52
Materials and methods:
In the article, the solution is proposed to use probabilistically determined data of wind time series
for wind power sources obtained by using approximation methods and goodness-of-fit criteria; probabilistically-determined data
of load and generator nodes; the SGID algorithm, which uniformly generates the output density by determining the input and
output boundaries of the data intervals. The analysis of problems related to the determination of the wind turbine probabilistic
characteristics, a review of current approximation methods for finding full probabilistic characteristics based on given initial wind
data, and methods for forming the probabilistic characteristics of multidimensional functional dependencies were carried out.
Also, an assessment was made of changes in the probabilistic characteristics of the EPS parameters during the wind turbine
penetration and its power capacity changes.
Results:
The results of experimental studies aimed at evaluating the reliability of wind time series modeling and the
probabilistic characteristics of the regime parameters are presented.
Conclusions:
The necessity of carrying out probabilistic EPS with WT modeling to improve the EPS stability is justified.
Key words:
probability density function, quantile, renewable energy sources, wind speed time series, mathematical modeling.
I.
В
ВЕДЕНИЕ
В последние годы проблемы экологического
характера, тесно связанные с использованием конечных
ресурсов топлива с целью получения электрической
энергии, привели к растущему тренду увеличения
объемов внедрения источников возобновляемой энергии
(ВИЭ), в том числе ветрогенераторных установок (ВЭУ).
Это напрямую связано с активным развитием новых
технологий производства и передачи электроэнергии и
текущими
планами
энергетической
стратегии
Российской Федерации на период до 2035 года.
Приверженность
Парижскому
соглашению
по
соблюдению требуемого уровня климатологических
условий и желание снижения углеродного следа
становятся приоритетными задачами ведущих компаний
промышленности. Согласно текущим аналитическим
выкладкам
Международного
агентства
по
возобновляемым
источникам
энергии
(ИРЕНА)
внедрение объектов ВИЭ должно будет обеспечить
снижение выбросов парниковых газов вплоть до 90% [1].
Также, по прогнозам ИРЕНА, к 2050 году
ветроэнергетика должна обеспечить более трети
мирового спроса на электроэнергию.
Стоит отметить, что результирующая выдаваемая
ветрогенератором мощность имеет стохастический
характер. В отличие от классической генерации, объекты
ВЭУ сильно зависимы от района установки, времени
года, открытости местности, и т.д [2]. Проникновение
большого процента мощности ветротурбин приводит к
изменению топологии и свойств энергосистем, что в
свою очередь может привести к соответствующим
нарушениям статической и динамической устойчивости,
особенно в случае больших возмущений. Для
достоверной оценки поведения ЭЭС, в том числе с
внедренными объектами ВЭУ, требуется определять
значения параметров режимов в недетерминированной
форме. Основная проблема заключается в том, что
получение вероятностных характеристик стандартными
статистическими методами не имеет полного решения
[3]. К распространенным методам моделирования
режимов ЭЭС, объектов ВИЭ, объектов нагрузки и
генерации как стохастических элементов можно отнести
три вида подходов: детерминированные методы
формирования объектов ЭЭС и ВИЭ; методы оценки
выходных параметров ВИЭ с частичным применением
вероятностных характеристик исходных данных [4];
методы с использованием полной совокупности
вероятностных характеристик, с тестированием на
пригодность путем проверки критериями согласия,
расчет которых способствует достижению оптимальной
мощности выработки ВИЭ [5]. Наконец, модификации
алгоритма
Монте-Карло
с
использованием
экономической составляющей дороговизны установки и
конечной стоимости выработки, где больше внимания
уделяется обоснованию производства энергии, а не
надежности самой кривой характеристики мощности.
Для сохранения точности получаемых характеристик, в
ряде случаев при рассмотрении функциональных
зависимостей большой размерности, коими и являются
ЭЭС,
требуется
в
геометрической
прогрессии
увеличивать
минимально-допустимое
количество
экспериментов. В случаях определения выходной
мощности турбины с учетом редкой повторяемости
ветра, должно обеспечиваться достоверное совпадение
экспериментальных замеров с теоретическими данными,
что, в том числе, можно отнести к сложностям
моделирования. Исходя из этого, актуальным является
поиск других численных методов определения законов
распределения вероятностей (ЗРВ), не критичных к
размерности зависимости.
II.
П
РЕДЛАГАЕМОЕ РЕШЕНИЕ
В связи с представленными выше выкладками, в
данной статье предлагается методика единого процесса
вероятностного расчета ЭЭС к которой предъявляются
следующие требования:
•
Использование полных и достоверных данных
ВЭУ, не искусственно заданного закона, а
аппроксимации, основанной на имеющихся
данных временных рядов ветра.
•
Формирование в стохастической форме не только
узлов нагрузки, как это принято осуществлять при
недетерминированных исследованиях, но и ряда
параметров: напряжения генератора, активной
мощности генератора, реактивной и активной
нагрузки.
•
Возможность расчета ЭЭС с моделируемыми
стохастическими входными данными (генерация,
