可再生能源的开发和利用日益受到国际社会的广泛重视。风力发电和光伏发电由于具有清洁、分布广泛和便于利用等特点，已经成为新能源领域的一个研究重点。风能和太阳能在时间上有互补性，蓄能方式也可以合二为一，将两者有机组合构成风光互补发电系统，不仅可以降低系统的单位成本，而且还有利于提高系统供电的可靠性，因而更加适应市场的需求。目前的风光互补发电系统大多数是作为独立电源系统，为通信基站、微波站、边防哨所、边远山区和牧区及海岛居民提供电力。随着技术的进步，原材料和设备成本不断降低，利用清洁能源发电的风光互补系统已经被越来越多的人们所认识和接受，应用范围日益广泛。风光互补发电系统并不是风力发电和光伏发电的简单组合，而是要考虑一系列复杂因素。这些因素包括地理位置、气象条件、设备特性和负载要求等。因此，风光互补发电系统的设计是一项复杂任务，它的主要目标是合理选择和配置风力发电和光伏发电的容量，以充分利用太阳能和风能的互补性，并根据负载要求合理选择蓄电池容量，在保证系统运行可靠性的基础上，尽量降低系统成本。这可以归纳为一个带有约束的最优化设计问题。本文围绕着对风光互补发电系统进行优化设计的主题，首先选择国内具有不同地理位置和气候特征的地区，利用多年的气象观测数据分析其风能资源和太阳能资源状况；根据对风力发电机和光伏电池的功率特性分析，研究建立风力发电和光伏发电的能量输出模型；然后采用最优化理论和方法，研究建立风光互补发电系统优化设计的数学模型，并利用带有整数性约束的遗传算法对系统优化问题进行求解和分析；最后设计开发风光互补发电系统优化设计软件。本文的主要研究内容包括：1.基于气象台站1981-2010年的气象日值数据，对我国北京、哈尔滨、武汉、广州、昆明、乌鲁木齐等6个地处不同地理位置和气候地带的地区，进行风能资源状况统计分析，比较不同地区的资源状况差异，按月份对资源变化情况进行了分析和比较。结果表明，不同地区的风能资源状况差异明显，整体来说华北、东北、西北地区具有相对丰富的风能资源，而华中、华南、西南地区的风能资源相对比较匮乏；风能资源由多到少的顺序为哈尔滨、北京、乌鲁木齐、昆明、武汉和广州；一年中多数地方的春季风速最大。2.采用平均值-最大值方法求解风速的Weibull分布参数，进一步分析各地方可利用风能资源状况；然后根据风力发电机功率特性，建立风力发电的能量输出模型，并对各地方的风力发电潜力进行测算和分析。结果表明，与各地方的风能资源评估结果基本一致，哈尔滨的风力机年发电总量最高，其次是乌鲁木齐和北京，昆明的的风力发电量较少，而武汉和广州的风力发电量最少。3.基于气象台站1981-2010年的水平面上太阳辐射数据，测算不同倾角的斜面上太阳辐射量，分析北京、哈尔滨、武汉、广州、昆明、乌鲁木齐等6个地区的太阳辐射能状况。结果表明，较高纬度地区的太阳辐射量在夏季和冬季之间有明显的波动，夏季的辐射量远远高于冬季；而较低纬度地区一年内的辐射量变化相对较小；光伏阵列倾斜放置可以很好的平衡冬季、夏季的辐射量波动，使得辐射量在一年内的变化幅度减小。4.研究太阳辐射量和日照时数之间的关系，采用BP神经网络建立太阳辐射日总量的预测模型；根据光伏电池等效电路模型及其修正公式，建立光伏发电的能量输出模型，并对不同地方的光伏发电潜力进行测算和分析。结果表明，利用日照时数估测太阳辐射总量是可行的，BP神经网络模型具有良好的自适应性；不同地区的年均光伏发电量也存在差异；多数地方是夏季半年的光伏发电量较高，而昆明则是春季的光伏发电量较高。5.根据风光互补发电系统的设计要求，采用最优化理论和方法，建立风光互补发电系统优化设计数学模型。设计变量为风力机、光伏组件、蓄电池的数量以及光伏阵列倾角等4个，目标函数为成本最低，主要约束条件是负载缺电率。模型中的蓄电池电量采用时间序列法计算，分别针对两种负载，采用带整数性约束的遗传算法对模型求解。结果表明，该数学模型可以较好的满足系统优化设计的需要；遗传算法对此类有复杂非线性约束的优化问题具有良好的适用性。6.基于不同的负载要求，优化设计不同地方的风光互补发电系统，然后对设计结果进行能量输出仿真，并分析系统供电的可靠性和供电成本。结果表明，风能和太阳能的波动性是主要影响因素，其不仅会直接导致负载缺电率较高，而且会间接增加系统成本；除了哈尔滨主要依靠风力发电之外，其他地方主要依靠光伏发电给负载供电；而具有丰富风能和太阳能资源的哈尔滨的供电成本也是最低的。7.利用计算机软件开发技术和数据库技术，基于Windows平台设计开发一套风光互补发电系统优化设计软件。