Hệ thống lai gió-năng lượng mặt trời hiệu quả với lưu trữ
1. Phân tích Đặc tính Phát điện từ Gió và Năng lượng Mặt trời Photovoltaic
Phân tích đặc tính phát điện từ gió và năng lượng mặt trời photovoltaic (PV) là cơ sở để thiết kế hệ thống lai bổ sung. Phân tích thống kê dữ liệu tốc độ gió hàng năm và bức xạ mặt trời cho một khu vực cụ thể cho thấy tài nguyên gió có sự biến đổi theo mùa, với tốc độ gió cao hơn vào mùa đông và xuân, và thấp hơn vào mùa hè và thu. Công suất phát điện từ gió tỷ lệ thuận với lập phương của tốc độ gió, dẫn đến sự dao động đáng kể về công suất đầu ra.
Trong khi đó, tài nguyên mặt trời thể hiện các mô hình rõ rệt theo ngày và theo mùa - thời gian ban ngày dài hơn và bức xạ mạnh hơn vào mùa hè, và điều kiện yếu hơn vào mùa đông. Hiệu suất PV bị ảnh hưởng tiêu cực bởi nhiệt độ tăng. Bằng cách so sánh phân bố theo thời gian của năng lượng gió và mặt trời, có thể thấy rằng chúng thể hiện hành vi bổ sung cả theo chu kỳ hàng ngày và hàng năm. Sự bổ sung này cho phép thiết kế các hệ thống điện hiệu quả và ổn định, trong đó tỷ lệ công suất tối ưu của hai nguồn năng lượng có thể được cấu hình để làm phẳng tổng công suất đầu ra.
2. Mô hình Hóa Hệ thống Phát điện Lai Gió-Mặt trời
2.1 Mô hình Phụ hệ Thủy điện
Mô hình phụ hệ thủy điện được xây dựng dựa trên dữ liệu tốc độ gió và đặc tính tua-bin. Phân phối Weibull được sử dụng để phù hợp với phân phối xác suất tốc độ gió, mô tả chính xác hành vi thống kê của nó. Mối quan hệ giữa công suất đầu ra của tua-bin và tốc độ gió được biểu diễn bằng hàm từng phần bao gồm các tham số chính như tốc độ gió cắt vào, tốc độ gió định mức, và tốc độ gió cắt ra.
Phương pháp bình phương nhỏ nhất được áp dụng để phù hợp với đường cong công suất tua-bin, tạo ra biểu thức toán học của công suất đầu ra so với tốc độ gió. Để tính toán sự ngẫu nhiên của tốc độ gió, phương pháp mô phỏng Monte Carlo được giới thiệu để dự đoán sản lượng trang trại gió. Mô hình phản ánh chính xác các đặc tính động của hệ thống điện gió và cung cấp nền tảng cho việc tối ưu hóa hệ thống. Nó cũng bao gồm tác động của sự thay đổi hướng gió đối với hiệu suất phát điện bằng cách giới thiệu hệ số hiệu chỉnh hướng gió, do đó cải thiện độ chính xác của dự đoán.
2.2 Mô hình Phụ hệ Photovoltaic
Mô hình phụ hệ PV xem xét toàn diện bức xạ mặt trời, nhiệt độ môi trường, và đặc tính của mô-đun PV. Mô hình thống kê của bức xạ mặt trời được thiết lập để mô tả sự biến đổi theo thời gian. Đặc tính đầu ra của mô-đun PV được biểu diễn bằng đường cong I-V. Tác động của nhiệt độ lên hiệu suất được mô phỏng bằng mạch tương đương một điôt, với công suất đầu ra được tính bằng cách giải hệ phương trình phi tuyến.
Mô hình cũng bao gồm các yếu tố như che bóng và tích tụ bụi, giới thiệu các hệ số hiệu chỉnh để tăng cường độ chính xác của dự đoán. Nó tính đến quá trình lão hóa của mô-đun PV bằng cách đưa vào tỷ lệ suy giảm hàng năm để dự báo sự thay đổi công suất đầu ra lâu dài. Mô hình này phản ánh chính xác hiệu suất của hệ thống PV dưới các điều kiện môi trường khác nhau.
2.3 Mô hình Hệ thống Lưu trữ Năng lượng
Mô hình hệ thống lưu trữ năng lượng chủ yếu dựa trên đặc tính của pin lithium-ion. Mô hình động của trạng thái sạc (SOC) của pin được phát triển để mô tả các quy trình sạc và xả. Các đặc tính tự xả và hiệu suất sạc/xả được xem xét, với hệ số hiệu chỉnh nhiệt độ được giới thiệu để phản ánh tác động của môi trường. Tuổi thọ pin được mô phỏng bằng cách kết hợp số chu kỳ và độ sâu xả (DOD) để dự đoán sự suy giảm công suất.
Mô hình phản ánh chính xác hiệu suất của pin dưới các điều kiện hoạt động khác nhau, hỗ trợ việc lựa chọn kích thước tối ưu và chiến lược phân phối. Nó cũng xem xét sự thay đổi của điện trở nội bộ bằng cách thiết lập mối quan hệ chức năng giữa điện trở, số chu kỳ, và nhiệt độ, cho phép mô phỏng chính xác hơn hành vi động. Các đầu ra chính bao gồm SOC thực tế, dung lượng có sẵn, công suất sạc/xả, và tuổi thọ dự kiến—cung cấp dữ liệu toàn diện để hỗ trợ vận hành và bảo dưỡng tối ưu.
2.4 Mô hình Tích hợp Hệ thống
Mô hình tích hợp hệ thống kết hợp các phụ hệ gió, mặt trời, và lưu trữ thành một khung thống nhất. Phương pháp tải tương đương được sử dụng để xử lý sự dao động tải, và phương trình cân bằng công suất hệ thống được thiết lập. Các chỉ số tin cậy như Xác suất Mất Điện (LOLP) và Năng lượng Không Được Cung cấp Dự kiến (EENS) được giới thiệu để đánh giá hiệu suất hệ thống. Mô phỏng chuỗi thời gian tuần tự được sử dụng để tính toán trạng thái hoạt động của hệ thống ở các quy mô thời gian khác nhau.
Mô hình xem xét sự tương tác giữa các phụ hệ, chẳng hạn như việc che bóng của tua-bin gió đối với các tấm pin PV. Nó cũng bao gồm giao diện lưới, cho phép phân tích các chiến lược hoạt động kết nối lưới, bao gồm phân phối kinh tế theo giá điện theo thời gian và dịch vụ điều chỉnh tần số lưới. Các đầu ra bao gồm tổng công suất phát điện, tỷ lệ đáp ứng tải, và các chỉ số hiệu quả kinh tế, cung cấp cơ sở lý thuyết toàn diện cho việc lập kế hoạch, thiết kế, và ra quyết định vận hành hệ thống.
3. Phương pháp Tối ưu hóa và Phân tích Thí nghiệm của Hệ thống Lai Gió-Mặt trời
3.1 Hàm Mục tiêu và Ràng buộc
Hàm mục tiêu tối ưu hóa tích hợp các xem xét kinh tế, tin cậy, và môi trường. Mục tiêu kinh tế là giảm thiểu tổng chi phí hệ thống, bao gồm đầu tư ban đầu, vận hành và bảo dưỡng (O&M), và chi phí thay thế. Mục tiêu tin cậy là tối đa hóa độ tin cậy cung cấp điện, được định lượng bằng cách giảm thiểu LOLP. Mục tiêu môi trường được đo bằng cách tối đa hóa việc giảm phát thải carbon.
Các ràng buộc bao gồm cân bằng công suất, giới hạn dung lượng lưu trữ, và giới hạn hoạt động của thiết bị. Ràng buộc cân bằng công suất đảm bảo nhu cầu tải được đáp ứng mọi lúc. Ràng buộc dung lượng lưu trữ giới hạn độ sâu xả (DOD) để kéo dài tuổi thọ pin. Ràng buộc thiết bị xem xét công suất định mức và đặc tính hoạt động của các thành phần. Phương pháp trọng số đa mục tiêu tích hợp các mục tiêu này vào một hàm mục tiêu duy nhất, với trọng số được xác định dựa trên sở thích của người ra quyết định và kịch bản ứng dụng.
3.2 Áp dụng Thuật toán Tối ưu hóa Đàn chim (PSO)
Thuật toán Tối ưu hóa Đàn chim (PSO), một thuật toán tối ưu hóa thông minh, được áp dụng để thiết kế hệ thống lai gió-mặt trời. PSO mô phỏng hành vi đàn chim, tìm kiếm giải pháp tối ưu trong không gian giải. Mỗi hạt đại diện cho một cấu hình hệ thống tiềm năng, bao gồm các biến quyết định như công suất tua-bin gió, công suất PV, và công suất lưu trữ. Vị trí và vận tốc của hạt được cập nhật lặp đi lặp lại, hội tụ về cực trị toàn cục.
Để tăng cường hiệu suất, chiến lược trọng số quán tính giảm tuyến tính được áp dụng—giữ khả năng khám phá toàn cục mạnh mẽ ban đầu và tăng cường khả năng khai thác cục bộ sau. Đột biến thích ứng được giới thiệu để tránh cực trị cục bộ. Do độ phức tạp của vấn đề, chiến lược mã hóa phân cấp tách biệt các biến liên tục và rời rạc. Thuật toán dừng khi đạt đến số lần lặp tối đa hoặc khi giá trị tối ưu thay đổi ít hơn một ngưỡng qua các lần lặp liên tiếp.
3.3 Thiết kế Thí nghiệm và Cài đặt Tham số
Thí nghiệm dựa trên dữ liệu khí tượng và tải thực tế từ một khu vực cụ thể, sử dụng dữ liệu theo giờ của một năm điển hình. Dữ liệu khí tượng bao gồm tốc độ gió theo giờ, bức xạ mặt trời, và nhiệt độ môi trường. Hồ sơ tải tuân theo mô hình tiêu thụ của một khu công nghiệp điển hình, phản ánh sự biến đổi theo mùa và theo ngày. Các tham số thiết bị được chọn từ các tua-bin gió và mô-đun PV thương mại chính, với dữ liệu hiệu suất lấy từ báo cáo thử nghiệm của nhà sản xuất.
Pin lithium-ion được sử dụng cho lưu trữ, với các tham số bao gồm dung lượng định mức, hiệu suất sạc/xả, và tuổi thọ chu kỳ. Các tham số PSO được cài đặt như sau: kích thước quần thể = 50, số lần lặp tối đa = 1000, trọng số quán tính giảm tuyến tính từ 0.9 đến 0.4, và các hệ số học tập c1 và c2 đều được đặt là 2. Để đảm bảo độ tin cậy của kết quả, mỗi cấu hình được chạy 30 lần, với giá trị trung bình được coi là kết quả cuối cùng.
3.4 Chỉ số Đánh giá Hiệu suất Hệ thống
Các chỉ số đánh giá hiệu suất bao gồm các khía cạnh kỹ thuật, kinh tế, và môi trường. Chỉ số kỹ thuật bao gồm độ tin cậy hệ thống, tỷ lệ sử dụng năng lượng, và làm phẳng công suất. Độ tin cậy được đo bằng Chỉ số Khả năng Cung cấp Điện (RSCI) và Xác suất Mất Điện (LPSP). Tỷ lệ sử dụng năng lượng phản ánh hiệu quả năng lượng tái tạo, trong khi làm phẳng công suất đánh giá sự ổn định của đầu ra. Chỉ số kinh tế bao gồm Chi phí Điện Trung bình (LCOE), Giá trị Hiện tại Ròng (NPV), và thời gian hoàn vốn. LCOE xem xét chi phí vòng đời, NPV phản ánh khả năng sinh lời của dự án, và thời gian hoàn vốn đánh giá tốc độ hồi vốn.
Chỉ số môi trường là giảm phát thải carbon, được tính bằng cách so sánh với hệ thống phát điện dựa trên nhiên liệu hóa thạch truyền thống. Ngoài ra, chỉ số lợi ích tổng hợp hệ thống (SCBI) tích hợp các yếu tố kỹ thuật, kinh tế, và môi trường thông qua tổng cộng có trọng số. Các chỉ số và trọng số của chúng được xác định dựa trên đánh giá chuyên gia và nhu cầu thực tế, cung cấp đánh giá toàn diện về hiệu suất hệ thống và hỗ trợ ra quyết định có căn cứ.
| Loại | Tên Chỉ số | Ký hiệu | Đơn vị | Giá trị |
| Chỉ số Kỹ thuật | Độ tin cậy Cung cấp Điện | RSCI | % | 99.2 |
| Xác suất Mất Điện | LPSP | % | 0.8 | |
| Tỷ lệ Sử dụng Năng lượng | EUF | % | 87.5 | |
| Chi phí Cung cấp Điện | POE | yuan/kWh | 0.85 | |
| Chỉ số Kinh tế | Chi phí Điện Trung bình | LCOE | yuan/kWh | 0.45 |
| Giá trị Hiện tại Ròng | NPV | triệu yuan | 1200 | |
| Thời gian Hoàn vốn | PBP | năm | 7.5 | |
| Chỉ số Môi trường | Giảm Phát thải Carbon | CER | t/năm | 3500 |
| Chỉ số Tổng hợp | Chỉ số Lợi ích Tổng hợp Hệ thống | SCBI | — | 0.92 |
3.5 Phân tích Kết quả Tối ưu hóa
Kết quả tối ưu hóa cho thấy hệ thống phát điện lai gió-mặt trời mang lại nhiều ưu điểm so với các hệ thống năng lượng đơn. Trong kịch bản cơ bản, cấu hình tối ưu bao gồm 2 MW công suất gió, 1.5 MW công suất PV, và 500 kWh lưu trữ năng lượng. Cấu hình này giảm Xác suất Mất Điện (LPSP) xuống dưới 1% và giảm Chi phí Điện Trung bình (LCOE) khoảng 15% so với các hệ thống gió hoặc PV độc lập. Phân tích nhạy cảm cho thấy chi phí thiết bị có tác động lớn nhất đến kết quả tối ưu hóa—một sự giảm 10% chi phí dẫn đến sự giảm khoảng 8% LCOE.
Sự thay đổi hồ sơ tải có ảnh hưởng đáng kể đến kích thước lưu trữ năng lượng; sự khác biệt tải đỉnh-thung lũng tăng đòi hỏi dung lượng lưu trữ lớn hơn. Cấu hình tối ưu thay đổi theo khu vực: các khu vực giàu gió ưu tiên tỷ lệ công suất gió cao hơn, trong khi các khu vực nhiều nắng tăng tỷ lệ PV. Tối ưu hóa đa mục tiêu tạo ra mặt phẳng Pareto, cho phép người ra quyết định cân nhắc giữa hiệu quả kinh tế và độ tin cậy theo nhu cầu thực tế. Kết quả cũng cho thấy việc kết hợp cơ chế giao dịch carbon cải thiện thêm hiệu quả kinh tế, giảm LCOE thêm 5%-10%. Mô phỏng dài hạn xác nhận độ ổn định của hệ thống, với sự suy giảm hiệu suất trong 20 năm hoạt động nằm trong giới hạn thiết kế.
