Abstrak Proporsi pembangkit listrik fotovoltaik yang tinggi akan berdampak buruk pada stabilitas sistem tenaga, dan penyimpanan energi dianggap sebagai salah satu cara yang efektif untuk menghilangkan efek tersebut. Makalah ini menganalisis pengaruh pembangkit listrik fotovoltaik pada sistem tenaga dari perspektif aliran daya, dan kemudian menganalisis pengaruh penyimpanan energi dalam menahan pengaruh tersebut. Pertama, model distribusi probabilitas dan model penyimpanan energi komponen dalam sistem tenaga diperkenalkan, dan metode pengambilan sampel hiperkubus Latin dan metode normalisasi urutan gram-Schmidt diperkenalkan. Kedua, model optimasi multi-tujuan didirikan, yang mempertimbangkan biaya sistem penyimpanan energi, probabilitas aliran daya cabang yang tidak terbatas dan hilangnya jaringan dari jaringan listrik. Solusi optimal dari fungsi tujuan diperoleh dengan algoritma genetika. Terakhir, simulasi dilakukan dalam sistem uji simpul IEEE24 untuk menganalisis pengaruh kapasitas akses fotovoltaik yang berbeda dan lokasi akses pada sistem tenaga dan pengaruh penyimpanan energi pada sistem tenaga, dan konfigurasi penyimpanan energi optimal yang sesuai dengan kapasitas fotovoltaik yang berbeda. diperoleh.

Kata kunci pembangkit listrik fotovoltaik; Sistem penyimpanan energi; Konfigurasi yang dioptimalkan; Aliran daya probabilitas; Algoritma genetika (ga)

Pembangkit listrik fotovoltaik memiliki keunggulan perlindungan lingkungan hijau dan terbarukan, dan dianggap sebagai salah satu energi terbarukan yang paling potensial. Pada tahun 2020, kapasitas terpasang kumulatif pembangkit listrik fotovoltaik China telah mencapai 253 juta kw. Intermitten dan ketidakpastian daya PV skala besar mempengaruhi sistem tenaga, termasuk masalah pencukuran puncak, stabilitas dan pembuangan cahaya, dan jaringan listrik perlu mengadopsi langkah-langkah yang lebih fleksibel untuk mengatasi masalah ini. Penyimpanan energi dianggap sebagai cara yang efektif untuk mengatasi masalah ini. Penerapan sistem penyimpanan energi membawa solusi baru untuk koneksi grid fotovoltaik skala besar.

Saat ini, ada banyak penelitian tentang pembangkit listrik fotovoltaik, sistem penyimpanan energi dan aliran daya probabilitas di dalam dan luar negeri. Sejumlah besar studi literatur menunjukkan bahwa penyimpanan energi dapat meningkatkan tingkat pemanfaatan fotovoltaik dan memecahkan stabilitas koneksi grid fotovoltaik. Dalam konfigurasi sistem penyimpanan energi di pembangkit listrik energi baru, perhatian harus diberikan tidak hanya pada strategi kontrol penyimpanan optik dan penyimpanan angin, tetapi juga pada ekonomi sistem penyimpanan energi. Selain itu, untuk optimasi beberapa pembangkit listrik penyimpanan energi dalam sistem tenaga, perlu mempelajari model ekonomi pengoperasian pembangkit listrik penyimpanan energi, pemilihan lokasi titik awal dan titik akhir saluran transmisi fotovoltaik dan pemilihan lokasi penyimpanan energi. Namun, penelitian yang ada tentang konfigurasi optimal sistem penyimpanan energi tidak mempertimbangkan dampak spesifik pada sistem tenaga, dan penelitian tentang sistem multi-titik tidak melibatkan karakteristik operasi penyimpanan optik skala besar.

Dengan berkembangnya pembangkit listrik energi baru yang tidak pasti secara besar-besaran seperti pembangkit listrik tenaga angin dan fotovoltaik, maka perlu dilakukan perhitungan aliran daya sistem tenaga listrik dalam perencanaan operasi sistem tenaga listrik. Misalnya, studi literatur tentang lokasi optimal dan alokasi kapasitas penyimpanan energi dalam sistem tenaga dengan tenaga angin. Selain itu, korelasi antara beberapa sumber energi baru juga harus dipertimbangkan dalam perhitungan aliran daya. Namun, semua studi di atas didasarkan pada metode aliran daya deterministik, yang tidak mempertimbangkan ketidakpastian pembangkit energi baru. Literatur mempertimbangkan ketidakpastian tenaga angin dan menerapkan metode aliran daya optimal probabilistik untuk mengoptimalkan pemilihan lokasi sistem penyimpanan energi, yang meningkatkan ekonomi operasi.

Saat ini, algoritma aliran daya probabilistik yang berbeda telah diusulkan oleh para ahli, dan metode penambangan data aliran daya probabilistik nonlinier berdasarkan metode simulasi Monte Carlo telah diusulkan dalam literatur, tetapi ketepatan waktu metode Monte Carlo sangat buruk. Diusulkan dalam literatur untuk menggunakan aliran daya optimal probabilistik untuk mempelajari lokasi penyimpanan energi, dan metode titik 2 m digunakan, tetapi akurasi perhitungan metode ini tidak ideal. Penerapan metode pengambilan sampel hiperkubus Latin dalam perhitungan aliran daya dipelajari dalam makalah ini, dan keunggulan metode pengambilan sampel hiperkubus Latin diilustrasikan dengan contoh numerik.

Berdasarkan penelitian di atas, makalah ini menggunakan metode aliran daya probabilistik untuk mempelajari alokasi penyimpanan energi yang optimal pada sistem tenaga dengan pembangkit listrik fotovoltaik skala besar. Pertama, model distribusi probabilitas dan metode sampling hypercube Latin komponen dalam sistem tenaga diperkenalkan. Kedua, model optimasi multi-tujuan dibuat dengan mempertimbangkan biaya penyimpanan energi, aliran daya melebihi batas probabilitas dan kehilangan jaringan. Terakhir, analisis simulasi dilakukan dalam sistem pengujian node IEEE24.

1. Model aliran daya probabilistik

1.1 Model ketidakpastian komponen

Fotovoltaik, beban dan generator semua variabel acak dengan ketidakpastian. Dalam perhitungan aliran daya probabilistik jaringan distribusi, model probabilistik dijelaskan dalam literatur. Melalui analisis data historis, daya keluaran pembangkit listrik fotovoltaik mengikuti distribusi BETA. Dengan menyesuaikan distribusi probabilitas daya beban, diasumsikan bahwa beban mengikuti distribusi normal, dan fungsi distribusi densitas probabilitasnya adalah

Gambar (1)

Dimana, Pl adalah daya beban; L dan L masing-masing adalah ekspektasi dan varians beban.

Model probabilitas generator biasanya mengadopsi distribusi dua titik, dan fungsi distribusi densitas probabilitasnya adalah

(2)

Dimana, P adalah probabilitas operasi normal generator; PG adalah daya keluaran generator.

Ketika cahaya cukup pada siang hari, daya aktif pembangkit listrik fotovoltaik besar, dan daya yang sulit digunakan pada waktunya akan disimpan dalam baterai penyimpan energi. Ketika daya beban tinggi, baterai penyimpan energi akan melepaskan energi yang tersimpan. Persamaan keseimbangan energi sesaat dari sistem penyimpanan energi adalah

Saat mengisi daya

(3)

Saat pelepasan

(4)

Kendala

Foto-foto,

Foto-foto,

gambar, gambar

Dimana, St adalah energi yang tersimpan pada waktu T; Pt adalah daya charge dan discharge dari penyimpanan energi; SL dan SG adalah energi pengisian dan pengosongan masing-masing. C dan D masing-masing adalah efisiensi pengisian dan pengosongan. Ds adalah tingkat self-discharge penyimpanan energi.

1.2 Metode pengambilan sampel hypercube Latin

Terdapat metode simulasi, metode perkiraan dan metode analisis yang dapat digunakan untuk menganalisis aliran daya sistem di bawah faktor-faktor yang tidak pasti. Simulasi Monte Carlo adalah salah satu metode yang paling akurat dalam algoritme aliran daya probabilistik, tetapi ketepatan waktunya rendah dibandingkan dengan presisi tinggi. Dalam kasus waktu pengambilan sampel yang rendah, metode ini biasanya mengabaikan ekor kurva distribusi probabilitas, tetapi untuk meningkatkan akurasi, perlu meningkatkan waktu pengambilan sampel. Metode pengambilan sampel hypercube Latin menghindari masalah ini. Ini adalah metode pengambilan sampel hierarkis, yang dapat memastikan bahwa titik pengambilan sampel mencerminkan distribusi probabilitas secara efektif dan mengurangi waktu pengambilan sampel secara efektif.

Gambar 1 menunjukkan ekspektasi dan varians dari metode Latin hypercube sampling dan metode simulasi Monte Carlo dengan waktu sampling berkisar antara 10 hingga 200. Secara keseluruhan tren hasil yang diperoleh kedua metode tersebut menurun. Namun ekspektasi dan varians yang diperoleh dengan metode monte Carlo sangat tidak stabil, dan hasil yang diperoleh dari beberapa simulasi tidak sama dengan waktu sampling yang sama. Varians metode pengambilan sampel hypercube Latin menurun terus dengan peningkatan waktu pengambilan sampel, dan kesalahan relatif berkurang menjadi kurang dari 5% ketika waktu pengambilan sampel lebih dari 150. Perlu dicatat bahwa titik pengambilan sampel dari metode pengambilan sampel hypercube Latin adalah simetris terhadap sumbu Y, sehingga kesalahan yang diharapkan adalah 0, yang juga merupakan keuntungannya.

Gambar

ARA. 1 Perbandingan waktu pengambilan sampel yang berbeda antara MC dan LHS

Metode pengambilan sampel hypercube latin adalah metode pengambilan sampel berlapis. Dengan meningkatkan proses pembuatan sampel dari variabel acak input, nilai sampling dapat secara efektif mencerminkan distribusi keseluruhan variabel acak. Proses pengambilan sampel dibagi menjadi dua langkah.

(1) Pengambilan sampel

Xi (I = 1, 2,… ,m) adalah m variabel acak, dan waktu pengambilan sampel adalah N, seperti yang ditunjukkan pada Gambar. 2. Kurva distribusi probabilitas kumulatif Xi dibagi menjadi interval N dengan jarak yang sama dan tidak tumpang tindih, titik tengah setiap interval dipilih sebagai nilai sampling probabilitas Y, maka nilai sampling Xi= p-1 (Yi) adalah dihitung dengan menggunakan fungsi invers, dan Xi yang dihitung adalah nilai sampling dari variabel acak.

Gambar

Gambar 2 diagram skema LHS

(2) Permutasi

Nilai sampling dari variabel acak yang diperoleh dari (1) disusun secara berurutan, sehingga korelasi antara m variabel acak adalah 1, yang tidak dapat dihitung. Metode ortogonalisasi urutan gram-Schmidt dapat diadopsi untuk mengurangi korelasi antara nilai sampling dari variabel acak. Pertama, matriks K×M orde I=[I1, I2…, IK]T dibangkitkan. Elemen di setiap baris disusun secara acak dari 1 hingga M, dan mewakili posisi nilai sampling dari variabel acak asli.

Iterasi positif

Gambar

Sebuah iterasi terbalik

Gambar

“Gambar” mewakili penugasan, takeout(Ik,Ij) mewakili perhitungan nilai residual dalam regresi linier Ik=a+bIj, rank(Ik) mewakili vektor baru yang dibentuk oleh nomor urut elemen dalam orientasi Ik dari kecil ke besar.

Setelah iterasi dua arah sampai nilai RMS yang mewakili korelasi tidak berkurang, matriks posisi masing-masing variabel acak setelah permutasi diperoleh, kemudian matriks permutasi variabel acak dengan korelasi terkecil dapat diperoleh.

(5)

Dimana, gambar adalah koefisien korelasi antara Ik dan Ij, cov adalah kovarians, dan VAR adalah varians.

2. Konfigurasi optimasi multi-tujuan dari sistem penyimpanan energi

2.1 Fungsi tujuan

Untuk mengoptimalkan daya dan kapasitas sistem penyimpanan energi, fungsi optimasi multi-tujuan dibuat dengan mempertimbangkan biaya sistem penyimpanan energi, probabilitas batas daya mati, dan kehilangan jaringan. Karena dimensi tiap indikator berbeda, maka dilakukan standarisasi deviasi untuk masing-masing indikator. Setelah standarisasi deviasi, rentang nilai nilai yang diamati dari berbagai variabel akan berada di antara (0,1), dan data standar adalah besaran murni tanpa satuan. Dalam situasi sebenarnya, mungkin ada perbedaan penekanan pada masing-masing indikator. Jika setiap indikator diberi bobot tertentu, penekanan yang berbeda dapat dianalisis dan dipelajari.

(6)

Dimana, w adalah indeks yang akan dioptimalkan; Wmin dan wmax adalah minimum dan maksimum dari fungsi asli tanpa standarisasi.

Fungsi tujuan adalah

(7)

Dalam rumus, 1 ~ 3 adalah koefisien bobot, Eloss, PE dan CESS masing-masing adalah kerugian jaringan cabang standar, probabilitas persilangan daya aktif cabang, dan biaya investasi penyimpanan energi.

2.2 Algoritma genetika

Algoritma genetika adalah sejenis algoritma optimasi yang dibuat dengan meniru hukum genetik dan evolusi dari survival of the fittest dan survival of the fittest di alam. Pertama pengkodean, populasi awal setiap pengkodean atas nama individu (solusi yang layak dari masalah), sehingga setiap solusi yang layak adalah dari untuk transformasi genotipe fenotipe, untuk melakukan pemilihan sesuai dengan hukum alam untuk setiap individu, dan dipilih dalam setiap generasi ke generasi berikutnya lingkungan komputasi untuk beradaptasi dengan individu yang kuat, sampai yang paling mudah beradaptasi dengan lingkungan individu, Setelah decoding, itu adalah solusi optimal perkiraan masalah.

Dalam makalah ini, sistem tenaga termasuk fotovoltaik dan penyimpanan energi pertama-tama dihitung dengan algoritma aliran daya probabilistik, dan data yang diperoleh digunakan sebagai variabel input dari algoritma genetika untuk menyelesaikan masalah. Proses perhitungan ditunjukkan pada Gambar 3, yang terutama dibagi menjadi langkah-langkah berikut:

Gambar

ARA. 3 Aliran algoritma

(1) Sistem input, fotovoltaik dan data penyimpanan energi, dan melakukan pengambilan sampel hiperkubus Latin dan ortogonalisasi urutan Gram-Schmidt;

(2) Masukkan data sampel ke dalam model perhitungan aliran daya dan catat hasil perhitungannya;

(3) Hasil keluaran dikodekan oleh kromosom untuk menghasilkan populasi awal yang sesuai dengan nilai sampling;

(4) Menghitung fitness setiap individu dalam populasi;

(5) memilih, menyilangkan, dan bermutasi untuk menghasilkan populasi generasi baru;

(6) Menilai apakah persyaratan terpenuhi, jika tidak, kembali langkah (4); Jika ya, solusi optimal adalah keluaran setelah decoding.

3. Contoh analisis

Metode aliran daya probabilistik disimulasikan dan dianalisis dalam sistem uji IEEE24-node yang ditunjukkan pada Gambar. 4, di mana level tegangan 1-10 node adalah 138 kV, dan 11-24 node adalah 230 kV.

Gambar

Gambar 4 Sistem uji simpul IEEE24

3.1 Pengaruh pembangkit listrik fotovoltaik pada sistem tenaga

Pembangkit listrik fotovoltaik dalam sistem tenaga, lokasi dan kapasitas sistem tenaga akan mempengaruhi tegangan simpul dan daya cabang, oleh karena itu, sebelum menganalisis pengaruh sistem penyimpanan energi untuk jaringan listrik, bagian ini terlebih dahulu menganalisis pengaruh daya fotovoltaik stasiun pada sistem, akses fotovoltaik sistem dalam makalah ini, tren batas probabilitas, kehilangan jaringan dan sebagainya telah dilakukan pada analisis simulasi.

Seperti yang dapat dilihat dari Gambar. 5 (a), setelah pembangkit listrik fotovoltaik terhubung, node dengan batas aliran daya cabang yang lebih kecil adalah sebagai berikut: 11, 12, 13, 23, 13 untuk menyeimbangkan node node, tegangan node dan sudut fasa diberikan, memiliki efek keseimbangan daya jaringan listrik yang stabil, 11, 12 dan 23 alih-alih terhubung langsung, akibatnya, beberapa node yang terhubung membatasi kemungkinan lebih kecil dan lebih banyak daya, pembangkit listrik fotovoltaik akan mengakses node dengan efek keseimbangan lebih sedikit pada dampak sistem tenaga

Gambar

Gambar 5. (a) jumlah probabilitas aliran daya di luar batas (b) fluktuasi tegangan node (c) total kehilangan jaringan sistem dari titik akses PV yang berbeda

Selain pelampauan aliran daya, makalah ini juga menganalisis pengaruh fotovoltaik pada tegangan simpul, seperti yang ditunjukkan pada Gambar. 5 (b). Standar deviasi amplitudo tegangan node 1, 3, 8, 13, 14, 15 dan 19 dipilih untuk perbandingan. Secara keseluruhan, koneksi pembangkit listrik fotovoltaik ke jaringan listrik tidak memiliki pengaruh besar pada tegangan node, tetapi pembangkit listrik fotovoltaik memiliki pengaruh besar pada tegangan a-Node dan node terdekatnya. Selain itu, dalam sistem yang diadopsi oleh contoh perhitungan, melalui perbandingan, ditemukan bahwa pembangkit listrik fotovoltaik lebih cocok untuk akses ke jenis node: node dengan tingkat tegangan yang lebih tinggi, seperti 14, 15, 16, dll., tegangan hampir tidak berubah; (2) node yang didukung oleh generator atau menyesuaikan kamera, seperti 1, 2, 7, dll.; (3) dalam resistansi garis besar di ujung simpul.

Untuk menganalisis pengaruh titik akses PV terhadap total kerugian jaringan sistem tenaga, makalah ini membuat perbandingan seperti yang ditunjukkan pada Gambar 5(c). Dapat dilihat bahwa jika beberapa node dengan daya beban besar dan tidak ada catu daya terhubung ke pembangkit listrik PV, kehilangan jaringan sistem akan berkurang. Sebaliknya, node 21, 22 dan 23 adalah ujung catu daya, yang bertanggung jawab untuk transmisi daya terpusat. Pembangkit listrik fotovoltaik yang terhubung ke node ini akan menyebabkan kehilangan jaringan yang besar. Oleh karena itu, titik akses pembangkit listrik pv harus dipilih pada ujung penerima daya atau simpul dengan beban besar. Mode akses ini dapat membuat distribusi aliran daya sistem lebih seimbang dan mengurangi kehilangan jaringan sistem.

Berdasarkan tiga faktor dalam analisis hasil di atas, node 14 diambil sebagai titik akses pembangkit listrik fotovoltaik dalam makalah ini, kemudian pengaruh kapasitas pembangkit listrik fotovoltaik yang berbeda pada sistem tenaga dipelajari.

Gambar 6(a) menganalisis pengaruh kapasitas fotovoltaik pada sistem. Dapat dilihat bahwa standar deviasi daya aktif setiap cabang meningkat dengan meningkatnya kapasitas fotovoltaik, dan ada hubungan linier positif antara keduanya. Kecuali untuk beberapa cabang yang ditunjukkan pada gambar, standar deviasi cabang lainnya semuanya kurang dari 5 dan menunjukkan hubungan linier, yang diabaikan untuk kemudahan menggambar. Dapat dilihat bahwa koneksi grid fotovoltaik memiliki pengaruh yang besar pada kekuatan terhubung langsung dengan titik akses fotovoltaik atau cabang yang berdekatan. Karena transmisi saluran transmisi daya terbatas, saluran transmisi jumlah konstruksi dan investasi sangat besar, jadi memasang pembangkit listrik fotovoltaik, harus mempertimbangkan batasan kapasitas transportasi, pilih pengaruh terkecil pada akses jalur ke lokasi terbaik, di samping itu, memilih kapasitas terbaik pembangkit listrik fotovoltaik akan memainkan peran penting untuk mengurangi efek ini.

Gambar

Gambar 6. (a) Standar deviasi daya aktif cabang (b) probabilitas aliran daya cabang di luar batas (c) total kehilangan jaringan sistem di bawah kapasitas fotovoltaik yang berbeda

ARA. 6(b) membandingkan kemungkinan daya aktif melebihi batas setiap cabang di bawah kapasitas pembangkit listrik pv yang berbeda. Kecuali cabang yang ditunjukkan pada gambar, cabang lainnya tidak melebihi batas atau kemungkinannya sangat kecil. Dibandingkan dengan Gambar. 6(a), dapat dilihat bahwa probabilitas off-limit dan standar deviasi tidak selalu berhubungan. Daya aktif saluran dengan fluktuasi standar deviasi yang besar tidak selalu di luar batas, dan alasannya terkait dengan arah transmisi daya keluaran fotovoltaik. Jika arahnya sama dengan aliran daya cabang asli, daya fotovoltaik kecil juga dapat menyebabkan off-limit. Ketika daya pv sangat besar, aliran daya tidak boleh melebihi batas.

Dalam Gambar. 6(c), kehilangan jaringan total sistem meningkat dengan peningkatan kapasitas fotovoltaik, tetapi efek ini tidak jelas. Ketika kapasitas fotovoltaik meningkat sebesar 60 MW, rugi total jaringan hanya meningkat sebesar 0.5%, yaitu 0.75 MW. Oleh karena itu, ketika memasang pembangkit listrik PV, kehilangan jaringan harus dianggap sebagai faktor sekunder, dan faktor-faktor yang memiliki dampak lebih besar pada pengoperasian sistem yang stabil harus dipertimbangkan terlebih dahulu, seperti fluktuasi daya saluran transmisi dan kemungkinan di luar batas. .

3.2 Dampak akses penyimpanan energi pada sistem

Bagian 3.1 Posisi akses dan kapasitas pembangkit listrik fotovoltaik bergantung pada sistem tenaga