Resumo Uma alta proporção da geração de energia fotovoltaica terá efeitos adversos na estabilidade do sistema elétrico, e o armazenamento de energia é considerado um dos meios eficazes para eliminar esses efeitos. Este artigo analisa a influência da geração de energia fotovoltaica no sistema de potência do ponto de vista do fluxo de energia e, em seguida, analisa o efeito do armazenamento de energia na contenção dessa influência. Em primeiro lugar, o modelo de distribuição de probabilidade e o modelo de armazenamento de energia dos componentes do sistema de potência são introduzidos, e o método de amostragem de hipercubo latino e o método de normalização de sequência de Gram-Schmidt são introduzidos. Em segundo lugar, foi estabelecido um modelo de otimização multi-objetivo, que considerou o custo do sistema de armazenamento de energia, a probabilidade fora do limite de fluxo de energia do ramal e a perda da rede da rede elétrica. A solução ótima da função objetivo foi obtida por algoritmo genético. Finalmente, a simulação é realizada em sistema de teste de nó IEEE24 para analisar a influência de diferentes capacidades de acesso fotovoltaico e localização de acesso no sistema de energia e o efeito do armazenamento de energia no sistema de energia, e a configuração ótima de armazenamento de energia correspondente a diferentes capacidades fotovoltaicas é obtido.

Palavras-chave geração de energia fotovoltaica; Sistema de armazenamento de energia; Configuração otimizada; Fluxo de potência de probabilidade; Algoritmo genético (ga)

A geração de energia fotovoltaica apresenta as vantagens da proteção ambiental verde e renovável, sendo considerada uma das energias renováveis ​​com maior potencial. Em 2020, a capacidade instalada cumulativa de geração de energia fotovoltaica da China atingiu 253 milhões de kw. A intermitência e a incerteza da energia fotovoltaica em grande escala afetam o sistema de energia, incluindo problemas de redução de pico, estabilidade e descarte de luz, e a rede precisa adotar medidas mais flexíveis para lidar com esses problemas. O armazenamento de energia é considerado uma forma eficaz de resolver esses problemas. A aplicação do sistema de armazenamento de energia traz uma nova solução para conexão à rede fotovoltaica em larga escala.

Atualmente, existem muitas pesquisas sobre geração de energia fotovoltaica, sistema de armazenamento de energia e probabilidade de fluxo de energia no país e no exterior. Um grande número de estudos da literatura mostra que o armazenamento de energia pode melhorar a taxa de utilização da energia fotovoltaica e resolver a estabilidade da conexão à rede fotovoltaica. Na configuração do sistema de armazenamento de energia em uma nova central elétrica, deve-se atentar não só para a estratégia de controle do armazenamento óptico e eólico, mas também para a economia do sistema de armazenamento de energia. Além disso, para a otimização de múltiplas centrais de armazenamento de energia no sistema elétrico, é necessário estudar o modelo econômico de operação das centrais de armazenamento de energia, a seleção do local do ponto inicial e final dos canais de transmissão fotovoltaicos e o seleção do local de armazenamento de energia. No entanto, a pesquisa existente sobre a configuração ideal do sistema de armazenamento de energia não considera o impacto específico no sistema de energia, e a pesquisa sobre o sistema multiponto não envolve características de operação de armazenamento óptico em grande escala.

Com o desenvolvimento em larga escala da geração incerta de nova energia de energia, como a energia eólica e fotovoltaica, é necessário calcular o fluxo de energia do sistema de energia no planejamento da operação do sistema de energia. Por exemplo, a literatura estuda a localização ótima e a alocação da capacidade de armazenamento de energia no sistema elétrico com energia eólica. Além disso, a correlação entre várias novas fontes de energia também deve ser considerada no cálculo do fluxo de potência. No entanto, todos os estudos acima são baseados em métodos de fluxo de potência determinísticos, que não consideram a incerteza da nova geração de energia. A literatura considera a incerteza da energia eólica e aplica o método probabilístico de fluxo de potência ótimo para otimizar a seleção do local do sistema de armazenamento de energia, o que melhora a economia de operação.

Atualmente, diferentes algoritmos de fluxo de potência probabilística foram propostos por estudiosos, e métodos de mineração de dados de fluxo de potência probabilística não linear baseados no método de simulação de Monte Carlo foram propostos em literaturas, mas a atualidade do método de Monte Carlo é muito pobre. É proposto na literatura o uso do fluxo de potência ótimo probabilístico para estudar a localização do armazenamento de energia, sendo utilizado o método do ponto de 2 m, mas a precisão de cálculo deste método não é a ideal. A aplicação do método de amostragem do hipercubo latino no cálculo do fluxo de potência é estudada neste artigo, e a superioridade do método de amostragem do hipercubo latino é ilustrada por exemplos numéricos.

Com base na pesquisa acima, este artigo usa o método de fluxo de potência probabilístico para estudar a alocação ótima de armazenamento de energia no sistema de potência com geração de energia fotovoltaica em grande escala. Primeiramente, são introduzidos o modelo de distribuição de probabilidade e o método de amostragem de hipercubos latinos de componentes em sistemas de potência. Em segundo lugar, um modelo de otimização multi-objetivo é estabelecido considerando o custo de armazenamento de energia, fluxo de potência acima da probabilidade limite e perda de rede. Finalmente, a análise de simulação é realizada no sistema de teste de nó IEEE24.

1. Modelo de fluxo de potência probabilístico

1.1 Modelo de incerteza de componentes

Fotovoltaico, carga e gerador são variáveis ​​aleatórias com incerteza. No cálculo do fluxo de potência probabilístico da rede de distribuição, o modelo probabilístico é explicado na literatura. Por meio da análise de dados históricos, a potência de saída da geração de energia fotovoltaica segue a distribuição BETA. Ao ajustar a distribuição de probabilidade de potência de carga, assume-se que a carga segue uma distribuição normal, e sua função de distribuição de densidade de probabilidade é

Imagem 1)

Onde, Pl é a potência de carga; μ L e σ L são a expectativa e a variação da carga, respectivamente.

O modelo de probabilidade do gerador geralmente adota distribuição de dois pontos, e sua função de distribuição de densidade de probabilidade é

(2)

Onde, P é a probabilidade de operação normal do gerador; PG é a potência de saída do gerador.

Quando a luz é suficiente ao meio-dia, a potência ativa da usina fotovoltaica é grande, e a potência que é difícil de usar a tempo ficará armazenada na bateria de armazenamento de energia. Quando a potência de carga é alta, a bateria de armazenamento de energia liberará a energia armazenada. A equação do balanço de energia instantânea do sistema de armazenamento de energia é

Ao carregar

(3)

Quando a alta

(4)

A restrição

As fotos,

As fotos,

Foto, foto

Onde, St é a energia armazenada no tempo T; Pt é o poder de carga e descarga do armazenamento de energia; SL e SG são a energia de carga e descarga, respectivamente. η C e η D são eficiência de carga e descarga, respectivamente. Ds é a taxa de autodescarga de armazenamento de energia.

1.2 Método de amostragem do hipercubo latino

Existem métodos de simulação, métodos aproximados e métodos analíticos que podem ser usados ​​para analisar o fluxo de potência do sistema sob fatores incertos. A simulação de Monte Carlo é um dos métodos mais precisos em algoritmos de fluxo de potência probabilísticos, mas sua atualidade é baixa em comparação com a alta precisão. No caso de tempos de amostragem baixos, este método geralmente ignora a cauda da curva de distribuição de probabilidade, mas para melhorar a precisão, ele precisa aumentar os tempos de amostragem. O método de amostragem do hipercubo latino evita esse problema. É um método de amostragem hierárquico, que pode garantir que os pontos de amostragem reflitam a distribuição de probabilidade de forma eficaz e reduzir os tempos de amostragem de forma eficaz.

A Figura 1 mostra a expectativa e a variância do método de amostragem do hipercubo latino e do método de simulação de Monte Carlo com tempos de amostragem variando de 10 a 200. A tendência geral dos resultados obtidos pelos dois métodos é decrescente. No entanto, a expectativa e a variância obtidas pelo método monte Carlo são muito instáveis, e os resultados obtidos por múltiplas simulações não são os mesmos com os mesmos tempos de amostragem. A variância do método de amostragem do hipercubo latino diminui constantemente com o aumento dos tempos de amostragem, e o erro relativo diminui para menos de 5% quando os tempos de amostragem são maiores que 150. É importante notar que o ponto de amostragem do método de amostragem do hipercubo latino é simétrico em relação ao eixo Y, então seu erro esperado é 0, que também é sua vantagem.

A imagem

FIGO. 1 Comparação de diferentes tempos de amostragem entre MC e LHS

O método de amostragem do hipercubo latino é um método de amostragem em camadas. Ao melhorar o processo de geração de amostra de variáveis ​​aleatórias de entrada, o valor de amostragem pode refletir efetivamente a distribuição geral de variáveis ​​aleatórias. O processo de amostragem é dividido em duas etapas.

(1) Amostragem

Xi (I = 1, 2, …, m) é m variáveis ​​aleatórias e os tempos de amostragem são N, como mostrado na FIG. 2. A curva de distribuição de probabilidade cumulativa de Xi é dividida em intervalos N com espaçamento igual e sem sobreposição, o ponto médio de cada intervalo é selecionado como o valor de amostragem da probabilidade Y, e então o valor de amostragem Xi = p-1 (Yi) é calculado usando a função inversa, e o Xi calculado é o valor de amostragem da variável aleatória.

A imagem

Figura 2 diagrama esquemático de LHS

(2) Permutações

Os valores de amostragem das variáveis ​​aleatórias obtidos em (1) são arranjados sequencialmente, de modo que a correlação entre m variáveis ​​aleatórias é 1, que não pode ser calculada. O método de ortogonalização de sequências de Gram-Schmidt pode ser adotado para reduzir a correlação entre os valores amostrais de variáveis ​​aleatórias. Em primeiro lugar, uma matriz de K × M ordem I = [I1, I2…, IK] T é gerada. Os elementos em cada linha são organizados aleatoriamente de 1 a M e representam a posição do valor de amostragem da variável aleatória original.

Iteração positiva

A imagem

Uma iterativa reversa

A imagem

“Imagem” representa a atribuição, o takeout (Ik, Ij) representa o cálculo do valor residual na regressão linear Ik = a + bIj, a classificação (Ik) representa o novo vetor formado pelo número de sequência de elementos na orientação Ik de pequeno a grande.

Após a iteração bidirecional até que o valor RMS ρ, que representa a correlação, não diminua, a matriz de posição de cada variável aleatória após a permutação é obtida, e então a matriz de permutação das variáveis ​​aleatórias com a menor correlação pode ser obtida.

(5)

Onde, a imagem é o coeficiente de correlação entre Ik e Ij, cov é a covariância e VAR é a variância.

2. Configuração de otimização multi-objetivo do sistema de armazenamento de energia

2.1 Função objetivo

Para otimizar a potência e a capacidade do sistema de armazenamento de energia, uma função de otimização multi-objetivo é estabelecida considerando o custo do sistema de armazenamento de energia, a probabilidade de desligamento da energia e a perda da rede. Devido às diferentes dimensões de cada indicador, a padronização dos desvios é realizada para cada indicador. Após a padronização do desvio, a faixa de valores dos valores observados de várias variáveis ​​será entre (0,1), e os dados padronizados são quantidades puras sem unidades. Na situação real, pode haver diferenças na ênfase de cada indicador. Se cada indicador recebe um certo peso, diferentes ênfases podem ser analisadas e estudadas.

(6)

Onde, w é o índice a ser otimizado; Wmin e wmax são o mínimo e o máximo da função original sem padronização.

A função objetivo é

(7)

Na fórmula, λ1 ~ λ3 são coeficientes de peso, Eloss, PE e CESS são perda de rede de ramal padronizada, probabilidade de cruzamento de potência ativa de ramal e custo de investimento em armazenamento de energia, respectivamente.

2.2 Algoritmo Genético

O algoritmo genético é um tipo de algoritmo de otimização estabelecido pela imitação das leis genéticas e evolutivas da sobrevivência do mais apto e da sobrevivência do mais apto na natureza. É primeiro a codificação, a população inicial cada codificação em nome de um indivíduo (uma solução viável do problema), então cada solução viável é para a transformação do fenótipo do genótipo, para realizar a escolha de acordo com as leis da natureza para cada indivíduo, e selecionado em cada geração para a próxima geração de ambiente de computação para se adaptar ao indivíduo forte, até o mais adaptável ao ambiente do indivíduo, Após a decodificação, é a solução ótima aproximada do problema.

Neste artigo, o sistema de potência incluindo fotovoltaico e armazenamento de energia é inicialmente calculado pelo algoritmo de fluxo de potência probabilístico, e os dados obtidos são usados ​​como variável de entrada do algoritmo genético para resolver o problema. O processo de cálculo é mostrado na Figura 3, que é principalmente dividido nas seguintes etapas:

A imagem

FIGO. 3 Fluxo do algoritmo

(1) Sistema de entrada, dados fotovoltaicos e de armazenamento de energia, e realizar amostragem de hipercubo latino e ortogonalização de sequência de Gram-Schmidt;

(2) Inserir os dados amostrados no modelo de cálculo do fluxo de potência e registrar os resultados do cálculo;

(3) Os resultados de saída foram codificados pelo cromossomo para gerar a população inicial correspondente ao valor de amostragem;

(4) Calcule a aptidão de cada indivíduo na população;

(5) selecionar, cruzar e sofrer mutação para produzir uma nova geração de população;

(6) Julgar se os requisitos foram atendidos, caso contrário, retornar ao passo (4); Se sim, a solução ideal é produzida após a decodificação.

3. Análise de exemplo

O método de fluxo de potência probabilístico é simulado e analisado no sistema de teste de nó IEEE24 mostrado na FIG. 4, em que o nível de tensão de 1-10 nós é de 138 kV e o de 11-24 nós é de 230 kV.

A imagem

Figura 4 Sistema de teste de nó IEEE24

3.1 Influência da estação de energia fotovoltaica no sistema de energia

Estação fotovoltaica no sistema de potência, a localização e capacidade do sistema de potência afetarão a tensão do nó e a potência do ramal, portanto, antes da análise da influência do sistema de armazenamento de energia para a rede elétrica, esta seção primeiro analisa a influência da energia fotovoltaica estação no sistema, o acesso fotovoltaico ao sistema neste artigo, a tendência do limite da probabilidade, a perda da rede e assim por diante realizou a análise de simulação.

Como pode ser visto a partir da fig. 5 (a), após a estação de energia fotovoltaica ser conectada, os nós com menor limite de fluxo de energia do ramal são os seguintes: 11, 12, 13, 23, 13 para equilibrar o nó do nó, a tensão do nó e o ângulo de fase são dados, efeito de equilíbrio de energia da rede elétrica estável, 11, 12 e 23 em vez de diretamente conectado, como resultado, vários nós conectados ao limite a probabilidade de menor e mais energia, a estação fotovoltaica irá acessar o nó com efeito de equilíbrio é menor no impacto do sistema de energia.

A imagem

Figura 5. (a) soma da probabilidade de fluxo de energia fora do limite (b) flutuação de tensão do nó (c) perda total da rede do sistema de diferentes pontos de acesso PV

Além da superação do fluxo de potência, este trabalho também analisa a influência da energia fotovoltaica na tensão do nó, conforme mostrado na FIG. 5 (b). Os desvios padrão das amplitudes de tensão dos nós 1, 3, 8, 13, 14, 15 e 19 são selecionados para comparação. De um modo geral, a ligação das centrais fotovoltaicas à rede eléctrica não tem grande influência na tensão dos nós, mas as centrais fotovoltaicas têm uma grande influência na tensão dos a-Nodes e dos seus nós próximos. Além disso, no sistema adotado pelo exemplo de cálculo, por comparação, verifica-se que a central fotovoltaica é mais adequada para o acesso aos tipos de nós: ① nós com maior grau de tensão, como 14, 15, 16, etc., a tensão quase não muda; (2) nós suportados por geradores ou câmeras de ajuste, como 1, 2, 7, etc .; (3) na linha a resistência é grande no final do nó.

Para analisar a influência do ponto de acesso FV na perda total da rede do sistema de potência, este artigo faz uma comparação conforme mostrado na Figura 5 (c). Pode-se ver que se alguns nodos com grande potência de carga e nenhuma fonte de alimentação estiverem conectados à estação de energia PV, a perda de rede do sistema será reduzida. Ao contrário, os nós 21, 22 e 23 são a extremidade da fonte de alimentação, que é responsável pela transmissão centralizada de energia. A estação de energia fotovoltaica conectada a esses nós causará grande perda de rede. Portanto, o ponto de acesso da estação de energia PV deve ser selecionado na extremidade receptora da energia ou no nó com grande carga. Este modo de acesso pode tornar a distribuição do fluxo de energia do sistema mais equilibrada e reduzir a perda de rede do sistema.

Com base nos três fatores na análise dos resultados acima, o nó 14 é tomado como o ponto de acesso da usina fotovoltaica neste artigo, e então a influência da capacidade das diferentes usinas fotovoltaicas no sistema de energia é estudada.

A Figura 6 (a) analisa a influência da capacidade fotovoltaica no sistema. Pode-se observar que o desvio padrão da potência ativa de cada ramal aumenta com o aumento da capacidade fotovoltaica, e existe uma relação linear positiva entre os dois. Exceto para vários ramos mostrados na figura, os desvios padrão de outros ramos são todos menores que 5 e mostram uma relação linear, que são ignorados para a conveniência do desenho. Pode-se observar que a conexão à rede fotovoltaica tem grande influência na potência de conexão direta com o ponto de acesso fotovoltaico ou ramais adjacentes. Por causa da transmissão da linha de transmissão de energia limitada, as linhas de transmissão de quantidades de construção e investimento são enormes, portanto, a instalação de uma central fotovoltaica, deve considerar a limitação da capacidade de transporte, escolher a menor influência no acesso à linha para a melhor localização, além disso, selecionar a melhor capacidade da central fotovoltaica terá um papel importante para reduzir este efeito.

A imagem

Figura 6. (a) Desvio padrão da potência ativa do ramal (b) probabilidade fora do limite do fluxo de potência do ramal (c) perda total da rede do sistema sob diferentes capacidades fotovoltaicas

FIGO. 6 (b) compara a probabilidade de potência ativa excedendo o limite de cada ramal sob diferentes capacidades de estação de energia PV. Exceto pelos ramos mostrados na figura, os outros ramos não ultrapassaram o limite ou a probabilidade era muito pequena. Em comparação com a FIG. 6 (a), pode-se ver que a probabilidade de fora do limite e o desvio padrão não estão necessariamente relacionados. A potência ativa de uma linha com grande flutuação de desvio padrão não está necessariamente fora do limite, e o motivo está relacionado à direção de transmissão da potência de saída fotovoltaica. Se estiver na mesma direção do fluxo de energia do ramal original, uma pequena energia fotovoltaica também pode causar fora do limite. Quando a potência PV é muito grande, o fluxo de potência não pode exceder o limite.

Na FIG. 6 (c), a perda total da rede do sistema aumenta com o aumento da capacidade fotovoltaica, mas este efeito não é óbvio. Quando a capacidade fotovoltaica aumenta 60 MW, a perda total da rede aumenta apenas 0.5%, ou seja, 0.75 MW. Portanto, ao instalar usinas de energia PV, a perda de rede deve ser considerada como um fator secundário, e os fatores que têm um maior impacto na operação estável do sistema devem ser considerados primeiro, como flutuação de energia da linha de transmissão e probabilidade fora do limite .

3.2 Impacto do acesso ao armazenamento de energia no sistema

Seção 3.1 A posição de acesso e capacidade da estação de energia fotovoltaica dependem do sistema de energia