Sažetak Visok udio fotonaponske proizvodnje električne energije imat će štetne učinke na stabilnost elektroenergetskog sustava, a skladištenje energije smatra se jednim od učinkovitih sredstava za uklanjanje tih učinaka. U radu se analizira utjecaj fotonaponske proizvodnje energije na elektroenergetski sustav iz perspektive toka energije, a zatim se analizira učinak skladištenja energije na suzbijanje utjecaja. Najprije se uvodi model raspodjele vjerojatnosti i model pohrane energije komponenti u elektroenergetskom sustavu, te metoda uzorkovanja latinske hiperkocke i metoda normalizacije gram-Schmidtove sekvence. Drugo, uspostavljen je višeciljni model optimizacije, koji je razmatrao trošak sustava za pohranu energije, izvangraničnu vjerojatnost protoka električne energije u granama i mrežni gubitak električne mreže. Optimalno rješenje ciljne funkcije dobiveno je genetskim algoritmom. Konačno, simulacija se provodi u IEEE24 čvornom testnom sustavu kako bi se analizirao utjecaj različitih fotonaponskih pristupnih kapaciteta i pristupne lokacije na elektroenergetski sustav i učinak skladištenja energije na elektroenergetski sustav, te optimalna konfiguracija skladištenja energije koja odgovara različitim fotonaponskim kapacitetima. dobiva se.

Ključne riječi fotonaponska proizvodnja električne energije; Sustav za pohranu energije; Optimizirana konfiguracija; Vjerojatnost toka snage; Genetski algoritam (ga)

Photovoltaic power generation has the advantages of green environmental protection and renewable, and is considered to be one of the most potential renewable energy. By 2020, China’s cumulative installed capacity of photovoltaic power generation has reached 253 million kw. The intermittency and uncertainty of large-scale PV power affect the power system, including issues of peak shaving, stability and light discarding, and the grid needs to adopt more flexible measures to cope with these issues. Energy storage is considered to be an effective way to solve these problems. The application of energy storage system brings a new solution for large-scale photovoltaic grid connection.

Trenutno postoje mnoga istraživanja o fotonaponskoj proizvodnji energije, sustavu za pohranu energije i vjerojatnosti toka energije u zemlji i inozemstvu. Veliki broj literaturnih studija pokazuje da skladištenje energije može poboljšati stopu iskorištenja fotonaponske energije i riješiti stabilnost fotonaponske mreže. U konfiguraciji sustava za pohranu energije u novoj elektrani pozornost treba posvetiti ne samo strategiji upravljanja optičkim skladištem i vjetroakumulacijom, već i ekonomičnosti sustava za pohranu energije. Osim toga, za optimizaciju višestrukih elektrana za skladištenje energije u elektroenergetskom sustavu potrebno je proučiti ekonomski model rada elektrana za skladištenje energije, odabir mjesta početne i krajnje točke fotonaponskih prijenosnih kanala i odabir mjesta skladištenja energije. Međutim, postojeća istraživanja optimalne konfiguracije sustava za pohranu energije ne uzimaju u obzir specifičan utjecaj na elektroenergetski sustav, a istraživanje sustava s više točaka ne uključuje velike operativne karakteristike optičkog skladišta.

Uz veliki razvoj neizvjesne proizvodnje nove energije kao što su vjetroelektrana i fotonapon, potrebno je izračunati protok snage elektroenergetskog sustava u planiranju rada elektroenergetskog sustava. Primjerice, literatura proučava optimalnu lokaciju i raspodjelu kapaciteta skladišta energije u elektroenergetskom sustavu s energijom vjetra. Osim toga, korelaciju između više novih izvora energije također treba uzeti u obzir pri izračunu toka snage. Međutim, sva navedena istraživanja temelje se na determinističkim metodama protoka energije, koje ne uzimaju u obzir nesigurnost nove proizvodnje energije. U literaturi se razmatra nesigurnost snage vjetra i primjenjuje se probabilistička metoda optimalnog protoka snage kako bi se optimizirao odabir lokacije sustava za pohranu energije, što poboljšava ekonomičnost rada.

Znanstvenici su trenutno predložili različite algoritme probabilističkog toka snage, a u literaturi su predložene metode rudarenja podataka nelinearnog vjerojatnostog toka snage temeljene na metodi Monte Carlo simulacije, ali je pravovremenost Monte Carlo metode vrlo loša. U literaturi se predlaže korištenje vjerojatnosnog optimalnog toka snage za proučavanje mjesta skladištenja energije, a koristi se metoda točke 2 m, ali točnost proračuna ove metode nije idealna. U ovom se radu proučava primjena metode uzorkovanja latinske hiperkocke u proračunu protoka snage, a numeričkim primjerima ilustrirana je superiornost metode uzorkovanja latinske hiperkocke.

Na temelju navedenog istraživanja, ovaj rad koristi se metodom probabilističkog toka snage za proučavanje optimalne alokacije pohrane energije u elektroenergetskom sustavu s velikom fotonaponskom proizvodnjom energije. Najprije se uvodi model raspodjele vjerojatnosti i latinska metoda uzorkovanja hiperkocke komponenti u elektroenergetskom sustavu. Drugo, uspostavljen je višeciljni model optimizacije s obzirom na cijenu skladištenja energije, vjerojatnost prekoračenja granice i gubitak mreže. Konačno, simulacijska analiza se provodi u IEEE24 čvornom testnom sustavu.

1. Model vjerojatnosti toka snage

1.1 Model nesigurnosti komponenti

Fotonapon, opterećenje i generator su sve slučajne varijable s nesigurnošću. U proračunu vjerojatnosnog toka snage distribucijske mreže, vjerojatno je model objašnjen u literaturi. Analizom povijesnih podataka, izlazna snaga fotonaponske proizvodnje električne energije prati BETA distribuciju. Prilagođavanjem distribucije vjerojatnosti snage opterećenja, pretpostavlja se da opterećenje slijedi normalnu distribuciju, a njegova funkcija distribucije gustoće vjerojatnosti je

slika (1)

Gdje je Pl snaga opterećenja; μ L i σ L su očekivanje i varijanca opterećenja.

Model vjerojatnosti generatora obično prihvaća distribuciju u dvije točke, a njegova funkcija raspodjele gustoće vjerojatnosti je

(2)

gdje je P vjerojatnost normalnog rada generatora; PG je izlazna snaga generatora.

Kada je svjetlo u podne dovoljno, aktivna snaga fotonaponske elektrane je velika, a snaga koju je s vremenom teško iskoristiti bit će pohranjena u bateriji za pohranu energije. Kada je snaga opterećenja velika, baterija za pohranu energije će osloboditi pohranjenu energiju. Jednadžba trenutne energetske ravnoteže sustava za pohranu energije je

Prilikom punjenja

(3)

Kada se iscjedak

(4)

Ograničenje

Slike,

Slike,

Slika, slika

Gdje je St energija pohranjena u vremenu T; Pt je snaga punjenja i pražnjenja skladištenja energije; SL i SG su energija punjenja, odnosno pražnjenja. η C i η D su učinkovitost punjenja i pražnjenja. Ds je stopa samopražnjenja za pohranu energije.

1.2 Latinska metoda uzorkovanja hiperkocke

Postoje simulacijska metoda, približna metoda i analitička metoda koja se može koristiti za analizu protoka snage sustava pod nesigurnim čimbenicima. Monte Carlo simulacija je jedna od najpreciznijih metoda u probabilističkim algoritmima protoka snage, ali je njezina pravovremenost niska u usporedbi s visokom preciznošću. U slučaju malog vremena uzorkovanja, ova metoda obično zanemaruje rep krivulje distribucije vjerojatnosti, ali kako bi se poboljšala točnost, potrebno je povećati vremena uzorkovanja. Metoda uzorkovanja latinske hiperkocke izbjegava ovaj problem. To je hijerarhijska metoda uzorkovanja, koja može osigurati da točke uzorkovanja učinkovito odražavaju distribuciju vjerojatnosti i učinkovito smanjiti vrijeme uzorkovanja.

Slika 1 prikazuje očekivanje i varijancu metode uzorkovanja latinske hiperkocke i metode Monte Carlo simulacije s vremenima uzorkovanja u rasponu od 10 do 200. Ukupni trend rezultata dobivenih dvjema metodama je opadajući. Međutim, očekivanje i varijanca dobivena monte Carlo metodom vrlo su nestabilni, a rezultati dobiveni višestrukim simulacijama nisu isti s istim vremenima uzorkovanja. Varijanca metode uzorkovanja latinske hiperkocke stalno se smanjuje s povećanjem vremena uzorkovanja, a relativna pogreška se smanjuje na manje od 5% kada su vremena uzorkovanja veća od 150. Vrijedi napomenuti da je točka uzorkovanja metode uzorkovanja latinske hiperkocke iznosi simetričan u odnosu na Y-os, pa je njegova očekivana pogreška 0, što je također njegova prednost.

Slika

FIG. 1 Comparison of different sampling times between MC and LHS

Latinska metoda uzorkovanja hiperkocke je slojevita metoda uzorkovanja. Poboljšanjem procesa generiranja uzorka ulaznih slučajnih varijabli, vrijednost uzorkovanja može učinkovito odražavati ukupnu distribuciju slučajnih varijabli. Proces uzorkovanja podijeljen je u dva koraka.

(1) Uzorkovanje

Xi (I = 1, 2,…,m) je m slučajnih varijabli, a vremena uzorkovanja su N, kao što je prikazano na Sl. 2. Kumulativna krivulja distribucije vjerojatnosti za Xi podijeljena je na N interval s jednakim razmakom i bez preklapanja, središnja točka svakog intervala je odabrana kao vrijednost uzorkovanja vjerojatnosti Y, a zatim je vrijednost uzorkovanja Xi= p-1 (Yi) izračunato korištenjem inverzne funkcije, a izračunati Xi je vrijednost uzorkovanja slučajne varijable.

Slika

Slika 2 shematski dijagram LHS-a

(2) Permutacije

Vrijednosti uzorkovanja slučajnih varijabli dobivene iz (1) su sekvencijalno raspoređene, tako da je korelacija između m slučajnih varijabli 1, što se ne može izračunati. Metoda ortogonalizacije gram-Schmidtove sekvence može se usvojiti kako bi se smanjila korelacija između vrijednosti uzorkovanja slučajnih varijabli. Prvo se generira matrica K×M reda I=[I1, I2…, IK]T. Elementi u svakom retku su nasumično raspoređeni od 1 do M, i predstavljaju položaj vrijednosti uzorka izvorne slučajne varijable.

Pozitivna iteracija

Slika

Obrnuta iteracija

Slika

“Slika” predstavlja dodjelu, preuzimanje(Ik,Ij) predstavlja izračun preostale vrijednosti u linearnoj regresiji Ik=a+bIj, rang(Ik) predstavlja novi vektor formiran rednim brojem elemenata u orijentaciji Ik od malog prema velikom.

After bidirectional iteration until the RMS value ρ, which represents the correlation, does not decrease, the position matrix of each random variable after permutation is obtained, and then the permutation matrix of random variables with the least correlation can be obtained.

(5)

Gdje je slika koeficijent korelacije između Ik i Ij, cov je kovarijanca, a VAR je varijanca.

2. Višeciljna optimizacijska konfiguracija sustava za pohranu energije

2.1 Ciljna funkcija

Kako bi se optimizirala snaga i kapacitet sustava za pohranu energije, uspostavljena je višeciljna funkcija optimizacije s obzirom na cijenu sustava za pohranu energije, vjerojatnost isključenja snage i gubitak mreže. Zbog različitih dimenzija svakog pokazatelja, za svaki se pokazatelj provodi standardizacija odstupanja. Nakon standardizacije odstupanja, raspon vrijednosti promatranih vrijednosti različitih varijabli bit će između (0,1), a standardizirani podaci su čiste veličine bez jedinica. U stvarnoj situaciji mogu postojati razlike u naglasku na svakom pokazatelju. Ako se svakom pokazatelju prida određena težina, mogu se analizirati i proučavati različiti naglasci.

(6)

Gdje je w indeks koji treba optimizirati; Wmin i wmax su minimum i maksimum izvorne funkcije bez standardizacije.

Ciljna funkcija je

(7)

U formuli, λ1 ~ λ3 su težinski koeficijenti, Eloss, PE i CESS su standardizirani gubitak mreže grana, vjerojatnost prijelaza aktivne snage grane i investicijski trošak skladištenja energije.

2.2 Genetski algoritam

Genetski algoritam je vrsta optimizacijskog algoritma uspostavljenog oponašanjem genetskih i evolucijskih zakona opstanka najsposobnijih i opstanka najsposobnijih u prirodi. Prvo je kodiranje, početna populacija koja svako kodira u ime pojedinca (izvedivo rješenje problema), tako da je svako izvedivo rješenje od transformacije fenotipa genotipa, do odabira prema zakonima prirode za svakog pojedinca, i odabira u svaka generacija na sljedeću generaciju računalnog okruženja kako bi se prilagodila jakom pojedincu, sve dok se najprilagodljivije na okruženje pojedinca, Nakon dekodiranja, to je približno optimalno rješenje problema.

U ovom se radu najprije izračunava elektroenergetski sustav uključujući fotonaponski i pohranu energije pomoću algoritma vjerojatnosti protoka snage, a dobiveni podaci koriste se kao ulazna varijabla genetskog algoritma za rješavanje problema. Proces izračuna prikazan je na slici 3, koja je uglavnom podijeljena u sljedeće korake:

Slika

Sl. 3 Tijek algoritma

(1) Ulazni sustav, fotonaponski podaci i podaci za pohranu energije, te izvođenje latinskog uzorkovanja hiperkocke i ortogonalizacije Gram-Schmidtove sekvence;

(2) Unesite uzorkovane podatke u model proračuna protoka snage i zabilježite rezultate izračuna;

(3) Izlazni rezultati su kodirani kromosomom kako bi se generirala početna populacija koja odgovara vrijednosti uzorkovanja;

(4) Izračunajte sposobnost svakog pojedinca u populaciji;

(5) odabir, križanje i mutiranje kako bi se proizvela nova generacija populacije;

(6) Procijenite jesu li zahtjevi ispunjeni, ako nisu, vratite korak (4); Ako je odgovor da, optimalno rješenje je izlaz nakon dekodiranja.

3. Analiza primjera

The probabilistic power flow method is simulated and analyzed in the IEEE24-node test system shown in FIG. 4, in which the voltage level of 1-10 nodes is 138 kV, and that of 11-24 nodes is 230 kV.

Slika

Slika 4 IEEE24 čvorni testni sustav

3.1. Utjecaj fotonaponske elektrane na elektroenergetski sustav

Photovoltaic power station in power system, the location and capacity of power system will be affect the node voltage and branch power, therefore, before the analysis of the influence of the energy storage system for power grid, this section first analyzes the influence of photovoltaic power station on the system, photovoltaic access the system in this paper, the trend of the limit of the probability, the network loss and so on has carried on the simulation analysis.

Kao što se može vidjeti sa Sl. 5(a), nakon što je fotonaponska elektrana priključena, čvorovi s manjim prekoračenjem toka snage grane su sljedeći: 11, 12, 13, 23, 13 za uravnoteženje čvornog čvora, napon čvora i fazni kut zadani, imaju učinak stabilne ravnoteže snage električne mreže, 11, 12 i 23 umjesto izravno spojenih, kao rezultat toga, nekoliko čvorova spojenih na granicu, vjerojatnost manje i veće snage, fotonaponska elektrana će pristupiti čvoru s efektom ravnoteže je manja na utjecaj elektroenergetskog sustava.

Slika

Slika 5. (a) zbroj vjerojatnosti izvan granice protoka energije (b) fluktuacija napona čvora (c) ukupni gubitak mreže sustava različitih PV pristupnih točaka

Osim prekoračenja toka snage, ovaj rad također analizira utjecaj fotonapona na napon čvora, kao što je prikazano na Sl. 5(b). Za usporedbu su odabrane standardne devijacije amplituda napona čvorova 1, 3, 8, 13, 14, 15 i 19. U cjelini, priključenje fotonaponskih elektrana na elektroenergetsku mrežu nema veliki utjecaj na napon čvorova, ali fotonaponske elektrane imaju veliki utjecaj na napon a-čvorova i njihovih obližnjih čvorova. Osim toga, u sustavu usvojenom primjerom proračuna, usporedbom je utvrđeno da je fotonaponska elektrana prikladnija za pristup tipovima čvorova: ① čvorovi s višim stupnjem napona, kao što su 14, 15, 16, itd., napon se gotovo ne mijenja; (2) čvorovi podržani generatorima ili kamerama za podešavanje, kao što su 1, 2, 7, itd.; (3) u liniji otpor je velik na kraju čvora.

In order to analyze the influence of PV access point on the total network loss of power system, this paper makes a comparison as shown in Figure 5(c). It can be seen that if some nodes with large load power and no power supply are connected to pv power station, the network loss of the system will be reduced. On the contrary, nodes 21, 22 and 23 are the power supply end, which is responsible for centralized power transmission. The photovoltaic power station connected to these nodes will cause large network loss. Therefore, the pv power station access point should be selected at the receiving end of power or the node with large load. This access mode can make the power flow distribution of the system more balanced and reduce the network loss of the system.

Based on the three factors in the analysis of the above results, node 14 is taken as the access point of photovoltaic power station in this paper, and then the influence of the capacity of different photovoltaic power stations on the power system is studied.

Slika 6(a) analizira utjecaj fotonaponskog kapaciteta na sustav. Može se vidjeti da standardna devijacija aktivne snage svake grane raste s povećanjem fotonaponskog kapaciteta, a između njih postoji pozitivan linearni odnos. Osim nekoliko grana prikazanih na slici, sve standardne devijacije ostalih grana su manje od 5 i pokazuju linearni odnos, koji se zanemaruju radi praktičnosti crtanja. Vidi se da veza fotonaponske mreže ima veliki utjecaj na snagu izravno spojenih na fotonaponsku pristupnu točku ili susjedne grane. Zbog ograničenog prijenosa dalekovoda, dalekovodi se uvelike grade i ulažu, pa pri postavljanju fotonaponske elektrane treba uzeti u obzir ograničenje transportnog kapaciteta, odabrati najmanji utjecaj na pristup dalekovodu do najbolje lokacije, osim toga, odabir najboljeg kapaciteta fotonaponske elektrane igrat će važnu ulogu u smanjenju ovog učinka.

Slika

Slika 6. (a) Standardna devijacija aktivne snage grane (b) Vjerojatnost prekoračenja granice toka snage grane (c) ukupni gubitak mreže sustava pod različitim fotonaponskim kapacitetima

Sl. 6(b) uspoređuje vjerojatnost da će djelatna snaga premašiti granicu svake grane pod različitim kapacitetima PV elektrana. Osim grana prikazanih na slici, ostale grane nisu prelazile granicu ili je vjerojatnost bila vrlo mala. U usporedbi sa Sl. 6(a), može se vidjeti da vjerojatnost izvan granica i standardna devijacija nisu nužno povezane. Aktivna snaga linije s velikom fluktuacijom standardne devijacije ne mora nužno biti izvan granica, a razlog je povezan sa smjerom prijenosa fotonaponske izlazne snage. Ako je u istom smjeru kao izvorni tok snage grane, mala fotonaponska snaga također može uzrokovati isključenje. Kada je PV snaga vrlo velika, protok snage ne smije prijeći granicu.

Na Sl. 6(c), ukupni gubitak mreže u sustavu raste s povećanjem fotonaponskog kapaciteta, ali taj učinak nije očit. Kada se fotonaponski kapacitet poveća za 60 MW, ukupni gubitak mreže raste samo za 0.5%, odnosno 0.75 MW. Stoga, kod instaliranja PV elektrana, gubitak mreže treba uzeti kao sekundarni čimbenik, a prvo treba uzeti u obzir čimbenike koji imaju veći utjecaj na stabilan rad sustava, kao što su fluktuacija snage dalekovoda i vjerojatnost izvan granica .

3.2 Utjecaj pristupa skladištu energije na sustav

Odjeljak 3.1 Pristupni položaj i kapacitet fotonaponske elektrane ovise o elektroenergetskom sustavu