Распределенное размещение ветроэлектростанций для минимизации влияния колебаний мощности на электроэнергетическую систему

Рассматривается проблема влияния на электроэнергетическую систему колебаний мощности ветроэлектро-станций (ВЭС) из-за непостоянства скорости ветра. При большой доле ВЭС в общем объеме выработки электро-энергии требуется увеличение резерва в электроэнергетических системах для покрытия возможных внезапных колебаний мощности. Одним из способов снижения стохастического характера генерации ВЭС является их территориально-распределенное размещение. Предлагается методика выбора мощности и мест распределенного размещения ВЭС с учетом фактора изменчивости суммарной вырабатываемой мощности. В каждом из районов перспективного размещения проводится моделирование выработки электроэнергии ветроэнергетическими установками (ВЭУ) с часовой детализацией с помощью разработанной программы Wind-MCA по данным архивов многолетних наблюдений наземных метеостанций. Оптимизация мощности и распределенного размещения ВЭС в районах осуществляется с использованием генетического алгоритма в среде MATLAB. Целевой функцией выступает коэффициент вариации мощности, вырабатываемой всеми ВЭС в рассматриваемых районах, в зависимости от числа ВЭУ в их составе. При окончательном сравнении вариантов размещения ВЭС используются графики продолжительности выработки мощности. Применение методики рассматривается на примере размещения ВЭС в Забайкальском крае. Получено решение, обеспечивающее минимальный коэффициент вариации вырабатываемой мощности ВЭС и сравнительно высокий коэффициент использования установленной мощности. При распределенном размещении ВЭС снижается продолжительность периода с максимальной выработкой, однако существенно повышается продолжительность выработки малой мощности. С увеличением числа ВЭС, подключенных к различным точкам электроэнергетической системы, может быть получен некоторый гарантированный уровень выработки мощности, что, в конечном итоге, позволит снизить необходимую величину резерва генерирующих мощностей.

1. Thilekha M.H.T.T. et al., Impact of Large-Scale Wind and Solar Power Integration on Operating Reserve Requirements of an Islanded Power System, 2018 Moratuwa Engineering Research Conference (MERCon), Moratuwa 2018;: 589 – 594. doi: 10.1109/MERCon.2018.8421919.

2. Xia S., Zhang Q., Hussain S., Hong B., Zou W., Impacts of Integration of Wind Farms on Power System Transient Stability. Applied Sciences 2018; 8(8):1289. doi: 10.3390/app8081289

3. Sohn A. P., Salles M.B.d.C., Alberto L.F.C. Transient Stability of Power Systems Under High Penetrations of Wind Power Generation. Journal of Control, Automation and Electrical Systems 2019; 30:1116–1125. doi: https://doi.org/10.1007/s40313-019-00527-1

4. Benzohra O., Echcharqaouy S.S., Fraija F., Saifaoui D. Integrating Wind Energy into the Power Grid: Impact and Solutions, Materials Today: Proceedings 2020; 30(4): 987 – 992. doi: https://doi.org/10.1016/j.matpr.2020.04.363

5. Rahmann C., Heinemann A., Torres R., Quantifying operating reserves with wind power: towards probabilistic-dynamic approaches. IET Generation, Transmission & Distribution 2016; 10(2):366. doi: http://dx.doi.org/10.1049/iet-gtd.2015.0538

6. Malvaldi A., Weiss S., Infield D., Browell J., Leahy P., Foley A. M. A spatial and temporal correlation analysis of aggregate wind power in an ideally interconnected Europe. Wind Energy 2017; 20: 1315 – 1329. doi: 10.1002/we.2095.

7. Handschy M. A., Rose S., Apt J., Is it always windy somewhere? Occurrence of low-wind-power events over large areas, Renewable Energy 2017; 101: 1124 – 1130. doi: https://doi.org/10.1016/j.renene.2016.10.004

8. Ren G., Wan J., Liu J., Yu D. Assessing temporal variability of wind resources in China and the spatial correlation of wind power in the selected regions. Journal of Renewable and Sustainable Energy 2020; 12:013302. https://doi.org/10.1063/1.5129290

9. Pearre N. S., Swan L. G., Spatial and geographic heterogeneity of wind turbine farms for temporally decoupled power output, Energy 2018; 145: 417 – 429. doi: https://doi.org/10.1016/j.energy.2018.01.019

10. Muzhikyan A., Farid A. M., Mezher T., The impact of wind power geographical smoothing on operating reserve requirements. American Control Conference (ACC) / Boston, MA 2016;: 5891 – 5896. doi: 10.1109/ACC.2016.7526593.

11. Карамов Д. Н. Формирование исходных метеорологичеcких массивов с использованием многолетних рядов FM 12 SYNOP и METAR в системных энергетических исследованиях // Известия Томского политехнического университета. Инжиниринг георесурсов 2018; 329(1): 69 – 88.

12. Shakirov V. Methodical approach to the estimation of possible energy production by wind and solar power plants using weather station data. E3S Web Conference 2019; 77:02008. doi: https://doi.org/10.1051/e3sconf /20197702008

13. Carvalho D. An Assessment of NASA’s GMAO MERRA-2 Reanalysis Surface Winds, Journal of Climate 2019; 32(23): 8261 – 8281. doi: https://doi.org/10.1175/JCLI-D-19-0199.1

14. Katoch S., Chauhan S. S., Kumar V. A review on genetic algorithm: past, present, and future. Multimedia Tools and Applications 2020. doi: https://doi.org/10.1007/s11042-020-10139-6