深度 | 考虑补贴的独立微网容量配置优化方法

摘要

针对风光柴蓄独立微网系统,提出了考虑补贴的容量配置优化方法。该方法以总净现成本最低为优化目标,以负荷缺额率为约束条件保证供电可靠性,采用遗传算法优化系统容量配置。通过测试基于该方法所开发的软件,验证其了正确性,并以此作为仿真平台,实现了多种电源组合方式下考虑补贴的容量配置优化仿真分析。分析结果表明,在独立微网系统容量配置优化时,不同补贴方式会对系统容量配置优化结果有较大影响;在所研究的补贴标准下,按发电量补贴方式比按投资安装补贴方式投资商可获得的总补贴收益更多,总投资成本更少。

关键词 :补贴; 独立微网; 负荷增长; 遗传算法; 运行模式;

0 引言

长期以来,受地理条件限制,在孤立的海岛建设与大电网互联的常规输配电系统变得较为困难,因此能源问题就一直成为限制其发展的重要因素之一。一般来说,海岛拥有丰富的风能和太阳能等可再生能源。随着风力发电和光伏发电技术的发展,由风力发电机、光伏阵列、柴油发电机和蓄电池组成的独立微网系统[1-3],由于其相对较低的运行成本和较高的供电可靠性,成为解决孤立海岛供电问题的有效方法之一。

针对微电网的容量配置优化问题,国内外已经取得一定的研究成果。微网配置优化首先要考虑的问题是负荷和可再生能源数据的分析。对于风速和光照数据的分析,一般采用的是确定性分析法[4-6],此方法简单直接,选取符合当地气候数据特征的典型历史数据样本作为研究对象。由于在工程应用周期内研究对象的气候一般不会发生太大变化,确定性分析法可以满足仿真要求。文献[5-6]基于一年8760 h准稳态数据进行逐时计算,得到微网系统全年运行情况。目前关于微网配置优化的大多数研究,其负荷模型一般没有考虑负荷增长问题。独立微网系统一般都不会太大,负荷增长也较为缓慢。但对于工程应用周期较长的规划场景,以不变的负荷数据进行仿真计算所得的配置容量到工程应用后期可能无法保证供电可靠性,不能满足实际的微网规划设计要求,在此场景下就有必要考虑负荷增长问题[6]。

独立微网容量配置优化的目标一般可以是系统总成本最小化、供电可靠性最大化、污染排放最小化、投资净收益最大化等目标中单个或多个[3-13]。文献[5]提出了包含微网全寿命周期内的总净现成本、负荷容量缺额率和污染排放的多目标优化设计模型,但未将污染排放纳入经济成本里面;文

献[8-9]提出了综合考虑系统寿命周期成本和污染惩罚的优化模型,使系统配置优化兼具经济性和环保性,但没有考虑可再生能源发电补贴因素。然而目前包括中国在内的许多国家都出台了一些鼓励开发利用可再生能源发电的补贴政策,主要有一次性投资安装补贴和按发电量补贴等[10,14-16]。文

献[10]针对并网型微电网中光伏上网补贴进行了灵敏度分析,研究发现补贴会对投资开发商的收益产生积极影响。文献[16]建立了风光柴蓄独立微网系统模型和经济性模型,并在经济成本中考虑了按发电量进行补贴,但对投资安装补贴问题没有涉及。

本文提出了考虑补贴的独立微网容量配置优化方法,建立了仿真平台,比较分析了多种电源组合方式下的容量配置特点及系统成本,研究分析了不同补贴方式下独立微网系统最优容量配置的补贴收益和成本。

1 系统模型与运行模式

1.1 系统构建

本文设计的系统结构如图1所示。

图1 独立微网系统结构

Fig. 1 Structure of a stand-alone microgrid system

风力发电和光伏发电只有设备自身成本和运行维护成本,且不会产生任何污染,是理想的绿色环保能源,因此以风力发电机和光伏阵列作为系统主要电源向负荷供电。但考虑到其发电量受天气影响较大,具有显著的间歇性和随机性特点,因此需要备用电源,以保证系统供电可靠性。柴油发电机因其灵活、便捷、可靠的特点,可以很好地满足备用电源要求。同时采用蓄电池作为储能设备,在风光发电量大于负荷时存储多余能量,在风光发电量不足时放出存储能量,在系统中起“削峰补谷”的调节作用。由风光柴蓄组成的独立微网系统可以经济可靠地为孤立海岛供电。

在本文的系统模型中,忽略了交直流变换的损耗和输配电线路的损耗。

1.2 系统元件模型

1.2.1 风力发电机模型

本文根据风力发电机离散功率曲线,采用拉格朗日三次差值法来计算输出功率。

PW=∑n=1NPnln(v)PW=∑n=1NPnln(v) (1)

式中：PW为风力发电机实际输出功率;Pn为风机离散功率曲线上给定点n的功率,共有N个点;v为平均风速;ln( )为插值函数。

1.2.2 光伏阵列模型

光伏阵列实际输出功率计算公式为

PPV=YPVfPVGTGT,STCPPV=YPVfPVGTGT,STC (2)

式中：PPV为光伏阵列实际输出功率;YPV为光伏阵列额定输出功率;fPV为减损系数;GT为照射到光伏板上的辐射量;GT,STC为标准测试条件下的辐

射量。

1.2.3 柴油发电机模型

柴油发电机的燃料消耗量是其输出功率的线性函数,即

F=F0⋅Ygen+F1⋅PgenF=F0⋅Ygen+F1⋅Pgen (3)

式中：F为燃料消耗率;F0为截距系数;F1为斜率;Ygen为柴油发电机额定功率;Pgen为实际输出功率。

柴油发电机运行功率约束为

lmin≤PgenYgen≤1lmin≤PgenYgen≤1 (4)

式中lmin为柴油机最小负载率。

1.2.4 蓄电池模型

本文蓄电池模型采用动力电池模型[17](kinetic battery model,KiBaM)。根据电池充放电功率大小,可以计算出充放电后的可用能量和束缚能量。

式中：Q为电池组总能量;Q1、Q2为时间步长开始时的可用能量和束缚能量;Q1,end、Q2,end为时间步长结束时的可用能量和束缚能量;Pb为蓄电池实际的充放电功率,正值表示放电,负值表示充电;ΔtΔt为时间步长;kb为速率常数;c为可用能量的容量与总容量的比值。

蓄电池荷电状态(state of ge,SOC)约束条件为

SOCmin

式中SOC,max、SOC,min分别为蓄电池最大和最小荷电状态。

1.2 运行模式

本文设计了一种复合运行模式,针对不同大小的净负荷采用不同运行模式。系统净负荷表示为

Pdk(i)=Lk(i)−PW(i)−PPV(i)Pdk(i)=Lk(i)−PW(i)−PPV(i) (8)

Lk(i)=Lbase(i)⋅(1+rL)kLk(i)=Lbase(i)⋅(1+rL)k (9)

式中：Pd,k(i)、Lk(i)分别为第k年时间步长i(i=1,2,3,…,8760)的净负荷和实际负荷;PW(i)、PPV(i)分别为风力发电机和光伏阵列在时间步长i的发电功率;Lbase(i)为时间步长i的负荷基准值;rL为年负荷预测增长率。

对于不同大小的净负荷,柴油发电机发电成本和蓄电池供电成本是不同的。柴油发电机的单位功率发电成本为

式中：Cg为柴油发电机单位功率发电成本;Cf、CO&M,d、Crep,d分别为柴油发电机的每小时的消耗燃料成本、运行维护成本和置换成本;cf为油价。

蓄电池单位功率供电成本主要是电池自身损耗成本和利用柴油发电机充电时消耗的燃料成本,或称为增加燃料成本。当蓄电池利用风电和光伏剩余电能充电时,其供电成本就只有自身损耗成本。

Cw=CB,RQlifetimeηrt√Cw=CB,RQlifetimeηrt (11)

Cc=F1cfηrtCc=F1cfηrt (12)

式中：Cw、Cc分别为电池自身损耗成本和增加燃料成本;CB,R为蓄电池的置换成本;Qlifetime为电池组寿命周期吞吐量;ηrt为蓄电池充放电循环效率。

因此得到柴油发电机发电成本和蓄电池供电成本曲线如图2所示。

图2 柴油发电机和蓄电池供电成本

Fig. 2 Generating costs of diesel and battery

图2中：Ld为柴油发电机发电成本和蓄电池损耗成本相等时的净负荷;Lc为利用柴油发电机充电的蓄电池供电成本和柴油发电机供电成本相等时柴油发电机和蓄电池供电成本 的净负荷。由图2可知,当Pd,k(i)Ld时,柴油发电机的供电成本低于蓄电池自身损耗成本,因此此时应当由柴油发电机运行供电。由此本文设计的详细运行模式如

图3所示。图3中：Pbcmax、Pbdmax分别为蓄电池最大充、放电功率;Wq为负荷缺额电量;Ws为舍弃电量。

2 系统优化方法

2.1 优化变量

本文选择风力发电机台数NW,光伏阵列片数NPV,柴油发电机台数ND和蓄电池组数NB作为待优化变量。

2.2 目标函数

本文基于独立微网系统运行经济性,以系统寿命周期内的总净现成本(net present cost,NPC)最小作为优化目标。同时考虑到环境效益,将可再生能源补贴收益和污染排放处理成本纳入净现成本中,详细目标函数为

min f=∑k=1RC(k)−B(k)(1+r)k+CImin f=∑k=1RC(k)−B(k)(1+r)k+CI (13)

C(k)=CR(k)+CO&M(k)+CF(k)+CE(k)C(k)=CR(k)+CO&M(k)+CF(k)+CE(k) (14)

B(k)=S(k)+W(k)B(k)=S(k)+W(k) (15)

CI=(CW,I+CPV,I)⋅(1−rS)+CD,I+CB,ICI=(CW,I+CPV,I)⋅(1−rS)+CD,I+CB,I (16)

CR(k)=CW,R(k)+CPV,R(k)+CD,R(k)+CB,R(k)CR(k)=CW,R(k)+CPV,R(k)+CD,R(k)+CB,R(k)(17)

CO&M(k)=CW,OM(k)+CPV,OM(k)+ CD,OM(k)+CB,OM(k)CO&M(k)=CW,OM(k)+CPV,OM(k)+ CD,OM(k)+CB,OM(k) (18)

式中：f为系统寿命周期的总净现成本;R为系统寿

图3 运行模式框图

Fig. 3 Block diagram of operation mode

命;r为贴现率;rS为风电、光伏投资安装补贴率;

CI为各种电源设备的安装成本;C(k)、B(k)为第k年的其他成本和收入;CR(k)、CO&M(k)、CF(k)、CE(k)分别为第k年的置换成本、运行维护成本、燃料成本和排放气体的处理成本;S(k)为各种电源设备的折现值,只会产生于系统寿命的最后一年;W(k)为第k年的按发电量补贴收益;CW,I、CPV,I、CD,I、CB,I分别为风力发电机、光伏阵列、柴油发电机和蓄电池的安装成本;CW,R(k)、CPV,R(k)、CD,R(k)、CB,R(k)分别为风力发电机、光伏阵列、柴油发电机和蓄电池第k年的置换成本;CW,OM(k)、CPV,OM(k)、CD,OM(k)、CB,OM(k)分别为风力发电机、光伏阵列、柴油发电机和蓄电池第k年的运行维护成本。

2.3 可靠性约束

本文以负荷缺额率(loss of capacity,LOC)作为边界条件来保证供电可靠性,并采用惩罚函数法对优化变量进行约束。负荷缺额率表示为

LOC=∑i=18760Wq(i)∑i=18760Lk(i)LOC=∑i=18760Wq(i)∑i=18760Lk(i) (19)

式中Wq(i)为时间步长i的负荷缺额电量。

LOC≤LOC,maxLOC≤LOC,max (20)

式中LOC,max为允许的最大负荷缺额率。

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。

3.2 考虑不同补贴方式

根据当前的国家补贴政策,针对可再生能源发电补贴方式主要有2种：一次性投资安装补贴和按发电量补贴。本文参照目前的补贴标准分别设置风光投资安装补贴20%,风光发电补贴为0.42元/(kW•h)。并基于负荷增长模型,设置年负荷预测增长率为1%,分别在2种补贴方式下对独立微网系统容量配置优化进行仿真分析。

1)按投资安装补贴。

按投资安装补贴方式计算得到的系统最优配置结果和经济成本分别如表3、4所示。

表3 按投资安装补贴的优化配置结果

Tab. 3 Optimized result of configuration based on installation subsidy

表4 按投资安装补贴的经济成本

Tab. 4 Economic cost based on installment subsidy

如表3所示,基于投资安装补贴方式下的系统最优配置为3070 kW的风力发电机、2039 kW光伏阵列、960 kW的柴油发电机、655组蓄电池。如

表4所示,在此配置下的初始安装成本和周期内总净现成本分别为2050.1万元和7740.1万元,同时在安装时可获得357.6万元的安装补贴。

2)按发电量补贴。

按发电量补贴方式计算得到的系统最优配置结果和经济成本如表5、6所示。

如表5所示,按发电量补贴方式下的系统最优配置为2710 kW的风力发电机、2836 kW光伏阵列、

表5 按发电量补贴的优化配置结果

Tab. 5 Optimized result of configuration based on generation subsidy

表6 按发电量补贴的经济成本

Tab. 6 Total economic based on generation subsidy

916 kW的柴油发电机、2043组蓄电池。对比表3可得,风力发电机容量减少而光伏阵列容量增加,说明风机对投资安装补贴更灵敏而光伏对发电量补贴更灵敏。这主要是因为风机的安装成本较大于光伏,因此其更依赖于安装补贴。同时柴油发电机容量有所下降,而蓄电池容量大幅升高,表明在按发电量补贴方式下,系统会更多利用可再生能源发电,同时需要更大的储能空间来平滑峰谷特性。

如表6所示,在此配置下的安装成本和总净现成本分别为2 446.2万元和6 389.2万元。对比表4,在安装成本增加的情况下,总净现成本反大幅下降,这是因为按发电量补贴获得收益1 882.3万元远大于按投资安装补贴获得的收益357.6万元。因此,可以得到的结论是,对于本文研究的微网建设投资商而言,按安装补贴方式其初始投资成本较低,并可在初期获得安装补贴收益,但在寿命周期内总净现成本较大;按发电量补贴方式初始投资成本较高,但长远来看其可获得的总补贴收益较多,需要投资的总成本就更少。

考虑到微电网的规划周期过长会造成项目前期一定的电源配置容量浪费,因此本文制定了阶段性的规划,以10年为一个阶段周期进行多次规划,计算得到的结果如表7所示。

按照这种阶段性规划逐渐增加电源容量可以更好地适应负荷增长需求,同时又避免了规划前期的容量浪费。

3.3 不同电源组合方式

在微电网实际规划时,有时会受到气象、地域等多方面因素的限制,在选择电源类型时可能不能同时选择风光柴蓄四种电源,因此本文基于考虑补贴和负荷增长的多种电源组合方式进行了配置优化,优化结果如表8所示。

由表8所示,在不同电源组合方式下的总净现成本还是有所差距。其中按发电量补贴下的风柴蓄

表7 阶段性规划配置优化结果

Tab. 7 Optimized result of phased planning configuration

表8 多种电源组合配置优化结果

Tab. 8 Optimized result of configuration of many kinds power combinations

组合最为经济,按投资安装补贴下的风光蓄组合成本最高,这主要是因为风光蓄组合没有了柴油发电机就得配置超大容量的蓄电池来保证供电可靠性。

在4种配置柴油发电机的组合方式下,柴油发电机的容量变化并不明显,说明柴油发电机的容量主要是由系统峰荷所决定。同时可以看出风电相比于光伏发电还是比较有优势,这主要是因为相同容量下风力发电的年发电量大于光伏发电。但总体来看,针对本文研究地微电网,按发电量补贴方式系统寿命周期总净现成本还是低于按投资安装补贴方式。

4 结语

本文针对风光柴蓄独立微网系统,提出了一种长期的容量配置优化方法,并建立了仿真平台。通过该平台实现了基于多种电源组合方式下考虑补贴方式的独立微网容量配置优化仿真分析。结果表明,基于本文采用的补贴标准,按发电量补贴方式比按安装补贴方式对本文研究的微网建设投资商更有利,其可获得的总补贴收益更多,总投资成本更少。同时本文研究得到不同规划阶段的微电网最优配置,为微电网的分阶段建设提供了一定的参考。

附录1

#FormatImgID_15#

设备电气和经济参数

附录见本刊网络版(http://www.dwjs.com.cn/CN/volumn/current.shtml)。

参考文献

[1] 黄伟,孙昶辉,吴子平,等.含分布式发电系统的微网技术研究综述[J].电网技术,2009,33(9):14-18. Huang Wei,Sun Changhui,Wu Ziping,et al.A review on microgrid technology containing distributed generation system[J].Power System Technology,2009,33(9):14-18(in Chinese).

[2] 杨新法,苏剑,吕志鹏,等.微电网技术综述[J].中国电机工程学报,2014,34(1):57-70. Yang Xinfa,Su Jian,Lü Zhipeng,et al.Overview on micro-grid technology[J].Proceeds of the CSEE,2014,34(1):57-70(in Chinese).

[3] 肖峻,白临泉,王成山,等.基于频谱分析的孤立微网中储能和柴油发电机容量的优化方法[J].电网技术,2014,38(9):2342-2348. Xiao Jun,Bai Linquan,WangChengshan,et al.Spectrum analysis based capacity optimization method of energy storage and diesel engines in island microgrids[J].Power System Technology,2014,38(9):2342-2348(in Chinese).

[4] 乔蕾,段绍辉,汪伟,等.独立微网优化规划设计方法综述[J].电力系统及其自动化学报,2013,25(2):115-123. Qiao Lei,Duan Shaohui,Wang Wei,et al.Reviews on optimal methods for planning of stand-alone microgrid system[J].Proceedings of the CSU-EPSA,2013,25(2):115-123(in Chinese).

[5] 郭力,刘文建,焦冰琦,等.独立微网系统的多目标优化规划设计方法[J].中国电机工程学报,2014,34(4):524-536. Guo Li,Liu Wenjian,Jiao Bingqi,et al.Multi-objective optimal planning design method for stand-alone microgrid system[J].Proceeds of the CSEE,2014,34(4):524-536(in Chinese).

[6] 曹晓宇,王建学,张忠,等.基于长期运行模拟的独立型微网规划方案动态评估[J].电工技术学报,2016,31(21):46-56. Cao Xiaoyu,Wang Jianxue,Zhang Zhong,et al.Dynamic assessment of stand-alone microgrid planning using long-term simulation[J].Transactions of China Electrotechnical Society,2016,31(21):46-56(in Chinese).

[7] 王成山,焦冰琦,郭力,等.微电网规划设计方法综述[J].电力建设,2015,36(1):38-45. WangChengshan,Jiao Bingqi,Guo Li,et al.Review of methods of planning and design of microgrids[J].Electric Power Construction,2015,36(1):38-45(in Chinese).

[8] 刘子秋,黄民翔.基于可靠性与经济性的计及微电源自身特性的微电网能量优化配置[J].电网技术,2014,38(5):1352-1357. Liu Ziqiu,Huang Minxiang.Optimal energy allocation of microgrid based on reliability and economy by considering acteristics of micro source[J].Power System Technology,2014,38(5):1352-1357(in Chinese).

[9] 刘梦璇,王成山,郭力,等.基于多目标的独立微电网优化设计方法[J].电力系统自动化,2012,36(17):34-39. Liu Mengxuan,Wang Chengshan,Guo Li,et al.An optimal design method of muti-objective based microgrid[J].Automation of Electric Power Systems,2012,36(17):34-39(in Chinese).

[10] 陈健,刘玉田,张文,等.基于博弈论的配电网中多级微电网优化配置分析[J].电力系统自动化,2016,40(1):45-52. Chen Jian,Liu Yutian,Zhang Wen,et al.Optimal sizing analysis of multilevel microgrids in distribution network based on game theory[J].Automation of Electric Power Systems,2016,40(1):45-52(in Chinese).

[11] 余舟子,郭力,刘文建,等.独立微网随机优化规划软件及其实现[J].电力系统自动化,2015,39(6):18-23.Yu Zhouzi,Guo Li,Liu Wenjian,et al.A stochastic optimal planning software for stand-alone microgrid and its implementation[J].Automation of Electric Power Systems,2015,39(6):18-23(in Chinese).

[12] 肖峻,白临泉,王成山,等.微网规划设计方法与软件[J].中国电机工程学报,2012,32(25):149-157. XiaoJun,Bai Linquan,Wang Chengshan,et al.Method and software for planning and designing of microgrid[J].Proceeds of the CSEE,2012,32(25):149-157(in Chinese).

[13] 朱兰,周雪莹,唐陇军,等.计及可中断负荷的微电网多目标优化运行[J].电网技术,2017,41(6):1847-1854. Zhu Lan,Zhou Xueying,Tang Longjun,et al.Multi-objective optimal operation for microgrid considering interruptible loads[J].Power System Technology,2017,41(6):1847-1854(in Chinese).

[14] 吕双辉,蔡声霞,王守相.分布式光伏-储能系统的经济性评估及发展建议[J].中国电力,2015,48(2):139-144. Lü Shuanghui,Cai Shengxia,Wang Shouxiang.Economy evalution and development suggestions for distributed PV-Energy storage system in China[J].Electric Power,2015,48(2):139-144(in Chinese).

[15] 周楠,樊玮,刘念,等.基于需求响应的光伏微网储能系统多目标容量优化配置[J].电网技术,2016,40(6):1709-1716. Zhou Nan,Fan Wei,Liu Nian,et al.Battery storage multi-objective optimization for capacity configuration of PV-Based microgrid considering demand response[J].Power System Technology,2016,40(6):1709-1716(in Chinese).

[16] 丁明,王波,赵波,等.独立风光柴储微网系统容量优化配置[J].电网技术,2013,37(3):575-581. DingMing,Wang Bo,Zhao Bo,et al.Configuration optimization of capacity of standalone PV-wind-diesel-battery hybrid microgrid[J].Power System Technology,2013,37(3):575-581(in Chinese).

[17] Manwell J F,McGowan J G.Lead acid battery storage model for hybrid energy systems[J].Solar Energy,1993,50(5):399-405.

[18] 郑金华. 多目标进化算法及其应用[M].北京:科学出版社,2007.

[19] Sureshkumar U,Manoharan P S,Ramalakshmi A P S.Economic cost analysis of hybrid renewable energy system using HOMER [C]//International Conference on Advances in Engineering,Science and Management(ICAESM).Nagapattinam,India:IEEE,2012:94-99.