Статьи

 

Створення моделі оптимального співвідношення компонентів гібридних вітросонячних систем електропостачання

Ю. П.Фаворський, головний інженер  Інституту відновлюваної енергетики НАН України

В статті аналізуються існуючі системи моделювання гібридних вітросонячних енергетичних систем (ГВСЕС) для вирішення проблеми оптимізації компонентів. Розглядається підвищення достовірності результатів розрахунку на прикладі моделі для дослідження параметрів функціонування ГВСЕС з урахуванням генерування, перетворення та акумулювання. Наводиться алгоритм моделювання кількісних параметрів компонентів ГВСЕС для вирішення задачі безперебійного електропостачання (ЕП).

Увага до вітрової та сонячної енергетики як відновлюваного джерела енергії (ВДЕ) набула чергового потужного імпульсу в середині 70-х років минулого століття, в часи енергетичної кризи.
Одним із напрямів розвитку впровадження ВДЕ є коректна аргументована оцінка як реальних потенціалів вітрової та сонячної енергії так і відповідного функціонування всіх компонентів гідридної вітросонячної енергосистеми (ГВСЕС), оскільки ці показники входять у цілий ряд документів, які є складовими передпроектної та проектної документації по розробці та експлуатації об’єктів енергопостачання (ЕП).
Тому головною метою є висвітлення підходів та існуючих моделей не тільки прикладного оцінювання кліматичного потенціалу вітрової та сонячної енергії, а й подальшого перетворення енергії з певними кількісними та якісними показниками для потреб кінцевого споживача [1]. В основу оцінювання ресурсів вітрової та сонячної енергії покладено загальні для всіх ВДЕ принципи урахування закономірних та стохастичних коливань її надходження, що впливає на вибір та розрахунок окремих компонентів ГВСЕС, а, особливо, систем акумулювання [2].
На прикладі одного з джерел, а саме вітру, розглянемо особливості врахування вимірів та подальшої обробки результатів для використання при моделюванні ГВСЕС.
Кліматичний вітроенергетичний потенціал окремої території характеризується питомою потужністю вітрової енергії в момент часу та її сумарною величиною за різні проміжки часу (місяць, сезон, рік), для чого використовується середня швидкість вітру та її граничні характеристики (мінімальна та максимальна швидкість, при яких може працювати вітрогенератор (ВГ)).
До прикладних характеристик вітрової енергії, що  знаходять застосування при обґрунтуванні режиму роботи та продуктивності ВГ відносяться:
- утилізована енергія вітру, яка включає енергію вітрового потоку, враховуючи втрати енергії на початок руху, на регулювання агрегату та на вивід вітроколеса з-під дії вітру;
- розподіл режиму повторюваності робочої швидкості вітру (ця характеристика є однією з основних вітроенергетичних характеристик, оскільки сумарна продуктивність вітроагрегата визначається функціональною залежністю установки від швидкості вітру за розрахунковий період часу);
- тривалість енергоактивної швидкості вітру;
- тривалість енергетичного штилю.
Удосконалювання моделі вітру також є прикладом поглиблення знань у цій області, що дозволило наблизитися до адекватної моделі перетворення енергії. На Рис. 1 показані етапи розвитку знань та використання моделей енергії вітру.

 

Рисунок 1 -  Моделі вітру:
а) осереднення за годиною і простором,
б) зміна швидкості вітру по висоті,
в) турбулентна модель вітру .

Як практичний інструмент також можна навести використання процедури сайтингу, що дозволяє провести приблизний підрахунок середньої кількості електроенергії, що виробляється одним конкретним ВГ на одному або декількох конкретних майданчиках.
Процедура сайтингу включає деякі або всі з наступних кроків:

• вибір відповідної регіональної кліматології вітру;
• визначення впливу шорсткості навколишнього середовища;
• визначення впливу довколишніх об'єктів затінювання;
• визначення впливу місцевої орографії (тобто рельєфу);
• підрахунок параметрів розподілу Вейбула;
• підрахунок середнього виробітку електроенергії з використанням параметрів розподілу Вейбула і енергетичної характеристики ВГ.

Безперервна реєстрація вимірювань швидкості вітру на метеопостах на протязі багатьох років показала, що середньомісячні та середньорічні значення швидкості вітру в конкретному місці  варіюють у вузькому діапазоні. Не дивлячись на те, що вітер – це випадковий фактор, йому притаманні певні закономірності. Крім середньої швидкості вітру велике значення має розподіл швидкостей вітру в часі – частота повторюваності окремих значень швидкості вітру. Останнім часом широке застосування в світі отримав теоретичний розподіл повторюваності швидкостей по Вейбулу, який дає хорошу варіацію із результатами спостережень. Диференційна повторюваність швидкостей вітру по градаціям Вейбула f(V) має вигляд зображений нижче:
                              f(V) =,                                          (1)
де V – швидкість вітру;
     β – параметр масштабу, числено близький до величини середнього значення швидкості вітру;
     γ – параметр форми кривої розподілу.
Щоб отримати значення параметрів γ та β, достатньо мати експериментальні повторюваності швидкостей вітру, бажано за як найбільший період спостережень. Значення параметрів γ та β значно підвищують точність розрахунків вироблення електроенергії ВГ в конкретній місцевості.
Розглянемо, що дає значення повторюваності швидкостей f(V) на прикладі середньої швидкості вітру VС  = 6 м/с при зміні параметра форми γ від 1 до 2 із кроком 0,25. Для наочності дані по f(V) відображені на Рис. 2. Із приведених даних видно, що при γ = 1,5 швидкість вітру в інтервалі 7±0,5 м/с діє 0,08 часу року (8%), тобто 700 годин на протязі року. Аналогічно встановлюється час дії вітру в любому інтервалі швидкостей, що дає можливість для ВГ із відомими характеристиками розрахувати виробітку електроенергії.

                                        Повторюваність f(V)

                                            Швидкість вітру V, м/с
Рисунок 2 - Крива розподілу Вейбула для γ від 1 до 2 з кроком 0,25

Аналіз наведеної графічної залежності показує, що менші значення коефіцієнту Вейбула γвідповідають більш широкому діапазону розподілу швидкості вітру. Це означає що вітер змінюється у великому діапазоні швидкостей. Більші значення коефіцієнту Вейбула γ відповідають вужчому діапазону розподілу швидкості вітру, і як наслідок зміна швидкості вітру відбувається у більш вузькому діапазоні.
 Швидкість вітру VІ на висоті НІ, якщо вона відрізняється від висоти, на якій проводились вимірювання швидкості вітру метеослужбами, визначається за формулою:
                                              ,                                          (2)
де m = 0,14 степенний коефіцієнт для прибережних зон Європи.
Існуючі методики та моделі визначення параметрів вітрового потоку, що відрізняються в першу чергу областю застосування, тобто функціональною належністю, а також кількістю параметрів, що вимірюються  потрібні для подальшого вибору обладнання та різняться за можливістю отримання даних. Також важливим є врахування інформаційного представлення форматів  вхідних та вихідних даних  для їх подальшої візуалізації, обробки та використання в випадку окремих частин декількох методик.
Прикладні енергетичні показники генерування розраховуються, виходячи з особливостей вітрового режиму та сонячної інсоляції певної місцевості з урахуванням технічних характеристик ВГ та ФЕП.
Так, наприклад, при аналізі середньомісячних значень швидкості вітру та сонячної  інсоляції можливо використовувати дані Інституту відновлюваної енергетики НАН України (ІВЕ НАНУ) [3], метеорологічні дані Національної аерокосмічної служби Америки (НАСА, США) [4] та метеорологічні дані RETScreen [5] які створені організаціями «Природні ресурси Канади» та «Канадський метеорологічний центр енергетичних технологій».
Потреба у точності визначення енергетичної продуктивності ВГ та ФЕП в різних кліматичних умовах призводить до необхідності збільшеної точності у початкових вимірах . 
Зазначимо, що вимоги відносно отриманих даних  стосуються не тільки  попередньої оцінки функціонування ГВСЕС, а  й подальшої підготовки матеріалів до економічних розрахунків інвестиційного проекту [6]. Саме тому цікавий світовий досвід починаючи з вимог до способів обробки виміряних та синтезованих початкових даних та закінчуючи формуванням вихідної бази даних для їх подальшого використання для аналізу функціонування системи [7].
В наш час існує більше 40 систематичних підходів до вирішення задачі моделювання гібридних систем. Всі вони мають багато схожого, зупинимося на короткому огляді 4-х самих вживаних які найбільше використовуються та не потребують додаткової оплати за користування [8].
Hybrid2 – це програма моделювання, що розвивається Національною Лабораторією Відновлюваних Джерел Енергії (NREL) Американського Відділу Енергії в кооперації з Університетом Массачусетс [9] – одна з перших програм у цьому напрямку. Вона була задумана для аналізу гібридних систем з декількома генераторами (ФЕП, ВГ і дизельні генератори) енергії і споживачів (змінного та постійного струму, теплові навантаження) з пропозиціями не тільки широкого вибору стратегії управління компонентами, але і застосуванням функції економічного аналізу. Як приклад, на Рис. 3 з вказаної програми зображено вхідні дані сонячної радіації.

Рисунок 3 – Вхідні дані добової сонячної радіації у програмі Hybrid2

Форми вхідних даних добре структуровані, а параметри вихідних даних зрозумілі та прості. Але програма Hybrid2 доступна тільки на англійській мові та використовується в основному в інститутах та університетах тому, що це вимагає певний час та знань для ознайомлення, але потім вона дозволяє вирішувати дуже усесторонні системні задачі.
Retscreen - програма заснована на електронній таблиці Exсel, була розвинена канадським урядом і включає не тільки фактичний розрахунок параметрів ФЕП, ВГ та дизеля для системи не підключеній до мережі, але також аналіз параметрів вартості. Програма виділяється за допомогою швидкого і простого введення даних, оскільки є база даних для модулів ФЕП, ВГ і даних клімату (середньомісячна швидкість вітру, місячна сонячна радіація і річні температурні дані). На Рис. 4 зображено приклад вхідних даних та характеристик ВГ.

 

 

Рисунок 4 - Приклад  програми RETScreen

Через зв’язок з сайтом NASA кліматичні дані можуть бути відтворені для будь-якої вибраної точки на землі. Подальші компоненти можуть бути, на жаль, спрощено визначені з мінімальним описом технічних умов, які означають, які саме конфігурації вихідних даних потрібно найкраще розглядати. Запропонована програма доступна більш ніж 30-ти мовами, включаючи українську, та включає широку різноманітність додаткових інструментів.
HOMER – інша програма моделювання, що розвивається Національною Лабораторією Відновлюваних Джерел Енергії (NREL) [9], моделює річну роботу кожної системи, комбінаційні можливості для вказаного набору джерел енергії і обчислює також параметри системи та експлуатаційні витрати за наданий період. Можлива і корисна для споживача інформація для визначення чутливості, наприклад, різні середні значення для сонячної радіації, вітру та споживання енергії, що відображають певний ряд результатів. Результат моделювання - список можливих систем у порядку виникаючих витрат. Вихідний варіант у вигляді графу зображає різні ряди найприбутковішої системи за обраний період, заснований на відібраних критеріях. Детально результати можуть бути вихідними даними для кожної індивідуальної системи, які відображають інформацію (графи, таблиці, розкид даних). Програма досить проста для користувача і об'єднує не тільки ФЕП, ВГ і невеликі гідрогенератори, але і генератори на різних паливах (наприклад дизель, біомаса, етанол, водень).
Matlab (пакет Simulink) – це програма, що симулює фізичні моделі та процеси у пристроях ГВСЕС. Головна відзнака цієї програми це те, що вона спирається на математичну модель фізичного процесу та враховує перехідні процеси. Simulink має візуалізацію у реальному часі процесів, що протікають у системі (наприклад сила струму, напруга, частота, виробіток).
Стислий опис пакету програм демонструє, що кожна з програм має свої особливості. Користувач повинен бути обізнаний щодо специфіки, які найбільш важливі для його окремого випадку, досліджень та розрахунків і повинен вибрати таким чином програми, які відповідають саме цим критеріям. Одне з ключових рішень яке може бути зроблене споживачем стосовно бажаного варіанту обчислень: економічні параметри (HOMER), загальний розрахунок розмірів (RETScreen), детальні технічні конфігурації (PV-SPS, PV-Sol, PVSYST), системний аналіз (Hybrid2, PV-DESIGNPRO) або усвідомлення фізичної суті процесів (Simulink).
Таким чином, важливим має бути вказано, що результати системного проекту і системи моделювання залежать не тільки від алгоритмів обчислень програми, але і від якості початкових даних, та технічного знання і досвіду використання програмного продукту. Застосування електронно-обчислювальних машин та відповідно вибраного для зазначених цілей програмного забезпечення набагато спрощує багаторазові циклічні розрахунки які динамічно змінються під час розрахунків.
Метод визначення розмірності системи був вперше запропонований Стретхом та Гоалом у 1998 році. В його основі лежить генерація енергії на базі симуляцій декількох ФЕП та акумуляторних батарей (АБ). Головним критерієм вибору системи є кількість годин підчас яких система не буде працювати або не буде забезпечувати достатнього виробітку енергії. Недоліками такого методу є те що не враховується баланс виробітку між різними типами джерел енергії.
Метод розробки гібридних систем на базі енергетичного балансу запропонований Келлогом у 1998 [19] є більш дієвим та його результати наближені до реальних даних. В його основу закладене погодинне моделювання всіх умов та факторів що впливають на роботу системи: сумарна сонячна радіація що може бути використана, середня швидкість вітру та графік споживання електроенергії кінцевим споживачем. Проводячи обчислення щогодинної різниці цих значень (сумарної виробітки та споживання), визначається різниця виробітку який є надлишковим або якого недостатньо в даний період часу. Результатом такого обчислення є вибір кількості та номіналу ВЕУ та ФЕП для задоволення середньомісячних потреб в електроенергії. В результаті цих обчислень вибирається найдешевший варіант компонування системи.
У 1996 році Маркварт об’єднав цю теорію з сезонним коливаннями виробітку від ФЕП та ВЕУ і сформулював умови які описують оптимальну систему:
Мінімізація вартості системи = Cs*as + Cw * aw                                       (3)
для: d(t) < W(t) * aw + S(t) * as                                                  (4)
де aw та as – це кількість номінальних ФЕП та ВЕУ, а Cs та Cw вартість кожного з таких модулів. d(t) – це середньодобове споживання, яке завжди повинно бути меншим за виробіток від даних джерел енергії.
Виходячи з цих умов іншим виразом того як можна визначити оптимальне співвідношення компонентів системи матиме вигляд:

          (5)

       

Але нажаль цей метод оптимізації не враховує розмір АБ. Тому для детальніших обчислень звернемося до методу Борового та Саламех (1996) [11]. Згідно цього методу проводяться багатокрокові симуляції різних гібридних систем з використанням ФЕП, ВЕУ та АБ. Спочатку оптимізація проводиться по критерію можливості втрати енергопостачання. Коли ця умова виконується для всіх місяців, для яких проводиться симуляція, наступним критерієм є мінімізація вартості системи. Таке оптимальне співвідношення ФЕП та АБ можна представити наступною формулою:

                              (6)

         де N та Nb – це кількість ФЕП та АБ відповідно. З іншого боку a та b – це безпосередньо вартість цього обладнання.
         Аналогічно до способу оптимізації кількості АБ та ФЕП, Багул у 1996 році [12] зробив оптимізацію кількості ВГ та АБ використовуючи метод ймовірностей.
         Безліч вчених намагалось створити оптимальні умови для моделювання таких систем, але найбільш дієвим стала праця Коутраліуса (2006) [13], який використовував Генетичний Алгоритм (ГА) для відбору найоптимальніших систем. Перед ними постала задача багатооб’єктної оптимізації за декількома критеріями та вхідними даними ймовірностей. Використовуючи метод ГА стає можливим наблизитись до достатньо ефективного відбору варіантів ГВСЕС.
З врахуванням вищевказаного запропонована модель вибору оптимального співвідношення компонентів ГВСЕС з урахуванням генерування, перетворення та акумулювання, як з точки зору конкретної технічної реалізації так і враховуючи економічні показники (в першу чергу вартості).
Створення моделі проходить в два етапи: розмірність системи та оптимізація параметрів. Автономна енергетична система може бути представлена еквівалентною схемою, що має вхідні, вихідні параметри та параметри що оптимізуються. Вхідні параметри можна розділити на дві категорії: це параметри, що залежать від місцезнаходження генеруючи потужностей, та параметри, що залежать від самого споживача, тобто враховують навантаження.
До параметрів місцезнаходження належать координати (довгота, широта та висота над рівнем світового океану). Згідно параметрам місцезнаходження за електронними довідниками та даними з метеостанцій ми отримуємо значення середньомісячної сонячної радіації, середньомісячної швидкості вітру та середньомісячні значення температури для даної місцевості.
Перший етап визначення розмірності системи достатньо простий, його можна розкласти на декілька етапів:

• на базі вхідних параметрів середньомісячної сонячної радіації та вітропотенціалу, визначимо виробітку від типових агрегатів;
• згідно дослідженню Величко [14] попередньо вибираємо для даної місцевості приблизне співвідношення генерації від сонця та вітру (рис. 5);
• визначаємо значення встановленої потужності для ФЕП та ВГ, таким чином, щоб виробіток перевищував споживання на 30% для визначення початкового розміру системи (30% -  це приблизне урахування коефіцієнта корисної дії (ККД) всіх ланок системи).

Рисунок 5 -  Модель  використання комплексного геліо-вітроенергетичного ресурсу без врахування перетворення та акумулювання енергії

В загальному вигляді ця методологія може бути відображена у наступній схемі (рис. 6), яка враховує існуючі характеристики обладнання, імовірнісні зовнішні фактори такі як сонячна радіація, швидкість вітру та графік навантаження. З кожною ітерацією обираються компоненти та перевіряється за вище перерахованими умовами оптимальність системи. Комбінації які задовольняють первинній умові зберігаються для подальшої обробки за наступним критерієм, так чином 2-й критерій є уточнюючим та дозволяє обрати одне правильне рішення.

Рисунок 6 - Алгоритм вибору параметрів компонентів ГВСЕС

Після проходження вибору розміру системи, переходимо до оптимізації за допомогою ГА системи за критерієм, наприклад, мінімальної вартості.
         У вище запропонованому алгоритмі для симуляції виробітку від відновлювальних джерел вводиться допущення, що при погодинному симулюванні на 8760 годин (рік), виробіток є постійним при середньому значенні потенціалу надходження енергії.
         Розрахунок виробітку від ВГ та ФЕП ведеться згідно їх номінальних характеристик та корекції до умов робочого об’єкту, які початково приводяться до номінальних умов (рис. 7-8).
         Як приклад удосконалення в запропонованій моделі наведена вольт-амперна характеристика (рис. 7) та характеристика відбору потужності (рис.9) [15] з урахуванням використання пристрою контролю точки відбору максимальної потужності „Maximum Power Point Tracking” (MPPT). Рис. 8 відображає типову криву потужності ВГ як генерую чого джерела.

Рисунок 7 - Типова вольт-амперна характеристика ФЕП.

Рисунок 8 - Типова крива потужності ВГ

Рисунок 9 - Характеристика порівняння відбору потужності
за максимально можливих умов.

Так як, на І-ому етапі завершено вибір компонентів системи, тоді подальші розрахунки неможливі без багатокрокової симуляції системи для більш детальних результатів.
Також важливим є те, що по завершенню цього етапу обрані основні компоненти системи. В розрізі місячних навантажень вони повністю задовольняють умовам співвідношення між генеруванням, акумулюванням та споживанням.

Після того як усі параметри системи вибрані, за наступним алгоритмом (рис. 10) проводиться симуляція з використанням методу ГА.

Рисунок 10 – Блок-схема алгоритму чутливого механізму оптимізації

При цьому ми робимо допущення для нашої моделі по декільком вхідним параметрам:

• метеодані статичні і відомі детально погодинно;
• відомий графік навантаження є типовим відповідно до сезону;
• температурний режим має відоме наперед задане розподілення.

Як видно з Рис. 10, симуляція проводиться двома циклічними процесами:
1) погодинний аналіз з результатом вимірювання рівня заряду та розряду АБ на кінець доби;
2) повторення для кожного дня року.
Таким чином вдосконалення, які дозволяють отримувати можливість оптимізації параметрів ГВСЕС за даним критерієм та внесені у запропоновану модель це:

• урахування при виборі співвідношення генерації від двох джерел енергії;
• урахуванням співвідношення між споживанням, генеруванням та подальшим перетворенням, акумулюванням енергії;
• врахування доступно можливого рівня розряду АБ з врахуванням генерації та споживання;
• аналіз економічних показників.

 

Список використаної літератури

1. Симанков В. С., Бучацкий П. Ю., Шопин А. В. Методология моделирования физических процессов в энергетических комплексах с нетрадиционными источниками энергии и оптимизация их параметров. Труды ФОРА, № 3,1998.
2. Ю.П. Фаворський. Практичні результати використання комбінованої моделі гібридної вітросонячної енергосистеми для резервного електропостачання, „Нова тема”, 2008р.
3. www.ive.org.ua
4. www.nasa.org
5. www.retscreen.org
6. www.avante.com.ua
7. Шихайлов М. О., Фаворський Ю. П. Проблемы и развитие малой ветроэнергетики в Украине (практический опыт ЧП «Аванте» в создании и эксплуатации ветросистем малой мощности // Энергосбережение. – Донецк. – №2, 2003. – С. 22–26.
8. Georg Bopp, Anja Lippkau, World-wide overview about design and simulation tools for hybrid PV systems, 2007.
9. www.nrel.gov
10. Kellogg, W.D., Nehrir, M.H., Venkataramanan, G., Gerez, V., 1998. Generation unit sizing and cost analysis for stand-alone wind, photovoltaic and hybrid wind/PV systems. IEEE Transactions on Energy Conversion 13 (1), 70–75.
11. Borowy, B.S., Salameh, Z.M., 1996. Methodology for optimally sizing the combination of a battery bank and PV array in a wind/PV hybrid system. IEEE Transactions on Energy Conversion 11 (2), 367–373.
12. Bagul, A.D., Salameh, Z.M., Borowy, B., 1996. Sizing of a stand-alone hybrid wind-photovoltaic system using a three-event probability density approximation. Solar Energy 56 (4), 323–335.
13. Eftichios Koutroulis, Dionissia Kolokotsa, Antonis Potirakis, Kostas Kalaitzakis, Methodology for optimal sizing of stand-alone photovoltaic/wind-generator systems using genetic algorithms, Solar Energy 80 (2006) 1072–1088
14. C.A.Величко. Природно-ресурсне забезпечення гібридних геліо-вітроенергетичних систем (В межах рівнинної території України), Харків, ХНУ, 2006р.
15. De Broe, A.M., Drouilhet, S., Gevorgian, V., 1999. A peak power tracker for small wind turbines in battery charging applications. IEEE Transactions on Energy Conversion 14 (4), 1630–1635.