ჰიბრიდული ქარ-მზის ენერგიის სისტემის ოპტიმიზაცია: კომპლექსური დიზაინის გადაწყვეტილება გრიდის გარეშე გამოყენებებით
- შესავალი და ფონი
1.1 ერთმხრივი ენერგიის წყაროების სისტემების პრობლემები
ტრადიციული დადგენილი ფოტოვოლტაიკური (PV) ან ქარის ენერგიის წყაროების სისტემები აქვთ ბუნებრივი ნაკლებობები. PV ენერგიის წარმოება დღის ციკლებზე და ატმოსფეროს პირობებზე დამოკიდებულია, ხოლო ქარის ენერგიის წარმოება დამოკიდებულია უსაფრთხო ქარის რესურსებზე, რაც განსაზღვრავს ძალიან დიდ ფლუქტუაციებს ენერგიის გამოსვლაში. უნიკალური დაუწურველი ენერგიის წყაროსთვის საჭიროა დიდი ენერგიის აკუმულატორების არსებობა ენერგიის შესანახად და ბალანსირებისთვის. თუმცა, აკუმულატორები, რომლებიც ხშირად ჩავრცელების-დავრცელების ციკლებს გადიან, მძიმე მომსახურების პირობებში ხშირად დარჩებიან ნაკლებად დავრცელებული მდგომარეობაში, რითაც მცირედ შემცირდება მათი ფაქტიური მომსახურების ვადა თეორიული მნიშვნელობის მიმართ. უფრო მნიშვნელოვანია, რომ აკუმულატორების მაღალი ღირებულება ნიშნავს, რომ მათი სრული ციკლის ღირებულება შეიძლება მიახლოვდეს ან მეტი იყოს, ვიდრე თავად PV მოდულების ან ქარის ტურბინების ღირებულება. ამიტომ, აკუმულატორების მომსახურების ვადის გაზრდა და სისტემის ღირებულების შემცირება გახდა საკუთარი სისტემების ოპტიმიზირების ძირითადი გამოწვევა.
1.2 ჰიბრიდული ქარ-שמשის ენერგიის წარმოების სინამდვილეში უპირატესობა
ჰიბრიდული ქარ-太阳城能源系统混合风力发电技术通过有机结合光伏和风能两种可再生能源，有效克服了单一能源来源的间歇性问题。风能和太阳能在时间上（昼夜、季节）表现出自然互补性：白天强阳光通常与夜间潜在的更强风力相吻合；夏季良好的太阳辐射可能与冬季丰富的风资源相匹配。这种互补性使得：
- 显著延长电池的有效充电时间，减少电池处于欠充状态的时间，从而大大延长电池使用寿命。
- 降低所需的电池容量。由于风能和太阳能同时不可用的概率较低，系统可以直接为负载供电，因此可以使用较小容量的电池组。
- 国内外研究表明，混合风光系统在供电可靠性和全生命周期成本效益方面均优于单一能源发电系统。
1.3 现有设计方法的不足及提出的解决方案
当前系统设计面临挑战。国外的专业仿真软件价格昂贵，其核心模型通常是保密的，阻碍了广泛应用。同时，大多数简化的设计方法都不够充分——要么过于依赖气象平均值而忽略细节，要么使用线性简化模型导致精度有限且适用性差。
本解决方案旨在提出一套准确实用的计算机辅助设计方法来解决上述问题。
二、系统组成和技术模型
2.1 系统架构
本解决方案设计的混合风力发电系统是一个完全独立的离网系统，没有柴油发电机等备用电源。核心组件包括：
- 发电单元：风力发电机、光伏阵列。
- 储能与管理单元：电池组、充电控制器（用于管理充放电）。
- 保护与转换单元：分流负载（防止电池过充，保护逆变器）、逆变器（将直流电转换为交流电以满足大多数负载需求）。
- 用电单元：负载。
2.2 准确的发电计算模型
为了实现优化设计，我们建立了准确的每小时发电计算模型。
- 光伏阵列模型：
- 太阳辐射转换：利用先进的各向异性天空散射模型，将气象站测量的水平太阳辐射数据准确转换到光伏模块倾斜表面上的辐照度，全面考虑直射辐射、天空散射辐射和地面反射辐射。
- 模块特性模拟：采用精确的物理模型表征光伏模块的非线性输出特性，充分考虑辐照度和环境温度对模块输出电压和电流的影响，确保发电计算的准确性。
- 风力发电机模型：
- 风速修正：根据风速随高度变化的指数规律，将气象数据中的参考高度风速修正为实际轮毂高度风速。
- 功率曲线拟合：使用分段函数（不同风速区间采用不同的二项式方程）实现对风机实际功率输出曲线的高精度拟合，基于风速数据进行准确的每小时能量计算。
2.3 电池动态特性模型
电池是核心储能组件，具有动态变化的状态。该模型主要关注：
- 荷电状态（SOC）计算：基于每个时间步长的发电量和负载消耗之间的关系，动态模拟电池的充放电过程，准确计算剩余容量，同时考虑自放电率、充电效率和逆变器效率等实际因素。
- 充放电管理：为了延长电池寿命，定义合理的SOC运行范围（例如，限制最大放电深度为50%），并建立浮充电压与SOC和环境温度相关的模型，以准确确定充电条件。
三、系统优化与尺寸设计方法
3.1 供电可靠性指标
设计优先考虑满足用户指定的供电可靠性要求。关键指标包括：
- 失电概率（LPSP）：系统停电时间与总评估时间的比率，直观反映供电连续性。
- 失负荷概率（LLP）：系统未满足的负载电力需求与总需求的比率。这是系统优化设计中最重要的核心指标。
3.2 逐步优化设计流程
本解决方案采用系统优化流程，旨在最小化设备初始投资成本，找到最优配置。
- 步骤1：固定风力发电机容量下的光伏和电池配置优化
- 核心任务：在风力发电机型号和数量固定的情况下，找到满足预定可靠性指标（LPSP）且总设备成本最低的光伏模块和电池容量组合。
- 实施方法：通过仿真计算，绘制出所有满足可靠性要求的光伏和电池配置的“平衡曲线”。然后，根据设备单价使用成本切线法或计算机程序筛选，确定唯一成本最低的最佳组合。
- 步骤2：通过改变风力发电机容量进行全局优化
- 核心任务：改变风力发电机容量或数量，重复步骤1的优化过程，获得不同风力发电机容量下的一系列最优配置及其对应成本。
- 最终决策：比较所有候选方案的总成本，选择全球成本最低的风-光-电池组合作为最终优化系统配置。
3.3 系统性能仿真与输出
确定最优配置后，可以按小时模拟系统的年度运行情况，生成详细报告，包括：
- 时间维度：每小时电池荷电状态、系统能量平衡。
- 统计维度：日/月/年未满足的负载能量、可靠性指标（LPSP、LLP）、风电/光电发电比例、能量盈余和短缺情况等。
四、结论
本解决方案提出的混合风力发电系统优化设计方法，基于全面的数学模型和精确的当地气象数据，能够在满足特定用户电力需求和供电可靠性要求的同时，唯一确定初始设备投资成本最低的系统配置。该方法有效解决了单一能源发电系统的不足，克服了现有设计方法的局限性，为科学、高效、经济地设计混合风力发电系统提供了强有力的工具，在工程应用中具有重要意义。
