大小的独立光伏系统与电池存储乳制品:一个案例研究从智利

文摘

在这篇文章中,一个独立的光伏系统的随机模拟模型分级复制和扩展提供乳制品的电力需求。详细hourly-based考虑每小时负荷曲线进行了仿真和全球太阳辐射预测模型。随机模拟模型是基于一个彻底的太阳辐射数据的统计分析和模拟能源产量,多余的能量减少,和电池的电荷状态分级月和全年提供设计师自治因素值正确尺寸的光伏系统,发现安装的峰值功率的优化组合和电池容量符合应用程序负载的需求,考虑预设可靠性水平,成本更低。模型利用NASA表面的气象学和太阳能数据库获得太阳辐射数据。结果表明大量减少44%的峰值功率和电池安装存储容量与传统方法相比,考虑三天的自主权,减少85%考虑四天。考虑到拟合优度检验结果,Wakeby分布最能代表历史太阳辐射数据的行为几乎一半的月来这个网站。本文旨在为文献缺口的应用方法的多组分电源乳制品行业通过使用可再生能源。

1。介绍

在过去的几十年里,大量的能源被不同类型的行业增长巨大由于不同国家的经济增长,进而引发了世界人口的增长和消费模式1]。人类活动对环境的影响是导致快速气候变化的原因公布的排放,由于化石燃料燃烧(2]。太阳能是免费和环境友好的、被广泛采用作为替代传统的发电。

独立光伏系统的大小是一个重要的任务设计师找到最可靠的和有利可图的峰值功率和电池容量,适当满足负载需求,避免发生设备故障,考虑太阳辐射的随机行为(3]。因此,目标是提高能源效率的经济性能和可靠性标准,以确保系统的自治权。

从这个意义上说,在文献中提出了几种方法和发展规模独立光伏系统,根据所使用的方法不同。

光伏系统分级,之前在设计步骤中,至关重要的是确定固有的损失出现在整个系统充分系统组件的大小。至于光伏电池板,输入能量可能减少阴影,反射由于入射角,灰尘,退化(老化),温度的影响,等等。在能源转换达到负载需求时,功率损失效率的功率调节单元(逆变器和控制器)需要考虑(4]。至于电池,充电/放电过程可能导致一些由于其内部功率损耗电阻(5)和其他电池存储系统由于电池容量的自然降解5]。因为上面的东西直接影响光伏系统性能,控制系统操作的任务由输出功率损失最小化。

同样重要的是要考虑到光伏阵列产生的能量之间的平衡和能源消耗的负载。任何短期的不匹配它们之间必须平衡通常由可充电电池。正是因为这一原因,一个因素的自治天或几天的电池备份, ,提出了在文献[5)代表的天数的光伏系统可以满足负载的需求没有太阳发电和峰值时间(PSH)。换句话说,代表天,光伏系统的最大数量可以供应能源独立加载。

从这个意义上讲,研究由Kaplani和Kaplanis [6)提出了一种随机仿真模型来确定大小的独立光伏系统的峰值功率(和电池容量(关键的月,从而确保遵守年度可靠性标准。模型中,除了考虑到天的自治作为一个外生变量,我们考虑为主要输入daily-based太阳辐射的分析和仿真,加载配置文件,获取,因此,电池的电荷状态,多余的能量燃烧、能量损失,和结果分级系统。

本文的主要贡献在于缺乏文学专门集中于独立光伏系统的分级方法和实施在乳制品行业,使用直接初级能源来满足需求的同时多个组件的挤奶过程(7]。尽管研究等8,9光伏系统的规模奶牛场)地址,他们只专注于提供某些特定组件的挤奶过程,与本研究。另一方面,本文试图将原来的方法(6),将每小时负载概要文件和扩展随机模拟本文阐述了考虑每小时测定的能力指标。为了满足这些目标,本研究有三个主要目标:(1)大小独立光伏系统在智利南部的奶制品通过复制提出的方法(6),结合可靠的每小时的太阳辐射预测数据,执行详细hourly-based模拟和深化,因此,这些作者提出的模型(2)测试hourly-based模型在不同的地理位置比原来的研究补充和扩展其调查结果(3)验证如果hourly-based方法达到类似的结果减少安装峰值功率和电池存储容量与传统方法相比,所展示的daily-based提出的方法(6]

基于随机建模的方法是两个光伏阵列的性能和电池存储系统,并提供能量,多余的能量减少,加载配置文件,和电池的电荷状态分级月和全年,以及数据的成功率的决心自治因素d和系统的分级。生成每小时的太阳辐射数据,模型提出了(10是就业。

2。文献综述

2.1。独立光伏发电系统

光伏发电系统是目前的一个增长最快的系统直接太阳能的使用,考虑后者清洁、环境友好的能源,和在世界上大多数地方的丰富11]。设计这些系统从根本上改变太阳辐射有用的能量转化成电能,通过使用光伏电池板。除了电池板、光伏系统由电流控制器,逆变器提供直接和交流负载,和蓄电池。

虽然光伏系统通常需要较高的初始投资,他们可以提供一个具有成本效益的替代某些孤立的离网位置,相比于电线的安装与中央分布(11]。在这样的场景中,独立光伏(SAPV)系统成为一个合理的选择,因为他们可以提供离网发电。因此,这些系统的可靠性成为解决相关方面,理解它的系统容量满足负荷需求一定的评估期间(12]。

光伏系统的分级试图确定最优组合的变量与太阳能光伏板的安排,电池容量,和倾斜角度,在其他参数相关的组件,以获得最好的动力可靠性和系统成本之间的妥协。考虑到巨大的多样性的方法,哈提卜et al。11)的不同进行分类分级方法文献综述到直观方法,数值方法,分析方法,计算工具,计算智能方法和混合方法。同样,评估标准分为技术参数,考虑负荷的损失概率,供电损失概率,电荷的状态(SOC)等;经济参数,考虑净现值(NPV)和年度成本;和社会的参数,如投资组合风险甚至社会认可。

关于限制SAPV相关,文献综述由Fouad et al。13]显示,最大的因素影响光伏发电系统的性能分析与电池效率和物理光电板结构。与此同时,哈提卜et al。11)添加物理空间和能源预算约束与载荷配置文件实现的SAPV综述文献的基本方面考虑。

2.2。光伏系统在日常的农场

使用光伏系统可以提供的不仅仅是一个有成本效益的替代和传统发电系统。最近,这些类型的选择也有效地响应需求促进了科学界和缓解人为排放的国际组织。的策略建议等研究[14)是主要的节能措施的提案通过的实现光伏发电系统在奶牛场和消费。

从这个意义上讲,研究如由布林et al。((15],[引用7])揭示了光伏系统的潜力大大减少二氧化碳排放在奶牛场,当前的一个主要人为排放。在这个行业的具体情况,预计增长22%的牛奶产量在2018 - 2027年期间(16),并在2050年19%的消费([17],[引用7])。从能耗的角度来看,它是补充了一个事实:电能消费代表了最高的项目之一,传统和有机奶牛场,占一次能源消费总量的14%和24%,分别根据(18]。考虑到以上,鼓励光伏系统安装,特别是在乳制品行业,是相当大的。

关于相关研究的回顾、案例研究等德布拉斯特区et al。8和Zhang et al。19)解决光伏系统的实现和上浆日记生产系统内提供特定组件或子系统,即分别注入系统和冷却系统。布林等。7),与此同时,复杂的光伏系统可概括的和可伸缩的优化模型分级在奶牛场,使用定义的目标函数加权和的方法,考虑财务准则和方面的贡献比autoconsumed能源总年度用电量,使用一种权衡参数搜索和分析帕累托最优解决方案。与之前评审模型,模型中实现这项研究认为一个自治系统,这就是为什么需要确保可靠性和自治出现之前,考虑财务评价标准或可再生能源的贡献。

2.3。全球太阳辐射的估算

太阳辐射测量结果是必不可少的设计和运行的太阳能技术,特别是对太阳能收集器的实现和光伏系统的分级。然而,这个大小的度量,尽管是准确的,并不总是用于建模和预测,主要是由于高初始投资和维护成本的测量和记录仪器(20.]。出于这个原因,另一种出现在科学界是关联辐射与其他可用的气象参数,基于此方法开发各种各样的模型。

第一个经验模型是由埃(21)每月平均每日全球辐射的测量,开发一个经验关系模型考虑的影响的日均晴空辐射和阳光的时间分数。与此同时,页面(9]决定修改相关模型,取代日均外星的晴空辐射的辐射对水平表面。从那时起,一系列的实证模型已经开发Angstrom-Page模型进行修改和扩展,包括新的参数或不同的数学表达式来建立经验关系。见,例如,(22,23评论,展示了各种各样的经验模型进行了迄今为止,以及位置参数的依赖性。

近几十年来出现了另一种替代方法,估算和预测全球辐射是使用人工神经网络的输入通常对应于各种各样的气象和地理参数,而输出对应于不同时间尺度的全球太阳能辐射(24]。这些模型估算全球辐射的主要优势是他们位置适应性和可感知的准确度提高相比,传统的经验模式。然而,这些模型的缺点是它的复杂性和大量的参数以达到这样的精度,没有明确建立夹杂物的影响,实证模型相比(20.]。

为了第一次大量各种不同的分类模型对全球辐射的时间考虑和方法接近的类型,Zhang et al。20.)开发一个文献回顾分类根据输出到月平均每日全球辐射,每日全球辐射,和每小时的全球辐射的方法。作者也考虑两个主要类别有关评估的类型:实证模型,它被分解成阳光时间分数(SDF)模型,修改模型(自卫队)nonsunshine时间分数(NSDF)模型和人工神经网络(ann)。这项研究还提出了性能指标等均方误差(RMSE)和平均绝对百分误差(日军)来确定每个评估模型的准确性基于观测值和预测值。研究得出结论:分数的经典模型的太阳能持续时间(SDF),以及人工神经网络(ann),有最好的性能的RMSE和日军。尽管自卫队模型性能略低于ANN模型,后者通常要求大量数据训练阶段提高性能指标。

考虑最后一个分类,模型由Kaplani和Kaplanis [6)是分类的长期每月平均每日全球辐射。的方法获得全球辐射在一个月每天的代表值,然后平均每年获得的值,为每一个月。总结了方法与这个模型,以及使用的术语和复制在这个调查,提出了部分6和附录A。

上述分级方法考虑每月适合每日使用概率分布太阳辐射。在这方面,专业分布如Wakeby分布已经证明了它们的有效性尤其是发电建模规划光伏发电系统的应用(25]。同时,约翰逊某人和广义极值分布通常被认为是风速等气象测量建模,通常提供一个优越的适合单组份概率密度函数(26]。

3所示。设计的乳制品

案例研究是进行奶制品位于里约热内卢的城市布埃诺,在智利南部的坐标南纬40.331,东经72.498。在经济领域,农业设备价格已经大幅增加,相反,牛奶价格继续降低考虑生产者的角度来看。在这些行业很少有节约成本的机会,有必要分析更具成本效益的选择发电。在这方面,智利具有丰富的太阳辐射和大量的太阳能电池板产生的电能可以潜在的重大影响。

日记的电力负荷由挤奶设备、冷却、清洗、热水、照明,通风,等,如挤奶机、真空和水泵、冷却水箱、清洗系统和灯泡。每天奶制品执行两个乳品,从5到15,从下午15:30 17:15考虑顺序小时。下面描述的挤奶过程,以及所需的能源消费乳品设备,这个案例研究:(我)挤奶机:它的主要功能是激活的愿望乳头杯,指导后续对冷槽的积累获得的牛奶。机器有14个单位和配备一个真空泵,具有一个2.2千瓦的电动机震动器的操作包括一个额外的10%。同时,添加0.5马力电动机驱动冷罐牛奶。其操作时间匹配的挤奶过程,从5到15,从下午15:30到17:15。(2)冷罐:设备在最优条件下,允许存储的牛奶。它配有4千瓦引擎和有一个容量为4275升。它有两个70 W煽动者和通风系统,它由两个200 W的粉丝。操作时间发生在挤奶后,和所有的组件同时操作。周期是15和11点之间17:45至22:00。(3)照明:照明灯具的使用包括挤奶的房间,走廊,包含上述设备的机房。这个项目给了472 W,但据估计,达到约600 W通过增加仓库和环境。照明时间正值早晨挤奶,5:30至15小时。(iv)热水:温暖的水用于机器清洗和洗的牛乳房。热水器1500 W电源的要求,据估计,它每天工作大约6.4小时,保持水温约为65°C。时间表的热水器运行06:45 08:25和16之间,十八25小时(挤奶过程)和13:00之间and15:45小时(冷罐)。(v)水泵:为了乳品供应水,1惠普潜水泵使用。超过25米的总高度,3 m的流³/人力资源。日均用水量相当于11米³。因此,泵运转3小时40分钟,每天消耗大约2.74千瓦。时间通常是在06:45岁之间和事故发生,16和17:55之间。(vi)机洗涤:保持坦克在最佳条件下,牛奶收集后必须清洗。封闭的坦克有一个自动清洗系统,它使用热水和冷水结合酸性和基本的清洁产品。电机,允许这是1惠普。洗舱的持续时间是45分钟,收集车收集后,发生在12:30。在挤奶机的情况下,清洗试图去除有机物,脂肪,矿物质的牛奶。目的是防止细菌的增殖。自动进行清洗,使用0.5 HP自动机分钟后每一个挤奶。挤奶机清洗的周期是30分钟,喂饲小时和18:00。

表1总结了消费和操作时间与奶制品有关设备。

总负载对乳制品的需求估计为59.83千瓦时/天,这对应于夏季需求高峰。夏天最高的能源消耗比其他季节。这是因为冷却罐牛奶运行了较长时间内保持在适当的温度。自从乳制品经营在一天的特定时间,特别是在挤奶,建设一个详细的每小时负载概要文件要求和呈现在图1。

4所示。太阳辐射

4.1。太阳辐射数据分析

在这项研究中,基于提出的模型(6),每日全球太阳辐射数据从美国宇航局的表面获得气象学和太阳能数据库(27]乳品位于南纬40.331,西经72.948,考虑到1985年和2004年之间的时期。为每个20年,基于推荐的几个月(平均天28(中)29日),每个月的平均一天,包括之前和之后的第二天(即平均一天。,连续三天),形成了全球太阳能辐射数据的分析。全球太阳辐射每个月现场如图2。

每个月,太阳辐射数据被标定安装(见附录C)考虑六个连续概率分布,即β,广义极值,约翰逊某人,正常,Wakeby,威布尔分布(见表2根据Kolmogorov-Smirnov测试),测试(钴测试)。钴统计值如表所示3。然后,获得价值和作为选择标准。重要的是要注意,在这种情况下,零假设建立数据按照指定的分布为每个分布;因此,选择必须考虑值,无法拒绝的假设(见附录D)。这一观察,最高的分布每个月值选择。

的值的计算使用一个名为Exact-KS-FFT的新方法,表达了值作为double-boundary不相交齐次泊松过程的概率,然后有效地计算使用快速傅里叶变换(30.]。方法已经证明了他的准确性和计算效率与马提出的算法等。31日]。并给出了拟合分布的结果表4。

1个月,8月,9月,10月和12月,Wakeby分布提供了最适合的,而对于2个月,5月,7月,11月,将军极值分布效果最好。3月和6月,约翰逊某人分布是最合适的。最后,对于4月贝塔分布提供了最适合的。虽然正态分布通常是选择合适的数据,在这种情况下,它不存在实质性差异的统计量的分布。必须强调,尽管这项研究只考虑这六个类型的分布,其他备选方案可能最终改善健康。

正如我们已经提到的,为了实现年度性能,光伏系统分级进行基于“月最差”的方法,即。,月平均太阳辐射最低的水平。因此,6月在以下部分中进行选择。

4.2。全球太阳辐射模型估算每小时

满满当当的性能计算时需要完成,可能需要从日常数据,然后从每日的太阳辐射估计每小时获得值。每小时比一天太阳辐射全球 , ,每天全球太阳辐射, ,计算从方程(1)[29日]。贝格et al。10)修改了模型提出的耆那教等。32]试图适应太阳辐射Gaussian-type功能,以更好地适应数据记录在每天的开始和结束时间,在[引用33]。在这个模型中,估计方程(2),是太阳时,标准差的高斯曲线,一天一天的长度吗 ,在一个站点的纬度 ,由方程(3),太阳赤纬。与 ,方程(4)和(5基于第二个版本),耆那教的新方法的模型中引用(33]。 决定从方程(1),导致方程(6)。在本节中使用的方程如下:

5。提出了独立光伏系统

提出了独立光伏系统的示意图表示图所示3。的主要组件是光伏发电机、电池系统、和功率调节单元(逆变器和控制器)。

6。随机PV分级仿真模型

随机PV上浆方法对应于模型开发的(6),但考虑到一些修改具体详细hourly-based模拟以来在步骤3和6。它由以下步骤组成:(1)最重要的第一步是获得可靠的数据库,其中包含适当的太阳辐射和气温数据的年考虑。定义的应用程序网站进入纬度和经度值。基于全面的全球太阳辐射数据的统计分析 ,概率密度函数(pdf)为每月生成等方式寻找最佳拟合曲线的太阳辐射数据的网站。然后,拟合分布的参数提取的几个月。(2)全球太阳辐射的意思和标准偏差每个月计算。的展品最低日平均太阳辐射水平进行选择。(3)取决于应用程序的类型,能源需求的估计是基于技术数据和专家进行判断。与[6),每小时负荷概要文件用于更详细hourly-based模拟。(4)校正系数的估计 ,指沿着路径的能量损失从光伏发电机负载在日常操作,和校正因子的操作路线battery-DC / AC inverter-loads,计算相应的(6]。估计 ,基于梁和漫射光的月度辐射数据根据Collares-Pereira和Rabl模型中引用(29日]和[所6]。估计 , 计算从方程(7),电池温度和吗温度系数,获得制造商的规范。计算使用方程(8),可以估计的最大平均环境温度 ,的辐照度在标准测试条件下(stc))和名义操作单元的温度在[引用29日]。结合这两个方程导致方程(9): (5)自治的上下范围值的因素根据气候条件和应用程序设置问题。太阳辐射越高,越低自主性的因素。将从来 ,从1到10。范围值取自[6]。(6)仿真算法以迭代开始从来 。每一次迭代后,修正后的峰值功率电池容量和纠正计算的和以前在步骤2中计算,所6]。每一次迭代的100年由模拟的能量传递 ,每小时负荷需求 ,的能量损失 ,和电池电荷状态注册,时间的选择大小,估计成功率提供的特定值的百分比吗 ,每小时的月。每天,全球太阳辐射从选定的取样分布与参数提取步骤1。因此,对于所有小时的计算使用方程(2),从而获得每小时辐射全球 在某一天 。每小时清洁度指数计算使用方程(10),是每小时外星辐射水平表面上一个小时小时之间的角度和(29日]。每小时将太阳辐射的水平表面斜面,倾斜的斜坡的水平,使用各向同性扩散模型所推导出的计算(34)提出的从各向同性模型(35(中),29日),由方程(11), 的分数是每小时辐射对水平面直接梁,几何因子,即。,the ratio of beam radiation on the tilted surface to that on a horizontal surface at any time, calculated based on the hour angle评估中点的小时,赤纬抽样天,站点的纬度 ,和斜率 , 的分数是每小时辐射水平平面上分散,基于erb等人相关(36(中)10),由方程(12),是地面的反射(反射率): 对于每个小时,能量由光伏阵列计算使用方程(13),其余的能量用在满足所有负载要求 : 表达后剩余的能量消费比例,辅助变量定义辅助。在这种情况下,光伏系统不产生任何电力( , 估计从方程(14),电池系统提供负载的需求和辅助估计方程(15): 另外,在这种情况下,光伏系统发电( , 然后估计方程(16)。对于后者,三种不同的情况下被认为是: (一)如果 ,然后使用方程(辅助计算17)电池以来,银行必须满足负载需求和电池的SOC是减少: (b)如果 ,然后辅助等于零以来光伏系统能量输出的完美匹配负载的要求。(c)如果 ,然后使用方程(辅助估计15),因为光伏系统能够覆盖所有负载和电池的SOC是增加。因此,电池电荷状态SOC计算从方程(18),考虑到剩余的能量,目前SOC立即在本期之前,也就是说,前一个小时,考虑每小时的基础上模拟。系统生成的任何多余的能量消散为代表 ,由方程(19)。为每个模拟小时,SOC是评估。如果该值低于临界水平1-DOD,然后发生故障仿真停止。重复相同的过程,直到最后一个小时,记录每个值的成功率 ,从来 : (7)根据时间的百分比,它需要满足负载的需求,和的最小值满足系统的可靠性标准被选中。(8)基于所选的值获得第7步中,系统分级进行替换成 计算和 ,所(6]。(9)执行仿真在今年剩下的几个月里,考虑到在步骤8中获得的分级参数。每个月,我们的目标是获得成功率和系统的性能,即 , , ,和 。

每个月,如果仿真结果表明,该系统可靠性判据(成功率)选择的价值没有满足,然后返回到步骤7,选择下一个增加 。

这两个方法步骤对应于一般视觉系统的性能在整个一年中同时确保实现系统可靠性的标准”。“整个仿真模型提出了附录b .请注意流程和方法对应提出的模型(6),但与一些修改与详细hourly-based模拟一致。

7所示。仿真结果

基于“月最差”的方法,选择大小是6月。负载需求估计为59.84千瓦时/天。假设在白天最大平均环境温度8°C,从美国宇航局的数据库计算年的问题(1995年至2004年),这项研究的开始,所和温度系数作为(例如,从模块的技术规格PV-UD185MF5) 47.5°C和0.452% /°C,分别。基于方程(9),0.9215计算。 , , , , ,和作为0.98 (37),0.9 (37),0.95 (5),0.95 (5),0.9936 (38),和0.8 (39),分别。因此,校正因子和分别为1.30和1.46,计算,基于6]。它应该记住这些值定制应用程序的问题,受到设计、设备和技术。的转换因子计算考虑到光伏板倾斜一个角度25°以上水平。斜率计算基于最大化的总能量估计冬天(29日]。电池的放电深度设置为80%,直流传输电压是120 V。自主性的因素被设定的来 ,从1到10,增加了0.5每个迭代。的成功率得到相应的迭代的价值与和计算使用方程(20.)和(21),分别如图4。从这个图的最小值选择实现至少95%的成功被加载和至少99%的临界载荷。对获得的成功率和 ,计算了替换分别与相应的迭代值,描述了数字5和6。值得强调的是,光伏系统分级,除了自主权的影响因素 ,强烈依赖于天气,因为和也影响校正参数 ,也就是说,全球太阳辐射数据。关于第一个声称,这是合乎逻辑的

更多的自治权天光伏系统,更大的光伏发电机和电池的大小银行。

6月,一个自治因素3保证至少97%的平均成功被加载。的97.074成为朝鲜劳动党和计算kAh计算是2.308。对比结果与传统方法(5),从线性方程计算(6]。被加载,估计为4.532。因此,和召开的朝鲜劳动党全国173.443和4.124 kAh分别计算,基于方程(1)和(2)(6]。提出的随机方法,基于提出的模型(6),远远超过了传统的方法,达到减少44%安装峰值功率和电池容量。重复相同的分析= 4,拟议的方法保证至少99%的平均6月成功关键负载。在这种情况下,和分别获得召开的朝鲜劳动党全国106.171和2.525 kAh总结如表5。从传统的角度来看,计算使用线性方程从[6),导致= 18.11,= 693.083成为朝鲜劳动党,基于方程(1),= 16.481 kAh,基于方程(2)(6),总结如表6。比较的结果,一个安装了峰值功率和电池容量减少85%与拟议的方法实现,获得比传统方法更好的结果。

的每小时性能提出了系统在整个大小月和6月= 3, , , ,和SOC,如图7。从图可以看出7提出了独立光伏系统成功地满足负载需求没有SOC低于60%。电池银行能够覆盖的能源需求的时间没有能源产生的光伏模块。此外,消散的能量是巨大的。

相反,图8显示了一个失败的情况下,低水平的太阳辐射,因此,值导致电池无法满足需求与SOC负载低于20%。

7.1。设计了独立光伏系统每小时其他月份的性能

该算法运行剩余的个月使用相应的值 , ,和 ,正如前面计算的,在这样一个方式来达到至少95%和99%的自治系统。的分级是根据太阳辐射最低的一个月,预计将有更好的表现。每个月的成功率表所示7,包括关键和非关键操作。虽然不相同的值,但这些成功率保证至少95%操作时被加载。

8。讨论

采用该方法获得的结果显示实质性差异的预测使用传统的方法。然而,有必要讨论的假设,考虑整个的研究来阐明这一差异的原因。

对太阳辐射的估算,同一时期被认为是使用概率分布的调整和确定Kolmogorov-Smirnov统计来衡量健康的美好。另一方面,不同分布的参数的数量时没有考虑执行统计检验。这可能导致过度拟合周期分析的基础上,影响其适应性估计或预测最近的数据。

考虑辐射估算方法分为长期的月平均每天的太阳辐射。根据研究由(20.),这种类型的估计可能导致较低的估计错误的考虑,虽然模型的优越性和可用性问题。这主要是因为估计误差的相对稳定和足够长的时期被认为是辐射数据,以避免方法本身带来的问题。前面提到的一个可能部分解释获得的结果与传统方法的区别。另一个额外的方面考虑的不确定性,利用气象数据来源如NASA或者METEONORM可以提供,根据(40),正是因为辐射数据没有经常观察到世界上大多数气象站由于仪器的高成本和技术要求。

在设计阶段的奶制品,有必要提到该场景结合了月平均每日最低的全球辐射根据提供的数据,与夏季月高峰消费。因此,满足能源需求所需的能力被高估了。场景中,因此,提供了一个解决方案,是高估了存储容量,从而成为理想,至少在关键的月,在最低的成本达到可靠性标准。

在研究提出了6),这种情况下考虑每天的太阳辐射估计方法,但主要的区别在于所涉及的不同状态变量更新测量可靠性标准的遵从性。从这个意义上说,虽然每天的基本方法,提出了研究方法更新状态变量和分解全球太阳辐射考虑每小时刻度。此外,扩展方法并不真正实现验证的案例研究中,无法确定哪些上浆方法更准确。

9。结论

从随机模拟模型获得的结果表明,该独立光伏系统可以成功地满足乳制品的负载需求指定的可靠性,实现减少44%的峰值功率和电池安装容量为非关键操作,并减少85%的关键操作,相比传统的方法,这是与基础研究的结果一致,从而验证hourly-based方法不同的地理位置。

然而,鉴于分级方法的特点,其结果必须与复杂和高度精确模型的评估和设计阶段为了克服前面分析的局限性。从这个意义上说,可以扩展的另一个方面是考虑太阳辐射的随机组件规模每小时。这个案例研究的条件设计也可以考虑模拟的可能性提供的能源光伏系统每个月估计加载配置文件,从而避免过高的估计能力。

一个独立光伏系统的分级的特点是符合一定的可靠性水平;从这个意义上说,未来的研究可以考虑的一个多目标函数,不仅考虑存储容量,而且实现成本和其他相关的性能指标,以及公司的预算或大小限制光伏安装的模块。

鉴于目前世界能源的情况下,现在的思考不同的可持续替代发电等方式对环境的影响降到最低。太阳能被广泛使用,它的使用大大增加,从而导致新的挑战在提高光伏系统的效率和平衡供给和需求。如果一些加载可以转移从晚上调到白天,可以获得更好的结果。因此,负荷管理的概念变得相关分级独立光伏系统。从这个意义上说,可以引入动态负载管理功能。在最近的研究中,负荷曲线的影响的不确定性在离网光伏系统优化设计进行了分析,强调了重要性在定义为离网PV-battery系统加载配置文件。

最后,因此建议执行每小时,甚至更详细的模拟(如仿真详细分辨率),加载配置文件有更好的控制和输出功率的波动,显然识别需求高峰的时候发生,利用这宝贵的信息获得最佳结果。

附录

答:术语使用,基于Kaplanis和Kaplani [6]

命名法 :辅助变量一个:贝塔分布的下限b:贝塔分布的上限 :老化的电池系统由于骑自行车 :充电过程中电池的效率 :电池在放电过程的效率 :充电器的效率 :逆变器的效率 :电池容量(kAh) : 纠正(kAh) :对光伏的老龄化的影响 :温度效应的修正项光伏效率德:满足所有负载需求后剩余的能量国防部:电池的放电深度(无量纲) :光伏系统的自治的天数 :天数自治的光伏系统的操作与临界载荷 :天数自治的光伏系统的操作与被加载 :能量耗散由于多余的能量和完全充电电池(千瓦时) :能量由光伏系统(千瓦时) :损失的能量之间的路线光伏发电机和负荷需求(无量纲) :损失的能量电池路线之间的银行和加载(无量纲) :辐照度在标准测试条件下(STC)(1千瓦/ m²) :每天全球太阳能辐射水平(千瓦时/ m²) :中值的H(千瓦时/米²) :每小时一天全球太阳辐射水平(千瓦时/米²) :每小时光束直射 :每小时的散射辐射 :每小时外星辐射水平表面上一个小时段k将军:形状参数的极值分布 :每小时清洁度指数 :名义操作单元温度(°C) :峰值功率(成为朝鲜劳动党) : 纠正(成为朝鲜劳动党) :太阳的高峰时间(小时/天) :PSH平均值(h /天) :PSH最小值(h /天) :一天总负荷(Wh /天) :负载需求在任何时候(千瓦时) :每天每小时比全球太阳辐射全球太阳能辐射(无量纲) :因素将全球太阳能辐射水平的斜面光伏电池板,特定的月平均值(无量纲) :因素将每小时太阳辐射从水平面倾斜平面,为一个特定的小时(无量纲) :比梁的倾斜表面的辐射水平表面上,在任何时候 :天(h)的长度SOC:电池的电荷状态(无量纲) :剩下的SOC进行到下一个小时(无量纲) :温度系数 :最大大小月白天平均环境温度(°C) :电池温度(°C) :直流电压转移。同时,名义上的电池工作电压(V)希腊字母 :规模参数Wakeby分布;威布尔分布的形状参数 , :贝塔分布的形状参数 :Wakeby分布形状参数;尺度参数的威布尔分布;坡 :约翰逊某人分布形状参数;Wakeby分布的尺度参数 :赤纬;约翰逊某人分布形状参数;Wakeby分布的形状参数 :约翰逊某人分布的尺度参数 :约翰逊某人和Wakeby分布的位置参数 :极值将军和正态分布的位置参数 :反照率 :正常和将军极值分布的尺度参数 :标准偏差的H :标准差的高斯曲线 :站点的纬度 :时角

b .流程图的随机方法,提出基于Kaplani和Kaplanis [6]

c .最大对数似估计

后续的调整分布的拟合优度比较分布的参数估计进行使用最大似然估计(标定)。考虑到组 的独立同分布随机变量,从一个连续概率分布特征的分布参数 ,和代表其概率密度函数 ,的似然函数由以下给出联合概率函数 : 表示随机变量的实现,也就是说,观察,是由一组 。发展之前的表达式,考虑随机变量的条件(iid)的似然函数

因此,极大似然估计量参数的估计量吗这个联合概率函数的价值最大化。也就是说,

上面的句子应用不失一般性的参数向量 。

d . Kolmogorov-Smirnov测试

Kolmogorov-Smirnov(钴)测试通常用于确定样本的人口来自一个连续概率分布,确定其规格参数是已知的。定义的测试是假设:

和钴统计被定义为 在哪里经验分布和吗是理论计算累积分布函数命令观察吗 的样本。这个值是与钴双尾关键值的表对于一个给定的意义百分比 ,这通常需要一个值的5%。因此,零假设被拒绝时的状态 是满意的。量化这一决定,避免意义值集的依赖先验的研究员拒绝零假设计算值拟合分布之间的选择。

数据可用性

在这项研究中的应用是引用的信息,分别来自案例研究的数据是来自智利南部的乳制品。

的利益冲突

作者宣称没有利益冲突。

引用

1. j . w .太阳,“能源消费和能源强度的变化:一个完整的分解模型,”能源经济,20卷,不。1,第100 - 85页,1998。视图:出版商的网站|谷歌学术搜索
2. g·p·彼得斯,g . Marland c . Le Quere t·博登j·g·Canadell和m . r . Raupach”公司的快速增长₂排放在2008 - 2009年全球金融危机后,“自然气候变化,卷2,不。1,2 - 4,2012页。视图:出版商的网站|谷歌学术搜索
3. d·瓦特·m·f·巴尔德斯d hara和a·沃森“住宅光伏发展潜力在智利:净计量和计费方案的影响发电的光伏系统,”可再生能源和可持续能源的评论41卷,第1051 - 1037页,2015年。视图:出版商的网站|谷歌学术搜索
4. a . Chouder和西尔维斯特,“自动监督故障检测光伏系统基于功率损耗分析,“能量转换和管理,51卷,不。10日,1929 - 1937年,2010页。视图:出版商的网站|谷歌学术搜索
5. m·罗杰和诉杰瑞,光伏系统工程美国佛罗里达州波卡拉顿,CRC新闻,2000年。
6. 大肠Kaplani和s . Kaplanis“可靠的光伏系统的随机模拟模型分级提供太阳辐射波动,”应用能源卷,97年,第981 - 970页,2012年。视图:出版商的网站|谷歌学术搜索
7. m·布林j·厄普顿,m·d·墨菲“光伏系统在奶牛场:金融和可再生能源多目标优化(FARMOO)分析,“应用能源,第278卷,第115534页,2020年。视图:出版商的网站|谷歌学术搜索
8. m·德·布拉斯特区,j . Appelbaum A·加西亚,j·l·托雷斯e .普列托和r . Illanes“牛奶冷却的制冷设备由光伏太阳能供电,”在光电研究进展和应用,11卷,不。7,467 - 479年,2003页。视图:出版商的网站|谷歌学术搜索
9. j .页面”的月度平均值估计每日总短波辐射在垂直和倾斜表面从阳光记录纬度40°N-40°S”诉讼的联合国会议上新能源,页378 - 390,罗马,意大利,1961年8月。视图:谷歌学术搜索
10. 贝格A, p . Akhter穆夫提,”一个新颖的方法来估计全球辐射,晴朗的日子”可再生能源,1卷,不。1,第123 - 119页,1991。视图:出版商的网站|谷歌学术搜索
11. t .哈提卜,中情局Ibrahim和A·穆罕默德”回顾分级方法的光伏阵列和蓄电池在独立光伏系统中,“能量转换和管理卷,120年,第448 - 430页,2016年。视图:出版商的网站|谷歌学术搜索
12. Alsadi和t .哈提卜,“光伏发电系统优化研究现状:评估标准,约束,模型、技术和软件工具,”应用科学,8卷,不。10,1761年,页2018。视图:出版商的网站|谷歌学术搜索
13. m·m·福洛杉矶Shihata,依摩根”影响因素的综合评估光伏板的性能,”可再生能源和可持续能源的评论卷,80年,第1511 - 1499页,2017年。视图:出版商的网站|谷歌学术搜索
14. c . j . lanign t . Donncilan k .汉拉罕等。减少温室气体排放的潜力的分析在爱尔兰农业2021 - 2030Teagasc,卡罗,爱尔兰,2018年。
15. m·布林j·厄普顿,m·d·墨菲”奶牛场光伏系统:一个经济分析,”《年度国际会议2018年7月美国底特律,MI。视图:出版商的网站|谷歌学术搜索
16. 粮食及农业组织,展望2018年2018 - 2027奶和奶制品粮食及农业组织,罗马,意大利,2018年,http://www.agrioutlook.org/commodities/agricultural前景- 2018 dairy.pdf。
17. j . Bruinsma和n . Alexandratos世界农业向2030/2050:2012年的修订粮食及农业组织,罗马,意大利,2012年,http://www.fao.org/docrep/016/ap106e/ap106e.pdf。
18. p .发光,j·厄普顿,p . Sefeedpari, m·d·墨菲“能源消耗在奶牛场:回顾监控、预测建模,分析,“能量,13卷,不。5,1288年,页2020。视图:出版商的网站|谷歌学术搜索
19. c . Zhang·坎帕纳j .杨j . Zhang和j .严”,太阳能可以在奶牛场牛奶产量的另一种选择?——综合PVWP系统的案例研究紫花苜蓿和牛奶在奶牛场生产在中国,“能源Procedia卷,105年,第3959 - 3953页,2017年。视图:出版商的网站|谷歌学术搜索
20. l . j .张赵,邓,w . Xu和y张”的关键评估模型用于估算太阳辐射,”可再生能源和可持续能源的评论卷,70年,第329 - 314页,2017年。视图:出版商的网站|谷歌学术搜索
21. 答:埃,”太阳能和地球辐射。国际太阳能研究委员会报告actinometric太阳和大气辐射的调查,“季度皇家气象学会杂志》上,50卷,不。210年,第126 - 121页,1924年。视图:出版商的网站|谷歌学术搜索
22. k . Bakirci”与小时的阳光灿烂的太阳辐射模型:一个评论,”可再生能源和可持续能源的评论,13卷,不。9日,第2588 - 2580页,2009年。视图:出版商的网站|谷歌学术搜索
23. f . Besharat a . a . Dehghan和a . r . Faghih“实证模型估算全球太阳辐射:一个文献综述和案例研究中,“可再生能源和可持续能源的评论21卷,第821 - 798页,2013年。视图:出版商的网站|谷歌学术搜索
24. k . j .秦z . Chen Yang s .梁和w·唐,“估计基于MODIS的月平均每日全球太阳能辐射和TRMM产品,”应用能源,卷88,不。7,2480 - 2489年,2011页。视图:出版商的网站|谷歌学术搜索
25. a . s . Al-Sumaiti m·h·艾哈迈德·s·里维拉,m . s . El Moursi m·m·a·Salama和t . Alsumaiti“随机光伏电力系统规划模型应用程序。”专业可再生发电,13卷,不。16,3168 - 3179年,2019页。视图:出版商的网站|谷歌学术搜索
26. c·荣格和d·辛德勒”全球风速分布的拟合优度比较”能量转换和管理卷,133年,第234 - 216页,2017年。视图:出版商的网站|谷歌学术搜索
27. 美国国家航空航天局(Nasa)表面气象学和太阳能,索尔能源2011http://org/commodities/agricultural前景- 2018 dairy.pdf。
28. s . a . Klein”计算每月平均日晒倾斜表面,”太阳能,19卷,不。4、325 - 329年,1977页。视图:出版商的网站|谷歌学术搜索
29. j·a·达菲和w·a·贝克曼太阳能工程的热过程美国新泽西州霍博肯市威利,第四版,2013年版。视图:出版商的网站
30. 克里斯汀娜d . s . v . k . Kaishev, s . Tan“计算Kolmogorov-smirnov分布当底层CDF纯粹是离散混合,或连续的,”杂志的统计软件,卷95,不。10日,1-42,2020页。视图:出版商的网站|谷歌学术搜索
31. g·马、w·w·Tsang)和j . Wang“柯尔莫哥洛夫的分布,评估”杂志的统计软件,8卷,不。18日,1 - 4,2003页。视图:出版商的网站|谷歌学术搜索
32. p c . Jain, s . Jain和c . f . Ratto”新模式获取水平瞬时从每日全球和散射辐射值,“太阳能第41卷。。5,397 - 404年,1988页。视图:出版商的网站|谷歌学术搜索
33. s . n . Kaplanis“新方法来估计每小时全球太阳辐射;与现有的模型比较,”可再生能源没有,卷。31日。6,781 - 790年,2006页。视图:出版商的网站|谷歌学术搜索
34. b . y . h . Liu r·c·乔丹s Dongaonkar和m·a·阿拉姆”平板太阳能集热器的长期平均水平。”太阳能,7卷,不。2,53 - 74年,1963页。视图:出版商的网站|谷歌学术搜索
35. h·c·豪特尔和比比沃尔茨结识,“平板太阳热收集器的性能。”美国机械工程师学会的事务卷,64年,第104 - 91页,1942年。视图:谷歌学术搜索
36. d . g . erb s a·克莱因和j·a·达菲“散射辐射分数的估计每小时、每天和月平均全球辐射,”太阳能,28卷,不。4、293 - 302年,1982页。视图:出版商的网站|谷歌学术搜索
37. 卢克和s . Hegedus光电科学与工程的手册美国新泽西州霍博肯市威利,第二版,2011年版。视图:出版商的网站
38. n . Lukač义子,d .Žlaus g .Štumberger和b .Žalik”建筑屋顶光伏潜力评估基于激光雷达(光探测和测距)数据,”能源卷,66年,第609 - 598页,2014年。视图:出版商的网站|谷歌学术搜索
39. 答:绿色”,电池在电信应用程序中,生命周期成本”《INTELEC-Twentieth国际电信能源会议(猫。No.98CH36263)旧金山,页1 - 7、钙、美国,1998年10月。视图:谷歌学术搜索
40. o . l . Wang基西人,m . Zounemat-Kermani g·a·萨拉查z朱,和w·龚”使用不同的技术:太阳辐射预测模型评估和比较,”可再生能源和可持续能源的评论卷,61年,第397 - 384页,2016年。视图:出版商的网站|谷歌学术搜索

版权

版权©2020巴勃罗·威韦罗曾等。这是一个开放分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。