基于多结太阳能电池的CPV-氢系统独立运行性能模型及优化策略 微型进化算法

www.sciencedirect.com/science/art…

重点

• 提出了独立concentrated photovoltaic (CPV)-氢气系统的性能和优化策略。

• 用微型GA实现了多目标的技术经济优化。

• 在不同的天气条件和太阳能输入下分析了系统性能。

• 建议的方法可以弥补现有商业工具的不足。

摘要

尽管太阳能具有最高的能源潜力，但它只在昼夜温差大的时期可用。因此，由于太阳能的[间歇性]，[太阳能系统]需要在独立的配置中运行，以获得稳定的电力供应，这就需要可靠和可持续的能源储存。[氢气生产]已被证明是中长期运行的最可靠和可持续的能源储存选择。然而，首先必须以高效率捕获太阳能，以减少系统和能源储存的整体尺寸。多结太阳能电池（MJCs）在所有[光伏技术]中提供了最高的能源效率，集中式光伏（CPV）系统概念使其使用具有成本效益。然而，文献中缺乏CPV-氢气系统独立运行的性能模型和[优化策略]。此外，没有商业工具可以分析[CPV性能]，利用多结太阳能电池。本文提出了CPV-氢气系统的性能模型，以及使用微型遗传算法（micro-GA）对其独立运行和技术经济分析的多目标优化策略。带有压缩存储和燃料电池的[电解制氢]被用作[储能系统]。对InGaP/InGaAs/Ge三[结太阳能电池]的实验数据验证了[CPV]模型。提供了一个最佳的CPV系统设计，即使在季节性天气变化下也能实现不间断的电力供应。这种方法可以很容易地与商业工具相结合，所提供的性能数据可用于设计系统的各个组成部分。

简介

由于太阳能的[间歇性][[1]]和供电设置的主要要求，[太阳能系统]需要在独立的配置中运行，以获得稳定的电力供应。此外，它必须能够在任何时候满足消费者的需求。当前的全球变暖形势要求[可再生能源]取代传统的化石燃料，作为主要能源供应[[2]], [[3]], [[4]]。然而，尽管太阳能是最有潜力的能源[[5]]，但其性质是间歇性的，这就要求有可持续的和足够的能源储存，以便持续供电。[氢气生产]已被证明是中长期运行的最可靠和可持续的储能选择[[6]]，因为传统的电化学储能即电池只适用于短期和小容量系统[[7]]。

此外，系统的[能量转换效率]是另一个重要的参数，它决定了特定负荷需求的总体规模，特别是在可再生能源资源的情况下。集中式[光伏]（CPV）系统，利用多结太阳能电池（MJC），在所有[光伏技术]中提供最高的太阳能转换效率[[8]], [[9]], [[10]]。另一方面，整个光伏市场被传统的带有单[结点太阳能电池][[11]]的平板面板所主导。此外，所有的理论研究也都集中在传统平板的利用和性能调查上，利用单结太阳能电池。尽管处于太阳能电池效率图表的顶端[[12]]，基于MJC的CPV系统仍然缺乏客户和研究人员的兴趣。此外，没有一个商业可再生能源系统模拟和优化工具，如HOMER[[13]]、iHOGA[[14]]、TRNSYS + HYDROGEMS、HYBRIDS2、INSEL、ARES、RAPSIM、SOMES和SOLSIM[[15]]，为CPV系统提供了性能模型和模拟/优化策略。

到目前为止，已经报道了在标准测试条件（STC）下利用CPV产生的电力生产氢气的最高效率为24%[[16]]，这几乎是传统光伏系统单独发电效率的2至3倍，性能比为50-80%[[17]]。因此，不仅基于单独的CPV系统的最高效率，而且基于CPV-氢气系统，它可以提供最紧凑和高效的独立太阳能系统，并具有稳定的电力供应。然而，文献中缺乏独立运行的CPV-氢系统的详细性能和[优化策略]。在我们以前的出版物[[18]]中已经首次报道了CPV的性能模型和优化。然而，在本文中，通过纳入CPV聚光组件的所有可能方面，提出了CPV-氢气系统的修订性能模型和优化策略，并进行了详细分析。首先，通过使用多结太阳能电池的特性和聚光组件的光学排列，提出了CPV系统的模型，用于其性能模拟。由于CPV聚光组件的不同光学布置及其对CPV输出的影响，考虑可能影响系统性能的每个参数非常重要。商业CPV系统设计有明确定义的[光学参数]，这些参数包括在更新的模型中，并修订了优化策略。此外，所提出的模型首次在2%的误差范围内进行了实验验证。其次，基于所提出的CPV-氢气系统各组成部分的性能模型，通过使用微型遗传算法（micro-GA），对系统的整体尺寸进行了优化，以实现独立运行，具有适当的能量储存水平，但系统成本最低。

独立的CPV-氢气系统

[图1]显示了拟议的独立[太阳能系统]的示意图，该系统以[CPV系统]为基础，利用[氢气生产]作为能量储存。主要的发电单元是聚光光伏（CPV）系统，它可以使用透镜或反射器作为聚光器，将太阳辐射集中到小面积的多接面太阳能电池（MJC）上。由于[太阳能聚光器]只能对太阳辐射的光束部分作出反应，[CPV模块]被安装在两轴太阳能跟踪器上。根据要求和配置，[CPV]系统的聚光组件可以包括基于菲涅尔透镜和[均质器]的单级聚光，或使用反射器和均质器的[卡塞格伦]配置的双级聚光。为了确保CPV系统的最大输出，[最大功率点跟踪]（MPPT）装置被连接到它上面，然后通过DC/DC转换器将其功率输出供应到主直流线连接。主直流线接受来自所有来源的电力，并通过DC/AC转换器将其供应给主要消费负荷。它还向CPV-氢气系统的所有耗电部件，即太阳能跟踪器和[气体压缩机]提供电力。功率转换器是必要的，以匹配产生的电压和所需的功率之间的差异。

图1. 独立运行的CPV-氢气系统的示意图。

在满足消费者和系统负荷需求后，多余的发电量被供应给[电解器]，以[生产氢气]和氧气作为能量储存，从[电解水]中产生。然而，在CPV系统发电量较少或夜间供电的情况下，储存的氢气和氧气或环境空气被供应给燃料电池，以产生不足的电力，然后供应给消费者负荷，并将水生产作为副产品。为了减少能量储存的足迹，氢气被压缩并使用机械压缩机储存在气缸中。然而，氧气被储存在生产压力下，以降低成本和[电力消耗]，因为在缺乏的情况下，它也可以从环境空气中获得。在拟议的独立运行中，所有的部件都在一个循环中运行，不需要任何外部供应。假设泄漏损失为零，用于电解的水通过燃料电池中的氢气和氧气反应补充回来，在发电的过程中。因此，拟议的配置也是用于远程应用的理想选择。

CPV-氢气系统性能模型

为了优化独立运行的CPV-氢气系统的整体尺寸，但以最低的成本，首先，需要为系统的每个组成部分开发性能模型，以模拟整个系统的性能。[图2]显示了拟议的独立CPV-氢气系统配置的能源管理。天气数据，以太阳能的[直接正常辐照度]（DNI）和环境温度的形式，作为系统性能模型的主要动力输入。根据聚光组件的配置，无论是单级还是双级，都可以计算出MJC区域的浓度，进而通过了解电池的特性，给出CPV系统的整体功率输出。根据消费者的电力负荷情况，也作为系统性能模拟的输入，计算出过剩或不足的电力需求，这定义了电力流动路线，无论是从CPV还是燃料电池。本节将进一步讨论CPV-氢气系统的每个组成部分的性能模型。

图2]()

图2. 拟议的独立CPV-氢系统的能源管理战略。

###集中式光伏（CPV）系统

为了模拟CPV系统的功率输出，性能模型是基于多结太阳能电池（MJC）的特性，针对浓度和温度。通过使用浓度下的太阳能电池的简单[二极管模型]，单个MJC的功率输出由公式[(1)] [[19]]给出。(1)==[{exp()-1}-]

为了找出二极管[饱和]电流系数'Io'，引用了开路电压条件，即I=0，V=VOC。（2）=[exp()-1] 。

如上所述，CPV系统的性能模型是基于多结太阳能电池（MJC）的温度和浓度特性。在本研究中，考虑了三[结太阳能电池]InGaP/InGaAs/Ge，其性能特征曲线见[图3]、[图4]、[图5]、[图6]。可以看出，MJC的开路电压随电池区域的浓度呈对数变化。然而，短路电流对浓度的变化呈直线趋势。通过使用公式[(3)], [(4)], MJC的开路电压和短路电流, 可以找到在任何电池温度和浓度下, 通过电池性能在25 °C时对浓度的变化, 以及相应的[温度系数]. (3)(,)=[(25)]+(-25)[] (4)(,)=[(25)]+(-25)[]

！图3

图3. InGaP/InGaAs/Ge MJC的短路电流随浓度和温度变化的情况。

！图4

图4. InGaP/InGaAs/Ge MJC的开路电压随浓度和温度的变化。

图5. InGaP/InGaAs/Ge MJC的(a)开路电压(b)短路电流在25℃时随浓度变化的情况。

图6. InGaP/InGaAs/Ge MJC的[温度系数]对浓度的变化(a)开路电压(b)短路电流。

对于一定面积的MJC和[太阳能聚光器]，电池区的浓度取决于收到的DNI和聚光组件的光学效率。后者取决于聚光组件的每个光学部件的光学效率，无论是单级还是双级。电池区的浓度由公式[(5)]给出。 (5)=××

基于菲涅尔透镜和[均质器]的单级聚光，或由主抛物面反射器和次双曲面反射器及均质器组成的双级[卡塞格伦]排列，聚光组件的整体光学效率可由单个组件的光学效率的乘积来计算，如公式[(6A)]分别给出。 (6A)=××=×{<[=1−[−,max−]=1+−2≅0.2≅0.65=1Or(6B)=2×××{<[=1−[−,max−]=1+−2≅0.42≅1.4=1

关于MJC的温度，预测它比环境温度高40℃，因为MJC和[背板]之间的温差约为10℃[[21]]，背板温度被假定为比环境温度高20-30℃。现在可以用公式[(7)]计算CPV系统的总功率输出。(7)=/×××××

参数Pmppt给出了单个MJC电池的功率输出，但在[最大功率点]，这将在下一小节讨论。此外，跟踪器消耗的功率只考虑在白天，从日出到日落，正如[太阳能几何][[22]]中解释的那样。目前研究中使用的所有恒定参数的值，在[表1]中进行了总结。

表1. CPV-氢气性能模型的恒定参数。

| 参数 | 数值 | 参数 | 数值 | - | - | | - | | q (库仑) [[20]] | 1.6021765 × 10-19 | a1 [[30]] | 0.995 | | k (m2kgs-2K-1) [[20] ] | 1.3806488 × 10-23 | a2 (m2 A-1) [[30] ] | -9.5788 ! | nC [[20]] | 2 | a3 (m2 A-1 °C-1) [[30]] | -0.0555 | ηmppt [[25]] | 85% | a4 [[30]] | 0 ! | ηDC/AC [[26]], [[27]] | 90% | F (As mol-1) [[30]] | 96,485 | | ηCDC [[28]], [[29]] | 95% | a5 (m4 A-1) [[30]] | 1502.7083 | Urev (V) [[30]] | 1.229 | a6 (m4 A-1 ℃-1) [[30]] | -70.8005 | | r1 (Ωm2) [[30]] | 7.331 × 10-5 | a7 [[30]] | 0 ! | r2 (Ωm2 °C-1) [[30]] | -1.107 × 10-7 | n [[30]] | 2 ! | S1 (V) [[30]] | 1.586 × 10-1 | Uo (mV) [[30]] | 1065 | S2 (V °C-1) [[30] ] | 1.378 × 10-3 | b (mV dec-1) [[30] ] | 80 | | AE（m2）[[30]] | 0.25 | R（Ωcm-2）[[30]] | 0.438 | | S3（V °C-2）[[30]] | -1.606 × 10-5 | MH2（g/mol） | 2.0159 | | t1 (m2 A-1) [[30]] | 1.599 × 10-2 | CPH (J/kg K) | 14304 | | t2 (m2 A-1 °C-1) [[30]] | -1.302 | Tcom (K) | 306 | | t3 (m2 A-1 °C-2) [[30]] 。 | 4.213 × 102 | ηDC/AC (%) | 90 | | r | 1.4 | ηcom (%) [[31]] 。 | 70 |

聚光组件的光学效率是[CPV性能]中一个非常重要的参数，因为它定义了实际与太阳能电池相互作用的[入射辐射]的部分，MJC。较低的光学效率表明较高的[光学损耗]和较低的单位接收面积的CPV输出。对于使用菲涅尔透镜的单级折射集中的情况，由于透镜材料的传输效率，部分传入的辐射首先被损失，对于菲涅尔透镜常用的材料PMMA来说，传输效率为90-80%。然而，在透镜的入口孔径处还有大约8%的反射损失。因此，考虑到PMMA的传输效率的最低值为80%，由于部分反射而在入口孔径处有8%的损失，以及在[均质器]中的1%的损失，基于菲涅尔透镜的浓缩组件的整体光学效率可以计算为72.5%左右[[23]]。另一方面，涂银的反射器具有相当高的光学效率，达到98%[[24]]，在双级聚光的情况下，如果玻璃盖板中还有5%的吸收和反射损失，均质器中还有1%的损失，那么基于卡塞格伦的聚光组件的整体光学效率可以达到90%。必须注意的是，ηac是效率参数，只有当聚光组件的接受角低于太阳能跟踪器的跟踪误差时才会影响CPV的输出功率。然而，在这种情况下，光学损耗的增加取决于接受角和跟踪误差之间的差异。根据这一光学损失的线性或多项式趋势的假设，其值可以通过给定的公式[(6A)]相应地确定。］ a "和 "b "的值可能会有所不同，这取决于聚光组件的实际接受角和光损耗曲线。在目前的研究中，最低的平均值72.5%将被用于整体光学效率。此外，跟踪误差被认为小于聚光组件的接受角，即ηac=1。

最大功率点跟踪（MPPT）

为了确保每个太阳能电池的[最大功率输出]，最大功率点跟踪（MPPT）装置被连接在[CPV模块]的输出端。这确保太阳能电池在任何工作条件下都能以最大的功率输出和效率运行。因此，MPPT可以通过最大化电池功率输出的表达式来建模，即公式[(1)]，对于它的第一个导数被等效为零。

简化导数后，我们可以通过[(10)]、[(11)]、[(12)]等式，找出最大功率点的电流和电压以及相应的最大功率。

根据基于InGaP/InGaAs/Ge的MJC的特性和所提出的性能模型，模拟的MJC效率与实验测量的电池效率对比，见[图7]。实验数据的测量具有±0.8%的不确定性和96%的置信度。单个数据读数是相同条件下5次重复实验的平均值。为了比较模拟数据和实验数据，误差条以±2%的范围给出。在[图7]中可以看到实验和模拟数据的完美一致。

图7. 模拟和实验测量的不同温度和浓度下的MJC效率（±2%误差条）。

###质子交换膜（PEM）燃料电池

本研究中使用的燃料电池模型是基于[质子交换膜]（PEM）的配置，由Ref. [[30]]. 燃料电池从储存的氢气和氧气中提供不足的电力。所需的总功率决定了流经燃料电池的电流总量和氢气消耗率，由公式[(13)]给出。

氢气的消耗率最好被认为是氧气消耗率的两倍。此外，所考虑的燃料电池的法拉第效率被认为是0.7。为了找到燃料电池单体的IV特性，可以使用公式[(14)][[30]]。 (14)=--log()-()

在确定[燃料电池系统]的尺寸时，最重要的因素是它的电池总数，必须根据最大可能的功率不足，即最大消费负荷要求，串联起来，由公式[(15)]给出。

在知道燃料电池系统中的电池总数后，如果燃料电池的总功率需求是已知的，其电流可以通过使用公式[(16)]来确定。本小节中显示的所有常数参数的值，可以在[表1]中找到。(16)=×/××

碱性电解器

对于目前研究中考虑的电解系统，碱性[电解器]的性能和特点已经从参考文献中使用。[[30]]. 与燃料电池类似，其性能模型也是基于知道单个电池的IV特性。然后，通过了解所需的电池总数，即基于系统可能提供的最大过剩功率，也就是用户负载的最低要求和CPV的最大额定功率之差，可以确定电解器的最大额定功率。因此，可以用公式[(17)]来确定所需的电解槽的总数。

所有的电解池被认为是串联的，因此，流经每个电解池的电流是相同的，由公式[(18)]给出。另一方面，电解槽的总产氢量和产氧量以及单个电解槽的IV特性，可分别由公式[(19)]、[(20)]确定。(18)=××(19)-,2==2-,2(20)=+1+2+(1+2+32)-log(1+2+32excess power Pexcess是指在供应给用户负荷之后，连同氢气压缩机和太阳能跟踪器的剩余功率。电解器被假定在稳定的热条件下运行，电解器温度为80℃。所考虑的电解槽的法拉第效率，可以通过使用公式[（21）]来确定。性能模型所需的所有恒定参数值总结在[表1]中。 (21)=1-exp(2+3+42+5+6+72(氢气压缩机)

如前所述，CPV系统产生的多余电力通过[电解水]以氢气的形式储存。然而，为了进一步拥有一个紧凑和可靠的[氢气储存]系统，可以在一年中的任何时候随时供应储存的氢气，机械压缩储存到气瓶中，提供可靠和紧凑的解决方案。氢气压缩机的性能可以用热力学功率方程[(22)][[31]]来模拟。(22)=(-,2×21000)××/×{()(-1)-1}。

氢气压缩机的[功率消耗]主要取决于其压力比。因此，[进口压力]被认为是电解槽中产生的[氢气]的压力，它保持恒定。出口压力也被认为固定为200巴，与储气瓶的最大储存压力相同。此外，通过压缩机的[气体流速]被认为与电解器的氢气生产速度相同。同样，压缩机的工作温度也被认为与电解器温度相同。这是因为所生产的氢气直接从电解槽进入压缩机的事实。所有需要的常数及其数值在[表1]中进行了总结。

储氢瓶

在储气瓶模型中，主要的重要参数是[储气瓶压力]对储存气体数量的变化。储氢瓶的性能模型是基于[理想气体方程]和[压缩系数]'Z'，如公式[(23)]所示。 (23)=×

为了找到压缩因子的值，获得了3.34立方米标准尺寸钢瓶的真实气体数据[[32]]，在不同的压力下，但在33℃的恒温下，或在合适的环境温度下。从[图8]的实际气体数据的回归中，压缩系数对储存气体数量的表达式由公式[(24)]给出，最后给出了气缸压力对储存气体数量的实际气体公式[(25)]。

图8. 压缩因子]对储氢量的变化。

系统优化策略和目标函数

在建立了CPV-氢气系统模拟的性能模型后，本节将讨论在确定的约束条件下提出的CPV-氢气系统独立运行的整体【优化策略】。

目标函数

从广义上讲，拟议系统设计的主要目标是在没有任何外部供应的情况下独立运行，除了太阳能作为输入。因此，总共有三个目标函数被定义，以找到CPV-氢气系统的最佳但具有成本效益的尺寸。第一个，也是最重要的一个，是在没有任何中断的情况下拥有稳定的电力供应，这是由PSFT（电力供应故障时间）系数定义的。PSFT系数给出了以秒为单位的时间，在这个时间里，系统的给定尺寸配置无法满足消费者或系统的负载要求。

为了向消费者持续供电，没有任何中断，PSFT系数应该是零，在第一优先级，对于任何规模的系统配置。参数'tPF'是指没有或没有足够的电力供应给消费者的每秒的计数器。在目前的研究中，根据模拟的年度周期，一年期间的'tPF'之和给出了PSFT系数。

此外，还假设在系统模拟进行之前，已经有一定量的[氢气]储存在钢瓶中，在每年的模拟周期结束时，这些已经储存的氢气必须恢复到一定的间隙范围，以使系统为下一个周期做好准备。这由公式[(27)]定义为研究的第二个目标函数。(27)1<2()-2()<2

其中'ST'定义了储气罐或气缸在每年模拟周期开始和结束时的状态，分别用下标'i'和'f'定义。然而，L1定义了存储差异范围的下限，L2定义了较高的范围，分别取为-10和35。第三，也是另一个最重要的目标函数，是通过满足其他两个目标函数来实现整个CPV-氢气系统的最小成本。第三个目标函数，由公式[(28)]定义，考虑单个系统的成本，包括其资本成本、运行和维护成本以及更换成本。

所有的成本计算参数总结在[表2][[33]], [[34]], [[35]]。拟议的CPV-氢气系统考虑的总寿命为20年[[36]]，利率为6%[[37]]。所有的功率转换器的成本都在其各自的主要系统中考虑。然而，由于与其他成本计算参数相比，储水成本的影响可以忽略不计，所以没有考虑到。 (28)=+++2+2+(29)=(××,max)×+(×)=(×,max)×+(×)+(×)=(×,max)×+(×)+(×)2=2×2+(2×)2=2×2+(2×)=×+(×)=×(1+)(1+)−1=1(1+)

表2. CPV-氢气系统的成本计算参数。

| 组件 | CC | OMC | RC | 更换周期 | | - | - | | - | - | | 储氢 | 666美元/千克 | 占CC的2% | 不适用 | 不适用 | 氧气存储 | 44.4美元/千克 | 2%的CC | N.A. | N.A. | 电解器 | 3.774美元/W | 2%的CC | 0.777美元/W | 10年 [[46]] | | 氢气压缩机 | 3000美元/千瓦 | 20%的CC | N.A. | N.A. | 燃料电池 | 2.997美元/W | 2%的CC | 0.888美元/W | 10年 [[47]], [[48]] ! | | 集中式光伏发电（CPV） | 2.62美元/WP | 2.125%的CC | N.A. | N.A.

使用微观GA的优化策略

在定义了目标函数和基于提议的性能模型的能源管理策略后，优化策略被定义在[图9]中，并使用微型遗传算法（micro-GA）来实现。据报道，在计算时间和精力方面，遗传算法比其他技术，如最流行的[粒子群优化]（PSO），是更可靠的优化方法[[33]], [[38]], [[39]], [[40]] 。然而，像micro-GA和NSGA-II这样的修正遗传算法，比传统的遗传算法（GA）需要更少的收敛时间和计算能力[[21]]。另一方面，据报道，micro-GA在优化和计算时间方面比NSGA-II好[[41]], [[42]]，而且种群规模较小[[43]], [[44]], [[45]]。因此，在目前的研究中，micro-GA已经被用于高效和优化的解决方案，并减少了计算的工作量和时间。

图9. 使用micro-GA的CPV-氢气系统独立运行的优化策略。

CPV-氢气系统的优化模型是用FORTRAN语言开发的，由两部分组成。第一部分是基于系统模拟周期，由能源管理策略根据每个子系统的性能模型定义。然而，第二部分有微型GA代码，它通过满足所有的目标函数，找出优化参数的最佳值。作为优化代码的输入，只有两个尺寸参数是由micro-GA优化的，即所需的初始[储氢]和[CPV板]的总数，因为其他参数与它们有关。微观GA的种群规模为5，最多200代。优化结果和关于系统性能的讨论，将在下一节介绍。

结果和讨论

[图10]显示了天气输入数据，其形式是在新加坡国立大学工程大楼EA收集的[直接正常辐照度]（DNI），以及由新加坡能源市场管理局（EMA）提供的30分钟平均周期的电力负荷需求数据。负荷曲线取自2015年2月2日，整个新加坡，但以瓦为单位，而不是实际的兆瓦负荷。DNI数据是在2014年9月至2015年8月期间收集的，扫描间隔为1秒，使用埃普利日照仪和双轴太阳跟踪器，跟踪精度为0.1°。环境温度数据来自新加坡国家环境局（NEA）的数据库。DNI、环境温度和电力负荷数据，被用作当前拟议的CPV-氢气系统的模拟和优化研究的输入。

图10. 新加坡的消费者电力负荷和月度天气数据。

基于所提出的性能模型、能源管理技术、目标函数以及输入的天气和电力负荷数据，用FORTRAN语言开发了微型遗传算法（micro-GA）的仿真和优化代码。优化结果显示在[图11]。可以看出，解决方案在大约52代后收敛为最小成本。然而，在所有的代数中，获得的解决方案遵循其他两个目标函数，即零PSFT和在模拟周期结束时有足够的储氢量可用。这表明micro-GA有能力在很短的时间内搜索到全局最优。图11]右边的小表格中给出了整体系统成本的进一步细分。它显示，电解器和CPV系统在整个系统成本中的累计份额最大，为86%，而电解器单独占总成本的51%。这两个组件成本高的主要原因是，与燃料电池相比，它们的额定功率过大，而不是所需的额定电力负荷。这是因为新加坡的热带气候条件导致了高能量储存的要求。然而，电解器的成本比CPV高，是由于它的使用寿命，因为它需要在10年后更换一次，即20年的使用寿命。

图11. micro-GA优化曲线和系统成本明细。

从[图11]中还可以看出，氢气储存周期差值相当接近，但在-10公斤至35公斤的要求范围内。这一趋势在[图12]中得到了更多的阐述，它显示了一年内氢气和氧气的储存状态。它还显示了燃料电池每月的份额，仅在白天，覆盖消费者负荷的一部分。[图12]显示，在11月和12月，能源的状态正在迅速下降，因为这两个月是新加坡的雨季。然而，在此之后，储能状态开始恢复并达到初始值，为明年的系统运行做好准备。在燃料电池覆盖消费者负荷的月度份额方面也可以看到类似的趋势。它也显示了11月和12月的一个非常高的百分比。然而，其余月份的比例几乎是恒定的，这对于新加坡的热带天气来说是真实的，因为你不可能一整天都有晴朗的天空。

图12. 按月计算的储能状态和燃料电池份额的变化。

在[图13]中，进一步分析了CPV-氢气系统的性能，即CPV-氢气系统的总电功率和氢气产量，按月计算。可以看出，除了雨季期间，每个月的[发电量]几乎相同。还可以看到，12月份的[CPV发电量]比正常时期下降了3倍左右，这也是储氢状态迅速下降的原因。每月的氢气产量也可以看到类似的趋势。这些CPV和氢气生产系统的月度性能值，对于准确的系统设计非常重要，因为它们代表了实际的现场性能。由于这些系统的性能值是以每平方米面积为标准的，因此，通过了解所需的产量，如果目标是直接利用系统的产量作为商业产品，而不是在独立运行的情况下，可以设计CPV或氢气生产系统。

图13. 独立运行的CPV-氢气系统的月产量和规模的总体总结。

在[图13]中还介绍了拟议的独立运行的CPV-氢气系统的总体设计总结，即系统中每个组件的额定功率。可以看出，CPV和电解器的总额定功率几乎相同，这支持了之前讨论的电解器的较高成本。电解器的额定功率几乎相同是因为在其性能模型中提出的设计方程，这取决于CPV的额定功率和消费者的最低负载要求。与CPV的额定功率相比，消费者的负载要求非常小，因为CPV的额定功率很高，这是在热带地区运行和度过雨季所需要的多余功率。必须注意的是，给定的系统额定功率是针对所考虑的地点和消费者负荷。然而，通过采用同样的方法，CPV-氢气系统可以为任何地点和任何负载要求设计，以实现稳定的电力供应。

结论

一个优化策略和性能模拟模型，与整体[系统能源管理]策略，已被提出并成功实施于CPV-氢气系统的独立运行。通过实施微型遗传算法（micro-GA），对CPV-氢气系统进行了技术-经济优化，以找到每个系统组件的最佳尺寸，使整个系统成本最低，但具有最佳存储和零电力中断。这种动态方法不仅考虑了每小时的负荷变化，而且还提出了能够处理和准备应对季节性天气变化的系统设计。此外，它还可以进行优化配置，以适应系统设计中的区域变化。为每个系统组件提供的长期性能数据，可以帮助设计该组件的独立运行，因为它提供了系统性能的季节性变化。此外，建议的性能模型也可以与当前的商业模拟工具整合，使其在分析中考虑CPV。