中文摘要：

为解决西藏冬季枯水季节水力发电容量缩减、用电供需矛盾突出等问题，风/光互补多复合能源发电技术针对太阳能、风能在时间分布上的互补性，以及超级电容与蓄电池复合储能来抑制峰值充放电和小脉动循环，以确保发电的连续性，稳定性。提出一种风/光互补多能源复合发电系统元件参数优化匹配方法。根据系统元件参数匹配目标和系统性能要求，将所要求的元件参数匹配问题转化为有约束的优化问题，采用基于正态云自适应的粒子群算法对该优化问题求解，以达到资源利用最大化的目的，并可大幅降低发电系统装机成本，提高发电效率。提出基于云模型与分布式人工智能-Agent理论相结合的风∕光互补多复合能源发电系统能量管理策略，由于可有效解决随机性和模糊性共存的问题，该体系结构与控制对象的本质相吻合，具有较强的鲁棒性、适应性、开放性及容错性。

结论摘要：

在能源短缺和环境污染日益严重的背景下，风能、太阳能作为自然界绿色安全、丰富清洁的可再生能源，是环境保护和能源重构的重要资源。针对西藏冬季枯水季节水力发电容量缩减、用电供需矛盾突出等问题，着重进行风∕光互补复合能源发电系统研究。充分利用西藏地区的风、光优势资源，针对太阳能、风能在时间分布上的互补性，以超级电容与蓄电池复合储能来抑制峰值充放电和小脉动循环，以确保发电的连续性，稳定性。采用基于正态云自适应的粒子群算法对多能源复合发电系统进行优化匹配，以达到资源利用最大化的目的，并可大幅降低发电系统装机成本，提高发电效率。针对风∕光互补复合能源发电系统能量管理的现实需求，探索分布式人工智能——Agent理论构建的风∕光互补发电能量管理策略的机理，为可再生能源的大规模开发和利用奠定基础。（1）采用基于粒子群算法优化支持向量机参数(PSO-SVM)的理论，对蓄电池SOC精度预估。利用支持向量机算法，解决非线性大样本空间、多维度的电池荷电状态预估问题，引入粒子群算法对参数寻优，计算速度及精度均有优越的表现，仿真结果满足精度需求。 （2）分析比较超级电容在复合储能中的拓扑结构和控制策略，设计了一种新型的超级电容与蓄电池复合储能控制系统，包括双向DC/DC变换器和一三相全桥逆变器，结果表明该系统兼顾了超级电容和蓄电池的优点特性，将蓄电池的高比能量与超级电容的高比功率的优点结合到一起，其复合储能有效抑制峰值充放电和小脉动循环。 （3）风/光互补复合能源发电系统是可再生能源独立供电系统的一种典型而重要的形式，太阳能、风能的联合互补使电力输出更可靠、更平稳。风力发电机型号和容量、光伏电池倾角和容量以及蓄电池容量、超级电容容量这些因素对供电可靠性和成本都有很大影响，所以系统优化配置必须综合考虑这些因素。将六种因素共同作为优化变量，优化目标为系统安装成本，约束条件为供电可靠性，采用基于正态云自适应的粒子群算法进行优化求解。 （4）提出基于云模型与分布式人工智能Agent—理论相结合的风∕光互补多复合能源发电系统能量管理策略，借鉴多Agent思想，采用分散式决策、分布式控制的机理，同时云模型的规则倾向保证了分布式多Agent求解的快速收敛以及全局收敛；云模型的随机过程保证了整个大系统协调合作的最佳效能，因此可有效解决随机性和模糊性共存的问题，与控制对象的本质相吻合，具有较强的适应性。