Opsomming ‘n Hoë proporsie fotovoltaïese kragopwekking sal nadelige uitwerking op die stabiliteit van kragstelsel hê, en energieberging word beskou as een van die effektiewe maniere om hierdie effekte uit te skakel. Hierdie vraestel ontleed die invloed van fotovoltaïese kragopwekking op die kragstelsel vanuit die perspektief van kragvloei, en ontleed dan die effek van energieberging om die invloed te beperk. Eerstens word die waarskynlikheidsverspreidingsmodel en energiebergingsmodel van komponente in kragstelsel bekendgestel, en die Latynse hiperkubus-steekproefmetode en gram-Schmidt-volgordenormaliseringsmetode word bekendgestel. Tweedens is ‘n multi-doelwit optimeringsmodel daargestel, wat die koste van die energiebergingstelsel, die buitegrenswaarskynlikheid van takkragvloei en die netwerkverlies van die kragnetwerk in ag geneem het. Die optimale oplossing van die objektiewe funksie is verkry deur genetiese algoritme. Laastens word die simulasie in IEEE24-nodustoetsstelsel uitgevoer om die invloed van verskillende fotovoltaïese toegangskapasiteit en toegangsligging op die kragstelsel en die effek van energieberging op die kragstelsel te ontleed, en die optimale energiebergingkonfigurasie wat ooreenstem met verskillende fotovoltaïese kapasiteit verkry word.

Sleutelwoorde fotovoltaïese kragopwekking; Energiebergingstelsel; Geoptimaliseerde konfigurasie; Waarskynlikheid kragvloei; Genetiese algoritme (ga)

Fotovoltaïese kragopwekking het die voordele van groen omgewingsbeskerming en hernubare, en word beskou as een van die mees potensiële hernubare energie. Teen 2020 het China se kumulatiewe geïnstalleerde kapasiteit van fotovoltaïese kragopwekking 253 miljoen kw bereik. Die wisselvalligheid en onsekerheid van grootskaalse FV-krag beïnvloed die kragstelsel, insluitend kwessies van piekskeer, stabiliteit en ligweggooi, en die netwerk moet meer buigsame maatreëls aanneem om hierdie probleme die hoof te bied. Energieberging word beskou as ‘n effektiewe manier om hierdie probleme op te los. Die toepassing van energiebergingstelsel bring ‘n nuwe oplossing vir grootskaalse fotovoltaïese netwerkverbinding.

Tans is daar baie navorsing oor fotovoltaïese kragopwekking, energiebergingstelsel en waarskynlike kragvloei by die huis en in die buiteland. ‘n Groot aantal literatuurstudies toon dat energieberging die benuttingstempo van fotovoltaïese kan verbeter en die stabiliteit van fotovoltaïese netwerkverbinding kan oplos. In die opset van energiebergingstelsel in nuwe energiekragstasie, moet aandag nie net aan die beheerstrategie van optiese berging en windberging gegee word nie, maar ook aan die ekonomie van energiebergingstelsel. Daarbenewens, vir die optimalisering van veelvuldige energieopgaarkragstasies in die kragstelsel, is dit nodig om die ekonomiese model van die werking van energieopgaarkragstasies, die terreinkeuse van die beginpunt en eindpunt van fotovoltaïese transmissiekanale en die terreinkeuse van energieberging. Die bestaande navorsing oor optimale konfigurasie van energiebergingstelsel neem egter nie die spesifieke impak op kragstelsel in ag nie, en die navorsing oor multipuntstelsel behels nie grootskaalse optiese bergingsoperasie-eienskappe nie.

Met die grootskaalse ontwikkeling van onsekere nuwe energie kragopwekking soos windkrag en fotovoltaïese, is dit nodig om die kragvloei van die kragstelsel te bereken in die bedryfsbeplanning van die kragstelsel. Die literatuur bestudeer byvoorbeeld die optimale ligging en kapasiteitstoekenning van energieberging in die kragstelsel met windkrag. Daarbenewens moet die korrelasie tussen veelvuldige nuwe energiebronne ook in ag geneem word in die berekening van kragvloei. Al die bogenoemde studies is egter gebaseer op deterministiese kragvloeimetodes, wat nie die onsekerheid van nuwe energieopwekking in ag neem nie. Die literatuur oorweeg die onsekerheid van windkrag en pas die probabilistiese optimale kragvloeimetode toe om die terreinkeuse van energiebergingstelsel te optimaliseer, wat die bedryfsekonomie verbeter.

Tans is verskillende probabilistiese kragvloeialgoritmes deur geleerdes voorgestel, en data-ontginningsmetodes van nie-lineêre probabilistiese kragvloei gebaseer op Monte Carlo simulasie metode is in literatuur voorgestel, maar die tydigheid van Monte Carlo metode is baie swak. Daar word in die literatuur voorgestel om die probabilistiese optimale kragvloei te gebruik om die ligging van energieberging te bestudeer, en 2 m punt metode word gebruik, maar die berekeningsakkuraatheid van hierdie metode is nie ideaal nie. Die toepassing van Latynse hiperkubus-steekproefmetode in kragvloeiberekening word in hierdie vraestel bestudeer, en die superioriteit van Latynse hiperkubus-steekproefmetode word deur numeriese voorbeelde geïllustreer.

Gebaseer op bogenoemde navorsing, gebruik hierdie referaat die waarskynlike kragvloeimetode om die optimale toewysing van energieberging in die kragstelsel met grootskaalse fotovoltaïese kragopwekking te bestudeer. Eerstens word die waarskynlikheidsverspreidingsmodel en Latynse hiperkubus-steekproefmetode van komponente in drywingstelsel bekendgestel. Tweedens word ‘n multi-doelwit optimeringsmodel daargestel met inagneming van die energiebergingskoste, kragvloei oor limietwaarskynlikheid en netwerkverlies. Laastens word die simulasie-analise uitgevoer in IEEE24 nodus toetsstelsel.

1. Probabilistiese kragvloeimodel

1.1 Onsekerheidsmodel van komponente

Fotovoltaïese, las en kragopwekker is almal ewekansige veranderlikes met onsekerheid. In die berekening van probabilistiese drywingsvloei van verspreidingsnetwerk word die probabilistiese model in die literatuur verduidelik. Deur die ontleding van historiese data, volg die uitsetkrag van fotovoltaïese kragopwekking BETA-verspreiding. Deur die waarskynlikheidsverdeling van laskrag te pas, word aanvaar dat las normale verspreiding volg, en die waarskynlikheidsdigtheidverspreidingsfunksie daarvan is

Prent (1)

Waar, Pl die laskrag is; μ L en σ L is die verwagting en variansie van las onderskeidelik.

Die waarskynlikheidsmodel van kragopwekker neem gewoonlik tweepuntverspreiding aan, en sy waarskynlikheidsdigtheidverspreidingsfunksie is

(2)

Waar, P die waarskynlikheid van normale werking van generator is; PG is die uitsetkrag van die kragopwekker.

Wanneer die lig op die middag voldoende is, is die aktiewe krag van die fotovoltaïese kragstasie groot, en die krag wat moeilik is om betyds te gebruik, sal in die energieopgaarbattery gestoor word. Wanneer die laskrag hoog is, sal die energiebergingsbattery die gestoorde energie vrystel. Die oombliklike energiebalansvergelyking van die energiebergingstelsel is

Wanneer u laai

(3)

Wanneer die ontslag

(4)

Die beperking

foto’s,

foto’s,

Prentjie, prentjie

Waar, St die energie is wat op tyd T gestoor is; Pt is die laai- en ontladingskrag van energieberging; SL en SG is die energie van onderskeidelik laai en ontlaai. η C en η D is onderskeidelik laai- en ontladingsdoeltreffendheid. Ds is die selfontladingstempo van energieberging.

1.2 Latynse hiperkubus-steekproefmetode

Daar is simulasiemetodes, benaderde metodes en analitiese metodes wat gebruik kan word om stelselkragvloei onder onsekere faktore te ontleed. Monte Carlo-simulasie is een van die mees akkurate metodes in probabilistiese kragvloeialgoritmes, maar die tydigheid daarvan is laag in vergelyking met hoë akkuraatheid. In die geval van lae steekproeftye ignoreer hierdie metode gewoonlik die stert van die waarskynlikheidsverspreidingskurwe, maar om die akkuraatheid te verbeter, moet dit die steekproeftye verhoog. Latynse hiperkubus-steekproefmetode vermy hierdie probleem. Dit is ‘n hiërargiese steekproefmetode, wat kan verseker dat die steekproefpunte die waarskynlikheidsverdeling effektief weerspieël en die steekproeftye effektief verminder.

Figuur 1 toon die verwagting en variansie van Latynse hiperkubus-steekproefmetode en Monte Carlo-simulasiemetode met steekproeftye wat wissel van 10 tot 200. Die algehele neiging van resultate wat deur die twee metodes verkry word, neem af. Die verwagting en variansie wat deur die Monte Carlo-metode verkry word, is egter baie onstabiel, en die resultate verkry deur veelvuldige simulasies is nie dieselfde met dieselfde steekproeftye nie. Die variansie van Latynse hiperkubus steekproefmetode neem geleidelik af met die toename in steekproeftye, en die relatiewe fout verminder tot minder as 5% wanneer die steekproeftye meer as 150 is. Dit is opmerklik dat die steekproefpunt van die Latynse hiperkubus steekproefmetode is simmetries oor die Y-as, dus is die verwagte fout 0, wat ook sy voordeel is.

Die prentjie

FIG. 1 Vergelyking van verskillende steekproeftye tussen MC en LHS

Latynse hiperkubus-steekproefmetode is ‘n gelaagde steekproefmetode. Deur die steekproefgenereringsproses van insette ewekansige veranderlikes te verbeter, kan die steekproefwaarde effektief die algehele verspreiding van ewekansige veranderlikes weerspieël. Die monsternemingsproses word in twee stappe verdeel.

(1) Steekproefneming

Xi (I = 1, 2,… ,m) is m ewekansige veranderlikes, en die steekproeftye is N, soos in FIG. 2. Die kumulatiewe waarskynlikheidsverdelingskromme van Xi word in N-interval verdeel met gelyke spasiëring en geen oorvleueling nie, die middelpunt van elke interval word gekies as die steekproefwaarde van waarskynlikheid Y, en dan is die steekproefwaarde Xi= p-1 (Yi) is bereken deur inverse funksie te gebruik, en die berekende Xi is die steekproefwaarde van ewekansige veranderlike.

Die prentjie

Figuur 2 skematiese diagram van LHS

(2) Permutasies

Die steekproefwaardes van ewekansige veranderlikes verkry uit (1) word opeenvolgend gerangskik, dus is die korrelasie tussen m ewekansige veranderlikes 1, wat nie bereken kan word nie. Die gram-Schmidt volgorde ortogonalisasie metode kan aangeneem word om die korrelasie tussen die steekproefwaardes van ewekansige veranderlikes te verminder. Eerstens word ‘n matriks van K×M orde I=[I1, I2…, IK]T gegenereer. Elemente in elke ry is ewekansig van 1 tot M gerangskik, en hulle verteenwoordig die posisie van die steekproefwaarde van die oorspronklike ewekansige veranderlike.

Positiewe herhaling

Die prentjie

‘n Omgekeerde iteratief

Die prentjie

“Beeld” verteenwoordig toewysing, uithaal(Ik,Ij) verteenwoordig berekening van reswaarde in lineêre regressie Ik=a+bIj, rang(Ik) verteenwoordig nuwe vektor wat gevorm word deur die volgordenommer van elemente in oriëntasie Ik van klein na groot.

Na tweerigting iterasie totdat die RMS-waarde ρ, wat die korrelasie verteenwoordig, nie afneem nie, word die posisiematriks van elke ewekansige veranderlike na permutasie verkry, en dan kan die permutasiematriks van ewekansige veranderlikes met die minste korrelasie verkry word.

(5)

Waar die prentjie korrelasiekoëffisiënt tussen Ik en Ij is, cov is kovariansie, en VAR is variansie.

2. Multi-objektiewe optimalisering konfigurasie van energie stoor stelsel

2.1 Objektiewe funksie

Ten einde die krag en kapasiteit van die energiebergingstelsel te optimaliseer, word ‘n multi-objektiewe optimeringsfunksie gevestig met inagneming van die koste van die energiebergingstelsel, die krag-afgrenswaarskynlikheid en die netwerkverlies. As gevolg van die verskillende dimensies van elke aanwyser, word afwykingsstandaardisering vir elke aanwyser uitgevoer. Na afwykingsstandaardisering sal die waardereeks van waargenome waardes van verskeie veranderlikes tussen (0,1) wees, en die gestandaardiseerde data is suiwer hoeveelhede sonder eenhede. In die werklike situasie kan daar verskille wees in die klem op elke aanwyser. Indien elke aanwyser ‘n sekere gewig kry, kan verskillende beklemtonings ontleed en bestudeer word.

(6)

Waar, w die indeks is wat geoptimaliseer moet word; Wmin en wmax is die minimum en maksimum van die oorspronklike funksie sonder standaardisering.

Die objektiewe funksie is

(7)

In die formule is λ1 ~ λ3 gewigskoëffisiënte, Eloss, PE en CESS is onderskeidelik gestandaardiseerde taknetwerkverlies, takaktiewe kragkruisingswaarskynlikheid en energiebergingsinvesteringskoste.

2.2 Genetiese algoritme

Genetiese algoritme is ‘n soort optimeringsalgoritme wat geskep is deur die genetiese en evolusionêre wette van oorlewing van die sterkste en oorlewing van die sterkste in die natuur na te boots. Dit eerste om te kodeer, aanvanklike populasie elke kodering namens ‘n individu (‘n haalbare oplossing van die probleem), dus elke haalbare oplossing is van vir genotipe fenotipe transformasie, om te onderneem om te kies volgens die natuurwette vir elke individu, en gekies in elke generasie na die volgende generasie van rekenaar omgewing aan te pas by die sterk individu, totdat die mees aanpasbare by die omgewing van die individu, Na dekodering, dit is die benaderde optimale oplossing van die probleem.

In hierdie vraestel word die kragstelsel insluitend fotovoltaïese en energieberging eerstens bereken deur die waarskynlike kragvloeialgoritme, en die verkryde data word as die insetveranderlike van die genetiese algoritme gebruik om die probleem op te los. Die berekeningsproses word in Figuur 3 getoon, wat hoofsaaklik in die volgende stappe verdeel is:

Die prentjie

FIG. 3 Algoritmevloei

(1) Voer stelsel-, fotovoltaïese en energiebergingsdata in, en voer Latynse hiperkubusmonstering en Gram-Schmidt-volgorde-ortogonalisasie uit;

(2) Voer die gemonsterde data in die kragvloeiberekeningsmodel in en teken die berekeningsresultate aan;

(3) Die uitsetresultate is deur chromosoom geënkodeer om die aanvanklike populasie te genereer wat ooreenstem met die steekproefwaarde;

(4) Bereken die fiksheid van elke individu in die populasie;

(5) selekteer, kruis en muteer om ‘n nuwe generasie bevolking te produseer;

(6) Beoordeel of daar aan die vereistes voldoen word, indien nie, keer terug na stap (4); Indien wel, word die optimale oplossing na dekodering uitgevoer.

3. Voorbeeldontleding

Die probabilistiese kragvloeimetode word gesimuleer en geanaliseer in die IEEE24-nodustoetsstelsel wat in FIG. 4, waarin die spanningsvlak van 1-10 nodusse 138 kV is, en dié van 11-24 nodusse 230 kV is.

Die prentjie

Figuur 4 IEEE24 nodus toetsstelsel

3.1 Invloed van fotovoltaïese kragstasie op kragstelsel

Fotovoltaïese kragstasie in kragstelsel, die ligging en kapasiteit van kragstelsel sal die nodusspanning en takkrag beïnvloed, dus, voor die ontleding van die invloed van die energiebergingstelsel vir kragnetwerk, ontleed hierdie afdeling eers die invloed van fotovoltaïese krag stasie op die stelsel, fotovoltaïese toegang tot die stelsel in hierdie vraestel, die tendens van die limiet van die waarskynlikheid, die netwerk verlies en so aan het voortgeduur die simulasie-analise.

Soos gesien kan word uit FIG. 5(a), nadat fotovoltaïese kragstasie gekoppel is, is nodusse met kleiner takkragvloei-oorgrens soos volg: 11, 12, 13, 23, 13 om die nodusnodus te balanseer, die nodusspanning en die fasehoek word gegee, het die effek van stabiele kragnetwerk kragbalans, 11, 12 en 23 in plaas van direk verbind, as gevolg hiervan, verskeie nodusse gekoppel aan die limiet die waarskynlikheid van kleiner en meer krag, fotovoltaïese kragstasie sal toegang tot die nodus met balans effek is minder op die impak van kragstelsel.

Die prentjie

Figuur 5. (a) som van kragvloei buite-limietwaarskynlikheid (b) nodusspanningskommeling (c) totale stelselnetwerkverlies van verskillende PV-toegangspunte

Benewens die oorskryding van kragvloei, ontleed hierdie vraestel ook die invloed van fotovoltaïese op nodusspanning, soos in FIG. 5(b). Die standaardafwykings van spanningsamplitudes van nodusse 1, 3, 8, 13, 14, 15 en 19 word vir vergelyking gekies. Oor die algemeen het die aansluiting van fotovoltaïese kragstasies aan die kragnetwerk nie ‘n groot invloed op die spanning van nodusse nie, maar die fotovoltaïese kragstasies het ‘n groot invloed op die spanning van a-Nodes en hul nabygeleë nodusse. Daarbenewens, in die stelsel wat deur die berekeningsvoorbeeld aangeneem is, word deur vergelyking gevind dat fotovoltaïese kragstasie meer geskik is vir toegang tot die nodustipes: ① nodusse met hoër spanningsgraad, soos 14, 15, 16, ens., die spanning verander amper nie; (2) nodusse ondersteun deur kragopwekkers of verstelkameras, soos 1, 2, 7, ens.; (3) in die lyn weerstand is groot aan die einde van die nodus.

Ten einde die invloed van FV-toegangspunt op die totale netwerkverlies van kragstelsel te analiseer, maak hierdie vraestel ‘n vergelyking soos getoon in Figuur 5(c). Dit kan gesien word dat indien sommige nodusse met groot laskrag en geen kragtoevoer aan pv-kragstasie gekoppel word nie, die netwerkverlies van die stelsel verminder sal word. Inteendeel, nodes 21, 22 en 23 is die kragtoevoerkant, wat verantwoordelik is vir gesentraliseerde kragoordrag. Die fotovoltaïese kragstasie wat aan hierdie nodusse gekoppel is, sal groot netwerkverlies veroorsaak. Daarom moet die pv-kragstasie-toegangspunt gekies word by die ontvangkant van krag of die nodus met groot las. Hierdie toegangsmodus kan die kragvloeiverspreiding van die stelsel meer gebalanseerd maak en die netwerkverlies van die stelsel verminder.

Gebaseer op die drie faktore in die ontleding van bogenoemde resultate, word nodus 14 as die toegangspunt van fotovoltaïese kragstasie in hierdie vraestel geneem, en dan word die invloed van die kapasiteit van verskillende fotovoltaïese kragstasies op die kragstelsel bestudeer.

Figuur 6(a) ontleed die invloed van fotovoltaïese kapasiteit op die stelsel. Dit kan gesien word dat die standaardafwyking van die aktiewe drywing van elke tak toeneem met die toename in fotovoltaïese kapasiteit, en daar is ‘n positiewe lineêre verband tussen die twee. Behalwe vir verskeie takke wat in die figuur getoon word, is die standaardafwykings van ander takke almal minder as 5 en toon ‘n lineêre verwantskap, wat geïgnoreer word vir die gerief van teken. Dit kan gesien word dat fotovoltaïese roosterverbinding ‘n groot invloed het op die krag van direk verbind met fotovoltaïese toegangspunt of aangrensende takke. As gevolg van beperkte krag transmissie lyn transmissie, die transmissielyne van hoeveelhede van konstruksie en belegging is groot, so die installering van ‘n fotovoltaïese kragstasie, moet oorweeg om die beperking van vervoer kapasiteit, kies die kleinste invloed op die lyn toegang tot die beste plek, bykomend, die keuse van die beste kapasiteit van fotovoltaïese kragstasie sal ‘n belangrike rol speel om hierdie effek te verminder.

Die prentjie

Figuur 6. (a) Tak aktiewe drywing standaardafwyking (b) tak krag vloei buite limiet waarskynlikheid (c) totale stelsel netwerk verlies onder verskillende fotovoltaïese vermoëns

FIG. 6(b) vergelyk die waarskynlikheid dat aktiewe krag die limiet van elke tak onder verskillende pv-kragstasiekapasiteite oorskry. Behalwe vir die takke wat in die figuur getoon word, het die ander takke nie die limiet oorskry nie of die waarskynlikheid was baie klein. In vergelyking met FIG. 6(a), kan gesien word dat die waarskynlikheid van buite-perk en standaardafwyking nie noodwendig verband hou nie. Die aktiewe drywing van ‘n lyn met groot standaardafwykingsfluktuasie is nie noodwendig buite perk nie, en die rede hou verband met die transmissierigting van fotovoltaïese uitsetkrag. As dit in dieselfde rigting as die oorspronklike takkragvloei is, kan klein fotovoltaïese krag ook buitebeperking veroorsaak. Wanneer die pv-krag baie groot is, mag die kragvloei nie die limiet oorskry nie.

In FIG. 6(c), neem die totale netwerkverlies van die stelsel toe met die toename in fotovoltaïese kapasiteit, maar hierdie effek is nie duidelik nie. Wanneer die fotovoltaïese kapasiteit met 60 MW toeneem, neem die totale netwerkverlies net met 0.5% toe, dus 0.75 MW. Daarom, wanneer pv-kragstasies geïnstalleer word, moet netwerkverlies as ‘n sekondêre faktor geneem word, en faktore wat ‘n groter impak op die stabiele werking van die stelsel het, moet eerste oorweeg word, soos transmissielyn-kragskommeling en buite-perk waarskynlikheid .

3.2 Impak van toegang tot energieberging op die stelsel

Afdeling 3.1 Die toegangsposisie en kapasiteit van fotovoltaïese kragstasie hang af van die kragstelsel