考虑车辆到家庭集成模式的独立房屋可再生能源混合动力系统最优容量配置
来源：
卡特蓄电池 发布时间：2026-10-09 17:13:14 点击： 次
图文摘要
1. 引言
全球约有7.5亿人仍无法使用电网供电，主要集中在电网扩展不具经济效益的偏远地区[1]。撒哈拉以南非洲地区占绝大多数，五分之四的人口缺乏电力，而亚洲约有1.07亿人（主要在巴基斯坦、缅甸和朝鲜）也仍无法使用电网[2]。尽管澳大利亚只有2%的人口使用离网电力，但这些地区占全国用电量的6%以上，近年来由于偏远挖矿部门的扩展，用电需求不断上升[3在南澳大利亚州，许多偏远社区（包括原住民社区）仍依赖老化的偏远地区能源供应（RAES）柴油系统，涉及13个偏远城镇和15个偏远原住民社区[4]。这些系统成本高昂，会造成空气污染，且因基础设施老化而不可靠。偏远地区的维修工作进展缓慢，极端天气事件可能导致长时间停电，正如2024年10月弗林德斯和北弗林德斯山脉地区所发生的那样，该地区许多人断电长达六天[5].
屋顶光伏（PV）和小型风力涡轮机（WT）作为可再生能源，可为偏远地区提供更清洁、更可靠的替代能源。然而，它们的缺点是风力发电和光伏发电具有不确定性，因为它们依赖于天气。因此，通常需要大型电池储能（BES）等备用系统，以确保独立房屋的可靠电力供应，这会增加偏远地区能源系统的整体成本。需求越高，所需的电池容量就越大。
本研究的创新之处在于，针对南澳大利亚的一个独立住宅案例，将离网光伏/风电/储能系统/电动汽车的最优容量配置，与车辆到家庭（V2H）运行、基于预测的模糊需求侧管理、随机电动汽车可用性以及电池退化建模相结合。V2H运行允许电动汽车将其电池作为移动储能装置，在可再生能源发电量低或需求高峰期间提供额外的备用电源。
多项研究致力于确定混合动力系统的最佳规模。在[6]中，通过四种不同的元启发式算法（非洲秃鹫优化算法(AVOA)、粒子群算法(PSO)、鲸鱼优化算法(WOA)、飞蛾-火焰优化算法(MFO)）优化了孤立微电网中的风力发电(WT)、光伏发电(PV)和电池储能系统(BES)的规模，以最小化平准化度电成本(LCOE)，其中PSO表现最佳。PSO实现了低LCOE、高可靠性和100%可再生能源利用率，并配合电池储能减少了排放；然而，未考虑车辆到家庭(V2H)集成和电池退化问题。
在[7]中，一种结合了光伏(PV)、风力发电(WT)、微型燃气轮机(MGT)和锂离子电池的独立混合系统针对电和热负荷进行了优化，实现了CO2随着热/电读档比例的增加，成本降低、投资成本下降以及COE降低；然而，由于使用了MGT燃料费，它并非完全清洁，且未考虑电池退化或V2H集成。在[8]，使用HOMER对包含光伏、风电、柴油发电机（DG）、电池和变流器的离网混合交流-直流微电网进行了最优尺寸设计，考虑了度电成本（COE）和供电可靠性概率，但未纳入需求侧管理或完全清洁的系统。燃料电池技术作为光伏和风电混合能源系统的一部分被应用于家庭中[9]。使用光伏/风电/柴油发电机/电池储能系统/变流器的孤立微电网的最优设计在[10]所示，但由于分布式电源的使用，并未完全实现清洁。WT/PV/生物质能/储能微电网的最优设计最小化了NPC和COE，提供了100%的可再生能源电力，并分析了技术经济敏感性，但未集成需求侧管理或车辆到家庭技术[11].
在[12]中，规划了一个用于农村地区的混合微电网，并使用HOMER分析了NPC、能源和运行成本、发电量以及排放量。在[13]中，使用HOMER优化了农村离网系统的光伏/柴油/电池混合系统，实现了经济效益并降低了排放，但未考虑V2H运行。在[14]中，通过需求侧管理，在负荷估算期间应用负荷转移和战略性节电，降低了NPC。
在[15]中，优化旨在满足读档需求，同时在不同的供电中断概率（LPSP）下最小化能源成本（COE），且未考虑电池退化或V2H集成。[16]中提出的家庭能源管理系统（HEMS）同时考虑了能源的生成与消耗，管理着各电源之间的功率流，但未考虑电池退化或需求侧管理。在[17]中，开发了一种新型的需求侧管理（DSM）方法，用于优化独立家庭的光伏（PV）、风力涡轮机（WT）和电池储能系统（BES）的容量配置，且未考虑V2H集成。所综述研究的主要特点和局限性总结在表1中关于独立房屋最优尺寸的前期研究约束条件总结。表1中只有一项研究关注通过V2H集成来优化家庭能源成本；然而，电池退化等重要因素被忽视了。其余研究忽略了V2H运行模式的影响，而该模式在确定最佳系统规模方面起着重要作用。此外，所有综述文献均未考虑配备光伏、电池储能和电动汽车系统的离网家庭在V2H模式下运行时的需求侧管理策略，同时未考虑电池退化以最小化电力成本。
表1。关于独立房屋最优尺寸的前期研究约束条件总结。
设计经济且环保的RAES系统非常复杂，因为它需要协调整合可再生能源（RESs）、BES、DSM和V2H技术，以在最佳容量与成本效益之间取得平衡。本研究通过整合V2H运行、基于预测的模糊DSM、随机EV可用性以及电池退化建模，在南澳大利亚的一个独立住宅案例研究中，探讨了离网PV/WT/BES/EV系统的最佳容量。本研究的主要贡献如下：
- 开发一种基于模糊逻辑的DSM策略，利用BES和EV的SOC以及日前可再生能源发电预测，实现独立可再生能源-电池-电动汽车系统的最优配置。
- 在DSM和非DSM场景下，对三种系统配置（PV-BES-EV、WT-BES-EV和PV-WT-BES-EV）进行V2H运行下的最优配置。
- 最小化项目全寿命周期的净现值成本（NPC），并将LCOE作为经济性能指标进行评估。
- 使用南澳大利亚真实的住宅案例研究数据，验证所提方法的有效性。
2. 独立房屋系统模型
本研究考虑了一座位于南澳大利亚的离网房屋，该房屋配备了屋顶光伏、屋顶风力涡轮机、电池储能系统以及一辆支持V2H模式运行的电动汽车。
2.1. 风力涡轮机系统模型
风力涡轮机的输出功率（Powt）取决于风速和涡轮机特性。它可以通过公式(1)计算，该公式考虑了额定风速、切入风速和切出风速（Vrt, Vwci，以及Vwco) 以及额定功率 (Pwt,rated ) [18]。本研究采用了实际测量的风速数据。风力发电机通过风能转换系统将风能转化为电能，发电量随风速的季节性变化而变化。
