Optymalizacja instalacji i wykorzystania zasobników energii elektrycznej do bilansowania i sterowania pracą odnawialnych źródeł energii elektrycznej

Transkrypt

1 Optymalizacja instalacji i wykorzystania zasobników energii elektrycznej do bilansowania i sterowania pracą odnawialnych źródeł energii elektrycznej Tomasz Siewierski i Michał Szypowski Instytut Elektroenergetyki Politechniki Łódzkiej Artykuł prezentuje wyniki analizy opłacalności stosowania zasobników energii elektrycznej dla celów bilansowania produkcji dla rzeczywistego przypadku klastra farm wiatrowych średniej wielkości. W publikacji przedstawione zostały najbardziej obiecujące technologie magazynowania energii elektrycznej wraz z ich parametrami ruchowymi. Optymalizacja pracy baterii obejmuje ograniczenia techniczne i aspekty ekonomiczne, w tym nakłady inwestycyjne i koszty operacyjne. Algorytm sterowania pracą zasobników oparty jest na sygnałach z rynku bilansującego. 1. Praca źródeł odnawialnych w systemie elektroenergetycznym Polityka klimatyczna Unii Europejskiej i Narodów Zjednoczonych tworzy presję na coraz szersze zastosowanie odnawialnych źródeł energii do wytwarzania energii elektrycznej. Dostępne technologie pozwalają na wykorzystanie energii wiatru, słońca, wody, w tym prądów, falowania i pływów morskich, energii geotermalnej, oraz biomasy i biogazu. W przypadku większości odnawialnych źródeł energii wykorzystywanych do produkcji energii elektrycznej, przede wszystkim takich jak wiatr i słońce, problemem jest niska przewidywalność i dostępność tych źródeł, która utrudnia planowanie i prowadzenie ruchu systemu, w tym udział w dostawie usług systemowych, oraz zwiększa jednostkowe koszty przyłączenia tych źródeł do sieci. Dla zapewnienia odpowiedniego poziomu bezpieczeństwa w bilansowaniu systemu elektroenergetycznego, w tym zapewnieniu odpowiedniej wielkości rezerwy operacyjnej oraz zdolności regulacyjnych, nawet w warunkach konkurencyjnego rynku energii elektrycznej, planowanie pracy poszczególnych jednostek wytwórczych musi odbywać się z kilkudniowym wyprzedzeniem, w rekurencyjnym procesie uwzględniającym sygnały ekonomiczne i ograniczenia techniczne. Ponieważ prognozowanie produkcji źródeł wiatrowych i słonecznych z tak dużym wyprzedzeniem obarczone jest znacznym błędem (patrz poniżej, Rysunek 1), źródła te wyłączne są z ogólnych reguł funkcjonowania rynku. Jednocześnie operatorzy rynku i systemu dążą do skrócenia czasu zamknięcia bramki zgłoszeniowej, która kończy funkcjonowanie bilateralnego rynku opartego tylko na prawach ekonomii i jednocześnie aktywuje funkcje rynku bilansującego i rynku usług systemowych, których koszty funkcjonowania pokrywa bezpośrednio operator systemu przesyłowego, by następnie przenieść te koszty w postaci taryfy przesyłowej na odbiorców końcowych.

2 Rys. 1. Różnica pomiędzy prognozą produkcji i rzeczywistą produkcją dużej grupy pojedynczych turbin wiatrowych (Jutlandia, Dania) dla okresów prognozowania 24 i 6 godzin naprzód. Obie powyższe metody uwzględnienia specyfiki funkcjonowania źródeł wiatrowych i słonecznych skutkują koniecznością zwiększenia wielkości rezerwy operacyjnej i odtworzeniowej, a tym samym zwiększenia zdolności regulacyjnych zlokalizowanych w innych jednostkach wytwórczych, co powoduje wzrost kosztów prowadzenia ruchu systemu i pogarsza efekt ekologiczny wynikający z wykorzystania do produkcji energii elektrycznej źródeł odnawialnych. Jednym z szeroko dyskutowanych rozwiązań tego problemu jest łączenie rozproszonych źródeł odnawialnych w klastry stanowiące rozproszone grupy bilansujące lub tak zwane wirtualne elektrownie. Efekt takich działań jest jednak ograniczony, co pokazane zostało na Rysunku 2. Rys. 2. Redukcja błędu prognozy dla grupy pięciu rozproszonych instalacji paneli fotowoltaicznych położonych w Zachodnich Niemczech na obszarze o średnicy 60 km wynikająca z utworzenia grupy bilansującej (błąd w stosunku do mocy zainstalowanej). Należy również pamiętać o tym, że europejskie rozwiązania dla rynku energii oparte na modelu miedzianej płyty nie pozwalają w przypadku agregacji na proste odzwierciedlenie kosztów ograniczeń przesyłowych, które likwidowane są również w ramach rynku bilansującego. Powoduje to problemy w wypracowaniu efektywnych zasad agregacji źródeł i rozliczania wirtualnych elektrowni na rynku bilansującym. W warunkach, gdy udział mocy zainstalowanej źródeł wiatrowych i źródeł fotowoltaicznych w produkcji energii elektrycznej jest na poziomie kilku procent, tak jak ma to miejsce obecnie w Polsce, sytuacja jest stosunkowo prosta do opanowania i nie powoduje znaczących dodatkowych kosztów dla odbiorcy końcowego. W przypadku, gdy jak Niemczech wielkość mocy zainstalowanej w siłowaniach wiatrowych sięgnęła w roku 2011 poziomu 30 GW (około 25% całkowitej mocy zainstalowanej w systemie), a w panelach fotowoltaicznych 25 GW (21% mocy zainstalowanej), prowadzenie ruchu systemu staje się trudne i kosztowne. Właściciele źródeł odnawialnych muszą liczyć się z występowaniem ograniczeń przesyłowych,

3 które uniemożliwiają wykorzystanie w pełni mocy zainstalowanej jednostek wytwórczych, w okresach dostawy, gdy jest ona w pełni dostępna. Regulacje rynkowe penalizujące odchylenia nieinstruktarzowe poprzez rozchylenie cen zakupu i sprzedaży na rynku bilansującym nie poprawiają sytuacji, a powodują jedynie ucieczkę operatorów źródeł odnawialnych pod skrzydła Dostawcy z Urzędu i wybór opcji obowiązkowego zakupu. Rozwiązanie takie może być stosowane również tylko w ograniczonym zakresie, gdyż wraz ze wzrostem udziału niestabilnych źródeł odnawialnych w produkcji energii elektrycznej, będą rosły koszty realizacji obowiązku zakupu oraz koszty bilansowania tych źródeł na centralnym lub lokalnym rynku bilansującym, ponoszone przez Dostawcę z Urzędu. Z powyższych powodów w dłuższej perspektywie czasu związanej z udziałem źródeł odnawialnych w produkcji energii elektrycznej na poziomie od 20% do nawet 50% (na przykład w wypadku Szkocji w roku 2020 ma to być 100%), jedynym rozsądnym rozwiązaniem jest zwiększenie przewidywalności i sterowalności źródeł wiatrowych poprzez zastosowanie zasobników energii elektrycznej, które stanowić będą bufor pomiędzy niestabilnym źródeł i systemem elektroenergetycznym. 2. Technologie magazynowania energii elektrycznej i ich rola w systemie elektroenergetycznym Zasobniki energii elektrycznej pozwalające magazynować energie elektryczną mogą być wykorzystywane w pracy systemu elektroenergetycznego do: bilansowania podaży i popytu, dostawy usług systemowych regulacji i rezerwy, likwidacji ograniczeń przesyłowych, do zarządzania popytem odbiorców końcowych, do zwiększenia przewidywalności i sterowalności źródeł odnawialnych oraz zmniejszenia kosztów przyłączenia źródeł do systemu [1,2]. Zastosowania zasobników energii można ogólnie podzielić na dwie grupy. Do pierwszej grupy należy wszelkiego typu aplikacje, dla których podstawowe znaczenie ma wielkość energii, która może zostać zmagazynowana w takiej instalacji (zainstalowana pojemność zasobnika). W tej sytuacji poszukujemy zasobników o największej gęstości energii w przeliczeniu na jednostkę masy zasobnika [kwh/t] lub na jego wielkość [kwh/m 3 ]. W drugim skrajnym przypadku kluczowe znaczenie ma moc zainstalowana zasobnika, a co za tym idzie szybkość reakcji, ładowania i rozładowania instalacji. Ten parametr określany jest jako gęstość mocy zasobnika w przeliczeniu na jednostkę masy [MW/kg]. W praktyce znaczna część zastosowań zasobników łączy w sobie oba skrajne podejścia. Taka sytuacja występuje również w przypadku zastosowania zasobników do ograniczenia wahań generacji źródeł odnawialnych, gdzie dobierana jest pojemność i moc zainstalowana zasobnika. Ważna z punktu widzenia kosztów eksploatacji zasobników energii jest sprawność cyklu rozładowania [%], która wskazuje na straty energii związane z procesem jej dwukierunkowej konwersji oraz czasem i warunkami przechowywania. W zależności od technologii i stanu pracy zasobnika sprawności mogą wahać się od 50 do nawet 99%. W przypadku niektórych technologii, sprawność zależy również od czasu przechowywania energii (koła zamachowe). Innym parametrem, który ma znaczenie dla zastosowań zasobnika energii elektrycznej w sieci jest liczba cykli ładowania i rozładowania, które można wykonać przy założonej sprawności cyklu. Liczba cykli może być zdeterminowana dla nowego zasobnika i w znacznej części przypadków zależy od przebiegu procesu ładowania i rozładowania, czy jest on płytki czy głęboki (za płytki cykl rozładowania baterii uznaje się cykl, w którym w stanie minimum poziom naładowania zasobnika nie spada poniżej 80% jego pojemności maksymalnej w danych warunkach). Zależność taka dotyczy przede wszystkim baterii chemicznych stałych.

4 Rys. 3. Porównanie parametrów technicznych i ekonomicznych dla różnych technologii zasobników energii elektrycznej (FW koło zamachowe, PSH elektrownia szczytowo-pompowa, CAES systemy sprężonego powietrza, Metal Air, Zinc Air, NaS, Li-Ion, Ni-Cd, Ni-MH, Lead-Acid - baterie chemiczne w różnych rozwiązaniach; Flow baterie przepływowe, EDLC superkondensatory) [3,4]. W chwili obecnej dostępnych jest na rynku szereg różnych technologii magazynowania energii elektrycznej, które mogą być wykorzystywane na potrzeby bilansowania odnawialnych źródeł energii oraz dla stworzenia technicznych możliwości dostawy przez te źródła dodatkowych usług regulacji i rezerwy. W zastosowaniach sieciowych szerokie zastosowanie znajdują przede wszystkim elektrownie szczytowo-pompowe, ale podobnie jak w przypadku zasobników sprężonego powietrza możliwość ich zastosowania zdeterminowana jest dostępnością odpowiedniej lokalizacji. Inne technologie, które mogłyby zostać wykorzystane do bilansowania źródeł wiatrowych i fotowoltaicznych to przede wszystkim baterie akumulatorów chemicznych. 3. Opis problemu i sposób jego rozwiązania Ze względu na możliwość niezależnego doboru pojemności i mocy, czas życia, głębokie cykle rozładowania bez utraty trwałości oraz ze względu na szybko spadające nakłady inwestycyjne i koszty operacyjne, do dalszych analiz wybrana została technologia baterii przepływowych Vanadium Redox [5]. Niestety dane techniczno-ekonomiczne tych baterii dostępne w literaturze znacznie się różnią [4,6,7,8,9,10] i dlatego dodatkowo przeanalizowano wpływ zmian powyższych parametrów na wynik finansowy. Jako wariant podstawowy przyjęto następujące parametry techniczno-ekonomiczne baterii (w nawiasach podano zakres analizowanych wartości parametrów): trwałość instalacji: 9000 cykli ( ), koszt instalacji zależny od mocy: 1500 /kw ( ), koszt instalacji zależny od pojemności (zbiornik): 20 /kwh, koszt elektrolitu: 60 /kwh (30 180), trwałość elektrolitu: 3000 cykli ( ),

5 roczne koszty operacyjne stałe: 20 /kw (5 50), sprawność całkowita: 75% (65 85), głębokość rozładowania: 100% (80). Analiza opłacalności przeprowadzona została na podstawie danych uzyskanych z istniejącej grupy 14 rozproszonych turbin wiatrowych. Moc zainstalowana turbin wahała się od 200 kw do 2.5 MW, łączna moc turbin to kw. Jednostki wytwórcze zlokalizowane były na obszarze o promieniu 50 km. Na potrzeby analiz doboru i opłacalności wykorzystania zasobników energii dla opisanej powyżej grupy rozproszonych turbin wiatrowych przyjęty został wariant kompensacji grupowej. Ze względu na brak szczegółowych danych dotyczących sieci dystrybucyjnej pominięty został problem wyboru lokalizacji zasobnika w sieci. Na podstawie dostępnej prognozy pogody i indywidualnych charakterystyk turbin wiatrowych opracowano godzinowe prognozy pogody z horyzontem czasowym 24 h i porównano z rzeczywistą produkcją. Na początku przeanalizowano wykorzystanie baterii wyłącznie dla kompensacji klastra. Okazało się w tym przypadku, iż utrata przychodów na skutek strat energii w baterii przewyższa zyski wynikające z poprawy bilansowania. Dalej, zatem założono, iż bateria będzie używana nie tylko do kompensacji klastra, lecz również będzie wykorzystywać różnice cen na rynku bilansującym dla poprawy efektywności. Do analizy przyjęto baterie o mocach od 100 do kw i pojemnościach odpowiadających pracy z maksymalną mocą przez okres od 1 do 24 h. Założono taką samą stratę energii przy ładowaniu jak i rozładowaniu baterii. Przyjęto, iż użytkownik baterii będzie każdorazowo optymalizował jej użycie w danej godzinie na podstawie znanych cen rynku bilansującego oraz prognozowanej produkcji klastra z następnych 12 godzin. Doprowadziło to do następującej funkcji celu: 12 f = max( (O i c i k E i E i 1 φ)) i=1 gdzie: i kolejna godzina, O i całkowita produkcja klastra wraz z baterią odprowadzona do sieci, c i cena na rynku bilansującym, E i energia zgromadzona w baterii, ϕ - sprawność jednokierunkowa baterii (sprawność całkowita η = ϕ 2 ), k koszt zmienny użycia baterii w procesie ładowania lub rozładowania, wynikający z kosztu i trwałości instalacji oraz elektrolitu. Ograniczenia na zmienne O i i E i miały postać: E min <= E i <= E max, F i M <= O i <= M + F i, E i = E i-1 + (F i O i ) E i E i-1 (1 ϕ), E i E i-1 <=M ϕ; gdzie dodatkowo: M moc baterii, F i prognoza produkcji turbin wiatrowych, E min i E max minimalna i maksymalna pojemność baterii. Wobec liniowych zależności występujących w funkcji celu i w warunkach ograniczeń zastosowano optymalizację liniową. Analizy ekonomiczne prowadzone były dla danych uzyskanych z rynku bilansującego RWE w Niemczech (jeden z 4 istniejących równolegle w Niemczech rynków bilansujących) i w Polsce. Na obu rynkach występuje jedna cena rozliczeniowa, tj. cena rozliczeniowa zakupu równa jest cenie rozliczeniowej sprzedaży. Rynki te różnią się jednak zdecydowanie zmiennością cen, co zostało pokazane na Rysunku 4, który obejmuje okres jednego tygodnia.

6 Rys. 4. Porównanie zmienności cen na rynku bilansującym RWE i w Polsce. Warto przy tym zwrócić uwagę na fakt, że w przypadku systemu niemieckiego w znacznej liczbie okresów dostawy ceny na rynku bilansującym były zerowe (regulacje w Niemczech nie dopuszczały w owym czasie cen ujemnych), co spowodowane było nadwyżką produkcji farm wiatrowych. W przypadku, gdy jak w Danii dopuszczalne są ceny ujemne na RB, przez około godzin w roku ceny energii na rynku bilansującym są ujemne. 4. Uzyskane wyniki Model zaimplementowano w programie Excel, który służy do wprowadzania danych, odczytu i graficznej prezentacji wyników. Sama optymalizacja wykorzystywała procedury pakietu optymalizacyjnego programu Matlab, współpracującego z programem Excel. Jako ocenę efektywności wykorzystania baterii przyjęto stopę zysku obliczaną według metody ARR (Accounting Revenue Ratio), dodatkowo podając jeszcze czas amortyzacji baterii obliczany jako iloraz trwałości baterii i rocznego jej wykorzystania liczonego w cyklach. W wyniku symulacji okazało się, iż efektywność baterii nie zależy od jej mocy, lecz od pojemności (liczonej w godzinach pracy z mocą maksymalną). Ponieważ założono tu stały jednostkowy koszt instalacji, w rzeczywistości instalacje o większych mocach będą nieco bardziej opłacalne, gdyż ich koszt jednostkowy jest mniejszy. Dla rynku polskiego nie udało się uzyskać dodatniej zyskowności, a dodatkowo wykorzystanie baterii było na poziomie do 30 cykli rocznie. Dla rynku RWE w wariancie podstawowym parametrów baterii najlepszy wynik uzyskano dla baterii o pojemności 12 h pracy roczna stopa zysku 5.0% (odpowiada to 7.2% w metodzie IRR). Czas amortyzacji baterii dla tej pojemności jest niestety dość długi i wynosi 44 lata. Na Rysunku 5 przedstawiono zależności stopy zysku od mocy i pojemności baterii, a także czas amortyzacji baterii w zależności od jej pojemności oraz przykładowy przebieg poziomu naładowania w baterii na tle cen na RB. Zależność stopy zysku, optymalnej pojemności i okresu amortyzacji baterii od jej parametrów techniczno-ekonomicznych dla rynku RWE przedstawia załączona na końcu artykułu Tabela 1. Dodatkowo podano w niej minimalną pojemność i odpowiadający jej czas amortyzacji, przy których stopa zysku staje się dodatnia. Przeprowadzono również symulacje przy założeniu znajomości jedynie bieżącej ceny na rynku bilansującym i uzyskano najlepszą rentowność 4.6% dla baterii o pojemności 17 h i okresie amortyzacji 55 lat.

7 Rys.5. Zależności stopy zysku od mocy i pojemności baterii, a także czas amortyzacji baterii w zależności od jej pojemności i przykładowy przebieg energii w baterii na tle cen na RB. Przedstawione na Rysunku 6 histogramy wykorzystania pojemności baterii dla baterii o pojemności 1 i 12 h pracy pokazuje, że optymalizacja ekonomiczna powoduje najczęściej wahania poziomu naładowania baterii pomiędzy wartościami krańcowymi (bateria całkowicie naładowana, bateria całkowicie rozładowana). Taki sposób pracy optymalny jest dla wybranej technologii, gdzie koszty eksploatacyjne nie są zdeterminowane typową głębokością cyklu pracy zasobnika. Rys. 6. Histogramy wykorzystania pojemności zasobnika. Wnioski Instalacja baterii przepływowej jedynie w celu zbilansowania farmy wiatrowej nie znajduje uzasadnienia ekonomicznego. Dla rynku polskiego, charakteryzującego się stosunkowo małą zmiennością cen obecnie nie ma żadnych perspektyw uzyskania opłacalności instalacji baterii również przy założeniu udziału w rynku bilansującym. Dla rynku RWE, pomimo uzyskania 5% stopy zysku ze względu na bardzo długi okres amortyzacji baterii jej opłacalność przy dzisiejszym poziomie cen i nie do końca sprawdzonej technologii wydaje się wątpliwa i to tylko przy założeniu wykorzystania arbitrażu cenowego na rynku bilansującym. Tabela 1

8 pokazuje, iż z parametrów techniczno-ekonomicznych baterii najistotniejszy wpływ na efektywność mają koszt instalacji i koszt elektrolitu. O ile trudno oczekiwać spadku ceny elektrolitu, która uzależniona jest od ceny wanadu, o tyle należy spodziewać się spadku ceny instalacji, głównie elementów przetwarzających energię. Przy cenie instalacji wynoszącej 500 /kw zyskowność na poziomie 9.5% uzyskuje się już przy 17 letnim okresie amortyzacji baterii, przy cenie 1000 /kw zyskowność 7% wymaga instalacji o ponad 30 letnim okresie amortyzacji. Istotny też byłby wzrost wahań cen na rynku bilansującym. Przy dwukrotnym wzroście wahań cen 12% rentowność można uzyskać przy 17 letnim okresie amortyzacji, a maksymalną (15%) rentowność przy 27 letnim okresie amortyzacji. Dodatkowym, nierozpatrywanym źródłem dochodów może stać się ewenwtualny udział w rynku rezerw. Literatura [1] Energy Storage Benefits and Market Analysis Handbook, James M. Eyer, Joseph J. Iannucci, Garth P. Corey; Sandia National Laboratories, December [2] Market Analysis of Emerging Electric Energy Storage Systems, DOE/NETL-2008/1330, NETL U.S. Dep. of Energy, July [3] Outlook of energy storage technologies, European Parliament Study, P/A/ITRE/FWC/ /Lot 4/C1/SC2, Policy Department, Economic and Scientific Policy, [4] dostęp [5] Advancement of Energy Storage Devices and Applications in Electrical Power System, S.C. Smith, P.K. Sen, B. Kroposki, IEEE Conference Power and Energy Society General Meeting - Conversion and Delivery of Electrical Energy in the 21st Century, July [6] Pathways for energy storage in the UK, The Centre for Low Carbon Futures, March [7] Energy Storage Program Planning Document; U.S. Dep. of Energy, February [8] Capital Cost Sensitivity Analysis of an All-Vanadium Redox-Flow Battery, Mengqi Zhang, Mark Moore, J. S. Watson, Thomas A. Zawodzinski, Robert M. Counce, J. Electrochem. Soc. 2012, Volume 159, Issue 8, Pages A1183-A1188. [9] Development of the all vanadium redox flow battery for energy storage: a review of technological, financial and policy aspects, Gareth Kear, Akeel A. Shah, Frank C. Walsh, Int. J. of Energy Res., September 2012, Volume 36, Issue 11, Pages [10] Analysis of the Cost per Kilowatt Hour to Store Electricity, Piyasak Poonpun, Ward T. Jewell, IEEE Trans. on Energy Conv., Vol. 23, No. 2, June Abstract The paper presents the cost-effectiveness analysis of the use of energy storage for the balancing purpose. The real example of wind farm cluster is used. The publication also presents the most promising energy storage technologies and their operating parameters. The battery optimization takes into account technical and economical limitations, capital expenditures and operating costs. Controlling algorithm is based on the balancing market prices and farm production forecast. Powyższy artykuł został przygotowany na podstawie wyników badań przeprowadzonych w ramach projektu MASSIG (Market Access for Smaller Size Intelligent Electricity Generation) współfinansowanego przez Unię Europejską w ramach programu Intelligent Energy Europe, w latach , kontrakt numer EIE/07/164/SI

9 Tabela 1. Zależność stopy zysku, optymalnej pojemności i okresu amortyzacji baterii od jej parametrów techniczno-ekonomicznych. Stopa zysku [%] Najlepszy rezultat Pojemność [h] Czas amortyzacji [lata] Najmniejsza pojemność, dla której stopa zysku > 0 Pojemność [h] Czas amortyzacji [lata] Koszt instalacji [ /kw] Czas życia instalacji [cykle] Koszt elektrolitu [ /kwh] Trwałość elektrolitu [cykle] Koszty O&M [ /kw] Sprawność [%] Głębokość rozładowania [%] , ,