风光互补发电系统的优化配置外文翻译资料

英语原文共 4 页，剩余内容已隐藏，支付完成后下载完整资料

风光互补发电系统的优化配置

摘要---利用风能和太阳能互补的风光互补发电可以提高负载功率的连续性。本文对风光互补发电系统的优化配置进行了研究，分析了风力发电与太阳能发电的关系，用最小二乘法计算风速的边际概率密度，用均值和方差估计方法来获取阳光。应用Copula函数计算风电和太阳能联合概率密度，根据风光互补发电系统的特点，建立了优化框架和约束条件的目标函数。遗传算法用于优化目标函数，为了验证所提出的优化方法的正确性，以仿真例子进行了研究。结果表明，该方法可以获得风力太阳能混合发电系统的最佳配置，同时满足负载功率的限制。

关键字---风光互补发电；优化配置；Copula函数；遗传算法

1. 介绍

随着经济的发展，化石燃料的消耗越来越多，化石能源的存储能力在世界范围内日益短缺。新能源的应用越来越受到人们的重视。风能和太阳能在风能和太阳能资源丰富的地区具有互补性。在传统的电网无法到达的地方，风能和太阳能混合发电系统的使用是一种手段，解决电力短缺问题。独立的风力发电系统可以很好地克服风电和太阳能的随机性和间歇性的缺点，提高系统供电的连续性、稳定性和可靠性。

风电混合发电系统的优化配置对于提供连续、稳定、可靠的供电环境具有重要的经济效益和社会效益。采用多目标优化配置方法，在优化过程中，每个目标分配一个加权值，在优化过程中具有更大的主观性，在优化过程中的每个对象的优不可操作的进展不能达到最佳。迭代算法在[ 8 ]中的应用，风电-太阳能混合发电系统最优容量的概率和运行经济性。一种改进的差分进化算法用于[ 9 ]。

建立了风光互补发电系统的数学模型。本文分析了风力发电机和光伏电池的特性。研究了风速与太阳的相关性。优化配置的目标函数进行了研究，并进行了仿真例子，以验证所提出的最佳配置方法的校正。

1. 风电与太阳能的相关性

风速和太阳光强度的不确定性在很大程度上使风力发电和光伏发电具有随机性，给风、太阳能混合发电系统的安全经济运行带来了挑战。为了保证风光互补发电系统的经济安全配置，分析风电与太阳能发电系统的相关性。

1. 风能功率分布

风速服从双参数威布尔分布，概率密度函数如下：

相应的概率分布函数如下:

其中K是风速概率分布的形状参数的函数，它决定了风速概率分布密度曲线的整体形状；C是尺度参数（米/秒），这是用来放大或缩小曲线的作用，但不影响其分布密度曲线的形状。用最小二乘法对参数k和C进行求解，可用于本文的计算精度。

从公式（2）中，可以得到如下公式。

公式（3）可以转换成如下公式（4），其中皮表示相应的不同风速段的概率，并且变量作为变量。

然后用最小二乘法得到变量A以及变量B。

概率分布的参数C，K可以得到如下。

风电功率输出（）的分布函数如下：

因此，在不同的风功率输出的概率分布如下:

风电的概率密度函数可以表示如下:

1. 太阳能功率分布

在一定时间内的太阳光强度可以近似为来自统计数据的beta;分布，其概率密度函数如:

在G，实际太阳光强和光强最大值分别在期；，是Beta分布的一个参数，它们可以通过均值和方差估计法绘制。

当太阳强度和太阳功率的概率密度函数称为时，太阳能功率密度的概率密度函数也服从beta;分布:

太阳能功率的概率分布函数的如下：

1. 风电与太阳能的关联度

是由随机向量观测值组成的样本空间.

本文利用肯德尔秩相关参数来反映风能和太阳能之间的关联程度。因此，肯德尔的秩相关参数定义如下:

其中是肯德尔的秩相关参数，其范围是[-1,1]. P表示事件相同观测值的概率。数据从一个地方使用，并计算相关参数t值为-0.16，负号表示，风能和太阳能发电具有负相关性.

1. 风电联合概率分布

为了获得风电和太阳能联合概率分布，本文采用弗兰克Copula函数。Frank Copula参数与肯德尔秩相关参数的关系如下：

风电和太阳能联合概率分布如下：

其中u是风电的累积概率，V是太阳电池功率的累计概率.

3.系统模型

A. 太阳能发电模式

太阳辐射强度在一天的不同时间不同，每个月的日平均辐射强度是由日辐射量除以太阳辐射时间来计算的。每个月的实际输出功率代表如下：

其中G是太阳辐射强度，是太阳能电池板A的效率是太阳能电池板的面积。其中，是在一天的太阳能电池板的输出，

H是太阳辐射小时，是每个月的日数。

B.风能发电模型

风力机输出功率随风速变化。风电功率输出功率如下：

是切入风速，是额定风速，是切出风速。

总功率输出风力涡轮机可获得如下：

在不同风速时总输出功率。E是不同风速的时间。

C.电池模型

铅蓄电池作为太阳能混合发电系统中的储能单元，它不仅为负载供电，而且还存储了静止能量。独立供电电源电池的总容量如下，

其中D是电池供电的天数，是蓄电池的放电深度最大，电池的额定电压，P是负载的功率要求。

4.优化配置

风电混合发电系统优化配置的目标是在满足供电可靠性约束的前提下，使发电成本最小。本文对风光互补发电系统的循环寿命进行了多年的研究。因此，目标函数如下：

在，，分别代表太阳能电池模块，风力涡轮机和电池的数量。，，是太阳能电池板模块，风力涡轮机和电池的单个成本。，，代表每年需维修成本的太阳能电池板模块，风力涡轮机和电池的单个成本。是是15年更换电池数量。

B. 约束条件

1) 负荷损失概率

失负荷概率（LOLP）是缺乏动力和负载需求的比率。

其中E是负荷的用电要求，方法是电池的存储能力，电子战是风电容量，EPV是光伏电池的输出功率，P是联合概率的风力发电和太阳能发电。

2) 太阳能电池板的数量限制

3) 风机的数量约束

4) 电池数量约束

C. 基于遗传算法的优化方法

遗传算法对于求解复杂系统的非线性或多模型优化问题具有一定的优势。因此，本文采用遗传算法对风光互补发电系统的目标函数进行优化。

遗传算法的计算过程如下。首先，随机构造初始种群。种群的大小是20-200正常条件下保证多样性高的个体不产生早熟现象。然后，根据健身水平，选择一些个体形成下一代人群，根据遗传重组原理结合优良亲本基因形成基于博弈选择的新优个体。改变单个字符串中某些组的基因值。算法终止条件包括最佳个体的适应度达到给定阈值，或最优个体或群体的适应度不再上升，或迭代次数达到预设代数。

5. 一个优化配置离子

一个仿真例子来验证所提出的优化配置方法的校正。所设计的风力太阳能混合发电系统计划安装在Keshil蒙古中国oflnner（一腾区。根据NASA网站的本地气象数据，风力涡轮机和太阳能电池板的发电能力可以被淹没。根据市场调查，选择风力发电机组和太阳能电池板的循环寿命为年，铅电池寿命为3年。家电类的调查是在没有达到电网的偏远地区，并获得每月负荷的电力需求。

为了简化计算，满足实际情况，采用单元发电单元。1000W风力发电机容量的选择，在风速降低为3m/s，额定风速为8m/s，切出风速为20m/s，额定功率0.13kw/m2太阳能板的输出功率，效率0.14，太阳能电池板0.26kw选择。据推测，电池供电的负载在极端不利的条件下，电池可以提供连续的电能在三天。选择电池容量为100Ah，和国防部的最大放电深度为80%，电池供电电压为24V，LOLP2%的条件是在本文中指定。负载功率为4kw。

环境条件是极端恶劣的一月在十二个月的安装位置的风电混合发电系统的最佳配置。如果最佳的系统配置，可以满足极端月供电的相关要求，然后在电源也可以满足负载要求在一个月。因此，利用一月的数据，对风-光混合发电系统进行了优化配置。

遗传算法用于优化。经过五十代，遗传计算停止。优化过程是显示在Fig.l.

计算结果如图所示。可以看出，太阳能电池板的总数量是4套，3套风力发电机和蓄电池的号码是9集，因此，风力发电机组的容量为3KW，太阳能电池板的能力1040w，和铅蓄电池的总容量是900Ah。 通过计算，LOLP是0.017，所以优化结果满足设计要求。

随着可再生能源的发展，风能和太阳能越来越受到人们的重视。风电混合发电系统融合了风电和太阳能的优点，克服了单独供电的缺点。风电混合发电系统设计时，优化框架起着关键作用。本文研究了风光互补发电系统的优化问题。风速和太阳能之间的相关性进行了分析。用最小二乘法计算风速的边际概率密度。均值和方差估计方法获得太阳能。应用Copula函数计算风速和太阳的联合概率密度。建立了系统建设成本优化框架的目标函数，考虑了负荷损失率和清洁能源损耗率作为约束条件。遗传算法用于优化目标函数。仿真例子进行了研究，以验证所提出的优化方法的正确性。结果表明，该方法可以获得最佳配置的风-太阳能混合发电系统，同时满足负载功率要求和低能量浪费率。

确认

这项工作是由中国国家自然科学基金资助项目（No. 51167010）。

引用

1. H. Matthias，W. Christoph“在最佳组合的风能和太阳能发电在中国未来的电力系统，“能源卷90页235-243，一月2015。
2. A Gonzalez. 1 Riba. A Rius and R Puig. '最佳的混合并网光伏和风力发电系统的尺寸' 应用能量, vol. 154, pp. 752-762, 九月2015。
3. C. Chen, S. Duan and T. Cai, '优化微电网经济运行的智能能量管理系统' 让可再生能源发电, vol. 5, pp. 258-267, 五月2011。
4. A Kaabeche, R Il:tiouen, '独立发电系统中混合光伏/风能/柴油/蓄电池的技术经济优化'太阳能, voL 103, pp. 171-182, 五月2014。
5. A Maheri, '独立风光混合柴油系统不确定条件下的多目标优化设计' 可再生能源, voL 66,pp. 650-661,六月2014。
6. R Dufo, 1 Bernal-Agustin and 1 Yusta-Loyo, '多目标优化独立光伏风力柴油系统成本和生命周期排放电池存储， ' 应用能量, voL 88, pp. 4033-4041, 十一月2011。
7. S. Saravanan, S. Thangavel, '基于thangavel瞬时电流参考方案的太阳能/风能/供给的燃料电池混合供电的电源管理系统'电力与能源系统国际杂志, voL 55, pp. 155-170,2014。
8. M. Alsayed, M. Cacciato and G Scarcella, '基于多准则决策分析的混合发电系统设计' 太阳能, voL 105, pp. 548-560, 七月2014。
9. A Solomon, D. Faiman and G Meron, '大规模风能转换系统与大型光伏系统的并网匹配：以色列案例研究'能源政策, voL 38, pp. 7070-7081, 十一月2010。

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[27920]，资料为PDF文档或Word文档，PDF文档可免费转换为Word