- 28
- Dec
Optimalna konfiguracija sistema za shranjevanje energije v fotovoltaični elektrarni na podlagi verjetnosti pretoka moči
Povzetek Velik delež fotovoltaične proizvodnje električne energije bo negativno vplival na stabilnost elektroenergetskega sistema, shranjevanje energije pa velja za eno od učinkovitih sredstev za odpravo teh učinkov. V prispevku je analiziran vpliv fotovoltaične proizvodnje električne energije na elektroenergetski sistem z vidika pretoka moči, nato pa analizira učinek shranjevanja energije na omejevanje vpliva. Najprej je predstavljen model porazdelitve verjetnosti in model shranjevanja energije komponent v elektroenergetskem sistemu ter metoda vzorčenja latinske hiperkocke in metoda normalizacije gram-Schmidtovega zaporedja. Drugič, vzpostavljen je bil večciljni optimizacijski model, ki je upošteval stroške sistema za shranjevanje energije, izvenmejno verjetnost pretoka električne energije v podružnici in omrežno izgubo električnega omrežja. Optimalna rešitev ciljne funkcije je bila pridobljena z genetskim algoritmom. Končno se simulacija izvede v testnem sistemu vozlišča IEEE24, da se analizira vpliv različnih fotonapetostnih dostopnih zmogljivosti in lokacije dostopa na elektroenergetski sistem ter učinek shranjevanja energije na elektroenergetski sistem ter optimalna konfiguracija shranjevanja energije, ki ustreza različni fotovoltaični zmogljivosti. se dobi.
Ključne besede fotovoltaična proizvodnja električne energije; Sistem za shranjevanje energije; Optimizirana konfiguracija; Pretok moči verjetnosti; Genetski algoritem (ga)
Proizvodnja fotovoltaične energije ima prednosti zelenega varstva okolja in obnovljivih virov ter velja za enega najbolj potencialnih obnovljivih virov energije. Do leta 2020 je kumulativna instalirana zmogljivost Kitajske za proizvodnjo fotovoltaične energije dosegla 253 milijonov kW. Prekinitev in negotovost obsežne fotonapetostne moči vplivata na elektroenergetski sistem, vključno z vprašanji britja vrhov, stabilnosti in odvajanja svetlobe, zato mora omrežje sprejeti bolj prilagodljive ukrepe za spopadanje s temi težavami. Shranjevanje energije velja za učinkovit način reševanja teh težav. Uporaba sistema za shranjevanje energije prinaša novo rešitev za obsežno priklop na fotovoltaično omrežje.
Trenutno je veliko raziskav o fotovoltaični proizvodnji energije, sistemu za shranjevanje energije in verjetnostnem pretoku moči doma in v tujini. Številne literaturne študije kažejo, da lahko shranjevanje energije izboljša stopnjo izkoriščenosti fotovoltaike in reši stabilnost fotovoltaične omrežne povezave. Pri konfiguraciji sistema za shranjevanje energije v novi energetski elektrarni je treba pozornost nameniti ne le strategiji krmiljenja optičnega shranjevanja in vetrnega shranjevanja, temveč tudi ekonomičnosti sistema za shranjevanje energije. Poleg tega je za optimizacijo več elektrarn za shranjevanje energije v elektroenergetskem sistemu potrebno preučiti ekonomski model delovanja elektrarn za shranjevanje energije, izbiro lokacije začetne in končne točke fotovoltaičnih prenosnih kanalov in izbira lokacije za shranjevanje energije. Vendar obstoječe raziskave o optimalni konfiguraciji sistema za shranjevanje energije ne upoštevajo specifičnega vpliva na elektroenergetski sistem, raziskava večtočkovnega sistema pa ne vključuje obsežnih značilnosti delovanja optičnega shranjevalnika.
Ob obsežnem razvoju negotove nove proizvodnje električne energije, kot sta vetrna energija in fotovoltaika, je treba pri načrtovanju delovanja elektroenergetskega sistema izračunati pretok moči elektroenergetskega sistema. Na primer, literatura proučuje optimalno lokacijo in razporeditev zmogljivosti za shranjevanje energije v elektroenergetskem sistemu z vetrno energijo. Poleg tega je treba pri izračunu pretoka moči upoštevati tudi korelacijo med več novimi viri energije. Vendar pa vse zgornje študije temeljijo na determinističnih metodah pretoka moči, ki ne upoštevajo negotovosti nove proizvodnje energije. Literatura upošteva negotovost vetrne energije in uporablja verjetnostno metodo optimalnega pretoka moči za optimizacijo izbire lokacije sistema za shranjevanje energije, kar izboljša ekonomičnost delovanja.
Trenutno so znanstveniki predlagali različne algoritme verjetnostnega toka moči, v literaturi pa so predlagane metode podatkovnega rudarjenja nelinearnega verjetnostnega toka moči, ki temeljijo na simulacijski metodi Monte Carlo, vendar je pravočasnost metode Monte Carlo zelo slaba. V literaturi je predlagana uporaba verjetnostnega optimalnega pretoka moči za preučevanje lokacije shranjevanja energije, pri čemer se uporablja metoda točke 2 m, vendar natančnost izračuna te metode ni idealna. V prispevku je raziskana uporaba metode vzorčenja latinske hiperkocke pri izračunu pretoka moči, superiornost metode vzorčenja latinske hiperkocke pa je ponazorjena s številčnimi primeri.
Na podlagi zgornjih raziskav je v tem prispevku uporabljena metoda verjetnostnega pretoka moči za preučevanje optimalne alokacije shranjevanja energije v elektroenergetskem sistemu z veliko fotovoltaično proizvodnjo električne energije. Najprej je predstavljen model porazdelitve verjetnosti in latinska metoda vzorčenja hiperkocke komponent v elektroenergetskem sistemu. Drugič, vzpostavljen je večciljni model optimizacije, ki upošteva stroške shranjevanja energije, verjetnost pretoka moči in izgubo omrežja. Končno se simulacijska analiza izvede v testnem sistemu vozlišča IEEE24.
1. Model verjetnosti pretoka moči
1.1 Model negotovosti komponent
Fotovoltaika, obremenitev in generator so naključne spremenljivke z negotovostjo. Pri izračunu verjetnostnega pretoka moči distribucijskega omrežja je verjetnostni model razložen v literaturi. Z analizo preteklih podatkov izhodna moč fotovoltaične proizvodnje električne energije sledi porazdelitvi BETA. Z prilagajanjem porazdelitve verjetnosti moči obremenitve se predpostavlja, da obremenitev sledi normalni porazdelitvi, njena funkcija porazdelitve gostote verjetnosti pa je
slika (1)
kjer je Pl moč obremenitve; μ L in σ L sta pričakovana in varianca obremenitve.
Verjetnostni model generatorja običajno sprejme dvotočkovno porazdelitev, njegova funkcija porazdelitve gostote verjetnosti pa je
(2)
kjer je P verjetnost normalnega delovanja generatorja; PG je izhodna moč generatorja.
Ko je svetlobe opoldne dovolj, je aktivna moč fotovoltaične elektrarne velika, moč, ki jo je težko izkoristiti, pa se bo shranila v bateriji za shranjevanje energije. Ko je moč obremenitve visoka, bo baterija za shranjevanje energije sprostila shranjeno energijo. Enačba trenutne energetske bilance sistema za shranjevanje energije je
Med polnjenjem
(3)
Ko pride do izpusta
(4)
Omejitev
Slike,
Slike,
Slika, slika
kjer je St energija, shranjena v času T; Pt je moč polnjenja in praznjenja za shranjevanje energije; SL in SG sta energija polnjenja oziroma praznjenja. η C in η D sta učinkovitost polnjenja in praznjenja. Ds je stopnja samopraznjenja za shranjevanje energije.
1.2 Latinska metoda vzorčenja hiperkocke
Obstajajo simulacijska metoda, približna metoda in analitična metoda, ki se lahko uporabijo za analizo pretoka moči sistema pod negotovimi dejavniki. Simulacija Monte Carlo je ena najbolj natančnih metod v algoritmih verjetnostnega pretoka moči, vendar je njena pravočasnost nizka v primerjavi z visoko natančnostjo. V primeru nizkih časov vzorčenja ta metoda običajno ignorira rep krivulje porazdelitve verjetnosti, vendar mora za izboljšanje natančnosti podaljšati čase vzorčenja. Latinska metoda vzorčenja hiperkocke se izogne tej težavi. To je hierarhična metoda vzorčenja, ki lahko zagotovi, da točke vzorčenja učinkovito odražajo porazdelitev verjetnosti in učinkovito skrajšajo čase vzorčenja.
Slika 1 prikazuje pričakovanje in variance metode vzorčenja latinske hiperkocke in simulacijske metode Monte Carlo s časi vzorčenja od 10 do 200. Celoten trend rezultatov, pridobljenih z obema metodama, se zmanjšuje. Vendar sta pričakovanja in variance, pridobljena z metodo Monte Carlo, zelo nestabilna, rezultati, dobljeni z več simulacijami, pa niso enaki pri enakih časih vzorčenja. Varianca metode vzorčenja latinske hiperkocke se postopoma zmanjšuje s povečanjem časov vzorčenja, relativna napaka pa se zmanjša na manj kot 5 %, ko so časi vzorčenja več kot 150. Omeniti velja, da je točka vzorčenja metode vzorčenja latinske hiperkocke simetrično glede na Y-os, zato je njegova pričakovana napaka 0, kar je tudi njegova prednost.
Slika
sl. 1 Primerjava različnih časov vzorčenja med MC in LHS
Latinska metoda vzorčenja hiperkocke je večplastna metoda vzorčenja. Z izboljšanjem postopka generiranja vzorcev vhodnih naključnih spremenljivk lahko vrednost vzorčenja učinkovito odraža celotno porazdelitev naključnih spremenljivk. Postopek vzorčenja je razdeljen na dva koraka.
(1) Vzorčenje
Xi (I = 1, 2,…,m) je m naključnih spremenljivk, časi vzorčenja pa so N, kot je prikazano na sl. 2. Kumulativna krivulja porazdelitve verjetnosti za Xi je razdeljena na N interval z enakim razmikom in brez prekrivanja, sredina vsakega intervala je izbrana kot vzorčna vrednost verjetnosti Y, nato pa je vrednost vzorčenja Xi= p-1 (Yi) izračunano z uporabo inverzne funkcije, izračunani Xi pa je vzorčna vrednost naključne spremenljivke.
Slika
Slika 2 shematski diagram LHS
(2) Permutacije
Vrednosti vzorčenja naključnih spremenljivk, pridobljene iz (1), so razporejene zaporedno, tako da je korelacija med m naključnimi spremenljivkami 1, ki je ni mogoče izračunati. Za zmanjšanje korelacije med vzorčnimi vrednostmi naključnih spremenljivk je mogoče uporabiti metodo ortogonalizacije gram-Schmidtovega zaporedja. Najprej se generira matrika reda K×M I=[I1, I2…, IK]T. Elementi v vsaki vrstici so naključno razporejeni od 1 do M in predstavljajo položaj vzorčne vrednosti izvirne naključne spremenljivke.
Pozitivna ponovitev
Slika
Obratna iteracija
Slika
“Slika” predstavlja dodelitev, prevzem(Ik,Ij) predstavlja izračun preostale vrednosti v linearni regresiji Ik=a+bIj, rank(Ik) predstavlja nov vektor, ki ga tvori zaporedno število elementov v orientaciji Ik od malega do velikega.
Po dvosmerni iteraciji, dokler se RMS vrednost ρ, ki predstavlja korelacijo, ne zmanjša, dobimo matriko položaja vsake naključne spremenljivke po permutaciji, nato pa dobimo permutacijsko matriko naključnih spremenljivk z najmanjšo korelacijo.
(5)
Pri čemer je slika korelacijski koeficient med Ik in Ij, cov je kovarianca in VAR je varianca.
2. Večciljna optimizacijska konfiguracija sistema za shranjevanje energije
2.1 Ciljna funkcija
Za optimizacijo moči in zmogljivosti sistema za shranjevanje energije je vzpostavljena večciljna optimizacijska funkcija glede na stroške sistema za shranjevanje energije, verjetnost izklopa električne energije in izgubo omrežja. Zaradi različnih dimenzij posameznega indikatorja se za vsak kazalnik izvaja standardizacija odstopanj. Po standardizaciji odstopanja bo razpon vrednosti opazovanih vrednosti različnih spremenljivk med (0,1), standardizirani podatki pa so čiste količine brez enot. V dejanski situaciji lahko pride do razlik v poudarku na vsakem kazalniku. Če ima vsak kazalnik določeno težo, je mogoče analizirati in preučiti različne poudarke.
(6)
kjer je w indeks, ki ga je treba optimizirati; Wmin in wmax sta minimum in maksimum izvirne funkcije brez standardizacije.
Ciljna funkcija je
(7)
V formuli so λ1 ~ λ3 utežni koeficienti, Eloss, PE in CESS so standardizirana izguba omrežja podružnice, verjetnost prehoda aktivne moči veje in investicijski stroški za shranjevanje energije.
2.2 Genetski algoritem
Genetski algoritem je neke vrste optimizacijski algoritem, vzpostavljen s posnemanjem genetskih in evolucijskih zakonov preživetja najmočnejših in preživetja najmočnejših v naravi. Najprej gre za kodiranje, začetno populacijo, ki vsako kodiranje v imenu posameznika (izvedljiva rešitev problema), zato je vsaka izvedljiva rešitev od transformacije genotipa fenotipa, da se lotimo izbire v skladu z zakoni narave za vsakega posameznika in izbrano v vsako generacijo na naslednjo generacijo računalniškega okolja, da se prilagodi močnemu posamezniku, dokler se najbolj prilagodi okolju posameznika, Po dekodiranju je približna optimalna rešitev problema.
V tem prispevku je elektroenergetski sistem, vključno s fotovoltaiko in shranjevanjem energije, najprej izračunan z algoritmom verjetnostnega pretoka moči, pridobljeni podatki pa se uporabijo kot vhodna spremenljivka genetskega algoritma za rešitev problema. Postopek izračuna je prikazan na sliki 3, ki je v glavnem razdeljen na naslednje korake:
Slika
sl. 3 Potek algoritma
(1) Vhodni sistem, fotovoltaični podatki in podatki za shranjevanje energije ter izvajanje latinskega vzorčenja hiperkocke in ortogonalizacije Gram-Schmidtovega zaporedja;
(2) Vnesite vzorčene podatke v model izračuna pretoka moči in zabeležite rezultate izračuna;
(3) Izhodni rezultati so bili kodirani s kromosomom, da se ustvari začetna populacija, ki ustreza vrednosti vzorčenja;
(4) Izračunajte sposobnost vsakega posameznika v populaciji;
(5) izbrati, križati in mutirati, da bi ustvarili novo generacijo populacije;
(6) presodite, ali so zahteve izpolnjene, če ne, vrnite korak (4); Če je odgovor pritrdilen, se po dekodiranju izpiše optimalna rešitev.
3. Primer analize
Metoda verjetnostnega pretoka moči je simulirana in analizirana v testnem sistemu vozlišča IEEE24, prikazanem na sl. 4, v katerem je napetostni nivo 1-10 vozlišč 138 kV, 11-24 vozlišč pa 230 kV.
Slika
Slika 4 Testni sistem vozlišča IEEE24
3.1 Vpliv fotovoltaične elektrarne na elektroenergetski sistem
Fotonapetostna elektrarna v elektroenergetskem sistemu, lokacija in zmogljivost elektroenergetskega sistema bosta vplivali na napetost vozlišča in moč vej, zato pred analizo vpliva sistema za shranjevanje energije za elektroenergetsko omrežje v tem razdelku najprej analiziramo vpliv fotovoltaične moči. postaje na sistemu, fotovoltaični dostop do sistema v tem prispevku, trend meje verjetnosti, izguba omrežja in tako naprej je nadaljevala simulacijska analiza.
Kot je razvidno iz sl. 5(a), potem ko je fotovoltaična elektrarna priključena, so vozlišča z manjšo mejo pretoka moči veje naslednja: 11, 12, 13, 23, 13 za uravnoteženje vozlišča, napetost vozlišča in fazni kot, imajo učinek stabilnega ravnotežja moči električnega omrežja, 11, 12 in 23 namesto neposredno povezanih, zaradi česar je več vozlišč povezanih z mejo verjetnosti manjše in večje moči, bo fotovoltaična elektrarna dostopala do vozlišča z učinkom ravnotežja manj na vpliv elektroenergetskega sistema.
Slika
Slika 5. (a) vsota verjetnosti izklopa pretoka moči (b) nihanje napetosti vozlišča (c) skupna izguba sistema v omrežju različnih fotonapetostnih dostopnih točk
Poleg preseganja pretoka moči je v tem prispevku analiziran tudi vpliv fotovoltaike na napetost vozlišča, kot je prikazano na sl. 5(b). Za primerjavo so izbrana standardna odstopanja napetostnih amplitud vozlišč 1, 3, 8, 13, 14, 15 in 19. V celoti gledano priklop fotovoltaičnih elektrarn na električno omrežje nima velikega vpliva na napetost vozlišč, imajo pa fotovoltaične elektrarne velik vpliv na napetost a-vozlišč in njihovih bližnjih vozlišč. Poleg tega je v sistemu, ki ga je sprejel primer izračuna, s primerjavo ugotovljeno, da je fotovoltaična elektrarna bolj primerna za dostop do tipov vozlišč: ① vozlišč z višjim napetostnim razredom, kot so 14, 15, 16 itd., napetost se skoraj ne spremeni; (2) vozlišča, ki jih podpirajo generatorji ali nastavitvene kamere, kot so 1, 2, 7 itd.; (3) v liniji upor je velik na koncu vozlišča.
Za analizo vpliva fotonapetostne dostopne točke na skupno izgubo omrežja elektroenergetskega sistema je v tem prispevku narejena primerjava, kot je prikazano na sliki 5(c). Vidimo lahko, da če so nekatera vozlišča z veliko močjo obremenitve in brez napajanja priključena na PV elektrarno, se bo izguba omrežja v sistemu zmanjšala. Nasprotno, vozlišča 21, 22 in 23 so konec napajanja, ki je odgovoren za centraliziran prenos moči. Fotovoltaična elektrarna, povezana s temi vozlišči, bo povzročila veliko izgubo omrežja. Zato je treba dostopno točko PV elektrarne izbrati na sprejemnem koncu moči ali vozlišču z veliko obremenitvijo. Ta način dostopa lahko naredi porazdelitev pretoka moči sistema bolj uravnoteženo in zmanjša izgubo omrežja v sistemu.
Na podlagi treh dejavnikov pri analizi zgornjih rezultatov je v prispevku za dostopno točko fotovoltaične elektrarne vzeto vozlišče 14, nato pa se preučuje vpliv zmogljivosti različnih fotovoltaičnih elektrarn na elektroenergetski sistem.
Slika 6(a) analizira vpliv fotovoltaične zmogljivosti na sistem. Vidimo lahko, da se standardni odklon aktivne moči vsake veje povečuje s povečanjem fotovoltaične zmogljivosti, med obema pa obstaja pozitivna linearna povezava. Razen za več vej, prikazanih na sliki, so vse standardne deviacije drugih vej manjše od 5 in kažejo linearno razmerje, ki so zaradi udobja risanja prezrte. Vidimo, da ima priklop na fotovoltaično omrežje velik vpliv na moč neposredno povezanih s fotovoltaično dostopno točko ali sosednjimi vejami. Zaradi omejenega prenosa daljnovoda je daljnovodov količin gradnje in investicij ogromno, zato je treba pri postavitvi fotovoltaične elektrarne upoštevati omejitev transportne zmogljivosti, izbrati najmanjši vpliv na dostop do daljnovoda do najboljše lokacije, poleg tega pa izbira najboljše zmogljivosti fotovoltaične elektrarne bo imela pomembno vlogo pri zmanjševanju tega učinka.
Slika
Slika 6. (a) Standardna deviacija aktivne moči vej (b) verjetnost preseganja meje pretoka moči vej (c) skupna izguba omrežja pri različnih fotovoltaičnih zmogljivostih
sl. 6(b) primerja verjetnost, da bo delovna moč presegla mejo vsake veje pri različnih zmogljivostih PV elektrarn. Razen vej, prikazanih na sliki, ostale veje niso presegle meje oziroma je bila verjetnost zelo majhna. V primerjavi s sl. 6(a), je razvidno, da verjetnost izven meje in standardna deviacija nista nujno povezani. Aktivna moč linije z velikim nihanjem standardnega odklona ni nujno izključena, razlog pa je povezan s smerjo prenosa fotovoltaične izhodne moči. Če je v isti smeri kot izvirni tok moči veje, lahko majhna fotovoltaična moč povzroči tudi izklop. Ko je moč PV zelo velika, pretok moči ne sme preseči meje.
Na sl. 6(c), se skupna izguba omrežja poveča s povečanjem fotovoltaične zmogljivosti, vendar ta učinek ni očiten. Ko se fotovoltaična zmogljivost poveča za 60 MW, se skupna izguba omrežja poveča le za 0.5 %, torej 0.75 MW. Zato je treba pri nameščanju fotonapetostnih elektrarn izgubo omrežja vzeti kot sekundarni dejavnik in najprej upoštevati dejavnike, ki imajo večji vpliv na stabilno delovanje sistema, kot so nihanje moči daljnovoda in verjetnost izven meje. .
3.2 Vpliv dostopa do skladišča energije na sistem
Razdelek 3.1 Dostopni položaj in zmogljivost fotovoltaične elektrarne sta odvisna od elektroenergetskega sistema