Методическое обеспечение двухуровневой многокритериальной оптимизации и выбора состава оборудования гибридных энергокомплексов
Я.Д. Северина, В.А. Шакиров
Вестник ИГЭУ, 2026 г. выпуск 3, сс. 42—51
Скачать PDF
Состояние вопроса. Применение гибридных энергокомплексов на базе дизельных электростанций с дополнением их генерирующими установками на основе возобновляемых источников энергии является эффективным направлением повышения эффективности и надежности электроснабжения децентрализованных потребителей. Создание гибридных энергокомплексов сопряжено с необходимостью решения оптимизационной задачи, в рамках которой требуется определить рациональный состав оборудования и его установленные мощности в условиях многокритериальности.
Материалы и методы. В целях многокритериальной оптимизации состава оборудования гибридных энергокомплексов использован двухуровневый подход. На верхнем уровне проведено формирование множества Парето-оптимальных альтернатив – конфигураций гибридных энергокомплексов, на нижнем уровне – почасовое моделирование процесса функционирования гибридных энергокомплексов для детальной оценки каждой конфигурации по критериям. Наиболее предпочтительное решение из полученного множества Парето-оптимальных альтернатив определено методом многокритериального выбора. Методическое обеспечение двухуровневого подхода в связи с многообразием алгоритмов и методов неоднозначно. В ранее выполненном исследовании показана эффективность алгоритма NSGA-II для верхнего уровня.
Результаты. Для моделирования функционирования гибридных энергокомплексов на нижнем уровне проведено сравнение имитационного моделирования и линейной оптимизации, также проведено сравнение подходов к оценке весов критериев для многокритериального метода TOPSIS, используемого для выбора лучшей альтернативы из Парето-оптимального множества. Обосновывается целесообразность применения имитационного моделирования на нижнем уровне двухуровневого подхода. Осуществлен анализ методов энтропии, CRITIC и прямого назначения весов лицом, принимающим решение. Выполнен анализ результатов многокритериальной оценки с использованием объективных и субъективных методов назначения весов критериев. Проведено исследование решений, получаемых на основе предложенного подхода, на примере выбора состава оборудования в изолированном энергорайоне «Новиково» Сахалинской области. Анализ чувствительности многокритериальных оценок по методу TOPSIS подтвердил устойчивость решений к малым изменениям структуры предпочтений лица, принимающего решения.
Выводы. При многокритериальной оптимизации и выборе состава оборудования гибридного энергокомплекса большое значение имеет определение методов как для формирования множества Парето с использованием двухуровневого подхода, так и для окончательного выбора альтернативы из этого множества. Для гибридных энергокомплексов с аккумуляторами, солнечными панелями, ветроэнергетическими установками и дизель-генераторами использование имитационного моделирования предпочтительнее линейного программирования. Для назначения весов могут привлекаться объективные методы, такие как CRITIC и метод энтропии, однако они не могут полностью заменить субъективные методы назначения весов, которые отражают предпочтения лица, принимающего решения.
1. Hybrid Renewable Energy Systems – A Review of Optimization Approaches and Future Challenges / A. Giedraityte, S. Rimkevicius, M. Marciukaitis, et al. // Applied Sciences. – 2025. – Vol. 15. DOI: 10.3390/app15041744.
2. Design and analysis of solar hybrid combined cooling, heating and power system: A bi-level optimization model / X.-Y. Ren, L.-L. Li, B.-X. Ji, J.-Q. Liu // Energy. – 2024. – Vol. 292. DOI: 10.1016/j.energy.2024.130362.
3. Data-driven configuration optimization of an off-grid wind/PV/hydrogen system based on modified NSGA-II and CRITIC-TOPSIS / C. Xu, Y. Ke, Y. Li, et al. // Energy Conversion and Management. – 2020. – Vol. 215. DOI: 10.1016/j.enconman.2020.112892.
4. Северина Я.Д., Шакиров В.А. Оценка эвристических алгоритмов многокритериальной оптимизации для выбора состава оборудования гибридных энергокомплексов // Информационные и математические технологии в науке и управлении. – 2025. – № 3(39). – С. 88–103.
5. Свидетельство о государственной регистрации программы для ЭВМ № 2025685864 Российская Федерация. Оценка эвристических алгоритмов многокритериальной оптимизации для выбора состава оборудования гибридных энергокомплексов ParetoMetrics V. 1.00: № 2025685511: заявл. 25.09.2025: дата государственной регистрации в Реестре программ для ЭВМ 26.09.2025 г. / Я.Д. Северина, В.А. Шакиров; правообладатель ИСЭМ СО РАН.
6. NSGA-II: Non-dominated Sorting Genetic Algorithm // Multi-objective Optimization in Python / Pymoo. URL: https://pymoo.org/algorithms/moo/nsga2.html
7. Optimal sizing of a Hybrid Renewable Energy System: Importance of data selection with highly variable renewable energy sources / J. Alberizzi, J. Meléndez-Frigola, M. Rossi, M. Renzi // Energy Conversion and Management. – 2020. – Vol. 223. DOI: 10.1016/j.enconman.2020.113303.
8. Alberizzi J., Rossi M., Renzi M. A MILP algorithm for the optimal sizing of an off-grid hybrid renewable energy system in South Tyrol // Energy Reports. – 2020. – Vol. 6. DOI: 10.1016/j.egyr.2019.08.012.
9. Свидетельство о государственной регистрации программы для ЭВМ № 2025664949 Российская Федерация. Оптимизация состава оборудования и функционирования гибридного энергокомплекса HybridOpt V. 1.00: № 2025664067: заявл. 9.06.2025: дата государственной регистрации в Реестре программ для ЭВМ 9.06.2025 г. // Я.Д. Северина, В.А. Шакиров; правообладатель ИСЭМ СО РАН.
10. TOPSIS [Электронный ресурс] // Википедия: Свободная энциклопедия. URL: https://en.wikipedia.org/wiki/TOPSIS
11. Ponhanand K., Sureeyatanapas P. A comparison between subjective and objective weighting approaches for multi-criteria decision making: A case of industrial location selection // Engineering and Applied Science Research. – 2022. – Vol. 49(6). – Р. 763–771. DOI: 10.14456/easr.2022.74.
12. Diakoulaki D., Mavrotas G., Papayannakis L. Determining objective weights in multiple criteria problems: the critic method // Computers Ops Res. – 1995. – Vol. 22, No. 7. – Р. 763–770.

