

考虑到电力系统太阳能植物，风力发电厂和微水力发电站位于同一流中，并参考[8，9]给出了包含资本成本和运营成本的组成部分的系统的总生命周期成本 与 哪里（i），， 和分别代表太阳能，风和水电站的年度生命周期成本，（ii），， 和分别代表太阳能，风和水电站的投资成本，（三），， 和分别表示太阳能、风能、水力发电的运行和维护费用;(4)，， 和分别表示太阳能、风能和水力发电的资金回收系数。

电力单位成本，， 和，通过太阳能，风和水电站产生，可以表达如下： 与，， 和分别指太阳能、风能和水力发电厂一年多产生的净能量。

混合能源系统在一段时间内产生的电力成本可以表示为: 在哪里，， 和分别代表植物选择的决策变量或系数。表示太阳能发电厂瞬间产生的功率。表示风电场产生的瞬时功率。表示水电厂产生的瞬时功率。

光伏系统产生的功率取决于两个基本参数，即太阳照射和环境温度，如（5）（Acakpovi和Hagan [10.]，Villalva等。[11.]，拉莫斯 - Paja等。[12.]和Tsai等。[13.]）。考虑 在哪里是光伏生成效率，（M.²）PV发电机区域，和是倾斜模块平面的太阳照射（W / m²)．

效率进一步涉及如下的温度： 是参考模块效率，是温度系数，和为参考电池温度，单位为摄氏度。在这项研究中,°C,， 和．

风力涡轮发电机系统的输出功率通常由（7）如khajuria和kaur所示[14.，阿巴斯和阿卜杜勒萨达[15.阿卡波维和哈根[16.]： 哪里（i）是性能系数也称为功率系数，（ii）是涡轮机的刀片的横扫区域（m²），（iii）是空气密度（kg / m^3.），（iv）是风速（m / s），（v）是尖端比，和（vi）是俯仰角。

叶尖速比被定义为风力涡轮机的角转子速度与叶尖尖端的线性风速的比率[17.]并且可以表达如下： 在哪里是涡轮机转子的机械角速度在Rad / s和是m / s的风速该区域的半径是由涡轮机的刀片扫过的[17.]。转速（r / min）和角速度是相关的（9）如下给出： 基于Khajuria和Kaur [14.]，对于VSWT，系数计算如下： 与是由（11.） 如下： 目的是设计一种风力涡轮机，可以在3 kW和5 kW之间产生功率。已经将以下值分配给公式中的参数满足在3到5 kW之间产生功率的目标。 因此，电力系数的值为2013年为Accra地区记录的不同风速的月度计算。计算值显示在表中1．

用液压涡轮机产生的机械动力的通式通过FUCHS和Masoum示出了[18.Hernandez等人。[19.] 如下： 在哪里是涡轮机的效率（在本研究中假设值80％），水的密度是(1000kg /m^3.)，由于重力引起的加速度（9.81米/秒²)，水流通过涡轮机（m^3./沙为通过水轮机的有效压头，m。

平均水量50米^3./ s和10米的平均头部被不同的几个月随机变异性。平均流量为50米^3./ s相对较低的是选择了配置PICO HYDRO，将产生4 kW的最大功率。水流随机分布的轮廓如图所示3.．

用它们的表达来代替各种权力，(14.)的计算方法如下: 假设，， 和全部持续时间的成本函数(14.）成为 下一段使用线性编程方法提出了对优化问题的插图。

2.3。利用线性优化方法对太阳能，风和水电混合系统的案例研究

以下公式(1） 到 （15.)，则提出如下优化问题:

最大限度地减少经过以下约束的电力成本：(1）混合系统产生的能量应在任何特定时间内满足能源需求，如下所示： (2）产生的总能量应在最小和最大能量范围内： （3）变量也应留在界限，如下所示： 假设辐照，风速，水就会流动在期间都是恒定的，问题可以被认为是对线性不等式约束进行线性优化函数。，， 和是输出能量，分别由太阳能，风和水电发生器产生。

所提出的人工智能解决了使用线性规划方法的混合系统的优化。

2.4。Accra的数据收集

为该研究收集的数据包括以下内容：（一世）风速和方向。（ii）太阳辐射。(3)温度。（iv）位置参数包括经度，纬度和高度。(v)随着时间的推移负载变化。Retscreen Plus软件提供了风速，太阳辐射，温度和位置参数的可靠数据，涵盖了1997年至2013年的时间。20.， RETScreen Plus是一款基于windows的能源管理软件工具，可以让项目所有者轻松验证其设施的持续能源性能。它是由加拿大能源部与美国宇航局合作开发的。参考文献(21.，22.]还将RETScreen International描述为一种创新和独特的可再生能源意识、决策支持和能力建设工具，由CEDRL开发，来自行业、政府和学术界的85多名专家做出了贡献。从RETScreen(2013)收集的阿克拉地区的数据如表所示2．

负载．数据是从位于阿克拉的一所高等学校收集的。加纳电力公司(ECG)发布的电费单被用来检索2013年每个月消耗的能源量。收集的数据如表所示3.并绘制在图中4．

提出的线性规划方法．线性优化问题主要通过图形方式解决，其中所有约束分别绘制，并且通过严格的观察确定最佳点。随着先进软件的出现，如MATLAB，已经创建了内置函数来处理线性优化问题。解决此问题的最推荐的功能是MATLAB的“LINPROG”功能，应用于以下表达式： 优化值保存在变量fval中，其他变量定义如下：（i）是目标职能，（ii）是A.-经过-矩阵,是不平等的数量和是变量的数量，（iii）是长度的矢量，（四）是矩阵总结了所有平等约束，（v）是长度的矢量， (vi) ub是对变量的上界矩阵，(vii) lb是对变量的下界矩阵。

我们优化问题的解决方案是在MATLAB的“LINPROG”功能周围构建的，可以通过以下算法描述：(1）初始化索引变量这将用于迭代并设定期间到一个月。(2）获取输入负载数据，风速，太阳照射和水力数据（水流和总头）以及必要的数据，以评估每个个人来源的电力单位成本。（3）使用上述模型计算可再生能源发电机的单个来源所产生的能量。（4)创建索引的决策变量。（5)定义所有变量的下限和上限。（6)定义线性等式和线性不等式约束。(7）定义目标函数。(8）解决Matlab函数Lineprog的线性优化问题。（9）保存结果。(10）增加索引到1。（11）如果是索引小于或等于10，重复从2到10的过程。（12）显示结果。(13）停止。

3。结果与讨论

3.1。介绍结果

数据被馈入发达的Simulink模型，并在图表中获得了模拟结果。绘制了三个基本图表，包括以下内容：（一种）柱状图显示了单个源在满足负载方面的动态贡献。这个图表是必要的，以证明发展的算法的动态作为一个解决所提出的优化问题。不同的输入条件必须产生不同的优化结果，这必须在第一个图表中体现出来。（b）第二图表表示总提供的能量与负载也表示未满足的负载。（C）第三曲线图表示随时间电力单位成本的动态估计。

3.2。解释结果

数字5显示了提供给负载的单个源的总能量的混合。很明显，成本较低的源用于提供负载，然后逐渐使用成本较高的源。在这种情况下，水电总是首先被选择，然后是风能，然后是太阳能，因为这是成本最高的。另一方面，图中所示的电价图表7也显示了相同的趋势。成本似乎高于原点，但在一段时间后差异，从第六个月到第9个月后仍然很低。该模式与上一个图表直接相关，以贡献单个来源。当能量仅由水电站提供时，成本低，但就太阳能和风使用，电力成本自动变高。

数字6，另一方面，显示了能源需求与能源供应。蓝色部分的能源供应几乎总是高于红色部分的需求，只有少数例外。这就解释了所提出的解决方案的可靠性。在极少数情况下，即第2、6和10个月，所要求的负荷没有得到满足，这可以归因于无法获得足够的能源生产所需的初级资源。

3．3.讨论

已经开发出混合能源系统的一般框架。该框架包括在某些先前研究的差异中的个人能源来源的直接模型。它进一步采用了Matlab软件下的线性优化编程方法。该框架是通过从Retscreen International软件中收集的数据进行测试，以获得Accra的位置。结果表明，选择不同来源以供应负载的有趣动态，同时显而易见的混合能源成本。除了几个案例外，还始终提供所需的能源需求。

这项研究对他的拟议框架的研究结果与Du等人的断言一致。[17.这两个框架都提出了考虑多输入和多输出的混合问题的约束优化的解决方案。此外，对资金成本和运维成本的同样考虑，加上Matlab软件的普遍使用，构成了与Du等人的研究密切或相似的重要因素。[17.]。

此外，[23.[本文中的建议框架是否有所证实，该框架还基于成本结合多种能量来源。显示满足所需负载的能量混合的直方图同样被视为两个框架的性能措施。

拟议的框架通过考虑MIMO系统和使用先进的线性优化求解器将混合能量分量的型号嵌入框架中。在框架中的组件模型的参与是新颖的，这导致了重要的理论贡献。从理论上讲，使用新的组件模型应该改善先前开发的框架而不建模HES组件。这也鼓励采用绿色能源，并一般改善他。

4。结论

本研究提出了一种混合系统优化的框架。所提出的框架在第一阶段考虑了由不同可再生源制成的输入变量。这些来源在阶段2中被送入其各个能量产生模型。然后将个别来源的计算能量送入人工智能盒，估计每个单独的电源的电力成本。人工智能盒还监控负载并决定以最低成本馈送负载的最佳组合。为了实现这一点，在人工智能盒中提出了不同的优化技术，其在单独的流程图中进一步详细阐述。从人工智能框中的决策通过控制开关来实现，该开关关闭所选源和负载之间的链路。阶段四个建议的框架在将它们送到负载之前处理所选源的添加。

该框架被认为是新颖的，因为它嵌入了对单个能源生产的建模，因此，这意味着开发具有单个组件完整模型的更健壮的HES。在这方面，鼓励在加纳减少可再生能源部分的进出口关税和净计量的新政策和管制文书。

此外，建议使用依赖于诸如保证收敛粒子群优化（GCPSO），混合GapSo（HGAPSO），组合PSO和模拟退火算法的更多的多一代植物进行混合能量系统的优化。

相互竞争的利益

作者宣称没有相互竞争的利益。

参考文献

1. C. Ackwa，电力不安全及其对加纳经济的影响，加纳大学统计社会经济研究所，阿克拉，加纳，2015年。
2. S. C. Gupta, Y. Kumar，和G. Agnihotri，“太阳能-风能混合系统的最佳尺寸”IET-UK国际信息和通信技术会议的诉讼程序（ICTES'07），第282-287号，泰米尔纳德邦，印度，2007年12月。查看在：出版商网站|谷歌学术
3. R. Rawat和S. Chandel，“太阳能光伏 - 风仿真杂交系统在印度的仿真和优化”，“国际可再生能源研究杂志，卷。3，不。3，pp。595-604,2013。查看在：谷歌学术
4. P. G. Dalwadi和C. R. Mehta，“太阳能混合动力系统的可行性研究”国际新兴技术和先进工程杂志，卷。2，不。2012年3月3日。查看在：谷歌学术
5. M. Muralikrishna和V.Lakshminarayana，“10 kW结合混合动力（风和太阳能光伏）能源系统，用于隔离发电系统”ARPN工程和应用科学杂志，卷。6，不。6，pp。99-104，2011。查看在：谷歌学术
6. B. Y. Ekren和O. Ekren，“基于仿真的PV /风混合能量转换系统的尺寸优化，电池存储在各种负载和辅助能量条件下，”应用能量，第86卷，第86期9, pp. 1387-1394, 2009。查看在：出版商网站|谷歌学术
7. D. K. Lal, B. B. Dash, A. K. Akella，“研究区域HOMER光伏/风能/微水电/柴油混合动力系统的优化”，国际电气工程和信息学报，卷。3，不。3，pp。307-325,2011。查看在：出版商网站|谷歌学术
8. A. Acakpovi, E. B. Hagan, M. B. Michael，“与荷马优化相比，自优化混合太阳能-风能-水电能源供应的成本效益分析”，国际计算机应用杂志，卷。114，没有。18，pp。32-38,2015。查看在：出版商网站|谷歌学术
9. A. Acakpovi, E. B. Hagan, M. B. Michael，“与荷马优化相比，自优化混合太阳能-风能-水电能源供应的成本效益分析”，国际计算机应用杂志，卷。114，没有。18，pp。32-38,2015。查看在：出版商网站|谷歌学术
10. A. Acakpovi和E. B. Hagan，“使用Matlab / Simulink的新型光伏模块建模”国际计算机应用杂志，卷。83，没有。16，pp。27-32,2013。查看在：出版商网站|谷歌学术
11. M.G.Villalva，J.R.Gazoli和E. R.Filho，“光伏阵列的建模和仿真综合方法”，电力电子产品上的交易，卷。24，不。5，pp。1198-1208,2009。查看在：出版商网站|谷歌学术
12. C. A. Ramos-Paja，E.Perez，D. G. Montoya，C. E.Carrejo，A. Simon-Muela和C. Alonso，全光伏系统建模应用于先进控制策略，Nacional de Columbia，Bogotá，哥伦比亚，2010年。
13. H. L. Tsai，C.S.Tu和Y.J. Su，“使用Matlab / Simulink的推广光源模型的发展”世界工程与计算机科学大会论文集(WCECS '08)，p。6，2008年。查看在：谷歌学术
14. S. Khajuria和J. Kaur，“使用Simulink（Matlab）”的风力涡轮机的俯仰控制“，”国际计算机工程技术先进研究杂志， vol. 1, no. 14, pp. 196 - 200,2012。查看在：谷歌学术
15. F. A. R. Abbas和M. A. Abdulsada，“Matlab的风力涡轮机速度控制”国际计算机电气工程学杂志，卷。2，不。5，pp。1793-8163，2010。查看在：谷歌学术
16. A. Acakpovi和E. B. Hagan，“使用双馈感应发电机(DFIG)的风力涡轮机系统模型”，国际计算机应用杂志，卷。90，没有。15，pp。6-11,2014。查看在：出版商网站|谷歌学术
17. W. du，H. E. Garcia和C. J. J. Pariedis，“动态混合能源系统的优化框架”第十届国际Modelica会议论文集，第767-776号，瑞典伦敦，2014年3月。查看在：出版商网站|谷歌学术
18. E. F. Fuchs和M. A. S. Masoum，可再生能源系统的电源转换，施普林格，纽约，纽约，美国，2011。
19. G. A. M. Hernandez，S.P.Mansoor和D. L. Jones，建模与控制水电站，工业控制的进展，斯普林斯，柏林，德国，2013年。查看在：出版商网站
20. R. D. Ganoe, P. W. Stackhouse和R. J. DeYoung，Retscreen Plus软件教程，美国宇航局技术报告服务器，2014年。
21. G. J. Leng，Retscreentm International：评估潜在可再生能源项目的独立工具，加拿大自然资源部，Canmet能源多样化研究实验室（CEDRL），2014年。
22. E. Martinot和O. McDoom，《促进能源效率和可再生能源:全球环境基金气候变化项目及其影响》，出版稿，全球环境基金，华盛顿特区，美国，1999。查看在：谷歌学术
23. 通过可再生和替代能源，“杂交能源系统建模和区域合作仿真框架”的r. re。将中亚将中亚纳入世界经济的国际会议诉讼程序，华盛顿特区，美国，​​2007年。查看在：谷歌学术

版权

版权所有©2016 Amevi Acakpovi。这是一篇发布在知识共享署名许可协议如果正确引用了原始工作，则允许在任何媒体中的不受限制使用，分发和再现。