1.引言/Introduction
当前，全球环境问题日益严峻，开发独立、可靠且环保的住宅能源供应系统愈发重要，其中以风光为主的混合可再生能源系统成为重要发展方向。但由于可再生资源的间歇性和不确定性，以及可再生能源系统中多个关键组件间的耦合关系，如何平衡成本、供能可靠性和可再生能源利用率，构成了典型的“多目标、多约束、非线性、高维复杂”优化问题。现有研究的缺憾在于：其一，不少工作仍停留在单目标优化或加权求和处理多目标优化问题；其二，高维情形下的多目标启发式算法面临帕累托前沿多样性不足、收敛性难以定量评估等问题。近日，同济大学碳中和研究院马天才教授团队提出改进的NSGA-III算法，针对包含氢能子系统的新型住宅用离网混合可再生能源系统进行多目标配置优化，旨在平衡该系统的成本、可靠性和可再生能源利用率。
2.研究方法/Method
针对上述问题，本研究首先基于单户住宅使用场景，设计了离网混合可再生能源系统架构，包括太阳能光伏板、风力发电机、碱性电解槽、固态储氢、燃料电池热电联供系统、锂电池组和储热水箱，并构建了各组件的数学模型。随后，将系统配置问题定义为以最小化总年成本（TAC）、电力供应损失概率（LPSP）和可再生能源损失率（LRE）为目标的优化问题。这三个指标分别代表了系统的经济性、供能可靠性和可再生能源吸收能力。最后，针对该多目标优化问题，提出了一种基于超体积（Hypervolume）指标改进的NSGA-III算法，该算法通过引入自适应变异算子和基于超体积贡献（HVC）的选择机制，取代了以往算法的随机选择模式，从而提升了算法的收敛性和鲁棒性 。
3.研究成果/Academic Achievements
图1 离网混合可再生能源系统架构示意图
研究结果表明，系统配置的三个优化目标是相互冲突的，无法同时达到最优。进而在所获得的帕累托最优解集中，提出了4种典型方案。系统集成商和目标社区应根据自身情况和考虑来选择合适的解决方案。此外，对夏季和冬季典型日的系统性能分析表明，所求解的可再生能源系统配置能够可靠地供应电能和热能。与其他多目标优化算法相比，改进型NSGA-III算法的帕累托前沿指数达到82.19%，比原始NSGA-III算法提高了3.55%。并且，它获得了最接近真实帕累托前沿的解，表现出极好的收敛速度，标准差仅为0.296。这表明该算法在解决可再生能源系统中的多目标优化问题方面效果最优。
图2 帕累托解集在优化目标函数上的分布：(a) LPSP和LRE；(b) LRE和TAC；(c) LPSP和TAC
图3 不同多目标优化算法的帕累托前沿指数曲线
该研究针对离网混合可再生能源系统的配置优化问题，提出了系统全面的优化目标与可靠有效的优化方法，有助于推动可再生能源系统降本增效，对构建清洁低碳的能源供应体系具有重要意义。
相关成果以“Multi-objective optimal configuration of off-grid residential hybrid renewable energy system based on hypervolume-improved Non-dominated Sorting Genetic Algorithm III”为题，发表于国际期刊International Journal of Hydrogen Energy。同济大学碳中和研究院马天才老师为论文第一作者。研究得到了国家重点研发项目资助。
论文链接：https://doi.org/10.1016/j.ijhydene.2024.08.484