مدل سازي قابليت اطمينان مزرعه فتوولتاييك با استفاده از مدل ماركوف

Reliability Modeling of PV Farm Using Markov Model

استفاده از واحدهاي فتوولتاييك در شبكه قدرت و مشاركت آنها در تأمين بار سيستم، رشد فزاينده‌اي در سال‌هاي اخير داشته است به طوري كه ظرفيت كل نصب‌شده فتوولتاييك در جهان از GW 1/5 در سال 2000 به صورت نمايي به GW 402 در سال 2017 رسيده است. در اين تحقيق روشي تحليلي براي ارزيابي قابليت اطمينان مزارع بزرگ فتوولتاييك با در نظر گرفتن تغييرات توان ورودي و همچنين شاخص‌هاي قابليت اطمينان اجزاي واحد فتوولتاييك ارائه شده كه مي‌تواند براي تخمين انرژي سالانه توليدي واحد فتوولتاييك و همچنين محاسبه شاخص‌هاي قابليت اطمينان مورد استفاده قرار گيرد. با استفاده از مدل ماركوف، روش فراواني و تداوم براي مدل‌سازي واحد فتوولتاييك همانند واحدهاي چندحالته مورد استفاده قرار مي‌گيرد و احتمال، فركانس وقوع و نرخ گذر هر حالت بر مبناي اطلاعات آماري تابش خورشيد و خصوصيات عملكردي واحد فتوولتاييك مي‌تواند به دست آيد. به دليل وجود تعداد زياد حالات تابش خورشيد و عملكردي ماژول‌هاي فتوولتاييك از الگوريتم k-means براي دسته‌بندي داده‌ها استفاده شده است. براي نشان‌دادن كارامدي مدل مذكور نتايج حاصل بر روي شبكه تست RBTS مورد ارزيابي قرار گرفته‌اند. نتايج تحقيق بيانگر بالابودن حاشيه ظرفيت با استفاده از شاخص LOLF نسبت به استفاده موردي از شاخص LOLE است و دليل اين موضوع، طبيعت تصادفي تابش خورشيد در مقايسه با واحدهاي مرسوم مي‌باشد. از اين رو اهميت مطالعه شاخص‌هاي قابليت اطمينان وابسته به فركانس در اين سيستم‌ها مشهود است.

Utilization of photovoltaic units in power networks and their participation in the power supply has increased in recent years. Total world capacity of PV units has grown exponentially from 1.5 GW in 2000 to about 300 GW in 2016. This paper presents an analytical method for evaluating the reliability of large photovoltaic farms with regard to the changes in input power and reliability indices of unit components. The proposed method is not only capable of estimating the annual energy production of the photovoltaic units, but also able to calculate the system reliability indices. With Markov approach, Frequency and Duration method is utilized in order to model a photovoltaic farm similar to the multistate conventional units. Probability, frequency and transition rate of each state is obtained using the statistical data of solar radiation as well as operational characteristics of a photovoltaic unit. Due to the large number of solar radiation and PV modules operational states, k-means clustering algorithm is used for data classification. This analytical method is applied to the RBTS to demonstrate the effectiveness of developed approach. Capacity credit using LOLF index, is more than what obtained in the case of LOLE index. This observation can be explained through the variable nature of solar radiation in comparison with conventional units. Hence there is a need to obtain a model which reflects the frequency based reliability indices of PV systems.