Efektivní optimalizace hybridního systému větrná energie-fotovoltaika s úložištěm

1. Analýza charakteristik výroby elektrické energie z větru a solární fotovoltaiky

Analýza charakteristik výroby elektrické energie z větru a solární fotovoltaiky (PV) je základem pro návrh doplňkového hybridního systému. Statistická analýza ročních dat o rychlosti větru a slunečním záření pro konkrétní oblast odhaluje, že větřené zdroje vykazují sezónní variabilitu, s vyššími rychlostmi větru v zimě a na jaře a nižšími rychlostmi v létě a na podzim. Výroba elektřiny z větru je úměrná třetí mocnině rychlosti větru, což vede k výrazným kolísáním výstupu.

Sluneční zdroje naopak ukazují jasně dané denní a sezónní vzory – delší světelné hodiny a silnější záření v létě a slabší podmínky v zimě. Efektivita PV se negativně ovlivňuje stoupající teplotou. Při srovnání časové distribuce větrné a sluneční energie je zřejmé, že tyto zdroje mají komplementární chování jak na denní, tak na roční cykly. Tato komplementarita umožňuje návrh efektivních a stabilních energetických systémů, kde lze optimalizovat kapacitní poměr obou zdrojů energie, aby byl vyhlazen celkový výkon výstupu.

2. Modelování hybridních systémů výroby elektrické energie z větru a slunce

2.1 Model pod-systému větrné energie

Model pod-systému větrné energie je postaven na datech o rychlosti větru a charakteristikách turbín. K popisu pravděpodobnostního rozdělení rychlosti větru se používá Weibullovo rozdělení, které přesně popisuje jeho statistické chování. Vztah mezi výkonem turbíny a rychlostí větru je reprezentován po částech definovanou funkcí, která zahrnuje klíčové parametry jako rychlost větru pro zapnutí, nominální rychlost větru a rychlost větru pro vypnutí.

Metoda nejmenších čtverců se používá k aproximaci výkonové křivky turbíny, což dává matematický výraz výkonu v závislosti na rychlosti větru. Pro zohlednění náhodnosti rychlosti větru se zavádí metoda Monte Carlo simulace k predikci výroby větrné farmy. Model přesně reflektuje dynamické charakteristiky systémů větrné energie a poskytuje základ pro optimalizaci systému. Zahrnuje také dopad změn směru větru na efektivitu výroby zavedením korekčního faktoru směru větru, čímž se zlepšuje přesnost predikce.

2.2 Model pod-systému fotovoltaické energie

Model pod-systému fotovoltaické energie komplexně zohledňuje sluneční záření, okolní teplotu a charakteristiky PV modulů. Je vytvořen statistický model slunečního záření, který popisuje jeho časové změny. Výstupní charakteristiky PV modulů jsou reprezentovány I-V křivkami. Dopady teploty na efektivitu jsou modelovány pomocí ekvivalentního obvodu s jedním diodou, kde výkon je vypočítán řešením soustavy nelineárních rovnic.

Model také zahrnuje faktory jako stínění a akumulaci prachu, zavádí korekční koeficienty, aby byla zvýšena přesnost predikce. Zohledňuje stárnutí PV modulů zavedením roční degradace, aby byly předpovězeny dlouhodobé změny výkonu. Tento model přesně reflektuje výkonnost PV systému v různých povětrnostních podmínkách.

2.3 Model systému uchovávání energie

Model systému uchovávání energie je primárně založen na charakteristikách lithiových baterií. Je vyvinut dynamický model stavu nabíjení (SOC) baterie, který popisuje procesy nabíjení a vybíjení. Jsou zohledněny vlastnosti samo-odbití a efektivita nabíjení/vybíjení, zavádí se korekční faktor teploty, který reflektuje vliv prostředí. Délka života baterie je modelována kombinací počtu cyklů a hloubky výbití (DOD) pro predikci degradace kapacity.

Model přesně reflektuje výkonnost baterie v různých operačních podmínkách, podporuje optimální rozměrování a strategie rozvržení. Zohledňuje také změny vnitřního odporu tím, že stanoví funkční vztahy mezi odporem, počtem cyklů a teplotou, což umožňuje přesnější simulaci dynamického chování. Klíčové výstupy zahrnují aktuální SOC, dostupnou kapacitu, výkon nabíjení/vybíjení a očekávanou délku života – poskytují komplexní datovou podporu pro optimální provoz a údržbu.

2.4 Model integrovaného systému

Integrovaný model systému kombinuje pod-systémy větrné, solární a uchovávání energie do unifikovaného rámce. Metoda ekvivalentního zatížení se používá k zpracování fluktuací zatížení a je vytvořena rovnice rovnováhy výkonu systému. Jsou zavedeny indexy spolehlivosti, jako je Pravděpodobnost ztráty zásobování (LOLP) a Očekávaná nezásobená energie (EENS), pro hodnocení výkonu systému. Sekvenční časové simulace se používají k výpočtu operačních stavů systému v různých časových měřítkách.

Model zohledňuje interakce mezi pod-systémy, jako je stínění PV panelů turbínami. Zahrnuje také rozhraní s elektrickou sítí, což umožňuje analýzu strategií propojeného provozu, včetně ekonomického rozvržení podle tarifů za časové pásmo a služeb regulace frekvence sítě. Výstupy zahrnují celkovou výrobu elektrické energie, míru splnění zatížení a ekonomické ukazatele výkonu, poskytují komplexní teoretický základ pro plánování, návrh a rozhodování o operaci systému.

3. Optimalizační metody a experimentální analýza hybridních systémů větrné a solární energie

3.1 Cílová funkce a omezení

Cílová funkce optimalizace integruje ekonomické, spolehlivostní a environmentální aspekty. Ekonomický cíl minimalizuje celkové náklady systému, včetně počáteční investice, provozu a údržby (O&M) a nákladů na náhradu. Spolehlivostní cíl maximalizuje spolehlivost dodávky elektrické energie, kvantifikovanou minimalizací LOLP. Environmentální cíl je měřen maximálním snížením emisí uhlíku.

Omezení zahrnují rovnováhu výkonu, limity kapacity uchovávání energie a operační limity zařízení. Omezení rovnováhy výkonu zajišťuje, že je splněno zatížení v každém okamžiku. Limity kapacity uchovávání energie omezují hloubku výbití (DOD) pro prodloužení životnosti baterie. Operační limity zařízení zohledňují nominální výkon a operační charakteristiky komponent. Metoda vážení více cílů integruje tyto cíle do jedné cílové funkce, s váhami určenými na základě preferencí rozhodovatelů a aplikace scénářů.

3.2 Aplikace algoritmu Particle Swarm Optimization (PSO)

Algoritmus Particle Swarm Optimization (PSO), inteligentní optimalizační algoritmus, je aplikován na návrh hybridních systémů větrné a solární energie. Simuluje chování hejna ptáků, PSO hledá optimální řešení v prostoru řešení. Každá částice představuje potenciální konfiguraci systému, včetně rozhodovacích proměnných, jako je kapacita větrné turbíny, kapacita PV a kapacita uchovávání energie. Poloha a rychlost částic jsou iterativně aktualizovány, konvergují k globálnímu optimum.

Pro zlepšení výkonu se používá strategie lineárně klesající inertní váhy – zachovává silnou globální exploraci na začátku a posiluje lokální exploataci později. Adaptivní mutace je zavedena, aby se zabránilo uvěznění v lokálním optimum. S ohledem na složitost problému je použita hierarchická kódovací strategie, která odděluje spojité a diskrétní proměnné. Algoritmus končí po dosažení maximálního počtu iterací nebo když se optimální hodnota změní méně než o prahovou hodnotu v po sobě jdoucích iteracích.

3.3 Experimentální návrh a nastavení parametrů

Experiment je založen na skutečných meteorologických a zátěžových datech z konkrétní oblasti, s využitím typického roku hodinových dat. Meteorologické vstupy zahrnují hodinovou rychlost větru, sluneční záření a okolní teplotu. Profily zátěže sledují typický vzor spotřeby v průmyslovém parku, reflektují sezónní a denní změny. Parametry zařízení jsou vybrány ze mainstreamových komerčních větrných turbín a PV modulů, s výkonnostními daty získanými z testovacích zpráv výrobce.

K uchování energie se používá lithiová baterie, s parametry včetně nominální kapacity, efektivity nabíjení/vybíjení a životnosti cyklu. Parametry PSO jsou nastaveny následovně: velikost populace = 50, maximální iterace = 1000, inertní váha lineárně klesá od 0,9 do 0,4, a učební faktory c1 a c2 jsou oba nastaveny na 2. Pro zajištění spolehlivosti výsledků je každá konfigurace spuštěna 30 krát, s průměrem jako konečným výsledkem.

3.4 Ukazatele hodnocení výkonu systému

Ukazatele hodnocení výkonu pokrývají technické, ekonomické a environmentální aspekty. Technické ukazatele zahrnují spolehlivost systému, využití energie a vyhlazování výkonu. Spolehlivost je měřena Indexem schopnosti dodávky (RSCI) a Pravděpodobností ztráty dodávky (LPSP). Využití energie reflektuje efektivitu obnovitelných zdrojů energie, zatímco vyhlazování výkonu hodnotí stabilitu výstupu. Ekonomické ukazatele zahrnují Urovněnou cenu elektrické energie (LCOE), Nettou přítomní hodnotu (NPV) a dobu návratnosti investice. LCOE zohledňuje náklady na celý životní cyklus, NPV reflektuje rentabilitu projektu a doba návratnosti investice hodnotí rychlost obnovy kapitálu.

Environmentální ukazatel je snížení emisí uhlíku, vypočtené porovnáním s tradičními fosilními palivy. Kromě toho je zaveden komplexní ukazatel výkonu – Komplexní benefiční index systému (SCBI), který integruje technické, ekonomické a environmentální faktory prostřednictvím váženého součtu. Tyto ukazatele a jejich váhy jsou určeny na základě odborného posudku a praktických potřeb, poskytují komplexní hodnocení výkonu systému a podporují informovaná rozhodnutí.

3.5 Analýza výsledků optimalizace

Výsledky optimalizace ukazují, že hybridní systém výroby elektrické energie z větru a slunce má významné výhody oprot