Abstrakt Vysoký podiel výroby fotovoltaickej energie bude mať nepriaznivé účinky na stabilitu elektrizačnej sústavy a skladovanie energie sa považuje za jeden z účinných prostriedkov na elimináciu týchto vplyvov. Tento článok analyzuje vplyv výroby fotovoltaickej energie na energetický systém z pohľadu toku energie a následne analyzuje vplyv akumulácie energie na obmedzenie vplyvu. Najprv je predstavený model rozdelenia pravdepodobnosti a model akumulácie energie komponentov energetického systému a predstavená metóda latinského vzorkovania hyperkocky a metóda normalizácie gram-Schmidtovej sekvencie. Po druhé, bol vytvorený viaccieľový optimalizačný model, ktorý zohľadňoval náklady na systém skladovania energie, mimolimitnú pravdepodobnosť toku energie pobočkami a sieťovú stratu elektrickej siete. Optimálne riešenie cieľovej funkcie bolo získané genetickým algoritmom. Nakoniec sa simulácia vykonáva v testovacom systéme uzla IEEE24 s cieľom analyzovať vplyv rôznych fotovoltaických prístupových kapacít a prístupových miest na energetický systém a vplyv skladovania energie na energetický systém a optimálnu konfiguráciu skladovania energie zodpovedajúcu rôznej fotovoltaickej kapacite. je získané.

Key words photovoltaic power generation; Energy storage system; Optimized configuration; Probability power flow; Genetic algorithm (ga)

Výroba fotovoltaickej energie má výhody ekologickej ochrany životného prostredia a obnoviteľných zdrojov energie a považuje sa za jednu z najpotenciálnejších obnoviteľných zdrojov energie. Do roku 2020 dosiahla čínska kumulatívna inštalovaná kapacita výroby fotovoltaickej energie 253 miliónov kw. Prerušovanosť a neistota veľkokapacitnej fotovoltaickej energie ovplyvňuje energetický systém, vrátane problémov s oholením špičiek, stabilitou a vyhadzovaním svetla, a sieť musí prijať flexibilnejšie opatrenia, aby sa s týmito problémami vyrovnala. Skladovanie energie sa považuje za efektívny spôsob riešenia týchto problémov. Aplikácia systému akumulácie energie prináša nové riešenie pre veľkoplošné pripojenie fotovoltaickej siete.

V súčasnosti existuje veľa výskumov o výrobe fotovoltaickej energie, systéme skladovania energie a pravdepodobnosti toku energie doma aj v zahraničí. Veľké množstvo literárnych štúdií ukazuje, že skladovanie energie môže zlepšiť mieru využitia fotovoltaiky a vyriešiť stabilitu pripojenia fotovoltaickej siete. Pri konfigurácii systému skladovania energie v novej energetickej elektrárni je potrebné venovať pozornosť nielen stratégii riadenia optického skladovania a veterného skladovania, ale aj hospodárnosti systému skladovania energie. Okrem toho je pre optimalizáciu viacerých energetických akumulačných elektrární v elektrizačnej sústave potrebné preštudovať ekonomický model prevádzky energetických akumulačných elektrární, výber miesta začiatočného a koncového bodu fotovoltaických prenosových kanálov a výber miesta skladovania energie. Existujúci výskum optimálnej konfigurácie systému skladovania energie však nezohľadňuje špecifický vplyv na energetický systém a výskum viacbodového systému nezahŕňa prevádzkové charakteristiky optického ukladania vo veľkom meradle.

S rozsiahlym rozvojom neistej výroby novej energie, ako je veterná a fotovoltaická energia, je potrebné pri plánovaní prevádzky elektrizačnej sústavy počítať s tokom výkonu elektrizačnej sústavy. Napríklad literatúra študuje optimálne umiestnenie a alokáciu kapacity akumulácie energie v elektrizačnom systéme s veternou energiou. Okrem toho by sa pri výpočte toku energie mala brať do úvahy aj korelácia medzi viacerými novými zdrojmi energie. Všetky vyššie uvedené štúdie sú však založené na deterministických metódach toku energie, ktoré nezohľadňujú neistotu novej výroby energie. Literatúra zvažuje neistotu veternej energie a aplikuje metódu pravdepodobnostného optimálneho toku energie na optimalizáciu výberu miesta systému skladovania energie, čo zlepšuje ekonomiku prevádzky.

V súčasnosti vedci navrhli rôzne pravdepodobnostné algoritmy toku energie a v literatúre boli navrhnuté metódy dolovania údajov nelineárneho pravdepodobnostného toku energie založené na simulačnej metóde Monte Carlo, ale aktuálnosť metódy Monte Carlo je veľmi zlá. V literatúre sa navrhuje použiť na štúdium miesta akumulácie energie pravdepodobnostný optimálny tok energie a používa sa metóda 2 m bodov, ale presnosť výpočtu tejto metódy nie je ideálna. V tomto článku sa študuje aplikácia latinskej metódy vzorkovania hyperkocky pri výpočte toku energie a prednosť latinskej metódy vzorkovania hyperkocky je ilustrovaná na numerických príkladoch.

Na základe vyššie uvedeného výskumu tento článok využíva metódu pravdepodobnostného toku energie na štúdium optimálnej alokácie akumulácie energie v elektrizačnej sústave s veľkoplošnou fotovoltaickou výrobou elektriny. Najprv je predstavený model rozdelenia pravdepodobnosti a latinská hyperkocka vzorkovacia metóda komponentov v energetickom systéme. Po druhé, je vytvorený model optimalizácie s viacerými cieľmi, ktorý berie do úvahy náklady na skladovanie energie, tok energie cez limitnú pravdepodobnosť a stratu siete. Nakoniec sa vykoná simulačná analýza v testovacom systéme uzla IEEE24.

1. Probabilistic power flow model

1.1 Uncertainty model of components

Fotovoltika, záťaž a generátor sú náhodné premenné s neurčitosťou. Pri výpočte pravdepodobnostného toku výkonu distribučnej siete je pravdepodobnostný model vysvetlený v literatúre. Prostredníctvom analýzy historických údajov výstupný výkon výroby fotovoltaickej energie sleduje BETA distribúciu. Preložením pravdepodobnostného rozdelenia výkonu záťaže sa predpokladá, že záťaž nasleduje normálne rozloženie a jej funkcia rozloženia hustoty pravdepodobnosti je

Picture (1)

kde Pl je výkon záťaže; μ L a σ L sú očakávané a kolísavé zaťaženie.

The probability model of generator usually adopts two-point distribution, and its probability density distribution function is

(2)

kde P je pravdepodobnosť normálnej prevádzky generátora; PG je výstupný výkon generátora.

Pri dostatočnom osvetlení na poludnie je aktívny výkon fotovoltaickej elektrárne veľký a výkon, ktorý je časovo ťažko využiteľný, sa uloží do akumulátora energie. Keď je výkon záťaže vysoký, akumulátorová batéria uvoľní uloženú energiu. Rovnica okamžitej energetickej bilancie systému skladovania energie je

Pri nabíjaní

(3)

Pri výboji

(4)

Obmedzenie

Pictures,

Pictures,

Picture, picture

Where, St is the energy stored at time T; Pt is the charge and discharge power of energy storage; SL and SG are the energy of charging and discharging respectively. η C and η D are charging and discharging efficiency respectively. Ds is the self-discharge rate of energy storage.

1.2 Latinská metóda vzorkovania hyperkocky

Existujú simulačné metódy, približné metódy a analytické metódy, ktoré možno použiť na analýzu toku energie v systéme pri neistých faktoroch. Simulácia Monte Carlo je jednou z najpresnejších metód v pravdepodobnostných algoritmoch toku energie, ale jej aktuálnosť je nízka v porovnaní s vysokou presnosťou. V prípade nízkych časov vzorkovania táto metóda zvyčajne ignoruje koniec krivky rozdelenia pravdepodobnosti, ale na zlepšenie presnosti je potrebné zvýšiť časy vzorkovania. Latinská metóda vzorkovania hyperkocky sa tomuto problému vyhýba. Ide o hierarchickú metódu vzorkovania, ktorá dokáže zabezpečiť, aby body vzorkovania efektívne odrážali rozdelenie pravdepodobnosti a efektívne skrátili časy vzorkovania.

Obrázok 1 ukazuje očakávanie a rozptyl metódy latinskej hyperkocky a simulačnej metódy Monte Carlo s časom vzorkovania v rozmedzí od 10 do 200. Celkový trend výsledkov získaných týmito dvoma metódami je klesajúci. Očakávania a rozptyl získané metódou Monte Carlo sú však veľmi nestabilné a výsledky získané viacerými simuláciami nie sú rovnaké pri rovnakých časoch odberu vzoriek. Rozptyl metódy latinského vzorkovania s hyperkockou sa neustále znižuje so zvyšujúcim sa časom vzorkovania a relatívna chyba klesá na menej ako 5 %, keď sú časy vzorkovania väčšie ako 150. Stojí za zmienku, že bod vzorkovania latinskej metódy vzorkovania je symetrický podľa osi Y, takže jeho očakávaná chyba je 0, čo je tiež jeho výhodou.

Obrázok

FIG. 1 Comparison of different sampling times between MC and LHS

Latinská metóda vzorkovania hyperkocky je metóda vrstveného vzorkovania. Zlepšením procesu generovania vzoriek vstupných náhodných premenných môže vzorkovacia hodnota efektívne odrážať celkové rozdelenie náhodných premenných. Proces odberu vzoriek je rozdelený do dvoch krokov.

(1) Odber vzoriek

Xi (I = 1, 2,… ,m) je m náhodných premenných a časy vzorkovania sú N, ako je znázornené na obr. 2. Krivka kumulatívneho rozdelenia pravdepodobnosti Xi sa rozdelí na interval N s rovnakými rozostupmi a bez prekrytia, stred každého intervalu sa vyberie ako vzorkovacia hodnota pravdepodobnosti Y a potom sa vzorkovacia hodnota Xi= p-1 (Yi) vypočítané pomocou inverznej funkcie a vypočítané Xi je vzorkovacia hodnota náhodnej premennej.

Obrázok

Obrázok 2 schematický diagram LHS

(2) Permutácie

Výberové hodnoty náhodných premenných získané z (1) sú usporiadané postupne, takže korelácia medzi m náhodnými premennými je 1, čo sa nedá vypočítať. Na zníženie korelácie medzi vzorkovacími hodnotami náhodných premenných možno použiť metódu ortogonalizácie gram-Schmidtovej sekvencie. Najprv sa vygeneruje matica K×M rádu I=[I1, I2…, IK]T. Prvky v každom riadku sú náhodne usporiadané od 1 do M a predstavujú polohu vzorkovacej hodnoty pôvodnej náhodnej premennej.

Positive iteration

Obrázok

A reverse iterative

Obrázok

“Picture” represents assignment, takeout(Ik,Ij) represents calculation of residual value in linear regression Ik=a+bIj, rank(Ik) represents new vector formed by the sequence number of elements in orientation Ik from small to large.

Po obojsmernej iterácii, kým sa nezníži efektívna hodnota ρ, ktorá predstavuje koreláciu, sa získa matica polohy každej náhodnej premennej po permutácii a potom sa získa permutačná matica náhodných premenných s najmenšou koreláciou.

(5)

Kde je obrázok korelačný koeficient medzi Ik a Ij, cov je kovariancia a VAR je rozptyl.

2. Multi-objective optimization configuration of energy storage system

2.1 Objective function

Aby sa optimalizoval výkon a kapacita systému skladovania energie, je vytvorená funkcia optimalizácie s viacerými cieľmi, ktorá berie do úvahy náklady na systém skladovania energie, pravdepodobnosť výpadku výkonu a stratu siete. Vzhľadom na rôzne rozmery každého ukazovateľa sa pre každý ukazovateľ vykonáva štandardizácia odchýlok. Po štandardizácii odchýlky bude rozsah hodnôt pozorovaných hodnôt rôznych premenných medzi (0,1) a štandardizované údaje sú čisté veličiny bez jednotiek. V skutočnej situácii môžu existovať rozdiely v dôraze na každý ukazovateľ. Ak sa každému indikátoru priradí určitá váha, možno analyzovať a študovať rôzne dôrazy.

(6)

kde w je index, ktorý sa má optimalizovať; Wmin a wmax sú minimum a maximum pôvodnej funkcie bez štandardizácie.

Účelová funkcia je

(7)

Vo vzorci sú λ1 ~ λ3 váhové koeficienty, Eloss, PE a CESS sú štandardizované straty pobočkovej siete, pravdepodobnosť prechodu činného výkonu pobočiek a investičné náklady na skladovanie energie.

2.2 Genetic algorithm

Genetický algoritmus je druh optimalizačného algoritmu vytvorený napodobňovaním genetických a evolučných zákonov prežitia najschopnejších a prežitia najschopnejších v prírode. Najprv ide o kódovanie, počiatočnú populáciu, ktorá každá kóduje v mene jednotlivca (uskutočniteľné riešenie problému), takže každé uskutočniteľné riešenie je od transformácie genotypového fenotypu, vykonať výber podľa zákonov prírody pre každého jednotlivca a vybrať v každá generácia na ďalšiu generáciu výpočtového prostredia, aby sa prispôsobila silnému jedincovi, až kým sa najviac prispôsobí prostrediu jedinca, Po dekódovaní ide o približné optimálne riešenie problému.

In this paper, the power system including photovoltaic and energy storage is firstly calculated by the probabilistic power flow algorithm, and the obtained data is used as the input variable of the genetic algorithm to solve the problem. The calculation process is shown in Figure 3, which is mainly divided into the following steps:

Obrázok

Obr. 3 Tok algoritmu

(1) Vstupný systém, fotovoltaické údaje a údaje o ukladaní energie a vykonávanie vzorkovania latinskej hyperkocky a ortogonalizácie Gram-Schmidtovej sekvencie;

(2) Zadať vzorky údajov do modelu výpočtu toku energie a zaznamenať výsledky výpočtu;

(3) Výstupné výsledky boli zakódované chromozómom, aby sa vytvorila počiatočná populácia zodpovedajúca vzorkovacej hodnote;

(4) Vypočítajte zdatnosť každého jednotlivca v populácii;

(5) selektovať, krížiť a mutovať, aby sa vytvorila nová generácia populácie;

(6) Posúďte, či sú požiadavky splnené, ak nie, vráťte sa ku kroku (4); Ak áno, optimálne riešenie je výstup po dekódovaní.

3. Analýza príkladov

Metóda pravdepodobnostného toku energie je simulovaná a analyzovaná v testovacom systéme uzla IEEE24 znázornenom na obr. 4, v ktorom je napäťová hladina 1-10 uzlov 138 kV a napäťová hladina 11-24 uzlov je 230 kV.

Obrázok

Obrázok 4 Testovací systém uzla IEEE24

3.1 Influence of photovoltaic power station on power system

Fotovoltická elektráreň v elektrizačnej sústave, umiestnenie a kapacita elektrizačnej sústavy bude mať vplyv na napätie uzla a výkon vetvy, preto pred analýzou vplyvu systému skladovania energie na elektrickú sieť táto časť najskôr analyzuje vplyv fotovoltaickej energie. Simulačná analýza prebehla v tomto článku, trend limitu pravdepodobnosti, straty siete atď.

Ako je možné vidieť na obr. 5(a), po pripojení fotovoltaickej elektrárne sú uzly s menším prekročením limitu výkonu vetvy nasledovné: 11, 12, 13, 23, 13 na vyrovnanie uzla uzla, je dané napätie uzla a fázový uhol, majú efekt stabilnej energetickej bilancie elektrickej siete, 11, 12 a 23 namiesto priameho zapojenia, v dôsledku toho je niekoľko uzlov pripojených na limit pravdepodobnosť menšieho a väčšieho výkonu, fotovoltaická elektráreň pristúpi k uzlu s efektom rovnováhy je menšia na vplyv energetického systému.

Obrázok

Obrázok 5. (a) súčet pravdepodobnosti toku energie mimo limitu (b) kolísanie napätia uzla (c) celková strata systémovej siete rôznych prístupových bodov PV

Okrem prekročenia toku energie tento článok analyzuje aj vplyv fotovoltaiky na napätie uzla, ako je znázornené na obr. 5(b). Na porovnanie sú zvolené štandardné odchýlky amplitúd napätia uzlov 1, 3, 8, 13, 14, 15 a 19. Celkovo pripojenie fotovoltaických elektrární do elektrickej siete nemá veľký vplyv na napätie uzlov, ale fotovoltické elektrárne majú veľký vplyv na napätie a-Nodov a ich blízkych uzlov. Okrem toho v systéme prijatom na príklade výpočtu sa porovnaním zistilo, že fotovoltaická elektráreň je vhodnejšia pre prístup k typom uzlov: ① uzly s vyšším napäťovým stupňom, ako sú 14, 15, 16 atď. napätie sa takmer nemení; (2) uzly podporované generátormi alebo nastavovacími kamerami, ako napríklad 1, 2, 7 atď.; (3) vo vedení odpor je veľký na konci uzla.

Aby bolo možné analyzovať vplyv PV prístupového bodu na celkovú sieťovú stratu energetického systému, tento dokument robí porovnanie, ako je znázornené na obrázku 5(c). Je vidieť, že ak sú niektoré uzly s veľkým zaťažovacím výkonom a bez napájania pripojené k FV elektrárni, sieťová strata systému sa zníži. Naopak, uzly 21, 22 a 23 sú napájacím koncom, ktorý je zodpovedný za centralizovaný prenos energie. Fotovoltaická elektráreň pripojená k týmto uzlom spôsobí veľké straty siete. Preto by mal byť prístupový bod fotovoltaickej elektrárne vybraný na prijímacom konci napájania alebo uzle s veľkým zaťažením. Tento režim prístupu môže urobiť distribúciu toku energie systému vyváženejším a znížiť sieťové straty systému.

Based on the three factors in the analysis of the above results, node 14 is taken as the access point of photovoltaic power station in this paper, and then the influence of the capacity of different photovoltaic power stations on the power system is studied.

Obrázok 6(a) analyzuje vplyv fotovoltaickej kapacity na systém. Je možné vidieť, že štandardná odchýlka aktívneho výkonu každej vetvy sa zvyšuje so zvyšovaním fotovoltaickej kapacity a medzi nimi existuje pozitívny lineárny vzťah. Okrem niekoľkých vetiev znázornených na obrázku sú štandardné odchýlky ostatných vetiev všetky menšie ako 5 a vykazujú lineárny vzťah, ktorý sa pre zjednodušenie kreslenia ignoruje. Je vidieť, že pripojenie fotovoltaickej siete má veľký vplyv na výkon priamo spojeného s fotovoltaickým prístupovým bodom alebo priľahlými vetvami. Kvôli obmedzenému prenosu elektrického vedenia sú prenosové vedenia množstva výstavby a investícií obrovské, takže pri inštalácii fotovoltaickej elektrárne by sa malo zvážiť obmedzenie prepravnej kapacity, zvoliť najmenší vplyv na prístup k linke na najlepšie miesto, navyše, výber najlepšej kapacity fotovoltaickej elektrárne bude hrať dôležitú úlohu pri znižovaní tohto efektu.

Obrázok

Figure 6. (a) Branch active power standard deviation (b) branch power flow out-of-limit probability (c) total system network loss under different photovoltaic capacities

FIG. 6(b) compares the probability of active power exceeding the limit of each branch under different pv power station capacities. Except for the branches shown in the figure, the other branches did not exceed the limit or the probability was very small. Compared with FIG. 6(a), it can be seen that the probability of off-limit and standard deviation are not necessarily related. The active power of a line with large standard deviation fluctuation does not necessarily off-limit, and the reason is related to the transmission direction of photovoltaic output power. If it is in the same direction as the original branch power flow, small photovoltaic power may also cause off-limit. When the pv power is very large, the power flow may not exceed the limit.

In FIG. 6(c), the total network loss of the system increases with the increase of photovoltaic capacity, but this effect is not obvious. When the photovoltaic capacity increases by 60 MW, the total network loss only increases by 0.5%, i.e. 0.75 MW. Therefore, when installing pv power stations, network loss should be taken as a secondary factor, and factors that have a greater impact on the stable operation of the system should be considered first, such as transmission line power fluctuation and out-of-limit probability.

3.2 Impact of energy storage access on the system

Časť 3.1 Prístupová poloha a kapacita fotovoltaickej elektrárne závisí od energetického systému