综述：人工智能与元启发式优化策略在可再生微电网容量优化配置中的应用：一项范围综述
可再生能源微电网与混合可再生能源系统的容量优化配置需在可再生能源出力波动性、负荷不确定性、储能运行特性、供电可靠性及技术经济约束间实现平衡。人工智能与元启发式优化策略已被广泛应用于应对上述挑战，但现有证据在方法学层面仍存在异质性。本范围综述系统梳理了面向可再生
可再生能源微电网与混合可再生能源系统的容量优化配置需在可再生能源出力波动性、负荷不确定性、储能运行特性、供电可靠性及技术经济约束间实现平衡。人工智能与元启发式优化策略已被广泛应用于应对上述挑战，但现有证据在方法学层面仍存在异质性。本范围综述系统梳理了面向可再生能源微电网容量优化配置的人工智能、学习驱动、元启发式、启发式及优化驱动策略的相关文献。研究遵循PRISMA-ScR（Preferred Reporting Items for Systematic Reviews and Meta-Analyses extension for Scoping Reviews）指南开展，检索数据库涵盖Scopus与Web of Science核心合集，纳入2009年至2026年3月期间发表的研究型论文，最终共纳入69项研究。结果显示，元启发式算法在该领域占据主导地位，出现于63项研究中，其中粒子群优化（PSO）与遗传算法（GA）及其衍生方法是应用最为广泛的方法簇。人工智能与学习驱动策略主要用于支撑出力预测、代理建模、不确定性处理及能量管理。最常研究的系统配置为光伏-风电-电池储能系统，孤岛或离网场景中常搭配柴油发电机作为备用电源。当前文献显著集中于光伏-风电-电池微电网的元启发式容量优化，同时呈现出人工智能辅助预测与决策支持策略融合的新兴趋势。未来研究需重点关注可复现性、不确定性建模、实地验证、老化评估、模型可解释性及算法可扩展性。
低碳能源系统转型推动了可再生能源微电网与混合可再生能源系统在乡村、偏远地区、海岛及社区场景的应用。微电网被定义为集成分布式发电、储能、本地负荷与控制资源的低压配电系统，具备并网运行与孤岛运行双重能力。混合可再生能源系统通过耦合光伏发电、风电、生物质能、电池储能及常规备用机组，可有效提升供电可靠性、可再生能源渗透率与运行灵活性。然而，可变可再生能源接入带来技术与运行挑战：光伏发电受太阳辐照度与温度影响，风电出力取决于风速及其时序波动性，上述波动加剧了发电与负荷的平衡难度，尤其在自治或弱电网系统中。容量优化配置旨在确定光伏组件、风力发电机、电池组、变流器、备用发电机、电解槽、燃料电池等分布式能源的安装容量，其决策直接影响总成本、可靠性、自治能力、可再生能源利用率与环境绩效，因此本质上属于多目标、含不确定性输入及运行需求的约束优化问题。人工智能与元启发式优化方法已广泛用于解决容量优化、不确定性量化、出力预测及运行控制等问题，遗传算法（GA）、粒子群优化（PSO）、多目标粒子群优化（MOPSO）、非支配排序遗传算法II（NSGA-II）等方法已被应用于兼顾经济、技术、环境及可靠性准则的容量优化问题，这类方法适用于非线性、带约束及高维搜索空间，弥补了确定性方法在计算与建模层面的局限性。此外，学习驱动方法拓展了可再生能源出力预测、负荷建模、不确定性表征及微电网能量管理的实现路径，其与元启发式算法的融合催生了结合预测、优化与决策的混合框架。
可再生能源微电网容量优化的复杂性源于可再生能源波动性、负荷不确定性、技术约束、投资成本与可靠性要求的多维度耦合。太阳与风资源在小时、日及季节尺度的波动增加了可用发电量估算的不确定性，负荷曲线则随用户类型、应用场景、消费模式及社会经济条件动态变化。在自治或孤岛系统中，这种复杂性进一步凸显，供电连续性高度依赖可再生能源、储能与备用资源的合理配置：容量配置不足会导致供电缺口，过度配置则会抬升投资成本、造成能量冗余与资产利用率低下。该问题天然具备多目标属性，研究通常纳入净现值成本（NPC）、平准化度电成本（LCOE）、年化成本、初始投资与运维成本等经济性指标，同时涵盖失电概率（LPSP）、缺电期望（LOLE）、未供电量（EENS）、电池荷电状态（SOC）及供电连续性等技术可靠性指标，部分研究还引入温室气体排放、碳足迹等环境目标。技术运行约束进一步提升了优化难度，包括组件容量限值、功率平衡、电压频率稳定约束、电池运行边界、充放电倍率、备用可用性及最低可靠性要求等。连续变量、离散变量、非线性及非凸变量的共存使得经典优化方法在系统规模扩大、技术多样性提升或场景不确定性增加时难以适用。在此背景下，元启发式与人工智能方法展现出独特优势：无需梯度信息、可处理不连续或非凸搜索空间、适配单目标与多目标优化范式。然而，现有文献在算法选择、技术配置、目标函数、约束条件、计算工具、数据源及应用场景层面存在高度异质性，导致主导趋势、方法学角色与研究缺口难以识别。
尽管可再生能源微电网容量优化领域的人工智能与元启发式研究快速增长，但方法与技术的异质性依然显著。不同研究在系统配置、优化准则、性能评价指标、计算工具、数据源及应用场景上的差异限制了横向比较，阻碍了主导方法模式与研究空白的识别。范围综述适用于梳理广泛或异质性研究领域证据的广度、性质与特征，区别于聚焦效应估计或干预对比的系统评价，其可通过描述性方式梳理概念、方法、证据类型与知识缺口。本研究采用PRISMA-ScR框架保障检索、筛选、数据提取与合成过程的透明性，系统梳理应用于可再生能源微电网与混合可再生能源系统容量优化的人工智能、学习驱动方法、元启发式及相关优化算法，重点关注所采用的方法、技术配置、目标函数、约束条件、性能评价指标、计算工具、数据源及应用场景。
本综述旨在分析应用于可再生能源微电网与混合可再生能源系统容量优化的人工智能、学习驱动方法、元启发式及优化算法的科学文献，具体识别方法学趋势、技术配置、目标函数、约束条件、性能评价指标、计算工具、数据源及应用场景。核心研究问题为：人工智能、学习驱动方法、元启发式及优化算法如何应用于基于光伏、风电或光伏-风电技术的可再生能源微电网与混合可再生能源系统的容量优化？细分研究问题包括：（RQ1）哪些人工智能、学习驱动、元启发式及优化技术被用于可再生能源微电网与混合可再生能源系统的容量优化？（RQ2）哪些技术配置被最频繁研究，涵盖光伏系统、风电系统、光伏-风电架构、电池储能、氢储能、并网接口、备用发电机及其他分布式能源？（RQ3）容量优化研究中采用了哪些目标函数、约束条件与性能评价指标，涵盖经济、技术、环境、能源及可靠性准则？（RQ4）文献中报告了哪些计算工具、仿真平台、建模环境与数据源？（RQ5）这些研究在哪些应用场景中开展，涵盖住宅、社区、乡村、偏远地区、离网区域、商业、工业、高校及医院微电网等。区别于既往侧重算法与技术配置分类的综述，本综述额外关注容量优化研究的方法学局限性，涵盖可复现性、算法参数报告、不确定性处理、老化建模、基准选择、代码与数据可用性及实地验证，为解读纳入研究的方法一致性、报告质量与实践适用性提供支撑。
本范围综述遵循范围综述方法学指南开展，并按PRISMA-ScR指南进行报告。研究流程在数据提取前已预先定义，但方案未在公共存储库正式注册。
纳入标准限定为2009至2026年间发表的研究型论文，研究对象为含可再生能源组件的微电网或混合可再生能源系统的容量优化、最优设计或最优配置，且必须应用人工智能、学习驱动方法、元启发式、启发式或相关优化算法。排除标准包括：超出时限的文献、非研究型论文、与微电网或混合可再生能源系统无关的研究、仅聚焦运行、控制、调度或预测而不涉及容量优化的研究。若研究将容量优化与调度、能量管理、随机运行、需求响应或控制相结合，且组件容量或系统配置为明确优化变量或报告结果，则予以纳入。
文献检索在Scopus与Web of Science核心合集开展，二者因覆盖微电网、混合可再生能源系统、容量优化、元启发式优化及人工智能在能源系统应用的同行评审文献而被选中。Scopus作为主数据库，Web of Science核心合集作为补充数据库以提升覆盖范围，最终检索日期为2026年3月30日。
检索策略旨在捕获涉及微电网或混合可再生能源系统、容量优化或设计、可再生能源技术及计算优化方法的研究。Scopus与Web of Science采用统一概念检索框架，仅针对数据库语法进行调整：系统、容量优化及方法相关术语主要限定在标题字段，可再生能源相关术语在Scopus中检索标题、摘要与关键词，在Web of Science中检索全字段。标题字段限制作为方法学标准用于提升查准率，确保容量优化、系统设计及计算方法为核心研究焦点，避免因宽泛检索纳入仅将这些元素作为次要内容的研究。
筛选流程遵循PRISMA流程，包括识别、去重、标题摘要筛选、全文获取及合格性评估。合并两个数据库的检索记录后去除重复文献，由两名研究者独立完成标题摘要筛选与全文合格性评估，分歧通过讨论达成共识。
采用为本综述设计的提取矩阵开展数据提取，矩阵内容与研究目标及问题对齐，在正式提取前已完成预测试，确保字段清晰、类别合理及编码一致。
数据条目涵盖参考文献信息、系统配置、技术类型、优化方法、容量优化问题、目标函数、约束条件、性能评价指标、计算工具、数据源及应用场景，与综述问题完全匹配。
未进行正式的方法学质量或偏倚风险评估，因为本综述的核心目的是梳理方法、技术配置、优化准则、工具、应用场景及研究缺口，而非评估干预效应或证据质量排序。
采用符合范围综述目标的叙述性描述方法合成结果，提取数据按综述问题归类为方法学路径、技术配置、目标函数、约束条件、性能评价指标、计算工具、数据源及应用场景，通过叙述性综合、分类表及描述性图表呈现发现。
检索共识别133条记录，去除38条重复文献后，对95条记录进行标题摘要筛选，排除4条不合格记录。91篇全文报告中15篇无法获取，剩余76篇进入合格性评估，最终69项研究符合纳入标准。这69项研究构成综述的最终证据集，其余参考文献包含方法学指南、背景文献、既往综述及其他支撑资料。
纳入研究发表于2011年至2026年3月，尽管纳入时限始于2009年，但无2009或2010年发表的研究符合标准。发文量在2020年前处于低位，此后持续增长，2022至2025年为发文高峰，2025年最多（13篇），2022年次之（9篇），2023与2024年各8篇。数据库来源方面，65篇来自Scopus，4篇来自Web of Science核心合集，多数研究以英文发表，1篇为中文，1篇为西班牙文。
69项研究分散发表于55种出版物，分布较为零散：Energies载文量最高（4篇），Energy次之（3篇），多种期刊各贡献2篇，其余多为单篇发表。地理分布方面，按作者所属机构国家统计，中国发文量最高（13篇），印度（9篇）、伊朗（6篇）、埃及（5篇）、伊拉克（4篇）紧随其后，摩洛哥、巴西、美国、马来西亚、南非、尼日利亚也有相关贡献。关键词分析显示高频词包括可再生能源、容量优化、粒子群优化、微电网、多目标优化、遗传算法、混合可再生能源系统，强共现关系集中在粒子群优化与可再生能源、容量优化与可再生能源、微电网与可再生能源、微电网与容量优化之间，印证了文献核心聚焦于元启发式驱动的可再生能源微电网容量优化。关键词共现网络叠加可视化显示，“容量优化”“微电网”“可再生能源”“优化”“多目标优化”“粒子群优化”为核心主题节点；时间维度上，粒子群优化、遗传算法、风电、太阳能等传统主题在早期研究中占比更高，近年文献逐渐纳入能量管理、学习算法、成本效益及优化算法等新兴术语，表明研究正从传统元启发式容量优化向融合数据驱动方法、能量管理及技术经济分析的广义框架演进。
方法学路径按其在容量优化过程中的主导角色分为：主流元启发式、替代性与新兴元启发式、人工智能辅助优化框架、数学或随机优化方法及软件对比工具，全面呈现不同技术在优化、预测、不确定性处理、基准测试及决策支持中的作用。
针对RQ1的结果显示，69项研究中有63项至少采用一种元启发式算法，证实元启发式在该领域的绝对主导地位。粒子群优化（PSO）及其多目标变体是最常用方法簇，出现于31项研究中，应用于光伏-风电-柴油-电池系统、光伏-风电-电池系统、氢基系统、生物质/沼气支撑系统及电动汽车集成微电网等多种配置，角色涵盖核心容量优化算法、基准测试工具、多目标优化载体、预测辅助容量优化及与HOMER等工具的对比验证。遗传算法（GA）与非支配排序遗传算法II（NSGA-II）及其变体是第二大方法簇，应用于独立混合可再生能源系统、光伏-风电-生物质配置、光伏-风电-柴油-电池微电网、氢储能系统、储能微电网及电动汽车充电场景，以经典、多目标及混合形式存在，包括改进NSGA-II、GA-VNS、MOGA、HGA、SAGA及结合代理模型的GA变体，主要承担核心容量优化、多目标优化及对比基准功能，尤其适用于权衡成本、可靠性、排放与组件选择的复杂问题。除上述两大主流簇外，研究还识别出灰狼优化器（GWO）、差分进化（DE）、布谷鸟搜索（CS）、和声搜索（HS）、萤火虫算法（FA）、蝙蝠算法（BA）、人工蜂群（ABC）、鲸鱼优化算法（WOA）等成熟元启发式，以及人工蜂鸟算法、瞬态搜索优化、白骨顶优化、儿童绘画优化、黄金比例优化等新兴或非常规算法，应用于光伏-风电系统、并网微电网、氢基系统、光伏-柴油-电池系统、风电-电池系统及电动汽车集成微电网，多数作为核心容量优化算法，部分用于基准测试、算法对比或预测/代理辅助优化。人工智能、机器学习、深度学习及强化学习方法的应用频次低于传统元启发式，主要作为容量优化过程的补充组件，用于出力预测、不确定性建模、代理建模、能量管理及混合优化支撑，识别技术包括深度强化学习、多智能体深度强化学习、神经网络、长短期记忆模型（LSTM）、支持向量回归（SVR）、随机森林、梯度提升模型、模糊逻辑及混合学习-优化框架，仅少数研究将其作为核心容量优化算法，多数与元启发式或优化模型结合以提升输入数据质量、表征不确定性或支撑决策。数学优化、不确定性分析、多准则决策及HOMER相关方法的出现频次低于元启发式，但承担关键补充角色：混合整数线性规划（MILP）、鲁棒或随机优化、蒙特卡洛模拟、多准则决策、TOPSIS及HOMER/HOMER Pro主要用于构建约束、评估不确定性、方案对比、决策支持及配置验证，其中HOMER相关方法主要作为仿真、基准测试或对比工具，而非高级优化算法。
方法学簇与技术角色的关联分析显示，元启发式主要作为核心容量优化算法，共出现49次簇-角色共现；人工智能与学习驱动方法更多关联预测、代理建模及预测支持；数学、随机及多准则方法虽频次较低，但覆盖角色更广泛，包括不确定性评估、形式化优化及决策支持；软件工具主要承担基准测试或对比功能。热图结果证实，元启发式不仅是最高频方法，更是容量优化研究的核心方法学路径。
纳入研究的技术配置高度集中于光伏或太阳能发电、风电与电池储能耦合的混合可再生能源系统。最高频配置为光伏/太阳能+风电+电池/BESS+柴油/备用，见于12项研究，主要应用于独立、离网、海岛或自治系统，柴油备用用于提升供电可靠性、补偿可再生能源出力波动。第二高频配置为光伏/太阳能+风电+电池/BESS，见于8项研究，体现了电池储能在平衡可再生能源出力、降低供电缺口及提升乡村、偏远或社区应用自治能力中的核心作用。其他较常见但占比更低配置包括光伏/太阳能+电池/BESS+柴油/备用、氢基或燃料电池系统、生物能源支撑系统、风电-电池系统，以及集成热负荷、电动汽车或电网/配网交互的架构。总体而言，容量优化研究聚焦光伏-风电-电池/BESS架构，孤岛系统中为保障可靠性常搭配柴油备用；氢储能、生物质能、热负荷、电动汽车及并网配置属于更细分的新兴拓展方向。典型架构包括：离网光伏-风电-电池-柴油系统，以光伏与风电为主要可再生能源，电池平抑短期波动，柴油发电机在可再生能源长期短缺时提供备用；无常规备用的光伏-风电-电池系统，需更大储能容量或可控负荷削减保障可靠性；氢基架构引入电解槽将富余可再生能源电力转化为氢气，经储罐实现长期储能，燃料电池在低可再生能源出力期发电；并网微电网耦合分布式可再生能源、电池储能、本地负荷与电网双向功率交互，电网作为额外平衡与可靠性资源。
目标函数、约束条件与指标可分为六个维度：经济性、可靠性、技术/运行性、环境性、能源相关性与算法性。经济性准则最为常见，容量优化多表述为成本最小化问题，常用指标包括净现值成本（NPC）、总净现值成本、平准化度电成本（LCOE）、度电成本、年化成本、全生命周期成本、投资成本及运维成本。可靠性是另一核心维度，常用指标包括失电概率（LPSP）、缺电概率（LOLP）、缺电期望（LOLE）、预期未供电量（EENS）、未满足负荷及中断时长。技术与运行准则主要作为可行性约束，包括电池荷电状态（SOC）、放电深度（DOD）、充放电限值、能量平衡及电压频率稳定性。环境与能源相关准则主要出现在多目标公式中，涵盖二氧化碳排放、温室气体排放、碳足迹、环境成本、可再生能源占比、可再生能源渗透率及弃电/过剩电量。部分研究还报告收敛曲线、计算时间、最佳适应度值及迭代次数等算法性能指标。整体而言，文献呈现显著的经济-可靠性导向，环境、能源、技术及算法准则的引入标志着研究正向更广义的多目标公式过渡。
计算工具分布显示，MATLAB是应用最广的环境，几乎覆盖所有配置组，尤其在光伏-风电-电池、光伏-风电-电池-柴油、氢/燃料电池及其他混合系统中；HOMER/HOMER Pro是第二大常用平台，主要用于混合可再生能源系统的技术经济仿真、配置对比与验证。工具选择高度依赖方法学需求与技术配置：MATLAB提供广泛实现灵活性，HOMER/HOMER Pro提供标准化的仿真与基准测试环境；深度学习框架集中应用于光伏-风电-电池-柴油、光伏-风电-电池、热负荷或特殊负荷及其他配置；蒙特卡洛模拟主要用于需不确定性或场景分析的配置；Python、试验设计（DOE）/代理模型、PVsyst及Simulink应用较少，关联代理建模、光伏性能评估、动态仿真等特定任务，表明定制化、数据驱动或专用建模工作流在现有文献中仍相对有限。数据源分布显示，成本与组件数据库、本地气象数据、实测或真实负荷曲线、蒙特卡洛或场景数据是各配置中最一致的来源，印证了容量优化研究对技术经济假设、可再生能源资源表征、需求表征及不确定性输入的依赖。数据源选择受技术架构与应用需求强烈影响：光伏-风电-电池-柴油、光伏-风电-电池、氢/燃料电池及风电-电池系统广泛采用气象、负荷、成本及场景数据；电价数据、HOMER数据库、水/热需求数据及NASA/NASA POWER数据库应用较少，集中于特定配置；并网系统相对更依赖实测负荷与场景信息；热负荷、电动汽车及其他特殊负荷配置的数据源组合更为异质。数据类型分布显示，电池/SOC参数与经济数据在各配置组中均被一致报告，凸显其在技术经济容量优化中的核心地位；负荷曲线、电网/网络数据及气象变量也被广泛应用，但频率随系统架构变化；太阳能资源数据在光伏配置中更常见，风能资源数据在风电集成系统中更突出；氢/燃料电池配置广泛采用经济、负荷、太阳能、环境及电池相关数据，反映其组件数量多、运行假设复杂的特征；热、水及电动汽车充电数据集中于专用配置，在传统光伏-风电-电池系统中极少报告，表明多数研究仍依赖常规技术经济、需求、储能及气象输入。
可复现性评估的9项指标显示，负荷曲线分辨率与组件成本假设的报告率最高，分别为57篇与61篇，基准对比也较常见（52篇）；而算法参数、收敛准则、不确定性处理及代码/数据可用性的报告一致性较差：仅8篇提供充分的算法参数信息，20篇报告明确的收敛或终止准则，23篇纳入形式化的不确定性场景，仅1篇公开代码或数据，54篇未报告任何存储库或可用性声明。电池老化建模方面，6篇研究显式建模，38篇通过电池寿命、替换周期、放电深度或循环寿命假设部分涉及，21篇基于电池的研究未报告老化相关信息，4篇因配置不含电池储能被归为不适用。结果表明，报告缺口主要集中在算法可复现性、收敛规范、不确定性表征、老化建模及代码数据开放获取层面。
应用场景分布显示，乡村、偏远、社区及住宅应用占比最高，其次为工业或关键基础设施场景，反映了容量优化研究对去中心化能源系统的强烈偏向，这类系统的设计核心需求为自治能力、供电连续性、可再生能源利用率及降低对主网的依赖。离网、海岛及独立应用场景也十分突出，印证了多数文献聚焦有限或零电网支撑下的系统。相比之下，商业建筑、电动汽车集成系统、并网应用、热/水/热电联产（CHP）配置、医院及大学校园的报道较少，表明容量优化方法在复杂需求环境、多能耦合系统及关键负荷应用中的评估仍不充分，这类场景的运行约束、时序波动性与可靠性要求与传统乡村或住宅微电网存在显著差异。
本综述梳理的69项研究呈现2020年后发文量显著增长的趋势，高度集中于光伏-风电-电池/BESS架构、离网或独立系统、乡村或社区应用及经济-可靠性导向的公式。元启发式的主导地位证实容量优化仍主要被视为非线性、带约束、多目标优化问题，PSO/MOPSO是最常用方法簇，GA/NSGA-II及其他仿生或进化算法次之，这一模式与既往综述关于混合可再生能源系统方法学多样性及启发式与元启发式在容量优化中广泛应用的结论一致。但本综述进一步明确了各类技术的角色差异，区分了核心容量优化算法、基准测试工具、预测辅助方法、不确定性支撑方法及软件对比功能。技术配置方面，光伏-风电-电池/BESS架构的核心地位得到确认，柴油发电机在孤岛系统中仍为提升可靠性的常用选项，尽管其与脱碳目标存在冲突。与既往综述相比，本研究更细致地刻画了系统规模与应用场景：文献高度集中于独立、离网、乡村、偏远及社区尺度混合可再生能源系统，而并网、工业、商业、医院、大学校园、氢基及电动汽车集成配置的占比偏低，这一区分至关重要，因为不同应用尺度与运行场景的方法需求、可靠性约束、需求曲线及组件交互存在显著差异。地理分布的不均衡也值得关注：多数研究来自中国、印度、伊朗、埃及、伊拉克等有限国家，拉丁美洲、欧洲、撒哈拉以南非洲及其他区域的贡献较少，这可能限制配置与优化结果的普适性，因为可再生能源资源、需求模式、技术成本、监管条件及基础设施约束在不同区域差异显著，未来研究需拓展至更广泛的地理与社会经济场景。
核心发现之一是元启发式仍是主导的核心容量优化方法，人工智能与学习驱动方法应用较少且主要承担辅助功能。多数PSO/MOPSO、GA/NSGA-II及替代元启发式方法作为核心容量优化算法而非辅助工具，表明该领域仍高度依赖灵活的基于搜索的方法，以处理离散与连续决策变量、非线性约束、多目标及技术组合问题。PSO/MOPSO已成为可再生能源微电网容量优化的参考方法，尤其适用于光伏-风电-电池/BESS、光伏-风电-柴油-电池、氢基及电动汽车集成系统；GA/NSGA-II是第二大成熟簇，特别适用于权衡成本、可靠性、排放与组件选择的多目标问题；其他元启发式持续探索收敛提升、搜索多样化及基准测试路径。但尚无算法簇在所有研究中表现一致优越性，因为执行时间、终止准则、硬件平台、种群规模及测试系统缺乏标准化：PSO类方法实现简单、收敛速度快，适用于连续容量变量与传统光伏-风电-电池配置，但对参数选择与早熟收敛敏感；GA/NSGA-II类方法对离散决策与多目标公式更具灵活性，但通常需要更大种群与更多函数评估；替代元启发式可能改善特定案例的多样化或收敛性，但因基准条件异质与独立复现有限，其优势难以推广；数学优化更适用于可线性或混合整数公式化的问题，随机、鲁棒及AI-优化混合方法更适配高不确定性或高维配置，但代价是更高的计算与数据需求，算法适用性最终取决于问题维度、变量类型、目标结构、不确定性处理及技术复杂度。人工智能、机器学习等方法极少作为独立容量优化方法，其核心价值在于互补：预测可再生能源出力或需求、支撑代理建模、表征不确定性、辅助能量管理或优化混合框架，标志着领域正从孤立优化算法向融合预测、优化与决策支持的集成框架过渡。经济性与可靠性指标虽被广泛报告，但在缺乏统一定义与假设的情况下不具备直接可比性：净现值成本（NPC）、平准化度电成本（LCOE）、失电概率（LPSP）等指标高度依赖系统边界、负荷曲线、时间分辨率、折现率、组件寿命、替换假设、可靠性阈值、电池模型及可再生能源数据集，输入差异会显著影响计算结果，跨研究比较应限于公式与边界条件等效的案例。MATLAB因支持元启发式定制、混合模型及组件级仿真而成为最常用环境，但源代码、算法参数、初始化流程、随机种子及终止准则缺失会严重限制可复现性；HOMER/HOMER Pro提供更标准化的技术经济仿真，便于跨配置基准测试，但其预定义结构会限制自定义目标函数、约束条件及控制策略的实现，工具选择本质是建模灵活性与可复现性的权衡。
应用场景分析表明，容量优化主要面向乡村、偏远、社区、住宅、离网及独立系统，这类场景的设计挑战不仅是成本最小化，更要在可再生能源出力波动与需求不确定下保障供电连续性，因此电池储能、柴油备用及LPSP、LOLP等可靠性指标的广泛应用与孤岛/弱电网系统的运行需求高度契合。对乡村与社区微电网，结果强化了本地数据质量的重要性：容量结果高度依赖负荷曲线、太阳辐照度、风速、组件成本、电池参数及可靠性假设。对住宅系统，核心启示在于小时级需求表征、自发自用、储能运行、电价结构及电池老化的建模。对工业或关键基础设施，容量方法需更严格的可靠性约束、备用容量、连续性要求，理想情况下需实地或硬件在环验证。电池储能主导现有配置，因其技术成熟、可获得性强且成本性能数据完善；氢储能与燃料电池系统占比较低，因其初始投资高、往返效率低、运行约束复杂，且电解槽、储氢罐、燃料电池的老化、替换、效率变化及长期运行的验证数据有限，此外季节性氢储能的经济价值高度依赖研究周期、可再生能源波动性、需求曲线及备用需求，难以与电池系统直接对比。医院、大学校园、商业建筑、热/CHP系统、水相关负荷及电动汽车集成微电网等低频场景代表新兴方向，这类应用需要融合电力、热力、供水、交通、电网交互及需求侧管理的广义公式，未来容量框架需突破传统光伏-风电-电池配置，覆盖多能耦合微电网。
研究缺口主要包括六方面：一是可复现性不足，多数研究报告算法与最终配置，但参数设置、终止准则、随机种子、输入数据集、代码可用性或仿真假设的信息不完整，未来需标准化报告计算设置，尽可能提供可追溯的数据与代码。二是实地验证薄弱，多数研究依赖仿真、案例研究或历史数据，实验验证、试点微电网、硬件在环测试及长期监测较少，限制了在实际运行条件下（含预测误差、电池老化、设备故障、控制约束及负荷波动）对容量方案的评估。三是实践部署的计算与硬件约束未被充分考量，高维优化、详细组件模型及实时自适应方法可能需要大量算力、内存、可靠通信基础设施及精准感知，嵌入式控制器或资源受限微电网的部署可能受限于计算延迟、数据可用性、通信故障及与现有能量管理系统互操作性，需在评估优化配置的扩展性与运行可行性时纳入这些约束。四是不确定性处理需强化，尽管部分研究采用蒙特卡洛模拟、敏感性分析、随机公式或鲁棒优化，但多数容量模型仍依赖确定性负荷、气象、成本或电价假设，未来需纳入气候波动、需求不确定性、组件老化、能源价格变化及突发事件的概率性与鲁棒框架。五是可解释性日益重要，随着学习驱动与混合AI方法进入容量优化流程，决策透明度对关键基础设施、医院、工业设施及孤立社区尤为重要，可解释人工智能（XAI）有助于识别影响配置选择的关键变量、约束与运行假设。六是扩展性与可迁移性仍待突破，多数研究仅在单一案例验证方法，限制了跨气候、负荷曲线、区域、规模及监管条件的性能证据，未来需纳入跨场景验证、基准案例、多微电网应用、分布式优化及可迁移模型。最后，数字孪生与实时自适应优化是未来重要方向：数字孪生可支撑模型持续更新、场景评估、预测性维护及基于实际运行数据的验证；实时自适应优化可使容量与能量管理决策动态响应需求变化、可再生能源出力波动、组件老化及市场条件，需与不确定性感知及可解释模型集成，以提升透明度、鲁棒性及运行适用性。
本综述存在以下局限：检索仅覆盖Scopus与Web of Science核心合集，可能遗漏其他数据库、机构存储库、会议论文或灰色文献中的相关研究；检索策略聚焦容量优化、最优设计、容量优化、微电网、混合可再生能源系统、光伏、风电、人工智能及元启发式相关术语，可能排除了使用扩展规划、资源分配或配置规划等替代术语的研究；仅纳入研究型论文，排除了综述、书籍章节、重复文献及仅聚焦运行、调度、控制或预测而无明确容量优化的研究；数据提取依赖文章报告信息，当工具、数据集、假设、约束或方法角色不明确时采用保守编码；未开展正式的方法学质量或偏倚风险评估，符合范围综述的定位；部分类别非互斥，单项研究可包含多种优化方法、配置、目标、数据源或应用场景，因此频次应解释为编码出现次数而非排他性文章计数。
本范围综述系统梳理了69项采用人工智能、学习驱动方法、元启发式及相关优化算法开展可再生能源微电网与混合可再生能源系统容量优化的研究。证据表明该领域在2020年后快速增长，多数研究聚焦光伏-风电系统、电池储能及独立、离网、乡村或社区应用。元启发式是主导方法学簇，PSO/MOPSO与GA/NSGA-II应用最为频繁，替代仿生算法也有广泛报道；人工智能与学习驱动方法较少作为核心容量优化工具，主要支撑预测、不确定性建模、代理建模及能量管理。技术配置层面，光伏/太阳能-风电-电池/BESS系统（含或不含柴油备用）最为常见，印证了文献对孤岛或弱电网场景下自治能力、可靠性及可再生能源波动性管理的侧重。目标函数与性能评价指标集中于经济与可靠性准则，环境、能源、技术及算法指标在多目标公式中占比逐步提升。MATLAB与HOMER/HOMER Pro是最常用的计算工具，电池/SOC参数、经济成本、负荷曲线、电网数据、环境因素及气象变量是最常见的数据输入，表明容量优化高度依赖储能、需求、成本及可再生能源资源数据质量。研究层面的评估识别出显著的方法学与报告缺口：仅6项研究显式建模电池老化，38项通过寿命、替换等假设部分涉及，21项未报告老化信息；仅23项纳入形式化不确定性场景，52项开展基准对比；仅8项提供充分的算法参数信息，20项报告明确收敛准则，仅1项公开代码或数据。上述发现支持通过开放代码、可追溯数据集及标准化算法参数报告提升可复现性。未来研究需强化实地验证、系统性纳入不确定性与老化因素、提升AI辅助模型的可解释性、评估容量方法在跨区域、多应用场景及多元技术架构下的扩展性与可迁移性。