混合整数线性规划与遗传算法-线性规划在优化非互联岛屿能源系统方面的比较
《Energy》:A comparison of Mixed-Integer Linear Programming and Genetic Algorithm–Linear Programming to optimize a non-interconnected island energy system
【字体:
大
中
小
】
时间:2026年09月28日
来源:Energy 10.1
编辑推荐:
•MILP与GA–LP在法维贾纳的比较
•共同的输入数据和绩效指标
•联合定容与调度优化
•两种方法均优于基准系统
•模型结构影响最优结果
引言
未联网的离小岛代表了能源供应面临的最具挑战性的场景之一。电力生产仍然主要依赖柴油发电机,而由于投资成本高和能源需求具有明显的季
•MILP与GA–LP在法维贾纳的比较
•共同的输入数据和绩效指标
•联合定容与调度优化
•两种方法均优于基准系统
•模型结构影响最优结果
引言
未联网的离小岛代表了能源供应面临的最具挑战性的场景之一。电力生产仍然主要依赖柴油发电机,而由于投资成本高和能源需求具有明显的季节性,与大陆的电网互联往往在经济上不可行,这一条件在地中海地区尤为明显[1]。
与此同时,岛屿拥有丰富的太阳能和海洋资源,这使得它们特别适合整合可再生能源。然而,这种潜力在很大程度上尚未得到充分利用[2]。多项研究表明,间歇性可再生能源的协调整合可以显著改善岛屿能源系统的运行性能,提高电网稳定性,同时降低运行成本、CO2排放量和一次能源消耗。例如,Meschede等人综述了97项关于全可再生能源岛屿能源系统的研究,并确定光伏和风能是替代柴油发电机的主要技术[3]。类似地,Senjyu等人表明,与仅使用柴油的系统相比,光伏–风–电池混合配置能够降低运行成本[4],而Kuang等人强调,高比例的可再生能源渗透需要适当的管理和控制策略[5]。
为应对与可再生能源发电相关的变异性,灵活性资源可以在非联网岛屿能源系统中发挥重要作用。Papadopoulos[6]讨论了可再生能源和储能技术在小型岛屿系统中的潜力和前景。在电网运行层面,Curto等人[7]研究了利用基于电池的虚拟惯性来提高小岛电网稳定性。El-Bidairi等人[8]探讨了在弗林德斯岛离网微电网中用于动态频率控制的电池储能系统的最优定容问题,而Asri等人[9]研究了偏远离网社区共享储能系统的最优运行。除了基于储能的措施外,Groppi等人[10]评估了需求响应和运行备用对岛屿能源规划的贡献。除了电气储能和其他灵活性措施外,热储能还可以通过耦合电力和供热领域提供额外的灵活性来源。Romanos等人[11]研究了相变材料热储能对岛屿电力系统经济调度的贡献,展示了储存的热能如何用于提供灵活的电力发电。在对桑索岛和奥克尼群岛的比较分析中,Marczinkowski和?stergaard[12]表明,热储能与热泵相结合可以促进多余的可再生电力并入供热领域,并降低整体能源系统成本。更广泛地说,Sihvonen等人[13]考察了功率转热和热储能在区域供热系统脱碳中的作用。
岛屿能源系统还具有多领域能源需求的特征,这需要综合建模方法。最近,针对非联网岛屿可再生能源社区的综合多载体优化框架得到了开发并应用于法维贾纳的案例,证明了综合设计与运行优化在孤立环境中的重要性[14]。在此背景下,能源枢纽概念已被证明是表示可再生能源、转换技术、储能系统和能源负荷之间相互作用的有效框架。Massaro等人开发了一个能源枢纽模型,用于将氢并入电力系统,并展示了成本、一次能源消耗和排放的降低[15]。同样地,Zubo等人表明,多种能源载体的协调管理可以带来运行效率的显著改善[16]。
近年来,元启发式优化技术,特别是遗传算法(GA)和粒子群优化(PSO),已被应用于复杂能源系统的设计、定容、调度和控制问题。在孤立岛屿的背景下,Senjyu等人[4]使用GA确定光伏–风–柴油–电池系统的最优配置。在建筑能源应用中,Ooka和Komamura[17]开发了一种基于GA的方法,用于联合选择设备容量和运行计划,而Ikeda和Ooka[18]比较了多种元启发式方法,用于调度集成了电池储能、热储能和热源的系统。
对于独立混合发电系统,Sawle等人[19]比较了GA和PSO在由电池和柴油发电支持的光伏–风–生物质系统最优定容中的应用。Chen等人[20]采用GA确定了一个面向农村村庄的多矢量能源系统的运行方案,该系统整合了风力发电、氢储能和燃料电池。Hussain等人[21]将PSO应用于自主社区微电网中三联供设备的位置选择和定容问题,同时考虑了制冷、供热、电力需求和可再生能源发电的不确定性。Rold'an-Blay等人[22]将多目标PSO与分支定界过程相结合,用于农村微电网中可再生能源电厂的定容和设计,而Azaza和Wallin[23]使用多目标PSO确定混合微电网的配置和组件尺寸。Abu等人[24]比较了包括PSO在内的优化算法,用于改进基于混合储能的微电网性能。
元启发式和多目标优化也被应用于微电网系统之外。Kabiri和Maftouni[25]解决了商业中心建筑的多目标能源优化问题,而Zheng等人[26]开发了一种超低能耗学生宿舍的多目标设计优化方法,考虑了实际住户行为。Haidar等人[27]使用组合多目标优化算法考虑了自主混合微电网的成本最小化规划。此外,Karimi[28]解决了整合可再生能源和储能技术的水–能纽带多微电网系统的最优运行调度问题。
这些研究展示了元启发式在耦合设计、定容、调度、控制及多目标决策中的使用。鉴于其随机性本质,在评估其性能时,算法设置和停止条件的透明报告非常重要。Pillay和Saha[29]综述了用于建筑节能应用的元启发式优化技术,而Vojdani等人[30]比较了建筑能耗和采光性能的优化方法。
Krisam等人[31]直接比较了用于住宅建筑能源系统设计的数学优化和元启发式优化方法。[32]中还提出了元启发式与基于MILP方法的比较,特别关注线性化的影响。
与此同时,数学规划方法被广泛用于能源系统的设计和操作。Soderman等人[33]解决了分布式能源系统的结构和运行优化问题。当能量平衡、转换关系和运行约束可以线性表示,而离散决策通过整数变量描述时,混合整数线性规划(MILP)提供了一个合适的优化框架。Crainz等人[34]为盘泰莱里亚岛开发了一个MILP能源枢纽模型,用于确定多载体岛屿能源系统的最优组件组合、定容和运行计划。Wouters等人[35]为一个规划模型制定了MILP模型,该模型整合了住宅多微电网的电力、供暖和制冷需求、分布式发电技术、储能系统和本地能源网络。
Gabrielli等人[36]提出了一种MILP方法,用于具有长期储能的多能源系统的设计和操作,明确考虑了全年小时级的优化时域。Superchi和Bianchini[37]开发了一个MILP框架,用于并网混合系统的联合设计和能源管理,该系统整合了风力发电、光伏发电、电池和氢链。在运行层面,Marzband等人[38]研究了一个具有响应性需求和储能的家居微电网能源管理系统,并考虑了不确定性。
对于给定的线性公式,MILP能够在规定的求解器容差范围内系统地搜索最优解。所得的最优解是有条件的,取决于所采用的系统线性表示方法。非线性组件性能关系和运行特征通常需要线性化或近似处理,例如通过常数系数、线性约束或离散逻辑变量,以保持MILP结构。此外,详细的运行约束、长时间时域和大量二元变量可能会增加模型的规模和计算难度。Wirtz等人[39]考察了模型复杂性和细节水平对基于MILP的多能源系统设计的影响,而Manc'等人[40]综述了多能源系统优化中的建模选择、求解器选择和计算挑战。为解决在线多能源优化的计算需求,Su等人[41]提出了一种基于整数状态变量预测和运行策略学习的方法。混合优化方法也被用于多能源微电网的经济和环境评估[42]。
最近,混合GA–LP优化框架在有限但相关的研究数量中被提出,作为确定性方法和元启发式方法之间的有效折中。这些方法将遗传算法在规划层面的探索能力与线性规划在运行优化方面的计算效率相结合。Reis等人表明,这种分解可以显著减少多水库系统规划中的计算工作量[43]。在能源领域,Nemati等人将GA–MILP框架应用于微电网中的机组组合和经济调度问题,证明了与单一MILP公式相比具有更好的可扩展性[44]。同样地,Farh等人表明,GA–LP集成能够在减少整体计算负担的同时有效管理不确定性[45]。
尽管已有大量文献涉及岛屿能源系统,但将完全集成的MILP公式与分解的GA–LP框架应用于非联网岛屿的比较分析仍然有限。特别是,通过不同数学结构表示长期技术定容与逐小时运行之间的相互作用所产生的影响,尚未得到充分关注。因此,本研究在共同的案例研究边界条件下,比较了完全集成的MILP公式和分解的GA–LP框架。该分析考察了替代的规划–运行表示方式如何影响技术定容、储能使用、运行模式、计算工作量以及最终的经济、一次能源和环境指标。
章节片段
能源枢纽建模
能源系统被表示为一个多载体能源枢纽,服务于聚合的电力和低温热能需求。该综合框架捕捉了多种能源载体之间能源生产、转换、储能和终端需求之间的相互作用。
能源枢纽包括光伏(PV)系统、波浪能转换器(WEC)、太阳能集热器(STC)、电气储能系统(ESS)、用于低温热的热储能系统(TSS-H),
问题公式化
以下公式描述了本研究共同的建模范围,包括能源载体、技术组合、时间表示和年度绩效指标。所选运行约束和容量–调度耦合的具体实现方式在MILP和GA–LP框架之间有所不同。因此,下面报告的紧凑表示应被理解为共同的建模参考,而不是两种方法共享相同的
MILP优化
在MILP框架中,设计变量和运行变量同时优化:
min_{s,x,δ} F_k(s,x), k∈{cost,PE,CO2}
subject to Eqs. (15)–(20)
s∈S, x∈R_{n_x}^+, δ∈{0,1}^{n_δ}
其中S是设计向量的可行集,包括技术边界、空间约束和适用情况下的整数性要求。向量δ包含二元运行状态变量。
对于ESS,通过以下方式施加互斥的充电和放电:
E_{ESS,in}^t ≤ M_{in}^{ESS} δ_{ESS,in}^t
E_{ESS,out}^t ≤ M_{out}^{ESS} δ_{ESS,out}^t
δ_t
比较框架
该比较评估了应用于同一物理能源系统的两种替代规划–运行耦合公式。表2总结了共同的建模元素和公式特定的差异。
两种方法共享相同的物理系统边界、技术组合、输入数据和年度绩效指标。然而,它们并不共享相同的可行域。MILP对ESS和TSS的运行模式施加硬二元约束,而
地理和能源系统背景
法维贾纳位于地中海,是意大利埃加迪群岛的一个小岛。该岛经济以旅游业为主,由于其明显的季节性,导致能源需求和人口出现显著波动。夏季旅游旺季游客涌入,与旅游相关的活动导致总体能源消耗大幅增加,给当地能源带来重大运营和可持续性问题
最优系统配置
两种优化方法确定的技术定容结果见表5。MILP解决方案的特征是,在所有优化目标下,安装的STC容量低于相应的GA–LP解决方案,而TSS-H容量则更高。此外,MILP解决方案在所有情况下都显示出更高的安装ESS容量。总体而言,这些定容结果导致MILP框架中一个相对更依赖储能的配置。
在GA–LP框架中,
讨论
从方法论角度来看,MILP和GA–LP框架不仅在求解程序上有所不同,而且在技术定容与逐小时运行之间的相互作用表示方面也存在差异。因此,其结果应被解释为在共同的案例研究条件下应用的两种替代规划–运行公式的结果。
MILP在单一混合整数线性问题中联合优化技术容量和逐小时运行变量。
## 结论
本研究对比了一种确定性混合整数线性规划(MILP)模型与一种混合遗传算法–线性规划(GA–LP)框架,用于非互联岛屿综合能源系统中技术规模确定与运行管理的联合优化。两种模型在年化成本、一次能源消耗和二氧化碳排放方面均显著改善了参考方案的性能。在所采用的特定模型假设下,GA–LP框架在这三项指标上均报告了更低的数值。
---
**CRediT作者贡献声明**
**Miriam Mantegna:** 写作——审稿与编辑,写作——初稿撰写,可视化,验证,软件,资源,方法论,调查研究,形式化分析,数据管理,概念构思。
**Daniele Milone:** 监督指导,软件,项目管理,方法论,调查研究,经费获取,概念构思。
**Shintaro Ikeda:** 写作——审稿与编辑,写作——初稿撰写,可视化,验证,软件,资源,方法论,调查研究,形式化分析,数据管理。
---
**未引用的参考文献**:[64]、[65]、[66]
**利益冲突声明**
作者声明不存在已知的可能影响本文所报告工作的竞争性经济利益或个人关系。
**致谢**
作者感谢Favignana岛的电力配电网公司S.E.A. S.p.A.提供关于当地配电网及终端负荷的数据和信息。作者M.M.谨致谢国家恢复与韧性计划(NRRP),第四任务、第一组成部分、投资4.1项;DM 118 4.1 generici——PNRR研究博士项目——由欧洲联盟"下一代欧盟"基金资助——项目编号CUP B74C23001080007——项目编号DOT1320917。
**Miriam Mantegna | Daniele Milone | Shintaro Ikeda | Ryozo Ooka**
生物通微信公众号
生物通新浪微博
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