Моделирующий комплекс поступления энергии для оперативного управления автономными фотоветроэнергетическими системами



Скачать 139.79 Kb.
Дата30.04.2016
Размер139.79 Kb.

МОДЕЛИРУЮЩИЙ КОМПЛЕКС ПОСТУПЛЕНИЯ ЭНЕРГИИ ДЛЯ ОПЕРАТИВНОГО УПРАВЛЕНИЯ АВТОНОМНЫМИ ФОТОВЕТРОЭНЕРГЕТИЧЕСКИМИ СИСТЕМАМИ


В. С. Симанков, А. В. Шопин, П. Ю. Бучацкий

Кубанский государственный технологический университет, г. Краснодар

Майкопский государственный технологический институт, г. Майкоп

В статье рассматривается проблема моделирования поступления солнечной и ветровой энергий для оперативного управления автономными фотоветроэнергетическими системами. Определена и сформулирована структура моделирующего комплекса, в котором входные данные включают в себя измеряемые метеопараметры, а также среднестатистические метеоданные, определяемые по картографическим данным многолетних статистических исследований среднемесячных сумм суммарной солнечной радиации и ветровой активности. Выходными данными комплекса являются почасовой прогноз поступления солнечной и ветровой энергий.



Российское акционерное общество энергетики и электрификации РАО “ЕЭС России” разработало программу энергосбережения в отрасли «электроэнергетика» на 1999-2000 гг. и на перспективу до 2005-2010 гг.

Одной из важных стратегических задач в области энергосберегающей технической политики в производстве и транспорте электрической и тепловой энергии является вытеснение органического топлива путем увеличения доли в энергетическом балансе ГЭС и нетрадиционных возобновляемых источников энергии (потенциал экономии топлива - 7-8 миллионов т.у.т. в год)[1].

Преобразование энергии солнечного излучения и ветрового потока в электрическую энергию - одно из перспективных направлений развития нетрадиционной энергетики. На сегодняшний день наиболее актуальной задачей является создание энергосистем малой и средней мощности и, особенно, автономных энергетических комплексов, находящихся в труднодоступных районах, удаленных от линий электропередач и теплотрасс.

Рис. 1. Структурная схема автономной ФВЭС

Автономная фотоветроэнергетическая система (ФВЭС) осуществляет выработку, преобразование, передачу, распределение и потребление энергии. Она состоит из ряда взаимосвязанных подсистем, содержащих многочисленные элементы, и в целом приобретает свойства нестационарных систем, связанных с распределенностью структуры, многомерностью и неопределенностью параметров, определяющих состояние и условия функционирования комплекса [2, 3].

Управление автономной ФВЭС осуществляется на основе анализа информации о текущем состоянии комплекса и будущем состоянии первичных возобновляемых энергоресурсов. Будущее состояние первичных возобновляемых энергоресурсов основанго на краткосрочном прогнозе мощности солнечного излучения и мощности ветрового потока. Для осуществления такого прогноза необходимо создание адекватной модели процесса почасового поступления солнечной и ветровой энергии.

Реализация поставленной задачи возможна с помощью создания моделирующего комплекса поступления энергии.

Структурная схема моделирующего комплекса представлена на рис.2.

Р
ис.2. Структурная схема моделирующего комплекса
Ядром комплекса являются известные математические модели поступления солнечной энергии (модель безоблачного неба) и ветровой энергий (модель, основанная на распределении Вейбулла). Однако, при их использовании необходимо учитывать, что модель безоблачного неба не может обеспечить достаточной точности прогноза поступления солнечной энергии, так как процесс образования облаков имеет стохастическую природу. Влияние облачности на величину инсоляции обусловлено ослаблением прямой радиации и в большинстве случаев возрастанием рассеянной составляющей. Вследствие этого с увеличением облачности уменьшается суммарная солнечная радиация. Поэтому данная модель должна быть дополнена моделью, учитывающей стохастичность моделируемых процессов.

Моделирующий комплекс основан на моделях использующих данные, доступные для работы САУ ФВЭС в автономном режиме.

Входные данные моделирующего комплекса по характеру их получения можно условно разделить на следующие типы:


  • измеряемые (величины солнечной радиации и энергии ветра, оперативные метеоданные, измеряемые в месте расположения автономной ФВЭС);

  • постоянные (данные, получаемые на основе прогностических карт абсолютной топографии для заданной поверхности, данные, связанные с географическим положением места моделирования, физические константы);

В целях уменьшения себестоимости комплекса величины солнечной радиации и энергии ветра можно измерять косвенно через вырабатываемую ФЭУ и ВЭУ электроэнергию.

Блок коррекции вносит поправку в прогноз энергии на основании анализа динамики электроэнергии от ФЭУ и ВЭУ.

Поступление солнечной энергии является случайной величиной. Обычно его рассматривают как статистическое явление, развивающееся во времени согласно законам теории вероятностей. Последовательность результатов наблюдений представляет собой временной ряд, анализируя который, можно получить стохастическую модель, позволяющую вычислить вероятность того, что некоторое будущее значение инсоляции будет лежать в определенном интервале, обладающую минимальным числом параметров и при этом адекватно описывающую исследуемый процесс [4].

Построение такой модели целесообразно разбить на две части:



  • детерминированная часть расчета дневных сумм солнечной радиации для безоблачного неба (модель безоблачного неба)

  • стохастическая часть определения коэффициента ослабления солнечной радиации облачностью (модель облачности)

Первая часть предназначена для расчета суточных сумм прямой и рассеянной солнечной радиации на горизонтальную или наклонную поверхности при безоблачном небе.

Модель безоблачного неба в настоящее время разработана достаточно хорошо [4]. Величину дневной суммы суммарной солнечной радиации на горизонтальную поверхность для безоблачного неба можно вычислить из следующего выражения:



,

(1)

где - прямая солнечная радиация на горизонтальную поверхность для безоблачного неба, Вт/мм;

- рассеянная солнечная радиация на горизонтальную поверхность для безоблачного неба, Вт/мм;

- истинное солнечное время, ч;

- истинное солнечное время восхода и захода Солнца, ч.

Для перевода величины прихода солнечной радиации с горизонтальной поверхности на наклонную в соответствии с изотропной моделью атмосферы величину суточной суммы суммарной солнечной радиации следует вычислять как:



,

(2)

где - суточная сумма прямой солнечной радиации на наклонную поверхность, Дж;

- суточная сумма рассеянной солнечной радиации на наклонную поверхность от небосвода

- суточная сумма рассеянной солнечной радиации на наклонную поверхность от земли, Дж.

Моделирование процесса образования облаков является многофакторной задачей. В соответствии с этим облачность принято представлять как случайную величину с законом распределения, соответствующим реальным статистическим данным актинометрических и метеорологических наблюдений. Например, в работе [4] экспериментальные наблюдения наилучшим образом описываются -законом с соответствующими параметрами распределения.

Однако учесть все факторы, влияющие на эволюцию мезомасштабных облачных и барических образований и фронтов, в какой-либо одной модели невозможно. Поэтому разработано множество моделей, которые в совокупности позволяют прогнозировать изменение необходимых метеорологических факторов при подготовке принятия решения [3, 10, 11, 12, 13, 14]. В основе этих моделей лежат связи, существующие между образованием и эволюцией основных форм облаков и различными синоптическими объектами, включающими воздушные массы, атмосферные фронты, барические образования. Эти связи установлены и закреплены в методических рекомендациях по краткосрочным прогнозам погоды [11].

Использование данных моделей облачности для оперативного автоматического управления автономными ФВЭС затруднено в связи с необходимостью получения многочисленных метеорологических параметров и/или многолетних статистических данных, основанных либо на вертикальном зондировании атмосферного слоя, либо на ежесуточных спутниковых наблюдениях полей облачности. Такие данные для работы в автономном режиме являются недоступными.

Таким образом, единственными источниками на которых может основываться прогноз поступления солнечной энергии с учетом облачности для управления автономными ФВЭС, являются многолетние статистические картографические данные месячных сумм суммарной среднесуточной солнечной радиации [15] и измеряемые метеоданные в месте расположения ФВЭС.

Такой прогноз может быть реализован следующим образом. На основании теоретического графика поступления солнечной энергии для безоблачного неба Sбн(t) и картографических данных среднесуточной инсоляции для данного географического места за каждый месяц можно построить усредненный график через введение соответствующего коэффициента, который определяется следующим образом:



,

(3)

тогда усредненный график рассчитывается следующим образом:

Scр(t) = k Sбн(t)

(4)

При таком подходе предполагается, что общий вид функциональной зависимости поступления инсоляции для безоблачного неба и общий вид функциональной зависимости поступления инсоляции для облачного неба одинаковы. Для функции солнечной радиации в облачный день такое предположение является достаточно обоснованным для осуществления оперативного управления ФВЭС.

Так как коэффициент k в течение суток - величина непостоянная, в блоке коррекции может быть похожим образом предусмотрена корректировка коэффициента k на основании оперативных данных поступления энергии Sоп(tn). При |Sоп(tnScр(t)| > (где - допустимое отклонение) вычисляется новое значение k.



,

(5)

отсюда

.

(6)

Временные интервалы, через которые происходит корректировка графика солнечной радиации, определяют исходя из необходимой точности и долгосрочности прогноза, степени устойчивости поступления солнечной энергии.

Предполагается, что точность данной модели достаточна для эффективного управления автономной ФВЭС. Точность модели может быть оценена в процессе экспериментальной эксплуатации комплекса в совокупности с САУ ФВЭС.

Основной задачей моделирования ветровой активности является прогнозирование скорости ветрового потока. Используемую для моделирования ветровой активности климатологическую

информацию принято разделять на три группы [5].

К первой группе относят климатические характеристики, используемые для оценки ветроэнергетического потенциала: средние многолетние скорости ветра в целом за год, по месяцам и сезонам; суточный ход ветра в различные сезоны; распределение повторяемости скорости ветра по градациям в разные сезоны и месяцы года; вертикальный профиль ветра (изменение скорости ветра с высотой).

Вторую группу представляют данные о динамике изменения скорости ветра.

Третий вид информации – климатические характеристики, необходимые для конструирования ВЭУ (расчета элементов конструкции на прочность и надежность): максимальная скорость ветра, возможная 1 раз в определенное количество лет; интегральная повторяемость (обеспеченность) скорости ветра выше определенного предела; характеристики порывистости ветра.

Формы описания ветровых условий можно разделить на две группы:

задание временных серий данных о скорости ветра [6];

вероятностное описание.

Наиболее часто используется вероятностное описание скорости ветра с помощью распределения Вейбулла [3, 5]:

,

(7)

где A – коэффициент масштаба; K – коэффициент формы.

Зная v (V), легко вычислить среднюю скорость



,

(8)

где Г – гамма-функция.

Постоянная k (параметр формы) лежит, как правило, в интервале 1 k 2, и, поскольку Г(2)=1, Г(1,5)=, формула (8) принимает вид:



т.е. параметр А распределения Вейбулла близок к средней скорости.

Из (19) следует также зависимость для накопленной вероятности (вероятности того, что скорость находится в интервале от 0 до V):



(9)

Использование распределения Вейбулла для прогнозирования скорости ветрового потока рекомендуется как в зарубежной [6], так и в отечественной литературе [5]. Другие известные формы описания распределения скорости ветра (Гриневича, Колодина) [7] имеют ограниченное применение.

При проведении ветроэнергетических расчетов большое значение имеет описание вертикального профиля скорости ветра (зависимости скорости ветра от высоты). При этом наибольшее распространение находят аппроксимации в виде степенной [7] и логарифмической функции [8].

Степенная аппроксимация имеет вид:



(10)

где V(Z) – скорость ветра на высоте Z; V(Z1) - скорость ветра на исходной высоте, для которой произведена обработка статистики; m – показатель, характеризующий вертикальный профиль и рельеф местности, является либо константой, либо переменной величиной [6].

Описание вертикального профиля ветра в виде логарифмической функции имеет вид:





(11)

где Z0 – шероховатость подстилающей поверхности, значения которой классифицированы в зависимости от характеристик местности [5].

Для скорости ветра характерны годовые, сезонные и суточные вариации для одной и той же местности, причем могут существовать и долговременные тенденции таких изменений. Поскольку энергия ветра пропорциональна кубу его скорости, то это заставляет с большей ответственностью относиться к анализу метеорологических данных. Для решения поставленной задачи наиболее важно определить суточные изменения скорости ветра в среднем за месяц или сезон. Можно использовать данные многолетних наблюдений по статистическим характеристикам ветра из аэроклиматического справочника пограничного слоя атмосферы [16].

Крайне маловероятно, что долговременные измерения были проведены в месте предполагаемой установки, поэтому метеоданные должны быть скоррелированы с данными близлежащих метеостанций, приведены к высоте втулки ветроколеса [9].

Большинство известных в настоящее время математических моделей прихода солнечной и ветровой энергии основаны на эмпирических формулах или эмпирических коэффициентах, справедливых только в условиях исследуемой территории. Попытка переноса полученных моделей в другие условия приводит к неприемлемым ошибкам. Это требует преобразования известных моделей в соответствии с условиями исследуемой климатической территории.

Повышение точности вышеописанных моделей поступления солнечной и ветровой энергий возможно в процессе анализа многолетних статистических данных в месте установки ФВЭС. Таким образом, в моделирующем комплексе целесообразно предусмотреть наличие обучающего блока, который накапливает оперативные данные по солнечной радиации и энергии ветра в виде банка данных в процессе функционирования ФВЭС.

На основе анализа вышеперечисленных моделей прогноза солнечной радиации и скорости ветрового потока структурную схему моделирующего комплекса можно представить в следующем виде (рис. 3, см. в конце статьи).

Повышение эффективности управления автономными ФВЭС требует прогноза оперативного поступления НВИЭ, что в свою очередь делает актуальным моделирующий комплекс процессов поступления солнечной и ветровой энергии.

Разработанный комплекс основан на математических моделях с параметрами доступными для использования в работе в автономном режиме с получением почасового поступления энергии.

В качестве базовой модели для моделирования солнечной радиации применяется модель безоблачного неба. В силу стохастичности процесса образования облаков модель солнечной радиации дополнена картографическими данными многолетних статистических исследований среднемесячных сумм суммарной солнечной радиации и блоком коррекции, основанном на оперативных метеоданных. Для моделирования скорости ветрового потока применяется модель, основанная на распределении Вейбулла.

Определена и сформулирована структура моделирующего комплекса, в котором входные данные включают в себя измеряемые метеопараметры, а также среднестатистические метеоданные, определяемые по картографическим данным многолетних статистических исследований среднемесячных сумм суммарной солнечной радиации и ветровой активности. Выходными данными комплекса являются почасовой прогноз поступления солнечной и ветровой энергий.


Литература

  1. Программа энергосбережения в отрасли «Электроэнергетика» на 1999 2000 годы и на перспективу до 2005 и 2010 гг. По данным Российского акционерного общества энергетики и электрификации РАО “ЕЭС России”.

  2. 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. 1998. № 3. С. 18 - 26.

  3. Симанков В.С., Луценко Е.В. Адаптивное управление сложными техническими системами на основе теории распознавания образов: Монография / Изд. Техн. ун т кубан. гос. технол. ун-та. – Краснодар, 1999. – 318 с.

  4. Матвеев Л.Т. Курс общей метеорологии. Физика атмосферы. Л.: Гидрометеоиздат, 1976. - 639 с.

  5. Рекомендации по определению климатических характеристик ветроэнергетических ресурсов.   Л: Гидрометеоиздат, 1989. - 80 с.

  6. Lundsager P., Madsen H.A. Wind/diesel Systems // Wind Energy in Denmark: Research and Technological Development.   Ministry of Energy. Danish Energy Agency. - 1990. - P. 42-45.

  7. Методы разработки ветроэнергетического кадастра / Под ред. Е. М. Фатеева.   М.: АН СССР, 1963. - 194 с.

  8. Берлянд М. Е. Прогноз и регулирование загрязнения атмосферы.   Л.: Гидрометеоиздат, 1985. - 272 с.

  9. Кобышева Н. В., Костин С. И., Струнников Э. А. Климатология. - Л.: Гидрометеоиздат, 1980. - 344 с.

  10. Сазыкин Б. В. Методы принятия решений и управление техническими системами в условиях неопределенности: дисс. д-ра техн. наук.   М., 1993.

  11. Руководство по краткосрочным прогнозам погоды. Ч.1.   Л.: Гидрометеоиздат, 1986. -  696 с.

  12. Дубровина Л. С. Облака и осадки по данным самолетного зондирования.   Л.: Гидрометеоиздат, 1982, - 216 с.

  13. Бобронников  В. Т. Математические модели для априорного планирования наблюдений земли из космоса // Исследование земли из космоса. – 1981. №1. - С. 83-89.

  14. Сазыкин  Б. В. Модель принятия решений в условиях неопределенности для прогнозирования состояний стохастической системы // Изв. АН  СССР. Техн. Кибернетика. – 1991.   № 6.   С. 123-129.

  15. Пивоварова З. И., Стадник В. В. Климатические характеристики солнечной радиации как источника энергии на территории СССР.   Л.: Гидрометеоиздат, 1988. -  292 с.

  16. Новый аэроклиматический справочник пограничного слоя атмосферы над СССР. Т.2 / под ред. И. Г. Гутермана.   М.: Московское отделение гидрометеоиздата, 1987.



Simulated complex for operating controls of autonomous photo-wind-energy systems
V.S. Symankov, P.Yu. Buchatski, A.V. Shopin
The authors dwells upon the problem of accumulating solar and wind energy for operating control. The structure of the simulated complex is defined weather parameters with as input data of this complex forecast of incoming solar and wind energy as output data.

Рис. 3. Структурная схема моделирующего комплекса поступления солнечной и ветровой энергий для оперативного управления автономной фотоветроэнергетической системой







Поделитесь с Вашими друзьями:


База данных защищена авторским правом ©ekollog.ru 2017
обратиться к администрации

войти | регистрация
    Главная страница


загрузить материал