Համառոտ Ֆոտովոլտային էներգիայի արտադրության մեծ տեսակարար կշիռը բացասական ազդեցություն կունենա էներգահամակարգի կայունության վրա, և էներգիայի պահպանումը համարվում է այդ ազդեցությունները վերացնելու արդյունավետ միջոցներից մեկը: Այս հոդվածը վերլուծում է ֆոտոգալվանային էներգիայի արտադրության ազդեցությունը էներգահամակարգի վրա էլեկտրաէներգիայի հոսքի տեսանկյունից, այնուհետև վերլուծում է էներգիայի պահպանման ազդեցությունը ազդեցությունը զսպելու վրա: Նախ, ներկայացվում են էներգահամակարգում բաղադրիչների հավանականության բաշխման մոդելը և էներգիայի պահպանման մոդելը, և ներկայացվում են լատինական հիպերկուբային նմուշառման մեթոդը և գրամ-Շմիդտի հաջորդականության նորմալացման մեթոդը: Երկրորդ, ստեղծվել է բազմաբնույթ օպտիմալացման մոդել, որը հաշվի է առնում էներգիայի պահպանման համակարգի արժեքը, ճյուղային էներգիայի հոսքի անսահմանափակ հավանականությունը և էլեկտրացանցերի ցանցի կորուստը: Օբյեկտիվ ֆունկցիայի օպտիմալ լուծումը ստացվել է գենետիկական ալգորիթմով։ Վերջապես, մոդելավորումն իրականացվում է IEEE24 հանգույցի փորձարկման համակարգում՝ վերլուծելու տարբեր ֆոտոգալվանային հասանելիության հզորության և մուտքի տեղակայման ազդեցությունը էներգահամակարգի վրա և էներգիայի պահպանման ազդեցությունը էներգահամակարգի վրա և էներգիայի պահպանման օպտիմալ կոնֆիգուրացիան, որը համապատասխանում է տարբեր ֆոտոգալվանային հզորությանը։ ստացվում է.

Հիմնաբառեր ֆոտովոլտային էներգիայի արտադրություն; Էներգիայի պահպանման համակարգ; Օպտիմիզացված կոնֆիգուրացիա; Հավանական հզորության հոսք; Գենետիկական ալգորիթմ (ga)

Ֆոտովոլտային էներգիայի արտադրությունն ունի կանաչ շրջակա միջավայրի պաշտպանության և վերականգնվող էներգիայի առավելությունները և համարվում է ամենապոտենցիալ վերականգնվող էներգիաներից մեկը: Մինչև 2020 թվականը Չինաստանի ֆոտոգալվանային էներգիայի կուտակային դրված հզորությունը հասել է 253 միլիոն կՎտ-ի: Լայնածավալ ՖՎ էլեկտրաէներգիայի ընդհատումներն ու անորոշությունը ազդում են էներգահամակարգի վրա, ներառյալ գագաթնակետային սափրվելու, կայունության և լույսի հեռացման խնդիրները, և ցանցը պետք է ավելի ճկուն միջոցներ ձեռնարկի այդ խնդիրները հաղթահարելու համար: Այս խնդիրների լուծման արդյունավետ միջոց է համարվում էներգիայի կուտակումը։ Էներգիայի պահպանման համակարգի կիրառումը նոր լուծում է բերում լայնածավալ ֆոտոգալվանային ցանցին միանալու համար:

Ներկայումս բազմաթիվ հետազոտություններ կան ֆոտոգալվանային էներգիայի արտադրության, էներգիայի պահպանման համակարգի և էլեկտրաէներգիայի հավանական հոսքի վերաբերյալ տանը և արտերկրում: Գրականության մեծ թվով ուսումնասիրություններ ցույց են տալիս, որ էներգիայի կուտակումը կարող է բարելավել ֆոտոգալվանային էներգիայի օգտագործման արագությունը և լուծել ֆոտոգալվանային ցանցի միացման կայունությունը: Նոր էներգաբլոկում էներգիայի պահպանման համակարգի կազմաձևման ժամանակ ուշադրություն պետք է դարձնել ոչ միայն օպտիկական պահեստավորման և քամու պահեստավորման կառավարման ռազմավարությանը, այլև էներգիայի պահպանման համակարգի տնտեսությանը: Բացի այդ, էներգահամակարգում էներգիայի կուտակման մի քանի էլեկտրակայանների օպտիմալացման համար անհրաժեշտ է ուսումնասիրել էներգապահպանման էլեկտրակայանների շահագործման տնտեսական մոդելը, ֆոտոգալվանային հաղորդման ալիքների սկզբնակետի և վերջնակետի տեղանքի ընտրությունը և. էներգիայի պահեստավորման վայրի ընտրություն. Այնուամենայնիվ, էներգիայի պահպանման համակարգի օպտիմալ կազմաձևման վերաբերյալ գոյություն ունեցող հետազոտությունը չի հաշվի առնում էներգահամակարգի վրա հատուկ ազդեցությունը, իսկ բազմակետային համակարգի հետազոտությունը չի ներառում օպտիկական պահեստավորման լայնածավալ բնութագրերը:

Անորոշ նոր էներգիայի արտադրության լայնածավալ զարգացմամբ, ինչպիսիք են հողմային էներգիան և ֆոտովոլտային, անհրաժեշտ է հաշվարկել էներգահամակարգի էներգիայի հոսքը էներգահամակարգի շահագործման պլանավորման մեջ: Օրինակ, գրականությունն ուսումնասիրում է քամու ուժով էներգիայի կուտակման օպտիմալ տեղաբաշխումը և հզորությունների տեղաբաշխումը էներգահամակարգում: Բացի այդ, էներգիայի հոսքի հաշվարկում պետք է հաշվի առնել նաև էներգիայի բազմաթիվ նոր աղբյուրների միջև հարաբերակցությունը: Այնուամենայնիվ, վերը նշված բոլոր ուսումնասիրությունները հիմնված են էներգիայի հոսքի դետերմինիստական ​​մեթոդների վրա, որոնք հաշվի չեն առնում նոր էներգիայի արտադրության անորոշությունը: Գրականությունը հաշվի է առնում քամու էներգիայի անորոշությունը և կիրառում է էներգիայի հոսքի հավանականության օպտիմալ մեթոդը էներգիայի պահպանման համակարգի տեղանքի ընտրությունը օպտիմալացնելու համար, ինչը բարելավում է շահագործման տնտեսությունը:

Ներկայումս գիտնականների կողմից առաջարկվել են տարբեր հավանականական էներգիայի հոսքի ալգորիթմներ, և գրականության մեջ առաջարկվել են Մոնտե Կառլոյի մոդելավորման մեթոդի վրա հիմնված ոչ գծային հավանականական էներգիայի հոսքի տվյալների արդյունահանման մեթոդներ, սակայն Մոնտե Կառլոյի մեթոդի արդիականությունը շատ վատ է: Գրականության մեջ առաջարկվում է էներգիայի կուտակման տեղանքն ուսումնասիրելու համար օգտագործել հավանական օպտիմալ էներգիայի հոսքը, և օգտագործվում է 2 մ կետի մեթոդ, սակայն այս մեթոդի հաշվարկման ճշգրտությունը իդեալական չէ: Այս հոդվածում ուսումնասիրվում է լատինական հիպերխորանարդային նմուշառման մեթոդի կիրառումը հոսանքի հոսքի հաշվարկում, իսկ լատինական հիպերխորանարդային նմուշառման մեթոդի առավելությունը ցույց է տրված թվային օրինակներով:

Ելնելով վերը նշված հետազոտությունից՝ այս աշխատությունը օգտագործում է էներգիայի հավանականական հոսքի մեթոդը՝ լայնածավալ ֆոտոգալվանային էներգիայի արտադրությամբ էներգահամակարգում էներգիայի պահպանման օպտիմալ բաշխումն ուսումնասիրելու համար: Սկզբում ներկայացվում են էներգահամակարգում բաղադրիչների հավանականության բաշխման մոդելը և լատինական հիպերխորանարդային նմուշառման մեթոդը: Երկրորդ, ստեղծվել է բազմաբնույթ օպտիմալացման մոդել՝ հաշվի առնելով էներգիայի պահպանման ծախսերը, սահմանային հավանականության սահմաններից դուրս էներգիայի հոսքը և ցանցի կորուստը: Ի վերջո, մոդելավորման վերլուծությունն իրականացվում է IEEE24 հանգույցի թեստային համակարգում:

1. Հավանական հզորության հոսքի մոդել

1.1 Բաղադրիչների անորոշության մոդելը

Ֆոտովոլտաիկը, բեռնվածությունը և գեներատորը պատահական փոփոխականներ են՝ անորոշությամբ: Բաշխիչ ցանցի հավանականական հզորության հոսքի հաշվարկում գրականության մեջ բացատրվում է հավանականական մոդելը: Պատմական տվյալների վերլուծության միջոցով ֆոտոգալվանային էներգիայի արտադրության ելքային հզորությունը հետևում է BETA բաշխմանը: Տեղադրելով բեռի հզորության հավանականության բաշխումը, ենթադրվում է, որ բեռը հետևում է նորմալ բաշխմանը, և դրա հավանականության խտության բաշխման ֆունկցիան

Նկար (1)

Որտեղ Pl-ը բեռնվածքի հզորությունն է. μ L և σ L-ը համապատասխանաբար բեռի ակնկալիքն ու շեղումն են:

Գեներատորի հավանականության մոդելը սովորաբար ընդունում է երկու կետանոց բաշխում, և դրա հավանականության խտության բաշխման ֆունկցիան է.

(2)

Որտեղ P-ը գեներատորի նորմալ աշխատանքի հավանականությունն է. PG-ն գեներատորի ելքային հզորությունն է:

Երբ լույսը բավարար է կեսօրին, ֆոտոգալվանային էլեկտրակայանի ակտիվ հզորությունը մեծ է, և այն հզորությունը, որը դժվար է ժամանակին օգտագործել, կպահվի էներգիայի պահեստավորման մարտկոցում: Երբ բեռի հզորությունը մեծ է, էներգիայի կուտակիչ մարտկոցը կթողնի կուտակված էներգիան: Էներգիայի պահպանման համակարգի ակնթարթային էներգիայի հաշվեկշռի հավասարումն է

Լիցքավորելու ժամանակ

(3)

Երբ արտանետումը

(4)

Սահմանափակումը

Նկարներ,

Նկարներ,

Նկար, նկար

Որտեղ, St-ն էներգիան է, որը պահվում է T ժամանակում; Pt-ը էներգիայի կուտակման լիցքավորման և լիցքաթափման հզորությունն է. SL-ը և SG-ն համապատասխանաբար լիցքավորման և լիցքաթափման էներգիան են: η C և η D համապատասխանաբար լիցքավորման և լիցքաթափման արդյունավետությունն են: Ds-ը էներգիայի կուտակման ինքնալիցքաթափման արագությունն է:

1.2 Լատինական հիպերխորանարդային նմուշառման մեթոդ

Գոյություն ունեն մոդելավորման մեթոդ, մոտավոր մեթոդ և վերլուծական մեթոդ, որը կարող է օգտագործվել անորոշ գործոնների ներքո համակարգի հզորության հոսքը վերլուծելու համար: Մոնտե Կառլոյի սիմուլյացիան հավանականական էներգիայի հոսքի ալգորիթմների ամենաճշգրիտ մեթոդներից մեկն է, սակայն դրա արդիականությունը ցածր է բարձր ճշգրտության համեմատ: Նմուշառման ցածր ժամանակների դեպքում այս մեթոդը սովորաբար անտեսում է հավանականության բաշխման կորի պոչը, սակայն ճշգրտությունը բարելավելու համար անհրաժեշտ է ավելացնել նմուշառման ժամանակները: Լատինական հիպերխորանարդային նմուշառման մեթոդը խուսափում է այս խնդրից: Սա հիերարխիկ նմուշառման մեթոդ է, որը կարող է ապահովել, որ նմուշառման կետերը արդյունավետ կերպով արտացոլեն հավանականության բաշխումը և արդյունավետորեն նվազեցնել ընտրանքի ժամանակները:

Գծապատկեր 1-ը ցույց է տալիս լատինական հիպերխորանարդային նմուշառման մեթոդի և Մոնտե Կառլոյի մոդելավորման մեթոդի ակնկալիքն ու շեղումը, որոնց ընտրանքի ժամանակները տատանվում են 10-ից մինչև 200: Երկու մեթոդներով ստացված արդյունքների ընդհանուր միտումը նվազում է: Այնուամենայնիվ, Մոնտե Կառլոյի մեթոդով ստացված ակնկալիքներն ու շեղումները շատ անկայուն են, և բազմակի սիմուլյացիաների արդյունքում ստացված արդյունքները նույնը չեն նույն նմուշառման ժամանակներում: Լատինական հիպերխորանարդային նմուշառման մեթոդի շեղումը անշեղորեն նվազում է նմուշառման ժամանակների աճով, իսկ հարաբերական սխալը նվազում է մինչև 5%-ից պակաս, երբ նմուշառման ժամանակները 150-ից ավելի են: Հարկ է նշել, որ լատինական հիպերխորանարդային նմուշառման մեթոդի նմուշառման կետը. սիմետրիկ Y-առանցքի նկատմամբ, ուստի դրա ակնկալվող սխալը 0 է, ինչը նաև նրա առավելությունն է:

Պատկերն

ՆԿԱՐ. 1 Նմուշառման տարբեր ժամանակների համեմատություն MC-ի և LHS-ի միջև

Լատինական հիպերխորանարդային նմուշառման մեթոդը շերտավոր նմուշառման մեթոդ է: Բարելավելով մուտքագրված պատահական փոփոխականների նմուշի ստեղծման գործընթացը, ընտրանքի արժեքը կարող է արդյունավետորեն արտացոլել պատահական փոփոխականների ընդհանուր բաշխումը: Նմուշառման գործընթացը բաժանված է երկու փուլի.

(1) Նմուշառում

Xi (I = 1, 2,… ,m) m պատահական փոփոխականներ են, իսկ նմուշառման ժամանակները N են, ինչպես ցույց է տրված ՆԿ. 2. Xi-ի հավանականության կուտակային բաշխման կորը բաժանվում է N միջակայքի՝ հավասար տարածություններով և առանց համընկնումների, յուրաքանչյուր ինտերվալի միջնակետն ընտրվում է որպես Y հավանականության նմուշառման արժեք, այնուհետև նմուշառման արժեքը Xi= p-1 (Yi). հաշվարկվում է հակադարձ ֆունկցիայի միջոցով, իսկ հաշվարկված Xi-ն պատահական փոփոխականի ընտրանքային արժեքն է:

Պատկերն

Նկար 2 LHS-ի սխեմատիկ դիագրամ

(2) Փոխակերպումներ

(1)-ից ստացված պատահական փոփոխականների ընտրանքային արժեքները հաջորդաբար դասավորված են, ուստի m պատահական փոփոխականների միջև հարաբերակցությունը 1 է, որը հնարավոր չէ հաշվարկել: Գրամ-Շմիդտի հաջորդականության ուղղանկյունացման մեթոդը կարող է կիրառվել պատահական փոփոխականների ընտրանքային արժեքների միջև հարաբերակցությունը նվազեցնելու համար: Նախ, ստեղծվում է K×M կարգի I=[I1, I2…, IK]T մատրիցա: Յուրաքանչյուր տողի տարրերը պատահականորեն դասավորված են 1-ից մինչև M, և դրանք ներկայացնում են սկզբնական պատահական փոփոխականի նմուշառման արժեքի դիրքը:

Դրական կրկնություն

Պատկերն

Հակադարձ կրկնվող

Պատկերն

«Նկարը» ներկայացնում է հանձնարարություն, takeout (Ik,Ij) ներկայացնում է մնացորդային արժեքի հաշվարկ գծային ռեգրեսիայում Ik=a+bIj, աստիճանը (Ik) ներկայացնում է նոր վեկտորը, որը ձևավորվում է Ik կողմնորոշման տարրերի հաջորդական քանակից փոքրից մեծ:

Երկկողմանի կրկնությունից հետո, մինչև ρ RMS արժեքը, որը ներկայացնում է հարաբերակցությունը, չի նվազում, ստացվում է յուրաքանչյուր պատահական փոփոխականի դիրքի մատրիցը փոխարկումից հետո, այնուհետև կարելի է ստանալ նվազագույն հարաբերակցությամբ պատահական փոփոխականների փոխակերպման մատրիցը:

(5)

Որտեղ պատկերը Ik-ի և Ij-ի միջև հարաբերակցության գործակիցն է, cov-ը կովարիանս է, իսկ VAR-ը շեղում է:

2. Էներգիայի պահպանման համակարգի բազմաբնույթ օպտիմալացման կոնֆիգուրացիա

2.1 Օբյեկտիվ ֆունկցիա

Էներգիայի պահպանման համակարգի հզորությունը և հզորությունը օպտիմալացնելու համար սահմանվում է բազմաբնույթ օպտիմալացման գործառույթ՝ հաշվի առնելով էներգիայի պահպանման համակարգի արժեքը, էներգիայի սահմանափակման հավանականությունը և ցանցի կորուստը: Յուրաքանչյուր ցուցիչի տարբեր չափերի պատճառով յուրաքանչյուր ցուցանիշի համար իրականացվում է շեղումների ստանդարտացում: Շեղումների ստանդարտացումից հետո տարբեր փոփոխականների դիտարկվող արժեքների արժեքային միջակայքը կլինի (0,1) միջև, իսկ ստանդարտացված տվյալները մաքուր մեծություններ են՝ առանց միավորների: Փաստացի իրավիճակում յուրաքանչյուր ցուցանիշի վրա շեշտադրման տարբերություններ կարող են լինել: Եթե ​​յուրաքանչյուր ցուցանիշին տրվի որոշակի կշիռ, կարելի է տարբեր շեշտադրումներ վերլուծել ու ուսումնասիրել։

(6)

Որտեղ, w-ը օպտիմալացման ինդեքսն է. Wmin-ը և wmax-ը սկզբնական ֆունկցիայի նվազագույնն ու առավելագույնն են՝ առանց ստանդարտացման:

Օբյեկտիվ ֆունկցիան է

(7)

Բանաձևում λ1 ~ λ3-ը քաշի գործակիցներն են, Eloss-ը, PE-ն և CESS-ը համապատասխանաբար ստանդարտացված ճյուղային ցանցի կորուստ են, ճյուղային ակտիվ հզորության հատման հավանականությունը և էներգիայի պահպանման ներդրման արժեքը:

2.2 Գենետիկական ալգորիթմ

Գենետիկական ալգորիթմը մի տեսակ օպտիմալացման ալգորիթմ է, որը ստեղծվել է բնության մեջ ամենաուժեղի գոյատևման և ամենալավի գոյատևման գենետիկական և էվոլյուցիոն օրենքների իմիտացիայով: Դա նախ կոդավորումն է, սկզբնական բնակչությունը, յուրաքանչյուրը կոդավորում է անհատի անունից (խնդիրի իրագործելի լուծում), ուստի յուրաքանչյուր իրագործելի լուծում գենոտիպային ֆենոտիպի փոխակերպումից է, յուրաքանչյուր անհատի համար բնության օրենքների համաձայն ընտրություն կատարելը և ընտրված յուրաքանչյուր սերունդ հաջորդ սերնդին հաշվողական միջավայր՝ հարմարվելու ուժեղ անհատին, մինչև անհատի միջավայրին առավել հարմարվողը, ապակոդավորումից հետո դա խնդրի մոտավոր օպտիմալ լուծումն է։

Այս հոդվածում էլեկտրաէներգիայի համակարգը, ներառյալ ֆոտոգալվանային և էներգիայի պահեստավորումը, նախ հաշվարկվում է հոսանքի հավանականության ալգորիթմով, և ստացված տվյալները օգտագործվում են որպես գենետիկական ալգորիթմի մուտքային փոփոխական՝ խնդիրը լուծելու համար: Հաշվարկման գործընթացը ներկայացված է Նկար 3-ում, որը հիմնականում բաժանված է հետևյալ քայլերի.

Պատկերն

ՆԿԱՐ. 3 Ալգորիթմի հոսք

(1) մուտքագրման համակարգ, ֆոտոգալվանային և էներգիայի պահպանման տվյալներ և կատարել լատինական հիպերխորանարդային նմուշառում և Գրամ-Շմիդտի հաջորդականության ուղղանկյունացում.

(2) Մուտքագրեք նմուշառված տվյալները էներգիայի հոսքի հաշվարկման մոդելում և գրանցեք հաշվարկի արդյունքները.

(3) Ելքային արդյունքները կոդավորվել են քրոմոսոմով, որպեսզի ստեղծվի նմուշառման արժեքին համապատասխանող նախնական պոպուլյացիան.

(4) Հաշվարկել բնակչության յուրաքանչյուր անհատի պատրաստվածությունը.

(5) ընտրել, խաչաձև և մուտացիա կատարել՝ պոպուլյացիայի նոր սերունդ ստեղծելու համար.

(6) դատել, թե արդյոք պահանջները բավարարված են, եթե ոչ, վերադարձի քայլ (4). Եթե ​​այո, ապա օպտիմալ լուծումը թողարկվում է վերծանումից հետո:

3. Օրինակի վերլուծություն

Հավանական հզորության հոսքի մեթոդը մոդելավորվում և վերլուծվում է IEEE24-հանգույցի փորձարկման համակարգում, որը ներկայացված է ՆԿ. 4, որոնցում 1-10 հանգույցների լարման մակարդակը 138 կՎ է, իսկ 11-24 հանգույցներինը՝ 230 կՎ։

Պատկերն

Նկար 4 IEEE24 հանգույցի փորձարկման համակարգ

3.1 Ֆոտովոլտային էլեկտրակայանի ազդեցությունը էներգահամակարգի վրա

Էներգահամակարգում ֆոտոգալվանային էլեկտրակայանը, էներգահամակարգի գտնվելու վայրը և հզորությունը կազդեն հանգույցի լարման և ճյուղային հզորության վրա, հետևաբար, մինչև էլեկտրացանցերի համար էներգիայի պահպանման համակարգի ազդեցության վերլուծությունը, այս բաժինը նախ վերլուծում է ֆոտոգալվանային էներգիայի ազդեցությունը: Համակարգի կայանը, ֆոտոգալվանային մուտքը համակարգ այս հոդվածում, հավանականության սահմանի միտումը, ցանցի կորուստը և այլն, շարունակել են սիմուլյացիոն վերլուծությունը:

Ինչպես երևում է ՆԿ. 5(ա), ֆոտոգալվանային էլեկտրակայանի միացումից հետո, ավելի փոքր ճյուղային հզորության հոսքի սահմանափակմամբ հանգույցները հետևյալն են. կայուն էլեկտրացանցային էներգիայի հաշվեկշռի ազդեցությունը, 11, 12 և 13 ուղղակիորեն միացված լինելու փոխարեն, արդյունքում մի քանի հանգույցներ միացված են սահմանին, ավելի փոքր և ավելի հզորության հավանականությունը, ֆոտոգալվանային էլեկտրակայանը կմտնի հանգույցը հավասարակշռության էֆեկտով ավելի քիչ է: էներգահամակարգի ազդեցությունը.

Պատկերն

Նկար 5. (ա) էներգիայի հոսքի անսահմանափակ հավանականության գումարը (բ) հանգույցի լարման տատանումը (գ) տարբեր PV մուտքի կետերի համակարգի ցանցի ընդհանուր կորուստը.

Ի հավելումն էներգիայի հոսքի գերազանցմանը, այս հոդվածը նաև վերլուծում է ֆոտոգալվանային էներգիայի ազդեցությունը հանգույցի լարման վրա, ինչպես ցույց է տրված ՆԿ. 5 (բ). Համեմատության համար ընտրված են 1, 3, 8, 13, 14, 15 և 19 հանգույցների լարման ամպլիտուդների ստանդարտ շեղումները։ Ընդհանուր առմամբ, ֆոտոգալվանային էլեկտրակայանների միացումը էլեկտրացանցին մեծ ազդեցություն չի ունենում հանգույցների լարման վրա, սակայն ֆոտոգալվանային կայանները մեծ ազդեցություն ունեն a-հանգույցների և նրանց մոտակա հանգույցների լարման վրա: Բացի այդ, հաշվարկային օրինակով ընդունված համակարգում, համեմատության միջոցով, պարզվում է, որ ֆոտոգալվանային էլեկտրակայանը ավելի հարմար է հանգույցների տեսակներին մուտք գործելու համար. լարումը գրեթե չի փոխվում; (14) հանգույցներ, որոնք աջակցում են գեներատորների կամ կարգավորող տեսախցիկների, ինչպիսիք են 15, 16, 2 և այլն; (1) գծում դիմադրությունը մեծ է հանգույցի վերջում:

ՖՎ-ի մուտքի կետի ազդեցությունը էներգահամակարգի ցանցի ընդհանուր կորստի վրա վերլուծելու համար այս փաստաթուղթը համեմատում է, ինչպես ցույց է տրված Նկար 5(գ)-ում: Կարելի է տեսնել, որ եթե մեծ բեռնվածության հզորությամբ և էլեկտրամատակարարմամբ որոշ հանգույցներ միացված են ֆՎ էլեկտրակայանին, ապա համակարգի ցանցի կորուստը կնվազի: Ընդհակառակը, 21, 22 և 23 հանգույցները էլեկտրամատակարարման վերջն են, որը պատասխանատու է կենտրոնացված էներգիայի փոխանցման համար: Այս հանգույցներին միացված ֆոտոգալվանային էլեկտրակայանը կհանգեցնի ցանցի մեծ կորուստների: Հետևաբար, PV էլեկտրակայանի մուտքի կետը պետք է ընտրվի էներգիայի ընդունման վերջում կամ մեծ բեռով հանգույցում: Մուտքի այս ռեժիմը կարող է ավելի հավասարակշռված դարձնել համակարգի էներգիայի հոսքի բաշխումը և նվազեցնել համակարգի ցանցի կորուստը:

Ելնելով վերը նշված արդյունքների վերլուծության երեք գործոններից՝ այս աշխատանքում որպես ֆոտոգալվանային էլեկտրակայանի մուտքի կետ վերցված է թիվ 14 հանգույցը, այնուհետև ուսումնասիրվում է տարբեր ֆոտոգալվանային էլեկտրակայանների հզորության ազդեցությունը էներգահամակարգի վրա:

Նկար 6(ա) վերլուծում է ֆոտովոլտային հզորության ազդեցությունը համակարգի վրա: Տեսանելի է, որ յուրաքանչյուր ճյուղի ակտիվ հզորության ստանդարտ շեղումը մեծանում է ֆոտոգալվանային հզորության մեծացման հետ, և երկուսի միջև կա դրական գծային հարաբերություն։ Բացառությամբ նկարում ներկայացված մի քանի ճյուղերի, մյուս ճյուղերի ստանդարտ շեղումները բոլորն էլ 5-ից պակաս են և ցույց են տալիս գծային հարաբերություններ, որոնք անտեսվում են գծագրման հարմարության համար: Տեսանելի է, որ ֆոտոգալվանային ցանցի միացումը մեծ ազդեցություն ունի ֆոտոգալվանային մուտքի կետի կամ հարակից ճյուղերի հետ անմիջականորեն միացվածների հզորության վրա: Էլեկտրահաղորդման գծի սահմանափակ փոխանցման պատճառով շինարարության և ներդրումների քանակի հաղորդման գծերը հսկայական են, ուստի ֆոտոգալվանային էլեկտրակայանի տեղադրումը պետք է հաշվի առնի տրանսպորտային հզորության սահմանափակումը, ընտրի ամենափոքր ազդեցությունը դեպի լավագույն վայր գծի հասանելիությունը, բացի այդ. Ֆոտովոլտային էլեկտրակայանի լավագույն հզորության ընտրությունը կարևոր դեր կխաղա այս ազդեցությունը նվազեցնելու համար:

Պատկերն

Նկար 6. (ա) ճյուղի ակտիվ հզորության ստանդարտ շեղում (բ) ճյուղային հզորության հոսքի սահմանից դուրս հավանականություն (գ) համակարգի ընդհանուր ցանցի կորուստ տարբեր ֆոտոգալվանային հզորությունների ներքո.

ՆԿԱՐ. 6(բ) համեմատում է ակտիվ հզորության հավանականությունը, որը գերազանցում է յուրաքանչյուր ճյուղի սահմանը PV էլեկտրակայանների տարբեր հզորությունների պայմաններում: Բացառությամբ նկարում ներկայացված ճյուղերի, մյուս ճյուղերը չեն գերազանցել սահմանը կամ հավանականությունը շատ փոքր է եղել։ Համեմատած ՆԿ. 6(ա), կարելի է տեսնել, որ սահմանից դուրս հավանականությունը և ստանդարտ շեղումը պարտադիր կերպով կապված չեն: Ստանդարտ շեղման մեծ տատանումներով գծի ակտիվ հզորությունը պարտադիր չէ, որ սահմանից դուրս լինի, և պատճառը կապված է ֆոտոգալվանային ելքային հզորության փոխանցման ուղղության հետ: Եթե ​​այն նույն ուղղությամբ է, ինչ սկզբնական ճյուղային հոսանքի հոսքը, փոքր ֆոտոգալվանային հզորությունը կարող է նաև սահմանից դուրս բերել: Երբ pv հզորությունը շատ մեծ է, էներգիայի հոսքը չի կարող գերազանցել սահմանը:

Ի ՆԿ. 6(c), համակարգի ընդհանուր ցանցի կորուստը մեծանում է ֆոտոգալվանային հզորության մեծացման հետ, սակայն այդ ազդեցությունն ակնհայտ չէ: Երբ ֆոտոգալվանային հզորությունը մեծանում է 60 ՄՎտ-ով, ցանցի ընդհանուր կորուստն ավելանում է միայն 0.5%-ով, այսինքն՝ 0.75 ՄՎտ-ով: Հետևաբար, PV էլեկտրակայանների տեղադրման ժամանակ ցանցի կորուստը պետք է հաշվի առնել որպես երկրորդական գործոն, և նախ պետք է հաշվի առնել այն գործոնները, որոնք ավելի մեծ ազդեցություն ունեն համակարգի կայուն աշխատանքի վրա, ինչպիսիք են էլեկտրահաղորդման գծի հոսանքի տատանումները և սահմանից դուրս հավանականությունը: .

3.2 Էներգիայի պահպանման հասանելիության ազդեցությունը համակարգի վրա

Բաժին 3.1 Ֆոտովոլտային էլեկտրակայանի մուտքի դիրքը և հզորությունը կախված են էներգահամակարգից