CIGRE 35 (2021) (стр. 1083-1092)
АУТОР(И) / AUTHOR(S): Ana Petrović, Željko Đurišić, Dejan Milošević
Е-АДРЕСА / E-MAIL: ana.petrovic@gss.eu.com
DOI: 10.46793/CIGRE35.1083P
САЖЕТАК / ABSTRACT:
U radu je razvijen matematički model za optimizaciju izbora vetroagregata za poznatu statistiku vetra i visinski koeficijent smicanja vetra. Osnovni elementi pri optimizaciji su: visina stuba, prečnik vetroturbine i nazivna snaga vetrogeneratora. Povećanjem visine stuba, prečnika turbine ili nazivne snage vetroagregata može se postići značajno povećanje godišnje proizvodnje, ali se time povećava i cena koštanja vetroagregata. Da bi se utvrdilo da li dodatna proizvodnja opravdava dodatnu investiciju neophodno je izvršiti detaljnu cost-benefit analizu. Model vrši varijaciju ključnih parametara i proračun ukupnih aktuelizovnih troškova vetroagregata, kao i godišnje proizvodnje električne energije. Osnovni cilj optimizacije je minimizacija svedenih troškova proizvodnje električne energije (LCOE). U navedenom optimizacionom problemu postoje tehnička ograničenja u pogledu minimalnih i maksimalnih vrednosti parametara koje nameće sam proizvođač opreme. Model je baziran na genetskom algoritmu koji nakon određenog broja iteracija dolazi do optimalnih rezultata koji zadovoljavaju i funkciju cilja i zadata ograničenja. Razvijeni algoritam i matematički model imaju opšti karakter tj. primenljivi su za optimizaciju izbora vetroagregata za lokacije sa različitim parametrima vetra. Primenom modela obezbeđuje se optimalno iskorišćenje potencijala vetra na određenoj lokaciji, a takođe obezbeđuje i veći profit vlasniku vetroelektrane. Kao ulazni podaci koriste se parametri Vejbulove statistike vetra i visinski koeficijent smicanja vetra. Na konkretnom primeru VE u Banatu demonstrirana je praktična upotrebljivost predloženog matematičkog modela.
КЉУЧНЕ РЕЧИ / KEYWORDS:
optimizacija, parametri vetroagregata, svedeni troškovi proizvodnje, genetski algoritam
ЛИТЕРАТУРА / REFERENCES:
- Han, Y., Jin, C., Xiaoping, P.: ‘Wind Turbine Optimization for Minimum Cost of Energy in Low Wind Speed Areas Considering Blade Length and Hub Height’, Applied Sciences, 2018, 8, (7)
- Dongran, S., Junbo, L., Jian, Y., et al.:’Optimal design of wind turbines on high–altitude sites based on improved Yin–Yang pair optimization’, Energy, 2020, 193
- Yusuf, A.K.: ‘Determination of the best Weibull methods for wind power assessment in the southern region of Turkey’, IET Renew Power Gener., 2017, 11, (1), pp.175–182
- Masseran, N.: ‘Evaluating wind power density models and their statistical properties’, Energy, 2015, 84, (1), pp.533–41
- Carrillo, C., Obando Montaño, A.F., Cidrás. J., et al.:’Review of power curve modelling for wind turbines’, Renewable and Sustainable Energy Reviews, 2013, 21, pp.572–581
- L., Fingerish, M., Hand, A., Laxson:’Wind Turbine Design Cost and Scaling Model’, Technical Report NREL/TP–500–40566, National Renewable Energy Laboratory, CO, December 2006
- B., Steffen, M., Beuse, P., Tautorat et al.:’Experience Curves for Operations and Maintenance Costs of Renewable Energy Technologies’, Joule, 2020, 4, pp. 359–375
- Bosch, J., Staffell, I., Hawkes, A.: ‘Global levelised cost of electricity from offshore wind’, Energy, 2019, 189
- Đurišić, Ž., Mikulović, J.: ‘Assessment of the wind energy resource in the South Banat region, Serbia’, Renewable and Sustainable Energy Reviews, 2012, 16, (5), pp. 3014 – 3023
- Đurišić, Ž., Mikulović, J.: ‘A model for vertical wind speed data extrapolation for improving wind resource assessment using WAsP’, Renew. Energy, 2012, 41, pp. 407– 411.