Abstrak Proporsi anu luhur tina pembangkit listrik fotovoltaik bakal gaduh pangaruh anu ngabahayakeun kana stabilitas sistem kakuatan, sareng panyimpen énergi dianggap salah sahiji cara anu efektif pikeun ngaleungitkeun épék ieu. Tulisan ieu nganalisa pangaruh pembangkit listrik fotovoltaik dina sistem kakuatan tina sudut pandang aliran kakuatan, teras nganalisa pangaruh neundeun énergi pikeun nahan pangaruh. Mimiti, modél distribusi probabiliti sareng modél panyimpen énergi komponén dina sistem kakuatan diwanohkeun, sareng metode sampling hypercube Latin sareng metode normalisasi sekuen gram-Schmidt diwanohkeun. Bréh, modél optimasi multi-tujuan diadegkeun, anu dianggap biaya sistem panyimpen énérgi, kamungkinan pareum-wates aliran kakuatan cabang sareng leungitna jaringan tina jaringan listrik. Solusi optimal tina fungsi obyektif dicandak ku algoritma genetik. Tungtungna, simulasi dilumangsungkeun dina sistem test titik IEEE24 pikeun nganalisis pangaruh kapasitas aksés photovoltaic béda jeung lokasi aksés dina sistem kakuatan sarta pangaruh neundeun énergi dina sistem kakuatan, sarta konfigurasi gudang énergi optimal pakait jeung kapasitas photovoltaic béda. diala.

Kecap konci generasi kakuatan photovoltaic; Sistim neundeun énergi; Konfigurasi dioptimalkeun; Aliran kakuatan probabiliti; Algoritma genetik (ga)

Photovoltaic power generation has the advantages of green environmental protection and renewable, and is considered to be one of the most potential renewable energy. By 2020, China’s cumulative installed capacity of photovoltaic power generation has reached 253 million kw. The intermittency and uncertainty of large-scale PV power affect the power system, including issues of peak shaving, stability and light discarding, and the grid needs to adopt more flexible measures to cope with these issues. Energy storage is considered to be an effective way to solve these problems. The application of energy storage system brings a new solution for large-scale photovoltaic grid connection.

Ayeuna, aya seueur panilitian ngeunaan generasi listrik fotovoltaik, sistem panyimpen énergi sareng aliran kakuatan probabilitas di bumi sareng di luar negeri. A angka nu gede ngarupakeun studi literatur némbongkeun yén neundeun énergi bisa ningkatkeun laju utilization of photovoltaic jeung ngajawab stabilitas sambungan grid photovoltaic. Dina konfigurasi sistem panyimpen énérgi dina pembangkit listrik énergi anyar, perhatian kedah dibayar henteu ngan ukur kana strategi kontrol panyimpen optik sareng panyimpen angin, tapi ogé kana ékonomi sistem panyimpen énergi. Salaku tambahan, pikeun optimasi sababaraha stasion listrik panyimpen énérgi dina sistem kakuatan, perlu diajar modél ékonomi operasi stasion listrik panyimpen énérgi, pilihan situs tina titik awal sareng titik tungtung saluran transmisi fotovoltaik sareng pilihan situs neundeun énergi. Nanging, panilitian anu aya dina konfigurasi optimal sistem panyimpen énergi henteu nganggap dampak khusus dina sistem kakuatan, sareng panalungtikan ngeunaan sistem multi-titik henteu ngalibetkeun ciri operasi panyimpen optik skala ageung.

Kalawan ngembangkeun badag skala generasi kakuatan tanaga anyar teu pasti kayaning kakuatan angin jeung photovoltaic, perlu ngitung aliran kakuatan tina sistem kakuatan dina tata operasi tina sistem kakuatan. Salaku conto, literatur ngulik lokasi optimal sareng alokasi kapasitas panyimpen énergi dina sistem kakuatan kalayan kakuatan angin. Salaku tambahan, korelasi antara sababaraha sumber énergi anyar ogé kedah dipertimbangkeun dina itungan aliran kakuatan. Tapi, sadaya studi di luhur dumasar kana métode aliran kakuatan deterministik, nu teu nganggap kateupastian generasi énergi anyar. Literatur ngemutan kateupastian kakuatan angin sareng nerapkeun metode aliran kakuatan optimal probabilistik pikeun ngaoptimalkeun pilihan situs sistem panyimpen énergi, anu ningkatkeun ékonomi operasi.

At present, different probabilistic power flow algorithms have been proposed by scholars, and data mining methods of nonlinear probabilistic power flow based on Monte Carlo simulation method have been proposed in literatures, but the timeliness of Monte Carlo method is very poor. It is proposed in the literature to use the probabilistic optimal power flow to study the location of energy storage, and 2 m point method is used, but the calculation accuracy of this method is not ideal. The application of Latin hypercube sampling method in power flow calculation is studied in this paper, and the superiority of Latin hypercube sampling method is illustrated by numerical examples.

Dumasar kana panalungtikan di luhur, makalah ieu ngagunakeun métode aliran kakuatan probabilistik pikeun nalungtik alokasi optimal panyimpen énérgi dina sistem kakuatan jeung pembangkit listrik photovoltaic skala badag. Mimiti, modél distribusi probabiliti sareng metode sampling hypercube Latin komponén dina sistem kakuatan diwanohkeun. Bréh, model optimasi multi-tujuan dijieun tempo biaya neundeun énergi, aliran kakuatan leuwih probability wates jeung leungitna jaringan. Tungtungna, analisis simulasi dilaksanakeun dina sistem uji titik IEEE24.

1. Probabilistic power flow model

1.1 Modél kateupastian komponén

Photovoltaic, load and generator are all random variables with uncertainty. In the calculation of probabilistic power flow of distribution network, the probabilistic model is explained in the literature. Through the analysis of historical data, the output power of photovoltaic power generation follows BETA distribution. By fitting the probability distribution of load power, it is assumed that load follows normal distribution, and its probability density distribution function is

Gambar (1)

Dimana, Pl nyaéta kakuatan beban; μ L jeung σ L nyaéta ekspektasi jeung varian beban masing-masing.

Modél probabiliti generator biasana adopts sebaran dua-titik, sarta probability density fungsi distribution nyaeta

(2)

Dimana, P nyaéta kamungkinan operasi normal generator; PG nyaéta kakuatan kaluaran generator.

Lamun lampu geus cukup beurang, kakuatan aktif tina stasiun kakuatan photovoltaic badag, sarta kakuatan anu hese dipake dina jangka waktu bakal disimpen dina batré gudang énergi. Nalika kakuatan beban luhur, batré panyimpen énergi bakal ngaleupaskeun énergi anu disimpen. Persamaan kasaimbangan énergi sakedapan tina sistem panyimpen énergi nyaéta

Nalika ngecas

(3)

When the discharge

(4)

kendala

gambar,

gambar,

Gambar, gambar

Dimana, St nyaéta énergi anu disimpen dina waktos T; Pt nyaéta daya muatan jeung ngurangan tina neundeun énergi; SL sareng SG mangrupikeun énergi ngecas sareng ngecas masing-masing. η C jeung η D masing-masing ngecas na discharging efisiensi. Ds nyaeta laju timer ngurangan panyimpen énergi.

1.2 Métode sampling hypercube Latin

Aya metodeu simulasi, metode perkiraan sareng metode analitik anu tiasa dianggo pikeun nganalisis aliran kakuatan sistem dina faktor anu teu pasti. simulasi Monte Carlo mangrupakeun salah sahiji metodeu paling akurat dina algoritma aliran kakuatan probabilistik, tapi timeliness na low dibandingkeun kalawan precision tinggi. Dina kasus kali sampling low, metoda ieu biasana malire buntut tina kurva distribution probabiliti, tapi dina raraga ngaronjatkeun akurasi, éta perlu ningkatkeun kali sampling. Métode sampling hypercube Latin ngahindarkeun masalah ieu. Éta mangrupikeun metode sampling hirarkis, anu tiasa mastikeun yén titik sampling ngagambarkeun distribusi probabilitas sacara efektif sareng ngirangan waktos sampling sacara efektif.

Figure 1 shows the expectation and variance of Latin hypercube sampling method and Monte Carlo simulation method with sampling times ranging from 10 to 200. The overall trend of results obtained by the two methods is decreasing. However, the expectation and variance obtained by monte Carlo method are very unstable, and the results obtained by multiple simulations are not the same with the same sampling times. The variance of Latin hypercube sampling method decreases steadily with the increase of sampling times, and the relative error decreases to less than 5% when the sampling times are more than 150. It is worth noting that the sampling point of the Latin hypercube sampling method is symmetric about the Y-axis, so its expected error is 0, which is also its advantage.

Gambarna

BUAH ARA. 1 Babandingan waktu sampling béda antara MC jeung LHS

Métode sampling hypercube Latin nyaéta métode sampling berlapis. Ku ngaronjatkeun prosés generasi sampel input variabel acak, nilai sampling bisa éféktif ngagambarkeun sebaran sakabéh variabel acak. Prosés sampling dibagi jadi dua léngkah.

(1) Sampling

Xi (I = 1, 2,… ,m) nyaéta m variabel acak, jeung waktu sampling N, ditémbongkeun saperti dina Gbr. 2. Kurva distribusi probabilitas kumulatif Xi dibagi kana interval N kalayan jarak anu sarua jeung euweuh tumpang tindihna, titik tengah unggal interval dipilih salaku nilai sampling tina probabiliti Y, lajeng nilai sampling Xi= p-1 (Yi) nyaeta diitung ku ngagunakeun fungsi invers, sarta Xi diitung ngarupakeun nilai sampling variabel acak.

Gambarna

Gambar 2 diagram skématik LHS

(2) Permutations

Nilai-nilai sampling variabel acak tina (1) disusun sacara berurutan, jadi korélasi antara m variabel acak nyaéta 1, anu teu bisa diitung. Metoda orthogonalization runtuyan gram-Schmidt bisa diadopsi pikeun ngurangan korelasi antara nilai sampling variabel acak. Mimitina, matriks orde K×M I=[I1, I2…, IK]T dihasilkeun. Unsur dina unggal baris disusun acak tina 1 nepi ka M, sarta aranjeunna ngagambarkeun posisi nilai sampling tina variabel acak aslina.

Positive iteration

Gambarna

A iterative sabalikna

Gambarna

“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.

Saatos iterasi dua arah dugi ka nilai RMS ρ, anu ngagambarkeun korelasi, henteu turun, matriks posisi unggal variabel acak saatos permutasi dicandak, teras matriks permutasi variabel acak kalayan korelasi pangsaeutikna tiasa dicandak.

(5)

Dimana, gambar nyaéta koefisien korelasi antara Ik sareng Ij, cov nyaéta kovarian, sareng VAR nyaéta varian.

2. Multi-objective optimization configuration of energy storage system

2.1 Objective function

Pikeun ngaoptimalkeun kakuatan sareng kapasitas sistem panyimpen énérgi, fungsi optimasi multi-tujuan didirikeun nimbangkeun biaya sistem panyimpen énérgi, kamungkinan pareum-wates kakuatan sareng leungitna jaringan. Alatan dimensi béda unggal indikator, standarisasi simpangan dilaksanakeun pikeun tiap indikator. Sanggeus standarisasi simpangan, rentang nilai tina niléy observasi tina rupa-rupa variabel bakal antara (0,1), sarta data standar mangrupakeun kuantitas murni tanpa hijian. Dina kaayaan sabenerna, meureun aya béda dina tekenan kana unggal indikator. Lamun unggal indikator dibéré beurat nu tangtu, tinekanan béda bisa dianalisis tur ditalungtik.

(6)

Dimana, w nyaéta indéks pikeun dioptimalkeun; Wmin sareng wmax mangrupikeun minimum sareng maksimal tina fungsi aslina tanpa standarisasi.

Fungsi obyektif nyaeta

(7)

Dina rumus, λ1 ~ λ3 mangrupakeun koefisien beurat, Eloss, pe jeung CESS anu standardized leungitna jaringan cabang, kakuatan aktif nyebrang probabilitas jeung neundeun énergi waragad investasi mungguh.

2.2 Genetic algorithm

Genetic algorithm is a kind of optimization algorithm established by imitating the genetic and evolutionary laws of survival of the fittest and survival of the fittest in nature. It first to coding, initial population each coding on behalf of an individual (a feasible solution of the problem), so each feasible solution is from for genotype phenotype transformation, to undertake choosing according to the laws of nature for each individual, and selected in each generation to the next generation of computing environment to adapt to the strong individual, until the most adaptable to the environment of the individual, After decoding, it is the approximate optimal solution of the problem.

Dina makalah ieu, sistem kakuatan kaasup photovoltaic jeung neundeun énergi munggaran diitung ku algoritma aliran kakuatan probabilistik, sarta data diala dipaké salaku variabel input tina algoritma genetik pikeun ngajawab masalah. Prosés itungan dipidangkeun dina Gambar 3, anu utamana dibagi kana léngkah-léngkah ieu:

Gambarna

BUAH ARA. 3 Aliran algoritma

(1) Sistim input, photovoltaic jeung data neundeun énergi, sarta ngalakukeun Latin hypercube sampling jeung orthogonalization runtuyan Gram-Schmidt;

(2) Input data sampel kana modél itungan aliran daya sarta catetan hasil itungan;

(3) The output results were encoded by chromosome to generate the initial population corresponding to the sampling value;

(4) Ngitung kabugaran unggal individu dina populasi;

(5) select, cross and mutate to produce a new generation of population;

(6) Judge whether the requirements are met, if not, return step (4); If yes, the optimal solution is output after decoding.

3. Example analysis

Metodeu aliran kakuatan probabilistik ieu simulated sarta dianalisis dina sistem test IEEE24-titik ditémbongkeun dina Gbr. 4, dimana tingkat tegangan 1-10 titik nyaéta 138 kV, sareng 11-24 titik nyaéta 230 kV.

Gambarna

Gambar 4 Sistim tés titik IEEE24

3.1 Pangaruh pembangkit listrik photovoltaic dina sistem kakuatan

Pembangkit listrik fotovoltaic dina sistem kakuatan, lokasi sareng kapasitas sistem kakuatan bakal mangaruhan tegangan titik sareng kakuatan cabang, ku kituna, sateuacan analisa pangaruh sistem panyimpen énérgi pikeun grid listrik, bagian ieu mimitina analisa pangaruh kakuatan photovoltaic. stasiun on sistem, aksés photovoltaic sistem dina makalah ieu, trend wates probabiliti, leungitna jaringan jeung saterusna geus dilumangsungkeun dina analisis simulasi.

Salaku bisa ditempo ti Gbr. 5(a), sanggeus stasiun kakuatan photovoltaic disambungkeun, titik jeung cabang leuwih leutik aliran kakuatan overlimit nyaéta kieu: 11, 12, 13, 23, 13 pikeun nyaimbangkeun titik titik, tegangan titik jeung sudut fase dibikeun, boga pangaruh kasaimbangan kakuatan grid stabil, 11, 12 jeung 23 tinimbang langsung disambungkeun, salaku hasilna, sababaraha titik disambungkeun ka wates kamungkinan kakuatan leuwih leutik sarta leuwih, stasiun kakuatan photovoltaic bakal ngakses titik kalawan pangaruh kasaimbangan kirang dina dampak sistem kakuatan.

Gambarna

Figure 5. (a) sum of power flow off-limit probability (b) node voltage fluctuation (c) total system network loss of different PV access points

Salian kaleuwihan aliran kakuatan, makalah ieu ogé nganalisis pangaruh photovoltaic dina tegangan titik, sapertos anu dipidangkeun dina Gbr. 5(b). Simpangan baku tina amplitudo tegangan titik 1, 3, 8, 13, 14, 15 jeung 19 dipilih pikeun babandingan. Sacara umum, sambungan stasiun listrik photovoltaic ka grid kakuatan teu boga pangaruh hébat kana tegangan titik, tapi stasiun kakuatan photovoltaic boga pangaruh hébat kana tegangan a-Nodes jeung titik caket dieu maranéhanana. Sajaba ti éta, dina sistem diadopsi ku conto itungan, ngaliwatan ngabandingkeun, eta kapanggih yén stasiun kakuatan photovoltaic leuwih cocog pikeun aksés ka jenis titik: ① titik kalawan tegangan kelas luhur, kayaning 14, 15, 16, jsb. tegangan ampir teu robah; (2) titik dirojong ku generator atawa nyaluyukeun kaméra, kayaning 1, 2, 7, jsb; (3) dina lalawanan garis badag dina tungtung titik.

Dina raraga nganalisis pangaruh titik aksés PV dina total leungitna jaringan tina sistem kakuatan, makalah ieu ngajadikeun ngabandingkeun sakumaha ditémbongkeun dina Gambar 5(c). Ieu bisa ditempo yén lamun sababaraha titik kalawan kakuatan beban badag tur euweuh catu daya disambungkeun ka stasiun kakuatan pv, leungitna jaringan tina sistem bakal ngurangan. Sabalikna, titik 21, 22 sareng 23 mangrupikeun tungtung catu daya, anu tanggung jawab pikeun pangiriman kakuatan terpusat. Pembangkit listrik photovoltaic disambungkeun ka titik ieu bakal ngabalukarkeun leungitna jaringan badag. Ku alatan éta, titik aksés stasiun kakuatan pv kudu dipilih di tungtung narima kakuatan atawa titik kalawan beban badag. Modeu aksés ieu tiasa ngajantenkeun distribusi aliran kakuatan sistem langkung saimbang sareng ngirangan leungitna jaringan sistem.

Dumasar kana tilu faktor dina analisis hasil di luhur, titik 14 dicokot salaku titik aksés stasiun kakuatan photovoltaic dina makalah ieu, lajeng pangaruh kapasitas stasiun kakuatan photovoltaic béda dina sistem kakuatan diulik.

Gambar 6(a) nganalisis pangaruh kapasitas photovoltaic dina sistem. Ieu bisa ditempo yén simpangan baku tina kakuatan aktif unggal cabang naek kalawan ngaronjatna kapasitas photovoltaic, sarta aya hubungan linier positif antara dua. Iwal sababaraha cabang ditémbongkeun dina gambar, simpangan baku tina cabang séjén sadayana kirang ti 5 sarta nembongkeun hubungan linier, nu teu dipalire keur genah tina gambar. Ieu bisa ditempo yén sambungan grid photovoltaic boga pangaruh hébat kana kakuatan langsung disambungkeun jeung titik aksés photovoltaic atawa cabang padeukeut. Kusabab kawates transmisi garis transmisi kakuatan, anu garis transmisi kuantitas konstruksi sarta investasi anu badag, jadi masang stasiun kakuatan photovoltaic, kudu mertimbangkeun watesan kapasitas transportasi, milih pangaruh pangleutikna on aksés jalur ka lokasi pangalusna, sajaba, milih kapasitas pangalusna stasiun kakuatan photovoltaic bakal maénkeun bagian penting pikeun ngurangan éfék ieu.

Gambarna

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

BUAH ARA. 6 (b) ngabandingkeun kamungkinan kakuatan aktip ngaleuwihan wates unggal cabang dina kapasitas stasiun kakuatan pv béda. Iwal cabang ditémbongkeun dina gambar, cabang séjén teu ngaleuwihan wates atawa probabiliti pisan leutik. Dibandingkeun jeung Gbr. 6(a), bisa ditempo yén kamungkinan kaluar-wates jeung simpangan baku teu merta patali. Kakuatan aktif tina garis kalayan fluktuasi simpangan baku badag teu merta kaluar-wates, sarta alesanana patali jeung arah transmisi kakuatan kaluaran photovoltaic. Lamun dina arah nu sarua salaku aliran kakuatan cabang aslina, kakuatan photovoltaic leutik ogé bisa ngabalukarkeun kaluar-wates. Lamun kakuatan pv kacida gedéna, aliran kakuatan bisa jadi teu ngaleuwihan wates.

Dina Gbr. 6(c), total leungitna jaringan tina sistem naek jeung ngaronjatna kapasitas photovoltaic, tapi pangaruh ieu teu atra. Lamun kapasitas photovoltaic ngaronjat ku 60 MW, total leungitna jaringan ngan ngaronjat ku 0.5%, nyaéta 0.75 MW. Ku alatan éta, nalika masang stasiun kakuatan pv, leungitna jaringan kudu dianggap salaku faktor sekundér, sarta faktor anu boga dampak gede dina operasi stabil tina sistem kudu dianggap munggaran, kayaning fluktuasi kakuatan garis transmisi jeung kaluar-of-wates probability. .

3.2 Impact of energy storage access on the system

Bagian 3.1 Posisi aksés sareng kapasitas pembangkit listrik fotovoltaik gumantung kana sistem kakuatan