Abstrakt En høj andel af fotovoltaisk elproduktion vil have negative virkninger på stabiliteten af ​​elsystemet, og energilagring anses for at være et af de effektive midler til at eliminere disse effekter. Dette papir analyserer indflydelsen af ​​fotovoltaisk elproduktion på elsystemet ud fra strømningsperspektivet og analyserer derefter effekten af ​​energilagring på at begrænse indflydelsen. For det første introduceres sandsynlighedsfordelingsmodellen og energilagringsmodellen for komponenter i elsystemet, og den latinske hyperkube-samplingmetode og gram-Schmidt-sekvensnormaliseringsmetoden introduceres. For det andet blev der etableret en multi-objektiv optimeringsmodel, som tog højde for omkostningerne ved energilagringssystemet, den off-limit sandsynlighed for grenstrøm og nettabet af elnettet. Den optimale løsning af den objektive funktion blev opnået ved genetisk algoritme. Endelig udføres simuleringen i IEEE24 node testsystem for at analysere indflydelsen af ​​forskellige fotovoltaiske adgangskapaciteter og adgangsplaceringer på elsystemet og effekten af ​​energilagring på elsystemet, og den optimale energilagringskonfiguration svarende til forskellig fotovoltaisk kapacitet opnås.

Nøgleord fotovoltaisk elproduktion; Energilagringssystem; Optimeret konfiguration; Sandsynlighed strømflow; Genetisk algoritme (ga)

Fotovoltaisk elproduktion har fordelene ved grøn miljøbeskyttelse og vedvarende energi og anses for at være en af ​​de mest potentielle vedvarende energi. I 2020 har Kinas kumulative installerede kapacitet af fotovoltaisk elproduktion nået 253 millioner kw. Intermittensen og usikkerheden ved storskala PV-strøm påvirker elsystemet, herunder problemer med spidsbarbering, stabilitet og lysudslip, og nettet skal vedtage mere fleksible foranstaltninger for at håndtere disse problemer. Energilagring anses for at være en effektiv måde at løse disse problemer på. Anvendelsen af ​​energilagringssystem bringer en ny løsning til storstilet fotovoltaisk nettilslutning.

På nuværende tidspunkt er der mange undersøgelser om fotovoltaisk elproduktion, energilagringssystem og sandsynlighed for strømflow i ind- og udland. En lang række litteraturstudier viser, at energilagring kan forbedre udnyttelsesgraden af ​​solcelleanlæg og løse stabiliteten af ​​solcellenettilslutning. I konfigurationen af ​​energilagringssystem i et nyt energikraftværk skal der ikke kun lægges vægt på kontrolstrategien for optisk lagring og vindlagring, men også til økonomien i energilagringssystem. Derudover er det for optimering af flere energilagringskraftværker i elsystemet nødvendigt at studere den økonomiske model for driften af ​​energilagringskraftværker, valg af sted for start- og slutpunktet for fotovoltaiske transmissionskanaler og stedvalg af energilagring. Den eksisterende forskning i optimal konfiguration af energilagringssystem tager imidlertid ikke hensyn til den specifikke indvirkning på strømsystemet, og forskningen i multipunktssystem involverer ikke storskala optiske lagerdriftskarakteristika.

Med den storstilede udvikling af usikker ny energiproduktion såsom vindkraft og solcelle, er det nødvendigt at beregne strømforsyningen i elsystemet i driftsplanlægningen af ​​elsystemet. Eksempelvis studerer litteraturen den optimale placering og kapacitetsfordeling af energilagring i elsystemet med vindkraft. Derudover bør korrelationen mellem flere nye energikilder også tages i betragtning ved beregningen af ​​strømflow. Alle ovenstående undersøgelser er dog baseret på deterministiske strømstrømsmetoder, som ikke tager hensyn til usikkerheden ved ny energiproduktion. Litteraturen overvejer vindkraftens usikkerhed og anvender den probabilistiske optimale strømstrømsmetode til at optimere stedets valg af energilagringssystem, hvilket forbedrer driftsøkonomien.

På nuværende tidspunkt er forskellige probabilistiske strømningsalgoritmer blevet foreslået af forskere, og data mining-metoder for ikke-lineær probabilistisk strømstrøm baseret på Monte Carlo-simuleringsmetoden er blevet foreslået i litteraturen, men aktualiteten af ​​Monte Carlo-metoden er meget dårlig. Det foreslås i litteraturen at bruge det probabilistiske optimale effektflow til at studere placeringen af ​​energilagring, og 2 m-punktsmetoden anvendes, men beregningsnøjagtigheden af ​​denne metode er ikke ideel. Anvendelsen af ​​den latinske hyperkube-samplingmetode i kraftstrømsberegning studeres i dette papir, og overlegenheden af ​​den latinske hyperkube-samplingmetode er illustreret med numeriske eksempler.

Baseret på ovenstående forskning bruger dette papir den probabilistiske strømstrømsmetode til at studere den optimale tildeling af energilagring i elsystemet med storskala fotovoltaisk elproduktion. Først introduceres sandsynlighedsfordelingsmodellen og den latinske hyperkube-samplingmetode for komponenter i elsystemet. For det andet etableres en multi-objektiv optimeringsmodel under hensyntagen til energilagringsomkostningerne, strømflow over grænsesandsynlighed og netværkstab. Til sidst udføres simuleringsanalysen i IEEE24 nodetestsystem.

1. Probabilistisk effektstrømsmodel

1.1 Usikkerhedsmodel af komponenter

Fotovoltaik, belastning og generator er alle tilfældige variabler med usikkerhed. I beregningen af ​​probabilistisk strømstrøm af distributionsnet, er den sandsynlige model forklaret i litteraturen. Gennem analysen af ​​historiske data følger udgangseffekten af ​​fotovoltaisk elproduktion BETA-distribution. Ved at tilpasse sandsynlighedsfordelingen af ​​lasteffekt antages det, at lasten følger normalfordelingen, og dens sandsynlighedstæthedsfordelingsfunktion er

Billede (1)

Hvor Pl er belastningseffekten; μ L og σ L er henholdsvis forventningen og variansen af ​​belastning.

Generatorens sandsynlighedsmodel anvender normalt to-punktsfordeling, og dens sandsynlighedstæthedsfordelingsfunktion er

(2)

Hvor P er sandsynligheden for normal drift af generatoren; PG er generatorens udgangseffekt.

Når lyset er tilstrækkeligt ved middagstid, er solcelleanlæggets aktive effekt stor, og den strøm, der er svær at bruge i tide, vil blive lagret i energilagerbatteriet. Når belastningseffekten er høj, vil energilagringsbatteriet frigive den lagrede energi. Den øjeblikkelige energibalanceligning for energilagringssystemet er

Under opladning

(3)

Når udledningen

(4)

Begrænsningen

Billeder,

Billeder,

Billede, billede

Hvor St er den energi, der er lagret på tidspunktet T; Pt er opladnings- og afladningseffekten af ​​energilagring; SL og SG er energien ved henholdsvis opladning og afladning. η C og η D er henholdsvis opladnings- og afladningseffektivitet. Ds er selvafladningshastigheden for energilagring.

1.2 Latin hypercube prøveudtagningsmetode

Der er simuleringsmetode, tilnærmet metode og analysemetode, som kan bruges til at analysere systemets strømflow under usikre faktorer. Monte Carlo-simulering er en af ​​de mest nøjagtige metoder i probabilistiske strømningsalgoritmer, men dens aktualitet er lav sammenlignet med høj præcision. I tilfælde af lave prøvetagningstider ignorerer denne metode sædvanligvis halen af ​​sandsynlighedsfordelingskurven, men for at forbedre nøjagtigheden er det nødvendigt at øge prøvetagningstiderne. Latin hypercube prøveudtagningsmetode undgår dette problem. Det er en hierarkisk prøveudtagningsmetode, som kan sikre, at prøveudtagningspunkterne afspejler sandsynlighedsfordelingen effektivt og reducerer prøvetagningstiderne effektivt.

Figur 1 viser forventningen og variansen af ​​den latinske hyperkube-prøveudtagningsmetode og Monte Carlo-simuleringsmetoden med prøveudtagningstider fra 10 til 200. Den overordnede tendens for resultater opnået med de to metoder er faldende. Imidlertid er forventningen og variansen opnået ved Monte Carlo-metoden meget ustabil, og resultaterne opnået ved flere simuleringer er ikke de samme med de samme prøvetagningstider. Variansen af ​​den latinske hyperkube prøveudtagningsmetode falder støt med stigningen i prøvetagningstider, og den relative fejl falder til mindre end 5 %, når prøvetagningstiderne er mere end 150. Det er værd at bemærke, at prøvetagningspunktet for den latinske hyperkube prøveudtagningsmetode er symmetrisk om Y-aksen, så dens forventede fejl er 0, hvilket også er dens fordel.

Billedet

FIG. 1 Sammenligning af forskellige prøvetagningstider mellem MC og LHS

Latin hypercube prøveudtagningsmetode er en lagdelt prøveudtagningsmetode. Ved at forbedre stikprøvegenereringsprocessen for input tilfældige variabler, kan stikprøveværdien effektivt afspejle den overordnede fordeling af tilfældige variable. Prøveudtagningsprocessen er opdelt i to trin.

(1) Prøveudtagning

Xi (I = 1, 2,… ,m) er m stokastiske variable, og prøveudtagningstiderne er N, som vist i FIG. 2. Den kumulative sandsynlighedsfordelingskurve for Xi er opdelt i N-interval med lige stor mellemrum og ingen overlapning, midtpunktet af hvert interval vælges som samplingværdien af ​​sandsynlighed Y, og derefter er samplingværdien Xi= p-1 (Yi) beregnes ved at bruge invers funktion, og den beregnede Xi er stikprøveværdien af ​​tilfældig variabel.

Billedet

Figur 2 skematisk diagram af LHS

(2) Permutationer

Samplingværdierne af tilfældige variable opnået fra (1) er sekventielt arrangeret, så korrelationen mellem m tilfældige variable er 1, som ikke kan beregnes. Gram-Schmidt-sekvensortogonaliseringsmetoden kan anvendes til at reducere korrelationen mellem stikprøveværdierne af tilfældige variable. For det første genereres en matrix af K×M orden I=[I1, I2…, IK]T. Elementer i hver række er tilfældigt arrangeret fra 1 til M, og de repræsenterer placeringen af ​​stikprøveværdien af ​​den oprindelige stokastiske variabel.

Positiv iteration

Billedet

En omvendt iterativ

Billedet

“Billede” repræsenterer tildeling, takeout(Ik,Ij) repræsenterer beregning af restværdi i lineær regression Ik=a+bIj, rang(Ik) repræsenterer ny vektor dannet af sekvensnummeret af elementer i orientering Ik fra lille til stor.

Efter tovejs iteration indtil RMS-værdien ρ, som repræsenterer korrelationen, ikke falder, opnås positionsmatrixen for hver stokastisk variabel efter permutation, og derefter kan permutationsmatricen af ​​stokastiske variable med den mindste korrelation opnås.

(5)

Hvor billedet er korrelationskoefficient mellem Ik og Ij, cov er kovarians, og VAR er varians.

2. Multi-objektiv optimeringskonfiguration af energilagringssystem

2.1 Objektiv funktion

For at optimere energilagringssystemets effekt og kapacitet etableres en multi-objektiv optimeringsfunktion under hensyntagen til omkostningerne ved energilagringssystemet, sandsynligheden for strømafbrydelse og netværkstabet. På grund af de forskellige dimensioner af hver indikator, udføres afvigelsesstandardisering for hver indikator. Efter afvigelsesstandardisering vil værdiområdet for observerede værdier af forskellige variable være mellem (0,1), og de standardiserede data er rene størrelser uden enheder. I den faktiske situation kan der være forskel på vægten på hver indikator. Hvis hver indikator tillægges en vis vægt, kan forskellige vægtninger analyseres og studeres.

(6)

Hvor, w er indekset, der skal optimeres; Wmin og wmax er minimum og maksimum af den oprindelige funktion uden standardisering.

Den objektive funktion er

(7)

I formlen er λ1 ~ λ3 vægtkoefficienter, Eloss, PE og CESS er henholdsvis standardiseret filialnettab, sandsynlighed for krydsning af aktiv effekt af filialer og investeringsomkostninger for energilagring.

2.2 Genetisk algoritme

Genetisk algoritme er en slags optimeringsalgoritme etableret ved at efterligne de genetiske og evolutionære love for overlevelse af de stærkeste og overlevelse af de stærkeste i naturen. Det første til kodning, indledende population hver kodning på vegne af et individ (en gennemførlig løsning af problemet), så hver mulig løsning er fra for genotype fænotype transformation, at foretage valg i henhold til naturlovene for hvert individ, og udvalgt i hver generation til den næste generation af computermiljø til at tilpasse sig den stærke individuelle, indtil den mest tilpasningsdygtige til miljøet af den enkelte, Efter afkodning, er det den omtrentlige optimale løsning af problemet.

I dette papir beregnes strømsystemet inklusive solcelle- og energilagring først af den sandsynlige strømstrømsalgoritme, og de opnåede data bruges som inputvariabel for den genetiske algoritme til at løse problemet. Beregningsprocessen er vist i figur 3, som hovedsageligt er opdelt i følgende trin:

Billedet

FIG. 3 Algoritme flow

(1) Input system, fotovoltaiske og energilagringsdata og udføre latinske hyperkube-sampling og Gram-Schmidt-sekvensortogonalisering;

(2) Indtast de samplede data i strømflowberegningsmodellen og optag beregningsresultaterne;

(3) Outputresultaterne blev kodet af kromosom for at generere den initiale population svarende til prøvetagningsværdien;

(4) Beregn egnetheden for hvert individ i befolkningen;

(5) udvælge, krydse og mutere for at producere en ny generation af befolkning;

(6) Vurder, om kravene er opfyldt, hvis ikke, returner trin (4); Hvis ja, udlæses den optimale løsning efter afkodning.

3. Eksempelanalyse

Den probabilistiske effektstrømsmetode simuleres og analyseres i IEEE24-knudetestsystemet vist i FIG. 4, hvor spændingsniveauet for 1-10 knudepunkter er 138 kV, og spændingsniveauet for 11-24 knudepunkter er 230 kV.

Billedet

Figur 4 IEEE24 node testsystem

3.1 Solcelleværkets indflydelse på elsystemet

Fotovoltaisk kraftværk i elsystemet, placeringen og kapaciteten af ​​elsystemet vil påvirke nodespændingen og grenkraften, derfor, før analysen af ​​indflydelsen fra energilagringssystemet til elnettet, analyserer dette afsnit først indflydelsen af ​​fotovoltaisk strøm station på systemet, fotovoltaisk adgang til systemet i dette papir, tendensen til grænsen for sandsynligheden, netværkstab og så videre har gennemført simuleringsanalysen.

Som det kan ses af fig. 5(a), efter at et fotovoltaisk kraftværk er tilsluttet, er knudepunkter med mindre grenstrømsovergrænse som følger: 11, 12, 13, 23, 13 for at balancere knudepunktet, nodespændingen og fasevinklen er givet, effekt af stabil elnet strømbalance, 11, 12 og 23 i stedet for direkte forbundet, som et resultat, flere knudepunkter forbundet til grænsen sandsynligheden for mindre og mere strøm, vil solcelleanlægget få adgang til noden med balance effekt er mindre på effekt af elsystemet.

Billedet

Figur 5. (a) summen af ​​strømstrøm uden for grænsesandsynlighed (b) knudepunktspændingsudsving (c) totalt systemnetværkstab af forskellige PV-adgangspunkter

Ud over overskridelsen af ​​strømstrømmen analyserer dette papir også fotovoltaikkens indflydelse på nodespændingen, som vist i FIG. 5(b). Standardafvigelserne af spændingsamplituderne for noderne 1, 3, 8, 13, 14, 15 og 19 er valgt til sammenligning. I det hele taget har tilslutningen af ​​solcelleværker til elnettet ikke den store indflydelse på nodernes spænding, men solcelleværkerne har stor indflydelse på spændingen af ​​a-Nodes og deres nærliggende noder. I det system, der er anvendt af regneeksemplet, er det gennem sammenligning konstateret, at solcelleanlæg er mere egnet til adgang til nodetyperne: ① noder med højere spændingsgrad, såsom 14, 15, 16 osv., spændingen ændres næsten ikke; (2) noder understøttet af generatorer eller justeringskameraer, såsom 1, 2, 7 osv.; (3) i linjen modstand er stor i slutningen af ​​noden.

For at analysere indflydelsen af ​​PV-adgangspunkt på det totale netværkstab af strømsystem, foretager dette papir en sammenligning som vist i figur 5(c). Det kan ses, at hvis nogle noder med stor belastningseffekt og ingen strømforsyning tilsluttes pv-kraftværket, vil netværkstabet af systemet blive reduceret. Tværtimod er knudepunkterne 21, 22 og 23 strømforsyningsenden, som er ansvarlig for centraliseret krafttransmission. Solcelleværket forbundet til disse knudepunkter vil forårsage store netværkstab. Derfor bør pv-kraftværkets adgangspunkt vælges ved den modtagende ende af strøm eller knudepunktet med stor belastning. Denne adgangstilstand kan gøre systemets strømfordeling mere afbalanceret og reducere systemets netværkstab.

Baseret på de tre faktorer i analysen af ​​ovenstående resultater, tages node 14 som adgangspunkt for et solcelleanlæg i dette papir, og derefter undersøges indflydelsen af ​​forskellige solcelleværkers kapacitet på elsystemet.

Figur 6(a) analyserer solcellekapacitetens indflydelse på systemet. Det kan ses, at standardafvigelsen af ​​den aktive effekt af hver gren stiger med stigningen i fotovoltaisk kapacitet, og der er en positiv lineær sammenhæng mellem de to. Bortset fra flere grene vist i figuren er standardafvigelserne for andre grene alle mindre end 5 og viser et lineært forhold, som ignoreres af hensyn til tegningen. Det kan ses, at solcellenettilslutning har stor indflydelse på effekten af ​​direkte forbundet med solcelleadgangspunkt eller tilstødende filialer. På grund af begrænset krafttransmissionsledningstransmission er transmissionslinjerne for mængder af byggeri og investeringer enorme, så installation af et solcellekraftværk bør overveje begrænsningen af ​​transportkapaciteten, vælg den mindste indflydelse på linjeadgang til den bedste placering, desuden, valget af den bedste kapacitet for solcelleanlæg vil spille en vigtig rolle for at reducere denne effekt.

Billedet

Figur 6. (a) Branch active power standard deviation (b) branch power flow out-of-limit sandsynlighed (c) total systemnetværkstab under forskellige fotovoltaiske kapaciteter

FIG. 6(b) sammenligner sandsynligheden for, at aktiv effekt overskrider grænsen for hver gren under forskellige pv-kraftværkskapaciteter. Bortset fra grene vist på figuren, overskred de øvrige grene ikke grænsen eller sandsynligheden var meget lille. Sammenlignet med fig. 6(a), kan det ses, at sandsynligheden for off-limit og standardafvigelse ikke nødvendigvis hænger sammen. Den aktive effekt af en linje med store udsving i standardafvigelsen er ikke nødvendigvis off-limit, og årsagen er relateret til transmissionsretningen for fotovoltaisk udgangseffekt. Hvis den er i samme retning som den oprindelige grenstrøm, kan lille solcellestrøm også forårsage off-limit. Når pv-effekten er meget stor, må strømflowet ikke overskride grænsen.

I fig. 6(c), stiger systemets samlede netværkstab med stigningen i fotovoltaisk kapacitet, men denne effekt er ikke indlysende. Når solcellekapaciteten stiger med 60 MW, øges det samlede nettab kun med 0.5 %, altså 0.75 MW. Ved installation af pv-kraftværker bør nettab derfor tages som en sekundær faktor, og faktorer, der har en større indvirkning på systemets stabile drift, bør overvejes først, såsom transmissionslinjeeffektudsving og sandsynlighed uden for grænsen .

3.2 Indvirkning af energilagringsadgang på systemet

Afsnit 3.1 Solcelleanlæggets adgangsposition og kapacitet afhænger af elsystemet