Abstract A high proportion of photovoltaic power generation will have adverse effects on the stability of power system, and energy storage is considered to be one of the effective means to eliminate these effects. This paper analyzes the influence of photovoltaic power generation on the power system from the perspective of power flow, and then analyzes the effect of energy storage on restraining the influence. Firstly, the probability distribution model and energy storage model of components in power system are introduced, and the Latin hypercube sampling method and gram-Schmidt sequence normalization method are introduced. Secondly, a multi-objective optimization model was established, which considered the cost of the energy storage system, the off-limit probability of branch power flow and the network loss of the power grid. The optimal solution of the objective function was obtained by genetic algorithm. Finally, the simulation is carried out in IEEE24 node test system to analyze the influence of different photovoltaic access capacity and access location on the power system and the effect of energy storage on the power system, and the optimal energy storage configuration corresponding to different photovoltaic capacity is obtained.

מילות מפתח ייצור חשמל פוטו-וולטאי; מערכת אחסון אנרגיה; תצורה אופטימלית; זרימת כוח הסתברות; אלגוריתם גנטי (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.

כיום, ישנם מחקרים רבים על ייצור חשמל פוטו-וולטאי, מערכת אחסון אנרגיה והסתברות לזרימת חשמל בבית ומחוצה לה. מספר רב של מחקרי ספרות מראים שאגירת אנרגיה יכולה לשפר את קצב הניצול של פוטו ולפתור את היציבות של חיבור רשת פוטו-וולטאית. בתצורה של מערכת אחסון אנרגיה בתחנת כוח אנרגיה חדשה, יש לשים לב לא רק לאסטרטגיית הבקרה של אחסון אופטי ואחסון רוח, אלא גם לכלכלת מערכת אחסון האנרגיה. בנוסף, לצורך אופטימיזציה של מספר תחנות כוח לאגירת אנרגיה במערכת החשמל, יש צורך ללמוד את המודל הכלכלי של תפעול תחנות כוח לאגירת אנרגיה, בחירת האתר של נקודת ההתחלה ונקודת הסיום של ערוצי השידור הפוטו-וולטאיים וה בחירת אתר של אחסון אנרגיה. עם זאת, המחקר הקיים על תצורה אופטימלית של מערכת אחסון אנרגיה אינו מתייחס להשפעה הספציפית על מערכת החשמל, והמחקר על מערכת רב-נקודתית אינו כרוך במאפייני פעולת אחסון אופטי בקנה מידה גדול.

With the large-scale development of uncertain new energy power generation such as wind power and photovoltaic, it is necessary to calculate the power flow of the power system in the operation planning of the power system. For example, the literature studies the optimal location and capacity allocation of energy storage in the power system with wind power. In addition, the correlation between multiple new energy sources should also be considered in the calculation of power flow. However, all the above studies are based on deterministic power flow methods, which do not consider the uncertainty of new energy generation. The literature considers the uncertainty of wind power and applies the probabilistic optimal power flow method to optimize the site selection of energy storage system, which improves the operation economy.

נכון לעכשיו, אלגוריתמים שונים של זרימת כוח הסתברותית הוצעו על ידי חוקרים, ושיטות כריית נתונים של זרימת כוח הסתברותית לא ליניארית המבוססות על שיטת הדמיית מונטה קרלו הוצעו בספרות, אך הזמנים של שיטת מונטה קרלו גרועים מאוד. בספרות מוצע להשתמש בזרימת הכוח האופטימלית ההסתברותית כדי לחקור את מיקום אגירת האנרגיה, ונעשה שימוש בשיטת 2 מ’, אך דיוק החישוב של שיטה זו אינו אידיאלי. היישום של שיטת דגימת ההיפרקוביה הלטינית בחישוב זרימת הספק נחקר במאמר זה, והעדיפות של שיטת הדגימה ההיפרקוביות הלטינית מומחשת על ידי דוגמאות מספריות.

בהתבסס על המחקר לעיל, מאמר זה משתמש בשיטת זרימת הכוח ההסתברותית כדי לחקור את ההקצאה האופטימלית של אגירת אנרגיה במערכת החשמל עם ייצור חשמל פוטו-וולטאי בקנה מידה גדול. ראשית, מוצגים מודל התפלגות ההסתברות ושיטת דגימת היפרקוביות לטינית של רכיבים במערכת החשמל. שנית, נוצר מודל אופטימיזציה רב-אובייקטיבי בהתחשב בעלות אחסון האנרגיה, זרימת החשמל מעבר להסתברות הגבול ואובדן הרשת. לבסוף, ניתוח הסימולציה מתבצע במערכת בדיקת צומת IEEE24.

1. מודל זרימת כוח הסתברותי

1.1 מודל אי ודאות של רכיבים

Photovoltaic, load and generator are all random variables with uncertainty. In the calculation of probabilistic power flow of distribution network, the probabilistic model is explained in the literature. Through the analysis of historical data, the output power of photovoltaic power generation follows BETA distribution. By fitting the probability distribution of load power, it is assumed that load follows normal distribution, and its probability density distribution function is

Picture (1)

איפה, Pl הוא כוח העומס; μ L ו- σ L הם התוחלת והשונות של העומס בהתאמה.

מודל ההסתברות של מחולל מאמץ בדרך כלל התפלגות שתי נקודות, ופונקציית התפלגות צפיפות ההסתברות שלו היא

(2)

Where, P is the probability of normal operation of generator; PG is the output power of the generator.

כאשר האור מספיק בצהריים, ההספק הפעיל של תחנת הכוח הפוטו-וולטאית גדול, והכוח שקשה להשתמש בו בזמן ייאגר בסוללת אגירת האנרגיה. כאשר כוח העומס גבוה, סוללת אגירת האנרגיה תשחרר את האנרגיה האצורה. משוואת מאזן האנרגיה המיידי של מערכת אגירת האנרגיה היא

בעת טעינה

(3)

כאשר הפריקה

(4)

האילוץ

תמונות,

תמונות,

תמונה, תמונה

איפה, St היא האנרגיה האצורה בזמן T; Pt הוא כוח הטעינה והפריקה של אגירת אנרגיה; SL ו-SG הם האנרגיה של טעינה ופריקה בהתאמה. η C ו- η D הם יעילות טעינה ופריקה בהתאמה. Ds הוא קצב הפריקה העצמית של אחסון אנרגיה.

1.2 שיטת דגימת היפרקוביות לטינית

ישנן שיטות סימולציה, שיטה משוערת ושיטה אנליטית שניתן להשתמש בהן כדי לנתח את זרימת הכוח של המערכת תחת גורמים לא ודאיים. הדמיית מונטה קרלו היא אחת השיטות המדויקות ביותר באלגוריתמים של זרימת כוח הסתברותית, אך עמידותה נמוכה בהשוואה לדיוק גבוה. במקרה של זמני דגימה נמוכים, שיטה זו לרוב מתעלמת מהזנב של עקומת התפלגות ההסתברות, אך על מנת לשפר את הדיוק עליה להגדיל את זמני הדגימה. שיטת הדגימה לטינית Hypercube מונעת בעיה זו. זוהי שיטת דגימה היררכית, שיכולה להבטיח שנקודות הדגימה משקפות את התפלגות ההסתברות ביעילות ולצמצם את זמני הדגימה ביעילות.

איור 1 מציג את התוחלת והשונות של שיטת הדגימה ההיפרקובית הלטינית ושיטת הדמיית מונטה קרלו עם זמני דגימה הנעים בין 10 ל-200. המגמה הכוללת של התוצאות המתקבלות בשתי השיטות הולכת ופוחתת. עם זאת, התוחלת והשונות המתקבלות בשיטת מונטה קרלו הן מאוד לא יציבות, והתוצאות המתקבלות על ידי סימולציות מרובות אינן זהות באותם זמני דגימה. השונות של שיטת הדגימה ה-Hypercube הלטינית יורדת בהתמדה עם העלייה בזמני הדגימה, והשגיאה היחסית יורדת לפחות מ-5% כאשר זמני הדגימה הם יותר מ-150. ראוי לציין שנקודת הדגימה של שיטת הדגימה ה-Hypercube הלטינית היא. סימטרי על ציר ה-Y, ולכן השגיאה הצפויה שלו היא 0, וזה גם היתרון שלו.

התמונה

תאנה. 1 השוואה של זמני דגימה שונים בין MC ל-LHS

שיטת דגימת היפרקובי לטינית היא שיטת דגימה שכבתית. על ידי שיפור תהליך יצירת המדגם של משתנים אקראיים קלט, ערך הדגימה יכול לשקף ביעילות את ההתפלגות הכוללת של משתנים אקראיים. תהליך הדגימה מחולק לשני שלבים.

(1) Sampling

Xi (I = 1, 2,… ,m) is m random variables, and the sampling times are N, as shown in FIG. 2. The cumulative probability distribution curve of Xi is divided into N interval with equal spacing and no overlap, the midpoint of each interval is selected as the sampling value of probability Y, and then the sampling value Xi= p-1 (Yi) is calculated by using inverse function, and the calculated Xi is the sampling value of random variable.

התמונה

איור 2 תרשים סכמטי של LHS

(2) תמורות

ערכי הדגימה של משתנים אקראיים המתקבלים מ-(1) מסודרים ברצף, כך שהמתאם בין m משתנים אקראיים הוא 1, שלא ניתן לחישוב. ניתן לאמץ את שיטת האורתוגונליזציה של רצף גרם-שמידט כדי להפחית את המתאם בין ערכי הדגימה של משתנים אקראיים. ראשית, נוצרת מטריצה ​​בסדר K×M I=[I1, I2…, IK]T. אלמנטים בכל שורה מסודרים באקראי מ-1 עד M, והם מייצגים את המיקום של ערך הדגימה של המשתנה האקראי המקורי.

איטרציה חיובית

התמונה

איטרציה הפוכה

התמונה

“תמונה” מייצגת הקצאה, takeout(Ik,Ij) מייצגת חישוב של ערך שיורי ברגרסיה לינארית Ik=a+bIj, rank(Ik) מייצגת וקטור חדש שנוצר על ידי מספר רצף האלמנטים בכיוון Ik מקטן לגדול.

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)

כאשר, התמונה היא מקדם מתאם בין Ik ו-Ij, cov הוא שיתוף פעולה ו-VAR הוא שונות.

2. תצורת אופטימיזציה רב-אובייקטיבית של מערכת אחסון אנרגיה

2.1 פונקציה אובייקטיבית

In order to optimize the power and capacity of the energy storage system, a multi-objective optimization function is established considering the cost of the energy storage system, the power off-limit probability and the network loss. Due to the different dimensions of each indicator, deviation standardization is carried out for each indicator. After deviation standardization, the value range of observed values of various variables will be between (0,1), and the standardized data are pure quantities without units. In the actual situation, there may be differences in the emphasis on each indicator. If each indicator is given a certain weight, different emphases can be analyzed and studied.

(6)

איפה, w הוא האינדקס שיש לבצע אופטימיזציה; Wmin ו-wmax הם המינימום והמקסימום של הפונקציה המקורית ללא סטנדרטיזציה.

הפונקציה האובייקטיבית היא

(7)

בנוסחה, λ1 ~ λ3 הם מקדמי משקל, Eloss, PE ו-CESS הם אובדן רשת ענפים סטנדרטי, הסתברות חציית כוח פעיל בענף ועלות השקעה באחסון אנרגיה בהתאמה.

2.2 Genetic algorithm

Genetic algorithm is a kind of optimization algorithm established by imitating the genetic and evolutionary laws of survival of the fittest and survival of the fittest in nature. It first to coding, initial population each coding on behalf of an individual (a feasible solution of the problem), so each feasible solution is from for genotype phenotype transformation, to undertake choosing according to the laws of nature for each individual, and selected in each generation to the next generation of computing environment to adapt to the strong individual, until the most adaptable to the environment of the individual, After decoding, it is the approximate optimal solution of the problem.

במאמר זה, מערכת החשמל הכוללת אחסון פוטו וולטאי ואנרגיה מחושבת תחילה על ידי אלגוריתם זרימת הכוח ההסתברותי, והנתונים המתקבלים משמשים כמשתנה הקלט של האלגוריתם הגנטי כדי לפתור את הבעיה. תהליך החישוב מוצג באיור 3, המחולק בעיקר לשלבים הבאים:

התמונה

תאנה. 3 זרימת אלגוריתם

(1) Input system, photovoltaic and energy storage data, and perform Latin hypercube sampling and Gram-Schmidt sequence orthogonalization;

(2) הזן את הנתונים הנדגמים למודל חישוב זרימת החשמל ורשום את תוצאות החישוב;

(3) תוצאות הפלט קוידו על ידי כרומוזום כדי ליצור את האוכלוסייה הראשונית התואמת לערך הדגימה;

(4) Calculate the fitness of each individual in the population;

(5) לבחור, לחצות ולבצע מוטציה כדי לייצר דור חדש של אוכלוסייה;

(6) לשפוט אם מתקיימות הדרישות, אם לאו, חזור שלב (4); אם כן, הפתרון האופטימלי הוא פלט לאחר פענוח.

3. ניתוח דוגמה

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.

התמונה

Figure 4 IEEE24 node test system

3.1 השפעת תחנת כוח פוטו-וולטאית על מערכת החשמל

תחנת כוח פוטו-וולטאית במערכת החשמל, המיקום והקיבולת של מערכת החשמל ישפיעו על מתח הצומת והספק הסניף, לכן, לפני ניתוח ההשפעה של מערכת אגירת האנרגיה לרשת החשמל, חלק זה מנתח תחילה את השפעת החשמל הפוטו-וולטאי תחנה על המערכת, גישה פוטו-וולטאית למערכת במאמר זה, מגמת גבול ההסתברות, אובדן הרשת וכן הלאה נמשכה ניתוח הסימולציה.

כפי שניתן לראות מאיור. 5(א), לאחר חיבור תחנת כוח פוטו-וולטאית, צמתים עם מגבלת יתר של זרימת כוח ענפה קטנה יותר הם כדלקמן: 11, 12, 13, 23, 13 כדי לאזן את צומת הצומת, נתון מתח הצומת וזווית הפאזה. השפעה של איזון כוח יציב של רשת החשמל, 11, 12 ו-23 במקום מחוברים ישירות, כתוצאה מכך, מספר צמתים מחוברים להגביל את ההסתברות של כוח קטן יותר ויותר, תחנת כוח פוטו-וולטאית תיגש לצומת עם השפעת איזון קטנה יותר על השפעה של מערכת החשמל.

התמונה

איור 5. (א) סכום ההסתברות של זרימת כוח מחוץ לגבול (ב) תנודת מתח הצומת (ג) אובדן רשת המערכת הכוללת של נקודות גישה שונות ל-PV

בנוסף לחריגה של זרימת הכוח, מאמר זה מנתח גם את השפעת הפוטו-וולטאי על מתח הצומת, כפי שמוצג באיור. 5(ב). סטיות התקן של אמפליטודות המתח של צמתים 1, 3, 8, 13, 14, 15 ו- 19 נבחרות לשם השוואה. בסך הכל, לחיבור של תחנות כוח פוטו-וולטאיות לרשת החשמל אין השפעה רבה על מתח הצמתים, אך לתחנות הכוח הפוטו-וולטאיות יש השפעה רבה על המתח של a-Nodes והצמתים הסמוכים להם. בנוסף, במערכת שאומצה בדוגמה החישובית, באמצעות השוואה, נמצא שתחנת כוח פוטו-וולטאית מתאימה יותר לגישה לסוגי הצמתים: ① צמתים בעלי דרגת מתח גבוהה יותר, כגון 14, 15, 16 וכו’, המתח כמעט ואינו משתנה; (2) צמתים הנתמכים על ידי גנרטורים או מצלמות מתאימות, כגון 1, 2, 7 וכו’; (3) בקו ההתנגדות גדולה בקצה הצומת.

על מנת לנתח את ההשפעה של נקודת גישה PV על אובדן הרשת הכולל של מערכת החשמל, מאמר זה עורך השוואה כפי שמוצג באיור 5(ג). ניתן לראות שאם כמה צמתים עם כוח עומס גדול וללא ספק כוח מחוברים לתחנת כוח pv, אובדן הרשת של המערכת יקטן. להיפך, צמתים 21, 22 ו-23 הם קצה אספקת החשמל, האחראי על העברת הכוח הריכוזית. תחנת הכוח הפוטו-וולטאית המחוברת לצמתים אלו תגרום לאובדן רשת גדול. לכן, יש לבחור את נקודת הגישה של תחנת הכוח pv בקצה המקבל של החשמל או בצומת עם עומס גדול. מצב גישה זה יכול להפוך את חלוקת זרימת הכוח של המערכת למאוזנת יותר ולהפחית את אובדן הרשת של המערכת.

בהתבסס על שלושת הגורמים בניתוח התוצאות לעיל, צומת 14 נלקח כנקודת הגישה של תחנת כוח פוטו-וולטאית במאמר זה, ולאחר מכן נחקרת השפעת הקיבולת של תחנות כוח פוטו-וולטאיות שונות על מערכת החשמל.

איור 6(א) מנתח את השפעת הקיבולת הפוטו-וולטאית על המערכת. ניתן לראות שסטיית התקן של ההספק הפעיל של כל ענף עולה עם הגדלת הקיבולת הפוטו-וולטאית, וקיים קשר ליניארי חיובי בין השניים. פרט למספר ענפים המוצגים באיור, סטיות התקן של ענפים אחרים כולן פחות מ-5 ומציגות קשר ליניארי, שמתעלמים מהם לנוחות הציור. ניתן לראות שלחיבור לרשת פוטו-וולטאית יש השפעה רבה על העוצמה של מחובר ישירות לנקודת גישה פוטו-וולטאית או לסניפים סמוכים. בגלל העברת קווי הולכה מוגבלת, קווי ההולכה של כמויות בנייה והשקעה הם עצומים, ולכן התקנת תחנת כוח פוטו-וולטאית, צריכה לשקול את הגבלת יכולת התחבורה, לבחור את ההשפעה הקטנה ביותר על גישה לקו למיקום הטוב ביותר, בנוסף, בחירת הקיבולת הטובה ביותר של תחנת כוח פוטו-וולטאית תמלא תפקיד חשוב כדי להפחית את ההשפעה הזו.

התמונה

איור 6. (א) סטיית תקן של הספק פעיל של ענף (ב) הסתברות זרימת כוח סניף מחוץ לגבול (ג) אובדן רשת המערכת הכוללת תחת קיבולות פוטו-וולטאיות שונות

תאנה. 6(ב) משווה את ההסתברות להספק פעיל לחרוג מהגבול של כל ענף תחת קיבולות שונות של תחנות כוח Pv. מלבד הענפים המוצגים באיור, שאר הענפים לא חרגו מהמגבלה או שההסתברות הייתה קטנה מאוד. לעומת איור. 6(א), ניתן לראות כי ההסתברות ליציאה מחוץ לתחום ולסטיית תקן אינם בהכרח קשורים. ההספק הפעיל של קו עם תנודת סטיית תקן גדולה אינו בהכרח מחוץ לתחום, והסיבה קשורה לכיוון השידור של הספק המוצא הפוטו-וולטאי. אם הוא נמצא באותו כיוון כמו זרימת החשמל הסניפית המקורית, כוח פוטו-וולטאי קטן עלול גם לגרום לאי גבול. כאשר הספק pv גדול מאוד, ייתכן שזרימת הכוח לא תחרוג מהמגבלה.

באיור. 6(ג), אובדן הרשת הכולל של המערכת גדל עם הגדלת הקיבולת הפוטו-וולטאית, אך השפעה זו אינה ברורה. כאשר הקיבולת הפוטו-וולטאית גדלה ב-60 מגוואט, אובדן הרשת הכולל גדל רק ב-0.5%, כלומר 0.75 מגוואט. לכן, בעת התקנת תחנות כוח Pv, יש לקחת את אובדן הרשת כגורם משני, ולהתייחס תחילה לגורמים בעלי השפעה רבה יותר על פעולתה היציבה של המערכת, כגון תנודת החשמל בקו ההולכה והסתברות מחוץ לגבול. .

3.2 השפעת הגישה לאחסון אנרגיה על המערכת

סעיף 3.1 מיקום הגישה והקיבולת של תחנת כוח פוטו-וולטאית תלויים במערכת החשמל