Özet Fotovoltaik güç üretiminin yüksek bir oranı, güç sisteminin kararlılığı üzerinde olumsuz etkilere sahip olacaktır ve enerji depolama bu etkileri ortadan kaldırmanın etkili yollarından biri olarak kabul edilmektedir. Bu makale, fotovoltaik güç üretiminin güç sistemi üzerindeki etkisini güç akışı perspektifinden analiz etmekte ve ardından enerji depolamanın etkiyi sınırlama üzerindeki etkisini analiz etmektedir. İlk olarak, güç sistemindeki bileşenlerin olasılık dağılım modeli ve enerji depolama modeli tanıtılmış ve Latin hiperküp örnekleme yöntemi ve gram-Schmidt dizi normalleştirme yöntemi tanıtılmıştır. İkinci olarak, enerji depolama sisteminin maliyetini, şube güç akışının limit dışı olasılığını ve elektrik şebekesinin ağ kaybını dikkate alan çok amaçlı bir optimizasyon modeli oluşturulmuştur. Amaç fonksiyonunun optimal çözümü genetik algoritma ile elde edilmiştir. Son olarak simülasyon, farklı fotovoltaik erişim kapasitesinin ve erişim konumunun güç sistemi üzerindeki etkisini ve enerji depolamanın güç sistemi üzerindeki etkisini ve farklı fotovoltaik kapasiteye karşılık gelen optimum enerji depolama konfigürasyonunu analiz etmek için IEEE24 düğüm test sisteminde gerçekleştirilir. elde edildi.

Anahtar kelimeler fotovoltaik enerji üretimi; Enerji depolama sistemi; Optimize edilmiş konfigürasyon; Olasılık güç akışı; Genetik algoritma (ga)

Fotovoltaik enerji üretimi, yeşil çevre koruma ve yenilenebilir avantajlara sahiptir ve en potansiyel yenilenebilir enerjilerden biri olarak kabul edilir. 2020 yılına kadar, Çin’in kümülatif fotovoltaik enerji üretim kurulu kapasitesi 253 milyon kw’a ulaştı. Büyük ölçekli PV gücünün kesintili olması ve belirsizliği, tepe tıraşı, stabilite ve ışık atma sorunları dahil olmak üzere güç sistemini etkiler ve şebekenin bu sorunlarla başa çıkmak için daha esnek önlemler alması gerekir. Enerji depolama bu sorunları çözmenin etkili bir yolu olarak kabul edilmektedir. Enerji depolama sisteminin uygulanması, büyük ölçekli fotovoltaik şebeke bağlantısı için yeni bir çözüm getiriyor.

Şu anda, yurtiçinde ve yurtdışında fotovoltaik enerji üretimi, enerji depolama sistemi ve olasılıklı güç akışı konusunda birçok araştırma bulunmaktadır. Çok sayıda literatür çalışması, enerji depolamanın fotovoltaik kullanım oranını iyileştirebileceğini ve fotovoltaik şebeke bağlantısının kararlılığını çözebileceğini göstermektedir. Yeni enerji santralinde enerji depolama sisteminin konfigürasyonunda, sadece optik depolama ve rüzgar depolama kontrol stratejisine değil, aynı zamanda enerji depolama sisteminin ekonomisine de dikkat edilmelidir. Ayrıca, güç sistemindeki çoklu enerji depolamalı güç istasyonlarının optimizasyonu için, enerji depolamalı güç istasyonlarının ekonomik modelinin, fotovoltaik iletim kanallarının başlangıç ​​ve bitiş noktalarının yer seçiminin ve enerji depolama yeri seçimi. Bununla birlikte, enerji depolama sisteminin optimal konfigürasyonu üzerine mevcut araştırma, güç sistemi üzerindeki spesifik etkiyi dikkate almamaktadır ve çok noktalı sistem üzerine araştırma, büyük ölçekli optik depolama operasyon özelliklerini içermemektedir.

Rüzgar enerjisi ve fotovoltaik gibi belirsiz yeni enerji güç üretiminin büyük ölçekli gelişimi ile, güç sisteminin işletme planlamasında güç sisteminin güç akışını hesaplamak gerekir. Örneğin, literatür, rüzgar enerjisi ile güç sisteminde enerji depolamanın optimal konumu ve kapasite tahsisini inceler. Ayrıca, güç akışının hesaplanmasında birden fazla yeni enerji kaynağı arasındaki korelasyon da dikkate alınmalıdır. Bununla birlikte, yukarıdaki çalışmaların tümü, yeni enerji üretiminin belirsizliğini dikkate almayan deterministik güç akışı yöntemlerine dayanmaktadır. Literatür, rüzgar gücünün belirsizliğini göz önünde bulundurur ve işletme ekonomisini iyileştiren enerji depolama sisteminin yer seçimini optimize etmek için olasılıklı optimal güç akışı yöntemini uygular.

Şu anda, bilim adamları tarafından farklı olasılıklı güç akışı algoritmaları önerilmiş ve literatürde Monte Carlo simülasyon yöntemine dayalı doğrusal olmayan olasılıklı güç akışı veri madenciliği yöntemleri önerilmiştir, ancak Monte Carlo yönteminin zamanlılığı çok zayıftır. Literatürde enerji depolama yerinin çalışılması için olasılıksal optimal güç akışının kullanılması önerilmiştir ve 2 m nokta yöntemi kullanılmaktadır, ancak bu yöntemin hesaplama doğruluğu ideal değildir. Bu yazıda Latin hiperküp örnekleme yönteminin güç akışı hesabındaki uygulaması incelenmekte ve Latin hiperküp örnekleme yönteminin üstünlüğü sayısal örneklerle gösterilmektedir.

Yukarıdaki araştırmaya dayanarak, bu makale, büyük ölçekli fotovoltaik enerji üretimi ile güç sisteminde enerji depolamanın optimal tahsisini incelemek için olasılıklı güç akışı yöntemini kullanır. İlk olarak, güç sistemindeki bileşenlerin olasılık dağılım modeli ve Latin hiperküp örnekleme yöntemi tanıtılmıştır. İkinci olarak, enerji depolama maliyeti, limit üstü güç akışı olasılığı ve ağ kaybı dikkate alınarak çok amaçlı bir optimizasyon modeli kurulmuştur. Son olarak, IEEE24 düğüm test sisteminde simülasyon analizi yapılır.

1. Olasılıksal güç akışı modeli

1.1 Bileşenlerin belirsizlik modeli

Fotovoltaik, yük ve jeneratör belirsizliğe sahip rastgele değişkenlerdir. Dağıtım şebekesinin olasılıksal güç akışının hesaplanmasında literatürde olasılıksal model anlatılmaktadır. Tarihsel verilerin analizi yoluyla, fotovoltaik enerji üretiminin çıkış gücü BETA dağılımını takip eder. Yük gücünün olasılık dağılımını uydurarak, yükün normal dağılımı izlediği varsayılır ve olasılık yoğunluk dağılım fonksiyonu şu şekildedir:

Resim (1)

Burada, Pl yük gücüdür; μ L ve σ L sırasıyla yükün beklentisi ve varyansıdır.

Jeneratörün olasılık modeli genellikle iki noktalı dağılımı benimser ve olasılık yoğunluk dağılım fonksiyonu şöyledir:

(2)

Burada P, jeneratörün normal çalışma olasılığıdır; PG, jeneratörün çıkış gücüdür.

Öğle vakti ışık yeterli olduğunda, fotovoltaik santralin aktif gücü büyüktür ve zamanla kullanımı zor olan güç, enerji depolama pilinde depolanacaktır. Yük gücü yüksek olduğunda, enerji depolama pili depolanan enerjiyi serbest bırakır. Enerji depolama sisteminin anlık enerji dengesi denklemi,

Şarj ederken

(3)

Ne zaman deşarj

(4)

kısıtlama

Resimler,

Resimler,

resim, resim

Burada St, T anında depolanan enerjidir; Pt, enerji depolamanın şarj ve deşarj gücüdür; SL ve SG sırasıyla şarj ve deşarj enerjisidir. η C ve η D sırasıyla şarj ve deşarj verimidir. Ds, enerji depolamanın kendi kendine deşarj oranıdır.

1.2 Latin hiperküp örnekleme yöntemi

Belirsiz faktörler altında sistem güç akışını analiz etmek için kullanılabilecek simülasyon yöntemi, yaklaşık yöntem ve analitik yöntem vardır. Monte Carlo simülasyonu, olasılıksal güç akışı algoritmalarında en doğru yöntemlerden biridir, ancak yüksek hassasiyete kıyasla zamanlılığı düşüktür. Düşük örnekleme süreleri durumunda, bu yöntem genellikle olasılık dağılım eğrisinin kuyruğunu yok sayar, ancak doğruluğu artırmak için örnekleme sürelerini artırması gerekir. Latin hiperküp örnekleme yöntemi bu sorunu ortadan kaldırır. Örnekleme noktalarının olasılık dağılımını etkin bir şekilde yansıtmasını sağlayan ve örnekleme sürelerini etkin bir şekilde azaltan hiyerarşik bir örnekleme yöntemidir.

Şekil 1, Latin hiperküp örnekleme yönteminin ve 10 ile 200 arasında değişen örnekleme süreleri ile Monte Carlo simülasyon yönteminin beklentisini ve varyansını göstermektedir. İki yöntemle elde edilen sonuçların genel eğilimi azalmaktadır. Ancak monte Carlo yöntemi ile elde edilen beklenti ve varyans çok kararsızdır ve çoklu simülasyonlarla elde edilen sonuçlar aynı örnekleme süreleriyle aynı değildir. Latin hiperküp örnekleme yönteminin varyansı, örnekleme sürelerinin artmasıyla giderek azalmakta ve örnekleme süreleri 5’den fazla olduğunda bağıl hata %150’in altına düşmektedir. Latin hiperküp örnekleme yönteminin örnekleme noktasının, Y ekseni etrafında simetriktir, dolayısıyla beklenen hatası 0’dır, bu da avantajıdır.

Fotoğraf

İNCİR. 1 MC ve LHS arasındaki farklı örnekleme sürelerinin karşılaştırılması

Latin hiperküp örnekleme yöntemi, katmanlı bir örnekleme yöntemidir. Girdi rasgele değişkenlerinin örnek oluşturma sürecini geliştirerek, örnekleme değeri rasgele değişkenlerin genel dağılımını etkin bir şekilde yansıtabilir. Numune alma süreci iki aşamaya ayrılmıştır.

(1) Örnekleme

Xi (I = 1, 2,… ,m) m rasgele değişkendir ve örnekleme süreleri Şekil 2’de gösterildiği gibi N’dir. 1. Xi’nin kümülatif olasılık dağılım eğrisi, eşit aralıklarla ve örtüşme olmadan N aralığına bölünür, her aralığın orta noktası Y olasılığının örnekleme değeri olarak seçilir ve ardından örnekleme değeri Xi= p-XNUMX (Yi) olur. ters fonksiyon kullanılarak hesaplanır ve hesaplanan Xi, rastgele değişkenin örnekleme değeridir.

Fotoğraf

Şekil 2 LHS’nin şematik diyagramı

(2) Permütasyonlar

(1)’den elde edilen rastgele değişkenlerin örnekleme değerleri sıralı olarak düzenlenmiştir, bu nedenle m rastgele değişken arasındaki korelasyon hesaplanamayan 1’dir. Rastgele değişkenlerin örnekleme değerleri arasındaki korelasyonu azaltmak için gram-Schmidt dizisi dikleştirme yöntemi kullanılabilir. İlk olarak, K×M dereceli I=[I1, I2…, IK]T matrisi oluşturulur. Her satırdaki öğeler 1’den M’ye rastgele düzenlenir ve orijinal rastgele değişkenin örnekleme değerinin konumunu temsil ederler.

pozitif yineleme

Fotoğraf

Ters yinelemeli

Fotoğraf

“Resim” atamayı temsil eder, çıkarma(Ik,Ij) lineer regresyon Ik=a+bIj’de artık değerin hesaplanmasını temsil eder, rank(Ik) Ik yönünde küçükten büyüğe doğru elemanların sıra numarası tarafından oluşturulan yeni vektörü temsil eder.

Korelasyonu temsil eden RMS değeri ρ azalmayana kadar çift yönlü yinelemeden sonra, permütasyon sonrası her bir rastgele değişkenin konum matrisi elde edilir ve ardından en az korelasyona sahip rastgele değişkenlerin permütasyon matrisi elde edilebilir.

(5)

Burada resim Ik ve Ij arasındaki korelasyon katsayısı, cov kovaryans ve VAR varyanstır.

2. Enerji depolama sisteminin çok amaçlı optimizasyon konfigürasyonu

2.1 Amaç işlevi

Enerji depolama sisteminin güç ve kapasitesini optimize etmek için, enerji depolama sisteminin maliyeti, güç off-limit olasılığı ve ağ kaybı dikkate alınarak çok amaçlı bir optimizasyon fonksiyonu kurulmuştur. Her bir göstergenin farklı boyutları nedeniyle her bir gösterge için sapma standardizasyonu yapılmaktadır. Sapma standardizasyonundan sonra, çeşitli değişkenlerin gözlenen değerlerinin değer aralığı (0,1) arasında olacaktır ve standartlaştırılmış veriler, birimleri olmayan saf miktarlardır. Fiili durumda, her bir göstergenin vurgulanmasında farklılıklar olabilir. Her göstergeye belirli bir ağırlık verilirse, farklı vurgular analiz edilebilir ve incelenebilir.

(6)

Burada w, optimize edilecek dizindir; Wmin ve wmax, standardizasyon olmadan orijinal işlevin minimum ve maksimum değerleridir.

amaç fonksiyonu

(7)

Formülde λ1 ~ λ3 ağırlık katsayılarıdır, Eloss, PE ve CESS sırasıyla standartlaştırılmış şube ağ kaybı, şube aktif güç geçişi olasılığı ve enerji depolama yatırım maliyetidir.

2.2 Genetik algoritma

Genetik algoritma, doğada en uygun olanın hayatta kalması ve en uygun olanın hayatta kalmasının genetik ve evrimsel yasalarını taklit ederek oluşturulan bir tür optimizasyon algoritmasıdır. İlk önce kodlamaya, ilk popülasyona her biri bir birey adına kodlama (sorunun uygulanabilir bir çözümü), bu nedenle her olası çözüm, genotip fenotip dönüşümü için, her bir birey için doğa yasalarına göre seçim yapmayı üstlenmek ve içinde seçilir. Her nesilden bir sonraki nesil bilgi işlem ortamına güçlü bireye uyum sağlayana kadar, bireyin ortamına en uyumlu olana kadar, deşifre edildikten sonra, problemin yaklaşık optimal çözümüdür.

Bu bildiride, fotovoltaik ve enerji depolamayı içeren güç sistemi ilk olarak olasılıklı güç akışı algoritması ile hesaplanmış ve elde edilen veriler problemi çözmek için genetik algoritmanın giriş değişkeni olarak kullanılmıştır. Hesaplama süreci, esas olarak aşağıdaki adımlara bölünmüş olan Şekil 3’te gösterilmektedir:

Fotoğraf

İNCİR. 3 Algoritma akışı

(1) Giriş sistemi, fotovoltaik ve enerji depolama verileri ve Latin hiperküp örneklemesi ve Gram-Schmidt dizisi ortogonalizasyonu gerçekleştirin;

(2) Örneklenen verileri güç akışı hesaplama modeline girin ve hesaplama sonuçlarını kaydedin;

(3) Çıktı sonuçları, örnekleme değerine karşılık gelen başlangıç ​​popülasyonunu oluşturmak için kromozom tarafından kodlanmıştır;

(4) Popülasyondaki her bireyin uygunluğunu hesaplayın;

(5) yeni bir popülasyon nesli üretmek için seçin, çaprazlayın ve mutasyona uğratın;

(6) Gereksinimlerin karşılanıp karşılanmadığına karar verin, değilse adım (4)’e geri dönün; Evet ise, kod çözme işleminden sonra en uygun çözüm verilir.

3. Örnek analiz

Olasılığa dayalı güç akışı yöntemi, Şekil 24’de gösterilen IEEE4 düğümü test sisteminde simüle edilir ve analiz edilir. 1, 10-138 düğümün voltaj seviyesinin 11 kV ve 24-230 düğümün voltaj seviyesinin XNUMX kV olduğu.

Fotoğraf

Şekil 4 IEEE24 düğüm test sistemi

3.1 Fotovoltaik güç istasyonunun güç sistemi üzerindeki etkisi

Güç sistemindeki fotovoltaik güç istasyonu, güç sisteminin konumu ve kapasitesi, düğüm voltajını ve şube gücünü etkileyecektir, bu nedenle, enerji depolama sisteminin elektrik şebekesi için etkisinin analizinden önce, bu bölüm ilk önce fotovoltaik gücün etkisini analiz eder. sistem üzerinde istasyon, fotovoltaik sisteme erişim bu bildiride, olasılık limitinin trendi, ağ kaybı vb. simülasyon analizlerini yürütmüştür.

Olarak Şekil l’de görülebilir. 5(a), fotovoltaik güç istasyonu bağlandıktan sonra, daha küçük dal güç akışı üst limitine sahip düğümler aşağıdaki gibidir: düğüm düğümünü dengelemek için 11, 12, 13, 23, 13, düğüm gerilimi ve faz Açısı verilir, kararlı güç şebekesinin güç dengesi etkisi, 11, 12 ve 23 yerine doğrudan bağlı, sonuç olarak, birkaç düğüm sınırına bağlı daha küçük ve daha fazla güç olasılığı, fotovoltaik güç istasyonu, denge etkisi ile düğüme erişecek güç sisteminin etkisi.

Fotoğraf

Şekil 5. (a) güç akışı limit dışı olasılığının toplamı (b) düğüm voltajı dalgalanması (c) farklı PV erişim noktalarının toplam sistem ağı kaybı

Güç akışının aşılmasına ek olarak, bu makale, Şekil 5’de gösterildiği gibi, fotovoltaiğin düğüm voltajı üzerindeki etkisini de analiz eder. 1(b). Karşılaştırma için 3, 8, 13, 14, 15, 19 ve 14 düğümlerinin voltaj genliklerinin standart sapmaları seçilir. Genel olarak, fotovoltaik güç istasyonlarının elektrik şebekesine bağlanması, düğümlerin voltajı üzerinde büyük bir etkiye sahip değildir, ancak fotovoltaik güç istasyonlarının a-Düğümlerinin ve yakındaki düğümlerinin voltajı üzerinde büyük bir etkisi vardır. Ayrıca, karşılaştırma yoluyla hesaplama örneğinde benimsenen sistemde, fotovoltaik güç istasyonunun düğüm tiplerine erişim için daha uygun olduğu bulunmuştur: ① 15, 16, 2 vb. gibi daha yüksek gerilim dereceli düğümler, voltaj neredeyse değişmez; (1) 2, 7, 3, vb. gibi jeneratörler veya ayar kameraları tarafından desteklenen düğümler; (XNUMX) Düğümün sonundaki hat direnci büyüktür.

PV erişim noktasının güç sisteminin toplam ağ kaybı üzerindeki etkisini analiz etmek için bu makale, Şekil 5(c)’de gösterildiği gibi bir karşılaştırma yapmaktadır. Büyük yük gücüne sahip ve güç kaynağı olmayan bazı düğümler pv güç istasyonuna bağlanırsa, sistemin ağ kaybının azalacağı görülebilir. Aksine, 21, 22 ve 23 düğümleri, merkezi güç iletiminden sorumlu olan güç kaynağı ucudur. Bu düğümlere bağlanan fotovoltaik güç istasyonu, büyük ağ kayıplarına neden olacaktır. Bu nedenle, pv güç istasyonu erişim noktası, gücün alıcı ucunda veya büyük yüklü düğümde seçilmelidir. Bu erişim modu, sistemin güç akışı dağıtımını daha dengeli hale getirebilir ve sistemin ağ kaybını azaltabilir.

Yukarıdaki sonuçların analizindeki üç faktöre dayalı olarak, bu bildiride düğüm 14 fotovoltaik güç istasyonunun erişim noktası olarak alınmış ve daha sonra farklı fotovoltaik güç istasyonlarının kapasitesinin güç sistemi üzerindeki etkisi incelenmiştir.

Şekil 6(a), fotovoltaik kapasitenin sistem üzerindeki etkisini analiz eder. Fotovoltaik kapasitenin artmasıyla her bir dalın aktif gücünün standart sapmasının arttığı ve ikisi arasında pozitif bir doğrusal ilişki olduğu görülmektedir. Şekilde gösterilen birkaç dal dışında, diğer dalların standart sapmaları 5’ten küçüktür ve çizim kolaylığı için göz ardı edilen doğrusal bir ilişki gösterir. Fotovoltaik şebeke bağlantısının, doğrudan fotovoltaik erişim noktası veya bitişik dallarla bağlantılı gücü üzerinde büyük bir etkisi olduğu görülebilir. Sınırlı enerji nakil hattı iletimi nedeniyle, inşaat ve yatırım miktarlarının iletim hatları çok büyüktür, bu nedenle bir fotovoltaik elektrik santrali kurmak, taşıma kapasitesinin sınırlamasını dikkate almalı, en iyi konuma hat erişimi üzerindeki en küçük etkiyi seçmeli, ek olarak, fotovoltaik güç istasyonunun en iyi kapasitesini seçmek bu etkiyi azaltmak için önemli bir rol oynayacaktır.

Fotoğraf

Şekil 6. (a) Şube aktif güç standart sapması (b) şube güç akışı limit dışı olasılığı (c) farklı fotovoltaik kapasiteler altında toplam sistem ağ kaybı

İNCİR. 6(b), farklı pv güç istasyonu kapasiteleri altında aktif gücün her bir dalın sınırını aşma olasılığını karşılaştırır. Şekilde gösterilen dallar dışında diğer dallar limiti aşmadı ya da olasılık çok küçüktü. ŞEK. 6(a)’ya göre, limit dışı ve standart sapma olasılığının mutlaka ilişkili olmadığı görülebilir. Büyük standart sapma dalgalanmasına sahip bir hattın aktif gücü, mutlaka limit dışı değildir ve bunun nedeni, fotovoltaik çıkış gücünün iletim yönü ile ilgilidir. Orijinal branş güç akışı ile aynı yönde ise, küçük fotovoltaik güç de limit dışı neden olabilir. Pv gücü çok büyük olduğunda, güç akışı sınırı aşmayabilir.

İncirde. Şekil 6(c), fotovoltaik kapasitenin artmasıyla sistemin toplam ağ kaybı artar, ancak bu etki açık değildir. Fotovoltaik kapasite 60 MW arttığında, toplam ağ kaybı sadece %0.5, yani 0.75 MW artar. Bu nedenle, pv güç istasyonları kurulurken, şebeke kaybı ikincil bir faktör olarak alınmalı ve iletim hattı güç dalgalanması ve limit dışı olasılık gibi sistemin kararlı çalışması üzerinde daha büyük etkisi olan faktörler ilk olarak dikkate alınmalıdır. .

3.2 Enerji depolama erişiminin sistem üzerindeki etkisi

Bölüm 3.1 Fotovoltaik güç istasyonunun erişim konumu ve kapasitesi, güç sistemine bağlıdır