TELKOM NIKA Indonesia n  Journal of  Electrical En gineering   Vol. 12, No. 11, Novembe r   2014, pp. 76 1 3  ~ 762 1   DOI: 10.115 9 1 /telkomni ka. v 12i11.64 10          7613     Re cei v ed  Jun e  21, 2014; Revi sed Septe m ber  4, 2014 ; Accepte d  Septem ber 25,  2014   A Clean Economic Dispatch of PV Energy Storage  Connected to Grid Based on LHS-SR-GAMS  Technology        Liu Jiang-T a o* 1 , Wang Hai-Yun 1 , Luo Jian-Chun 1 , Luo Qing 2 , Chen Xing 1  1 Colle ge of Ele c trical Eng i ne e r ing,  Xin jia ng U n iversit y , Urum qi 83 00 47, Chi na;   2 State Grid Pow e r Comp an y  of Xi nji ang E l e c tric Po w e r Re search Institute ,  Urumqi 83 00 00, Chi n a   *Corres p o ndi n g  author, e-ma i l : xyer.1 227 @1 63.com       A b st r a ct   PV outp u t unc ertainty, the P V  sched uli ng  prob le m h a s b e co me  urg ent. T he co mb in e d  en er g y   storage a nd P V  can solve e ffectivel y the prob le m. W e  establ ishe d t he joint en ergy -savin g econ o m i c   sched uli ng  mo del o n  PV- Storage g ener atio n, w h ich mai n l y  includ ed t he  pen alty mode l abo ut PV positi v e   devi a tion o u tp ut and the pe nalty mod e l a bout PV neg ative devi a tio n  o u tput  and " o ve rflow i ng ne gati v e   reven ue"  mod e l. Co nsi deri n g the  unc ertai n ty of t he  PV  output, this  pa per a n a l y z e d  the  pred iction   erro r   distrib u tion c h a r acteristics ab o u t PV output b y  the  prob ab ilit y density esti mate metho d . Based  on the  L H S   (Latin hy percu be sa mp lin g) – S R (scenes re duce) tech no lo gy, PV uncertai n  output is co n v erted into a fi nit e   PV outp u t sce nes u n d e r diffe rent pro b a b il ity cond itio ns . F i nally, w e   used  the PV o u tput  scenar ios  as t h e   inp u t dat a, a n d  w e  so lve d  t he  prop ose d   Mode l  b a se d  on GAMS (Ge nera l  Al ge brai c Mod e l Syste m )   softw are,  w h ich the opti m i z at ion g oal is the  join t ex pectati o n  max i mu m po w e r generati o n  benefit. Resu lt s   show  that rel a tive to the  e nergy-s avin g  mo de l of  the  indiv i d ual  use s  ener gy storage  pla n e d  o u tput   conn ected to   grid, b a se d o n  the tech nol og y of LHS-  S R - G AMS, the co mb in ed e ner gy  storage  an d  PV  mo de l pla n n e d  output incre a s ed by 8%, a nd to a ce rtai n extent, improved t he PV  output pre d icti on   accuracy.     Ke y w ords :  P V  an d stora ge,  GAMS, positi v e a nd  ne gativ e d e viati on,  ov erflow ing  ne ga tive b enefit, cl e a n   econ o m ic dis p atch     Copy right  ©  2014 In stitu t e o f  Ad van ced  En g i n eerin g and  Scien ce. All  rig h t s reser ve d .       1. Introduc tion   As the traditional e nergy  sho r tage,  en vir onme n t po llution is i n creasi ngly seri ously, a  new  kind of clean en ergy  become s  very important.  The solar  re source s are ri ch in ou r cou n try,  and PV  po we r ge ne ration   has many  ch ara c teri stic s,  su ch  as sust ainabl e, no  p o llution[1-3].The  state co un cil issued ‘Sola r  powe r  tech n o logy dev elo p ment "twelfth five-year" speci a l planni ng’,  and will ma ke PV capa city more and  more bi g. Bu t PV domestic mainly used  in the form of a  large,  ce ntral i zed  gri d , PV sho r t-te rm  output p r edi ction p r e c i s io n is l o w, o u tput un ce rtain t y  (clo ud s) m a kes the g r id P V  powe r  gen eration  sc he d u ling is the v e ry difficult problem s urgen tly  need ed to sol v e.  With the  appl ication  of en e r gy sto r a ge t e ch nolo g y, maturity and  lo wer cost, PV  stora ge  power  gen era t ion be com e  t he effe ctive  way to  so lve   the  a bove pro b lems,   su ch  as dome s tic has  impleme n ted  Zhang B e i  PV and wi nd  stora ge  key  demon stration proje c t. Whe n  PV actual  output value s  gre a ter tha n   plann ed o u tp ut value,  the  energy sto r ag e devic es  ca n sto r e the  extra  power;  whe n   the actu al o u tput value i s  l o we r  tha n  the  plann ed  outp u t value, the  energy sto r a ge  device s  ca n relea s e  th e p o we r,  avoi de d  sho r t  of out put  po we r pl anne d  valu e and re ceived   the   puni shme nt o f  the powe r  sector [4 -7], a nd it can  imp r ove the effici ency of the p hotoele c tri c . No w   the main ene rgy storage i n clu d ing fly whe e l ene rg y  storag e, pu mped sto r a g e, comp re sse d  air   energy storag e, ba ttery, etc. [10].  In the literature [11]  p r op osed wind   farm  the  con c ept  of  "negative  e ffect" ope ratio n , they  establi s h ed t he mod e l a bout a la rge - scale  wi n d   power g r id i n terconn ectio n  optimizatio n  sched uling, b u t they did  n o t co nsi der the o u tput  p r edictio n e rro r, and  a la ck of practi calit y.  Literatu re [1 2] put fo rward th e g r id -co nne cted  static  sched uli ng mo del  ab out PV po wer  gene ration  wi th  generating  co st  minimu m a s  the  obj ective.   Lite rat u re  [13]   c o nsid e r ing  gr id th e  bigge st acce pt PV powe r  gene ration  ca pacity, it  put forward aba n don PV puni shment cost, a nd  Evaluation Warning : The document was created with Spire.PDF for Python.
                               ISSN: 23 02-4 046                     TELKOM NI KA  Vol. 12, No. 11, Novem ber 20 14:  76 13 – 762 1   7614 they establi s h ed the stati c  sched uling m odel. Literature   [14] con s id ering th e PV predi ction  error,  it put forward the dyna mic  sc heduli ng mod e l b a se d on PV  pre d iction  e rro r. But it didn’t   analysi s  di stri bution  cha r a c terist ics of  the  predi ction error, wh i c h  woul d have  a  gre a t influen ce  on sche dulin g results.   Most of the a bove do cum e nts did  not co nsid er  p hotov oltaic o u tput  predi ction  error when  arrangi ng schedul e, thus  ignori ng  the  photovoltai c  output un ce rtai nty. which  woul d affect  the   safety of p o wer g r id, m a ke s the  po we r  sector in crea sed  system  re serve  c apa cit y , leading  to t h e   increa sed  co st of powe r  gene ration;  Bas ed o n  co mbined p o wer gen eratio n  and PV storage  sched uling  p r oble m , integ r ated  natio na l ne w  e n e r gy   gen eration su ch as  PV encourage me nt  policy and th e influen ce o f  PV power gene ration o n  power g r id  safe ope rati on. Con s id eri ng  encourage  PV powe r  gene ration a bout co mbin ed PV storage outp u t, we e s tabli s he d   respe c tively positive d e viation revenu e mod e l a n d  neg ative de viation puni shment  reven u e   model, and  we put forwa r d  the con s ide r ation grid  of  PV maximum given cap a cit y  of “overflowing   negative reve nue”  mod e l. Then ba sed on  several  ki nds  of reven ue mo del p u t forward  by t he  pape r, we e s tablish ed co mbined PV storage p o wer energy -saving economi c  dispat ch mo del.  Whi c h con s id ering the  un certainty of PV output co m b i ned with the  actual  situati on of PV outpu t  in a  reven u e  model, i n  o r der to  solve  the propo se d  model, thi s   pape r a nalyzed di strib u tio n   characteri stics of the PV  output predi ction er ror based on the probability density estim a te;  Based on  the   LHS  (Latin h y percube sa mpling )   –SR (scen e s red u ce)  te ch nolog y,  PV  uncertain  output is  con v erted into a  finite PV output scene s u nder  different  prob ability condition s, wh ich   provide d  the  basi s   cal c ula t ing data fo r  PV scheduli n g mod e l. Fin a lly, we  cho s e a PV p o wer  station i n  Xi njiang  a s  a n  exampl e,     and  we   solved the  p r op o s ed  Mo del  b a se d o n   GAMS  (Gen eral Alg ebrai c Mod e l  System)  soft ware,  whi c h t he o p timization g oal i s  the  joint  expecta tion  maximum po wer  gen erati on ben efit. Result s sh ow  t hat the pro p o se d metho d  is effective, and  had go od en g i neeri ng ap pli c ation valu e.      2.  PV Storage  Conn ected-g rid Energ y -sav i ng Economic Optimization Sche d u ling Mode l  and Solv ing  Acco rdi ng to  the engi nee ri ng a c tual  situ ati on, the mo del p r op ose d   by the pa per  need ed  to con s ide r  the photovolt a ic po we r output unc e r t a inty. So this pape r firstl y analyzed the  distribution  of PV output predi ct ion error  based  on the probability densi ty esti mation methods,   whi c h  combi n ed the PV pre d ict outp u t value to PV fo re ca st distri buti on char acte ri stics, ba sed  on   the L H S -  RS techn o logy  sam p ling  an d re du cing, f o rmin g a limi t ed outp u t. Seco ndly, in t he  pro c e ss  of sche duling m odelin g integ r ated  state for PV power gene ration  encourage me nt  polici e s a nd  PV powe r  ge neratio n for t he influen ce  of the safe  o peratio n of p o we r g r id an d PV  output un certainty, we establi s he d PV store  joint  powe r  ene rgy-savin g  economi c  disp atch   model. Finall y  using GA MS softwa r e  written  en ergy-savin g economi c  disp atch mo del  and  solving the P V  output scen es num be r. T he gen eral id ea is sho w n i n  Figure 1.          Figure 1. The  Structure ab out the Econ omic Di sp atch of PV Energy Storage Base d on L H S-SR- GAMS  Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   ISSN:  2302-4 046     A Clean Econ om ic Disp atch of PV Energy St ora ge  Conne cted  to Grid… (Liu Ji ang-Tao )   7615 3.  Determine di ffer e nt s cen arios outp u t  of the PV   The p r opo se d reven ue m odel con s ide r ing the un ce rtainty of PV  output, so  we  neede d  to input th e P V  output  sce nario  of  all d a y  whe n   mo de l in the  proce s s of  cal c ulati on (se e   se ction   3).   The r efo r e  this sectio n  first intro d u c ed  ho w to  cal c ulate PV  output sce n a rio. PV po wer      station  u s ed  predi ction  m e thod i s   quo ted in thi s   p aper is b a se d on  the i m proved  fee d b a ck  neural net wo rk  about PV  sho r t-te rm p r edictio n  outp u t, but too m any and  com p licate d  facto r s  influen cing th e PV output, resulting in t he PV had a  certai n erro r. So   we co ul dn’t conve r t the   uncertainty o f  the PV out put into  a fini te numb e r of  scen ario s  u n til study th e  pre d ictio n  e r ror  distrib u tion,   whi c h p r ovid e ba sic data  for the  next  step  a r rang e sch edule.  The d e finitio n  of  predi ction e r ror as follo ws:    .. .m a x ( % ) 100% real t f ore t t W PP erro r P               ( 1 )     Whi c h . re a l t P is the a c tual outp u t of PV under the t time, . f ore t P  is the predi ct outp u t of PV under  the t time, .m a x P P is the ca pa city of  PV powe r  station.    2.1. PV Predicted O u tpu t   Error Distrib u tion   We n eed to  study PV output predi ction  distrib u tion to  find out different scen ario s output.  This a r ticle  use s  the PV output predi ction erro r  p r oba bility density function  erro rx (x, t) to   r e pr es e n t  the p r ed ic tion  err o r e r r o r   ( x , t)  d i s t r i b u tion  cha r a c teri stics, an d  solvin g by e s timati ng   the prob abilit y density function, the solving pro c e s s is as follows:   12 () , ( ) . . ( ) . . . () cy X tX t X t X t PV sampl e  predi ction  error pr obability density functi on of  (, ) X Px t  estimate s  can b e  obtai n ed by  den sity evol ution.  We  ca n p u t the  sampl e  e r ror a s  a   rep r e s entativ e pro c e ss [6,  7] beca u se it is inde pend e n t, and its pro bability is:    1 (, ) c px t y                                  (2)    Obviou sly 1 (, ) 1 m c px t , for c  ( 1 cy  )   rep r e s en tative process, t he den sity solving evol u t ion   equatio n is:     : (, ) ( , ) () 0 Xc c q px t p x t Xt tx             ( 3 )     The co rrespo nding initial condition s a s  follows:     :0 : (, ) ( ) Xc c c Px t x x P                  ( 4 )     The initial value of  0: c x  is  the firs t c   s a mple:     0: 0 () cc x Xt                                   (5)    To solve th e 3-4 type,  we get   : (, ) Xc Px t  , and we  can get th e pro bability  den sity function estimate o f () X t :    Evaluation Warning : The document was created with Spire.PDF for Python.
                               ISSN: 23 02-4 046                     TELKOM NI KA  Vol. 12, No. 11, Novem ber 20 14:  76 13 – 762 1   7616 :: 1 (, ) ( , ) m Xc Xc c p xt p x t                 ( 6 )   2.2. The De termination o f  PV Outpu t  Scenario   We throug h the form ula 1,  every predict ion erro r corresp ondi ng to  a scen ario fo r i p , the   output for the scenari o  in the probability  of   i p  as  follows :     .. . . . m a x ( ) , 1 , .., P i t f or e t i f or e t P PP e P P i N          (8)     Whi c h .. P it P is the i t h scen ario  PV output u n d e r the  time t,   i e   is  th e co rr es p o n d i ng  PV  output pre d ict i on error in th e ith sce nari o , N is  the sum  of all the prediction e r ror scen ario s.       3. PV Output Scenario Ge neratio n  and  Reduc tion   3.1. Latin H y percub e Sa mpling of th e Outpu t  of  PV    By 1.1 we o b tained th e d i stributio n ch ara c teri stics  of PV output pre d iction  error, from   the type 8 we co uld b e  known sce ne  distrib u tion o f  PV output. Since th e L a tin hypercu be   sampli ng is a  improved  sa mpling metho d  of Monte Carlo samplin g ,  which extra c ts the sampl e   more  rep r e s e n tative of the entire sampl e  interv al, an d the any si ze of  the num ber of sampl e s  coul d easily  produ ce [7]. So this article us ed th e Latin hype rcu be sampli ng for effect ive   sampli ng of PV output scenari o , Latin hypercub e   sa mpling of PV output scen ario pro c ed ure a s   follows :  1)  It is con c lud e d  that pro bab ility distribut io n of the PV output scene i s  divided i n to  m   equal p r ob abi lity interval.  2)  Any equal probability interval: from  (1 ) / , / 1 me m e m e m  ran dom extra c te d a   numbe r m p ,  m p ca n be expre s sed  as:    1 m ri p mm                                    (9)    In which r is t he random variables of  equal probability distribution in [0,1] .  3)  We u s e  the i n verse tra n sf ormatio n  of  PV forecast  output di strib u tion fun c tion , and  got the probability interval  (1 ) / , / em e m of the PV output sampl e s,  namely:    1 .. () P it m PF p                               (10)    3.2. PV Scenes Output  Based on the  Technolo g y   of Scene  Re duce   By Latin hypercub e  sa mpling, with  t he co rrespondi ng t a t  a ce rtain  moment,   photovoltai c  output scen a r ios  we re ma ny, forming  n u merou s  sce ne tree; if we  did not pro c ess   the scen e, a nd the  comp uter would fa ce h uge a m o unt of cal c ula t ion. So this  pape r u s ing t he  scene  red u ci ng technol og y to redu ce  scen e, we  use d  the sce ne  whi c h h ad h a d  re du ced i n stead  of multiple scenari o s,   thu s   forming  a finite numb e r  of PV output col l ection [7]. Hy pothe sized th e   output  scena rio thro ugh  La tin sq uare  sa mpling  wa s  m, red u ced it s  scena rio fo r n. Scene  re d u ce   at a certain m o ment sp ecifi c  step s were  as follo ws:   a) Assu ming lm ,  l  i s  the  num be r of sce nari o s  whi c h  need  t o  re du ce.  Cal c ulate  any  time the Kan t orovich  dista n ce  of  .. . . , P jt P k t PP  of th e two  j ,  k  scenari o ,  , j lk l  .This   article u s e d  the Kantorovich distan ce a s  follows:     .. . . .. . . (, ) k P jt Pk t P jt Pk t dP P P P             ( 1 1 )     Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   ISSN:  2302-4 046     A Clean Econ om ic Disp atch of PV Energy St ora ge  Conne cted  to Grid… (Liu Ji ang-Tao )   7617 b)  For every scene j, we we re found  the  output scena rio .. P kt P which is the sho r te st  distan ce  fro m  the   outp u t scen ario   .. P jt P , and  namely  .. . . mi n ( , ) , kp j t P k t dP P j k ,  s e t:    mi n . . . . mi n ( , ) , jk p j t P k t dP P j k          (12 )     c) Cal c ulate . mi n . . it K Dj t j t Pp  , wh ere  . jt p  is the probability of  .. P jt P .  d)  Rep eat  step s c, in  that all  the i K D P , look ing for the s m alles t .. K Dit P . Mark ed for  . K DS t P .The ne w  scene p r ob abili ty for .. . kt j t kt p pp  , which  the output  scena rio s   s j P   need to con c entrate redu ce.  e)  After a  scene  wa s  red u ced ,  again i n  a   step, wh en  the  output  scena rio  re du ced t o  n   .We can b e   con c lu ded th at the re duce output  sce nario  at t time whi c h  ha s the   numbe r of n.      4.  Ba sed   on  the LHS - SR - GAMS P V  Storage Connec t ed -gri d Energ y -sav ing Economic   Optimiza tion  Scheduling Model   4.1. Establis h the Objec t i v e  Function   Due to  un certainty of PV  output, the o u tput  may be  have many  scene s, there f ore we   can not u s e  the obj ective  function  of a  singl e  co nfirmed  to  optim ize  the  PV store hybrid po wer  gene ration  efficien cy. This pape r u s e s  the expe ct ed obje c tive  fun c tion whi c h contain s   ra nd om  variable s  to descri be the  probl em more rea s on able  and pra c tica l. Combine d  with the natio nal  related  poli c y  in n e w ene rgy po wer ge neratio n to  e n co ura ge th e  gen eratio n o f  electri c ity, this  pape r con s id ers  ea rning s   of sell ele c tri c ity, benef its o f  PV storage j o int output d e v iation po sitive   and n egative  deviation p u n ishm ent, fin a lly we al so  con s id ere d  th e ‘overflo w n egative ea rni ngs’  of the power grid to PV maximum given abilities.     .1 2 3 4 (, ) PB t M ax E i P R R R R             ( 1 4 )     12 1. 1 tP B t R MP P                                     (15)    12 2. . . . . 1 (1 ) ( ) up ti t i j o t P B t i t i R MP b P P p              (16 )     12 3. . . . . 1 .( ) dow n ti t P B t i j o t i t i R MP b P P p              (17 )     4. . . dr o i d r o t RP P                                      (18)    This a r ticle select s the PV storag e joint  powe r  time is 8:00-17:59,  a total of 10  hours.  t M P  is the sell el ectri c ity price s  at t momen t,  . P Bt P is the PV storage joi n t plan output;  up t M P   positive devi a tion sell el e c tri c ity price s , which  rep r ese n ts the b enefits of PV stora ge out put  deviation; down t MP  is negative d e viation pu nish  price, wh i c h  repre s e n ts the  benefit of P V  output  negative d e viation pe nalty.   The  state o f   PV output p o sitive an d n egative devia tion is . it b ; when . 1 it b , whi c h  rep r e s ent s the  stat e of ne gative  dev iation. Th e PV sto r ag e  overflo w  p r ice is dro P ,  Evaluation Warning : The document was created with Spire.PDF for Python.
                               ISSN: 23 02-4 046                     TELKOM NI KA  Vol. 12, No. 11, Novem ber 20 14:  76 13 – 762 1   7618 whi c h rep r e s ents  PV store  overflo w  b enefits.  Th e i t h scen e PV store joi n t p o we r o u tput  at t  moment is .. ij o t P . The ith scene  PV store outp u t overflow n u mbe r  at t moment is .. id r o t P .      4.2. Establis h the Co nstr aint Con d itio n  Firstly, we n e eded  to the  p o we r b a lan c e  co nstraint b e twee n PV a nd  stora ge  when PV  and sto r a ge  power g ene ration sche dul ing. We al so   need to  con s i der the  re stri ction s  of the PV  maximum gi ven, whi c h  contai ns th e  ene rgy  s t or a g e  d e v ic e c h ar ge - d isch a r ge   c a pa city   con s trai nts,  PV output constrai nts, e nergy storag e device  ch arge -di s cha r g e  sto r ed  en ergy  balan ce  con s traints in a cycle. And we  neede d to consi der the  combine d  po wer gen eration  repo rt  ca pa cit y  const r aint s  cau s e d  by  it s cap a cit y .     The output b a lan c e con s traint of PV storage joi n t po wer g ene ratio n :    .. . . . . i j ot P i t d i s t c ht PP P P                      ( 1 9 )     The re stri ctio ns of the gr id bigge st  co nsumption:     .. c o n . t id r o P B t PP P                             (20)    1) The  con s traints of t he re port output  ca pacity:    . . ma x . ma x 0 PB t P d i s PP P                        ( 2 1 )     2) The power  capa city con s trai nts of en ergy storag e de vices b e twe e n  the moment :           1. . / t t c h t c h d is t d is EE P P                   ( 2 2 )     3) The power  capa city con s traint s of en ergy storag e de vices:     mi n m a x t EE E                               (23)    4) Powe r re stri ctions of Ene r g y  storage  cha r ge an d disch a rge:     .. m a x 0 dis t dis PP                             ( 2 4 )     .. m a x 0 ch t c h PP                             ( 2 5 )     5) Powe r bala n ce con s trai nts  in a cycle:     0 T EE                                     (30)    In whic h .m a x dis P  is t he maxim u m  ch arg e  p o wer of th e e n e rgy  storage  device; and   .m a x ch P  is the minim u m discha rg e  powe r  of the energy storag e device.       5. Numerical  Examples Validate   This a r ticle  u s ed  a PV po wer  station  of the Xinjiang  regio n , whi c h  PV powe r  ge neratio n  cap a city is 5 0 mw. PV power  station b a se d on  feed back neu ral  netwo rk p r edi ction sy stem, and  its fore ca st in terval time is  10 minute s .  PV powe r   pla n t put into op eration fo r 4  years, a nd it  has  the rich lo cal  meteorologi cal data.    Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   ISSN:  2302-4 046     A Clean Econ om ic Disp atch of PV Energy St ora ge  Conne cted  to Grid… (Liu Ji ang-Tao )   7619 5.1.1. Analy s is Prediction  Error Distri bution Char acte r istics   We colle cted actual data  a nd  p r edi cted data  for  3 ye ars of a  ce rtai n PV power  station in  Xinjiang, its f o re ca st time  wa s 10 mi nut es, a total  sa mples  we re 3  *365 * 1 0  *6,  then we written   the pro g ram  about the  pro bability den sit y  estimation  method b a se d on m a tlab,  by whi c h  we  can  solve the prediction error. The proba bility distribution  solved as shown.     Figure 2. PV  Predi ction Error Di strib u tio n  Diag ram       From th e fig u re  we  co uld  kno w   parag raph s  pre d ict i on e rro r di st ribution  app roximate   symmetri c al, and  the outsi de  line had n o rmally  di st ri buted  cha r a c teristics. Th u s  we con c lud ed  that the pre d iction  erro r had  norm a l l y distrib u te d  cha r a c teri sti cs. T h ro ugh  cal c ulatio n, the   predi ction e r ror of a ce rtain  PV power  stati on in Xinjia ng of this pap er ado pted was.     () ( 0 , 0 . 1 4 ) e rro r t     5.1.2. PV Sc ene Ou tput  Sampling and Redu ce   We con c lud e d  the distri but ion of PV output pre d ictio n  erro r from th e front se ctio n, then   we  sa mpled  t o  p r edi ction   error sce ne  b a se d o n  L H S  tech nolo g y.  The  sam p ling  num ber of PV  predi ction  error sce ne i s  2 000, an d co mbining  wi th  the PV forecast value  of the PV fore ca st  system, acco rding   to  the  type  eight, we  c ould   get PV  output scene s.  Repe a t ed  the abov e   operation, we  could g e t PV output scena rio of 10 hou rs.  In orde r to m a ke th e cal c u l ation efficien cy , we  writte n the progra m  of PV output scene   redu ce  ba se d on matla b . Unlimited  sce ne re du ce  would lea d  to the fitting deg ree i s  not hi g h ,  and we ca nn ot blindly pursue the fit of the output e rror, this will m a ke the  cal c ul ation efficien cy is   not high.   The  ratio of the area  pre d icti on erro r dist ri bution curve  and ab scissa  when  red u ci ng   before  and af ter wa s fitting . So we first  cho s e  the  re duce num ber, which i s : 15 , 25, 35, 45, 55,  65.Fitting in the followi ng  Table 1.       Table 1. Storage Capa city Config uratio n  under  Differe nt Numbe r  ab out Red u ced  PV Output  Scene s  Scenes  number   15 25  35 45  65  Fitting  0.68 0.74  0.85 0.87  0.9      Table 2. PV Output Sce n e s  at 14:00 on  July 25 20 13   scenes PV  output （ MW ）  probabilit y   1 3.3  0.0003   2 6.5  0.0027   3 14.5  0.0365   4 22.7  0.0523   5 26.1  0.1264   6 27.8  0.1153   7 31.5  0.1032   8 35.3  0.1026   9 37.6  0.1186   10 40.7  0.0733   11 42.8  0.1212   12 45.3  0.0727   13 47.8  0.0726   14 49.3  0.0021   15 50  0.0002   -1 . 5 -1 -0 . 5 0 0. 5 1 1. 5 0 0. 5 1 P V  f o r e ca st i n g  o u t p u t   e r r o r PD F Evaluation Warning : The document was created with Spire.PDF for Python.
                               ISSN: 23 02-4 046                     TELKOM NI KA  Vol. 12, No. 11, Novem ber 20 14:  76 13 – 762 1   7620 From the a b o v e table we could kno w  when  the num ber of re du ce  sce ne s wa s  65, the  fitting was th e highe st, bu t it would affect t he comp utational efficiency. When  the numb e r  of  redu ce   scen es  wa s 15,  a nd the  fit tin g  was 0.6 8 . If the n u mbe r  of  redu ce   scen es was  1 5 ,  it  woul d greatly improve th e  comp utationa l efficien cy . So this p ape r  selecte d  15  as the num ber  of  redu ce  scen es. We  sele cted fore ca st  numbe r of 3 5 .3 MW  of a  PV powe r   station in Xinji ang  in14:00,  July  25, 20 13,  which  produ ce d the n u mb e r  of 2 000  out put sce n e s  b y  LHS, then   we   use d  the  SR  techn o logy to  re du ce  outp u t scen e. Th e nu mbe r  of   15 p r o d u c ed   scena rio s   out put  sho w n in the  followin g  table.     5.2. The Implementa tion  Bas e d on G A MS Combi n ed PV and Store Energ y -sa v ing and  Economy  Dispatching   In order to i m pleme n t th e meth od  of  co mbin ed  PV and  sto r e en ergy-saving a n d   eco nomy  system propo se d by thi s   pap er,  we  esta bli s he d the  mo del a nd  written p r og ram  ba se   on GAMS.  We cho s e  DICOPT alg o rith m a s  the  la st algo rithm.   T he whol e system  ru nnin g   t i me  wa s 30 seco nds. At 12:00-15:5 9 ,  t M P wa s 0.8 yuan/kW h, at  9:00-11:5 9  and  16:00-17:59  electri c ity pri c e wa s 0.55 y uan/kW. H.  up t M P  and  down t MP  were  0.2 times of t M P . The pri c e o f dro P  was 0.0 5  yuan/kW. J h, PV storag e rel a ted paramet ers a s   sho w n  in Table 3.      Table 3. Rel e vant Paramet e rs a bout PV and Stora g e   Parameter name   Parameter  v a l u e   PV capacity  50MW  Capacit y  of ene r g y   storage device  35MW.h  .m a x P P   50MW  .m a x di s P   30MW  .m a x ch P   29MW  ch   0.7  di s   0.69  mi n E   0  ma x E   50MW.h      We inp u t the above data, and colle cted  the PV  forecast data, and  we co uld en ter the   disp atchi ng p r og ram. Thi s  pape r ch ose a PV power   station in Xinj iang on  July 26, 2013 a s  the   sched uled ti me. PV output predi ctive value as  s h o w n in Fig u re 3. Combi ned  PV and storage   output dispat ch value s  a s  sho w n in Fig u re 4.              Figure 3. PV  Output Forecasting Valu e  Diag ram   Figure 4. PV  and Stora ge  Planned O u tp ut  Diag ram       6. Conclusio n   1)  This pa per  co nclu ded that PV output predictio n er ror had cha r a c te ristic of no rm al distrib u tion .  0 10 20 30 40 50 60 0 10 20 30 40 50 60 t /d is p a tc h i n g  p o i n t s PV pr ed i c t  out pu t  / M W 0 10 20 30 40 50 60 -3 0 -2 0 -1 0 0 10 20 30 40 50 60 t /d i s p a tch i n g  po in ts P V - S  hy br i d  sy st em  out put  / M W E n er g y  s t or a g e  pl a n n e d  ou t p u t P V  s t o r ag e  hyb r i d   p l a nne d  o u t p ut Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   ISSN:  2302-4 046     A Clean Econ om ic Disp atch of PV Energy St ora ge  Conne cted  to Grid… (Liu Ji ang-Tao )   7621 This p r ovide d  the basi s  fo r further  re sea r ch PV effect  on po we r gri d  and related  studies. Th e PV  output u n ce rtainty probl e m  is  co nverted into  effe ctive PV out put sce ne  with LHS  -  RS  techn o logy.   This provide d  an  effecti v e sol u tion  to  solve  the  problem  of   multi-scen ari o   uncertainty.  2)  Relative to t he en ergy -sa v ing model  o f  the individu al uses  ene rgy storage pl aned   output  con n e c ted to  g r id,  based  on th e  tech nolo g y  of LHS - SR-G AMS, the co mbined  en erg y   stora ge an d PV model planned outp u t increa sed by  8%, and to a certain exte nt, improved the  PV output pre d iction a c curacy.      Referen ces   [1]  Research on  several critic a l  prob lem  of PV grid-c on ne cted  ge ner atio n s y stem Po w e r S y ste m   Predicti on cont rol. 201 0; 38(2 1 ): 209-2 14.   [2]  Yuan T i ej ian g , Cha o  Qin, T ong F e i. An  envir onme n tal/ econ omic  disp atch mod e l f o r po w e r gr i d   contai nin g   w i n d  po w e r g e n e r a tion  units  an d its  simu latio n   in electric it y  market  env iron ment.  Power   System  Technology . 200 9; 33(6): 67-7 1  (in  Chin ese).   [3]  Yuan T i eji a n g , Cha o  Qin.  Optimi z e d  Econ omic an d Env i ron m e n t-friend l y  Dispatc h in g  Mode lin g for   Larg e -scal e  W i nd Pow e r Integ r ation . Proce e d i ngs of the CS EE. 2010; 30( 3 1 ): 7-13.   [4]  W U  Xi on g, W A NG Xi ul i.  A Joint Oper atio n Mod e l  and  Soluti on for  H y brid W i nd En ergy Stora g e   System s.  Proc eed ings  of the CSEE. 2013; 3 3 (13): 10- 17.   [5]  Hag h ig hatH,  SeiH, K i anA R .On the s e lf- sched ul i n g  of  a  po w e r  pr oduc er i n   un certain  tradi ng   envir onme n t.  Electric Power SystRes (EPSR).  2008; 78: 31 1 - 317.   [6]  Usaola J, Angarita J.  Bi ddi ng  w i nd e ner gy u nder  unc ertaint y . In Presente d   at Internati o n a l  Confer enc e   in Cle an El ectri c al Po w e r, ICCEP: 2007; 75 4- 9.  [7]  Matevos y a n  J, Sder L. Min i mizatio n  of im bal ance c o st tradi ng  w i nd  p o w e r th e shor t-term po w e r   market.  IEEE Trans PowerSys t.  2006; 21: 13 96-4 04.   [8]  CHEN  Can, W U  Wench u a n .  An Active  Dist r ibuti on Syste m   Rel i ab ility E v alu a tion  Meth od B a sed  o n   Mu l t i p le  Sce nari o s Te ch ni q ue.  Proceedi ngs  of the C SEE. 2012; 32( 34): 67 -73.  [9]  Morales JM, Pineda S, Co n e j o  AJ. Sce nari o  red u ction  for f u tures m a rket t r adi ng  in  el ectricit y markets.   IEEE Transactions on Power  System s . 20 09 ; 24(2): 878-8 8 8 .  [10]  Grow e-Kusk aN, Heitsch H, Romisch W.  Sce nari o  red u ction  and sce nar io t r ee co nstructio n  for pow er   ma na ge me nt p r obl ems.  Proc e edi ngs of the IEEE Po w e r T e ch C onfer enc e. Bolog na, Ital y ,  IEEE. 2003:   23-2 6 .  [11]  Bathurst GN,  Strbac G. Valu e of com b in i n g  ener g y  stora g e  an d  w i n d  in   short term e n e r g y .  El e c tr i c   Power SystRes (EPSR) . 200 3; 67: 1-8.  [12]  Badru l  H. Cho w d h u r y , Sri n iv as Che lla pil l a ．  Doub le-fe d  i nducti on g e n e rator control for  varia b le sp ee d   w i nd po w e r  ge nerati on.  Electr ic Pow e r Systems Res earc h .  200 6: 76(1 2 ): 786-8 0 0 ．   [13]  Sloot w e g JG,  Klin g W L . M ode lin g  w i n d  t u rbi nes for  p o w e r  s y stem  d y n a mics s i mul a tions.  Win d   Engi neer in g . 2004; 28( 1): 7-2 6 ．   [14]  Sun T ,  Chen Z ,  Blaab jer g  F .   T r ans i ent stabi lit y of DF IG W i nd T u rbines at a n  e x terna l  shor t-circuit fault.   W i nd Ener gy . 200 5; (8): 345- 360 ．   [15]  Holds w o r th  L,  Char alam bous  I, Ekana yak e   JB, et al . Po wer s y stem fau l t ride  throu gh c apa bil i ties  o f   ind u ction  gen e r ator base d   w i nd turbi nes.  W i nd Eng i n eeri n g . 2004: 28( 4): 399– 40 9 ．   [16]  A T apia, G T a pia, J X  Ostol a za, et al.   M o deli n g  an d co ntrol of  a  w i nd  turbin e dr ive n  DF IG.  IEEE  T r ans. Energy  Conv ers.  200 3; 18(2): 194 –2 0 4 ．       Evaluation Warning : The document was created with Spire.PDF for Python.