)其中，表示充電最大功率；表示放電最大功率；額定容量;表示自放電率。1.2系統所在地1.2.1風資源情況系統所在地的每月的平均風速如表1.1所示，在整個一年中，四月份風力最大，風力發電部分發出的電就越多，其他月份力風力情況比較好的是三月，五月，還有十一月。表1.1月平均風速Table1.1Averagewindspeedforamonth月份Jan.Feb.Mar.Apr.May.Jun.風速6.02876.54857.71478.94558.22847.5947月份Jul.Aug.Sept.Oct.Nov.Dec.風速6.06111.65092.25022.57736.74476.1471系統所在地的每月平均風速如圖1.1所示圖1.1月平均風速圖Fig.1.1Brokenlinechartofannualmeanmonthlywindspeed1.2.2太陽能資源情況系統所在地上太陽輻射量的平均值如表1.2所示，在整個一年中，七月份太陽光照射最強烈，光伏發電部分發出的電就越多，其他月份力風力情況比較好的是五月，六月，還有九月。表1.2月平均輻射量Table.1.2Averagemonthlysolarradiation月份Jan.Feb.Mar.Apr.May.Jun.輻射量12.6817.5723.6126.2728.9432.4月份Jul.Aug.Sept.Oct.Nov.Dec.輻射量36.1331.7828.5119.7113.6911.05系統所在地上太陽輻射量的平均值如圖1.2所示。圖1.2月平均輻射量圖Fig.1.2Monthlymeanradiationdosemap1.2.3風資源與太陽能資源的互補性將系統所在地的風速曲線與太陽能輻射量曲線放在一起進行比較，結果得出月平均風速與月平均輻射量呈現一定趨勢的相關性。而1月至4月，圖中所示的折線顯示風速和太陽能輻射量都呈現一定幅度的升高，在4月風速上升到了巔峰。而在7月太陽能輻射量也隨即上升至最高點，隨后開始逐漸下降。圖中總體呈現第二季度風速較低，太陽能輻射量較高的趨勢，呈現了良好的互補性；在第四季度呈現風速高,太陽能輻射量低的總體趨勢。圖1.3風能與太陽能以及負荷的輸出功率對比圖Fig.1.3Comparisonofwindpowerandsolarpower1.2.4負荷情況當地年負荷月平均情況如圖1.5所示。在整個一年中，居民六月、七月份、八月用電情況比較多。圖1.4年負荷每月的平均值折線圖Fig.1.4Loadcurvethroughouttheyear1.3設備參數(1)風機參數表1.310kW風機參數Table1.310KWfanparameters額定功率10kW塔架高度12m啟動風速3m/s使用壽命20年額定風速10m/s購買成本30000截止風速25m/s維護費用600(2)光伏電池板參數表1.4光伏電池板參數額定容量200mA使用壽命20年標準光照強度1功率溫度系數-0.0047標準電池溫度購買成本600額定電池溫度44維護成本80Tab.1.4Photovoltacpanelparameters(3)鉛酸蓄電池參數表1.5鉛蓄電池參數Table1.5Leadbatteryparameters額定容量100Ah額定電壓12V額定功率240w購買成本1000RMB使用壽命4yers維修成本800RMB5算例算法仿真分析2.1微電網系統結構圖圖5-1微電網系統結構拓撲圖Fig.5-1Microgridsystemstructuretopology2.2數據讀取在本設計中，首先，需要測系統安裝的地點的經緯度，然后找到這個地方，把整個一年的風速數據，將其在matlab中生成矩陣，讀出一整年的風速情況圖；用同樣的方法找到一整年的太陽能輻射量用matlab繼續讀取，讀出一整年的輻射量的情況圖，所生成的風速曲線如圖5-2所示，全年太陽輻射量曲線如圖5-3所示。圖5-2全年8760小時風速Fig.5-2Theannualwindspeedof8760hours圖5-3全年太陽輻射量Fig.5-3Annualsolarradiation2.3粒子群算法的仿真過程分析根據第二章中的粒子群算法對本文所選擇的風光儲微電網進行容量優化。2.3.1算法參數設置算法過程中，首先需要決策空間的位置，設置種群規模為100，空間中每個粒子的位置尺寸設為3，搜索空間上限為[2030150],下限為[000]。目標函數是全周期成本與負載缺點率；將LPSP與LCC在其約束條件內，用公式(1.7)和公式（1.8）計算出來，粒子位置尺寸為3，每一個位置的粒子代表風力機的數量、電池板的數量和光伏陣列的數量，其搜索空間上限分別為20，30，150，代表其粒子數量的最大值。整個一年的風速數據，通過讀取TXT文本，在matlab中生成矩陣，獲取風速的數據；輻射量與負荷的數據都用同樣的方法獲取。2.3.2目標函數的算法過程的算法計算過程,是系統內部發電部分在時間節點i共同發出來的功率。則：①,，則,表示在當前時間節點處，系統內部發電部分發出的電量，都用來為負荷供電；②,若蓄電池在的約束下可以為負荷提供電力時，則，則；若蓄電池在約束下無法為負荷提供負荷所需要的電力，則所以。2.3.3優化策略的算法過程多目標粒子群算法過程中，要對函數中的變量粒子i進行非支配排序，若加入的粒子i可以支配archive中的粒子，將i標記，后期將其刪除；如果加入的粒子i與archive中的粒子非支配，則標記archive中的粒子，后期將其刪除；若加入的粒子i被archive中的粒子支配，將i標記，后期將其刪除；最后將archive進行位置從大到小排序，取前百分之十，形成s矩陣，從s矩陣中最優。2.3.4算法流程圖圖5-4粒子群算法流程圖Fig.5-4Particlegroupalgorithmflowdiagrame2.4仿真結果分析圖5-5基于粒子群算法的微電網系統容量優化仿真結果Fig.5-4SimulationresultsofmicrogridsystemcapacityoptimizationbasedonPSO從圖（5-5）中可以看出，在保證負載缺點率小于的前提下，盡可能的去選擇全壽命周期成本小的值，并讀取選