Effektiivne tuule-päikeseümbrikude süsteemi optimeerimine varustusega

1. Tuul- ja päikeseenergia tootmise omaduste analüüs

Tuul- ja päikeseenergia (PV) tootmise omaduste analüüs on oluline osa komplementaarsete süsteemide disainimisel. Täpse piirkonna aastane tuulekiirus ja päikeseenergia andmeid hõlmav statistiline analüüs näitab, et tuuleresursid näitavad aastalisi muutusi, kus talvel ja kevadel on suurem tuulekiirus, samas kui suvel ja sügisel on see madalam. Tuuleenergia tootmine on proportsionaalne tuulekiiruse kuupiga, mis tulemuseks on märkimisväärne väljundlõhed.

Päikeseenergia ressursid näitavad selgeid päevastiklikke ja aastalisi musterisse – suvel on pikemad päevad ja tugevam säte, talvel aga nõrgemad tingimused. PV efektiivsus kannatab kasvava temperatuuri tõttu. Tuule- ja päikeseenergia ajalise jaotuse võrdlemisel on selge, et need näitavad komplementaarse käitumist nii päevlikult kui ka aastaliselt. See komplementaarsus võimaldab disainida efektiivseid ja stabiilseid energiasüsteeme, kus optimaalne kapasiteedi suhe saab siledaks teha üldist energia väljundit.

2. Tuule-päikese hybridenergia tootmise süsteemide modelleerimine

2.1 Tuuleenergia alamsüsteemi mudel

Tuuleenergia alamsüsteemi mudel põhineb tuulekiirusandmetel ja turbiinide omadustel. Weibulli jaotus kasutatakse tuulekiiruse tõenäosusjaotuse sobitamiseks, täpselt kirjeldades selle statistilist käitumist. Turbiini väljundenergia ja tuulekiiruse vaheline seos on esitatud osaliiget funktsioonina, mis sisaldab olulisi parameetreid nagu minimaalne tuulekiirus, nimetatud tuulekiirus ja maksimaalne tuulekiirus.

Vähima ruutude meetodit kasutatakse turbiini võimsuse käiku sobitamiseks, andes matemaatilise väljendi võimsuse väljundi ja tuulekiiruse vahel. Tuulekiiruse juhuslikkuse arvesse võtmiseks on tutvustatud Monte Carlo simulatsioonimeetod, et ennustada tuuleparkide tootmist. Mudel täpelt peegeldab tuuleenergia süsteemide dünaamilisi omadusi ja annab aluse süsteemi optimiseerimiseks. See sisaldab ka tuule suuna muutuste mõju tootmise efektiivsusele, lisades tuule suuna korrigeeriva teguri, mis parandab prognooside täpsust.

2.2 Päikeseenergia alamsüsteemi mudel

Päikeseenergia alamsüsteemi mudel hõlmab päikeseenergiaga, ümbruskonna temperatuuriga ja PV mooduli omadustega. Päikeseenergia statistiline mudel kirjeldab selle ajalist muutuvust. PV mooduli väljundomadusi kirjeldavad I-V käigud. Temperatuuri mõju efektiivsusele on modelleeritud ühe-dioodi ekvivalentcircuiti abil, väljundenergia arvutatakse mittelineaarsete võrrandite lahendamise teel.

Mudel sisaldab ka variante nagu varjundus ja tolmakumulatsioon, lisades korrigeeriva teguri, et parandada prognooside täpsust. See arvestab PV mooduli vananemist, lisades aastase degradatsioonitaajuuse, et ennustada pikaajalist energia väljundimuutust. See mudel täpelt peegeldab PV süsteemi tööd erinevatel keskkonnatingimustel.

2.3 Energia salvestamise süsteemi mudel

Energia salvestamise süsteemi mudel põhineb peamiselt lihtmetalliakulu akula omadustel. Akula laetuse (SOC) dünaamiline mudel on arendatud laetuse ja laetuse vahetamise protsesside kirjeldamiseks. Arvestatakse endlaetuse omadusi ja laetuse/väljalaetuse efektiivsust, lisatakse temperatuuri korrigeeriv tegur, et peegelda keskkondlikku mõju. Akula eluea on modelleeritud tsükli loenduse ja sügavuse (DOD) kombinatsiooniga, et ennustada kapasiteedidegradatsiooni.

Mudel täpelt peegeldab akula tööd erinevatel töötingimustel, toetades optimaalset suurust ja järeldamismustrite strateegiaid. See arvestab sisemise vastuse muutumist, luues funktsioonseid suhteid vastuse, tsükli loenduse ja temperatuuri vahel, võimaldades täpsemat dünaamilist käitumist simuleerida. Olulised väljundid hõlmavad reaalajas SOC, saadaolevat kapasiteeti, laetuse/väljalaetuse võimsust ja oodatavat eluet, pakkudes täielikku andmebaasi optimaalseks töötamiseks ja hooldamiseks.

2.4 Süsteemi integreerimise mudel

Integreeritud süsteemi mudel ühendab tuule, päikese ja salvestussüsteemid ühte raamistikku. Võrdne laadimismeetodit kasutatakse laadimisfluktuatsioonide töötlemiseks ja süsteemi võimsuse tasakaalu võrrand on loodud. Usaldusväärsuse näitajad, nagu Keskmine Laadimata Jäämise Tõenäosus (LOLP) ja Oodatav Mitte Osutanud Energia (EENS), on tutvustatud süsteemi töö hindamiseks. Järjestikune ajariigi simulatsioon kasutatakse süsteemi tööolukordade arvutamiseks erinevatel ajaskaaladel.

Mudel arvestab alamsüsteemide vahelisi suhteid, nagu tuuleturbiinide varjundus PV paneelidel. See sisaldab ka võrgu liidest, lubades analüüsida võrguga ühendatud töömeetodeid, sealhulgas majanduslikku laadimist aja järgi tarifide ja võrgusageduse reguleerimisteenusi. Väljundid hõlmavad kogu energia tootmist, laadimise rahulolu määra ja majanduslikke performantsinäitajaid, pakkudes täielikku teoreetilist alust süsteemi planeerimiseks, disainimiseks ja operatiivseks otsustamiseks.

3. Tuule-päikese hybridsete süsteemide optimeerimismeetodid ja eksperimentaarne analüüs

3.1 Eesmärgifunktsioon ja piirangud

Optimeerimise eesmärgifunktsioon integreerib majanduslikke, usaldusväärsuslikke ja keskkonnaküsimusi. Majanduslik eesmärk on minimeerida kogu süsteemi kulusid, hõlmates algset investeeringut, tööd ja hooldust (O&M) ning asenduskulusid. Usaldusväärsuse eesmärk on maksimeerida elektritarnete usaldusväärsust, mida mõõdetakse LOLP minimeerimise kaudu. Keskkonnaeesmärk mõõdetakse süsinikdioksiidi heitkoguste maksimeerimise kaudu.

Piirangud hõlmavad võimsuse tasakaalu, energia salvestamise kapasiteedi piire ja seadmete tööpiire. Võimsuse tasakaalu piirang tagab, et laadimise nõuded on kõigil aegadel rahuldatud. Salvestuskapasiteedi piirangud piiravad sügavust (DOD), et pikendada akula eluaega. Seadmete piirangud arvestavad komponentide nimetatud võimsust ja tööomadusi. Mitme-eesmärgiline kaalutud meetod integreerib need eesmärgid ühe eesmärgifunktsiooniga, kus kaalud määratakse otsustaja eelistuste ja rakendussenaariumi alusel.

3.2 Partiklite rohkunimeetodi (PSO) rakendamine

Partiklite rohkunimeetod (PSO), intelligentne optimeerimisalgoritm, on rakendatud tuule-päikese hybridsete süsteemide disainimiseks. Lennunduse käitumise simuleerimise kaudu otsib PSO lahendusruumis optimaalseid lahendusi. Igas partiklis on potentsiaalne süsteemi konfiguratsioon, hõlmades otsustusmuutujaid, nagu tuuleturbiini kapasiteet, PV kapasiteet ja salvestuskapasiteet. Partikli asukoht ja kiirus uuendatakse iteratiivselt, lähenedes globaalsel optimumile.

Parandamiseks on kasutatud lineaarselt vähenev inertskaalategur - hoides tugevat globaalkaevandust alguses ja tugevat lokaalkaevandust hiljem. Adaptiivne mutatsioon on tutvustatud, et vältida lokaalse optima. Probleemi keerukuse tõttu on hierarhilise kodeerimismeetod jagatud pidevate ja diskreetsete muutujate vahel. Algoritm lõpetatakse, kui saavutatakse maksimaalne iteratsioonide arv või kui optimaalne väärtus muutub vähem kui umbes kümnendkohta mitte järjest ikka sama iteratsioonidega.

3.3 Eksperimentide disain ja parameetrite seaded

Eksperimendid põhinevad konkreetse piirkonna tegelike ilmateaduslike ja laadimisandmetel, kasutades tipika aasta tunniti andmeid. Ilmateaduslikud sisendid hõlmavad tunniti tuulekiirust, päikeseenergiat ja ümbruskonna temperatuuri. Laadimisprofiilid järgivad tipika tööstusparki tarbimismustrit, millel on aastalisi ja päevastiklikke muutusi. Seadmete parameetrid valitakse populaarsest kaubanduslikust tuuleturbiinidest ja PV moodulitest, mille tööandmed on allikas tootja testiaruannetest.

Energia salvestamiseks kasutatakse lihtmetalliaklu, mille parameetrid hõlmavad nimetatud kapasiteeti, laetuse/väljalaetuse efektiivsust ja tsüklilist elu. PSO parameetrid on seatud järgmiselt: populatsiooni suurus = 50, maksimaalne iteratsioonide arv = 1000, inertskaalategur lineaarselt väheneb 0.9-st 0.4-ni, ja õppefaktorid c1 ja c2 on mõlemad seatud 2-le. Tulemuste kindluse tagamiseks kõigis konfiguratsioonides käivitatakse iga konfiguratsioon 30 korda, kus lõplik tulemus on keskmine.

3.4 Süsteemi tööhindamise näitajad

Tööhindamise näitajad hõlmavad tehnilisi, majanduslikke ja keskkonnaküsimusi. Tehnilised näitajad hõlmavad süsteemi usaldusväärsust, energia kasutamise määra ja võimsuse siledust. Usaldusväärsus mõõdetakse Reliability of Supply Capability Index (RSCI) ja Loss of Power Supply Probability (LPSP) kaudu. Energia kasutus mõõdab taastuvenergia efektiivsust, samas kui võimsuse siledus hindab väljundstabiilsust. Majanduslikud näitajad hõlmavad Levelized Cost of Electricity (LCOE), Net Present Value (NPV) ja tagasimakseperioodi. LCOE arvestab elutsüklite kulud, NPV peegeldab projektide kasumlikkust, ja tagasimakseperiood hindab kapitali taastumiskiirust.

Keskkonnanimi on süsinikdioksiidi heitkoguste vähendamine, mida arvutatakse võrreldes traditsiooniliste fossiilkütuste genereerimise kaudu. Lisaks on koostatud ühendusnäitaja - System Comprehensive Benefit Index (SCBI), mis integreerib tehnilisi, majanduslikke ja keskkonnafaktore kaalutud summeerimise kaudu. Need näitajad ja nende kaalud määratakse ekspertide hinnangu ja praktikaküsimuste alusel, pakkudes täielikku süsteemi töö hindamist ja toetades informeeritud otsuseid.

3.5 Optimeerimistulemuste analüüs

Optimeerimistulemused näitavad, et tuule-päikese hybridenergia tootmise süsteem pakub olulist eelist ühesuguse energia süsteemidele. Baseline stsenaariumi korral on optimaalne konfiguratsioon 2 MW tuuleenergia kapasiteet, 1.5 MW fotovoltaik (PV) kapasiteet ja 500 kWh energia salvestus. See konfiguratsioon vähendab Keskmine laadimata jäämise tõenäosuse (LPSP) alla 1% ja vähendab Levelized Cost of Electricity (LCOE) ligikaudu 15% võrreldes ainult tuule või PV süsteemidega. Tundlikkusanalüüs näitab, et seadmete kulusid on suurim mõju optimeerimistulemustele - 10% kulu vähenemine viib ligikaudu 8% LCOE vähenemiseni.

Laadimisprofiilide muutused mõjutavad oluliselt energia salvestuse suurust; suuremad tipp-kuju laadimisvahe erinevused nõuavad suuremat salvestuskapasiteeti. Optimaalsed konfiguratsioonid võivad erineda piirkondade vahel: tuulerikad piirkonnad soovivad suuremat tuuleenergia suhet, samas kui