Učinkovita optimizacija hibridnega sistema veter-sončne energije s shranjevanjem

1. Analiza karakteristik proizvodnje električne energije iz vjetra i solarnih fotovoltaičnih panela

Analiza karakteristik proizvodnje električne energije iz vjetra in solarnih fotovoltaičnih (PV) panelov je osnovna za oblikovanje komplementarnega hibridnega sistema. Statistična analiza podatkov o letni hitrosti vetra in solarnem sevanju za določeno območje razkriva, da so virovine vjetra sezonsko variabilne, z večjimi hitrostmi v zimskem in pomorskem času ter manjšimi hitrostmi v poletnem in jesenskem času. Proizvodnja električne energije iz vjetra je sorazmerna s kubom hitrosti vetra, kar povzroča značilne fluktuacije proizvodnje.

Solarni viri, na drugi strani, kažejo jasne dnevne in sezonske vzorce – daljše dnevne urice in močnejše sevanje v poletnem času, slabše pogoje pa v zimskem času. Učinkovitost PV panelov je negativno vplivana z naraščanjem temperatur. Z primerjanjem časovne porazdelitve vetrne in solarske energije je očitno, da imata komplementaren odnos na dnevni in letni ravni. Ta komplementarnost omogoča oblikovanje učinkovitih in stabilnih sistemov za proizvodnjo električne energije, kjer lahko optimalni kapacitetni odnos med dvema viroma energije konfiguriramo za izravnavo skupnega izhoda energije.

2. Modeliranje hibridnih sistemov za proizvodnjo električne energije iz vjetra in sončne energije

2.1 Model podsistemskega modela proizvodnje električne energije iz vjetra

Podsistemski model proizvodnje električne energije iz vjetra je zgrajen na podlagi podatkov o hitrosti vetra in značilnosti turbin. Za prilagoditev verjetnostne porazdelitve hitrosti vetra uporabljamo Weibullovo porazdelitev, ki točno opisuje njegovo statistično obnašanje. Odnos med izhodom moči turbine in hitrostjo vetra je predstavljen s funkcijo z več deli, ki vključuje ključne parametre, kot so minimalna hitrost vetra, nominalna hitrost vetra in maksimalna hitrost vetra.

Metoda najmanjših kvadratov se uporablja za prilagoditev krivulje moči turbine, kar prinaša matematični izraz izhoda moči glede na hitrost vetra. Za upoštevanje naključnosti hitrosti vetra se vpelje metoda Monte Carlo simulacije za napovedovanje proizvodnje vetrne farme. Model točno odraža dinamične značilnosti sistemov proizvodnje električne energije iz vjetra in ponuja temelj za optimizacijo sistema. Vključuje tudi vpliv sprememb smeri vetra na učinkovitost proizvodnje z vpeljavo popravnega faktora smeri vetra, s čimer se izboljša točnost napovedi.

2.2 Model podsistemskega modela proizvodnje električne energije iz fotovoltaikov

Model podsistema PV upošteva solarno sevanje, okoliško temperaturo in značilnosti PV modulov. Ustvarimo statistični model solarnega sevanja, ki opisuje njegove časovne variacije. Izhodne značilnosti PV modulov so predstavljene z I-V krivuljami. Vpliv temperature na učinkovitost modeliramo z enojnim diodnim ekvivalentnim vezjem, pri čemer izračunamo izhodno moč z reševanjem sistema nelinearnih enačb.

Model vključuje tudi dejavnike, kot so senčenje in nagomilavanje prašnine, z vpeljavo popravnih koeficientov za izboljšanje točnosti napovedi. Upošteva staranje PV modulov z vključitvijo letnega stopnje degradacije za napoved dolgoročnih sprememb izhoda moči. Ta model točno odraža zmogljivosti PV sistema v različnih okoljskih pogojih.

2.3 Model sistemske shranjevanja energije

Model sistemske shranjevanja energije temelji predvsem na značilnostih litij-ion baterij. Razvijemo dinamični model stanja nabita (SOC) baterije za opis procesov nabiranja in raznabiranja. Upoštevamo lastnosti samonabiranja in učinkovitost nabiranja/raznabiranja, z vpeljavo popravnega faktora temperature za odražanje vpliva okolja. Dolgoletnost baterije modeliramo z kombinacijo števila ciklov in globine raznabiranja (DOD) za napoved degradacije kapacitete.

Model točno odraža zmogljivosti baterije v različnih delovnih pogojih, podpira optimalno merilo in strategije usmerjanja. Upošteva tudi spremembe notranjega upora z vzpostavitvijo funkcijskih odnosov med uporom, številom ciklov in temperaturo, kar omogoča bolj točno simulacijo dinamičnega obnašanja. Ključni izhodi vključujejo trenutno stanje SOC, dostopno kapaciteto, moč nabiranja/raznabiranja in pričakovano dolgoletnost—prinašajo celovito podporo podatkov za optimalno delovanje in vzdrževanje.

2.4 Model integriranega sistema

Integrirani sistem model kombinira podsisteme vjetra, sončne energije in shranjevanja v enotni okvir. Uporabljamo metodo ekvivalentne obremenitve za obravnavo fluktuacij obremenitve in vzpostavimo enačbo ravnovesja moči sistema. Vpeljemo kazalnike zanesljivosti, kot so verjetnost izgube obremenitve (LOLP) in pričakovana nezadostna oskrba z energijo (EENS), za ocenjevanje zmogljivosti sistema. Uporabljamo zaporedno časovno serijo simulacije za izračun delovnih stanj sistema na različnih časovnih lestvicah.

Model upošteva interakcije med podsistemi, kot je senčenje PV panelov s strani vetrne turbine. Tudi vključuje povezavo z mrežo, kar omogoča analizo strategij povezanosti z mrežo, vključno z gospodarskim usmerjanjem pod časovno tarifiranje in storitve regulacije frekvence mreže. Izhodi vključujejo skupno proizvodnjo električne energije, stopnjo zadovoljstva z obremenitvijo in gospodarske kazalnike zmogljivosti, prinašajo celovit teoretični temelj za načrtovanje, oblikovanje in odločanje o operativnem delovanju sistema.

3. Metode optimizacije in eksperimentalna analiza hibridnih sistemov vjetra in sončne energije

3.1 Ciljna funkcija in omejitve

Ciljna funkcija optimizacije združuje gospodarske, zanesljivostne in okoljske razmerje. Gospodarski cilj je minimizacija skupnega stroška sistema, vključno z prvotnimi investicijami, stroški poslovanja in vzdrževanja (O&M) ter stroški zamenjave. Cilj zanesljivosti je maksimizacija zanesljivosti oskrbe s strani moči, kvantificirana z minimizacijo LOLP. Okoljski cilj je merjen z maksimizacijo zmanjšanja emisij ogljika.

Omejitve vključujejo ravnovesje moči, omejitve kapacitete shranjevanja energije in omejitve delovanja opreme. Omejitev ravnovesja moči zagotavlja, da bo obremenitev zadostena v vseh časih. Omejitve kapacitete shranjevanja omejujejo globino raznabiranja (DOD) za podaljšanje življenjske dobe baterije. Omejitve opreme upoštevajo nominalno moč in delovne značilnosti komponent. Metoda večciljnih uteži združuje te cilje v eno ciljno funkcijo, z utežmi, določenimi na podlagi preferenc odločevalcev in aplikacijskih situacij.

3.2 Uporaba algoritma optimizacije roja častic (PSO)

Algoritem optimizacije roja častic (PSO), inteligentni algoritem optimizacije, se uporablja za oblikovanje hibridnih sistemov vjetra in sončne energije. S simulacijo obnašanja roja ptic PSO iska optimalne rešitve v prostoru rešitev. Vsaka častica predstavlja potencialno konfiguracijo sistema, vključno s spremljevalnimi spremenljivkami, kot so kapaciteta vetrne turbine, kapaciteta PV in kapaciteta shranjevanja. Položaj in hitrost častic se iterativno posodobljata, konvergirajo proti globalnemu optimumu.

Za izboljšanje zmogljivosti se uporablja strategija linearno padajoče uteži inertnosti – ohranja močno globalno iskanje na začetku in izboljšuje lokalno iskanje kasneje. Vpeljemo prilagodljivo mutacijo, da se izognemo lokalnim optima. Glede na kompleksnost problema se uporablja hierarhična kodiranja strategija, ki loči zvezne in diskretne spremenljivke. Algoritem se ustavi, ko doseže maksimalno število iteracij ali kadar se optimalna vrednost spremeni za manj kot prag nad zaporednimi iteracijami.

3.3 Eksperimentalno oblikovanje in postavitev parametrov

Poskus temelji na dejanskih meteoroloških in podatkih o obremenitvi iz določenega območja, z uporabo tipičnega leta s podatki na vsako urno. Meteorološki vhodi vključujejo urne podatke o hitrosti vetra, solarnem sevanju in okoliški temperaturi. Profili obremenitve sledijo tipičnemu vzorcu porabe industrijskega parka, ki odraža sezonske in dnevne variacije. Parametri opreme so izbrani iz glavnih tržnih vetrnih turbin in PV modulov, z podatki o zmogljivosti iz testnih poročil proizvajalcev.

Za shranjevanje se uporablja litij-ion baterija, z parametri, vključno z nominalno kapaciteto, učinkovitostjo nabiranja/raznabiranja in življenjskim ciklusom. PSO parametri so nastavljeni takole: velikost populacije = 50, maksimalno število iteracij = 1000, utež inertnosti linearno pada od 0,9 do 0,4, in učni faktorji c1 in c2 sta oba nastavljeni na 2. Za zagotavljanje zanesljivosti rezultatov se vsaka konfiguracija izvede 30-krat, z uporabo povprečja kot končnega rezultata.

3.4 Kazalniki ocene zmogljivosti sistema

Kazalniki ocene zmogljivosti zajemajo tehnične, gospodarske in okoljske vidike. Tehnični kazalniki vključujejo zanesljivost sistema, stopnjo uporabe energije in izravnavo izhoda moči. Zanesljivost se meri s kazalnikom zmogljivosti oskrbe (RSCI) in verjetnostjo izgube oskrbe s strani moči (LPSP). Stopnja uporabe energije odraža učinkovitost obnovljive energije, medtem ko ocenjuje stabilnost izhoda moči. Gospodarski kazalniki vključujejo normalizirane stroške električne energije (LCOE), sedanjo vrednost (NPV) in obdobje vračila naložbe. LCOE upošteva življenjske ciklusne stroške, NPV odraža profitabilnost projekta, obdobje vračila naložbe pa ocenjuje hitrost obnovitve kapitala.

Okoljski kazalnik je zmanjšanje emisij ogljika, izračunan z primerjavo z konvencionalno proizvodnjo električne energije iz fosilnih goriv. Poleg tega je složen kazalnik zmogljivosti – indeks celovite koristi sistema (SCBI) – združuje tehnične, gospodarske in okoljske faktorje preko uteženega seštevanja. Ti kazalniki in njihove uteži so določeni na podlagi strokovnega sodstva in praktičnih potreb, prinašajo celovito oceno zmogljivosti sistema in podpirajo informirano odločanje.

3.5 Analiza rezultatov optimizacije

Rezultati optimizacije kažejo, da hibridni sistem proizvodnje električne energije iz vjetra in sončne energije ponuja značilne prednosti v primerjavi s sistemom z eno vrsto energije. V osnovnem scenariju optimalna konfiguracija vključuje 2 MW kapacitete vjetra, 1,5 MW kapacitete fotovoltaičnih (PV) panelov in 500 kWh shranjevanja energije. Ta konfiguracija zniža verjetnost izgube oskrbe s strani moči (LPSP) pod 1 % in zniža normalizirane stroške električne energije (LCO