Abstract Ang mataas na proporsyon ng photovoltaic power generation ay magkakaroon ng masamang epekto sa katatagan ng power system, at ang pag-iimbak ng enerhiya ay itinuturing na isa sa mabisang paraan upang maalis ang mga epektong ito. Sinusuri ng papel na ito ang impluwensya ng photovoltaic power generation sa power system mula sa pananaw ng daloy ng kuryente, at pagkatapos ay sinusuri ang epekto ng pag-iimbak ng enerhiya sa pagpigil sa impluwensya. Una, ang modelo ng pamamahagi ng probabilidad at modelo ng pag-iimbak ng enerhiya ng mga bahagi sa sistema ng kuryente ay ipinakilala, at ang paraan ng Latin hypercube sampling at pamamaraan ng normalisasyon ng pagkakasunud-sunod ng gram-Schmidt ay ipinakilala. Pangalawa, ang isang multi-layunin na modelo ng pag-optimize ay itinatag, na isinasaalang-alang ang halaga ng sistema ng pag-iimbak ng enerhiya, ang off-limit na posibilidad ng daloy ng kapangyarihan ng sangay at ang pagkawala ng network ng grid ng kuryente. Ang pinakamainam na solusyon ng layunin ng pag-andar ay nakuha sa pamamagitan ng genetic algorithm. Sa wakas, ang simulation ay isinasagawa sa IEEE24 node test system upang pag-aralan ang impluwensya ng iba’t ibang photovoltaic access capacity at access location sa power system at ang epekto ng energy storage sa power system, at ang pinakamainam na energy storage configuration na naaayon sa iba’t ibang photovoltaic capacity. ay nakuha.

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

Sa kasalukuyan, maraming pananaliksik sa photovoltaic power generation, energy storage system at probability power flow sa loob at labas ng bansa. Ang isang malaking bilang ng mga pag-aaral sa literatura ay nagpapakita na ang pag-iimbak ng enerhiya ay maaaring mapabuti ang rate ng paggamit ng photovoltaic at malutas ang katatagan ng koneksyon ng photovoltaic grid. Sa pagsasaayos ng sistema ng imbakan ng enerhiya sa bagong istasyon ng kuryente ng enerhiya, dapat bigyang pansin hindi lamang ang diskarte sa kontrol ng optical storage at wind storage, kundi pati na rin ang ekonomiya ng sistema ng imbakan ng enerhiya. Bilang karagdagan, para sa pag-optimize ng maraming mga istasyon ng kuryente sa pag-iimbak ng enerhiya sa sistema ng kuryente, kinakailangan na pag-aralan ang modelong pang-ekonomiya ng pagpapatakbo ng mga istasyon ng kuryente sa pag-iimbak ng enerhiya, ang pagpili ng site ng panimulang punto at pagtatapos ng mga channel ng transmisyon ng photovoltaic at ang pagpili ng site ng imbakan ng enerhiya. Gayunpaman, ang umiiral na pananaliksik sa pinakamainam na pagsasaayos ng sistema ng pag-iimbak ng enerhiya ay hindi isinasaalang-alang ang tiyak na epekto sa sistema ng kuryente, at ang pananaliksik sa multi-point system ay hindi nagsasangkot ng malalaking katangian ng optical storage operation.

Sa malakihang pag-unlad ng hindi tiyak na bagong pagbuo ng kuryente tulad ng lakas ng hangin at photovoltaic, kinakailangang kalkulahin ang daloy ng kuryente ng power system sa pagpaplano ng operasyon ng power system. Halimbawa, pinag-aaralan ng literatura ang pinakamainam na lokasyon at paglalaan ng kapasidad ng pag-iimbak ng enerhiya sa sistema ng kuryente na may lakas ng hangin. Bilang karagdagan, ang ugnayan sa pagitan ng maramihang mga bagong mapagkukunan ng enerhiya ay dapat ding isaalang-alang sa pagkalkula ng daloy ng kuryente. Gayunpaman, ang lahat ng mga pag-aaral sa itaas ay batay sa mga deterministikong pamamaraan ng daloy ng kuryente, na hindi isinasaalang-alang ang kawalan ng katiyakan ng bagong henerasyon ng enerhiya. Isinasaalang-alang ng literatura ang kawalan ng katiyakan ng lakas ng hangin at inilalapat ang probabilistikong pinakamainam na paraan ng daloy ng kuryente upang ma-optimize ang pagpili ng site ng sistema ng pag-iimbak ng enerhiya, na nagpapabuti sa ekonomiya ng operasyon.

Sa kasalukuyan, ang iba’t ibang probabilistic power flow algorithm ay iminungkahi ng mga iskolar, at ang mga pamamaraan ng data mining ng nonlinear probabilistic power flow batay sa Monte Carlo simulation method ay iminungkahi sa mga literatura, ngunit ang pagiging maagap ng Monte Carlo na pamamaraan ay napakahirap. Iminungkahi sa literatura na gamitin ang probabilistikong pinakamainam na daloy ng kuryente upang pag-aralan ang lokasyon ng imbakan ng enerhiya, at 2 m point na paraan ang ginagamit, ngunit ang katumpakan ng pagkalkula ng pamamaraang ito ay hindi perpekto. Ang aplikasyon ng Latin hypercube sampling na paraan sa pagkalkula ng daloy ng kuryente ay pinag-aralan sa papel na ito, at ang higit na kahusayan ng Latin hypercube sampling na paraan ay inilalarawan ng mga numerical na halimbawa.

Batay sa pananaliksik sa itaas, ang papel na ito ay gumagamit ng probabilistic power flow method upang pag-aralan ang pinakamainam na alokasyon ng imbakan ng enerhiya sa power system na may malakihang photovoltaic power generation. Una, ipinakilala ang probability distribution model at Latin hypercube sampling method ng mga bahagi sa power system. Pangalawa, ang isang multi-layunin na modelo ng pag-optimize ay itinatag na isinasaalang-alang ang gastos sa pag-iimbak ng enerhiya, daloy ng kuryente sa posibilidad ng limitasyon at pagkawala ng network. Sa wakas, ang simulation analysis ay isinasagawa sa IEEE24 node test system.

1. Probabilistic power flow model

1.1 Kawalang-katiyakan na modelo ng mga bahagi

Ang photovoltaic, load at generator ay pawang mga random na variable na walang katiyakan. Sa pagkalkula ng probabilistic power flow ng distribution network, ang probabilistic model ay ipinaliwanag sa literatura. Sa pamamagitan ng pagsusuri ng makasaysayang data, ang output power ng photovoltaic power generation ay sumusunod sa BETA distribution. Sa pamamagitan ng paglalagay ng probability distribution ng load power, ipinapalagay na ang load ay sumusunod sa normal na distribution, at ang probability density distribution function nito ay

Larawan (1)

Where, Pl is the load power; μ L and σ L are the expectation and variance of load respectively.

Ang probability model ng generator ay karaniwang gumagamit ng dalawang-puntong pamamahagi, at ang probability density distribution function nito ay

(2)

Where, P is the probability of normal operation of generator; PG is the output power of the generator.

Kapag sapat na ang ilaw sa tanghali, malaki ang aktibong kapangyarihan ng photovoltaic power station, at ang kapangyarihan na mahirap gamitin sa oras ay maiimbak sa baterya ng imbakan ng enerhiya. Kapag mataas ang load power, ilalabas ng energy storage battery ang nakaimbak na enerhiya. Ang instantaneous energy balance equation ng energy storage system ay

Kapag naniningil

(3)

Kapag ang discharge

(4)

Ang pagpilit

Mga larawan,

Mga larawan,

Picture, picture

Kung saan, ang St ay ang enerhiya na nakaimbak sa oras T; Ang Pt ay ang charge at discharge power ng energy storage; Ang SL at SG ay ang enerhiya ng pag-charge at pagdiskarga ayon sa pagkakabanggit. Ang η C at η D ay husay sa pag-charge at pagdiskarga ayon sa pagkakabanggit. Ang Ds ay ang self-discharge rate ng pag-iimbak ng enerhiya.

1.2 Paraan ng Latin hypercube sampling

May mga simulation method, approximate method at analytical method na magagamit para pag-aralan ang system power flow sa ilalim ng hindi tiyak na mga salik. Ang Monte Carlo simulation ay isa sa mga pinakatumpak na pamamaraan sa probabilistic power flow algorithm, ngunit ang pagiging maagap nito ay mababa kumpara sa mataas na katumpakan. Sa kaso ng mga mababang oras ng sampling, kadalasang binabalewala ng pamamaraang ito ang buntot ng kurba ng pamamahagi ng posibilidad, ngunit upang mapabuti ang katumpakan, kailangan nitong dagdagan ang mga oras ng sampling. Ang paraan ng Latin hypercube sampling ay umiiwas sa problemang ito. Ito ay isang hierarchical sampling na paraan, na maaaring matiyak na ang mga sampling point ay nagpapakita ng probabilidad na pamamahagi nang epektibo at mabawasan ang mga oras ng sampling nang epektibo.

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.

Ang larawan

FIG. 1 Paghahambing ng iba’t ibang oras ng sampling sa pagitan ng MC at LHS

Ang Latin hypercube sampling method ay isang layered sampling method. Sa pamamagitan ng pagpapabuti sa proseso ng pagbuo ng sample ng mga random na variable ng input, ang halaga ng sampling ay epektibong maipapakita ang pangkalahatang distribusyon ng mga random na variable. Ang proseso ng sampling ay nahahati sa dalawang hakbang.

(1) Sampling

Xi (I = 1, 2,… ,m) is m random variables, and the sampling times are N, as shown in FIG. 2. The cumulative probability distribution curve of Xi is divided into N interval with equal spacing and no overlap, the midpoint of each interval is selected as the sampling value of probability Y, and then the sampling value Xi= p-1 (Yi) is calculated by using inverse function, and the calculated Xi is the sampling value of random variable.

Ang larawan

Figure 2 schematic diagram ng LHS

(2) Mga Permutasyon

Ang mga halaga ng sampling ng mga random na variable na nakuha mula sa (1) ay sunud-sunod na nakaayos, kaya ang ugnayan sa pagitan ng m random variable ay 1, na hindi maaaring kalkulahin. Maaaring gamitin ang pamamaraang orthogonalization ng pagkakasunud-sunod ng gramo-Schmidt upang mabawasan ang ugnayan sa pagitan ng mga halaga ng sampling ng mga random na variable. Una, nabuo ang isang matrix ng K×M order I=[I1, I2…, IK]T. Ang mga elemento sa bawat row ay random na nakaayos mula 1 hanggang M, at kinakatawan nila ang posisyon ng sampling value ng orihinal na random variable.

Positive iteration

Ang larawan

A reverse iterative

Ang larawan

“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.

Pagkatapos ng bidirectional na pag-ulit hanggang sa ang halaga ng RMS ρ, na kumakatawan sa ugnayan, ay hindi bumababa, ang position matrix ng bawat random variable pagkatapos ng permutation ay nakuha, at pagkatapos ay ang permutation matrix ng mga random na variable na may hindi bababa sa ugnayan ay maaaring makuha.

(5)

Where, the picture is correlation coefficient between Ik and Ij, cov is covariance, and VAR is variance.

2. Multi-layunin na pagsasaayos ng pag-optimize ng sistema ng imbakan ng enerhiya

2.1 Layunin na pag-andar

Upang ma-optimize ang kapangyarihan at kapasidad ng sistema ng pag-iimbak ng enerhiya, ang isang multi-layunin na pag-optimize na function ay itinatag na isinasaalang-alang ang gastos ng sistema ng pag-iimbak ng enerhiya, ang posibilidad ng off-limit ng kuryente at ang pagkawala ng network. Dahil sa iba’t ibang sukat ng bawat indicator, ang standardization ng deviation ay isinasagawa para sa bawat indicator. Pagkatapos ng deviation standardization, ang hanay ng halaga ng mga naobserbahang halaga ng iba’t ibang variable ay nasa pagitan ng (0,1), at ang standardized na data ay puro dami na walang unit. Sa aktwal na sitwasyon, maaaring may mga pagkakaiba sa diin sa bawat indicator. Kung ang bawat indicator ay binibigyan ng tiyak na timbang, maaaring masuri at mapag-aralan ang iba’t ibang mga diin.

(6)

Kung saan, ang w ay ang index na i-optimize; Ang Wmin at wmax ay ang minimum at maximum ng orihinal na function na walang standardisasyon.

The objective function is

(7)

In the formula, λ1 ~ λ3 are weight coefficients, Eloss, PE and CESS are standardized branch network loss, branch active power crossing probability and energy storage investment cost respectively.

2.2 Genetic na algorithm

Ang genetic algorithm ay isang uri ng optimization algorithm na itinatag sa pamamagitan ng paggaya sa genetic at evolutionary na mga batas ng kaligtasan ng pinakamatibay at kaligtasan ng pinakamatibay sa kalikasan. Una sa coding, paunang populasyon ang bawat coding sa ngalan ng isang indibidwal (isang magagawang solusyon ng problema), kaya ang bawat magagawang solusyon ay mula sa pagbabagong-anyo ng genotype phenotype, upang isagawa ang pagpili ayon sa mga batas ng kalikasan para sa bawat indibidwal, at pinili sa bawat henerasyon sa susunod na henerasyon ng computing na kapaligiran upang umangkop sa malakas na indibidwal, hanggang sa pinaka-naaangkop sa kapaligiran ng indibidwal, Pagkatapos ng pag-decode, ito ay ang tinatayang pinakamainam na solusyon ng problema.

Sa papel na ito, ang sistema ng kuryente kasama ang photovoltaic at imbakan ng enerhiya ay unang kinakalkula ng probabilistic power flow algorithm, at ang nakuhang data ay ginagamit bilang input variable ng genetic algorithm upang malutas ang problema. Ang proseso ng pagkalkula ay ipinapakita sa Figure 3, na pangunahing nahahati sa mga sumusunod na hakbang:

Ang larawan

FIG. 3 Daloy ng algorithm

(1) Input system, photovoltaic and energy storage data, and perform Latin hypercube sampling and Gram-Schmidt sequence orthogonalization;

(2) Ipasok ang sample na data sa modelo ng pagkalkula ng daloy ng kuryente at itala ang mga resulta ng pagkalkula;

(3) Ang mga resulta ng output ay na-encode ng chromosome upang makabuo ng paunang populasyon na naaayon sa halaga ng sampling;

(4) Kalkulahin ang kaangkupan ng bawat indibidwal sa populasyon;

(5) pumili, tumawid at mag-mutate para makabuo ng bagong henerasyon ng populasyon;

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

3. Halimbawa ng pagsusuri

Ang probabilistic power flow method ay ginagaya at sinusuri sa IEEE24-node test system na ipinapakita sa FIG. 4, kung saan ang antas ng boltahe ng 1-10 node ay 138 kV, at ang 11-24 node ay 230 kV.

Ang larawan

Figure 4 IEEE24 node test system

3.1 Impluwensiya ng photovoltaic power station sa power system

Photovoltaic power station sa power system, ang lokasyon at kapasidad ng power system ay makakaapekto sa boltahe ng node at branch power, samakatuwid, bago ang pagsusuri ng impluwensya ng energy storage system para sa power grid, sinusuri muna ng seksyong ito ang impluwensya ng photovoltaic power istasyon sa sistema, photovoltaic access ang sistema sa papel na ito, ang takbo ng limitasyon ng posibilidad, ang pagkawala ng network at iba pa ay dinala sa simulation analysis.

As can be seen from FIG. 5(a), after photovoltaic power station is connected, nodes with smaller branch power flow overlimit are as follows: 11, 12, 13, 23, 13 to balance the node node, the node voltage and the phase Angle is given, have the effect of stable power grid power balance, 11, 12 and 23 instead of directly connected, as a result, several nodes connected to the limit the probability of smaller and more power, photovoltaic power station will access the node with balance effect is less on the impact of power system.

Ang larawan

Figure 5. (a) kabuuan ng power flow off-limit probability (b) node voltage fluctuation (c) kabuuang pagkawala ng network ng system ng iba’t ibang PV access point

Bilang karagdagan sa paglampas ng daloy ng kuryente, sinusuri din ng papel na ito ang impluwensya ng photovoltaic sa boltahe ng node, tulad ng ipinapakita sa FIG. 5(b). Ang mga karaniwang paglihis ng mga amplitude ng boltahe ng mga node 1, 3, 8, 13, 14, 15 at 19 ay pinili para sa paghahambing. Sa kabuuan, ang koneksyon ng mga photovoltaic power station sa power grid ay walang malaking impluwensya sa boltahe ng mga node, ngunit ang mga photovoltaic power station ay may malaking impluwensya sa boltahe ng a-Nodes at ang kanilang mga kalapit na node. Bilang karagdagan, sa system na pinagtibay ng halimbawa ng pagkalkula, sa pamamagitan ng paghahambing, napag-alaman na ang photovoltaic power station ay mas angkop para sa pag-access sa mga uri ng node: ① node na may mas mataas na grado ng boltahe, tulad ng 14, 15, 16, atbp., ang boltahe ay halos hindi nagbabago; (2) mga node na sinusuportahan ng mga generator o adjusting camera, gaya ng 1, 2, 7, atbp.; (3) sa linya ng paglaban ay malaki sa dulo ng node.

Upang masuri ang impluwensya ng PV access point sa kabuuang pagkawala ng network ng power system, ang papel na ito ay gumagawa ng paghahambing tulad ng ipinapakita sa Figure 5(c). Ito ay makikita na kung ang ilang mga node na may malaking load power at walang power supply ay konektado sa pv power station, ang pagkawala ng network ng system ay mababawasan. Sa kabaligtaran, ang mga node 21, 22 at 23 ay ang dulo ng supply ng kuryente, na responsable para sa sentralisadong paghahatid ng kuryente. Ang photovoltaic power station na konektado sa mga node na ito ay magdudulot ng malaking pagkawala ng network. Samakatuwid, ang pv power station access point ay dapat piliin sa receiving end ng power o ang node na may malaking load. Ang access mode na ito ay maaaring gawing mas balanse ang pamamahagi ng power flow ng system at mabawasan ang pagkawala ng network ng system.

Batay sa tatlong salik sa pagsusuri ng mga resulta sa itaas, ang node 14 ay kinuha bilang access point ng photovoltaic power station sa papel na ito, at pagkatapos ay pinag-aaralan ang impluwensya ng kapasidad ng iba’t ibang photovoltaic power station sa power system.

Sinusuri ng Figure 6(a) ang impluwensya ng kapasidad ng photovoltaic sa system. Makikita na ang karaniwang paglihis ng aktibong kapangyarihan ng bawat sangay ay tumataas sa pagtaas ng kapasidad ng photovoltaic, at mayroong positibong linear na relasyon sa pagitan ng dalawa. Maliban sa ilang mga sangay na ipinapakita sa figure, ang mga karaniwang paglihis ng iba pang mga sangay ay lahat ay mas mababa sa 5 at nagpapakita ng isang linear na relasyon, na hindi pinansin para sa kaginhawaan ng pagguhit. Ito ay makikita na ang photovoltaic grid connection ay may malaking impluwensya sa kapangyarihan ng direktang konektado sa photovoltaic access point o katabing mga sanga. Dahil sa limitadong paghahatid ng linya ng paghahatid ng kuryente, ang mga linya ng paghahatid ng dami ng konstruksiyon at pamumuhunan ay napakalaki, kaya ang pag-install ng isang photovoltaic power station, dapat isaalang-alang ang limitasyon ng kapasidad ng transportasyon, piliin ang pinakamaliit na impluwensya sa pag-access sa linya sa pinakamagandang lokasyon, bilang karagdagan, Ang pagpili ng pinakamahusay na kapasidad ng photovoltaic power station ay gaganap ng isang mahalagang bahagi upang mabawasan ang epektong ito.

Ang larawan

Figure 6. (a) branch active power standard deviation (b) branch power flow out-of-limit probabilidad (c) kabuuang pagkawala ng network ng system sa ilalim ng iba’t ibang photovoltaic capacities

FIG. 6(b) inihahambing ang posibilidad ng aktibong kapangyarihan na lumampas sa limitasyon ng bawat sangay sa ilalim ng iba’t ibang kapasidad ng pv power station. Maliban sa mga sanga na ipinapakita sa figure, ang ibang mga sangay ay hindi lumampas sa limitasyon o ang posibilidad ay napakaliit. Kung ikukumpara sa FIG. 6(a), makikita na ang posibilidad ng off-limit at standard deviation ay hindi kinakailangang magkaugnay. Ang aktibong kapangyarihan ng isang linya na may malaking standard deviation fluctuation ay hindi kinakailangang off-limit, at ang dahilan ay nauugnay sa transmission direction ng photovoltaic output power. Kung ito ay nasa parehong direksyon tulad ng orihinal na daloy ng kapangyarihan ng sangay, ang maliit na photovoltaic na kapangyarihan ay maaari ding maging sanhi ng off-limit. Kapag ang pv power ay napakalaki, ang power flow ay maaaring hindi lumampas sa limitasyon.

Sa FIG. 6(c), ang kabuuang pagkawala ng network ng system ay tumataas sa pagtaas ng kapasidad ng photovoltaic, ngunit ang epektong ito ay hindi halata. Kapag ang kapasidad ng photovoltaic ay tumaas ng 60 MW, ang kabuuang pagkawala ng network ay tataas lamang ng 0.5%, ibig sabihin, 0.75 MW. Samakatuwid, kapag nag-i-install ng mga pv power station, ang pagkawala ng network ay dapat isaalang-alang bilang pangalawang kadahilanan, at ang mga salik na may mas malaking epekto sa matatag na operasyon ng system ay dapat isaalang-alang muna, tulad ng pagbabagu-bago ng kuryente sa linya ng transmission at out-of-limit na posibilidad. .

3.2 Epekto ng access sa imbakan ng enerhiya sa system

Section 3.1 The access position and capacity of photovoltaic power station depend on the power system