संग्रहणको साथ प्रभावी वायु-सौर द्वितीय प्रणाली अनुकूलन

1. हवाको र सौर फोटोव्होल्टेइक विद्युत उत्पादन विशेषताहरूको विश्लेषण

हवाको र सौर फोटोव्होल्टेइक (पीवी) विद्युत उत्पादन विशेषताहरूको विश्लेषण एउटा पूरकीय संक्रमण प्रणाली डिजाइन गर्ने मुख्य आधार हुन्छ। एक विशिष्ट क्षेत्रका लागि वार्षिक हवाको गति र सौर बिजलीको डेटाको सांख्यिकीय विश्लेषणले देखाउँछ कि हवाको संसाधनहरूमा ऋतुगत परिवर्तन छ, जहाँ शीत र बसन्तमा अधिक हवाको गति र ग्रीष्म र शरदमा घटियो हुन्छ। हवाको विद्युत उत्पादन हवाको गतिको घनफलको अनुपातमा थिच्न छ, जसले महत्वपूर्ण उत्पादन भन्दा बढी भन्दाई ल्याउँछ।

अन्य तर, सौर संसाधनहरूमा स्पष्ट दिन र ऋतुगत पैटर्न देखिन्छ—ग्रीष्ममा लामो दिनको घण्टाहरू र मजबूत विकिरण र शीतकालमा कमजोर शर्तहरू। पीवी दक्षता तापक्रम बढ्ने रूपमा नकारात्मक रूपमा प्रभावित हुन्छ। हवाको र सौर ऊर्जाको समय वितरणलाई तुलना गर्दा, यो स्पष्ट छ कि उनीहरू दैनिक र वार्षिक चक्रहरूमा पूरकीय व्यवहार देखाउँछन्। यो पूरकता दक्ष र स्थिर विद्युत प्रणाली डिजाइन गर्न सक्षम बनाउँछ, जहाँ दुई ऊर्जा स्रोतहरूको अनुकूल क्षमता अनुपात निर्धारण गरी एकैलै विद्युत उत्पादन लामो गर्न सकिन्छ।

2. हवाको-सौर संक्रमण विद्युत उत्पादन प्रणालीको मॉडलिङ

2.1 हवाको विद्युत उपप्रणाली मॉडल

हवाको विद्युत उपप्रणाली मॉडल हवाको गति डेटा र टर्बाइन विशेषताहरूको आधारमा निर्मित गरिएको छ। वेइबुल वितरण हवाको गति संभाव्यता वितरणलाई फिट गर्न उपयोग गरिएको छ, जसले यसको सांख्यिकीय व्यवहार सही रूपमा वर्णन गर्छ। टर्बाइन उत्पादन शक्ति र हवाको गतिबीचको सम्बन्ध टुक्रा फंक्सन द्वारा प्रतिनिधित्व गरिएको छ, जसमा कट-इन हवाको गति, रेटेड हवाको गति, र कट-आउट हवाको गति जस्ता महत्वपूर्ण परामितिहरू समावेश छन्। 

लिअस्ट स्क्वायर्स मेथडले टर्बाइन शक्ति वक्र फिट गर्न उपयोग गरिएको छ, जसले हवाको गतिको अनुसार शक्ति उत्पादनको गणितीय व्यक्तिकरण दिन्छ। हवाको गतिको यादृच्छिकता लागि लागू गरिएको मोन्टे कार्लो सिमुलेसन मेथड द्वारा हवाको फार्म उत्पादनलाई भविष्यवाणी गरिन्छ। यो मॉडल हवाको विद्युत प्रणालीको गतिशील विशेषताहरूलाई सही रूपमा प्रतिबिम्बित गर्छ र प्रणाली अनुकूलनको आधार प्रदान गर्छ। यसले विद्युत उत्पादन दक्षतामा हवाको दिशाको परिवर्तनको प्रभाव भन्दा विशिष्ट दिशाको संशोधन गुणांक लागू गरेर भविष्यवाणी दक्षता बढाउँछ।

2.2 फोटोव्होल्टेइक विद्युत उपप्रणाली मॉडल

फोटोव्होल्टेइक उपप्रणाली मॉडल सौर बिजली, वातावरणीय तापक्रम, र पीवी मॉड्यूल विशेषताहरूलाई समग्र रूपमा विचार गर्छ। सौर बिजलीको सांख्यिकीय मॉडल निर्माण गरिएको छ जसले यसको समय विचरणलाई वर्णन गर्छ। पीवी मॉड्यूलको उत्पादन विशेषताहरू I-V वक्र द्वारा प्रतिनिधित्व गरिएको छ। तापक्रम द्वारा दक्षतामा प्रभाव एक एक-डायोड बराबरी परिपथ द्वारा मॉडल गरिएको छ, जसको उत्पादन शक्ति एक गैर-रेखीय समीकरणहरूको समुच्चय लाई हल गरेर गणना गरिन्छ।

यो मॉडल छाया र धूल जम्ने जस्ता कारकहरू समावेश गर्दछ, र भविष्यवाणी दक्षता बढाउन संशोधन गुणांकहरू लागू गर्छ। यो पीवी मॉड्यूलको विकृतिको लागि वार्षिक विकृति दर लागू गरेर लामो अवधिको शक्ति उत्पादन बदलाहरूलाई भविष्यवाणी गर्छ। यो मॉडल भिन्न वातावरणीय शर्तहरूमा पीवी प्रणालीको प्रदर्शनलाई सही रूपमा प्रतिबिम्बित गर्छ।

2.3 ऊर्जा संचयन प्रणाली मॉडल

ऊर्जा संचयन प्रणाली मॉडल मुख्यतया लिथियम-आयन बैटरी विशेषताहरूको आधारमा निर्मित गरिएको छ। बैटरीको चार्ज स्थिति (SOC)को गतिशील मॉडल निर्माण गरिएको छ जसले चार्ज र डिस्चार्ज प्रक्रियाहरूलाई वर्णन गर्छ। स्वयं डिस्चार्ज विशेषताहरू र चार्ज/डिस्चार्ज दक्षता विचार गरिएको छ, र वातावरणीय प्रभावलाई प्रतिबिम्बित गर्न तापक्रम संशोधन गुणांक लागू गरिएको छ। बैटरीको जीवनकाल चक्र संख्या र डिप्थ ऑफ डिस्चार्ज (DOD)को संयोजन द्वारा मॉडल गरिएको छ जसले क्षमता विकृति भविष्यवाणी गर्छ।

यो मॉडल भिन्न चालन शर्तहरूमा बैटरीको प्रदर्शनलाई सही रूपमा प्रतिबिम्बित गर्छ, र अनुकूल आकार र डिस्पैच रणनीतिहरूलाई समर्थन गर्छ। यो आन्तरिक प्रतिरोध विचरणलाई विचार गर्दछ र प्रतिरोध, चक्र संख्या, र तापक्रम बीच फंक्शनल रिलेशन निर्माण गर्दछ, जसले गतिशील व्यवहारको अधिक सही सिमुलेसन सक्षम बनाउँछ। मुख्य उत्पादनहरू योग्य चार्ज स्थिति, उपलब्ध क्षमता, चार्ज/डिस्चार्ज शक्ति, र अपेक्षित जीवनकाल सहित छन्—जसले अनुकूल चालन र रक्षणावेक्षणको लागि व्यापक डेटा समर्थन प्रदान गर्छ।

2.4 प्रणाली समावेशन मॉडल

समावेशित प्रणाली मॉडल हवाको, सौर, र संचयन उपप्रणालीहरूलाई एकीकृत ढाँचामा जोड्दछ। तुल्य लोड विधि लागू गरिएको छ जसले लोड भन्दाबन्दीहरूलाई संभाल्छ, र प्रणाली शक्ति बलान्स समीकरण निर्मित गरिएको छ। लोस ऑफ लोड प्रोबेबिलिटी (LOLP) र एक्सपेक्टेड एनर्जी नॉट सप्लाइड (EENS) जस्ता विश्वसनीयता सूचकहरू प्रणाली प्रदर्शनलाई मूल्यांकन गर्न लागू गरिएका छन्। अनुक्रमिक समय-श्रृंखला सिमुलेसन विभिन्न समय स्तरहरूमा प्रणाली कार्यान्वयन अवस्थाहरू गणना गर्न उपयोग गरिएको छ।

यो मॉडल उपप्रणालीहरू बीचको प्रभावहरू, जस्तै हवाको टर्बाइन छायाको प्रभाव, लाई विचार गर्छ। यो ग्रिड इन्टरफेस लागू गरेको छ, जसले ग्रिड-संलग्न कार्यान्वयन रणनीतिहरू, जस्तै समय-अनुसार टारिफहरू र ग्रिड फ्रिक्वेन्सी रेगुलेशन सेवाहरू दर्शाउन सक्षम बनाउँछ। उत्पादनहरू समावेश गर्दछ पूर्ण शक्ति उत्पादन, लोड सन्तुष्टि दर, र आर्थिक प्रदर्शन सूचकहरू, जसले प्रणाली योजना, डिजाइन, र कार्यान्वयन निर्णय ल्याउनको लागि व्यापक सैद्धांतिक आधार प्रदान गर्छ।

3. हवाको-सौर संक्रमण प्रणालीहरूको अनुकूलन विधिहरू र प्रयोगशाला विश्लेषण

3.1 लक्ष्य फंक्शन र बाध्यताहरू

अनुकूलन लक्ष्य फंक्शन आर्थिक, विश्वसनीय, र पर्यावरणीय विचारहरूलाई समावेश गर्छ। आर्थिक लक्ष्य प्रणालीको कुल लागतलाई न्यूनतम गर्ने छ, जसमा आरंभिक निवेश, कार्यान्वयन र रक्षणावेक्षण (O&M), र प्रतिस्थापन लागतहरू समावेश छन्। विश्वसनीय लक्ष्य विद्युत सप्लाइको विश्वसनीयता अधिकतम गर्ने छ, जसले LOLP न्यूनतम गरेर मापिन्छ। पर्यावरणीय लक्ष्य कार्बन उत्सर्जन न्यूनीकरण द्वारा मापिन्छ।

बाध्यताहरू समावेश गर्दछ शक्ति बलान्स, ऊर्जा संचयन क्षमता सीमा, र उपकरण कार्यान्वयन सीमा। शक्ति बलान्स बाध्यता यादै लोड डेमान्डलाई पूरा गर्न सुनिश्चित गर्छ। संचयन क्षमता बाध्यताहरू DOD लाई सीमित गर्दछन् ताकि बैटरीको जीवनकाल बढाउँछ। उपकरण बाध्यताहरू घटकहरूको रेटेड शक्ति र कार्यान्वयन विशेषताहरू विचार गर्छ। एक बहु-लक्ष्य भार विधि यी लक्ष्यहरूलाई एक एकल लक्ष्य फंक्शनमा समावेश गर्छ, जसको भार निर्णयकर्ता विचारहरू र अनुप्रयोग स्थितिहरू आधारमा निर्धारण गरिएका छन्।

3.2 पार्टिकल स्वार्म अनुकूलन (PSO)को अनुप्रयोग

पार्टिकल स्वार्म अनुकूलन (PSO), एक प्रतिभाशाली अनुकूलन एल्गोरिथ्म, हवाको-सौर संक्रमण प्रणालीको डिजाइनमा लागू गरिएको छ। पक्षी झुण्डको व्यवहार सिमुलेट गर्दै, PSO समाधान स्थानमा अनुकूलन गर्ने श्रेष्ठ समाधानहरूको खोज गर्छ। प्रत्येक पार्टिकल एक सम्भावित प्रणाली रचना जस्तो हुन्छ, जसमा हवाको टर्बाइन क्षमता, पीवी क्षमता, र संचयन क्षमता जस्ता निर्णय चरहरू समावेश छन्। पार्टिकलको स्थिति र गति लगातार अपडेट गरिएको छ, जसले विश्वस्त अनुकूलन दिशामा अगाडि बढ्छ।

प्रदर्शन बढाउन, रैखिक रूपमा घट्दो इनर्सिया भार विधि अपनाइएको छ—सुरुमा बलियो विश्वस्त खोज र अन्तमा टाउन उपयोग बढाउन। अनुकूलन लागू गरिएको छ जसले टाउन अनुकूलन बाहिर बाहिर गर्छ। समस्या जटिलताको आधारमा, एक वर्गीकृत एन्कोडिङ विधि लगातार र डिस्क्रेट चरहरूलाई विभाजित गर्छ। अल्गोरिथ्म अधिकतम पुनरावृत्ति संख्यामा पुग्दा वा लगातार पुनरावृत्तिहरूमा अनुकूलन मान थोरै बदल्दा समाप्त गरिन्छ।

3.3 प्रयोगशाला डिजाइन र परामितिहरूको सेटिङ

प्रयोग एक विशिष्ट क्षेत्रको वास्तविक मौसमीय र लोड डेटाको आधारमा आधारित छ, जहाँ एक वर्षको घण्टाको डेटा उपयोग गरिएको छ। मौसमीय इनपुटहरू समावेश गर्दछ घण्टाको हवाको गति, सौर बिजली, र वातावरणीय तापक्रम। लोड प्रोफाइलहरू एक विशिष्ट औद्योगिक पार्कको उपभोग पैटर्न फलान्छ, जसले ऋतुगत र दिनको विचरणहरू दर्शाउँछ। उपकरण परामितिहरू व्यापक व्यापारिक हवाको टर्बाइन र पीवी मॉड्यूलहरूबाट चयन गरिएका छन्, जसको प्रदर्शन डेटा निर्माताको परीक्षण रिपोर्टहरूबाट लिएको छ।

संचयनका लागि लिथियम-आयन बैटरी प्रयोग गरिएको छ, जसको परामितिहरू समावेश गर्दछ रेटेड क्षमता, चार्ज/डिस्चार्ज दक्षता, र चक्र जीवनकाल। PSO परामितिहरू यस रूपमा सेट गरिएका छन्: जनसंख्या = 50, अधिकतम पुनरावृत्ति = 1000, इनर्सिया भार रैखिक रूपमा 0.9 बाट 0.4 मा घट्दो, र सीख्न गुणांक c1 र c2 दुवै 2 मा सेट गरिएका छन्। नतिजाको विश्वसनीयता सुनिश्चित गर्न, प्रत्येक रचनाको लागि 30 बार चलाइएको छ, र अन्तिम नतिजा औसत लिइएको छ।

3.4 प्रणाली प्रदर्शन मूल्यांकन सूचकहरू

प्रदर्शन मूल्यांकन सूचकहरू तकनीकी, आर्थिक, र पर्यावरणीय विषयहरू समावेश गर्छ। तकनीकी सूचकहरू समा