摘要：随着可再生能源的大规模接入，由风电、光伏和储能构成的多能源微电网在电力系统中的作用日益突出。合理配置风光储容量既能提高可再生能源利用率，又可降低系统的全生命周期成本。本研究构建了含风机、光伏和电池储能的并网微电网模型，以最小化总成本为目标，并考虑了分时电价、电池SOC约束、充放电效率以及设备建设、维护和重置费用等关键因素。
作者：Bob(自研改进)
环境配置
开发工具：Matlab R2020b、R2025b
操作系统：Windows 11
硬件配置
表1 惠普(HP)暗影精灵10台式整机配置
该系统硬件配置如上，如果您的电脑配置低于下述规格，运行速度可能会与本系统的存在差异，请注意。
项目概述
随着可再生能源渗透率的不断提高，由风力发电、光伏发电及蓄电池储能构成的多能源微电网在电力系统中扮演着越来越重要的角色。合理配置风光储设备容量，不仅有助于提升可再生能源利用率，还能有效降低微电网全寿命周期成本，具有重要的工程意义和经济价值。
针对并网微电网容量优化问题，本研究构建了包含风力发电机、光伏电池及蓄电池储能的风光储并网微电网模型，建立了以系统全寿命周期总成本最小为目标的容量优化模型，综合考虑分时电价、电池荷电状态（SOC）约束、充放电效率以及设备建设、维护与重置等经济技术因素。在此基础上，采用遗传算法和蚁群算法两种智能优化方法，对风机、光伏及蓄电池容量进行整数优化配置，并在 MATLAB 平台上实现逐时仿真与优化求解。
仿真结果表明，两种算法均能有效降低系统总成本，其中遗传算法在收敛速度方面具有优势，而蚁群算法在全局寻优能力和解的稳定性方面表现更优。研究结果验证了采用智能优化算法进行风光储并网微电网容量优化的可行性与有效性，为微电网规划与可再生能源系统设计提供了有益参考。
图1 系统整体流程图
运行展示
运行Task1_NLMS.m
图2 风光储并网微电网容量优化中GA与ACA算法收敛曲线
图3 GA算法求得的最优容量配置及其总成本输出结果
图4 ACA算法求得的最优容量配置及其总成本输出结果