Ефективна оптимизация на хибридна система за вятър-фотоелектричество с накопуление
1. Анализ характеристик генериране на вятърна и слънчева фотоелектрическа енергия
Анализът на характеристиките на генерирането на вятърна и слънчева фотоелектрическа (PV) енергия е фундаментален за проектирането на комплементарна хибриден система. Статистическият анализ на годишните данни за скоростта на вятъра и слънчевата радиация в определена област показва, че вятърните ресурси се характеризират с сезонни вариации, с по-висока скорост на вятъра през зимата и пролетта и по-ниска скорост през лятото и есента. Генерирането на вятърна енергия е пропорционално на куба от скоростта на вятъра, което води до значителни колебания в изходящата мощност.
Слънчевите ресурси, от друга страна, показват ясни дневни и сезонни модели – по-дълги часове на деня и по-силна радиация през лятото, и по-слаби условия през зимата. Ефективността на PV системите е негативно засегната от повишаването на температурата. При сравнението на временния разпределение на вятърна и слънчева енергия става ясно, че те демонстрират комплементарно поведение както на дневен, така и на годишен цикъл. Тази комплементарност позволява проектирането на ефективни и стабилни енергийни системи, при които може да се конфигурира оптимално съотношение на мощността на двете енергийни източници, за да се изглади общата изходяща мощност.
2. Моделиране на хибридни вятърно-слънчеви системи за генериране на електроенергия
2.1 Модел на подсистемата за вятърна енергия
Моделът на подсистемата за вятърна енергия е построен върху данни за скоростта на вятъра и характеристики на турбините. Разпределението на Вайбул се използва за прилагане на вероятностното разпределение на скоростта на вятъра, точно описвайки неговото статистическо поведение. Връзката между изходящата мощност на турбината и скоростта на вятъра се представя чрез частична функция, включваща ключови параметри като скоростта на вятъра за включване, номиналната скорост на вятъра и скоростта на вятъра за изключване.
Методът на най-малките квадрати се използва за прилагане на кривата на мощността на турбината, давайки математическо изразяване на изходящата мощност спрямо скоростта на вятъра. За отчетане на случайността на скоростта на вятъра се въвежда методът на Монте Карло за прогнозиране на генерирането на вятърна ферма. Моделът точно отразява динамичните характеристики на системите за вятърна енергия и предоставя основа за оптимизация на системата. Той също така включва влиянието на промяните в посоката на вятъра върху ефективността на генерирането, чрез въвеждане на корекционен фактор за посоката на вятъра, като това подобрява точността на прогнозите.
2.2 Модел на подсистемата за фотоелектрическа енергия
Моделът на PV подсистемата обхваща слънчевата радиация, околната температура и характеристиките на PV модулите. Статистическият модел на слънчевата радиация описва нейните временни вариации. Изходящите характеристики на PV модулите се представят чрез I-V криви. Ефектите на температурата върху ефективността се моделират чрез едно-диоден еквивалентен контур, с изчисляване на изходящата мощност чрез решаване на система от нелинейни уравнения.
Моделът също така включва фактори като затеняване и натрупване на прах, въвеждайки корекционни коефициенти, за да се подобри точността на прогнозите. Той отчита стареенето на PV модулите, като включва годишен коефициент на деградация, за да се прогнозира дългосрочната промяна на изходящата мощност. Този модел точно отразява производственото поведение на PV системите при различни околни условия.
2.3 Модел на система за съхранение на енергия
Моделът на системата за съхранение на енергия е основан главно на характеристиките на литиево-ионните батерии. Динамичен модел на степента на заряд (SOC) на батерията се развива, за да описва процесите на зареждане и разряждане. Се вземат предвид характеристиките на саморазряждане и ефективността на зареждане/разряждане, като се въвежда корекционен фактор за температура, за да се отразят околните влияния. Животът на батерията се моделира чрез комбинация от брой на цикли и дълбочина на разряждане (DOD), за да се прогнозира деградацията на капацитета.
Моделът точно отразява производственото поведение на батерията при различни оперативни условия, подкрепяйки оптимално размерове и стратегии за изпълнение. Той също така отчита вариациите на вътрешното съпротивление, чрез установяване на функционални връзки между съпротивлението, броя на циклите и температурата, позволявайки по-точно моделиране на динамичното поведение. Ключови изходи включват реално време SOC, налична капацитет, мощност на зареждане/разряждане и очакван живот – предоставяйки пълна поддръжка с данни за оптимална операция и поддръжка.
2.4 Интегриран модел на системата
Интегрираният модел на системата обединява подсистемите за вятър, слънце и съхранение в единен фреймворк. Методът на еквивалентната нагрузка се използва за справяне с колебанията на нагрузката, и се установява уравнение за баланс на системната мощност. Индекси за надеждност, като Вероятност за загуба на нагрузка (LOLP) и Очаквана енергия, която не е доставена (EENS), се въвеждат, за да се оценят производствените характеристики. Последователно времево редове симулации се използват, за да се изчислят оперативните състояния на системата в различни временни мащаби.
Моделът отчита взаимодействията между подсистемите, като затеняването на PV панели от вятърните турбини. Той също така включва интерфейс към мрежата, позволявайки анализ на стратегии за мрежово свързване, включително икономически разпределение при тарифи, зависещи от времето на използване, и услуги за регулиране на честотата на мрежата. Изходите включват общо генериране на мощност, удовлетворителност на нагрузката и икономически показатели, предоставяйки пълна теоретична основа за планиране, проектиране и оперативни решения на системата.
3. Оптимизационни методи и експериментален анализ на хибридни вятърно-слънчеви системи
3.1 Целева функция и ограничения
Целевата функция за оптимизация интегрира икономически, надеждностни и екологични аспект. Икономическата цел минимизира общата цена на системата, включително начални инвестиции, операции и поддръжка (O&M), и заместващи разходи. Надеждностната цел максимизира надеждността на доставката на електроенергия, която се квантифицира чрез минимизиране на LOLP. Екологичната цел се измерва чрез максимизиране на намалението на емисиите на въглерод.
Ограниченията включват баланс на мощността, ограничения на капацитета на системата за съхранение и оперативни ограничения на оборудването. Ограничението за баланс на мощността гарантира, че потребността от нагрузка е задоволена винаги. Ограниченията на капацитета на съхранението ограничават дълбочината на разряждане (DOD), за да се продължи животът на батерията. Ограниченията на оборудването отчитат номиналната мощност и оперативните характеристики на компонентите. Многоцелев метод на тегловни коефициенти интегрира тези цели в една целева функция, с тегла, определени на основата на предпочитанията на вземащите решения и приложните сценарии.
3.2 Применение на алгоритъма за оптимизация Particle Swarm Optimization (PSO)
Алгоритъмът за оптимизация Particle Swarm Optimization (PSO), който е интелигентен алгоритъм за оптимизация, се прилага в проектирането на хибридни вятърно-слънчеви системи. Симулирайки поведението на стаята от птици, PSO търси оптимални решения в пространството на решенията. Всяка частица представлява потенциална конфигурация на системата, включително променливи за решение, като капацитета на вятърната турбина, PV капацитета и капацитета на съхранението. Позицията и скоростта на частицата се актуализират итеративно, сближавайки се към глобалния оптимум.
За подобряване на производствеността се приема стратегия с линейно намаляващ тегловен коефициент – запазвайки силно глобално изследване в началото и подобрявайки локална експлоатация по-късно. Адаптивна мутация се въвежда, за да се избегнат локални оптимуми. Учитывайки сложността на проблема, се приема хиерархична кодираща стратегия, разделяйки непрекъснати и дискретни променливи. Алгоритъмът приключва, когато достигне максималния брой итерации или когато оптималната стойност се промени с по-малко от порогово значение в последователни итерации.
3.3 Експериментален дизайн и настройка на параметри
Експериментът е основан на реални метеорологични и данни за нагрузка от определена област, използвайки типичен годишен набор от часови данни. Метеорологичните входове включват часови данни за скоростта на вятъра, слънчевата радиация и околната температура. Профили на нагрузката следват типичен модел на потребителство в промишлен парк, отразявайки сезонни и дневни вариации. Параметрите на оборудването се избират от популярни комерсиални вятърни турбини и PV модули, с производствени данни, извлечени от тестови доклади на производителите.
Литиево-ионна батерия се използва за съхранение, с параметри, включително номинален капацитет, ефективност на зареждане/разряждане и жизнен цикъл. Параметрите на PSO са настроени както следва: население = 50, максимални итерации = 1000, тегловен коефициент, линейно намаляващ от 0.9 до 0.4, и ко-фактори c1 и c2, всички настроени на 2. За осигуряване на надеждност на резултатите, всяка конфигурация се изпълнява 30 пъти, със средната стойност, взета като крайният резултат.
3.4 Метрики за оценка на производствеността на системата
Метриките за оценка на производствеността покриват технически, икономически и екологични аспекти. Техническите индикатори включват надеждността на системата, степента на използване на енергията и изглаждането на мощността. Надеждността се измерва чрез Индекса на надеждност на доставката на енергия (RSCI) и Вероятността за загуба на доставката на енергия (LPSP). Използването на енергия отразява ефективността на възобновяемата енергия, докато изглаждането на мощността оценява стабилността на изходящата мощност. Икономическите индикатори включват Уровня на цената на електроенергия (LCOE), Чистата настояща стойност (NPV) и периода на окупаемост. LCOE отчита цикълът на живота, NPV отразява печелившостта на проекта, а периода на окупаемост оценява скоростта на възстановяване на капитала.
Екологичният индикатор е намалението на емисиите на въглерод, изчислено чрез сравнение с конвенционалното генериране на енергия, базирано на горива. Освен това, комплексен индекс на производствеността – Индекс на комплексната полза на системата (SCBI) – интегрира технически, икономически и екологични фактори чрез сумиране с тегла. Тези метрики и тегла се определят на основата на экспертни мнения и практически нужди, предоставяйки пълна оценка на производствеността на системата и подкрепяйки информирани решения.
