Efektīva vēja-saules hibrīdsistēmas optimizācija ar uzglabāšanu
1. Vēja un saules fotovoltaisko elektroenerģijas ražošanas īpašību analīze
Vēja un saules fotovoltaisko (PV) elektroenerģijas ražošanas īpašību analīze ir būtiska, lai izstrādātu savstarpēji papildinošu hibrīdsistēmu. Konkrētas reģiona gada vēja ātruma un saules starojuma statistiskās datus analizējot, redzams, ka vēja resursi parāda sezonisku variāciju, ar augstākiem vēja ātrumiem ziemā un pavasarī un zemākiem rudenī un vasarā. Vēja enerģijas ražošana ir proporcionāla vēja ātruma kubam, kas rezultē nozīmīgām produkcijas svārstībām.
Saules resursi, savukārt, parāda skaidrus dienas un sezonas modeļus — ilgākas dienas un stiprāks starojums vasarā, un vājākas apstākļi ziemā. PV efektivitāte tiek negatīvi ietekmēta, ja temperatūra palielinās. Salīdzinot vēja un saules enerģijas laika sadalījumu, ir redzama to savstarpēji papildinoša uzvedība gan ikdienas, gan gadskartē. Šī papildināšanās ļauj izstrādāt efektīvas un stabiles enerģijas sistēmas, kur var konfigurēt optimālu abu enerģijas avotu jaudas attiecību, lai vienmērīgi out līdzinātu kopējo enerģijas produkciju.
2. Vēja-saules hibrīdelektroenerģijas ražošanas sistēmu modelēšana
2.1 Vēja enerģijas apakšsistēmas modelis
Vēja enerģijas apakšsistēmas modelis balstās uz vēja ātruma datiem un dzelzceļa raksturojošajiem parametriem. Veibulla sadalījuma izmantošana, lai pielāgotu vēja ātruma varbūtības sadalījumu, precīzi apraksta tā statistisko uzvedību. Turbīnas izvades jaudas un vēja ātruma attiecību izsaka daļveida funkcija, iekļaujot galvenos parametrus, piemēram, ieietnes vēja ātrumu, normālo vēja ātrumu un izietnes vēja ātrumu.
Mazāko kvadrātu metodi izmanto, lai pielāgotu turbīnas jaudas līkni, sniedzot matemātisko izteiksmi, kas apraksta jaudas izvadi pret vēja ātrumu. Lai ņemtu vērā vēja ātruma nejaušumu, tiek ieviesta Monte Karlo simulācijas metode, lai prognozētu vēja parka ražošanu. Modelis precīzi atspoguļo vēja enerģijas sistēmu dinamiskās īpašības un nodrošina pamatu sistēmas optimizācijai. Tā arī iekļauj vēja virziena maiņas ietekmi uz ražošanas efektivitāti, ieviešot vēja virziena korekcijas koeficientu, tādējādi uzlabojot prognozēšanas precizitāti.
2.2 Fotovoltaisko enerģijas apakšsistēmas modelis
Fotovoltaisko apakšsistēmas modelis visaptveroši ņem vērā saules starojumu, apkārtējo temperatūru un PV moduļu raksturojošos parametrus. Tiek izveidots saules starojuma statistiskais modelis, lai aprakstītu tā laika mainīgumu. PV moduļu izvades īpašības izsaka I-V līknes. Temperatūras ietekme uz efektivitāti tiek modelēta, izmantojot viena dioda ekvivalento shēmu, ar izvades jaudu aprēķināšanu, atrisinot nelineāru vienādojumu sistēmu.
Modelis iekļauj arī faktorus, piemēram, šeņošanu un putekļu akumulāciju, ieviešot korekcijas koeficientus, lai uzlabotu prognozēšanas precizitāti. Tā ņem vērā PV moduļu novecošanos, iekļaujot gada degradācijas rādītāju, lai prognozētu ilgtermiņa jaudas izmaiņas. Šis modelis precīzi atspoguļo PV sistēmas veiktspēju dažādos vides apstākļos.
2.3 Enerģijas krātošanas sistēmas modelis
Enerģijas krātošanas sistēmas modelis galvenokārt balstās uz litija jonu akumulatora raksturojošajiem parametriem. Izstrādāts dinamisks modelis, kas apraksta akumulatora lādījuma stāvokli (SOC), lai aprakstītu uzlādes un atlādes procesus. Ņem vērā pašlādēšanās raksturojošos parametrus un uzlādes/atlādes efektivitāti, ieviešot temperatūras korekcijas koeficientu, lai atspoguļotu vides ietekmi. Akumulatora mūža ilgumu modelē, izmantojot ciklu skaita un atlādes dziļuma (DOD) kombināciju, lai prognozētu kapacitātes degradāciju.
Modelis precīzi atspoguļo akumulatora veiktspēju dažādos darbības apstākļos, atbalstot optimālu izmēru noteikšanu un piešķiršanas stratēģijas. Tā arī ņem vērā iekšējās pretestības izmaiņas, izveidojot funkcionalās attiecības starp pretestību, ciklu skaitu un temperatūru, ļaujot precīzāk simulators dinamiskām īpašībām. Galvenie rezultāti ietver reala laika SOC, pieejamo kapacitāti, uzlādes/atlādes jaudu un prognozēto mūža ilgumu — sniedzot pilnīgu datu atbalstu optimālai operācijai un uzturībai.
2.4 Sistēmas integrācijas modelis
Integrētā sistēmas modelis savieno vēja, saules un krātošanas apakšsistēmas vienotas struktūrā. Ekvivalenta slodzes metode tiek izmantota, lai risinātu slodzes svārstības, un tiek izveidota sistēmas enerģijas bilance vienādojuma. Uz uzticamības rādītājiem, piemēram, Slodzes zaudēšanas varbūtību (LOLP) un Gaidāma nepiegādātā enerģija (EENS), tiek ieviesti, lai novērtētu sistēmas veiktspēju. Sekvenču laika sērijas simulācija tiek izmantota, lai aprēķinātu sistēmas darbības stāvokli dažādos laika skalēs.
Modelis ņem vērā apakšsistēmu interakcijas, piemēram, vēja turbīnu šeņošanu PV paneļiem. Tā arī iekļauj tīkla saskaru, ļaujot analizēt tīkla savienojuma darbības stratēģijas, tostarp ekonomisku piešķiršanu laika tarifiem un tīkla frekvences regulēšanas pakalpojumus. Rezultāti ietver kopējo enerģijas ražošanu, slodzes apmierināšanas rādītāju un ekonomiskos veiktspējas rādītājus, sniedzot pilnīgu teorētisko pamatu sistēmas plānošanai, dizainam un operatīvajiem lēmumiem.
3. Optimizācijas metodes un eksperimentālā analīze vēja-saules hibrīdsistēmām
3.1 Mērķa funkcija un ierobežojumi
Optimizācijas mērķa funkcija integrē ekonomiskus, uzticamības un vides apsvērumus. Ekonomiskais mērķis ir minimizēt kopējos sistēmas izdevumus, tostarp sākotnējo investīciju, operāciju un uzturības (O&M) un aizstāšanas izmaksas. Uzticamības mērķis ir maksimizēt enerģijas piegādes uzticamību, kvantificējot LOLP minimizēšanu. Vides mērķis tiek mērots, maksimizējot oglekļa emisiju samazinājumu.
Ierobežojumi ietver enerģijas bilanci, enerģijas krātošanas kapacitātes robežas un aprīkojuma darbības ierobežojumus. Enerģijas bilances ierobežojums nodrošina, ka slodzes prasības tiek apmierinātas visos laikos. Krātošanas kapacitātes ierobežojumi ierobežo atlādes dziļumu (DOD), lai pagarinātu akumulatora mūža ilgumu. Aprīkojuma ierobežojumi ņem vērā komponentu nominālo jaudu un darbības raksturojošos parametrus. Daudzobjektīva svaru metode integrē šos mērķus vienā mērķa funkcijā, ar svaru noteikšanu, balstoties uz lēmumu pieņēmēju preferencēm un lietošanas scenārijiem.
3.2 Cilpu roksaimnieku optimizācijas (PSO) lietošana
Cilpu roksaimnieku optimizācija (PSO), intelektuāla optimizācijas algoritms, tiek piemērota vēja-saules hibrīdsistēmu izstrādei. Simulējot putnu kokles uzvedību, PSO meklē optimālas risinājumus risinājumu telpā. Katrs cilps pārstāv potenciālo sistēmas konfigurāciju, ietverot lēmumu mainīgos, piemēram, vēja turbīnu kapacitāti, PV kapacitāti un krātošanas kapacitāti. Cilpa pozīcija un ātrums tiek iteratīvi atjaunināti, konverģējot uz globālo optimumu.
Lai uzlabotu veiktspēju, tiek pieņemta lineāri samazinājošā inertnes svara stratēģija — saglabājot stipru globālo eksplorāciju agrāk un uzlabojot lokālo ekspluatāciju vēlāk. Adaptīva mutācija tiek ieviesta, lai izvairītos no lokālā optimuma. Ņemot vērā problēmas sarežģītību, hierarhiskā kodēšanas stratēģija atsevišķi iedala nepārtrauktos un diskretos mainīgos. Algoritms beidzas, kad sasniedz maksimālo iterāciju skaitu vai ja optimālā vērtība mainās mazāk par slieksni secīgās iterācijās.
3.3 Eksperimentālais dizains un parametru iestatījumi
Eksperiments balstās uz konkrētā reģiona faktiskajiem meteoroloģiskajiem un slodzes datiem, izmantojot tipiskā gada stundas datus. Meteoroloģiskie ievadi ietver stundas vēja ātrumu, saules starojumu un apkārtējo temperatūru. Slodzes profili sekos tipiskam industriālā parks patēriņa modelim, atspoguļojot sezoniskās un dienas svārstības. Aprīkojuma parametri tiek atlasīti no galvenajiem komerciālajiem vēja turbīnām un PV moduļiem, ar veiktspējas datiem, kas nolaists no ražotāja testa ziņojumiem.
Lietota litija jonu baterija krātošanai, ar parametriem, tostarp nominālo kapacitāti, uzlādes/atlādes efektivitāti un ciklu mūža ilgumu. PSO parametri tiek iestatīti šādi: populācijas izmērs = 50, maksimālie iterācijas = 1000, inertnes svars lineāri samazinās no 0.9 līdz 0.4, un mācīšanās faktori c1 un c2 tiek iestatīti uz 2. Lai nodrošinātu rezultātu uzticamību, katru konfigurāciju palaista 30 reizes, ar vidējo vērtību kā galīgo rezultātu.
3.4 Sistēmas veiktspējas novērtēšanas rādītāji
Veiktspējas novērtēšanas rādītāji ietver tehniskus, ekonomiskus un vides aspektus. Tehnisks rādītājs ietver sistēmas uzticamību, enerģijas izmantošanas rādītāju un jaudas izlīdzināšanu. Uzticamība tiek mērīta Piegādes spējas uzticamības indeksu (RSCI) un Zaudētās enerģijas piegādes varbūtību (LPSP). Enerģijas izmantošana atspoguļo atjaunojamās enerģijas efektivitāti, bet jaudas izlīdzināšana novērtē izvades stabilitāti. Ekonomiskie rādītāji ietver Elektroenerģijas līdzvidējo izmaksu (LCOE), Netaisnāko pašreizējo vērtību (NPV) un atmaksas periodu. LCOE ņem vērā dzīves cikla izmaksas, NPV atspoguļo projektu peļņu, un atmaksas periods novērtē kapitāla atmodas ātrumu.
Vides rādītājs ir oglekļa emisiju samazinājums, aprēķināts salīdzinājumā ar tradicionālām fosilā kurināmā enerģijas ražošanas sistēmām. Papildus tam, savstarpēji integrēts veiktspējas rādītājs — Sistēmas kopējais labuma indekss (SCBI) — integrē tehniskus, ekonomiskus un vides faktorus caur svarītu summu. Šie rādītāji un to svari tiek noteikti, balstoties uz ekspertu novērtējumiem un praktiskajām vajadzībām, sniedzot pilnīgu sistēmas veiktspējas novērtējumu un atbalstot informētus lēmumus.
