कुशल वायु-सौर संयुक्त प्रणाली का संग्रहण के साथ अनुकूलन

1. वायु और सौर फोटोवोल्टेइक ऊर्जा उत्पादन की विशेषताओं का विश्लेषण

वायु और सौर फोटोवोल्टेइक (PV) ऊर्जा उत्पादन की विशेषताओं का विश्लेषण एक पूरक हाइब्रिड प्रणाली के डिज़ाइन के लिए मूलभूत है। किसी विशिष्ट क्षेत्र के लिए वार्षिक वायु गति और सौर विकिरण डेटा का सांख्यिकीय विश्लेषण दर्शाता है कि वायु संसाधनों में मौसमी भिन्नता होती है, जिसमें गर्मी और शरद ऋतु में वायु गति कम और शीत और वसंत ऋतु में अधिक होती है। वायु ऊर्जा उत्पादन वायु गति के घन के अनुपात में होता है, जिससे महत्वपूर्ण आउटपुट उतार-चढ़ाव होता है।

दूसरी ओर, सौर संसाधनों में स्पष्ट दैनिक और मौसमी पैटर्न देखने को मिलते हैं—गर्मी में लंबे दिन और मजबूत विकिरण, और सर्दी में कमजोर स्थितियाँ। PV की दक्षता तापमान के बढ़ने से नकारात्मक रूप से प्रभावित होती है। वायु और सौर ऊर्जा के समय वितरण की तुलना करने पर स्पष्ट होता है कि वे दैनिक और वार्षिक चक्रों पर पूरक व्यवहार प्रदर्शित करते हैं। यह पूरकता कार्यक्षम और स्थिर ऊर्जा प्रणालियों के डिज़ाइन की संभावना प्रदान करती है, जहाँ दो ऊर्जा स्रोतों के बीच एक ऑप्टिमल क्षमता अनुपात को निर्धारित किया जा सकता है ताकि कुल ऊर्जा आउटपुट को नरम किया जा सके।

2. वायु-सौर हाइब्रिड ऊर्जा उत्पादन प्रणालियों का मॉडलिंग

2.1 वायु ऊर्जा उपप्रणाली मॉडल

वायु ऊर्जा उपप्रणाली मॉडल वायु गति डेटा और टरबाइन के विशेषताओं पर आधारित होता है। वायु गति संभाव्यता वितरण को फिट करने के लिए वेबुल वितरण का उपयोग किया जाता है, जो इसके सांख्यिकीय व्यवहार का सटीक वर्णन करता है। टरबाइन आउटपुट शक्ति और वायु गति के बीच का संबंध एक टुकड़े-टुकड़े फंक्शन द्वारा प्रदर्शित किया जाता है, जिसमें कट-इन वायु गति, रेटेड वायु गति और कट-आउट वायु गति जैसे महत्वपूर्ण पैरामीटर शामिल होते हैं।

टरबाइन शक्ति वक्र को फिट करने के लिए कम से कम वर्गों की विधि का उपयोग किया जाता है, जिससे वायु गति के आधार पर शक्ति आउटपुट का एक गणितीय व्यंजक प्राप्त होता है। वायु गति की यादृच्छिकता को ध्यान में रखने के लिए मोंटे कार्लो सिमुलेशन विधि का परिचय दिया जाता है ताकि वायु फार्म उत्पादन की भविष्यवाणी की जा सके। यह मॉडल वायु ऊर्जा प्रणालियों की गतिक विशेषताओं को सटीक रूप से प्रतिबिंबित करता है और प्रणाली विन्यास के लिए एक आधार प्रदान करता है। इसमें वायु दिशा के परिवर्तनों के उत्पादन दक्षता पर प्रभाव को ध्यान में रखने के लिए एक वायु दिशा संशोधन कारक का समावेश होता है, जिससे भविष्यवाणी दक्षता में सुधार होता है।

2.2 फोटोवोल्टेइक ऊर्जा उपप्रणाली मॉडल

फोटोवोल्टेइक उपप्रणाली मॉडल सौर विकिरण, पर्यावरणीय तापमान और PV मॉड्यूल की विशेषताओं को व्यापक रूप से ध्यान में रखता है। सौर विकिरण का सांख्यिकीय मॉडल इसके समय विचरणों का वर्णन करने के लिए स्थापित किया जाता है। PV मॉड्यूल के आउटपुट विशेषताएं I-V वक्रों द्वारा प्रदर्शित की जाती हैं। तापमान के प्रभाव को एक सिंगल-डायोड इक्विवेलेंट सर्किट द्वारा मॉडल किया जाता है, जिसमें आउटपुट शक्ति एक गैर-रैखिक समीकरणों के सिस्टम को हल करके कैलकुलेट की जाती है।

इस मॉडल में छाया और धूल के जमाव के जैसे कारकों को भी शामिल किया गया है, जिससे भविष्यवाणी दक्षता में सुधार होता है। यह PV मॉड्यूल के उम्रानुसार डिग्रेडेशन को ध्यान में रखकर लंबे समय के शक्ति आउटपुट के परिवर्तनों की भविष्यवाणी करता है। यह मॉडल विभिन्न पर्यावरणीय स्थितियों के तहत PV प्रणाली के प्रदर्शन को सटीक रूप से प्रतिबिंबित करता है।

2.3 ऊर्जा संचय प्रणाली मॉडल

ऊर्जा संचय प्रणाली मॉडल मुख्य रूप से लिथियम-आयन बैटरी की विशेषताओं पर आधारित है। बैटरी की चार्ज स्थिति (SOC) का गतिक मॉडल चार्जिंग और डिसचार्जिंग प्रक्रियाओं का वर्णन करने के लिए विकसित किया गया है। स्व-डिसचार्जिंग विशेषताओं और चार्ज/डिसचार्ज दक्षता को ध्यान में रखा गया है, जिसमें तापमान संशोधन कारक का समावेश किया गया है ताकि पर्यावरणीय प्रभावों को प्रतिबिंबित किया जा सके। बैटरी की लंबाई एक संयोजन के रूप में चक्र संख्या और डिपथ ऑफ डिसचार्ज (DOD) का उपयोग करके मॉडल किया जाता है ताकि क्षमता की डिग्रेडेशन की भविष्यवाणी की जा सके।

यह मॉडल विभिन्न संचालन स्थितियों के तहत बैटरी के प्रदर्शन को सटीक रूप से प्रतिबिंबित करता है, जो ऑप्टिमल आकार और डिसपैच स्ट्रेटेजी के लिए समर्थन प्रदान करता है। यह आंतरिक प्रतिरोध के परिवर्तन को ध्यान में रखता है द्वारा रिसिस्टेंस, चक्र संख्या और तापमान के बीच के कार्यकारी संबंधों की स्थापना करके, जिससे गतिक व्यवहार की अधिक सटीक सिमुलेशन संभव होती है। मुख्य आउटपुट में वास्तविक समय SOC, उपलब्ध क्षमता, चार्ज/डिसचार्ज शक्ति और अपेक्षित लंबाई शामिल हैं—जो ऑप्टिमल संचालन और रखरखाव के लिए व्यापक डेटा समर्थन प्रदान करते हैं।

2.4 प्रणाली एकीकरण मॉडल

एकीकृत प्रणाली मॉडल वायु, सौर और संचय उपप्रणालियों को एक संयुक्त ढांचे में एकीकृत करता है। लोड के उतार-चढ़ाव को संभालने के लिए इक्विवेलेंट लोड विधि का उपयोग किया जाता है, और एक प्रणाली शक्ति बैलेंस समीकरण स्थापित किया जाता है। प्रणाली प्रदर्शन का मूल्यांकन करने के लिए लोस ऑफ लोड प्रोबेबिलिटी (LOLP) और एक्सपेक्टेड एनर्जी नॉट सप्लाइड (EENS) जैसे विश्वसनीयता सूचक शामिल किए जाते हैं। अनुक्रमिक समय-श्रेणी सिमुलेशन का उपयोग किया जाता है ताकि विभिन्न समय स्तरों पर प्रणाली की संचालन स्थितियों की गणना की जा सके।

यह मॉडल उपप्रणालियों के बीच की प्रतिक्रियाओं, जैसे वायु टरबाइनों द्वारा PV पैनलों पर छाया, को ध्यान में रखता है। इसमें ग्रिड इंटरफेस भी शामिल है, जिससे ग्रिड-संयोजित संचालन रणनीतियों, जिनमें टाइम-ऑफ-यूज टैरिफ के तहत आर्थिक डिसपैच और ग्रिड फ्रीक्वेंसी रेगुलेशन सेवाएं, का विश्लेषण संभव होता है। आउटपुट में कुल ऊर्जा उत्पादन, लोड संतुष्टि दर, और आर्थिक प्रदर्शन मेट्रिक्स शामिल हैं, जो प्रणाली योजना, डिज़ाइन, और संचालन निर्णय-निर्माण के लिए एक व्यापक सैद्धांतिक आधार प्रदान करते हैं।

3. वायु-सौर हाइब्रिड प्रणालियों के विन्यास और प्रयोगशाला विश्लेषण की विधियाँ

3.1 उद्देश्य फंक्शन और विवरण

उद्देश्य फंक्शन आर्थिक, विश्वसनीयता, और पर्यावरणीय परिवेश के विचारों को एकीकृत करता है। आर्थिक उद्देश्य कुल प्रणाली की लागत को न्यूनतम करता है, जिसमें प्रारंभिक निवेश, संचालन और रखरखाव (O&M), और प्रतिस्थापन की लागत शामिल होती है। विश्वसनीयता उद्देश्य विद्युत आपूर्ति की विश्वसनीयता को अधिकतम करता है, जिसे LOLP द्वारा न्यूनतम करके मापा जाता है। पर्यावरणीय उद्देश्य कार्बन उत्सर्जन की कमी द्वारा मापा जाता है।

विवरणों में शक्ति संतुलन, ऊर्जा संचय क्षमता सीमाएं, और उपकरण संचालन सीमाएं शामिल हैं। शक्ति संतुलन विवरण यह सुनिश्चित करता है कि लोड मांग सर्वदा पूरी की जाती है। संचय क्षमता विवरण DOD को सीमित करते हैं ताकि बैटरी की लंबाई बढ़े। उपकरण विवरण घटकों की रेटेड शक्ति और संचालन विशेषताओं को ध्यान में रखते हैं। एक बहु-उद्देश्य वजन विधि इन लक्ष्यों को एक एकल उद्देश्य फंक्शन में एकीकृत करती है, जिसके वजन निर्णय-निर्माता की पसंद और अनुप्रयोग परिदृश्यों के आधार पर निर्धारित किए जाते हैं।

3.2 पार्टिकल स्वार्म विधि (PSO) का उपयोग

पार्टिकल स्वार्म विधि (PSO), एक बुद्धिमान विन्यास विधि, वायु-सौर हाइब्रिड प्रणालियों के डिज़ाइन में लागू की जाती है। पक्षियों के झुंड की गतिविधियों का सिमुलेशन करते हुए, PSO समाधान स्थान में ऑप्टिमल समाधानों की खोज करता है। प्रत्येक पार्टिकल एक संभावित प्रणाली कॉन्फिगरेशन का प्रतिनिधित्व करता है, जिसमें वायु टरबाइन क्षमता, PV क्षमता, और संचय क्षमता जैसे निर्णय चर शामिल होते हैं। पार्टिकल की स्थिति और वेग को लगातार अपडेट किया जाता है, जो वैश्विक ऑप्टिमम की ओर अभिसरण करता है।

प्रदर्शन को बढ़ाने के लिए, एक रैखिक रूप से घटता हुआ इनर्शिया वजन रणनीति अपनाई जाती है—प्रारंभ में मजबूत वैश्विक खोज और बाद में स्थानीय खोज को बढ़ाव देना। एडैप्टिव म्यूटेशन लोकल ऑप्टिमा से बचने के लिए पेश किया जाता है। समस्या की जटिलता के लिए, एक विराम एन्कोडिंग रणनीति लगातार और असतत चरों को अलग करती है। एल्गोरिथ्म अधिकतम आवर्तन संख्या तक या जब लगातार आवर्तनों में ऑप्टिमल मान में थ्रेशहोल्ड से कम परिवर्तन हो तब समाप्त होता है।

3.3 प्रयोगशाला डिज़ाइन और पैरामीटर सेटिंग्स

प्रयोग एक विशिष्ट क्षेत्र के वास्तविक मौसमीय और लोड डेटा पर आधारित है, जिसमें एक आदर्श वर्ष का घंटे-दर-घंटा डेटा शामिल है। मौसमी इनपुट में घंटे-दर-घंटा वायु गति, सौर विकिरण, और पर्यावरणीय तापमान शामिल हैं। लोड प्रोफाइल एक आदर्श औद्योगिक पार्क की खपत पैटर्न का पालन करते हैं, जो मौसमी और दैनिक भिन्नताओं को प्रतिबिंबित करते हैं। उपकरण पैरामीटर मुख्यधारा व्यापारिक वायु टरबाइन और PV मॉड्यूल से चुने जाते हैं, जिनके प्रदर्शन डेटा निर्माता परीक्षण रिपोर्टों से स्रोत लिए जाते हैं।

संचय के लिए एक लिथियम-आयन बैटरी का उपयोग किया जाता है, जिसमें रेटेड क्षमता, चार्ज/डिसचार्ज दक्षता, और चक्र जीवन शामिल हैं। PSO पैरामीटर निम्न रूप से सेट किए जाते हैं: जनसंख्या = 50, अधिकतम आवर्तन = 1000, इनर्शिया वजन रैखिक रूप से 0.9 से 0.4 तक घटता है, और सीखने के कारक c1 और c2 दोनों 2 पर सेट किए जाते हैं। परिणामों की विश्वसनीयता सुनिश्चित करने के लिए, प्रत