储能和谐(Harmony in Storage):面向成本可靠型光伏-电池混合系统的音乐启发(music-inspired)、老化感知(degradation-aware)和声搜索(Harmony Search, HS)优化

《Energy Conversion and Management-X》:Harmony in storage: music-inspired, degradation-aware optimization for cost-reliable hybrid solar-battery systems

【字体: 大 中 小 】 时间:2026年05月29日 来源:Energy Conversion and Management-X 7.6

编辑推荐:

  摘要:电池储能系统(Battery Energy Storage System, BESS)在分布式混合可再生能源方案中发挥着至关重要的作用。本文提出"储能和谐(Harmony in Storage)"——一种音乐启发(music-inspired)、老化感知

  
摘要:电池储能系统(Battery Energy Storage System, BESS)在分布式混合可再生能源方案中发挥着至关重要的作用。本文提出"储能和谐(Harmony in Storage)"——一种音乐启发(music-inspired)、老化感知(degradation-aware)的和声搜索(Harmony Search, HS)优化框架,用于提升离网(off-grid)光伏-电池混合系统(hybrid solar photovoltaic-battery system, PBS)的设计与经济运行。该框架通过引入自适应音乐启发的控制参数,并显式建模电池老化及健康状态(State of Health, SOH),生成更贴近实际且成本可靠(cost-reliable)的系统配置。研究人员在考虑与不考虑老化/SOH两种情景下确定最优系统容量,重点降低发电成本并提高可靠性。所提模型通过与粒子群优化(Particle Swarm Optimization, PSO)及传统HS算法的对比分析进行验证。研究人员系统探讨了关键算法设置(运行次数、和声记忆考虑率HMCR、音调调节率PAR)对优化的影响,表明经最优调参可实现最高5.3%的成本削减及可靠性提升。当纳入老化因素时,总年度成本(Total Annual Cost, TAC)上升5.87%,电池数量增加5.98%,凸显了老化感知设计的必要性。
论文解读:《储能和谐(Harmony in Storage):面向成本可靠型光伏-电池混合系统的音乐启发、老化感知优化》
本文发表于《Energy Conversion and Management-X》。离网(off-grid)光伏-电池混合系统(hybrid solar photovoltaic-battery system, PBS)是偏远无电地区重要的供电方案,但其设计长期面临两大挑战:一是传统优化多依赖HOMER软件或标准元启发式算法(如遗传算法Genetic Algorithm, GA、粒子群优化Particle Swarm Optimization, PSO),未充分考虑和声搜索(Harmony Search, HS)算法参数的自适应调控,易导致早熟收敛或陷入局部最优;二是多数研究忽略电池循环与日历老化及健康状态(State of Health, SOH)衰减对可用容量和更换成本的影响,造成容量配置偏小、全生命周期成本估算偏低及可靠性虚高。为此,研究人员以最小化总年度成本(Total Annual Cost, TAC)并保证供电可靠性为目标,建立含电池老化与SOH约束的PBS技术-经济数学模型,提出一种基于和声记忆多样性度量的自适应改进HS算法(即"储能和谐Harmony in Storage"框架),并在考虑与不考虑电池退化两种情形下开展容量优化、算法参数敏感性分析及与基准算法的性能对比。
主要关键技术方法:
研究人员构建含光伏(PV)组件、铅酸/锂离子蓄电池组(单节额定容量2.1 kWh,充放电效率95%,初始SOH=100%,寿命终止SOH=80%,循环寿命10,000次)、逆变器的离网PBS技术-经济模型,目标函数为年化初投资(CII)+更换成本(CR)+运维成本(CO&M),可靠性约束为失电概率(Loss of Power Supply Probability, LPSP)或可靠性指数(Reliability Index, RI=ELPS/ELD×100%)≤给定上限。电池退化耦合日历老化CAcal与循环老化CAcyc,SOHtB逐时更新并限制最大可用SOC上限(EtMax×SOHtB)与下限(EtMin×SOHtB)。改进HS算法以和声记忆中各解向量到记忆库质心欧氏距离的均方根D度量多样性,据此动态更新HMCR(t)=HMCRMin+(HMCRMax-HMCRMin)×(D/DMax)、PAR(t)=PARMin+(PARMax-PARMin)×(D/DMax)×(iter/itermax)、BW(t)=BWMax×exp(iter×ln(BWMin/BWMax)/itermax)×(1-D/DMax),平衡全局探索与局部开发。案例采用中国某偏远地区典型年8760 h逐时太阳辐照度、环境温度及居民负荷曲线(峰值12 kW,均值6.31 kW),通过网格搜索标定最优算法参数,并与传统HS及PSO在相同条件下对比验证。
研究结果:
4.1. Comparison with PSO and HS algorithms(与传统HS及PSO算法对比)
在基准情形(RI≤2%,1000次迭代,20次独立运行)下,改进HS所得最小TAC为$637,206(NPV=213,NB=2962),较PSO降低1.6%、较传统HS降低4.1%;平均TAC较PSO降10.1%、较传统HS降14.6%。改进HS平均计算时间7.03 s,较PSO快19.3%、较传统HS快23.3%,且于第311代即收敛,优于传统HS(第805代)与PSO(第39代但成本偏高)。表明自适应参数调节有效避免早熟并提高解的质量与效率。
4.2. Reliability index analysis(可靠性指数分析)
允许最大RI从0%升至2%时,PV面板减少18块、电池减少672单元,最小TAC降低$142,838,系统RI达1.9489%;更高RI要求增加设备致TAC上升,说明RI约束对容量配置与成本存在显著权衡关系,需在设计中明确指定。
4.3. Impact of iterations(迭代次数的影响)
迭代数由100增至10,000时最小TAC降$22,251,电池数减568块,平均TAC降$703,831;超过10,000后TAC基本不变但耗时继续增。故10,000次迭代为本研究计算成本与解质量的最优平衡点。
4.4. Impact of number of run(运行次数的影响)
运行次数由1增至75时最小TAC降$26,888,电池数减1306块,平均TAC降$60,285;超75次后指标稳定。选定75次独立运行为本问题推荐设置,可在统计稳定性与耗时间取得平衡。
4.5. Impact of pitch adjustment rate (PAR)(音调调节率PAR的影响)
PARMax=0.8时最小TAC=$617,010(较基准降3.2%);PARMin=0.5时最小TAC=$609,529(较基准降4.3%)。表明PAR上下限需协同调优以平衡探索与开发。
4.6. Impact of HMCR(和声记忆考虑率HMCR的影响)
HMCRMax=0.5时获最小TAC=$617,061,说明适度偏探索(非过高HMCR)对本PBS优化问题更有利,过高HMCR抑制新区域搜索致解退化。
4.7. Impact of distance bandwidth (BW)(距离带宽BW的影响)
BWMax=4时最小TAC=$619,795(降2.7%),BWMin=0.02时最小TAC=$617,882(降3%),合适BW范围保障算法跳出局部最优同时精细局部搜索。
4.8. Impact of interest rate(利率的影响)
利率α由1%升至7%,TAC由约$602 k升至约$711 k(升约18%),最优设备台数与RI不变,说明融资条件只影响经济性不影响物理配置,每1%利率变动约影响$17 k TAC。
4.9. Effect of battery degradation and SOH(电池老化与SOH的影响)
不计老化时最优为213块PV+2962节电池,TAC=$637,206,RI=1.9488%;计入老化(SOH初始100%→终值80%,日历+循环老化)后为214块PV+3139节电池,TAC=$674,584(升5.87%),电池数增5.98%,RI=1.9270%。若仅做成本极小化不约束RI,不计老化的配置RI恶化为2.1435%(相对升9.9%),证实忽略老化会低估所需储能规模与总成本、高估可靠性。含老化时年平均储能量升高766 kWh,反映系统以更大电池组补偿SOH衰减。
讨论与结论翻译(Conclusion):
本文提出一种带自适应音乐启发参数调节(HMCR、PAR、BW基于和声记忆多样性动态更新)的改进和声搜索(Harmony Search, HS)算法,用于优化离网混合光伏-电池系统(hybrid PV-battery system, PBS)。建立含技术与经济因素的综合模型,在忽略与考虑电池老化及健康状态(State of Health, SOH)两种情景下进行系统定容,以满足偏远地区能源需求并将发电成本最小化同时维持或提升可靠性。结果与广泛使用的粒子群优化(Particle Swarm Optimization, PSO)及传统HS对比,主要发现如下:
• 相较PSO,所提算法使平均总年度成本(Total Annual Cost, TAC)降低10.1%、平均仿真时间缩短19.3%;相较传统HS,平均TAC降低14.6%、仿真时间缩短23.3%,且可靠性得以保持。
• 可靠性指数(Reliability Index, RI)上限由0%提至7%可使总成本降低39.2%,证明设定较高可靠性目标具经济价值。
• 纳入电池老化及SOH使所需电池容量增加5.98%,TAC上升5.87%,强调老化感知设计的必要性。
• 仅做成本优化(无RI约束)时,忽略老化的优化配置使RI恶化至2.1435%(相对供电失效概率升9.9%),说明不考虑老化会低估可靠性损失。
• 算法性能对迭代次数与运行次数最敏感。最优设置为10,000次迭代、75次运行、PARMax=0.8、PARMin=0.5、HMCRMax=0.5、BWMax=4、BWMin=0.02,实现成本、可靠性与计算效率的最佳平衡。
• 利率从1%升至7%使TAC约增18%,凸显融资条件的重要性。
• 该框架接受站点特定输入(太阳辐照度、温度、负荷曲线及经济参数),可便捷迁移至不同地理及融资情境。
综上,所提改进HS算法为离网混合PBS系统设计提供了一种成本效益高、可靠且具通用性的优化方案。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号