mgr inż. Wojciech Łyżwa

Transkrypt

1 POLITECHNIKA ŁÓDZKA WYDZIAŁ ELEKTROTECHNIKI, ELEKTRONIKI, INFORMATYKI I AUTOMATYKI INSTYTUT ELEKTROENERGETYKI STRESZCZENIE ROZPRAWY DOKTORSKIEJ Optimization of Energy Mix with Significant Shares of Renewable Energy Sources Optymalizacja miksu energetycznego ze znacznym udziałem odnawialnych źródeł energii (PL) mgr inż. Wojciech Łyżwa PROMOTOR: prof. dr hab. inż. Władysław Mielczarski PROMOTOR POMOCNICZY: dr inż. Michał Wierzbowski ŁÓDŹ, POLSKA KWIECIEŃ 2016

2 SPIS TREŚCI 1. WSTĘP Teza rozprawy doktorskiej TRADYCYJNE MODELOWANIE MIKSU ENERGETYCZNEGO Opis modelu optymalizacyjnego Funkcja celu Podstawowe ograniczenia Bilans mocy Bilans energii Maksymalna i minimalna produkcja energii elektrycznej DANE WEJŚCIOWE METODA KRZYWEJ OBCIĄŻENIA NETTO OPTYMALIZACJA MIKSU ENERGETYCZNEGO Z UWZGLĘDNIENIEM KRZYWEJ RLDC Wpływ generacji OZE na sekcje RLDC Funkcja celu Podstawowe ograniczenia Bilans mocy Bilans energii Maksymalna i minimalna produkcja energii elektrycznej SCENARIUSZE OPTYMALIZACYJNE I WYNIKI Scenariusze optymalizacyjne

3 6.2. Wyniki symulacji Moc zainstalowana Produkcja energii elektrycznej Krzywa RLDC PORÓWNANIE MODELI OPTYMALIZACYJNYCH Nadprodukcja energii elektrycznej ze względu na RES Wpływ profilu OZE na szczytowe obciążenie netto Wykorzystanie mocy znamionowej JWCD Skomplikowanie modelu WNIOSKI I REKOMENDACJE DO DALSZYCH BADAŃ Wnioski Rekomendacje do dalszych badań

4 1. WSTĘP Modelowanie systemów elektroenergetycznych jest dziedziną nauki, która rozwinęła się w celu wspierania podmiotów odpowiedzialnych za pracę i rozwój systemów elektroenergetycznych. Tym samym, modele komputerowe stały się niezbędnymi narzędziami, bez których zarządzanie sektorem energetycznym byłoby niemożliwe. W większości przypadków, planowanie pracy systemów elektroenergetycznych można podzielić ze względu na horyzont czasowy na długo- i krótko-terminowe. Modele przyjmujące krótki horyzont czasowy szczegółowo uwzględniają takie aspekty pracy systemu jak: operacyjne rezerwy mocy, rozruchy, załączanie i wyłączanie jednostek wytwórczych z ich stałymi czasowymi. Przykładem tego typu modeli są modele planujące rozkład obciążeń jednostek wytwórczych (ang. commitment and dispatch), które zazwyczaj obejmują zakres czasu jednego dnia z krokiem godzinowym lub piętnasto-minutowym. Z drugiej strony, modele długoterminowe, służące do planowania rozwoju systemu elektroenergetycznego uwzględniają horyzont czasowy o długości dziesiątek lat. W dzisiejszych czasach, rosnący wpływ niestabilnych odnawialnych źródeł energii na pracę systemu elektroenergetycznego powoduje konieczność uwzględnienia w długoterminowym planowaniu rozwoju systemu także krótkoterminowych aspektów. Takie wielopoziomowe podejście jest skomplikowane i często prowadzi do niezadowalających parametrów obliczeniowych stworzonych modeli. Miks energetyczny to skład jednostek wytwórczych w systemie elektroenergetycznym służących do zapewnienia bilansów mocy i energii. Planowanie miksu energetycznego odnosi się głownie do minimalizacji całkowitych kosztów budowy i pracy jednostek w długoterminowej perspektywie. Głównym celem rozprawy doktorskiej jest przedstawienie nowego podejścia do długoterminowej optymalizacji miksu energetycznego, która uwzględnia krótkoterminowe aspekty pracy systemu elektroenergetycznego, takie jak zmienność produkcji energii z niestabilnych odnawialnych źródeł energii (OZE). Dodatkowo, zaproponowana metoda umożliwia maksymalizację udziału OZE w miksie 3

5 energetycznym przy zachowaniu odpowiedniego poziomu bezpieczeństwa dostaw energii elektrycznej. W zaproponowanym podejściu możliwe jest uzyskanie akceptowalnych czasów obliczeniowych (równych kilku godzinom) przy wykorzystaniu standardowych komputerów przenośnych. Nowa metoda pozwala nie tylko na wyznaczenie składu jednostek wytwórczych (zarówno konwencjonalnych jak i odnawialnych), ale również na ocenę wpływu uzyskanego miksu na środowisko (emisje CO2). Metoda pozwala na obliczenie nakładów finansowych potrzebnych na niezbędne inwestycje i kosztów energii dla odbiorców końcowych. Trzeba zwrócić uwagę na to, że zaproponowana metoda nie korzysta z metod probabilistycznych ani z typowych prognoz, które są wykorzystywane w analizach pracy systemu elektroenergetycznego. Metoda zaprezentowana w rozprawie doktorskiej należy do grupy zwanej optymalizacją scenariuszową, w której optymalizacja miksu energetycznego jest przeprowadzana dla wielu scenariuszy obliczeniowych charakteryzujących się odpowiednimi parametrami, np. ceny paliw pierwotnych, ceny pozwoleń na emisje CO2. Odpowiednie sformułowanie scenariuszy pozwala na dokonanie analizy, która służy odpowiedzi na pytanie jak w optymalny sposób powinien rozwinąć się system elektroenergetyczny by przy określonych warunkach zewnętrznych uzyskać jak najniższy koszt całkowity Teza rozprawy doktorskiej Możliwe jest przeprowadzenie długoterminowej, złożonej optymalizacji miksu energetycznego jednostek wytwórczych biorąc pod uwagę uporządkowaną krzywą obciążenia netto (ang. residual load duration curve RLDC) w celu uwzględnienia wpływu niestabilnych, odnawialnych źródeł energii na system elektroenergetyczny, zwiększeniu ich udziału w całkowitej produkcji energii elektrycznej i zapewnieniu odpowiedniego poziomu bezpieczeństwa dostaw energii poprzez spełnienie bilansów mocy i energii. W szczególności jest możliwe: przeprowadzenie długoterminowej optymalizacji miksu energetycznego w dużych systemach elektroenergetycznych; 4

6 przeprowadzenie optymalizacji rozwoju OZE wraz z optymalizacją rozwoju konwencjonalnych jednostek wytwórczych; zaimplementowanie uporządkowanej krzywej obciążenia netto w długoterminowej optymalizacji w celu: o identyfikacji nadprodukcji energii elektrycznej spowodowanej przez OZE; o wyznaczenia zmiany obciążenia szczytowego netto na skutek dużego udziału penetracji OZE; o analizy skrócenia czasu wykorzystania mocy znamionowej jednostek wytwórczych centralnie dysponowanych na skutek wzrostu całkowitej produkcji OZE. Słuszność powyższej tezy wykazana jest poprzez: 1. Analizę pracy systemów elektroenergetycznych z uwzględnieniem wymagań Unii Europejskiej. 2. Analizę obecnie stosowanych metod optymalizacji miksu energetycznego i propozycja nowej metody. 3. Stworzenie nowej koncepcji optymalizacji miksu energetycznego, sformułowanie funkcji celu oraz ograniczeń technicznych, ekonomicznych oraz regulacyjnych. 4. Rzutowanie modelu dynamicznego w przestrzeń statyczną. 5. Wybór metody optymalizacyjnej uwzględniając optymalizację nieliniową, liniową, binarną i całkowito-liczbową. 6. Zdefiniowanie struktury systemu elektroenergetycznego poddanego optymalizacji w celu weryfikacji przyjętej metody. 7. Sformułowanie scenariuszy optymalizacyjnych. 8. Sprawdzenie poprawności zastosowanej metody i stworzonego modelu poprzez symulację scenariuszy optymalizacyjnych. 9. Analizę otrzymanych wyników. 10. Sformułowanie wniosków i propozycję dalszych badań. 5

7 2. TRADYCYJNE MODELOWANIE MIKSU ENERGETYCZNEGO 2.1. Opis modelu optymalizacyjnego Zaprezentowany model (nazywany przez autora emix) jest narzędziem służącym do optymalizacji rozwoju jednostek produkujących energię elektryczną w długim horyzoncie czasowym. Kryterium rozwoju miksu energetycznego jest jak najniższy całkowity koszt budowy i pracy jednostek wytwórczych. Model reprezentuje podejście oddolne (ang. bottom-up) w modelowaniu systemu elektroenergetycznego co oznacza, że duży nacisk jest kładziony na techniczną stronę pracy systemu. Model wykorzystuje programowanie liniowe i całkowito-liczbowe (ang. mixed-integer linear programming MILP). Takie podejście umożliwia szczegółowe przedstawienie jednostek wytwórczych w modelu optymalizacyjnym, przy zachowaniu indywidulanych parametrów technicznych i ekonomicznych, takich jak moc znamionowa, emisje CO2, dyspozycyjność, koszty, czas budowy i czas życia. Przyjęty horyzont optymalizacji to lata Krok optymalizacji wynosi jeden rok. Długi horyzont czasowy jest niezbędny w tego typu problemach ze względu na długie czasy inwestycji w sektorze energetycznym. Jednocześnie krok optymalizacji musi być odpowiedni by uwzględnić ważne aspekty rozwoju systemu elektroenergetycznego, a z drugiej strony by zbytnio nie skomplikować problemu co spowodowałoby zbyt długie czasy obliczeń. Początek horyzontu optymalizacji został przesunięty z roku 2016 na rok 2020 ponieważ większość decyzji dotyczących budowy jednostek wytwórczych do roku 2020 zostało już podjęte. Zastosowanie programowania całkowitoliczbowego wprowadza zmienne całkowite (ang. integer) co daje możliwość implementacji jednostek wytwórczych z ich typowymi parametrami w zależności od zastosowanej technologii. W rozprawie nie zastosowano zmiennych binarnych ponieważ doprowadziłoby to do niepotrzebnej komplikacji modelu. Zmienne binarne dają możliwość uwzględnienia każdej jednostki wytwórczej oddzielnie co jest niezbędne w przypadku modeli uwzględniających lokalizację 6

8 elektrowni w poszczególnych węzłach sieci elektroenergetycznej. W przedstawionej wersji modelu ten aspekt jest pominięty. Model uwzględnia jednostki istniejące (wybudowane przed rokiem 2020) oraz jednostki nowe (możliwe do wybudowania po roku 2020). W przypadku jednostek nowych, model uwzględnia następujące jednostki wytwórcze centralnie dysponowane (JWCD) z ich typowymi mocami znamionowymi: jednostki opalane węglem brunatnym o mocy 450 MW lub 900 MW; jednostki opalane węglem kamiennym o mocy 450 MW lub 900 MW; jednostki gazowe o mocy 450 MW; jednostki jądrowe o mocy 1000 MW i 1600 MW; jednostki spalające biomasę o mocy 100 MW i 200 MW; elektrownie wodne o mocy w przedziale MW. Dodatkowo emix uwzględnia odnawialne źródła energii: elektrownie wodne o mocy poniżej 100 MW; elektrownie spalające biomasę o mocy poniżej 100 MW; biogazownie; farmy fotowoltaiczne (PV); elektrownie wiatrowe na lądzie; elektrownie wiatrowe na morzu; i inne jednostki wytwórcze, które nie są centralnie dysponowane (njwcd), takie jak elektrociepłownie gazowe i opalane węglem oraz jednostki przemysłowe. Przedstawione poniżej wzory matematyczne wymagają specyfikacji zbiorów U (zbiór wszystkich jednostek wytwórczych) oraz T (zbiór oznaczający horyzont czasowy z krokiem rocznym). Dodatkowo zbiór U podzielony jest na podzbiory U, U, U, U oznaczające poszczególne technologie wzór (2.1). Ten podział wynika ze sposobu modelowania poszczególnych technologii. 7

9 Gdzie: U U U U U U, U, U, U U (2.1) Zbiór JWCD (węgiel brunatny, kamienny, atom, biomasa) Zbiór wodnych JWCD Zbiór OZE Zbiór njwcd (elektrociepłownie i elektrownie przemysłowe) Zbiór wszystkich jednostek 2.2. Funkcja celu Funkcja celu (2.2) przedstawia minimalizację całkowitych kosztów budowy i pracy jednostek wytwórczych. Koszty są podzielone na stałe CFu,t i zmienne CVu,t. Koszty stałe to roczne koszty jednostki wytwórczej, które nie zależą od produkowanej energii elektrycznej a jedynie od mocy zainstalowanej P_Iu,t. Składają się z kosztów budowy jednostki z uwzględnieniem kosztów kredytu bankowego oraz ze stałych kosztów operacyjnych (ang. operation and maintenance O&M). Koszty zmienne zależą od produkcji energii Eu,t i dzielą się na zmienne koszty operacyjne, koszty paliwa oraz koszty pozwoleń na emisję CO2. Zmienna całkowita Xu oznacza czy jednostka u (lub grupa jednostek) istnieje w systemie czy też nie. Gdzie: u U t T X u P_I u,t E u,t CF u,t CV u,t min { ( (X u P_I u,t CF u,t + E u,t CV u,t ))} (2.2) u U t T Zbiór jednostek wytwórczych u Zbiór okresów czasowych t Zmienna całkowita Moc zainstalowana jednostki u w roku t Produkcja energii elektrycznej jednostki u w roku t Koszty stałe jednostki u w roku t Koszty zmienne jednostki u w roku t 2.3. Podstawowe ograniczenia Bilans mocy Bilans mocy odnosi się do mocy dyspozycyjnej wyznaczonej na podstawie równania (2.3). Moc dyspozycyjna jest zazwyczaj mniejsza od mocy zainstalowanej i stanowi moc, która jest do dyspozycji operatora systemu przesyłowego (OSP) przy tworzeniu 8

10 dziennych planów koordynacyjnych pracy systemu. Warunek bilansu mocy (2.4) oznacza, że całkowita moc dyspozycyjna w systemie w każdym roku t musi być większa lub równa od prognozowanego zapotrzebowania szczytowego powiększonego o wymaganą rezerwę mocy. u U, t T P_A u,t = K_PA u,t P_I u,t (2.3) t T Gdzie: K_PA u,t P_A u,t P_D t K_PRESERVE t P_A u,t P_D t + K_PRESERVE t P_D t (2.4) uεu Współczynnik dyspozycyjności mocy jednostki u w roku t Moc dyspozycyjna jednostki u w roku t Prognozowane zapotrzebowanie szczytowe na moc w roku t Współczynnik rezerwy mocy w roku t Bilans energii Bilans energii (2.5) oznacza, że całkowita roczna produkcja energii elektrycznej musi być równa prognozowanemu zapotrzebowaniu na energię elektryczną w każdym roku t. Gdzie: E u,t E_D t t T E u,t = E_D t (2.5) uεu Produkcja energii elektrycznej jednostki u w roku t Prognozowane zapotrzebowania na energię elektryczną w roku t Maksymalna i minimalna produkcja energii elektrycznej Maksymalna i minimalna produkcja energii elektrycznej jest wyznaczona zgodnie ze wzorami (2.6) i (2.7). Maksimum generacji jednostki wynika z założonego współczynnika dyspozycyjności K_Au,t określającego maksymalną ilość godzin z jaką dana jednostka może produkować energię w ciągu jednego roku. Założone minimum produkcji energii oznacza, że jednostka musi produkować taką ilość energii, której sprzedaż pozwoli pokryć jej koszty finansowe CFINu,t. W przypadku zmiennych OZE (wiatr i PV) nałożono sztywne ograniczenie mówiące o produkcji energii zgodnie z założonym współczynnikiem dyspozycyjności bez możliwości regulacji. Tym samym OZE mają priorytet w produkcji energii. 9

11 u U, t T E u,t K_A u,t P_I u,t Y (bez wiatru i PV) (2.6) u U, t T E u,t CFIN u,t /E_PRICE t (bez wiatru i PV) (2.7) Gdzie: E u,t K_A u,t P_I u,t Produkcja energii elektrycznej jednostki u w roku t Współczynnik dyspozycyjności jednostki u w roku t Moc zainstalowana jednostki u w roku t Y Liczba godzin w roku (8760 h) CFIN u,t Koszty finansowe jednostki u w roku t E_PRICE t Prognozowana cena energii elektrycznej w roku t 10

12 3. DANE WEJŚCIOWE W celu weryfikacji modelu zaimplementowano dane dotyczące Polskiego Systemu Elektroenergetycznego. Stan początkowy dotyczący mocy zainstalowanej jednostek istniejących został opracowany na bazie danych udostępnionych przez OSP (PSE S.A.). Dane dotyczące jednostek nowych zostały przyjęte m.in. na bazie opracowań U.S. Energy Information Agency (EIA), Department of Energy and Climate Change (DECC), zbioru danych Uniwersytetu Technicznego w Berlinie, danych Kancelarii Prezesa Rady Ministrów udostępnionych w modelu DAS, danych Instytutu Energetyki Odnawialnej. Tabela 1 przedstawia dane techniczne jednostek zaimplementowanych w prezentowanym modelu. Technologia Moc Dyspoz. Tabela 1 Dane techniczne Dyspoz. mocy Sprawność brutto Emisje Czas życia Czas budowy - MW % % % Mg/MWh yr yr MW W. brunatny ist W. brunatny nowy Limit roczny W. kamienny ist W. kamienny nowy Gaz ist Gaz nowy Atom Wodne JWCD ist Wodne JWCD now Biomasa JWCD Wodne njwcd Biomasa njwcd Biogaz Wiatr na lądzie Wiatr na morzu PV CHP węgiel CHP gaz (total) 43(elec.) 90 (total) 46(elec.) Przemysłowe

13 Tabela 2 przedstawia dane finansowe jednostek zaimplementowanych w prezentowanym modelu. Technologia Overnight cost Stały O&M Tabela 2 Dane finansowe Zmienny O&M Koszt paliwa - mln /MW /MW /MWh /MWh Całkowity koszt fin. mln (mln /MW) Okres spłaty Roczne wydatki w czasie budowy yr % W. brunatny ist Czas życia - W. brunatny nowy 1.97; ; /20/30/30/10 W. kamienny ist Czas życia - W. kamienny nowy 1.91; ; /20/30/30/10 Gaz ist Czas życia - Gaz nowy /40/45 Atom ; /10/20/25/15/15/10 Wodne JWCD ist Czas życia - Wodne JWCD now (14.4) 40 70/30 Biomasa JWCD ; Wodne njwcd (11.4) 40 70/30 Biomasa njwcd (13.5) Biogaz (9.1) Wiatr na lądzie (6.0) Wiatr na morzu (7.2) PV (5.5) CHP węgiel /20/30/30/10 CHP gaz /40/45 Przemysłowe /20/30/30/10 1 Cena dla scenariusza referencyjnego 12

14 P [MW] P [MW] 4. METODA KRZYWEJ OBCIĄŻENIA NETTO W planowaniu długoterminowym, uporządkowana krzywa obciążenia (ang. load duration curve - LDC) i uporządkowana krzywa obciążania netto (RLDC) zazwyczaj zawierają informacje na temat rocznego obciążenia z krokiem godzinowym. Przedstawiona na rysunku 1 krzywa LDC reprezentuje obciążenie systemu elektroenergetycznego uporządkowane w kolejności malejącej. Wyznaczenie krzywej LDC stanowiło pierwszy etap uzyskania krzywej RLDC. LOAD LDC obciążenie maksymalne obciążenie minimalne Czas (rok) [h] - chronologiczny Czas (rok) [h] - posortowany Rysunek 1 Obciążenie w systemie elektroenergetycznym (lewa strona) i uporządkowana krzywa obciążenia (prawa strona) W celu wyznaczenia uporządkowanej krzywej obciążenia netto (RLDC) należy, zgodnie z równaniem (4.1), od obciążenia odjąć planowaną wymianę transgraniczną, generację njwcd (ang. ncdgu), a w szczególności generację źródeł wiatrowych i PV. Tak uzyskaną krzywą należy również uporządkować w kolejności malejącej. Gdzie: h TH RLDC h = Load h Exchange h ncdgu h Wind h PV h (4.1) h TH Indeks oznaczający pojedynczą godzinę w roku (8760 h) RLDC h Load h Exchange h Uporządkowana krzywa obciążenia netto w godzinie h Obciążenie w godzinie h Zaplanowana wymiana transgraniczna w godzinie h 13

15 P [MW] ncdgu h Generacja njwcd w godzinie h Wind h Generacja wiatrowa w godzinie h PV h Generacja fotowoltaiczna w godzinie h Przykład uporządkowanej krzywej obciążenia netto wraz z jej typowymi parametrami jest przedstawiony na rysunku 2. Pole pod krzywą oznacza zapotrzebowanie na energię elektryczną, które musi być pokryte przez jednostki wytwórcze centralnie dysponowane. Krzywa pozwala na wyznaczenie trzech charakterystycznych parametrów, które mogą być ocenione w przypadku implementacji krzywej RLDC do modelu optymalizacyjnego miksu energetycznego: (a) obciążenie szczytowe netto, (b) skrócenie czasu pracy JWCD na skutek wzrostu penetracji njwcd (głównie OZE), (c) nadprodukcja energii spowodowana przez OZE. RLDC Obciążenie szczytowe netto Skrócenie czasu pracy JWCD Czas [h] - posortowany Nadprodukcja energii Rysunek 2 Uporządkowana krzywa obciążenia netto (RLDC) i jej parametry Krzywe LDC i RLDC zawierają informacje dotyczące godzinowych zmian obciążenia, ale zaimplementowanie pełnych krzywych (w szczególności w modelach długoterminowych z horyzontem czasowym równym lat) może doprowadzić do długich czasów obliczeniowych modeli (8760 h x ilość lat = interwał czasowy obliczeń bilansu energii). W związku z tym, LDC/RLDC jest przedstawiona za pomocą krzywej schodkowej. Przykład tego sposobu reprezentacji uporządkowanych krzywych obciążenia znajduje się na rysunku 3. Indeks tt oznacza sekcję krzywej LDC/RLDC. W rozprawie doktorskiej przyjęto podział krzywej RLDC na dwanaście sekcji. 14

16 P [MW] PODZIAŁ KRZYWEJ LDC/RLDC NA SEKCJE tt=1 tt=2 tt=tt_max-1 tt=tt_max Czas [h] E_CDGU E_nCDGU E_RES ΔE/tt_MAX Rysunek 3 Podział krzywej LDC/RLDC na sekcje 15

17 5. OPTYMALIZACJA MIKSU ENERGETYCZNEGO Z UWZGLĘDNIENIEM KRZYWEJ RLDC Prezentowana metoda optymalizacji miksu energetycznego z uwzględnieniem krzywej RLDC zastała stworzona w celu uwzględnienia wpływu zmiennych OZE (turbiny wiatrowe, panele PV) na planowanie miksu energetycznego. Tradycyjne podejście do optymalizacji rozwoju jednostek wytwórczych w systemie energetycznym nie uwzględnia ważnych aspektów dotyczących krótkoterminowej zmienności OZE, co może mieć istotny wpływ na zapewnienie bezpieczeństwa dostaw energii przy otrzymanym miksie. Zaproponowana metoda łączy rozwój niestabilnych OZE z rozwojem konwencjonalnych jednostek wytwórczych. Implementacja krzywej RLDC pozwala na bardziej szczegółowe (w porównaniu do tradycyjnej metody) przedstawienie produkcji energii elektrycznej w modelu optymalizacyjnym. Co więcej zaprezentowana w rozprawie, nowa metoda pozwala na zachowanie zmienności profilu generacji OZE w planowaniu długoterminowym miksu energetycznego. Główna idea tego podejścia polega na ocenie wpływu penetracji niestabilnych OZE na każdą sekcję krzywej RLDC z osobna. Ocena tego wpływu została dokonana na podstawie analizy zaprezentowanej w kolejnym podrozdziale Wpływ generacji OZE na sekcje RLDC Przeprowadzona analiza została wykorzystana do wyznaczenia maksymalnej możliwej wartości produkcji energii elektrycznej OZE występującej w poszczególnych sekcjach RLDC. Wraz z implementacją krzywej RLDC, informacja na temat zmiennego profilu generacji OZE została zachowana. Dodatkowo, nowa metoda pozwala na wyznaczenie wielkości nadprodukcji energii spowodowanej generacją OZE, a tym samym na implementację ograniczania produkcji energii (ang. curtailment) ze zmiennych OZE. W rozprawie trzy technologie zmiennych OZE zostały zaimplementowane do modelu optymalizacyjnego: wiatr na lądzie, wiatr na morzu oraz PV. Dane dotyczące profili generacji tych technologii zostały wyznaczone na podstawie danych polskiego i niemieckich OSP. 16

18 P [MW] (wpływ na sekcje RLDC) Pierwszym etapem analizy było wyznaczenie krzywej RLDC zgodnie ze wzorem (4.1). Wpływ każdej technologii zmiennych OZE na sekcje RLDC został oceniony oddzielnie (moc zainstalowana tylko jednej z trzech technologii była większa od zera). Tym samym wyznaczono trzy różne krzywe. W analizie oceniono również wpływ mocy zainstalowanej poszczególnej technologii OZE na krzywą. W konsekwencji, krzywa RLDC została wyznaczona dla mocy OZE z zakresu MW. W dalszym etapie RLDC podzielono na dwanaście sekcji i wyznaczono różnicę pomiędzy krzywą RLDC bez udziału zmiennych OZE a krzywą RLDC z różnym udziałem mocy zainstalowanej tych technologii. Różnica oznacza moc dyspozycyjną poszczególnej technologii OZE, która pomnożona przez przedział czasu, który reprezentuje poszczególna sekcja RLDC równa się maksymalnej produkcji energii w tej sekcji. Przykładowy wynik analizy dla wiatru na lądzie jest przedstawiony na rysunku 4, gdzie każda z linii oznacza poszczególną sekcję RLDC, oś pozioma to moc zainstalowana technologii OZE z przedziału MW, oś pionowa oznacza moc dyspozycyjną OZE dla poszczególnej sekcji. Implementacja otrzymanych krzywych do modelu optymalizacyjnego wymagała linearyzacji. W konsekwencji każdą krzywą przedstawiono za pomocą pięciu linii prostych. WIATR NA LĄDZIE - WPŁYW NA SEKCJE RLDC P_WiatrNaLądzie [MW] Section1 Section2 Section3 Section4 Section5 Section6 Section7 Section8 Section9 Section10 Section11 Section12 Rysunek 4 Podział na sekcje krzywej LDC/RLDC 17

19 5.2. Funkcja celu Podobnie jak w przypadku tradycyjnej metody optymalizacji miksu, funkcja celu (5.1) przedstawia minimalizację całkowitych kosztów budowy i pracy jednostek wytwórczych podzielonych na koszty stałe i zmienne. Jedyna modyfikacja dotyczy produkcji energii elektrycznej, która jest przedstawiona jako suma energii dla wszystkich sekcji RLDC tt TT E u,t,tt. Gdzie: u U t T tt TT X u P_I u,t E u,t,tt CF u,t CV u,t min { ( (X u P_I u,t CF u,t + E u,t,tt CV u,t ))} (5.1) u U t T tt TT Zbiór jednostek wytwórczych u Zbiór okresów czasowych t Zbiór indeksów tt oznaczających sekcje krzywej RLDC Zmienna całkowita Moc zainstalowana jednostki u w roku t Produkcja energii elektrycznej jednostki u w roku t w sekcji tt Koszty stałe jednostki u w roku t Koszty zmienne jednostki u w roku t 5.3. Podstawowe ograniczenia Bilans mocy W przypadku bilansu mocy, modyfikacja w stosunku do tradycyjnej metody dotyczy udziału zmiennych OZE w bilansie. W optymalizacji miksu energetycznego z krzywą RLDC udział OZE jest obliczany na podstawie mocy dyspozycyjnej wyznaczonej na podstawie powyższej analizy i optymalizacji budowy OZE, a nie na podstawie założonego, stałego współczynnika. Tym samym moc dyspozycyjna zmiennych OZE wynika z mocy dyspozycyjnej występującej w pierwszej sekcji RLDC (najwyższe zapotrzebowania na moc) Bilans energii W optymalizacji miksu energetycznego bilans energii jest prowadzony na dwóch płaszczyznach: rocznej i o horyzoncie czasowym wynikającym z czasu reprezentowanego przez poszczególne sekcje RLDC. Równie (5.2) przedstawia warunek 18

20 mówiący o tym, że bilans energii musi być spełniony w każdej sekcji RLDC tt. Dodatkowo bilans energii uwzględnia ograniczanie produkcji energii z OZE oraz rezerwę/niedobór energii powstały na skutek aproksymacji krzywej RLDC. W drugim etapie, zgodnie z równaniem (5.3) roczny bilans energii musi być spełniony. t T, tt TT Gdzie: E u,t,tt E_RES_C u,t,tt E_D_LDC t,tt E t,tt E_D t E u,t,tt uεu E_RES_C u,t,tt u εu = E_D_LDC t,tt + E t,tt (5.2) t T (E_D_LDC t,tt + E t,tt ) = E_D t (5.3) tt TT Produkcja energii elektrycznej jednostki u w roku t w sekcji tt Ograniczenie produkcji energii OZE u w roku t w sekcji tt Prognozowane zapotrzebowania na energię elektryczną w roku t w sekcji tt Rezerwa/niedobór energii powstały w skutek aproksymacji RLDC poprzez sekcje tt Prognozowane zapotrzebowania na energię elektryczną w roku t Maksymalna i minimalna produkcja energii elektrycznej Podobnie jak w przypadku tradycyjnej optymalizacji miksu energetycznego, w przypadku jednostek wytwórczych (bez wiatru i PV) maksymalna roczna produkcja energii wynika z założonego współczynnika dyspozycyjności, a minimalna wartość produkcji energii musi być wystarczająca do pokrycia kosztów stałych jednostki. Dla zmiennych OZE, zgodnie z równaniem (5.4), istnieje możliwość ograniczania produkcji energii elektrycznej. Gdzie: u U, t T E_RES u,t,tt + E_RES_C u,t,tt tt TT tt TT = K_A u,t P_I_RES u,t Y (dla wiatru i PV) E_RES u,t Produkcja energii elektrycznej OZE u w roku t w sekcji tt E_RES_C u,t,tt Ograniczanie produkcji OZE u w roku t w sekcji tt K_A u,t Współczynnik dyspozycyjności OZE u w roku t P_I_RES u,t Moc zainstalowana OZE u w roku t Y Ilość godzin w roku (8760 h) (5.4) Dodatkowo implementacja RLDC narzuca konieczność nałożenia minimalnych i maksymalnych granic produkcji energii dotyczących poszczególnych sekcji. W 19

21 konsekwencji równanie (5.5) nakłada górną granicę wynikającą z mocy dyspozycyjnej jednostki. Dla zmiennych OZE obowiązujące jest równanie (5.6). u U, t T, tt TT 0 E u,t,tt P_A u,t H tt (bez wiatru i PV) (5.5) u U, t T, tt TT E_RES u,t,tt + E_RES_C u,t,tt = (5.6) P_A u,t H tt (dla wiatru i PV) Gdzie: E u,t,tt P_A u,t H tt E_RES u,t,tt E_RES_C u,t,tt Produkcja energii elektrycznej jednostki u w roku t w sekcji tt Moc dyspozycyjna jednostki u w roku t Ilość godzin zawartych w sekcji tt RLDC Produkcja energii elektrycznej OZE u w roku t w sekcji tt Ograniczanie produkcji OZE u w roku t w sekcji tt 20

22 6. SCENARIUSZE OPTYMALIZACYJNE I WYNIKI 6.1. Scenariusze optymalizacyjne W celu weryfikacji modeli optymalizacyjnych stworzono cztery scenariusze optymalizacyjne przedstawione w tabeli 3. Scenariusze różnią się miedzy sobą ceną pozwoleń na emisję CO2 (cena EUA), ceną gazu oraz wymaganiem na minimalną produkcję energii z OZE. Tabela 3 Scenariusze optymalizacyjne Nr S1 S2 S3 S4 Opis Scenariusz referencyjny Wysoka cena CO2 Wysoka cena gazu Duży udział OZE Cena EUA [EUR/tCO2] 15 w w w w w w w w w w w w w w w w 2050 Cena gazu [USD/1000m 3 ] Wymaganie OZE 19% w % w % w % w % w % w % w % w % w % w % w % w % w % w % w % w Wyniki symulacji W streszczeniu przedstawiono jedynie wyniki dla modelu optymalizacyjnego z zaimplementowaną krzywą RLDC. Wyniki dotyczą mocy zainstalowanej, produkcji energii elektrycznej oraz przykładowej krzywej RLDC. W rozprawie znajdują się dodatkowo wyniki dotyczące mocy dyspozycyjnej, emisji CO2, zużycia paliw, całkowitych kosztów oraz kosztów krańcowych produkcji energii Moc zainstalowana W przypadku scenariuszy S1 i S2 (rysunek 5 i 6) następuje duży rozwój technologii gazowej i turbin wiatrowych na lądzie. W przypadku wszystkich scenariuszy początkowy 21

23 P [MW] P [MW] okres jest zdominowany przez jednostki węglowe, które zostały wybudowane przed początkiem optymalizacji. Duży rozwój turbin wiatrowych jest możliwy dzięki zaimplementowanej metodzie optymalizacji, która nie wymaga nakładania sztywnych limitów mocy na maksymalny udział w miksie. MOC ZAINSTALOWANA - SCENARIUSZ S WindOffshore WindOnshore PV Biogas Biom ncdgu Biom CDGU Hydro ncdgu Hydro CDGU Industrial CHP coal CHP gas Nuclear Gas Hard Coal Lignite Rysunek 5 Moc zainstalowana scenariusz S1 MOC ZAINSTALOWANA - SCENARIUSZ S WindOffshore WindOnshore PV Biogas Biom ncdgu Biom CDGU Hydro ncdgu Hydro CDGU Industrial CHP coal CHP gas Nuclear Gas Hard Coal Lignite Rysunek 6 Moc zainstalowana scenariusz S2 W przypadku scenariusza S3 (rysunek 7), wysoka cena gazu spowodowała rozwój technologii węglowych. Wskazuje to na fakt, że polski system jest uzależniony od dostaw gazu i nawet niewielkie wahania powodują podwyżki cen. W scenariuszu S4 (rysunek 8) ze znacznym udziałem odnawialnych źródeł energii, większość mocy zainstalowanej OZE jest zapewniona przez wiatraki na lądzie. Pod koniec okresu symulacji następuje również rozwój elektrowni spalających biomasę. 22

24 P [MW] P [MW] MOC ZAINSTALOWANA - SCENARIUSZ S WindOffshore WindOnshore PV Biogas Biom ncdgu Biom CDGU Hydro ncdgu Hydro CDGU Industrial CHP coal CHP gas Nuclear Gas Hard Coal Lignite Rysunek 7 Moc zainstalowana scenariusz S3 MOC ZAINSTALOWANA - SCENARIUSZ S WindOffshore WindOnshore PV Biogas Biom ncdgu Biom CDGU Hydro ncdgu Hydro CDGU Industrial CHP coal CHP gas Nuclear Gas Hard Coal Lignite Rysunek 8 Moc zainstalowana scenariusz S Produkcja energii elektrycznej Porównując scenariusze S1 i S2 (rysunek 9 i 10) można zauważyć, że wzrost cen CO2 powoduje jeszcze większe zapotrzebowania na technologie gazowe jako źródła stosunkowo nisko emisyjne. W scenariuszach widoczna jest niewielka wartość nadprodukcji energii elektrycznej. Sytuacja jest zupełnie inna w przypadku scenariusza S3 (rysunek 11). Tam relatywnie wysoka cena gazu powoduje odejście od produkcji energii z technologii gazowych (pomimo dużego udziału w mocy zainstalowanej) i przejście do technologii węglowych (głównie kamiennego). W przypadku S4 (rysunek 12), bardzo duży udział OZE (głównie turbin wiatrowych na lądzie), powoduje największą wartość nadprodukcji energii elektrycznej spośród wszystkich scneariuszy. 23

25 E [TWh] E [TWh] E [TWh] PRODUKCJA ENERGII - SCENARIUSZ S E_D Curtail Exchange WindOffshore WindOnshore PV Biogas Biom ncdgu Biom CDGU Hydro ncdgu Hydro CDGU Industrial CHP coal CHP gas Nuclear Gas Hard Coal Lignite Rysunek 9 Produkcja energii elektrycznej scenariusz S1 PRODUKCJA ENERGII- SCENARIUSZ S Rysunek 10 Produkcja energii elektrycznej scenariusz S2 PRODUKCJA ENERGII- SCENARIUSZ S E_D Curtail Exchange WindOffshore WindOnshore PV Biogas Biom ncdgu Biom CDGU Hydro ncdgu Hydro CDGU Industrial CHP coal CHP gas Nuclear Gas Hard Coal Lignite E_D Curtail Exchange WindOffshore WindOnshore PV Biogas Biom ncdgu Biom CDGU Hydro ncdgu Hydro CDGU Industrial CHP coal CHP gas Nuclear Gas Hard Coal Lignite Rysunek 11 Produkcja energii elektrycznej scenariusz S3 24

26 PRODUKCJA ENERGII- SCENARIUSZ S4 250 E [TWh] E_D Curtail Exchange WindOffshore WindOnshore PV Biogas Biom ncdgu Biom CDGU Hydro ncdgu Hydro CDGU Industrial CHP coal CHP gas Nuclear Gas Hard Coal Lignite Rysunek 12 Produkcja energii elektrycznej scenariusz S Krzywa RLDC Rysunek 13 przedstawia przykładową krzywą obciążenia netto dla scenariusza S1 i roku Uporządkowane krzywe obciążenia są podzielone na dwanaście sekcji. W przypadku scenariusza S1 na koniec horyzontu czasowego (rok 2050), miks energetyczny jest zdominowany przez elektrownie gazowe. Widoczne jest, że przy dużym udziale OZE, większość produkcji energii z tych technologii przypada na okres niskiego zapotrzebowania energii elektrycznej. Wiąże się to z koniecznością ograniczania produkcji energii z OZE. RLDC W SCENARIUSZ S LDC P [MW] RLDC Curtail Exchange WindOffshore WindOnshore PV Biogas Czas posortowany [h] (8760 h) Biom ncdgu Rysunek 13 Krzywa RLDC w roku 2050 dla scenariusza S1 25

27 7. PORÓWNANIE MODELI OPTYMALIZACYJNYCH Porównując tradycyjną optymalizację miksu energetycznego z optymalizacją uwzględniającą krzywą RLDC należy zwrócić uwagę na to, że krzywa RLDC umożliwia wyznaczenie kilku aspektów pracy systemu, które nie mogą być ocenione w przypadku tradycyjnej optymalizacji Nadprodukcja energii elektrycznej ze względu na RES Pierwszą rzeczą na jaką należy zwrócić uwagę w przypadku implementacji krzywej RLDC do długoterminowego modelu optymalizacji miksu energetycznego jest możliwość wyznaczenia nadprodukcji energii elektrycznej na skutek dużej penetracji zmiennych OZE (turbiny wiatrowe, panele PV). Jest to niezbędne do wprowadzenia możliwości ograniczania produkcji energii z OZE. W tradycyjnym podejściu do optymalizacji miksu energetycznego produkcja energii elektrycznej jest brana pod uwagę jako skumulowana wartość obliczana z krokiem jednego roku. Pozwala to na sformułowanie warunku bilansu energii, ale takie podejście traci ważne informacje dotyczące krótkoterminowych aspektów pracy systemu elektroenergetycznego, np. zmienność profilu generacji OZE, która nie może być w pełni zaimplementowana do modelu optymalizacyjnego. W tradycyjnej optymalizacji miksu uwzględnianie produkcji energii z OZE jako stałej wartości, uzależnionej jedynie od zainstalowanej mocy i współczynnika dyspozycyjności może doprowadzić do uzyskania miksu energetycznego, który nie będzie w stanie zbilansować zmian w produkcji energii elektrycznej co może doprowadzić do zagrożenia bezpieczeństwa dostaw energii. Biorąc to pod uwagę, w tradycyjnym modelowaniu miksu energetyczne nie jest możliwe wyznaczenie wartości nadprodukcji spowodowanej przez OZE. Tym samym, ograniczanie produkcji OZE (ang. curtailment) nie może być zaimplementowane w tej wersji modelu. W konsekwencji, by również w tradycyjnej optymalizacji miksu zapewnić bezpieczeństwo dostaw energii, wprowadzany jest maksymalny limit mocy, który ogranicza budowę poszczególnych technologii do ustalonego poziomu. Wyznaczenie tego limitu jest trudnym zadaniem, które musi być poprzedzone dokładną analizą 26

28 możliwości modelowanego systemu do przyłączenia nowych mocy do sieci. Zbyt duża wartość limitu mocy może doprowadzić do uzyskania miksu energetycznego, który nie będzie w stanie zapewnić odpowiednich wartości rezerw mocy. Zbyt niska wartość będzie blokowała rozwój poszczególnych technologii. W przypadku optymalizacji miksu energetycznego z uwzględnieniem krzywej RLDC jest możliwość wyznaczenia nadprodukcji spowodowanej przez OZE. Reprezentacja produkcji energii elektrycznej przez kilka sekcji RLDC pozwala uzyskać bardziej szczegółową informację na temat pracy systemu elektroenergetycznego. Dodatkowo, ta metoda uwzględnia zmienność profilu generacji OZE. Możliwość wyznaczenia wartości nadprodukcji energii pozwala na implementację ograniczania generacji OZE, co zwiększa koszt produkcji poszczególnych instalacji, ale w długim horyzoncie czasowym wpływa na obniżenie całkowitych kosztów (w porównaniu do tradycyjnego modelu). Pozostałe metody, służące do eliminacji nadprodukcji energii (magazynowanie energii, eksport) nie są rozważane w obecnej wersji modelu Wpływ profilu OZE na szczytowe obciążenie netto Drugą, ważną zaletą prezentowanego podejścia do optymalizacji miksu energetycznego jest wyznaczenie mocy dyspozycyjnej niestabilnych OZE (turbiny wiatrowe, panele PV), która jest uwzględniona w obciążeniu szczytowym netto na bazie rzeczywistego profilu generacji. Obciążenie szczytowe netto to roczna wartość szczytowa mocy, która musi być pokryta przez jednostki wytwórcze centralnie dysponowane (JWCD). W tradycyjnej metodzie optymalizacji miksu energetycznego, bilans mocy jest obliczany dla rocznego obciążenia szczytowego, gdzie moc dyspozycyjna turbin wiatrowych i paneli PV jest obliczana na podstawie ustalonego współczynnika dyspozycyjności mocy równego odpowiednio 10% i 0% mocy zainstalowanej. Takie uproszczenie może doprowadzić do błędów w wyznaczaniu bilansu mocy. W szczególności w systemach ze znacznym udziałem niestabilnych OZE w sytuacji gdy zaimplementowana moc dyspozycyjna będzie większa niż w rzeczywistości, efektem może być brak odpowiednich mocy w systemie, aby zapewnić pokrycie obciążenia szczytowego. Z drugiej strony, zbyt mała wartość mocy dyspozycyjnej doprowadzi do nadmiaru mocy w systemie, co będzie wiązało się z podwyższeniem całkowitych kosztów pracy jednostek 27

29 i może doprowadzić do problemu missing money, ponieważ nadmiarowe jednostki nie będą w stanie uzyskać wystarczających przychodów by pokryć swoje koszty stałe. W przypadku optymalizacji miksu energetycznego z krzywą RLDC, moc dyspozycyjna niestabilnych OZE jest uwzględniania w szczycie obciążenia zgodnie z podziałem krzywej na sekcje. W praktyce oznacza to, że zmienne OZE są uwzględniane w bilansach mocy zgodnie z wartością mocy dyspozycyjnej jaka wynika z pierwszej sekcji otrzymanej krzywej RLDC (sekcja z największym zapotrzebowaniem). W rezultacie bilans mocy jest wyznaczany dla obciążenia szczytowego netto. Prowadzi to do bardziej wiarygodnych wyników niż tradycyjna metoda bazująca na stałym współczynniku Wykorzystanie mocy znamionowej JWCD Nowa metoda optymalizacji miksu pozwala na szczegółowe przedstawienie produkcji energii elektrycznej poszczególnych jednostek. Podział zapotrzebowania na energię elektryczną na kilka sekcji pozwala na łatwe wyszczególnienie jednostek bazowych, podszczytowych i szczytowych. Tym samym można zaobserwować jak wraz ze wzrostem udziału OZE maleje czas wykorzystania mocy zainstalowanej jednostek konwencjonalnych Skomplikowanie modelu Implementacja krzywej RLDC zwiększa skomplikowanie modelu optymalizacyjnego poprzez wprowadzenie dodatkowych zmiennych optymalizacyjnych i ograniczeń. W związku z tym czas obliczeń tego modelu jest dłuższy niż modelu tradycyjnego. Jednak uzyskiwane czasy obliczeń na poziomie kilku godzin są akceptowalne przy tego typu modelach. 28

30 8. WNIOSKI I REKOMENDACJE DO DALSZYCH BADAŃ 8.1. Wnioski Rozwój odnawialnych źródeł energii, wspierany przez politykę energetycznoklimatyczną Unii Europejskiej, powoduje, że prowadzenie i planowanie pracy systemu elektroenergetycznego staje się coraz większym wyzwaniem. W przypadku dużego udziału OZE, których produkcja energii zależy od warunków zewnętrznych (turbiny wiatrowe, panele fotowoltaiczne), systemy elektroenergetyczne często pracują z minimalną lub zerową wartością rezerw mocy. Z tego powodu, już na etapie długoterminowego planowania rozwoju systemu elektroenergetycznego należy uwzględnić krótkoterminowe aspekty związane z niestabilnością OZE. Głównym celem rozprawy doktorskiej jest prezentacja nowej metody optymalizacji miksu energetycznego z wykorzystaniem metody uporządkowanej krzywej obciążenia netto (RLDC) i porównanie tej metody z tradycyjnym modelowanie miksu. Proponowana metoda pozwala na maksymalizację udziału odnawialnych źródeł energii z zapewnieniem odpowiedniego poziomu bezpieczeństwa dostaw energii. Implementacja krzywej RLDC pozwala na wyznaczenie wartości nadprodukcji energii elektrycznej spowodowanej przez niestabilne OZE. Nadwyżka energii może być ograniczona, zmagazynowana lub wyeksportowana. W obecnej wersji modelu ograniczanie produkcji OZE zostało zaimplementowane. Nowa metoda pozwala na stworzenie warunku bilansu mocy zgodnie ze szczytowym obciążeniem netto w systemie oraz na ocenę stopnia wykorzystania mocy zainstalowanej przez jednostki wytwórcze centralnie dysponowane, który ulega zmniejszeniu na skutek ekspansji OZE. Model optymalizacyjny miksu energetycznego uwzględnia dwa podstawowe ograniczenia: bilans mocy i energii. W modelu zaimplementowano programowanie liniowe i całkowito-liczbowe co daje możliwość uwzględnienia jednostek wytwórczych z ich charakterystycznymi parametrami technicznymi i finansowymi. Model uwzględnia koszty finansowe jednostek powstałe na skutek zaciągniętego kredytu bankowego i ustalonego okresu spłaty kapitału. 29

31 W celu weryfikacji stworzonego narzędzia, do modelu zostały wprowadzone dane Polskiego Sytemu Elektroenergetycznego. Wybór danych wejściowych był poprzedzony dokładną analizą wielu źródeł. Model sprawdzono formułując cztery scenariusze optymalizacyjne różniące się cenami pozwoleń na emisje CO2, ceną gazu oraz minimalnym wymaganiem na produkcję energii z OZE. Uzyskane wyniki wskazują na istotną rolę technologii gazowych w rozwoju polskiego sektora energetycznego. Jest to spowodowane niskimi kosztami kapitałowymi oraz niskimi emisjami CO2 tej technologii. Trzeba jednak zwrócić uwagę, że ceny gazu ulegają dużym wahaniom na przestrzeni lat, dlatego w przypadku polskiego sektora energetycznego istotne jest wynegocjowanie korzystnych kontraktów na dostawy tego surowca. Porównując model tradycyjnej optymalizacji miksu z modelem uwzględniającym krzywą RLDC widać wyraźne różnice w rozwoju OZE, a w szczególności turbin wiatrowych (w streszczeniu przedstawiono jedynie wyniki modelu z krzywą RLDC). W przypadku tradycyjnej metody, rozwój tej technologii jest blokowany przez nałożony maksymalny limit mocy. Dla metody wykorzystującej krzywą RLDC to ograniczenie nie jest konieczne ponieważ bezpieczeństwo dostaw energii jest zapewnione poprzez ograniczanie produkcji energii z OZE a nie ograniczanie ich budowy. Zaprezentowane wyniki pozwalają stwierdzić, że możliwe jest przeprowadzenie długoterminowej, złożonej optymalizacji miksu energetycznego jednostek wytwórczych biorąc pod uwagę uporządkowaną krzywą obciążenia netto (ang. residual load duration curve RLDC) w celu uwzględnienia wpływu niestabilnych, odnawialnych źródeł energii na system elektroenergetyczny, zwiększeniu ich udziału w całkowitej produkcji energii elektrycznej i zapewnieniu odpowiedniego poziomu bezpieczeństwa dostaw energii poprzez spełnienie bilansów mocy i energii Rekomendacje do dalszych badań Zaprezentowane wyniki potwierdzają przedstawioną tezę doktorską. W ramach prowadzenia badań powstały kolejne tematy, które będą wzięte pod uwagę przy prowadzeniu dalszych prac: 30

32 metoda optymalizacji miksu energetycznego z implementacją krzywej RLDC powinna uwzględniać plany remontów jednostek wytwórczych; implementacja magazynowania energii do modelu optymalizacyjnego. uwzględnienie dziennych profili mocy w planowaniu długoterminowym; połączenia planowania rozwoju mocy wytwórczych z rozwojem sieci elektroenergetycznej; rozwinięcie aspektów ekonomicznych modelu, takich jak implementacja metod oceny opłacalności inwestycji (NPV, IRR); wprowadzenie różnych form wsparcia dla poszczególnych technologii, np. rynek mocy, subsydia w formie taryf; implementacja systemu gazowniczego; poprawa wydajności obliczeniowej modelu komputerowego. 31