Optimized wind-solar-storage configuration of industrial park microgrids based on improved differential evolution algorithm

ZHANG Yuanxi; YANG Guohua; MA Longteng; MA Xin; LIU Yaoze

doi:10.3969/j.issn.2097-0706.2025.09.008

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

Optimized wind-solar-storage configuration of industrial park microgrids based on improved differential evolution algorithm

Coordinated Optimization and Market Mechanisms of Flexible Resources | 更新时间：2025-10-29

- Optimized wind-solar-storage configuration of industrial park microgrids based on improved differential evolution algorithm
- BLASTING Vol. 47, Issue 9, Pages: 71-79(2025)
- 作者机构：
  
  1.宁夏大学电子与电气工程学院，银川 750021
  2.宁夏电力能源安全重点实验室，银川 750004
- 作者简介：
- 基金信息：
  
  Ningxia Natural Science Foundation Project(2023AAC03853);Ningxia University Graduate Innovation Project(CXXM2025087)
- DOI：10.3969/j.issn.2097-0706.2025.09.008
  CLC：
- Received：15 April 2025，
  
  Revised：2025-07-11，
  
  Published Online：17 September 2025，
  
  Published：25 September 2025
- 稿件说明：
移动端阅览
张元曦,杨国华,马龙腾等.基于改进DE算法的园区微电网风光储优化配置[J].综合智慧能源,2025,47(09):71-79.

ZHANG Yuanxi,YANG Guohua,MA Longteng,et al.Optimized wind-solar-storage configuration of industrial park microgrids based on improved differential evolution algorithm[J].BLASTING,2025,47(09):71-79.
张元曦,杨国华,马龙腾等.基于改进DE算法的园区微电网风光储优化配置[J].综合智慧能源,2025,47(09):71-79. DOI： 10.3969/j.issn.2097-0706.2025.09.008.

ZHANG Yuanxi,YANG Guohua,MA Longteng,et al.Optimized wind-solar-storage configuration of industrial park microgrids based on improved differential evolution algorithm[J].BLASTING,2025,47(09):71-79. DOI： 10.3969/j.issn.2097-0706.2025.09.008.

摘要

针对传统差分进化（DE）算法在多园区微电网风光储系统优化配置中易陷入局部最优、物理可解释性弱的局限，提出了改进DE算法与物理机理融合的优化框架。构建以日供电成本最小化为目标的风光储配置模型，嵌入储能充放电效率及荷电状态约束；设计三重自适应改进DE算法：采用双阶段线性衰减机制调节缩放因子和交叉概率，融合精英历史经验复用策略提升收敛速度，引入双模振荡扰动增强多样性；从源荷适配的物理本质出发，剖析储能配置与风光负荷曲线的内在规律。算例表明：改进DE算法较传统DE、粒子群和遗传算法效果更好，联合运行成本降至15 424.06元；联合运行的供电成本较独立运行总和的供电成本降低6.11%，储能总功率与容量分别节省30.77%和50.00%，弃风弃光量归零；储能配置具有最大单时段弃电量决定功率、最大连续弃电总量决定容量的普适规律，基于此的B园区物理估算方案成本为5 065.43元，较优化算法结果（5 066.22元）更低。通过算法改进与物理规律挖掘，为风光储系统优化配置提供了高精度、强可解释性的解决方案。

Abstract

To address the limitations of traditional differential evolution （DE） algorithms—susceptibility to local optima and weak physical interpretability—in the optimal configuration of wind-solar-storage systems in multi-park microgrids， an optimization framework integrating an improved DE algorithm with physical mechanisms was proposed. A wind-solar-storage configuration model was established with the objective of minimizing daily power supply costs， incorporating constraints on energy storage charging/discharging efficiency and state of charge. A triple-adaptive improved DE algorithm was designed： a dual-phase linear decay mechanism was used to adjust the scaling factor and crossover probability， an elite historical experience reuse strategy was integrated to enhance convergence speed， and a dual-mode oscillatory disturbance was introduced to increase population diversity. From the physical essence of source-load matching， the intrinsic patterns between energy storage configuration and wind-solar load curves were analyzed. Case studies showed that： the improved DE algorithm outperformed traditional DE， particle swarm optimization， and genetic algorithms， reducing the joint operating costs to 15 424.06 yuan； the joint operation reduced the power supply cost by 6.11% compared to the sum of independent operations and saved 30.77% of total energy storage power and 50.00% of capacity， with wind and solar curtailment reduced to zero； energy storage configuration followed a universal pattern that the power rating was determined by the maximum single-interval curtailment， and the capacity was determined by the maximum consecutive curtailment. Based on this， the physical estimation scheme for Park B reduced the coet to 5 065.43 yuan， which was lower than the result obtained by the optimization algorithm （5 066.22 yuan）. By combining algorithm improvement with the exploration of physical patterns， a high-precision and strongly interpretable solution for the optimal configuration of wind-solar-storage systems is provided.

关键词

Keywords

references

HASSAN Q ， ALGBURI S ， SAMEEN A Z ， et al . A review of hybrid renewable energy systems： Solar and wind-powered solutions： Challenges， opportunities， and policy implications ［J］. Results in Engineering ， 2023 ， 20 ： 101621 .

张元曦，杨国华，杨娜，等 . 基于 K -means聚类的LSTM-SVR-DE光伏功率组合预测［J］. 综合智慧能源， 2025 ， 47 （ 2 ）： 71 - 78 .

ZHANG Yuanxi ， YANG Guohua ， YANG Na ， et al . Photovoltaic power prediction based on K -means clustering and the LSTM-SVR-DE model ［J］. Integrated Intelligent Energy ， 2025 ， 47 （ 2 ）： 71 - 78 .

XIAO Y L ， ZOU C Z ， DONG M Q ， et al . Feasibility study： Economic and technical analysis of optimal configuration and operation of a hybrid CSP/PV/wind power cogeneration system with energy storage ［J］. Renewable Energy ， 2024 ， 225 ： 120273 .

刘博，姜秉梁，郝宁，等 . 分时阶梯电价-微电网联合优化调度的不确定二层规划方法［J］. 电力系统保护与控制， 2019 ， 47 （ 7 ）： 75 - 83 .

LIU Bo ， JIANG Bingliang ， HAO Ning ， et al . Coordinated optimization of TOU & tiered pricing and optimal scheduling model combining microgrid under uncertain bilevel programming ［J］. Power System Protection and Control ， 2019 ， 47 （ 7 ）： 75 - 83 .

WANG J B ， WEN J F ， WANG J R ， et al . Coordinated scheduling of wind-solar-hydrogen-battery storage system for techno-economic-environmental optimization of hydrogen production ［J］. Energy Conversion and Management ， 2024 ， 314 ： 118695 .

WEI D N ， ZHANG Z L ， ZHANG W Q ， et al . Optimization of multi-energy complementary power generation system configuration based on particle swarm optimization ［J］. Energy Reports ， 2024 ， 12 ： 2257 - 2269 .

李湃，方保民，祁太元，等 . 基于源-荷匹配的区域电网风/光/储容量配比优化方法［J］. 中国电力， 2022 ， 55 （ 1 ）： 46 - 54 .

LI Pai ， FANG Baomin ， QI Taiyuan ， et al . Capacity proportion optimization of wind， solar power and battery energy storage system for regional power grid based on source-load matching ［J］. Electric Power ， 2022 ， 55 （ 1 ）： 46 - 54 .

QIAO B H ， LIU J . Multi-objective dynamic economic emission dispatch based on electric vehicles and wind power integrated system using differential evolution algorithm ［J］. Renewable Energy ， 2020 ， 154 ： 316 - 336 .

王鑫，陈祖翠，卞在平，等 . 基于粒子群优化算法的智慧微电网风光储容量优化配置［J］. 综合智慧能源， 2022 ， 44 （ 6 ）： 52 - 58 .

WANG Xin ， CHEN Zucui ， BIAN Zaiping ， et al . Optimal allocation of a wind-PV-battery hybrid system in smart microgrid based on particle swarm optimization algorithm ［J］. Integrated Intelligent Energy ， 2022 ， 44 （ 6 ）： 52 - 58 .

汪洋叶，赵力航，常伟光，等 . 基于模型预测控制的虚拟电厂储能系统能量协同优化调控方法［J］. 智慧电力， 2021 ， 49 （ 7 ）： 16 - 22 .

WANG Yangye ， ZHAO Lihang ， CHANG Weiguang ， et al . Model predictive control based energy collaborative optimization control method for energy storage system of virtual power plant ［J］. Smart Power ， 2021 ， 49 （ 7 ）： 16 - 22 .

杨丽君，黄凯婷，孔晓磊，等 . 考虑柔性负荷的并网型微电网系统容量优化配置［J］. 太阳能学报， 2021 ， 42 （ 2 ）： 309 - 316 .

YANG Lijun ， HUANG Kaiting ， KONG Xiaolei ， et al . Capacity optimization configuration of grid-connected microgrid system considering flexible load ［J］. Acta Energiae Solaris Sinica ， 2021 ， 42 （ 2 ）： 309 - 316 .

XU X F ， WANG K ， MA W H ， et al . Multi-objective particle swarm optimization algorithm based on multi-strategy improvement for hybrid energy storage optimization configuration ［J］. Renewable Energy ， 2024 ， 223 ： 120086 .

WANG J X ， WEN Y J ， WU K G ， et al . Optimization study of wind， solar， hydro and hydrogen storage based on improved multi-objective particle swarm optimization ［J］. Journal of Energy Storage ， 2024 ， 93 ： 112298 .

周成伟，李鹏，俞斌，等 . 风光储微电网储能系统容量优化配置［J］. 综合智慧能源， 2022 ， 44 （ 12 ）： 56 - 61 .

ZHOU Chengwei ， LI Peng ， YU Bin ， et al . Optimal configuration for energy storage system capacity of wind-solar-storage microgrid ［J］. Integrated Intelligent Energy ， 2022 ， 44 （ 12 ）： 56 - 61 .

李鑫，李俊伟，陈薇，等 . 基于SPEA2的风光柴储独立微电网多目标容量优化配置［J］. 热力发电， 2024 ， 53 （ 8 ）： 9 - 19 .

LI Xin ， LI Junwei ， CHEN Wei ， et al . Multi-objective capacity optimization allocation of wind-PV-diesel-battery stand-alone microgrid based on SPEA2 ［J］. Thermal Power Generation ， 2024 ， 53 （ 8 ）： 9 - 19 .

贾宏刚，王主丁，岳园园，等 . 微电网调度模型的寻优性能与求解效率改进优化［J］. 中国电力， 2023 ， 56 （ 6 ）： 107 - 113， 131 .

JIA Honggang ， WANG Zhuding ， YUE Yuanyuan ， et al . Optimization performance and efficiency improvement of microgrid scheduling model ［J］. Electric Power ， 2023 ， 56 （ 6 ）： 107 - 113， 131 .

沈鑫，邹德旋，张强 . 采用双变异策略的自适应差分进化算法及应用［J］. 计算机工程与应用， 2020 ， 56 （ 4 ）： 146 - 157 .

SHEN Xin ， ZOU Dexuan ， ZHANG Qiang . Adaptive differential evolution algorithm using double mutation strategies and its application ［J］. Computer Engineering and Applications ， 2020 ， 56 （ 4 ）： 146 - 157 .

GONG J B ， LAI L Y J ， ZHANG J Y ， et al . A triple population adaptive differential evolution ［J］. Information Sciences ， 2025 ， 688 ： 121401 .

WU N ， XU J ， JINQING L H ， et al . Real-time optimal control and dispatching strategy of multi-microgrid energy based on storage collaborative ［J］. International Journal of Electrical Power & Energy Systems ， 2024 ， 160 ： 110063 .

MA T ， LI M J ， FAN C H ， et al . A novel real-time dynamic performance evaluation and capacity configuration optimization method of generation-storage-load for integrated energy system ［J］. Applied Energy ， 2024 ， 347 ： 123896 .

FAIA R ， FARIA P ， VALE Z ， et al . Demand response optimization using particle swarm algorithm considering optimum battery energy storage schedule in a residential house ［J］. Energies ， 2019 ， 12 （ 9 ）： 12091645 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

No data

Related Author

No data

Related Institution

No data

AI问答

⁰