Оценка ветроэнергетического потенциала для электроснабжения удалённых промышленных потребителей

Размещено на http://www.allbest.ru/

ФГАОУ ВО "УрФУ имени первого Президента России Б.Н. Ельцина", Екатеринбург, Россия

Оценка ветроэнергетического потенциала для электроснабжения удалённых промышленных потребителей

Н.В. Харламова,

А.И. Хальясма,

С.А. Ерошенко

Аннотация

Состояние вопроса: На сегодняшний день с увеличением нового строительства и активного развития промышленности в России требуется ввод в эксплуатацию дополнительных производственных мощностей. Централизованное подключение промышленных потребителей, в случае ввода небольших мощностей в РФ является дорогостоящим, очень трудоемким и длительным процессом. Поэтому в настоящее время энергетика России начинает активно ориентироваться на распределенную генерацию (малую генерацию). Подключение распределенной генерации дает потребителям возможность как параллельной работы с сетью, так и автономного электроснабжения. В отличие от изолированной работы параллельная работа распределённой генерации с электроэнергетической системой оказывает существенное влияние на технологические процессы выработки, передачи и распределения электрической энергии, поэтому оценка целесообразности строительства объектов распределенной генерации сегодня является важной задачей, особенно в контексте активного развития возобновляемых источников энергии.

Материалы и методы: Методом исследования при выполнении экспериментальной части являлось математическое моделирование. Исходными данными являлись различные метеорологические данные, характеристики выработки ветроустановок, электрические данные сети и нагрузок крупного региона РФ. В качестве инструмента моделирования применялся программный комплекс PALISADE DECISION TOOLS.

Результаты: Обоснована и доказана возможность решения задачи оценки целесообразности строительства объектов распределенной генерации на основе статистического анализа. Выполнена апробация разработанной модели на примере анализа ветроэнергетического потенциала крупного региона, которая показала достаточную для практической реализации точность оценки.

Выводы: Разработанный подход позволяет выполнить оценку ветропотенциала региона и моделировать поведение электроэнергетической системы в установившихся режимах при наличии в ней источников со стохастической выработкой электроэнергии.

Ключевые слова: распределенная генерация, статистический анализ; энергосистема; возобновляемые источники энергии.

Abstract

Background: Currently implementation of additional production facilities is required along with increase in construction activity and active development of the industry in Russia. The centralized connection of industrial consumers in the Russian Federation is expensive, laborious and long process in case of small capacities input. Therefore nowadays the power industry of Russia begins to focus on the distributed generation (small generation). Connection of the distributed generation gives consumers the chance of both parallel work with the network and autonomous power supply. Unlike the isolated work, parallel work of the distributed generation with electrical power system has significant effect on technological processes of development, transfer and distribution of electric energy therefore the assessment of expediency of construction of the distributed generation objects is an important task today, especially in the conditions of active development of renewable energy sources.

Materials and Methods: Mathematical modeling was the research method applied in an experimental part. Basic data included meteorological data, characteristics of wind turbines output, electric data of the network and loadings of the large region of the Russian Federation. As the instrument of modeling the software package PALISADE DECISION TOOLS was applied.

Results: The solubility of a problem of an assessment of expediency of the distributed generation objects construction is proved on the basis of the statistical analysis. The developed model testing made on the example of the wind power potential analysis in the large region has shown the assessment accuracy sufficient for practical implementation.

Conclusions: The developed approach allows executing an assessment of wind power potential of the region and modeling behavior of electrical power system in the steady state modes in case of including the sources with stochastic power generation.

Key-words: distributed generation; statistical analysis; power system; renewable energy source.

Ввиду небольших мощностей, вырабатываемых на электростанциях, использующих альтернативные источники энергии, возобновляемые источники [1] энергии (ВИЭ) в энергетике чаще всего рассматриваются совместно с понятием распределенной генерации[2]. Целесообразность их применения объясняется тем, что они не требуют затрат на доставку топлива или присоединение к центральной сети энергоснабжения. Чтобы выбрать оптимальный источник энергии сравним потенциалы различных видов альтернативной энергии в России.

По данным Hevel Solar?3? ограниченное количество районов РФ обладает достаточным доля рентабельного использования энегрии солнечного излучения потенциалом. Использование геотермальной энергии может быть экономически целесообразным только на территории Камчатки и Курильских островов. В то же время по данным национального атласа России[5] на большей части территории РФ средняя скорость ветра достаточна для работы тихоходных ветряных турбин.

Оценка целесообразности использования ветрогенерации

Оценим целесообразность использования ветрогенерации на практическом примере. Первым шагом является выбор оптимального места для размещения ВЭС в пределах Курганской области. Эта область была выбрана в следствии сочетания равнинного рельефа, высокой концентрации промышленных предприятий и относительной удаленности от столичных городов.

A. Выбор населенного пункта.

Первым шагом является выбор оптимального места для размещения ВЭС в пределах Курганской области на карте, основанной на данных [4,5]. На ней черными окружностями выделено пять населенных пунктов, выбранных на основе причин, упомянутых ранее.

B. Оценка целесообразности строительства выбранных регионов по ожидаемой средней мощности установки

Расчет проводится на основе функции распределения Вейбулла [6, 7], как способа оценки изменения скорости ветра в среднесрочном периоде, т.е. за один год. Интегральная функция распределения Вейбулла представляет собой распределение плотности вероятности скорости ветра, представленное формулой:

(1)

где P - вероятность возникновения ветряного потока со скоростью не ниже v; с - масштабный коэффициент; k - коэффициент формы.

Рис.1 Карта средней скорости ветра

Для расчета c и k относительно них в каждом случае решается система уравнений с P и v, найденными в результате усреднения результатов наблюдения[4,5] с помощью Mathcad. В качестве примера приведен расчет для Кургана.

Вероятность принадлежности среднесуточной скорости ветра v промежутку (v₀,v_i) для года:

(2)

Вероятность принадлежности среднесуточной скорости ветра v принадлежит промежутку (v₀,v_i) для месяца расчитывается, как:

(3)

Где - количество дней в месяце, когда среднесуточная скорость ветра v принадлежит промежутку (v₀,v_i);

- количество дней в месяце;

Таблица 1 Возможность принадлежности скорости ветра данному промежутку

Расчет вероятности того, что среднесуточная скорость ветра v меньше скорости v_i осуществляется по формуле:

(4)

На основе полученных данных составляем систему уравнений:

Аналогично уравнения были составлены и для двух других населенных пунктов. В результате их решения были получены значения:

Таблица 2 параметры с и k

Используя параметры из таблицы II и формулу (1) строим график функции Распределения Вейбулла. В тех же координатах строится график, отображающий данные о метеорологических наблюдениях за тот же период.

Рис. 2 Распределение Вейбулла и метеоданные, Курган

Расчет параметров ветра для рассматриваемого района

На основе полученных данных был осуществлен расчет параметров, по которым можно судить о целесообразности использования ВЭС в данных районах. Расчеты осуществлялись по перечисленным ниже формулам, а полученные значения продемонстрированы в таблице IV. В качестве примера приведен расчет для Кургана.

1. Определение скорости ветра на высоте z, при известной скорости v₀ на высоте z₀ можно произвести по формуле:

(5)

2. Математическое ожидание средней скорости ветра на высоте 10 м. Для города Кургана:

(6)

3. Наиболее вероятная скорость ветра на высоте 10 м. (мода) при k>1 рассчитывается по выражению:

(7)

4. Порывистость ветра на высоте 50 м. (среднеквадратическое отклонение) определяется следующим образом:

(8)

5. Вероятность возникновения ветряного потока по скоростью не превышающей 3 м/с:

(9)

6. Расчет средней мощности ветрогенерации:

(10)

Для расчета использовался программный пакет Excel.

Таблица3 Параметры ветра

Анализ средних мощностей ветрогенерации Курганской области

По карте на рисунке 3 можно сделать вывод о том, какая часть установленной мощности ветрогенератора в среднем будет вырабатываться генератором в стандартных условиях с учетом годового распределения вероятности Вейбулла и особенностей рельефа.

На практике она может использоваться как для предварительного анализа возможности использования ВЭС на уже существующих предприятиях, так и для выбора оптимального местоположения нового предприятия с учетом возможности его частичного энергоснабжения за счет ВЭС.

Для наглядности произведем расчет того, с какой средней мощностью будет работать один ветрогенератор установленной мощностью Руст=2500 кВт по данным для Кургана [16].

(11)

в=270°-10°-С_av.=270°-10°-225°=35° (12)

Причем в - одинаков для всей области, т.к. преобладающее направление ветра по данным [10] по всей территории юго-восточное.

Таким образом можно рассчитать коэффициент ожидаемой средней мощности:

(13)

Наиболее энергодефицитным является Восточный район, где дефицит мощности составляет 150 МВт [8] В то же время в Курганском энергорайоне наблюдается переизбыток мощности в 382 МВт по данным [9]. на 2016 год. Тем не менее именно в Курганском районе происходит значительное увеличение потребляемой мощности за счет введения в эксплуатацию нового оборудования. Подобные тенденции наблюдаются так же в Восточном и Шумихинском энергорайонах.

Сопоставляя карты на рис. 1 и рис. 3 можно сделать вывод о возможности использования ВЭС в качестве альтернативы подключению к единой энергосистеме во всех энергорайонах, за исключением Шадринского, так как там средняя вырабатываемая мощность недостаточна для обеспечения устойчивого электроснабжения потребителя.

Влияние работы ветрогенератора на сеть

При использовании генератора в качестве источника питания следует учитывать непостоянность генерируемой мощности. Это связанно с её зависимостью от скорости ветра. Для оценки влияния этой зависимости были использованы пакеты программ @Risk и InorXL [10] с применением симуляции методом Монте Карло, получены и проанализированы уровни напряжения в сети.

Создание модели для анализа

Была произведена тысяча итераций, для которых мощность ветрогенератора P была представлена функцией распределения Вейбулла, полученной на основе данных Табл. III. При этом c и k также изменялись в диапазонах (0.959; 1.172) и (0.383; 0.469) соответственно по формулам (14) и (15).

(14)

(15)

Распределение Вейбулла для мощности представлено формулой (14):

(16)

Результаты анализа показаны в таблице IV и рис. 4. На них продемонстрированы максимумы (max), минимумы (min) и наиболее ожидаемые (н.о) модули напряжений в кВ.

Таблица 4 Параметры напряжения

На основе каждой из итераций были получены данные о минимальном и максимальном напряжениях в каждом узле, а также наиболее вероятные значения напряжений. Также были определены зависимости напряжений в узлах от параметров c, k и P. По результатам анализа полученных данных был сделан вывод, что на классах напряжения 110 и 10 кВ разница между минимальным и максимальным значениями напряжения составляет порядка 1%. Отсюда следует, что изменение мощности ветрогенератора влияет на режим незначительно и не вызывает выхода напряжений узлов сети за рамки допустимых. В ходе работы было заключено, что данный метод может применяться, как алгоритм для расчета потенциала использования ветрогенераторов в конкретном месте и сравнения нескольких мест с целью выбора наиболее подходящего с учетом климата, ландшафта и влияния на режим.

Рис.3. Средняя установленная мощность

3% 6% 10% 15% 23%

Рис.4 . Изменение напряжения на шине1

В качестве критериев оценки эффективности использования ветрогенерации служат требуемые значения мощности и напряжения, их допустимые отклонения, а также метеорологические данные для конкретного района. Помимо конечного алгоритма выше приведены рекомендации для упрощения его использования, а также карты для визуализации процесса выбора.

Энергия ветра может стать одной из реальных альтернатив полному питанию от ЕЭС и только упрощая процесс её использования можно сделать ветряную энергию и возобновляемую энергию в целом более привлекательной для конечного потребителя.

распределённый генерация энергетика ветроустановка

Ссылки

1. . Adefarati ; R.C. Bansal, “Integration of renewable distributed generators into the distribution system: a review,”IET Renewable Power Generation , vol. 10, Issue: 7, 2016,pp.873-884. (references)

2. Alimardani ; F. Therrien ; D. Atanackovic ; J. Jatskevich ; E. Vaahedi, "Distribution System State Estimation Based on Nonsynchronized Smart Meters", IEEE Trans. Smart Grid, vol. 6, no. 6, pp. 2919 - 2928, 02 June 2015.

3. http://www.hevelsolar.com/sun-energy/

4. https://www.gismeteo.ru/diary/

5. http://www.atlas-yakutia.ru/weather/wind/stat_weather_28661_wind.php

6. S.Eroshenko; A.Pasderin; V.Samoilenko, " Development and implementation of autonomous power supply systems to improve the quality and reliability of remote power supply up to 100 kW ", 2014.

7. M.S.A. Khan ; A. Khalique ; A.M. Abouammoh, “On estimating parameters in a discrete Weibull distribution IEEE Transactions on Reliability , vol. 38, Issue: 3, Aug 2002, pp.348-350.

8. M.P. Wilson ; M.J. Given ; I.V. Timoshkin ; S.J. MacGregor ; T. Wang ; M.A. Sinclair ; K.J. Thomas ; J.M. Lehr, “Weibull statistical analysis of impulse-driven surface breakdown data,” Pulsed Power Conference (PPC), 2011 IEEE, 30 April 2012.

9. The disposal of the Kurgan Region Government, 28 April, 2014

10. Gupta ; M. Sadiq, “Software Risk Assessment and Estimation Model”, International Conference on2016Computer Science and Information Technology, 12 September, 2008.

Размещено на Allbest.ru