2022年3月刊
您的位置:首页 > 2022年3月刊
基于概率可靠度的槽式太阳能
根据概率可靠度计算模型及优化模型,分别找出使各性能评价指标可靠性指标最优的设计参数配置。
为基于 LCOE 最优的设计参数配置下各性能评价指标的累积概率图与发生概率图。其中虚线为允许极限。由图 4 可知,受不确定性因素的影响,平准化度电成本的值近似以正态分 布在 14~15.5 美分/(kW∙h)范围变化,均远低于其允许极限,且平准化度电成本的值分布在 14.3 美分/(kW∙h)附近的概率高达 0.9。因此,不确定性因素对该组配置下的平准化度电成本影响不 显著。在本文设定允许极限下,该组配置的平准化度电成本的可靠度为0.988,可靠性指标为 8.37,该组设计参数配置可实现最低的平准化度电成 本。由图 5 可知,该组配置下容量因子会近似以正态分布在 55%~75%的范围内变化,其中分布在 67%附近时的概率为最高。该组配置下容量因子可靠度为 0.973,可靠性指标为 2.31。由图 6 可知,该组配置下电厂总效率近似以正态分布在10%~15.2%附近变化, 其中分布在 13.5%附近的概率最高。该组配置下总效率可靠度仅为 0.44, 可靠性指标为−0.26。
基于容量因子最优的设计参数配置下各性能评价指标的累积概率与发生概率图。其中虚线为允许极限。由图 7 可知,受不确定性因素的影响,该组配置下容量因子近似以正态分布在 73%~86%范围变化,其中容量因子取值在
79%处附近的概率最高,但不超过 0.2。因此,不确定性因素对该组配置下的容量因子影响显著。在本文设定允许极限下,该组配置的容量因子的可靠度为 1,可靠性指标为 10.81,该组配置下可实现系统最优的容量因子。由图 8 可知,该组配置下电厂的平准化度电成本近似以正态分布在14~18 美分/(kW∙h)范围内变化,其中分布在 15.6 美分/(kW∙h)附近的概率最高。该组配置平准化度电成本的可靠度为 0.98,可靠性指标为 2.34。由图 9 可知,电厂的总发电效率近似以正态分布在 8%~13%附近变化,其中分布在 10.5%附近的概率最高,该组配置下总发电效率的可靠度为 0, 可靠性指标为−3.75。
为基于总效率最优的设计参数配置下各性能评价指标的累积概率与发生概率分布图。其中虚线为允许极限值。受不确定性因素的影响,该组配置下电厂的总发电效率近似以正态分布在 14%~15.5%附近变化, 均高于允许极限。其中总发电效率分布在 15.5% 处的概率最大,约为 0.7。因此,不确定性因素平准化度电成本(cents/kWh)
对该组配置下的总发电效率影响较小。在本文设定的允许极限下,总发电效率的可靠度为 0.999, 可靠性指标为 6.24,该组配置能实现最优的总发电效率。由图 11 可知,该组配置下平准化度电成本近似以正态分布在 13~27 美分/(kW∙h)范围变化,其中分布在 17 美分/(kW∙h)附近的概率最高。该组配置下平准化度电成本可靠度为 0.43,可靠性指标为−0.80。由图 12 可知,该组配置下容量因子近似以正态分布在20%~70%范围变化, 其中分布在 50%的概率最大,该组配置下容量因子可靠度仅为 0.223,可靠性指标为−0.34。
确定性与不确定性模型的对比
将使用 SAM 确定性模型参数化模拟得到的结果进行优化,分别找出基于不同性能评价指标的最优设计参数配置,与本文基于概率可靠度建立的不确定性模型下的优化结果进行对比。其中不确定性模型的优化结果中,将各设计参数配置下的 3000 组随机数下计算的性能评价指标取其算术平均值,即为不确定性模型下性能评价指标的值。其结果。
在基于同一性能评价指标进行优化的设计参数配置下,与确定性模型相比,不确定性模型得出的太阳倍数与蓄热系统蓄热时长的值往往更小。
与确定性模型相比,不确定性模型各设计参数最优配置下性能评价指标的优化性能略低。由于确定性模型并未考虑随机因素的影响,因此优化结果会高估系统性能,计算结果与真实情况有较大的偏差。而不确定性方法考虑了输入参数的不确定性,其计算结果是近似按正态分布的概率曲线,而非定值。且概率分布曲线能更好的反映性能评价指标的分布特征。因此,与确定性模型相比,不确定性模型的计算结果往往与实际更加接近。
4结论
在概率可靠度模型下,可以得出各性能评价指标的累积概率与发生概率图,从而可以看出其分布特征,因此在对电力系统进行参数设计时, 可以综合考虑几个性能评价指标的可靠度与分布特征,从而对参数设计做出更全面的决策。
在本文建立的不确定性模型下,基于系统各性能评价指标的最优可靠性指标,得出了系统在不同性能评价指标下最优的设计参数配置。即在各性能评价指标下,找到了太阳倍数、蓄热时长、集热槽行间距之间最佳的对应关系,这对优化LCOE 和电站年均发电效率及发电量来说至关重要。由于确定性模型并未考虑随机因素的影响, 因此优化结果会高估系统的性能。本文建立的不 确定性模型,考虑了随机因素对系统输入参数的 影响而造成的不确定性,其性能评价指标的计算 结果近似呈正态分布,而确定性方法仅能得出一 组确定的性能评价指标计算结果。与确定性模型 相比,不确定性分析方法的计算结果更符合实际。
参考文献
[1]赵明智,张晓明,宋士金,等.槽式太阳能热发电系统太阳倍数和蓄热时长的选取方法研究[J].太阳能技术产品与工程,2015(6):50-54.
[2]李然,封春菲,田增华.槽式太阳能热发电站系统配置的经济性分析[J].电力勘测设计,2015 (1):71-75.
[3]Izquierdo S, Montañś C, Dopazo C, et al. Analysis of CSP plants for the definition of energy policies:the influence on electricity cost of solar multiples,capacity factors and energy storage[J]. Energy Policy,2010, 38 (10):6215-6221.
[4]Hu M , Cho H. A probability constrained mul- ti-objective optimization model for CCHP system op- eration decision support[J]. Applied Energy,2014, 116:230-242.
[5]Hanak D P,Kolios A J,Biliyok C,et al. Probabilistic performance assessment of a coal-fired power plant[J]. Applied Energy,2015,139:350-364.
[6]牛文娟,李扬,王蓓蓓.考虑不确定性的需求响应虚拟电厂建模[J].中国电机工程学报,2014,34(22): 3630-3637.
[7]Frey H C,Rubin E S. Probabilistic evaluation of ad- vanced SO2/NOx control technology[J]. Journal of the Air & Waste Management Association,1991,41 (12): 1585-1593.
[8]Kurup P,Turchi C,Parabolic Trough Collector Cost Update for the System Advisor Model (SAM)[R]. Gold- en, Colorado,USA:National Renewable Energy La- boratory,2015.
[9]Turchi C,Heath G,Molten Salt Power Tower Cost Model for the System Advisor Model[R]. Golden, Col- orado,USA:National Renewable Energy Laboratory,