गोषवारा फोटोव्होल्टेइक उर्जा निर्मितीच्या उच्च प्रमाणामुळे पॉवर सिस्टमच्या स्थिरतेवर प्रतिकूल परिणाम होतो आणि हे प्रभाव दूर करण्यासाठी ऊर्जा साठवण हे एक प्रभावी माध्यम मानले जाते. हा पेपर पॉवर फ्लोच्या दृष्टीकोनातून पॉवर सिस्टमवर फोटोव्होल्टेइक पॉवर निर्मितीच्या प्रभावाचे विश्लेषण करतो आणि नंतर प्रभाव रोखण्यासाठी ऊर्जा संचयनाच्या प्रभावाचे विश्लेषण करतो. प्रथम, पॉवर सिस्टममधील घटकांचे संभाव्यता वितरण मॉडेल आणि ऊर्जा संचयन मॉडेल सादर केले गेले आणि लॅटिन हायपरक्यूब सॅम्पलिंग पद्धत आणि ग्राम-श्मिट अनुक्रम सामान्यीकरण पद्धत सादर केली गेली. दुसरे म्हणजे, एक बहु-उद्देशीय ऑप्टिमायझेशन मॉडेल स्थापित केले गेले, ज्यामध्ये ऊर्जा स्टोरेज सिस्टमची किंमत, शाखा पॉवर फ्लोची ऑफ-लिमिट संभाव्यता आणि पॉवर ग्रिडचे नेटवर्क नुकसान विचारात घेतले. वस्तुनिष्ठ कार्याचे इष्टतम समाधान अनुवांशिक अल्गोरिदमद्वारे प्राप्त केले गेले. शेवटी, IEEE24 नोड चाचणी प्रणालीमध्ये सिम्युलेशन केले जाते जेणेकरुन वेगवेगळ्या फोटोव्होल्टेइक ऍक्सेस क्षमता आणि पॉवर सिस्टमवरील ऍक्सेस स्थान आणि पॉवर सिस्टमवरील ऊर्जा स्टोरेजचा प्रभाव आणि विविध फोटोव्होल्टेईक क्षमतेशी संबंधित इष्टतम ऊर्जा स्टोरेज कॉन्फिगरेशनच्या प्रभावाचे विश्लेषण केले जाईल. प्राप्त आहे.

मुख्य शब्द फोटोव्होल्टेइक पॉवर जनरेशन; ऊर्जा साठवण प्रणाली; ऑप्टिमाइझ केलेले कॉन्फिगरेशन; संभाव्यता शक्ती प्रवाह; अनुवांशिक अल्गोरिदम (ga)

फोटोव्होल्टेइक ऊर्जा निर्मितीमध्ये हरित पर्यावरण संरक्षण आणि नूतनीकरणक्षमतेचे फायदे आहेत आणि ती सर्वात संभाव्य अक्षय ऊर्जा मानली जाते. 2020 पर्यंत, फोटोव्होल्टेइक वीज निर्मितीची चीनची एकत्रित स्थापित क्षमता 253 दशलक्ष kw पर्यंत पोहोचली आहे. मोठ्या प्रमाणात पीव्ही पॉवरची मध्यंतरी आणि अनिश्चितता पॉवर सिस्टमवर परिणाम करते, ज्यामध्ये पीक शेव्हिंग, स्थिरता आणि प्रकाश टाकून देणे या समस्यांचा समावेश होतो आणि या समस्यांना तोंड देण्यासाठी ग्रिडला अधिक लवचिक उपायांचा अवलंब करणे आवश्यक आहे. या समस्यांचे निराकरण करण्यासाठी ऊर्जा साठवण हा एक प्रभावी मार्ग मानला जातो. एनर्जी स्टोरेज सिस्टमचा वापर मोठ्या प्रमाणात फोटोव्होल्टेइक ग्रिड कनेक्शनसाठी नवीन उपाय आणतो.

सध्या, फोटोव्होल्टेईक ऊर्जा निर्मिती, ऊर्जा साठवण प्रणाली आणि संभाव्य वीज प्रवाह यावर देश-विदेशात अनेक संशोधने सुरू आहेत. मोठ्या संख्येने साहित्य अभ्यास दर्शविते की ऊर्जा संचयन फोटोव्होल्टेइकचा वापर दर सुधारू शकतो आणि फोटोव्होल्टेइक ग्रिड कनेक्शनची स्थिरता सोडवू शकतो. नवीन ऊर्जा पॉवर स्टेशनमध्ये ऊर्जा स्टोरेज सिस्टमच्या कॉन्फिगरेशनमध्ये, केवळ ऑप्टिकल स्टोरेज आणि पवन स्टोरेजच्या नियंत्रण धोरणाकडेच नव्हे तर ऊर्जा स्टोरेज सिस्टमच्या अर्थव्यवस्थेकडे देखील लक्ष दिले पाहिजे. याव्यतिरिक्त, पॉवर सिस्टममध्ये एकाधिक ऊर्जा साठवण पॉवर स्टेशनच्या ऑप्टिमायझेशनसाठी, ऊर्जा साठवण पॉवर स्टेशनच्या ऑपरेशनचे आर्थिक मॉडेल, फोटोव्होल्टेइक ट्रांसमिशन चॅनेलच्या प्रारंभ बिंदू आणि शेवटच्या बिंदूची साइट निवड आणि ऊर्जा संचयनाची साइट निवड. तथापि, ऊर्जा संचयन प्रणालीच्या इष्टतम कॉन्फिगरेशनवरील विद्यमान संशोधनामध्ये पॉवर सिस्टमवरील विशिष्ट प्रभावाचा विचार केला जात नाही आणि मल्टी-पॉइंट सिस्टमवरील संशोधनामध्ये मोठ्या प्रमाणात ऑप्टिकल स्टोरेज ऑपरेशन वैशिष्ट्यांचा समावेश नाही.

पवन उर्जा आणि फोटोव्होल्टेइक सारख्या अनिश्चित नवीन ऊर्जा उर्जा निर्मितीच्या मोठ्या प्रमाणात विकासासह, पॉवर सिस्टमच्या ऑपरेशन प्लॅनिंगमध्ये पॉवर सिस्टमच्या पॉवर फ्लोची गणना करणे आवश्यक आहे. उदाहरणार्थ, साहित्य पवन ऊर्जेसह उर्जा प्रणालीमध्ये ऊर्जा संचयनाचे इष्टतम स्थान आणि क्षमता वाटपाचा अभ्यास करते. याव्यतिरिक्त, उर्जा प्रवाहाच्या गणनेमध्ये अनेक नवीन ऊर्जा स्त्रोतांमधील परस्परसंबंध देखील विचारात घेतले पाहिजे. तथापि, वरील सर्व अभ्यास निर्धारक शक्ती प्रवाह पद्धतींवर आधारित आहेत, जे नवीन ऊर्जा निर्मितीच्या अनिश्चिततेचा विचार करत नाहीत. साहित्य पवन ऊर्जेच्या अनिश्चिततेचा विचार करते आणि ऊर्जा संचयन प्रणालीची साइट निवड ऑप्टिमाइझ करण्यासाठी संभाव्य इष्टतम उर्जा प्रवाह पद्धत लागू करते, ज्यामुळे ऑपरेशन अर्थव्यवस्था सुधारते.

सध्या, विद्वानांनी भिन्न संभाव्य शक्ती प्रवाह अल्गोरिदम प्रस्तावित केले आहेत, आणि मॉन्टे कार्लो सिम्युलेशन पद्धतीवर आधारित नॉनलाइनर संभाव्य उर्जा प्रवाहाच्या डेटा मायनिंग पद्धती साहित्यात प्रस्तावित केल्या गेल्या आहेत, परंतु मॉन्टे कार्लो पद्धतीची कालबद्धता खूपच खराब आहे. साहित्यात ऊर्जा साठवणुकीच्या स्थानाचा अभ्यास करण्यासाठी संभाव्य इष्टतम उर्जा प्रवाह वापरण्याचा प्रस्ताव आहे आणि 2 मीटर पॉइंट पद्धत वापरली आहे, परंतु या पद्धतीची गणना अचूकता आदर्श नाही. पॉवर फ्लो गणनेमध्ये लॅटिन हायपरक्यूब सॅम्पलिंग पद्धतीचा या पेपरमध्ये अभ्यास केला गेला आहे आणि लॅटिन हायपरक्यूब सॅम्पलिंग पद्धतीची श्रेष्ठता संख्यात्मक उदाहरणांद्वारे स्पष्ट केली आहे.

वरील संशोधनाच्या आधारे, हा पेपर मोठ्या प्रमाणात फोटोव्होल्टेइक पॉवर निर्मितीसह पॉवर सिस्टममधील ऊर्जा संचयनाच्या इष्टतम वाटपाचा अभ्यास करण्यासाठी संभाव्य उर्जा प्रवाह पद्धतीचा वापर करतो. प्रथम, पॉवर सिस्टममधील घटकांचे संभाव्यता वितरण मॉडेल आणि लॅटिन हायपरक्यूब सॅम्पलिंग पद्धत सादर केली आहे. दुसरे म्हणजे, ऊर्जा साठवण खर्च, मर्यादेपेक्षा जास्त पॉवर फ्लो आणि नेटवर्क लॉस लक्षात घेऊन एक बहु-उद्देशीय ऑप्टिमायझेशन मॉडेल स्थापित केले आहे. शेवटी, सिम्युलेशन विश्लेषण IEEE24 नोड चाचणी प्रणालीमध्ये केले जाते.

1. संभाव्य शक्ती प्रवाह मॉडेल

1.1 घटकांची अनिश्चितता मॉडेल

फोटोव्होल्टेइक, लोड आणि जनरेटर हे अनिश्चिततेसह सर्व यादृच्छिक चल आहेत. वितरण नेटवर्कच्या संभाव्य उर्जा प्रवाहाच्या गणनेमध्ये, संभाव्य मॉडेल साहित्यात स्पष्ट केले आहे. ऐतिहासिक डेटाच्या विश्लेषणाद्वारे, फोटोव्होल्टेइक वीज निर्मितीची आउटपुट पॉवर बीटा वितरणाचे अनुसरण करते. लोड पॉवरच्या संभाव्यता वितरणास बसवून, असे गृहीत धरले जाते की लोड सामान्य वितरणाचे अनुसरण करते आणि त्याची संभाव्यता घनता वितरण कार्य आहे

चित्र (1)

जेथे, Pl लोड शक्ती आहे; μ L आणि σ L अनुक्रमे लोडची अपेक्षा आणि भिन्नता आहेत.

जनरेटरचे संभाव्यता मॉडेल सहसा दोन-बिंदू वितरण स्वीकारते आणि त्याचे संभाव्यता घनता वितरण कार्य आहे

(2)

जेथे, P ही जनरेटरच्या सामान्य ऑपरेशनची संभाव्यता आहे; पीजी ही जनरेटरची आउटपुट पॉवर आहे.

जेव्हा प्रकाश दुपारच्या वेळी पुरेसा असतो, तेव्हा फोटोव्होल्टेइक पॉवर स्टेशनची सक्रिय शक्ती मोठी असते आणि वेळेत वापरणे कठीण असलेली शक्ती ऊर्जा साठवण बॅटरीमध्ये साठवली जाईल. जेव्हा लोड पॉवर जास्त असते, तेव्हा ऊर्जा साठवण बॅटरी संचयित ऊर्जा सोडते. ऊर्जा संचय प्रणालीचे तात्कालिक ऊर्जा संतुलन समीकरण आहे

चार्ज करताना

(3)

जेव्हा स्त्राव होतो

(4)

बंधन

चित्रे,

चित्रे,

चित्र, चित्र

कुठे, सेंट ही T वेळी साठवलेली ऊर्जा असते; Pt ही ऊर्जा संचयनाची चार्ज आणि डिस्चार्ज शक्ती आहे; SL आणि SG ही अनुक्रमे चार्जिंग आणि डिस्चार्जिंगची ऊर्जा आहेत. η C आणि η D अनुक्रमे चार्जिंग आणि डिस्चार्जिंग कार्यक्षमता आहेत. Ds हा ऊर्जेच्या साठवणुकीचा स्व-डिस्चार्ज दर आहे.

1.2 लॅटिन हायपरक्यूब सॅम्पलिंग पद्धत

सिम्युलेशन पद्धत, अंदाजे पद्धत आणि विश्लेषणात्मक पद्धती आहेत ज्याचा वापर अनिश्चित घटकांच्या अंतर्गत सिस्टम पॉवर फ्लोचे विश्लेषण करण्यासाठी केला जाऊ शकतो. मॉन्टे कार्लो सिम्युलेशन ही संभाव्य पॉवर फ्लो अल्गोरिदममधील सर्वात अचूक पद्धतींपैकी एक आहे, परंतु उच्च अचूकतेच्या तुलनेत तिची समयबद्धता कमी आहे. कमी सॅम्पलिंग वेळेच्या बाबतीत, ही पद्धत सहसा संभाव्यता वितरण वक्रच्या शेपटीकडे दुर्लक्ष करते, परंतु अचूकता सुधारण्यासाठी, सॅम्पलिंग वेळा वाढवणे आवश्यक आहे. लॅटिन हायपरक्यूब सॅम्पलिंग पद्धत ही समस्या टाळते. ही एक श्रेणीबद्ध सॅम्पलिंग पद्धत आहे, जी हे सुनिश्चित करू शकते की सॅम्पलिंग पॉइंट संभाव्यता वितरण प्रभावीपणे प्रतिबिंबित करतात आणि सॅम्पलिंग वेळा प्रभावीपणे कमी करतात.

आकृती 1 लॅटिन हायपरक्यूब सॅम्पलिंग पद्धती आणि मॉन्टे कार्लो सिम्युलेशन पद्धतीची अपेक्षा आणि फरक दर्शविते ज्यामध्ये सॅम्पलिंग वेळा 10 ते 200 पर्यंत आहेत. दोन्ही पद्धतींद्वारे मिळणाऱ्या परिणामांचा एकूण कल कमी होत आहे. तथापि, मॉन्टे कार्लो पद्धतीद्वारे प्राप्त अपेक्षा आणि भिन्नता खूप अस्थिर आहेत आणि एकाधिक सिम्युलेशनद्वारे प्राप्त केलेले परिणाम समान सॅम्पलिंग वेळेसह समान नसतात. लॅटिन हायपरक्यूब सॅम्पलिंग पद्धतीचा फरक सॅम्पलिंगच्या वेळेच्या वाढीसह हळूहळू कमी होतो आणि जेव्हा सॅम्पलिंग वेळा 5 पेक्षा जास्त असतात तेव्हा संबंधित त्रुटी 150% पेक्षा कमी होते. हे लक्षात घेण्यासारखे आहे की लॅटिन हायपरक्यूब सॅम्पलिंग पद्धतीचा नमुना बिंदू आहे. Y-अक्षाबद्दल सममितीय, त्यामुळे त्याची अपेक्षित त्रुटी 0 आहे, जो त्याचा फायदा देखील आहे.

चित्र

अंजीर. 1 MC आणि LHS मधील वेगवेगळ्या सॅम्पलिंग वेळेची तुलना

लॅटिन हायपरक्यूब सॅम्पलिंग पद्धत ही एक स्तरित सॅम्पलिंग पद्धत आहे. इनपुट यादृच्छिक चलांच्या नमुना निर्मिती प्रक्रियेत सुधारणा करून, नमुना मूल्य यादृच्छिक चलांचे एकूण वितरण प्रभावीपणे प्रतिबिंबित करू शकते. नमुना प्रक्रिया दोन टप्प्यांत विभागली आहे.

(1) नमुना घेणे

Xi (I = 1, 2,… ,m) हे m यादृच्छिक चल आहेत आणि अंजीर मध्ये दर्शविल्याप्रमाणे सॅम्पलिंग वेळा N आहेत. 2. Xi चे संचयी संभाव्यता वितरण वक्र समान अंतरासह N मध्यांतरात विभागले गेले आहे आणि ओव्हरलॅप नाही, प्रत्येक मध्यांतराचा मध्यबिंदू संभाव्यता Y चे नमुना मूल्य म्हणून निवडला आहे आणि नंतर नमुना मूल्य Xi= p-1 (Yi) आहे व्यस्त फंक्शन वापरून गणना केली जाते आणि गणना केलेले Xi हे यादृच्छिक व्हेरिएबलचे नमुना मूल्य आहे.

चित्र

आकृती 2 LHS चे योजनाबद्ध आकृती

(२) क्रमपरिवर्तन

(1) मधून मिळालेल्या यादृच्छिक चलांच्या नमुना मूल्यांची क्रमवार मांडणी केली जाते, म्हणून m यादृच्छिक चलांमधील सहसंबंध 1 आहे, ज्याची गणना केली जाऊ शकत नाही. यादृच्छिक चलांच्या नमुना मूल्यांमधील परस्परसंबंध कमी करण्यासाठी ग्राम-श्मिट अनुक्रम ऑर्थोगोनालायझेशन पद्धतीचा अवलंब केला जाऊ शकतो. प्रथम, K×M ऑर्डर I=[I1, I2…, IK]T चे मॅट्रिक्स तयार केले जाते. प्रत्येक पंक्तीमधील घटक यादृच्छिकपणे 1 ते M पर्यंत मांडलेले आहेत आणि ते मूळ यादृच्छिक चलच्या नमुना मूल्याची स्थिती दर्शवतात.

सकारात्मक पुनरावृत्ती

चित्र

एक उलट पुनरावृत्ती

चित्र

“चित्र” असाइनमेंटचे प्रतिनिधित्व करते, टेकआउट(Ik,Ij) रेषीय प्रतिगमनातील अवशिष्ट मूल्याची गणना दर्शवते Ik=a+bIj, रँक(Ik) ओरिएंटेशन Ik मधील घटकांच्या अनुक्रम संख्येद्वारे तयार केलेले नवीन वेक्टर दर्शवते.

द्विदिशात्मक पुनरावृत्तीनंतर RMS मूल्य ρ, जे सहसंबंध दर्शविते, कमी होत नाही तोपर्यंत, क्रमपरिवर्तनानंतर प्रत्येक यादृच्छिक व्हेरिएबलचे स्थान मॅट्रिक्स प्राप्त होते, आणि नंतर कमीतकमी सहसंबंध असलेल्या यादृच्छिक चलांचे क्रमपरिवर्तन मॅट्रिक्स मिळवता येते.

(5)

जेथे, चित्र हे Ik आणि Ij मधील सहसंबंध गुणांक आहे, cov हा सहप्रसरण आहे आणि VAR हा भिन्नता आहे.

2. ऊर्जा संचयन प्रणालीचे बहु-उद्देशीय ऑप्टिमायझेशन कॉन्फिगरेशन

2.1 वस्तुनिष्ठ कार्य

ऊर्जा संचयन प्रणालीची शक्ती आणि क्षमता ऑप्टिमाइझ करण्यासाठी, ऊर्जा संचयन प्रणालीची किंमत, पॉवर ऑफ-लिमिट संभाव्यता आणि नेटवर्क नुकसान लक्षात घेऊन एक बहु-उद्देशीय ऑप्टिमायझेशन कार्य स्थापित केले जाते. प्रत्येक निर्देशकाच्या भिन्न परिमाणांमुळे, प्रत्येक निर्देशकासाठी विचलन मानकीकरण केले जाते. विचलन मानकीकरणानंतर, विविध व्हेरिएबल्सच्या निरीक्षण केलेल्या मूल्यांची मूल्य श्रेणी (0,1) च्या दरम्यान असेल आणि प्रमाणित डेटा हे एकक नसलेले शुद्ध प्रमाण आहेत. वास्तविक परिस्थितीत, प्रत्येक निर्देशकावर जोर देण्यामध्ये फरक असू शकतो. प्रत्येक निर्देशकाला एक विशिष्ट वजन दिले असल्यास, वेगवेगळ्या जोराचे विश्लेषण आणि अभ्यास केला जाऊ शकतो.

(6)

कुठे, w हा ऑप्टिमाइझ करण्यासाठी निर्देशांक आहे; Wmin आणि wmax हे प्रमाणीकरणाशिवाय मूळ फंक्शनचे किमान आणि कमाल आहेत.

वस्तुनिष्ठ कार्य आहे

(7)

सूत्रामध्ये, λ1 ~ λ3 हे वजन गुणांक आहेत, Eloss, PE आणि CESS हे अनुक्रमे प्रमाणित शाखा नेटवर्क नुकसान, शाखा सक्रिय पॉवर क्रॉसिंग संभाव्यता आणि ऊर्जा संचयन गुंतवणूक खर्च आहेत.

2.2 अनुवांशिक अल्गोरिदम

अनुवांशिक अल्गोरिदम हा एक प्रकारचा ऑप्टिमायझेशन अल्गोरिदम आहे जो निसर्गातील सर्वात योग्य व्यक्तीच्या जगण्याच्या आणि जगण्याच्या अनुवांशिक आणि उत्क्रांतीच्या नियमांचे अनुकरण करून स्थापित केला आहे. हे प्रथम कोडिंग करण्यासाठी, प्रारंभिक लोकसंख्या प्रत्येक व्यक्तीच्या वतीने कोडिंग (समस्येचे व्यवहार्य समाधान), म्हणून प्रत्येक व्यवहार्य उपाय जीनोटाइप फेनोटाइप ट्रान्सफॉर्मेशनसाठी आहे, प्रत्येक व्यक्तीसाठी निसर्गाच्या नियमांनुसार निवड करणे, आणि निवडणे. प्रत्येक पिढी ते संगणकीय वातावरणाच्या पुढील पिढीला मजबूत व्यक्तीशी जुळवून घेण्यासाठी, व्यक्तीच्या वातावरणाशी सर्वात अनुकूल होईपर्यंत, डीकोडिंगनंतर, हे समस्येचे अंदाजे इष्टतम समाधान आहे.

या पेपरमध्ये, फोटोव्होल्टेइक आणि ऊर्जा संचयनासह उर्जा प्रणाली प्रथम संभाव्य पॉवर फ्लो अल्गोरिदमद्वारे मोजली जाते आणि प्राप्त केलेला डेटा समस्या सोडवण्यासाठी अनुवांशिक अल्गोरिदमचे इनपुट व्हेरिएबल म्हणून वापरला जातो. गणना प्रक्रिया आकृती 3 मध्ये दर्शविली आहे, जी प्रामुख्याने खालील चरणांमध्ये विभागली गेली आहे:

चित्र

अंजीर. 3 अल्गोरिदम प्रवाह

(1) इनपुट सिस्टम, फोटोव्होल्टेइक आणि ऊर्जा संचयन डेटा, आणि लॅटिन हायपरक्यूब सॅम्पलिंग आणि ग्राम-श्मिट अनुक्रम ऑर्थोगोनालायझेशन करा;

(2) पॉवर फ्लो कॅल्क्युलेशन मॉडेलमध्ये नमुना डेटा इनपुट करा आणि गणना परिणाम रेकॉर्ड करा;

(३) नमुना मूल्याशी संबंधित प्रारंभिक लोकसंख्या निर्माण करण्यासाठी आउटपुट परिणाम गुणसूत्राद्वारे एन्कोड केले गेले;

(4) लोकसंख्येतील प्रत्येक व्यक्तीच्या फिटनेसची गणना करा;

(5) लोकसंख्येची नवीन पिढी तयार करण्यासाठी निवडा, क्रॉस करा आणि उत्परिवर्तन करा;

(6) आवश्यकता पूर्ण झाल्या आहेत की नाही याचा न्याय करा, नसल्यास, परतीची पायरी (4); होय असल्यास, डिकोडिंग नंतर इष्टतम समाधान आउटपुट आहे.

3. उदाहरण विश्लेषण

अंजीर मध्ये दर्शविलेल्या IEEE24-नोड चाचणी प्रणालीमध्ये संभाव्य उर्जा प्रवाह पद्धतीचे अनुकरण आणि विश्लेषण केले जाते. 4, ज्यामध्ये 1-10 नोड्सची व्होल्टेज पातळी 138 kV आहे, आणि 11-24 नोड्सची 230 kV आहे.

चित्र

आकृती 4 IEEE24 नोड चाचणी प्रणाली

3.1 पॉवर सिस्टमवर फोटोव्होल्टेइक पॉवर स्टेशनचा प्रभाव

पॉवर सिस्टममधील फोटोव्होल्टेइक पॉवर स्टेशन, पॉवर सिस्टमचे स्थान आणि क्षमता नोड व्होल्टेज आणि शाखा शक्तीवर परिणाम करेल, म्हणून, पॉवर ग्रिडसाठी ऊर्जा साठवण प्रणालीच्या प्रभावाचे विश्लेषण करण्यापूर्वी, हा विभाग प्रथम फोटोव्होल्टेइक पॉवरच्या प्रभावाचे विश्लेषण करतो. सिस्टमवरील स्टेशन, या पेपरमध्ये फोटोव्होल्टेइक ऍक्सेस सिस्टम, संभाव्यतेच्या मर्यादेचा कल, नेटवर्कचे नुकसान आणि यासारखे सिम्युलेशन विश्लेषण केले आहे.

अंजीर पासून पाहिले जाऊ शकते. 5(a), फोटोव्होल्टेइक पॉवर स्टेशन जोडल्यानंतर, लहान शाखा पॉवर फ्लो ओव्हरलिमिट असलेले नोड्स खालीलप्रमाणे आहेत: 11, 12, 13, 23, 13 नोड नोड संतुलित करण्यासाठी, नोड व्होल्टेज आणि फेज अँगल दिलेला आहे, स्थिर पॉवर ग्रिड पॉवर बॅलन्सचा प्रभाव, थेट कनेक्ट करण्याऐवजी 11, 12 आणि 23, परिणामी, अनेक नोड्स लहान आणि अधिक पॉवरच्या संभाव्यतेच्या मर्यादेशी जोडलेले आहेत, फोटोव्होल्टेइक पॉवर स्टेशन नोडमध्ये प्रवेश करेल शिल्लक प्रभाव कमी आहे पॉवर सिस्टमचा प्रभाव.

चित्र

आकृती 5. (a) पॉवर फ्लो ऑफ-लिमिट संभाव्यतेची बेरीज (b) नोड व्होल्टेज चढउतार (c) विविध PV ऍक्सेस पॉइंट्सचे एकूण सिस्टम नेटवर्क नुकसान

पॉवर फ्लोच्या ओलांडण्याव्यतिरिक्त, हे पेपर नोड व्होल्टेजवर फोटोव्होल्टेइकच्या प्रभावाचे विश्लेषण करते, अंजीर मध्ये दर्शविल्याप्रमाणे. ५(ब). 5, 1, 3, 8, 13, 14 आणि 15 नोड्सच्या व्होल्टेज अॅम्प्लिट्यूडचे मानक विचलन तुलना करण्यासाठी निवडले आहेत. एकूणच, पॉवर ग्रिडशी फोटोव्होल्टेईक पॉवर स्टेशनच्या कनेक्शनचा नोड्सच्या व्होल्टेजवर फारसा प्रभाव पडत नाही, परंतु फोटोव्होल्टेइक पॉवर स्टेशन्सचा ए-नोड्स आणि त्यांच्या जवळच्या नोड्सच्या व्होल्टेजवर मोठा प्रभाव असतो. याव्यतिरिक्त, गणना उदाहरणाद्वारे स्वीकारलेल्या प्रणालीमध्ये, तुलना करून, असे आढळून आले की फोटोव्होल्टेइक पॉवर स्टेशन नोड प्रकारांमध्ये प्रवेश करण्यासाठी अधिक योग्य आहे: ① उच्च व्होल्टेज ग्रेडसह नोड्स, जसे की 19, 14, 15, इ., व्होल्टेज जवळजवळ बदलत नाही; (16) जनरेटरद्वारे समर्थित नोड्स किंवा समायोजित कॅमेरे, जसे की 2, 1, 2, इ.; (३) रेषेतील रेझिस्टन्स नोडच्या शेवटी मोठा असतो.

पॉवर सिस्टमच्या एकूण नेटवर्क हानीवर PV ऍक्सेस पॉईंटच्या प्रभावाचे विश्लेषण करण्यासाठी, हा पेपर आकृती 5(c) मध्ये दर्शविल्याप्रमाणे तुलना करतो. हे पाहिले जाऊ शकते की मोठ्या लोड पॉवरसह आणि वीज पुरवठा नसलेले काही नोड्स pv पॉवर स्टेशनशी जोडलेले असल्यास, सिस्टमचे नेटवर्क नुकसान कमी केले जाईल. त्याउलट, नोड्स 21, 22 आणि 23 हे पॉवर सप्लाय एंड आहेत, जे केंद्रीकृत पॉवर ट्रांसमिशनसाठी जबाबदार आहेत. या नोड्सशी जोडलेल्या फोटोव्होल्टेइक पॉवर स्टेशनमुळे नेटवर्कचे मोठे नुकसान होईल. म्हणून, पीव्ही पॉवर स्टेशन ऍक्सेस पॉइंट पॉवरच्या प्राप्तीच्या शेवटी किंवा मोठ्या लोडसह नोड निवडला जावा. हा ऍक्सेस मोड सिस्टमचे पॉवर प्रवाह वितरण अधिक संतुलित करू शकतो आणि सिस्टमचे नेटवर्क नुकसान कमी करू शकतो.

वरील परिणामांच्या विश्लेषणातील तीन घटकांच्या आधारे, या पेपरमध्ये नोड 14 हा फोटोव्होल्टेइक पॉवर स्टेशनचा प्रवेश बिंदू म्हणून घेतला जातो आणि नंतर पॉवर सिस्टमवरील वेगवेगळ्या फोटोव्होल्टेइक पॉवर स्टेशनच्या क्षमतेच्या प्रभावाचा अभ्यास केला जातो.

आकृती 6(a) प्रणालीवरील फोटोव्होल्टेइक क्षमतेच्या प्रभावाचे विश्लेषण करते. हे पाहिले जाऊ शकते की प्रत्येक शाखेच्या सक्रिय शक्तीचे मानक विचलन फोटोव्होल्टेइक क्षमतेच्या वाढीसह वाढते आणि दोघांमध्ये एक सकारात्मक रेखीय संबंध आहे. आकृतीमध्ये दर्शविलेल्या अनेक शाखा वगळता, इतर शाखांचे मानक विचलन 5 पेक्षा कमी आहेत आणि एक रेखीय संबंध दर्शवतात, ज्याकडे रेखाचित्राच्या सोयीसाठी दुर्लक्ष केले जाते. हे पाहिले जाऊ शकते की फोटोव्होल्टेइक ग्रिड कनेक्शनचा फोटोव्होल्टेइक ऍक्सेस पॉईंट किंवा जवळच्या शाखांशी थेट जोडलेल्या शक्तीवर मोठा प्रभाव असतो. मर्यादित पॉवर ट्रान्समिशन लाइन ट्रान्समिशनमुळे, बांधकाम आणि गुंतवणुकीच्या प्रमाणात ट्रान्समिशन लाइन्स प्रचंड आहेत, त्यामुळे फोटोव्होल्टेइक पॉवर स्टेशन स्थापित करताना, वाहतूक क्षमतेच्या मर्यादेचा विचार केला पाहिजे, सर्वोत्कृष्ट स्थानावर लाईन ऍक्सेसवर सर्वात लहान प्रभाव निवडा, याव्यतिरिक्त, फोटोव्होल्टेइक पॉवर स्टेशनची सर्वोत्तम क्षमता निवडणे हा प्रभाव कमी करण्यासाठी महत्त्वपूर्ण भूमिका बजावेल.

चित्र

आकृती 6. (अ) शाखा सक्रिय उर्जा मानक विचलन (ब) शाखा उर्जा प्रवाह मर्यादेबाहेरील संभाव्यता (क) विविध फोटोव्होल्टेइक क्षमतेच्या अंतर्गत एकूण सिस्टम नेटवर्क नुकसान

अंजीर. 6(b) वेगवेगळ्या pv पॉवर स्टेशन क्षमतेच्या अंतर्गत प्रत्येक शाखेच्या मर्यादेपेक्षा जास्त सक्रिय शक्तीच्या संभाव्यतेची तुलना करते. आकृतीमध्ये दर्शविलेल्या शाखा वगळता, इतर शाखांनी मर्यादा ओलांडली नाही किंवा संभाव्यता फारच कमी होती. अंजीरच्या तुलनेत. 6(a), हे पाहिले जाऊ शकते की ऑफ-लिमिट आणि मानक विचलनाची संभाव्यता आवश्यकपणे संबंधित नाही. मोठ्या प्रमाणिक विचलनातील चढउतार असलेल्या रेषेची सक्रिय उर्जा मर्यादा बंद करणे आवश्यक नाही आणि त्याचे कारण फोटोव्होल्टेइक आउटपुट पॉवरच्या प्रसारण दिशेशी संबंधित आहे. जर ते मूळ शाखेच्या पॉवर फ्लोच्या दिशेने असेल तर लहान फोटोव्होल्टेइक पॉवर देखील ऑफ-लिमिट होऊ शकते. जेव्हा पीव्ही पॉवर खूप मोठी असते, तेव्हा पॉवर फ्लो मर्यादेपेक्षा जास्त असू शकत नाही.

अंजीर मध्ये. 6(c), फोटोव्होल्टेइक क्षमतेच्या वाढीसह सिस्टमचे एकूण नेटवर्क नुकसान वाढते, परंतु हा परिणाम स्पष्ट नाही. जेव्हा फोटोव्होल्टेइक क्षमता 60 मेगावॅटने वाढते, तेव्हा एकूण नेटवर्कचे नुकसान केवळ 0.5% वाढते, म्हणजे 0.75 मेगावॅट. म्हणून, पीव्ही पॉवर स्टेशन्स स्थापित करताना, नेटवर्कची हानी हा दुय्यम घटक म्हणून घेतला पाहिजे आणि सिस्टमच्या स्थिर ऑपरेशनवर जास्त परिणाम करणारे घटक प्रथम विचारात घेतले पाहिजेत, जसे की ट्रान्समिशन लाइन पॉवर फ्लक्च्युएशन आणि मर्यादेबाहेरची संभाव्यता. .

3.2 प्रणालीवरील ऊर्जा संचयन प्रवेशाचा प्रभाव

विभाग 3.1 फोटोव्होल्टेइक पॉवर स्टेशनची प्रवेश स्थिती आणि क्षमता पॉवर सिस्टमवर अवलंबून असते