Abstrakt En héijen Undeel vun der photovoltaescher Energieproduktioun wäert negativ Auswierkungen op d’Stabilitéit vum Stroumsystem hunn, an d’Energielagerung gëtt als ee vun den effektiven Mëttelen ugesinn fir dës Effekter ze eliminéieren. Dëse Pabeier analyséiert den Afloss vun der photovoltaescher Kraaftproduktioun op de Stroumsystem aus der Perspektiv vum Stroumfluss, an analyséiert dann den Effekt vun der Energielagerung fir den Afloss ze behalen. Als éischt ginn d’Wahrscheinlechkeetsverdeelungsmodell an d’Energielagerungsmodell vu Komponenten am Kraaftsystem agefouert, an d’laténgesch Hyperkube Samplingmethod a Gramm-Schmidt Sequenz Normaliséierungsmethod ginn agefouert. Zweetens gouf e multi-objektiven Optimiséierungsmodell etabléiert, deen d’Käschte vum Energiespeichersystem berücksichtegt, d’Off-Limit Probabilitéit vum Branchekraaftfluss an den Netzverloscht vum Stroumnetz. Déi optimal Léisung vun der objektiver Funktioun gouf duerch genetesch Algorithmus kritt. Schlussendlech gëtt d’Simulatioun am IEEE24 Node Test System duerchgefouert fir den Afloss vu verschiddene Photovoltaik Zougangskapazitéit an Zougangsplaz op de Stroumsystem an den Effekt vun der Energielagerung op de Stroumsystem ze analyséieren, an déi optimal Energiespeicherkonfiguratioun entsprécht der ënnerschiddlecher Photovoltaik Kapazitéit. kritt gëtt.

Schlësselwierder photovoltaesch Energie Generatioun; Energie Stockage System; Optimiséiert Konfiguratioun; Wahrscheinlechkeet Muecht Flux; Genetesch Algorithmus (ga)

Photovoltaesch Kraaftproduktioun huet d’Virdeeler vum gréngen Ëmweltschutz an erneierbar, a gëtt als eng vun de potenziell erneierbaren Energien ugesinn. Bis 2020 ass China seng kumulativ installéiert Kapazitéit vun der Photovoltaikenergieproduktioun 253 Millioune kw erreecht. D’Intermittenz an d’Onsécherheet vu grousser PV-Kraaft beaflossen d’Kraaftsystem, inklusiv Themen vum Peak raséieren, Stabilitéit a Liichtvergëftung, an d’Gitter muss méi flexibel Moossnamen uhuelen fir dës Themen ze këmmeren. Energielagerung gëtt als en effektive Wee ugesinn fir dës Probleemer ze léisen. D’Applikatioun vum Energiespeichersystem bréngt eng nei Léisung fir grouss Photovoltaik Netzverbindung.

Am Moment ginn et vill Fuerschungen iwwer Photovoltaik Kraaftproduktioun, Energielagerungssystem a Wahrscheinlechkeet Kraaftfluss doheem an am Ausland. Eng grouss Zuel vu Literaturstudien weisen datt d’Energielagerung d’Notzungsquote vun der Photovoltaik verbesseren kann an d’Stabilitéit vun der Photovoltaik Gitterverbindung léisen. An der Konfiguratioun vum Energiespeichersystem an der neier Energiekraaftwierk, sollt Opmierksamkeet net nëmmen op d’Kontrollstrategie vun der optescher Lagerung a Wandlagerung bezuelt ginn, awer och op d’Wirtschaft vun der Energielagerungssystem. Zousätzlech, fir d’Optimiséierung vu multiple Energiespeicherkraaftstatiounen am Kraaftsystem, ass et noutwendeg de wirtschaftleche Modell vun der Operatioun vun Energiespeicherkraaftwierker ze studéieren, d’Site Auswiel vum Startpunkt an Ennpunkt vun Photovoltaik Transmissiounskanäl an de Site Auswiel vun Energie Stockage. Wéi och ëmmer, déi bestehend Fuerschung iwwer optimal Konfiguratioun vum Energiespeichersystem betruecht net de spezifeschen Impakt op de Stroumsystem, an d’Fuerschung iwwer Multi-Punkt System implizéiert keng grouss-Skala optesch Späicheroperatiounseigenschaften.

Mat der grousser Entwécklung vun onsécherer neier Energiekraaftproduktioun wéi Wandkraaft a Photovoltaik, ass et néideg fir de Stroum vum Stroumsystem an der Operatiounsplanung vum Stroumsystem ze berechnen. Zum Beispill studéiert d’Literatur déi optimal Plaz an d’Kapazitéitallokatioun vun der Energielagerung am Stroumsystem mat Wandkraaft. Zousätzlech sollt d’Korrelatioun tëscht multiple neien Energiequellen och an der Berechnung vum Stroumfloss berücksichtegt ginn. Wéi och ëmmer, all déi uewe genannte Studien baséieren op deterministesche Kraaftflossmethoden, déi d’Onsécherheet vun der neier Energiegeneratioun net berücksichtegen. D’Literatur berücksichtegt d’Onsécherheet vu Wandkraaft an applizéiert déi probabilistesch optimal Kraaftflossmethod fir d’Site Auswiel vun Energielagerungssystem ze optimiséieren, wat d’Operatiounswirtschaft verbessert.

Am Moment gi verschidde probabilistesch Kraaftflossalgorithmen vu Geléiert proposéiert, an Dateminingmethoden vun netlinearer probabilistescher Kraaftfloss baséiert op der Monte Carlo Simulatiounsmethod goufen a Literatur proposéiert, awer d’Zäitlechkeet vun der Monte Carlo Method ass ganz schlecht. Et gëtt an der Literatur proposéiert fir de probabilisteschen optimale Kraaftfluss ze benotzen fir de Standort vun der Energielagerung ze studéieren, an d’2 m Punktmethod gëtt benotzt, awer d’Berechnungsgenauegkeet vun dëser Method ass net ideal. D’Applikatioun vun der laténgescher Hyperkube-Samplemethod an der Kraaftflossberechnung gëtt an dësem Pabeier studéiert, an d’Iwwerleeung vun der laténgescher Hypercube-Samplingmethod gëtt duerch numeresch Beispiller illustréiert.

Baséierend op der uewe genannter Fuerschung benotzt dëse Pabeier déi probabilistesch Kraaftflossmethod fir d’optimal Allokatioun vun der Energielagerung am Stroumsystem mat grousser Photovoltaikenergie Generatioun ze studéieren. Als éischt ginn de Wahrscheinlechkeetsverdeelungsmodell a Latäin Hypercube Probemethod vu Komponenten am Kraaftsystem agefouert. Zweetens gëtt e multi-objektiven Optimiséierungsmodell etabléiert wann Dir d’Energielagerungskäschte berücksichtegt, Kraaftfluss iwwer Limit Probabilitéit an Netzwierkverloscht. Schlussendlech gëtt d’Simulatiounsanalyse am IEEE24 Node Test System duerchgefouert.

1. Probabilistic Muecht Flux Modell

1.1 Onsécherheet Modell vun Komponente

Photovoltaik, Last an Generator sinn all zoufälleg Variabelen mat Onsécherheet. Bei der Berechnung vum probabilistesche Stroumfloss vum Verdeelungsnetz gëtt de probabilistesche Modell an der Literatur erkläert. Duerch d’Analyse vun historeschen Donnéeën folgt d’Ausgangskraaft vun der Photovoltaikenergieproduktioun d’BETA Verdeelung. Andeems Dir d’Wahrscheinlechkeetsverdeelung vun der Laaschtkraaft passt, gëtt ugeholl datt d’Laascht normal Verdeelung folgt, a seng Wahrscheinlechkeetsdicht Verdeelungsfunktioun ass

Bild (1)

Wou, Pl ass d’Laascht Muecht; μ L an σ L sinn d’Erwaardung an d’Varianz vun der Belaaschtung respektiv.

D’Wahrscheinlechkeet Modell vun Generator adoptéiert normalerweis zwee-Punkt Verdeelung, a seng Wahrscheinlechkeet Dicht Verdeelung Funktioun ass

(2)

Wou, P ass d’Wahrscheinlechkeet vun normal Operatioun vun Generator; PG ass d’Ausgangskraaft vum Generator.

Wann d’Liicht an der Mëttesstonn genuch ass, ass d’aktiv Kraaft vun der Photovoltaikkraaftwierk grouss, an d’Kraaft, déi an der Zäit schwiereg ass, gëtt an der Energiespäicherbatterie gespäichert. Wann d’Laaschtkraaft héich ass, wäert d’Energiespäicherbatterie déi gespäichert Energie fräiginn. Déi momentan Energie Gläichgewiicht Equatioun vun der Energie Stockage System ass

Beim Opluedstatiounen

(3)

Wann d’Entladung

(4)

D’Begrenzung

Biller,

Biller,

Bild, Bild

Wou, St ass d’Energie déi zu Zäit T gespäichert ass; Pt ass d’Laascht an d’Entladungskraaft vun der Energielagerung; SL an SG sinn d’Energie vum Opluedstatioun respektiv. η C an η D sinn Oplued- an Entladungseffizienz respektiv. Ds ass de Selbstentladungsquote vun der Energielagerung.

1.2 Latäin Hypercube Sampling Method

Et gi Simulatiounsmethod, geschätzte Method an analytesch Method déi benotzt kënne ginn fir de Systemkraaftflow ënner onséchere Faktoren ze analyséieren. Monte Carlo Simulatioun ass eng vun de genauste Methoden a probabilistesche Kraaftfluss Algorithmen, awer seng Zäitlechkeet ass niddereg am Verglach mat héijer Präzisioun. Am Fall vun nidderegen Samplingszäiten ignoréiert dës Method normalerweis de Schwanz vun der Wahrscheinlechkeetsverdeelungskurve, awer fir d’Genauegkeet ze verbesseren, muss se d’Probezäiten erhéijen. Latäin Hypercube Sampling Method vermeit dëse Problem. Et ass eng hierarchesch Probemethod, déi suerge kann datt d’Probepunkte d’Wahrscheinlechkeetsverdeelung effektiv reflektéieren an d’Probezäiten effektiv reduzéieren.

Figur 1 weist d’Erwaardung an Varianz vun Latäin hypercube probéieren Method a Monte Carlo Simulatioun Method mat probéieren mol rangéiert vun 10 ze 200. D’allgemeng Trend vun Resultater vun den zwou Methoden kritt ass erofgaang. Wéi och ëmmer, d’Erwaardung an d’Varianz, déi duerch Monte Carlo Method kritt gëtt, si ganz onbestänneg, an d’Resultater, déi duerch multiple Simulatioune kritt goufen, sinn net d’selwecht mat de selwechte Samplingszäiten. D’Varianz vun der laténgescher Hyperkube-Samplingmethod fällt stänneg mat der Erhéijung vun de Probezäiten erof, an de relativen Fehler fällt op manner wéi 5% wann d’Probezäite méi wéi 150 sinn. symmetresch iwwer d’Y-Achs, sou datt säin erwaartene Feeler 0 ass, wat och säi Virdeel ass.

D’Bild

FIG. 1 Verglach vu verschiddene Samplingszäiten tëscht MC an LHS

Latäin Hypercube Sampling Method ass eng Layered Sampling Method. Andeems de Probe Generatiounsprozess vun Input zoufälleg Variabelen verbessert gëtt, kann de Probewäert effektiv d’Gesamtverdeelung vun zoufälleg Variabelen reflektéieren. De Probeprozess ass an zwee Schrëtt opgedeelt.

(1) Echantillon

Xi (I = 1, 2, … , m) ass m zoufälleg Variabelen, an d’Probezäite sinn N, wéi an der Fig. 2. Déi kumulativ Wahrscheinlechkeetsverdeelungskurve vum Xi gëtt an N-Intervall mat gläichem Abstand a keng Iwwerlappung opgedeelt, de Mëttelpunkt vun all Intervall gëtt als Probewäert vun der Wahrscheinlechkeet Y ausgewielt, an dann ass de Probewäert Xi = p-1 (Yi) berechent andeems Dir invers Funktioun benotzt, an de berechent Xi ass de Probewäert vun der zoufälleger Variabel.

D’Bild

Figur 2 schematesch Diagramm vun LHS

(2) Permutatiounen

D’Proufwäerter vun zoufälleg Variabelen, déi aus (1) kritt goufen, sinn sequenziell arrangéiert, sou datt d’Korrelatioun tëscht m zoufälleg Variabelen 1 ass, wat net berechent ka ginn. D’Gram-Schmidt Sequenz Orthogonaliséierungsmethod kann ugeholl ginn fir d’Korrelatioun tëscht de Probewäerter vun zoufälleg Variabelen ze reduzéieren. Als éischt gëtt eng Matrix vu K×M Uerdnung I=[I1, I2…, IK]T generéiert. Elementer an all Zeil sinn zoufälleg vun 1 bis M arrangéiert, a si representéieren d’Positioun vum Probewäert vun der ursprénglecher zoufälleger Variabel.

Positiv Iteratioun

D’Bild

Eng ëmgedréint Iterativ

D’Bild

“Bild” duerstellt Aufgab, Takeout (Ik, Ij) stellt Berechnung vun Reschtwäert an linear Regressioun Ik = a + bIj, Rank (Ik) duerstellt neie Vecteure geformt duerch d’Sequenz Zuel vun Elementer an Orientatioun Ik aus kleng bis grouss.

No bidirektionaler Iteratioun bis de RMS Wäert ρ, deen d’Korrelatioun duerstellt, net erofgeet, gëtt d’Positiounsmatrix vun all zoufälleg Variabel no der Permutatioun kritt, an da kann d’Permutatiounsmatrix vun zoufälleg Variabelen mat der mannst Korrelatioun kritt ginn.

(5)

Wou ass d’Bild Korrelatiounskoeffizient tëscht Ik an Ij, cov ass Kovarianz, an VAR ass Varianz.

2. Multi-objektiv Optimisatiounskonfiguratioun vum Energiespeichersystem

2.1 Objektiv Funktioun

Fir d’Kraaft an d’Kapazitéit vum Energiespeichersystem ze optimiséieren, gëtt eng multi-objektiv Optimisatiounsfunktioun etabléiert, déi d’Käschte vum Energiespeichersystem berücksichtegt, d’Kraaft Off-Limit Probabilitéit an d’Netzverloscht. Wéinst de verschiddenen Dimensiounen vun all Indikator gëtt Ofwäichungsstandardiséierung fir all Indikator duerchgefouert. No Ofwäichungsstandardiséierung wäert d’Wäerterberäich vun observéierte Wäerter vu verschiddene Variabelen tëscht (0,1) sinn, an déi standardiséierter Donnéeën sinn reng Quantitéiten ouni Eenheeten. An der aktueller Situatioun kann et Ënnerscheeder am Akzent op all Indikator sinn. Wann all Indikator e gewësse Gewiicht kritt, kënne verschidde Schwéierpunkte analyséiert a studéiert ginn.

(6)

Wou, w ass den Index ze optimiséieren; Wmin a wmax sinn de Minimum a Maximum vun der ursprénglecher Funktioun ouni Standardiséierung.

Déi objektiv Funktioun ass

(7)

An der Formel sinn λ1 ~ λ3 Gewiichtskoeffizienten, Eloss, PE an CESS sinn standardiséierte Filialnetzverloscht, Brancheaktiv Kraaft Kräizgang Probabilitéit an Energielagerung Investitiounskäschte respektiv.

2.2 Genetesch Algorithmus

Genetesch Algorithmus ass eng Aart Optimisatiounsalgorithmus etabléiert andeems d’genetesch an evolutiv Gesetzer vum Iwwerliewe vun de Fitesten an d’Iwwerliewe vun de Fiteststen an der Natur imitéiert. Et ass fir d’éischt ze codéieren, initial Bevëlkerung all Kodéierung am Numm vun engem Individuum (eng machbar Léisung vum Problem), sou datt all machbar Léisung fir Genotyp Phänotyp Transformatioun ass, fir ze wielen no de Gesetzer vun der Natur fir all Individuum, a gewielt an all Generatioun un déi nächst Generatioun vun Informatik Ëmfeld un de staarken Individuum unzepassen, bis déi meescht adaptéierbar un d’Ëmfeld vum Individuum, No der Dekodéierung ass et déi geschätzte optimal Léisung vum Problem.

An dësem Pabeier gëtt de Stroumsystem inklusiv Photovoltaik an Energielagerung als éischt vum probabilistesche Kraaftfluss Algorithmus berechent, an déi kritt Donnéeën ginn als Inputvariabel vum geneteschen Algorithmus benotzt fir de Problem ze léisen. De Berechnungsprozess gëtt an der Figur 3 gewisen, déi haaptsächlech an de folgende Schrëtt opgedeelt ass:

D’Bild

FIG. 3 Algorithmus Flux

(1) Input System, Photovoltaik an Energiespeicherdaten, a Laténgesch Hyperkube Sampling a Gram-Schmidt Sequenz Orthogonaliséierung ausféieren;

(2) Gitt d’probéiert Donnéeën an de Kraaftstroumberechnungsmodell a notéiert d’Berechnungsresultater;

(3) D’Ausgabresultater goufen duerch Chromosomen encoded fir d’initial Populatioun ze generéieren, déi dem Proufwäert entsprécht;

(4) Berechent d’Fitness vun all Individuum an der Bevëlkerung;

(5) wielt, Kräiz a mutéieren fir eng nei Generatioun vu Bevëlkerung ze produzéieren;

(6) Riichter ob d’Ufuerderunge erfëllt sinn, wann net, Retour Schrëtt (4); Wann jo, gëtt déi optimal Léisung no der Dekodéierung erausginn.

3. Beispill Analyse

Déi probabilistesch Kraaftflossmethod gëtt simuléiert an analyséiert am IEEE24-Node Testsystem, deen an der Fig. 4, an deem de Spannungsniveau vun 1-10 Wirbelen 138 kV ass, an dee vun 11-24 Wirbelen 230 kV ass.

D’Bild

Figur 4 IEEE24 Node Test System

3.1 Afloss vun photovoltaic Kraaftwierk op Muecht System

Photovoltaesch Kraaftstatioun am Kraaftsystem, d’Positioun an d’Kapazitéit vum Stroumsystem beaflossen d’Nodespannung a Branchekraaft, dofir, virun der Analyse vum Afloss vum Energiespeichersystem fir Stroumnetz, analyséiert dës Sektioun als éischt den Afloss vun der Photovoltaik Kraaft Statioun op de System, photovoltaic Zougang de System an dësem Pabeier, den Trend vun der Limite vun der Wahrscheinlechkeet, de Reseau Verloscht an sou op der Simulatioun Analyse gedroe.

Wéi kann aus FIG gesi ginn. 5(a), nodeems d’Photovoltaesch Kraaftstatioun ugeschloss ass, sinn d’Node mat enger méi klenger Branchekraaftstroum Iwwerlimitatioun wéi follegt: 11, 12, 13, 23, 13 fir den Node Node ze balanséieren, d’Node Spannung an de Phase Wénkel gëtt uginn, hunn de Effekt vum stabile Stroumnetz Kraaft Gläichgewiicht, 11, 12 an 23 amplaz direkt verbonnen, als Resultat, verschidde Wirbelen verbonne mat der Limite d’Wahrscheinlechkeet vun méi kleng a méi Muecht, photovoltaic Kraaftwierk wäert Zougang zum Node mat Gläichgewiicht Effekt manner op der Impakt vun Muecht System.

D’Bild

Figur 5. (a) Zomm vun Muecht Flux Off-Limit Probabilitéit (b) Node Volt Schwankung (c) total System Reseau Verloscht vun verschidden PV Zougang Punkten

Zousätzlech zu der Iwwerschreiden vum Stroumfloss analyséiert dëse Pabeier och den Afloss vun der Photovoltaik op Nodespannung, wéi an der Fig. 5(b). D’Standardabweichunge vun de Spannungsamplituden vun den Noden 1, 3, 8, 13, 14, 15 an 19 gi fir de Verglach ausgewielt. Am Ganzen huet d’Verbindung vu Photovoltaik-Kraaftwierker zum Stroumnetz kee groussen Afloss op d’Spannung vun de Knäppercher, mee d’Fotovoltaik-Kraaftwierker hunn e groussen Afloss op d’Spannung vun den a-Nodes an hiren Noden. Zousätzlech, am System ugeholl vum Berechnungsbeispill, duerch Verglach, gëtt festgestallt datt d’Photovoltaikkraaftwierk méi gëeegent ass fir Zougang zu den Nodetypen: ① Node mat méi héije Spannungsgrad, wéi 14, 15, 16, etc., d’Spannung ännert sech bal net; (2) Wirbelen ënnerstëtzt vun Generatoren oder Upassung Kameraen, wéi 1, 2, 7, etc .; (3) an der Linn Resistenz ass grouss um Enn vun der Node.

Fir den Afloss vum PV Zougangspunkt op de Gesamtnetzverloscht vum Stroumsystem ze analyséieren, mécht dëse Pabeier e Verglach wéi an der Figur 5 (c). Et kann gesi ginn datt wann e puer Wirbelen mat grousser Laaschtkraaft a keng Energieversuergung mat pv Kraaftstatioun verbonne sinn, gëtt de Reseauverloscht vum System reduzéiert. Am Géigendeel, Node 21, 22 an 23 sinn d’Enn vun der Energieversuergung, déi verantwortlech ass fir zentraliséiert Kraaftiwwerdroung. D’Photovoltaesch Kraaftstatioun, déi mat dësen Noden verbonnen ass, verursaache grouss Netzwierkverloscht. Dofir sollt de pv Kraaftstatioun Zougangspunkt um Empfangsend vun der Kraaft oder dem Node mat grousser Belaaschtung ausgewielt ginn. Dësen Zougangsmodus kann d’Muechtflossverdeelung vum System méi equilibréiert maachen an den Netzverloscht vum System reduzéieren.

Baséierend op den dräi Faktoren an der Analyse vun den uewe genannte Resultater, gëtt Node 14 als Zougangspunkt vun der Photovoltaikkraaftwierk an dësem Pabeier geholl, an dann gëtt den Afloss vun der Kapazitéit vu verschiddene Photovoltaikkraaftwierker op de Stroumsystem studéiert.

Figure 6(a) analyséiert den Afloss vun der Photovoltaik Kapazitéit op de System. Et kann gesi ginn datt d’Standardabweichung vun der aktiver Kraaft vun all Branche mat der Erhéijung vun der Photovoltaik Kapazitéit eropgeet, an et gëtt eng positiv linear Relatioun tëscht deenen zwee. Ausser fir verschidde Branchen, déi an der Figur gewise ginn, sinn d’Standardabweichungen vun anere Branchen all manner wéi 5 a weisen eng linear Bezéiung, déi ignoréiert ginn fir d’Bequemlechkeet vun der Zeechnung. Et kann gesi ginn datt d’Photovoltaik Gitterverbindung e groussen Afloss op d’Kraaft vun direkt verbonne mat Photovoltaik Zougangspunkt oder ugrenzend Filialen huet. Wéinst limitéierter Kraafttransmissionslinn Iwwerdroung sinn d’Transmissiounslinne vu Quantitéite vu Bau an Investitioun enorm, sou datt eng Fotovoltaikkraaftwierk installéiert ass, sollt d’Begrenzung vun der Transportkapazitéit berücksichtegen, de klengsten Afloss op d’Linnzougang op déi bescht Plaz wielen, zousätzlech, déi bescht Kapazitéit vun der Photovoltaikkraaftwierk auswielen wäert eng wichteg Roll spillen fir dësen Effekt ze reduzéieren.

D’Bild

Figur 6. (a) Branch aktiv Muecht Standard deviation (b) Branch Muecht Flux ausserhalb-Limite Wahrscheinlechkeet (c) total System Reseau Verloscht ënner verschiddene photovoltaic Kapazitéiten

FIG. 6(b) vergläicht d’Wahrscheinlechkeet vun der aktiver Kraaft iwwerschreidend d’Limite vun all Branche ënner verschiddene pv Kraaftstatiounskapazitéiten. Ausser de Branchen, déi an der Figur ugewise sinn, hunn déi aner Branchen d’Limite net iwwerschratt oder d’Wahrscheinlechkeet war ganz kleng. Am Verglach mat Fig. 6(a), kann et gesi ginn datt d’Wahrscheinlechkeet vun der Off-Limit an der Standarddeviatioun net onbedéngt verbonne sinn. Déi aktiv Kraaft vun enger Linn mat grousser Standardabweichungsschwankung ass net onbedéngt off-limitéiert, an de Grond ass mat der Iwwerdroungsrichtung vun der photovoltaescher Ausgangskraaft verbonnen. Wann et an der selwechter Richtung ass wéi den urspréngleche Branchekraaftfluss, kann kleng Photovoltaikkraaft och Off-Limit verursaachen. Wann d’PV-Kraaft ganz grouss ass, kann de Stroumstroum d’Limite net iwwerschreiden.

An Fig. 6(c), erhéicht de Gesamtnetzverloscht vum System mat der Erhéijung vun der Photovoltaik Kapazitéit, awer dësen Effekt ass net offensichtlech. Wann d’Photovoltaikkapazitéit ëm 60 MW eropgeet, klëmmt de Gesamtnetzverloscht just ëm 0.5%, also 0.75 MW. Dofir, wann Dir pv Kraaftstatiounen installéiert, sollt de Netzverloscht als sekundäre Faktor geholl ginn, a Faktoren, déi e gréisseren Impakt op d’stabil Operatioun vum System hunn, sollten als éischt berücksichtegt ginn, sou wéi d’Transmissiounslinn Kraaftfluktuatioun an d’out-of-limit Probabilitéit. .

3.2 Impakt vun Energie Stockage Zougang op de System

Sektioun 3.1 D’Zougangspositioun an d’Kapazitéit vun der Photovoltaikkraaftwierk hänkt vum Stroumsystem of