|
电话：15313702523
基于NSGA-II的太阳能-Discover蓄电池系统成本与可靠性多性向优化
摘要
电网不稳定性增加和电价上涨凸显了对可靠的光伏-电池储能系统（PV-BESS）的需求。本研究提出了一种基于NSGA-II的约束感知多目标优化框架，该框架综合考虑了经济性能、可靠性、弃光率和电池老化。在南非实际条件下应用该优化系统，实现了0.06/kWh的平准化成本$97.9%的可靠性、1.6%的年降解率以及净现值$367,000，内部收益率超过15%。在不同区域场景下，该框架保持了87–91%的性能一致性并改善了收敛性。结果表明，整合退化和运行约束可为波动性电力市场提供更可靠、更具成本效益的光伏-电池储能系统（PV–BESS）设计。
1. 引言
南非电力部门在经历轮流停电危机（2019-2024年）后经历了重大转型。尽管近期电网稳定性有所改善，但这一时期的遗留问题凸显了对可靠、自主能源系统的持续需求。南非国家电力公司（Eskom）的基础设施挑战、不断上涨的电价以及可再生能源整合的间歇性，使得强大的备用能力依然不可或缺。可再生能源独立发电商采购计划（REIPPPP）已安装6.2吉瓦的装机容量（占能源结构的7.3%，然而由于多维度的权衡取舍，光伏-储能系统（PV-ESS）的最优设计仍具挑战性[1,2,3]. 当前的PV-ESS优化方法存在四个关键局限性：(1) 单目标或加权求和方法提供的权衡可见性有限；(2) 约束执行力弱；(3) 事后降解建模；(4) 跨区域的可迁移性有限 [4,5,6]。总之，人工智能在太阳能-BESS的预测、调度和优化方面实现了变革性的提升 [7]。这些局限性会影响决策质量：可行性、成本可靠性、收敛帕累托前沿的强度以及跨上下文的可迁移性。其影响包括系统过大（成本溢价15-25%）和性能快速退化[8,9本研究为光伏-电池系统开发了一种多性向优化方法，该方法明确考虑了实际电网约束和电价结构。这些因素并非在优化后才评估电池退化和可再生能源弃电，而是直接纳入优化过程中。该框架主要在南非的电价和可靠性条件下进行评估，并在其他地区进行了额外测试以检验其稳健性。
2. 方法
2.1. 多目标问题建模
公式(1)-(5)中的优化问题同时最小化了四个相互竞争的目标，涵盖了公式(1)中提出的经济、可靠性、运行和寿命标准。
其中x代表决策变量：光伏容量（kW）、电池容量（kWh）、电池功率额定值（kW）、逆变器容量（kVA）以及运行策略参数，包括荷电状态阈值和调度规则。
最小化 非计划性停运(EENS) = [削减 (降级), EENS (x), Curtailment (x), Degradation (x)]
净现值成本综合考虑了资本、运维、更换以及与退化相关的成本[9]:
预期未供应电量量化了可靠性：
弃电量衡量了浪费的可再生能源发电量：
电池退化采用基于吞吐量的计算方法：
2.2. 约束条件公式化
系统可行性通过六类约束条件来保证：(1) 节点功率平衡；(2) 荷电状态(SoC)保持在20%至90%之间；(3) 放电深度限制；(4) 爬坡速率限制在每分钟±10%以内；(5) 装备容量范围；以及(6) 符合REIPPPP电网规范要求。
2.3. NSGA-II实现
优化引擎采用的是非支配排序遗传算法II，该算法已被证明能在非凸帕累托前沿上收敛，并且无需任何参数即可保持多样性[10,11,12]。针对光伏储能相关问题，有三项主要改进：首先，约束支配原则确保可行解始终支配不可行解，无论其目标值如何，从而防止违反约束的解进入种群。该原则通过两级支配层级实现，在进行目标比较前先比较约束违反情况，从而将可行域与不可行域分离。其次，自适应惩罚函数处理残余违反情况，权重αk根据αk = α0 × (1 + β × G/Gmax) 递增，其中G表示代数。这种渐进式收紧机制在允许早期代数进行开发的同时，驱动种群向可行性靠拢。第三，精细化的拥挤距离计算采用目标空间归一化，防止高量级目标产生度量支配。每个目标对多样性计算的贡献相等[11,12].
该算法的参数遵循标准指南并进行了微调：种群规模为100（经50和150规模测试，显示出收敛效率的权衡），交叉概率为0.9（模拟二进制交叉，分布指数20），变异概率为0.1（多项式变异，分布指数20），锦标赛选择规模为2。设置200代上限以确保收敛，同时维持20,000次函数评估的预算。
2.4. 性能指标
使用四种常用的多性向性能指标来评估算法：反向世代距离（IGD）、超体积（HV）、分布度指标（Δ）和计算效率（每小时HV）。共进行了30次使用不同随机种子的独立运行。反向世代距离（IGD）通过参考帕累托前沿到所得解的平均距离来衡量收敛质量。超体积（HV）量化了被支配目标空间的体积，同时反映了收敛性和多样性。分布度指标（Δ）评估解分布的均匀性。计算效率通过每小时超体积来评估，从而实现算法选择的成本效益分析[13].
3. 结果
多区域结果证实了该框架在尼日利亚、南非和印度的稳健性。尼日利亚采用固定$0.094/kWh的电价；南非使用分时电价，平均$0.086/kWh，而印度拉贾斯坦邦的阶梯电价平均$0.076/kWh，且具有不同的价格调整和成本结构。优化系统实现了94.5–94.6%的效率、超过97.5%的可靠性，以及$0.061–0.064/kWh的平准化度电成本（LCOE），比电网电价低17–29%。南非的经济效益最强（净现值（NPV）$367k，内部收益率（IRR）15.1%，受益于优越的太阳能资源和可再生能源独立发电商计划（REIPPPP）的确定性。跨平台验证显示误差低于3.4%，而NSGA-II算法在无需重新调优的情况下实现了87–91%的性能保留，证实了其跨区域的可迁移性。
3.1. 经济与关税参数
尼日利亚对A类住宅和商业用户采用固定费率结构，$为0.094/kWh（根据NERC 2024年费率令），并每年上调5%。南非实行分时电价（TOU），高峰时段（$0.152/kWh）、标准时段（$0.086/kWh）和非高峰时段（$0.043/kWh）费率，加权平均值为$0.086/kWh（Eskom Megaflex 计划），年增长率为8–12%。印度拉贾斯坦邦实施阶梯式电价：0–100 kWh（$0.048/kWh)，101–300 kWh（$0.072/kWh），以及 >300 kWh（$0.089/kWh），实际商业平均价格为$0.076/kWh（RERC 2024），且每年上涨4%。电池成本因地区而异：尼日利亚$450/kWh，南非$380/kWh，印度$420/kWh [10]。优化框架中使用的区域经济和关税参数汇总在表1中.
表1。区域经济参数。
3.2. 多区域验证
表2展示了在所有三个案例研究中一致的表现，验证了该框架的可迁移性。所有区域均实现了94.5–94.6%的系统效率，LCOES为$0.061–0.064美元/千瓦时（比区域电网电价低17–29%），可靠性超过97.5%。尽管太阳能资源存在27%的差异且电价结构各异，该框架在无需重新训练算法的情况下，仍能保持各地区平均86%的性能保留率。南非实现了最强的经济表现，净现值为$367,000（案例研究中的最高值），内部收益率（IRR）为15.1%，平准化度电成本（LCOE）为$0.061美元/千瓦时——比南非国家电力公司（Eskom）的零售电价低29%$0.086美元/千瓦时。优化配置（1354千瓦光伏，2732千瓦时电池）提供3.72小时的储能，满足REIPPPP在晚高峰时段的固定容量要求。97.9%的系统可靠性（LPSP 1.5%）确保了电网不稳定期间的持续供电，电池年降解率仅为1.6%，10年后健康度（SoH）为78%。使用MATLAB/Simulink R2023b、HOMER Pro 3.14.5和PVsyst 7.3进行了跨平台验证。最终的平均绝对百分比误差低于3.4%，从而证实了所提模型的准确性和可靠性。南非帕累托前沿（图1) 展示了高质量的非支配解，能够系统地在成本、可靠性和电池寿命目标之间进行权衡导航。
图1。南非案例研究的帕累托前沿。
表2。多区域优化结果。
3.3. 南非经济参数
资本成本反映了南非的市场状况：光伏组件按公用事业规模价格计算，电池价格为$380/kWh，逆变器价格为$95/kW，平衡系统（BOS）价格为$280/kW，项目开发成本为$85,000。总资本投资：$128.5万。运营和维护成本包括在$12/千瓦年，电池管理费用为$35/千瓦时年，电网接入费用为$每年8,500，保险费用为每年资本的0.8%。
财务参数：8.5%的折现率（70%债务利率为9.5%，30%股权利率为15%），5%的通货膨胀率，CPI+2%的关税增长率，20年项目寿命。税收：27%的企业所得税率，50–30–20%的加速折旧，12%的可再生能源信贷。
3.4. 南非优化结果
NSGA-II生成了30个帕累托解，并在290 ± 40代时收敛（表2）。最优配置（1354 kW光伏/2732 kWh电池，3.72小时储能）：NPC$143万，EENS 55 MWh/年（可靠性97.9%），弃电率5.8%，年降解率1.6%（C倍率0.27）。平准化能源成本为$0.061/kWh，比Eskom零售电价$0.086/kWh低29%。20-25年的净现值为$367,000，由97.8%的正收益概率支撑，为三个地区中最高。系统可靠，97.9%的读档概率下供电失败概率（LPSP）为1.5%，确保了98.5%的关键负荷可用性以及电网中断期间的持续供电。20年购电协议结构相比市场风险降低了39%的净现值不确定性，实现了15.1%的内部收益率，回收期为7.9年。性能对比显示，NSGA-II在南非、尼日利亚和印度的案例研究中表现更佳。超体积指标显示，南非的超体积为0.8312（区域间变异系数=0.7%），反向代际距离为0.0139（变异系数4.7%），分布度量为0.387，表明解分布均匀。在全部90次优化运行（3个位置×30次运行）中，收敛成功率为100%，每次优化的计算时间为15–25分钟。在NSGA-II算法中，无论电网规范合规参数如何组合（电压容差：+5，频率调节：50 Hz ± 0.5 Hz，功率因数：0.95滞后-超前），约束违反率均为零，证实了约束处理机制的有效性。南非的性能保持率（不计跨区域回报）为86.2%，超过了可转移性验证85%的目标值。经济性能再次确认了南非作为最佳达成者的地位：LCOE为$0.061/kWh，与Eskom零售电价相比折扣达29%$0.086/kWh，无补贴情况下实现电网平价，且比柴油发电节省76%（$0.25–$0.40/kWh）。最佳的太阳辐射（5.73 kWh/m2/天，比尼日利亚高15%）和半干旱气候（最大限度减少积尘损失）使得净现值达到$367,000（在三个区域验证中最高-尼日利亚：$284,000，印度：$238,000），以及20年购电协议（PPA）的确定性（净现值标准差为$87,000，而$尼日利亚市场风险敞口的净现值标准差为108,000,000）。内部收益率为15.1%，超过了股权门槛收益率，投资回收期为7.9年。在70/30的债股比例下，股权内部收益率为22.4%（相比之下，尼日利亚为20.8%，印度为19.4%）。总资本支出为$143万，其中76.2%用于电池成本，23.8%用于光伏系统成本，年运营支出为$61,200（占资本支出的4.3%）。在可再生能源独立发电商计划（REIPPPP）框架下的20年购电协议，采用预设电价为$0.094美元/千瓦时（每年按2%通胀率调整），提供了可预测的收入，净现值（NPV）为正的概率为97.8%（相比之下，尼日利亚为93.1%，印度为94.2%）。太阳能资源的质量（全球水平辐照度GHI：2091千瓦时/平方米2/年，法向直接辐照度DNI：2438千瓦时/平方米2/年），结合18.6 °C的平均环境温度，降低了热降额，从而实现高性能。针对运行数据的验证显示，尼日利亚（Olorunsogo，18个月）和南非（Jasper，96 MW）的预测误差为3.4%，跨平台验证确认变异系数小于1.33%。
3.5. 跨区域迁移能力验证
使用相同的NSGA-II参数进行跨区域验证，在无需重新调优的情况下实现了87–91%的性能保留，尽管太阳能资源、电价和监管框架存在显著差异，仍超过了85%的阈值。
4. 讨论
4.1. 算法性能比较
NSGA-II在所有指标上均表现出优越性能：超体积提升11–19%，IGD提升21–52%，分布离散度提升30–54%。该框架在无需重新调优的情况下，跨区域性能保持率达86%。结果验证了南非REIPPPP部署的可行性，可靠性达97.9%，$LCOE为0.061美元/千瓦时（比电网电价低29%），净现值（NPV）为$367,000。未来工作将包括随机建模和公用事业规模验证。表3基于超体积、IGD、分布和计算时间，对优化算法进行了定量比较。
表3。优化算法的定量比较。
图2使用超体积、IGD和离散度指标比较了优化算法的性能指标。
图2。对比优化算法的性能指标。
为了验证计算效率，图3展示了所有四种算法的运行时间与超体积权衡。每种算法都标注了其效率指标（每计算小时的超体积），从而能够直接比较解的质量与计算成本。NSGA-II（绿色圆圈）以适中的运行时间（11.9小时）实现了最高的超体积（0.825），效率为0.0693 HV/小时，高于所有基准方法。虽然加权求和法执行速度更快（8.2小时），但其解的质量显著较低（0.689超体积，0.0840效率），未能捕捉到多目标决策所需完整的帕累托前沿结构。MOPSO的运行时间比NSGA-II长55%（18.5小时），同时超体积（0.742）和效率（0.0401）表现更差。ε约束法虽然在理论上是合理的，但计算成本高昂（214.3小时），比NSGA-II慢18倍，且解的质量最差（超体积0.651，效率0.0030），这使得它在需要迭代设计探索的实际光伏储能系统（PV-ESS）容量配置应用中变得不切实际。
图3。运行时间与超体积的权衡。
4.2. 权衡分析与决策结果
权衡分析显示，各目标之间的边际成本呈非线性。对于NPC与EENS，将EENS降低1 MWh的成本为$5850–$18,700，且在更高可靠性水平下增幅更陡；超高可靠性（EENS < 30 MWh/年）比中等水平（60–70 MWh/年）需要高出40–50%的溢价，表明边际收益递减。98%的可靠性水平为南非利益相关者在成本与减载保护之间实现了最佳平衡。对于NPC与弃电而言，15%的成本增加可将弃电率从5%降至3%，但要实现低于2.5%的水平则需要超过30%的额外成本，这在经济上是不划算的。1.10–1的PV/读档比是最佳选择。20可最大化可再生能源利用率且无需过度资本支出，Eskom的高峰电价也进一步强化了这一点（$0.142/kWh），这有利于使用更大的电池进行时间平移。NPC与健康状态退化之间呈现非单调关系：最低退化率（2.0%/年）出现在适中的NPC（$1.28–1.32 M）处，而非极端值。尽管前期成本较低，但激进的循环策略会导致2.8%/年的退化率；而保守策略可将电池寿命延长至14年，而前者仅为10年。在NPC为$1.28–1.32 M、EENS为60–70 MWh/年、弃电率为5–7%、退化率为2.0–2.2%/年的“黄金区域”下，可优化所有目标并满足REIPPPP的银行可融资性要求（IRR >12%，回收期 <10年）。
这些技术成果转化为显著的国家社会经济效益。在家庭层面，最佳配置每月可节省2450兰特电费（基于Eskom平均电价1.86兰特/千瓦时，电费从8450兰特降至6000兰特，降幅达29%），每套系统每年相当于节省29400兰特，考虑到南非家庭收入中位数仅为138168兰特，这一影响意义重大。97.9%的停电韧性可防止每家商业/工业用户在4级停电期间因生产中断、食品变质和装备损坏而每年遭受估计15000至30000兰特的经济损失。在国家层面，部署1万套此类系统（占南非720万正式家庭的0.14%）每年将产生2.94亿兰特的累计节省，同时在高峰时段减少13.54兆瓦的电网需求，直接缓解Eskom的容量限制，并降低强制性停电的频率，而停电曾给经济造成2兰特的损失。自2007年以来累计达8万亿。
4.3. 政策与实施建议
关键建议：(i) 监管机构：将可再生能源独立发电项目（REIPPPP）的购电协议（PPA）延长至25年（+$5.8万美元/项目净现值），维持峰谷比≥2.5:1，并提供$75–100美元/千瓦时电池税收抵免；(ii) 开发商：利用20年期购电协议（降低39%净现值风险），实施电池荷电状态（SoC）限制在30%以下和75%以上，并以6–8%的利率获取发展金融机构（DFI）融资，而非9–12%的商业利率；(iii) 商业用户：目标平准化度电成本（LCOE）比电网低27–35%，强调韧性以防止$每小时150–300美元的损失。
4.4. 理论与实践意义
该框架通过将弃电和电池退化显式建模为目标而非约束或事后调整，推进了多性向优化[14,15]。两级约束处理确保了REIPPPP电网规范的合规性[10]。跨区域可迁移性（保留率87–91%）超过了典型的70–75%基准[16,17]。实现了电网平价（LCOE$0.061/kWh，对比Eskom$0.086美元/千瓦时），证实了其商业可行性 [18,19]. 97.9%的停电韧性应对了南非的能源危机（对GDP造成2.8万亿兰特的影响 [20]），为能源支出占收入10%以上的家庭提供了缓解。REIPPPP的20年购电协议结构将净现值风险降低了39% [21,22]。退化建模（每年1.6%）已通过Jasper 96MW项目（误差<3.4%）验证 [23,24]。性能指标（超体积0.825，IGD 0.015）与当前最先进技术一致，100%的约束满足解决了电网规范合规性差距 [25].
5. 结论
本文提出了一种多性向优化框架，用于设计光伏-电池储能系统，该框架将实际运行约束、电价、可再生能源弃电和电池老化纳入优化过程。采用了一种约束感知型NSGA-II算法，在现实条件下同时优化成本、可靠性和系统寿命。在南非案例研究中，该方法在无补贴的情况下实现了平价上网，其平准化能源成本约为$0.06美元/千瓦时，比当前零售电价低约29%。最佳配置（1354千瓦光伏和2732千瓦时电池）实现了97.9%的供电可靠性，1.6%的年电池衰减，净现值为$367,000，且内部收益率超过15%。该框架在三个地区进行了测试，在无需调整参数的情况下保持了87–91%的性能稳定性，并且在收敛性方面优于传统的优化方法。总之，将退化、弃电和运行约束纳入优化过程，可以产生更可靠且更具成本效益的光伏-电池系统。这种方法为在电价波动和可靠性担忧的市场中规划太阳能-电池项目提供了一个实用的决策工具。