Natural-simulation model of photovoltaic station generation in process of electricity balancing in electrical power system

• Autorzy: Lezhniuk Petr , Komar Viacheslav , Hunko Iryna , Jarykbassov Daniyar , Tussupzhanova Dinara , Yeraliyeva Bakhyt , Katayev Nazbek

Identyfikatory

DOI

10.35784/iapgos.3030

Warianty tytułu

PL

Naturalny model symulacyjny generacji stacji fotowoltaicznej w procesie bilansowaniaenergii elektrycznej w systemie elektroenergetycznym

• Języki publikacji: EN

Abstrakty

EN

The paper analyzes the methods of stabilizing generation schedules of photovoltaic stations (PV) in electric power systems (EPS) in the process of balancing electricity. Since PV is characterized by the instability of electricity production due to dependence on weather conditions, an automatic system for forecasting their generation schedules (ASFG) for the next day has been created to increase the energy efficiency of PV. The processof automating the prediction of the power stations as part of the balancing group of the power stations and the algorithm for adjusting the predictionof power plant generation are considered. The criterion for managing the forecasting process is the minimization of the difference between the values of forecasted and actual generation for the same period of time. Checking the performance and tuning of the ASFG PV in order to evaluate its functioning and the effectiveness of its application in the task of balancing the states of the EPS is possible only by means of simulation. It is shown that basedon the nature of the process of forecasting the generation of PV using ASFG, it is advisable to use simulation modeling. Since the actual valueof generation is constantly monitored during balancing using ASFG, it is possible to use these values during simulation and proceed to real-time simulation. In this case, modeling is considered as an experimental method of research, according to which it is not the object itself that is subjectedto perturbations and research, but the software-implemented computer model of the object. The real-life simulation model of the operation of the PV makes it possible to more fully consider the various modes of their operation in the process of balancing the modes of the EPSas part of the balancing groupand to more reasonably choose decisions regarding the participation of the PV in generation, taking into account weather conditions and the limitationsof the system operators of transmission and distribution of electricity.

PL

W artykule przeanalizowano metody stabilizacji harmonogramów generacji stacji fotowoltaicznych (PV) w systemach elektroenergetycznych (EPS) w procesie bilansowania energii elektrycznej. Ponieważ PV charakteryzuje się niestabilnościąprodukcji energii elektrycznej ze względuna zależność od warunków atmosferycznych, w celu zwiększenia efektywności energetycznej PV stworzono automatyczny system prognozowaniaich harmonogramów generacji (ASFG) na dzień następny. Rozpatrywany jest proces automatycznego kojarzenia predykcji elektrowni w ramach grupy bilansującej elektrownie oraz algorytm korygowania predykcji generacji elektrowni. Kryterium zarządzania procesem prognozowania jest minimalizacja różnicy pomiędzy wartościami generacji prognozowanej i rzeczywistej dla tego samego okresu czasu. Sprawdzenie działania i dostrojenie ASFG PV w celu oceny jego funkcjonowania i skuteczności zastosowania w zadaniu bilansowania stanów EPS jest możliwe tylko za pomocą symulacji. Wykazano,że na podstawie charakteru procesu prognozowania generacji PV z wykorzystaniem ASFG, wskazane jest zastosowanie modelowania symulacyjnego. Ponieważ podczas bilansowania z wykorzystaniem ASFG stale monitorowana jest rzeczywista wartość generacji, możliwe jest wykorzystanie tych wartości podczas symulacji i przejście do symulacji w czasie rzeczywistym. W tym przypadku modelowanie traktowane jest jako eksperymentalna metoda badań, zgodnie z którą perturbacjom i badaniom poddawany jest nie sam obiekt, ale zaimplementowany programowo komputerowy model obiektu. Model symulacyjny pracy PV w warunkach rzeczywistych umożliwia pełniejsze uwzględnienie różnych trybów ich pracy w procesie bilansowania trybów pracy EPSw ramach grupy bilansującej oraz bardziej racjonalny wybór decyzji dotyczących udziału PV w wytwarzaniu, z uwzględnieniem warunków pogodowych oraz ograniczeń operatorów systemu przesyłu i dystrybucji energii elektrycznej.

Słowa kluczowe

EN

power system; photovoltaic stations; unstable generation; stabilization of generation schedules; natural-simulation modeling

PL

system elektroenergetyczny; stacje fotoelektryczne; niestabilność generowania; stabilizacja wykresów generowania; modelowanie makietowo-imitacyjne

• Wydawca: Wydawnictwo Politechniki Lubelskiej
• Czasopismo: Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
• Rocznik: 2022
• Tom: T. 12, nr 3
• Strony: 40--45
• Opis fizyczny: Bibliogr. 24 poz., wykr.

Twórcy

autor

Lezhniuk Petr

• Vinnytsia National Technical University, Vinnytsia, Ukraine

• https://orcid.org/0000-0002-9366-3553

autor

Komar Viacheslav

• Kazakh Academy of Transport & Communication, Almaty, Kazakhstan

• https://orcid.org/0000-0003-4969-8553

autor

Hunko Iryna

• Vinnytsia National Technical University, Vinnytsia, Ukraine

• https://orcid.org/0000-0003-2868-4056

autor

Jarykbassov Daniyar

• Almaty University of Energy and Communications named after GumarbekDaukeev,Almaty, Kazakhstan

• https://orcid.org/0000-0002-0051-5560

autor

Tussupzhanova Dinara

• Almaty University of Energy and Communications named after GumarbekDaukeev,Almaty, Kazakhstan

• https://orcid.org/0000-0002-1316-2020

autor

Yeraliyeva Bakhyt

• M.Kh.Dulaty Taraz Regional University, Taraz, Kazakhstan

• https://orcid.org/0000-0002-8680-7694

autor

Katayev Nazbek

• Kazakh National Women’s Teacher Training University, Almaty, Kazakhstan

• https://orcid.org/0000-0003-0501-3719

Bibliografia

• [1] Amrane Y. et al.: Study of Photovoltaic Power Plant Distribution Network Integration: Case of Algeria-Djanet City Distribution Network. Algerian Large Electrical Network Conference (CAGRE), 2019, 1–6 [http://doi.org/10.1109/CAGRE.2019.8713294].
• [2] Chudy A.: The Review of Selected Electrical Energy Storage Techniques. Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska 9(1), 2019, 23–28 [http://doi.org/10.5604/01.3001.0013.0890].
• [3] Dragoon K. et al.: Hydrogen as Part of a 100% Clean Energy System. IEEE Power & Energy Magazine 20(4), 2022, 85–95 [http://doi.org/10.1109/MPE.2022.3168947].
• [4] Dubovoi V.M. et al.: Modeling and optimization of systems. TD Edelweiss, Vinnytsia 2017.
• [5] Htun Htun L. et al.: Full-scale and Simulation Modeling of a Centralized Control System for Transport Robots. International Journal of Open Information Technologies 8(4), 2020.
• [6] Kukharchuk V. V. et al.: Information Conversion in Measuring Channels with Optoelectronic Sensors. Sensors 22(1), 2022, 271 [http://doi.org/10.3390/s22010271].
• [7] Lebedev A. N.: Modeling in scientific and technical research. Radio and Communication, Moscow 1989.
• [8] Lezhniuk P. D. et al.: Relative evaluation of balancing means of electric power systems with renewable energy sources. Visnik VPI 3, 2022, 24–30 [http://doi.org/10.31649/1997-9266-2022-162-3-24-30].
• [9] Lezhniuk P. et al.: Criterion modeling of the process redundancy of renewable energy sources power generation instability by electrochemical accumulators. Computational Problems of Electrical Engineering 11(2), 2021, 12–17.
• [10] Lezhniuk P. et al.: Forecasting Hourly Photovoltaic Generation On Day Ahead. IEEE 6th International Conference on Energy Smart Systems (ESS), 2019, 184–187 [http://doi.org/10.1109/ESS.2019.8764245].
• [11] Lezhniuk P. et al.: Optimal Integration of Photoelectric Stations in Electric Networks. LAP LAMBERT Academic Publishing, 2019.
• [12] Ma Y. et al.: Multi-objective Optimal Scheduling of Power Systems Based on Complementary Characteristics of Heterogeneous Energy Sources. IEEE 4th Conference on Energy Internet and Energy System Integration (EI2), 2020, 1533–1538 [http://doi.org/10.1109/EI250167.2020.9347052].
• [13] Malvoni M., Hatziargyriou N.: One-day ahead PV power forecasts using 3D Wavelet Decomposition. 2019 International Conference on Smart Energy Systems and Technologies (SEST), 2019, 1–6 [http://doi.org/10.1109/SEST.2019.8849007].
• [14] Nerush V. B., Kurdega V. V.: Simulation modeling of systems and processes: Electronic educational edition. NUU "KPI", Kyiv 2012.
• [15] Rudenko D. V., Vasyuchenko P. V.: Modeling of physical processes of operation of solar photovoltaic batteries. Scientific notes of TNU named after V. I. Vernadskyi 30(2), 2019, 42–47.
• [16] Tomashevskyi V. M.: Modeling of systems. Publishing Group, Kyiv 2005.
• [17] TOP-5 Program for Modeling Solar Power Plants. http://solargis.com
• [18] Vasilevskyi O. M. et al.: Spectral method to evaluate the uncertainty of dynamic measurements. Technical Electrodynamics 4, 2017, 72–78.
• [19] Vasilevskyi O. M. et al.: Vibration diagnostic system for evaluation of state interconnected electrical motors mechanical parameters. Proc. SPIE 10445, 2017, 104456C [http://doi.org/10.1117/12.2280993].
• [20] Vasilevskyi O. M.: Metrological characteristics of the torque measurement of electric motors. International Journal of Metrology and Quality Engineering 8(7), 2017 [http://doi.org/10.1051/ijmqe/2017005].
• [21] Venikov V. A.: Theory of similarity and modeling. Higher School, Moscow 1976.
• [22] Verlan A. F., Galkin V. V.: Simulation of dynamics of energy objects in systems of testing software control tools. Naukova dumka, Kyiv 1991.
• [23] Xu G. et al.: A Hierarchical Energy Scheduling Framework of Microgrids With Hybrid Energy Storage Systems. IEEE Access 6, 2018, 2472–2483.
• [24] Zedak C. et al.: Photovoltaic and Battery Systems Control and Monitoring for Energy Management using IoT. 9th International Renewable and Sustainable Energy Conference (IRSEC), 2021, 1–6 [http://doi.org/10.1109/IRSEC53969.2021.9741199].

Uwagi

Opracowanie rekordu ze środków MEiN, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2022-2023).